英語活用 DockerのITエンジニア求人・転職情報

グローバルな視点と先進的なテクノロジーを融合させ、お客様のデジタルトランスフォーメーションを加速させること。 私たちは、日本のビジネス文化への深い理解と、世界中から集めた多様な知見を活かし、革新的なソリューションを生み出します。常に最先端を追求し、お客様と共に新しい価値を創造し続けることで、ビジネスの未来を切り拓きます。 我々の部門では、クラウドネイティブな開発手法とアジャイル開発を融合させた「爆速開発」メソッドを確立し、中国APACをはじめとするグローバルなチームと連携し、お客様のビジネス課題を解決する革新的なソリューションやエンジニアリングを提供しています。 ・爆速開発(アジャイル開発手法・DevOpsによる迅速な開発) ・海外デジタルソリューションの活用(グローバルで実績のある最新テクノロジーを日本市場へ展開。爆速開発で高速ローカライゼーション) ・グローバルサービスマネジメント(中国APAC各地のエンジニアと協力し、24時間365日体制でのプロジェクト横断型シェアードシステム運用サービスを提供) ・クラウドSRE(クラウドネイティブなサービスを活用したCI/CD、インフラのコード化、先進的なアーキテクチャ設計、プラットフォームエンジニアリングによる開発・運用の最適化)

・プロダクト開発 JAPAN AI STUDIO を活用した業務ワークフローの実装 (稟議承認、リソース最適配置、見込み 顧客探索、データ連携 等) LLM / AI エージェントを活用した軽量 PoC の高速実装 各種 SaaS (SmartHR / Salesforce / HRMOS / 楽々精算 等) との API 連携・データ統合 フルスタック開発 (バックエンド + フロントエンド) ・本番導入のための実装・改善 シニアエンジニアの設計に基づく本番導入向け実装 パフォーマンス・信頼性の改善 セキュリティ・コンプライアンス要件への対応 (シニアのサポート下) ・プロダクトフィードバック 実装過程で気づいた改善ポイントのプロダクトチームへの還元 再利用可能なコンポーネント・パターンの抽出と提案 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。 JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。 その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●期待する役割について シニアエンジニアと協働しながら、以下を段階的に担っていただきます。 ・Phase 1 (入社〜3ヶ月): 実装担当 シニアエンジニアが設計したワークフロー / PoC の実装担当 JAPAN AI STUDIO の操作・SDK の習熟 各種 SaaS (Salesforce / SmartHR / kintone 等) との API 連携実装 ・Phase 2 (3〜6ヶ月): 実装リード 小規模ワークフローの設計〜実装を単独で担当 実装方針のドキュメント化・チーム内共有 プロダクトチームへのフィードバック起票 ・Phase 3 (6〜12ヶ月): 中規模機能のリード 中規模機能の設計・実装のリード 技術選定・アーキテクチャ判断への参加 後続のポテンシャル枠メンバーの OJT サポート ●成果責任 (KR/メトリクス) プロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約120名が開発組織に在籍しています。 本ポジションが所属する FDE チームは現在 7名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

ミッション "AI の出力品質を科学する — 評価手法の研究・開発で、エージェントの信頼性を証明する" LLM / AIエージェントの出力品質を、機械学習・統計学・計量心理学の手法で定量的に評価・改善します。本ポジションは「テストする人」ではなく、 「何をもって良いAIとするかを定義し、測定する科学者」 です。 期待する役割について AI Evaluation Scientist として、AI エージェントの品質評価基盤の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 — LLM-as-Judge の校正、報酬モデリング、ベンチマーク設計を通じて「何をもって品質とするか」を科学的に定義します ●自動評価パイプラインの設計・構築 — 研究成果を本番 CI/CD に組み込み、スケーラブルな品質ゲートを実現します ●レッドチーミング・安全性検証 — adversarial testing の自動化、ポリシー準拠検証フレームワークを構築します ●統計的実験計画に基づく品質改善 — A/B テスト・有意差検定でプロンプト戦略やモデル変更の効果を定量的に検証します ●評価シグナルの研究・開発チームへのフィードバック — モデル改善の複利ループを構築します 約 200 社が本番利用するプロダクトの品質を「科学する」アプローチで担保します 業務内容 AI Evaluation Scientistとして、 AIエージェントの評価基盤 (Evaluation Infrastructure) の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 ・LLM-as-Judge の校正手法の研究・実装 (rubric 設計、バイアス検出、proper scoring rules) ・評価ベンチマークの設計・構築・妥当性検証 (construct validity、contamination detection) ・報酬モデリング / preference learning の評価への応用研究 ・評価メトリクスの選定・設計 (win rate、task success、factuality、harm detection) ・評価セット (合成データ + 実ログ) の設計・構築・メンテナンス ●自動評価パイプラインの設計・構築 ・スケーラブルな自動評価パイプラインの設計・実装 ・CI/CD への評価パイプライン組込みと品質ゲートの構築 ・エージェント評価ハーネスの設計 (マルチターン・ツール利用・ロングコンテキスト対応) ・評価パイプラインの再現性・信頼性の担保 ●安全性・品質検証 ・自動レッドチーミング (automated adversarial testing) の研究・実装 ・安全性 / ポリシー準拠の検証フレームワーク構築 ・ハルシネーション検出・校正手法の研究・実装 ・プロンプト / ツール回帰テストの設計・実行 ●統計分析・実験設計 ・統計的実験計画 (A/B テスト、有意差検定) の設計・分析 ・品質トレンドの可視化・回帰検出の自動化 ・品質レポート作成と改善提案 ・評価シグナルの研究・開発チームへのフィードバック 業務シナリオ ※以下は想定される業務シナリオの例です ●シナリオ1: LLM-as-Judge の校正と妥当性検証 新しい評価メトリクスとして LLM-as-Judge を導入する際、judge モデルの校正 (calibration) を実施します。人間評価との一致率を統計的に検証し、rubric 設計を反復改善します。construct validity を確認した上で、自動評価パイプラインに組み込み、評価コストを 80% 削減しながら人間評価と同等の信頼性を実現します。 ●シナリオ2: 新モデル導入時の品質ゲート LLMプロバイダーが新モデルをリリースした際、既存のベンチマークスイートで回帰テストを実行し、factualityスコアが3%低下していることを検出します。原因を分析し、プロンプト調整で品質を維持したまま新モデルへの移行を完了します。 ●シナリオ3: 自動レッドチーミングによる安全性検証 金融機関向けにJAPAN AI AGENTを導入する際、自動レッドチーミングパイプラインを構築します。adversarial promptの自動生成・分類器による脆弱性検出を実装し、業界固有のリスクシナリオ(機密情報漏洩、不適切な金融アドバイス等)を網羅的にテストします。ポリシー準拠率99%以上を達成します。 ●従事すべき業務の変更の範囲 会社の定める業務 成果責任 (KR/メトリクス) ●評価カバレッジ率(テストケース網羅率) ●回帰検出率(リリース前の品質劣化検出率 ≥ 95%) ●評価パイプライン実行時間(CI/CD内で完了) ●LLM-as-Judge と人間評価の一致率 ●False Positive / Negative 率 ●安全性インシデント発生率(リリース後) チーム体制 約120名が開発組織に在籍しています。 AI Evaluation Scientistは品質保証の専門チームとして、以下のチームと密接に連携します: ●密接に連携する役割: ・Agentic Product Engineer — エージェント機能開発 ・Research Engineer — 研究開発・モデル改善 ・Agent Harness Engineer / Software Engineer (AI Platform) — AI 実行基盤開発 ・Product Manager — プロダクト設計・品質要件定義 開発環境 ●言語 : Python (評価パイプライン・分析), TypeScript / React / Next.js (フロントエンド部) / NX ●評価 / QA : pytest, LangSmith, Weights & Biases, custom eval frameworks ●データ : BigQuery, Spark, Pandas ●インフラ : GCP (コンテナ / K8s), Docker, Terraform ●CI/CD : GitHub Actions ●ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion ●AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin ●作業環境 : Mac (Apple Silicon), デュアルモニタ対応

●課題を定義する 顧客の業務プロセス・データ環境・既存SaaS群の全体像を把握し、AIがどこに介入すれば効果が最大化するかを特定します。経営層から現場担当者までと直接対話し、仕様書を受け取るのではなく、仕様を自ら定義します。 ●爆速で作る JAPAN AI STUDIOで、現場が実際に使うワークフロー（稟議承認、リソース最適配置、見込み顧客探索、データ連携 等）を構築します。顧客の既存SaaS（Salesforce / SmartHR / kintone 等）とのAPI連携、LLM・AIエージェントを用いたPoCの高速実装から本実装まで、フルスタックで自ら手を動かします。 ●本番に載せ、プロダクトに還す 本番導入の技術支援、セキュリティ・コンプライアンス要件への対応、導入後の利用定着まで伴走します。現場で得たパターンはプロダクトチームへ還元され、次の標準機能になります。 例：全国50店舗を展開する小売業。紙ベースで平均5営業日かかっていた発注稟議を、過去の承認パターンをAIが学習して一次判断するワークフローに置き換え、リードタイムを1営業日に短縮。この事例は標準テンプレートとして他顧客にも展開されました。 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●期待する役割について 顧客の業務プロセスとデータ環境を深く理解し、JAPAN AI STUDIO を活用して課題解決を実装・導入するエンジニアです。 顧客の既存システム (SaaS 群) の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する JAPAN AI STUDIO を活用し、現場が実際に使えるワークフロー (稟議承認、リソース最適配置、見込み顧客探索 等) を爆速で構築する PoC を本番環境へ導入し、利用定着まで伴走する 現場で得た知見をプロダクトチームにフィードバックし、プロダクトを進化させる 経営層から現場担当者まで、多様なステークホルダーと関係を構築する ●成果責任 (KR/メトリクス) FDE の動きがプロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約60名が開発組織に在籍しています。 FDEチームは現在10名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

Agent Harness の設計・実装 エージェント実行エンジン (Graph Runtime / State Machine) の設計・実装 Agent SDK の設計・開発 — 社内エンジニアがエージェントを構築するためのインターフェース セッション管理・チェックポイント・リカバリ機構の実装 ガードレール / ポリシー実行エンジンの構築 — エージェントの行動を制御するルール実行基盤 AI/ML システム統合 モデルルーティング — 複数の LLM プロバイダ / モデルタイプを跨いだ推論リクエストの最適ルーティング コンテキスト管理・メモリ基盤の設計 (長期記憶、ワーキングメモリ、RAG 統合) 推論パイプラインの最適化 (レイテンシ削減、コスト効率化、キャッシュ戦略) Research Engineer と連携した最新研究成果の本番基盤への統合 オーケストレーション・パフォーマンス ワークフローオーケストレーション・キューイングシステムの開発 コスト/性能最適化 (オートスケーリング、キャッシュ、バッチ処理) 推論リクエストのルーティング・ロードバランシング 信頼性・運用 プラットフォーム稼働率 99.9% 以上の維持 インシデント対応・ポストモーテム データアクセス・権限管理基盤の設計 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1: エージェント実行エンジンの設計 JAPAN AI STUDIO 上で顧客が構築する AI エージェントの実行基盤を設計。 Graph Runtime を採用し、エージェントの各ステップを DAG (有向非巡回グラフ) として表現。 チェックポイント機構により、長時間タスクの途中失敗からの自動リカバリを実現。 ● シナリオ 2: モデルルーティングの最適化 複数の LLM プロバイダ (OpenAI / Anthropic / Google 等) を跨いで、タスクの種類・コスト・レイテンシに応じた最適なモデルを自動選択するルーティングエンジンを設計。 推論コストを 25% 削減しつつ、タスク成功率を維持。 ● シナリオ 3: ガードレール実行エンジンの構築 金融機関向けエージェントが「投資助言」に該当する回答を生成しないよう、ポリシー実行エンジンを構築。 ルールベース + LLM ベースのハイブリッド判定により、レイテンシを 50ms 以内に抑えつつポリシー準拠率 99.5% を達成。 ●ミッション 「企業の脳」の心臓部を設計する AI エージェントが安全・高速・確実に動作するための Agent Harness — 実行エンジン、オーケストレーション、ガードレール、メモリ、モデルルーティングを設計・実装する。 JAPAN AI STUDIO 上で動く数百のワークフローの制御基盤を、自社で構築する。 ●Agent Harnessとは Agent Harnessは、AIモデルを包み込む制御・実行基盤レイヤーです。 Agent Framework (LangChain等) がエージェントの「構築」を担うのに対し、Agent Harnessはエージェントの「制御・運用」を担います。 ●Backend Engineer 構築対象 : Web API・マイクロサービスの設計・実装 AI/ML との関わり : ML モデルを API 経由で呼び出す 状態管理 : ステートレスなリクエスト / レスポンス 安全性制御 : 認証・認可・入力バリデーション | ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 ●Agent Harness Engineer 構築対象 : LLM を中核としたエージェント実行エンジン・SDK・オーケストレーターの設計・実装 AI/ML との関わり : モデルルーティング、RAG 統合、コンテキスト注入、推論最適化をシステムレベルで設計 状態管理 : エージェントのセッション管理・チェックポイント・長期記憶・ワーキングメモリの設計 安全性制御 : ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 JAPAN AI では、この Agent Harness を自社開発し、全プロダクト (JAPAN AI STUDIO / CHAT / SPEECH / AGENT 等) の共通基盤として運用しています。 ●期待する役割について Agent Harness Engineer として、AI / ML の知識を活かしながらエージェントの制御・実行基盤を設計・実装していただきます。 LLM / AI エージェントの動作原理を深く理解した上で、実行エンジン (Graph Runtime / State Machine) を設計・実装する モデルルーティング、コンテキスト管理、メモリ基盤 (長期記憶・ワーキングメモリ) など、AI 特有のシステム設計を担う 社内 120名のエンジニアが使う Agent SDK を設計・開発する ガードレール / ポリシー実行エンジンを構築し、エージェントの行動を安全に制御する Research Engineer と連携し、最新の研究成果を本番基盤に統合する ●成果責任 (KR/メトリクス) Agent SDK 採用率 (社内チームの利用率・満足度) エージェント実行成功率 (タスク完了率、チェックポイントからのリカバリ成功率) Harness 起因の障害率 (ガードレール突破率、状態不整合率) 実行レイテンシ P95 / P99 (Harness 層のオーバーヘッド) 推論コスト効率 (モデルルーティングによるコスト最適化) 開発者体験スコア (SDK / API の社内 NPS) ●チーム体制 約120名が開発組織に在籍しています。 Agent Harness Engineerは以下のチームを横断して活動します: Infra — クラウドインフラ・SRE Data — データパイプライン・分析基盤 Agent Harness — エージェント実行フレームワーク 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (SDK のユーザー) Research Engineer — 研究開発・新手法の基盤統合 AI Quality Scientist — 評価パイプラインとの連携 Product Manager — プロダクト設計・非機能要件定義 ●開発環境 言語 : Python, Go (バックエンド・基盤開発) , TypeScript / React / Next.js (フロントエンド部) / NX インフラ : GCP (コンテナ / K8s) , Docker, Terraform メッセージング : Kafka / Pub/Sub 監視 : Prometheus, Grafana, OpenTelemetry ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

エージェント研究開発 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 新しい推論・計画・検索手法の研究開発 マルチモーダル・長文コンテキスト対応の技術開発 最新論文の調査・再現・改良実装 評価・ベンチマーク 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 合成データ生成・評価ベンチマーク設計 モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体) プロダクション課題の解決 推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等) モデル学習用データミックスの作成・最適化 エージェント評価フレームワークの高度化 本番環境での品質改善・パフォーマンスチューニング 技術移転・発信 Agentic Product Engineer チームへの技術移転・メンタリング 学術機関・OSS コミュニティとの連携 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1 : SaaS 横断検索のためのナレッジグラフ RAG の研究開発 JAPAN AI STUDIO が「企業の脳」として機能するには、顧客の全 SaaS に散在する情報を横断的に検索・統合する必要がある。 既存の RAG では「Aプロダクト の従業員データ」と「Bプロダクト の商談データ」の関係性を捉えられず、回答精度が低い。 ナレッジグラフベースの RAG アーキテクチャを研究・開発し、エンティティ間の関係性を構造化。 SaaS 横断検索の回答精度を 40% 向上させ、Agentic Product Engineer チームに技術移転して全プロダクトに展開。 ●ミッション Agentが降参する問題を解く 現在の AI エージェントでは解決できないフロンティア課題に挑み、新しい推論手法・検索 / 計画・長期記憶・ツール利用の品質限界を突破する。 JAPAN AI STUDIO 上で動く数百のワークフローが、より賢く・速く・安全に動作する未来を、研究で切り拓く。 ●期待する役割について Research Engineer として、AI/LLM/ML の最先端研究と応用研究をリードしていただきます。 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 モデルとプロンプトの自動評価を支援し、学習からプロダクトライフサイクル全体にわたって品質を担保 プロダクト組織と協力し、エージェントをプロダクトに適用するうえでの最も困難な課題を解決 モデル学習用データミックスの作成・最適化により、エージェントタスクにおける性能と使いやすさを向上 研究成果を Agentic Product Engineer チームに移転し、プロダクト全体の品質を底上げ 論文を書くことがゴールではありません。 研究成果をプロダクションに適用し、約 200 社が利用する本番環境でユーザーに届けることを重視します。 ●成果責任 (KR/メトリクス) ベンチマークスコア改善率 (社内 / 公開ベンチマーク) 新手法のプロダクション適用数 (四半期あたり) 推論レイテンシ / コスト改善率 論文・技術ブログ発表数 社内技術移転完了数 ●チーム体制 約120名が開発組織に在籍しています。 Research Engineerは以下のプロジェクトを横断して活動します: JAI Lab — AI研究開発 AI&Model — モデル学習・最適化 Voice & Tel — 音声AI・電話システム 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (技術移転先) Agent Harness Engineer — エージェント実行基盤 AI Quality Scientist Specialist — 評価パイプラインとの連携 Product Manager — プロダクト設計 ●開発環境 言語 : Python (研究・フレームワーク部), TypeScript / React / Next.js (フロントエンド部) / NX ML / AI : PyTorch, JAX, Transformers, vLLM, Weights & Biases インフラ : GCP (コンテナ / K8s), Docker ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon), デュアルモニタ対応

<事業部の特徴> NTTデータはマイナンバー制度の発足時から、マイナンバーを安心・安全に活用した便利な社会の実現のために大きな役割を果たしてきました。 当事業部では、マイナンバー関連システムの企画・開発・保守・運用を中心に事業運営を行っており、既存システムの運用・保守、次期システムの更改だけでなく、マイナンバーを活用した新規ビジネスの立ち上げなども行っています。 また、2021年5月19日に公布されたデジタル改革関連法によりマイナンバー制度の拡充が図られており、これからますますマイナンバー関連システムのビジネスは広がっていくことが想定されています。 <募集職種> 上記背景を踏まえて以下の人材を募集いたします。 ・アプリケーション開発を遂行できるプロジェクトマネージャーまたは、アプリケーションスペシャリスト(アプリケーションスペシャリスト) ・システム基盤構築を遂行できるプロジェクトマネージャ、または、インフラエンジニア(インフラエンジニア) アプリケーションスペシャリストとしては、マイナンバーに関する業務仕様の調整、業務アプリケーションの開発の推進を想定しており、インフラエンジニアとしては業務アプリケーションを構築するインフラ基盤(仮想基盤、OS、DB、NW等)の検討・構築を行うことを想定しています。 マイナンバー関連のプロジェクトは、その案件の性質に合わせて、ウォーターフォール開発、アジャイル開発を採用しながら開発が行われています。また、その案件で提供する環境も満たすべき要件・セキュリティに応じてパブリッククラウド、プライベートクラウドなどが採用されています。 詳細については、配属前面談において配属予定のプロジェクトでの採用技術などを相談させていただき、必要であれば配属前、配属後の研修なども検討させていただきます。

デジタル推進統括本部 クロスドメインプラットフォーム本部 クラウド管理部にて、クラウド環境の最適化、マルチクラウドソリューションの企画・実行をお任せします。 <具体的な業務内容> ①クラウド環境のプラットフォーム最適化(要件定義・設計・構築・運用・テスト) ・既存IaaS・PaaS環境からのクラウドネイティブ化対応 ・サーバーレス/コンテナ/マイクロサービスなどを活用したクラウドネイティブ技術の実装 ②マルチクラウドソリューションの企画・推進 ・AWS/Azure等の強みを活かしたプラットフォーム設計と活用戦略立案 ・グローバル拠点を含めた導入展開・標準化・セキュリティ施策の推進 ③クラウド環境上の生成AI環境構築 ・企業プラットフォームからMCP等を活用したLLM連携の構築・活用検証 ・トラストモデルの検証 ・技術強化部門へPoC環境提供 ④プロジェクト運営 ・グローバルプロジェクトのPM/PL/PMO等の各役割に応じたリード ・プロジェクト進捗管理、課題管理、コスト管理、リスク管理、ステークホルダ管理 等 ・プロジェクト会議アレンジ、ファシリーテート、資料作成 等 <現状推進しているプロジェクト> ・マルチクラウド間データ連携基盤の構築 ・クラウド基盤エンタープライズアーキテクチャのグランドデザイン、標準化 <対象クラウドについて> 日立ハイテクグループを対象にしたクラウド基盤、もしくは日立グループを対象にしたクラウド基盤となります。 ボリュームとしては日立ハイテクグループを対象にしたクラウド基盤が多くを占めており、こちらの基盤構築・管理がメインとなります。 日立グループ全体を対象にしたクラウドを使用する場合は、日立製作所や他グループ会社とも連携をとりながら業務を進めていくため、大規模なプロジェクトの推進経験をすることができ、与えるインパクトが大きくやりがいを感じることができます。 ※業務の変更範囲※ 会社の定める業務 ※転勤:茨城県勝田市、および山口県下松市の工場にデジタル推進統括本部のIT部門があるため、ローテションによる転勤の可能性があります。

概要 グループ経営ソリューションに関する自社プロダクト（クラウドサービス）を活用し、イノベーションを加速いただくために、迅速なサービス向上を実現し、改善を進めていく活動に貢献いただきます。 これまでに無い新しい製品（クラウドサービス）開発と成長に挑戦し、共に新しい価値の提供を目指していただきます。 ●業務内容 プロダクト（クラウドサービス）のDevOpsエンジニアとして、運用設計・実装・テスト・計測・改善を主体的に実行していただきます。 期待する事 ・ミッションクリティカルな用途にご利用いただいているサービスの品質を担保しながら、改善・イノベーションを促進していけるよう中長期的な観点とともに解決策、改善策を考案し、アプリケーション開発・SREチームとともに推進していくこと ・アプリケーションのモダナイゼーションと自動化・安定性向上を進める環境を構築していくこと ・ワンチームとして、各関係者と共に有機的かつ能動的にリードしていくこと ・クラウドアーキテクチャや製品、開発プロセスまで継続的な改善と最適化を推進する活動に貢献いただくこと 配属部門 プロダクト開発本部　プロダクト基盤部

LLM専属のエンジニアとして、弊社のソリューションデザイナ(顧客折衝やプロジェクトマネジメント等を担当)と連携しながら、データ分析、LLMモデルの検証/開発/改善、結果のレポーティング、LLMを用いたシステムの開発等に関わっていただきます。(プロジェクトごとに、リードエンジニアが1名サポートにつきます。) またLLMに関連する最新技術のキャッチアップ、社内への展開、及びマルチエージェントシステムのためのフレームワーク開発などをお任せする予定です。 上記に加え、他プロジェクトのLLMエンジニアのスーパーバイズおよび組織運営にも携わっていただきます。 ●具体的な業務内容 ・LLMを用いたクライアントプロジェクトへの参画、及びソリューションの開発 ・LLMに関連する最新技術のキャッチアップ、社内への展開 ・マルチエージェントシステムのためのフレームワーク開発 ・社内プロジェクトメンバーや顧客への技術的な説明 ・LLMを用いたシステム開発PJにおけるLLMの精度検証・チューニング ・LLMエンジニアが担当するプロジェクトのスーパーバイズ ・エンジニアリング部の組織運営に関わる業務(採用、評価、育成等) ● 業務の変更範囲:なし 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 ●カスタムAIソリューション事業とは? 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ・オーダーメイドによるAI開発 　- アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ・企業のコア業務をAIで変革 　- 画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV(スーパーバイザー)がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●裁量の大きさについて 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ・技術者がお客様に対して直接提案をすること ・お客様が設計した問題に対してその問題設計に提言できること ・チームを自ら組閣し案件成功に向けて自ら動くことができること ・会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・データ分析全般(NumPy, pandas, Matplotlib, seaborn, plotly, Streamlit) ・機械学習(sckit-learn, statsmodelsm, OPTUNA, SHAP, LightGBM) ・Deep Learning(PyTorch, TensorFlow, Hugging Face, OpenAI, LangChain) ・実験管理(Kedro, mlflow, Kubeflow) ・開発言語(Python, Rust, Javascript) ・インフラ(AWS, Azure, Google Cloud, 社内GCPサーバ) ・開発ツール(Visual Studio, GitHub) ・その他ツール(Slack, Backlog, Cacoo, Google Meet) ●社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催(数理最適化、強化学習 etc...) ・最新技術勉強会の開催(マルチエージェント etc...) 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施

担当プロジェクトのメインエンジニアとして、弊社のソリューションデザイナ(顧客折衝やプロジェクトマネジメント等を担当)と連携しながら、データ分析、モデル開発/改善、結果のレポーティング等を実施していただきます。 また、それに加え、他プロジェクトの機械学習エンジニアのスーパーバイズおよび組織運営にも携わっていただきます。 <具体的な業務内容> ・ディープラーニング等の機械学習技術を用いたソリューションの開発(機械学習エンジニアと同様) ・プロジェクト提案段階での技術観点からの評価やアドバイス ・機械学習エンジニアが担当するプロジェクトのスーパーバイズ ・エンジニアリング部の組織運営に関わる業務(採用、評価、育成等) ●このような想いを実現されたい方にご応募いただきたいです。 1.機械学習を用いた社会実装、産業実装を自分の手で担いたい方 弊社が担当する案件は社会や産業そのものに影響を与えるものが中心です。 技術はあくまでツールとして捉え、ソリューションを提供することを主眼に置いていることを重要視する集団です。 2.自身が担当している案件がPoCのみで終わることや実際に世に出て行かないことに不安を感じる方 弊社の案件継続率は70%と他社と比較して比較的高いと自負しています。 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 ●カスタムAIソリューション事業とは? 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ・オーダーメイドによるAI開発 　- アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ・企業のコア業務をAIで変革 　- 画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV(スーパーバイザー)がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●裁量の大きさについて 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ・技術者がお客様に対して直接提案をすること ・お客様が設計した問題に対してその問題設計に提言できること ・チームを自ら組閣し案件成功に向けて自ら動くことができること ・会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること ●キャリアパスについて 右記のような流れでキャリアを歩んでいただく想定です。(スタッフ→リーダー→マネージャー→部長) 一方で弊社のエンジニア組織は50名未満とまだまだ成長の余地しかなく、キャリアパスは完全に決まりきっているの部分は少ないです。 今後もキャリアパスは社員の想いや組織の成長段階によって変化し続けると認識しています。 そのため「キャリアは自ら切り開きたい」と思える方にご参画いただきたいですし、弊社としてはその様な想いを支えられる組織として存在できればと考えております。 ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・データ分析全般(NumPy, pandas, Matplotlib, seaborn, plotly, Streamlit) ・機械学習(sckit-learn, statsmodelsm, OPTUNA, SHAP, LightGBM) ・Deep Learning(PyTorch, TensorFlow, Hugging Face, OpenAI, LangChain) ・実験管理(Kedro, mlflow, Kubeflow) ●社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催(数理最適化、強化学習 etc...) ・最新技術勉強会の開催(マルチエージェント etc...) 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施 ● 業務の変更範囲:なし

【プロダクトビジョン】 「すべてのユーザーがシステムとAIを使いこなせる世界に」 テックタッチは、どんなシステムでも、誰もが迷わず操作できる体験を届けてきました。 「使える」だけでなく、「使いこなせる」体験へ。 そして今、その思想をAIの世界にも広げています。 システムもAIも、人が中心となって使いこなせる世界をつくっていく。 その実現のために提供しているのが、AI型Digital Adoption Platform「テックタッチ」です。 【プロダクト】 テックタッチは、あらゆるWebシステムやサービスの画面上に操作ガイドやナビゲーションを表示し、ユーザーが迷わずにシステムを使いこなせる体験を提供するDigital Adoption Platform(DAP)「テックタッチ」を開発しています。 5年連続国内シェアNo.1*、利用者数900万人*を超える巨大な基盤を活かし
現在はLLMやRAGなどの生成AI技術を組み込み、既存のWebシステムを改修することなく
システムを使いながら「自然にAIを活用できる体験」を目指しています。 *1 出典:株式会社アイ・ティ・アール「ITR Market View:コラボレーション *2 出典:ナレッジ共有市場2025」デジタル・アダプション・プラットフォーム市場:ベンダー別売上金額シェア(2021～2025年度予測) 【CSEチームとは】 お客様へサービスのスムーズな導入を技術支援する「IS(インプリメンテーションサービス)」業務と、導入後の高度な技術サポートを通じてお客様の継続的な成功を支える「TS(テクニカルサポート)」業務を主軸とした、エンジニアチームになります。 【主な業務内容】 ご入社後はまず、TSE(テクニカルサービスエンジニア)として、お客様の「テックタッチ」導入後の高度な技術サポートを推進していただきます。 将来的にはISE(インプリメンテーションサービスエンジニア)の領域も含む、多彩な技術フィールドでご活躍いただけます。 ●主なミッション 高い技術力とビジネススキルを発揮したテクニカルサポート: 深い製品知識とエンジニアスキルで迅速に問題に対応。 ビジネスチームとプロダクト開発チームの双方と密に連携し、お客様の「テックタッチ」利用における安定稼働と信頼回復を実現します。 事業推進のための技術的ハブとしての役割: ビジネスチームが顧客とのアライアンスや新規サービスを企画する際、製品知識とエンジニアリングの視点で構想の技術的実現性を支援。 PdMへの情報連携をリードすることで、新たな事業企画を技術面から支援します。 プロダクト改善への貢献: お客様の声や洞察に基づき、PdMチームの新機能の仕様策定を支援。 更にスプリントレビュー等を通じて開発チームもサポートし、プロダクトの継続的な価値向上と品質担保に貢献します。 業務効率化の推進:自チームだけではなく他チームと協業して業務を推進するため、常に全体最適に向けたプロセス設計、ツール導入や内製開発等に取り組んでもらいます。 ●ご経験を活かせる領域・サポート体制について 上記のミッションでは、これまで培ってきたWebシステム開発やテクニカルサポート、プロジェクトマネージメントといったご経験を発揮頂きたいと考えています。 もちろん、全ての領域に精通している必要はありません。 一部業務が未経験の方や、 特定の技術領域のご経験が浅い方でもご安心ください。 入社後のオンボーディングやチーム内でのサポートを通して、早期のキャッチアップとご活躍を全力でバックアップします。 新しい技術や未知の領域にも、安心して挑戦できる環境を用意しています。 【チーム体制】 現在4名で業務を行っています。 <TSE職入社メンバーの紹介> 新卒でWeb制作会社に入社し、サイト運用のディレクションやWebシステム開発の経験を積む。 その後、Salesforceの初期導入を実施するパートナー会社で、様々な業種業態の企業へ提案・開発を行う。 21年12月にテックタッチへCSEチームで入社。

ウォーターフォール開発において、基本設計、機能設計、詳細設計、プログラム製造、試験工程に携わっていただきます。 ●案件例 通信キャリアの店頭契約業務で利用されるタブレット向け業務システムのUI/UX開発プロジェクトです。 ・チーム規模:20名程度 ・役割:サブリーダー、メンバー(ご経験による)

●役割と期待内容 お客様のITインフラをより柔軟でスケーラブルなクラウド環境へ移行・最適化するために、クラウドエンジニアとしてインフラ設計・構築・運用をリードしていただきます。 AWSやAzureなどのクラウドプラットフォームを活用し、セキュアかつ高可用性なシステムの実現を支援します。プロジェクトチームや社内外の関係者と連携しながら、技術面だけでなく運用性やコスト最適化にも配慮したインフラソリューションの提供が求められます。 ・クラウドインフラ(オンプレミス、AWS, Azure、GCP等)の設計・構築・運用 ・顧客要件に応じたシステム構成の提案および改善 ・IaC(Infrastructure as Code)による自動化対応 ・セキュリティ・パフォーマンスの最適化 ・運用マニュアルの作成および技術支援 ●案件例 業界最大手製造業向け オンプレミスシステムのAWSクラウド移行プロジェクト オンプレミスシステム群をAWS上に移行するプロジェクトです。 既存システムの構成と要件を分析し、段階的にクラウドへの移行を実施します。 様々なステークホルダーと連携し、一大プロジェクトの重要な役割を担います。 これから重要なフェーズに移るため、体制強化を目指しています。 ●担当業務 ・クライアントとの日常的なコミュニケーションによる要件の整理、確認 ・既存システムの構成・業務フローの分析 ・お客様の要望をドキュメント化し、オフショアチームに正確に伝達 ・オフショアチームとの連携およびタスク進捗の管理 ・プロジェクト進行に伴う課題管理および報告 ●使用スキル・技術 ・オンプレミス、クラウド(AWS、Azure、GCP等)に関する基礎知識 ・クラウド移行に関する基本的な設計、移行プロセスの理解 ・インフラ領域全般の知識(一部でも可) ・プロジェクトマネジメント(進捗管理・課題管理) ・ビジネスアナリシス(BA)スキル:要件ヒアリング、ギャップ分析、ドキュメンテーション

【配属組織名】 デジタルサービスビジネスユニット(公共システム) 【配属組織について(概要・ミッション)】 公共システム事業部では、官公庁、自治体、外郭団体等、公共・社会分野にて50年以上のIT導入実績があります。 その中で培ってきた知見やノウハウに最新技術を適用することで、デジタルトランスフォーメーションを実現しています。 今回は、その中でも社会貢献度が高く、先端技術を使いながらキャリアアップ、スキルアップができる分野のインフラエンジニアを募集いたします。 なお、希望する仕事内容・キャリアプラン等について、面接時にお聞かせください。 ●募集部署1:オンプレミス環境でのプラットフォーム構築 ハードウェア/ミドルウェアのプレ・調達から設計～構築～テストを実施し、お客様へ納めることを専門とした部署にて、様々なお客様のプラットフォーム構築を実施します。 ●募集部署2:パブリッククラウドを用いたプラットフォーム構築 最新クラウド技術(AWSやAzureの活用を含む)を用いて、大量データ解析・可視化する基盤構築やデータサイエンティストがデータ分析する基盤等のソリューション構築を実施します。 弊社では、上記以外にも多種にわたるインフラエンジニアの活躍機会があります。 配属後のキャリアプランについては柔軟に対応できますので、配属組織の上長とご相談ください。 【参考資料】 ・SEトップメッセージ:https://youtu.be/Nbqq3aqnRag ・事業部紹介映像:https://youtu.be/QJrlX_UvWS8 【職務概要】 ITアーキテクトとして、最新技術をいち早く検証し、顧客にとって最適な技術の組合せを検討・提案し、ソリューション構築を担当していただきます。 そのため、顧客にとって価値の高い業務/システムの企画から構築までを担うために、常に最新技術を貪欲に追い求めることを期待します。 【職務詳細】 企画・プレ段階～構築、稼働、保守までトータルで活動をしていただきます。 どのような技術を用いたアーキテクチャとするかは、お客様の要求をベースに最適な形を検討していただきます。 具体的な職務の概要(流れ)は以下になります。 (1)企画・プレ段階 顧客要求に応じた最新アーキテクチャの検討・提案を行います。 ・AWS/AzureのPaaSや他社サービス(SaaS)の適用検討 ・セキュリティ等顧客の心配事項に応じた説明 ・社内/社外のサービスとの組合せに関する検討・協議 (2)技術検証段階 PoC等の実験環境の構築/評価に基づく要件見直しを行います。 ・実証実験計画書の作成 ・クラウド等を利用したアーキテクチャ概要設計・構築 ・実証実験評価(技術的課題等の洗い出し、費用試算等) (3)構築段階～本番稼働以降 実証段階の評価を踏まえ環境等の構築を行い、ノウハウ蓄積を行います。 ・クラウド等を利用した商用環境の設計・構築 ・効率的な保守を実現するための設計・実施 ・最新技術の適用事例化(社内発表) ●公共システム事業部ニュースリリースはこちら http://www.hitachi.co.jp/Div/jkk/press/index.html 【働く環境】 【配属組織構成】 組織では20代～50代まで、幅広い年齢層の社員が活躍しております。 【働き方】 若手を中心に経験者採用で活躍しているメンバーも多く、働きやすい職場です。 在宅勤務と出社もフレキシブルに組み合わせながら仕事を進めていただけます。 ※配属部署によって異なる場合がございます。予めご了承ください。詳細は面談にてご確認ください。 ※上記内容は、募集開始時点の内容であり、入社後必要に応じて変更となる場合がございます。予めご了承ください。 【キャリアパス】 ●クラウド環境の構築・開発の経験、キャリアを積むことができる。 ●最新技術を組み合わせて社会課題の解決に寄与するシステム構築を経験できる。 ●キャリアを積み上げる機会が無数にあり、繰り返しキャリアを研鑽できる。

●職務内容 本ポジションは、半導体製造装置・計測検査装置から生み出される膨大なデータを活用したAI・デジタルソリューション開発を支えるDevOpsエンジニアです。 AI画像処理・データ解析エンジニアが開発するモデルやソリューションを、 「安定して・安全に・継続的に使える形で現場に届ける」ための基盤づくり・運用を担っていただきます。 クラウド前提のDevOpsとは異なり、オンプレミス/GPUサーバー環境を中心とした、半導体業界特有の制約下でのAI基盤整備が特徴です。 ●職務詳細 以下の業務を、AIソリューション開発チームと密に連携しながらご担当いただきます。 1.インフラ・基盤設計/運用 ・オンプレミス環境におけるLinuxサーバーやGPUサーバーの設計・構築・運用 ・半導体製造装置・計測検査装置向け機械学習/AI開発基盤の整備・最適化 ・セキュリティ・性能・運用性を考慮した基盤構成の検討 2.開発支援・DevOps領域 ・AI開発チームが効率的に利用できるCI/CD環境の構築・改善・運用支援 ・コンテナ環境の構築・運用(開発～検証フェーズ中心) ・開発・検証プロセスの標準化、運用ルール整備 3.横断的な役割・改善活動 ・複数のAI開発チーム(約4チーム)を横断し、 ・基盤・運用面から支援 ・社内のAI開発者・サーバー管理担当と協働し、開発環境の共通化やベストプラクティスの整理・展開 ・新技術・新ツールの調査・評価・導入によるシステム全体の信頼性・パフォーマンス・ユーザビリティ向上 ※AIモデル開発そのものが主業務ではありませんが、AI開発プロセスに日常的に関わる立場となります。 ●開発環境 ・OS/インフラ: Linuxサーバー、GPUサーバー ・CI/CD: GitHub Actions ・コンテナ技術: Kubernetes、Docker ・IaC (Infrastructure as Code): 該当ツール ・監視・可観測性: Prometheus、Grafana ・ML基盤: PyTorch、TensorFlowを用いた環境

・グループの展開する金融インフラ(資産運用、保険、その他)の開発もしくは、そのプラットフォーム上で稼働するアプリケーションの設計、開発、運用 ・新規金融インフラビジネスの立ち上げ、開発、運用 ・開発チームにおける技術検証・技術選定・技術的問題解決等のリード ・チームメンバーへの技術面でのサポート 【使用技術】 <サーバーサイド> Amazon Web Services Terraform / Packer Docker Go MySQL (Aurora) <フロントエンド> TypeScript (Vue.js / React.js) Webpack 5 【使用サービス】 Google Workspace Slack 1Password GitHub Kibela Backlog Datadog Opsgenie Bitrise

【ポジジョン概要】 当社の親会社である三菱UFJ銀行では、ビジネス変化への対応/コスト削減/安心・安全な業務継続を基本方針としたアーキテクチャ戦略を推進しています。 従来、オンプレミスで手作業が中心であったシステム環境の構築業務においてもCI/CDパイプラインを用意、クラウド(AWS等)を標準としたIaCベースの開発が中心になりつつあり、適用領域は社内システム(SoR)、情報系(SoI)、ミッションクリティカルな対顧客チャネル(SoE)の全てに及んでいます。 また、システム基盤のアーキテクチャも仮想マシン(VM)を中心としたものからクラウドかつコンテナをベースにしたものへと移りつつあります。 このような状況下、MUITの各システム基盤開発チームは従来の役割分担や責任境界を超えてアプリケーション開発側に入り込み、コンテナやCI/CDツール等を導入、自動化の推進やオブザーバビリティ強化といった役割を担うことで、モダンなアプリケーション開発を支援する専門技術チームに生まれ変わろうとしています。 このチームは、コンテナやCI/CD等の技術製品の有識者が基盤領域に閉じずにシステム全体を見渡す広い視点を持ち、また既成概念にとらわれる事無く、あるべきシステムアーキテクチャ像を描いてシステム開発と組織の変革をリードしていきます。 今回募集するポジションは、このような役割を担うITスペシャリスト/システムアーキテクトになります。 【業務内容】 (雇入れ直後) コンテナアーキテクチャを活用した国内エリアにおけるシステム基盤の開発業務をご担当頂きます。 ・システム基盤担当として主にコンテナを用いた開発案件に入り、アーキテクチャのみならず開発プロセスや役割分担の見直しといった変革を主導します ・開発案件においてIaaS/PaaS(クラウド、オンプレ)および個別DBやAP、メッセージング、運用管理など各種MWを組み合わせ、システム基盤の設計開発を主導します ・自身の持つスキルを周囲に伝播させ、後進の育成およびチームのレベルアップを図ります ・コンテナイメージのビルドやデプロイ、サービスメッシュ、その他Pod操作等、アプリケーション開発者の支援を行いつつ、組織全体のレベルアップを行います ・上記コンテナ開発を高速化するためのツール整備や開発プロセスの見直しを行います (変更の範囲) 会社の定める業務 【役割・責任】 ご経験や適性に応じて、開発チームの責任者あるいはメンバーとしてご担当頂きます。 ※"業務アプリ"や"インフラ"の境界線を意識しない組織形態に変化させようとしている段階にあり、配属部署が変更になる可能性があります。 【配属想定部署】 コンテナアーキテクチャを活用した開発部署 【配属想定部署概要】 三菱UFJ銀行のシステム基盤のうち業務基盤層(OS・ミドルウェア層)を主管する部署として、システム開発の中核を担っています。 数百あるシステムが統合的に利用できるコンテナ基盤を銀行内で初めて構築した実績の他にも、AWSを活用したシステム構築、外部企業とのAPI連携にて今までに無い金融サービスを提供する等、当社において非常に先進性の高い部署です。 そのため、常に変化するビジネスニーズに機動的に対応すべく、ITトレンドに対しては高いアンテナと強いモチベーションを維持する必要があります。 【配属想定部署の人員構成】 各部社員　約40人～90人　※銀行等からの出向者を含む 【おもな関係者】 ベンダー各社・外部団体に加え、社内各部署、三菱UFJ銀行をはじめとするグループ企業等と広く関わります。 トップ・マネジメントから個々のチームメンバーまで幅広く関わって頂く機会があります。 【想定担当案件(例)】 配属想定部署の特性上、特定のプロジェクトのみを担当するのではなく、様々なコンテナ等先進技術活用プロジェクトにおいて以下の役割をご担当頂きます。 ・コンテナアプリケーション稼動環境の要件整理・設定 共通的に用意されるコンテナプラットフォームを活用したアプリケーション運用機能の整備 ・サーバやDBMS環境の構築 MUFG向けシステム開発プロジェクトそれぞれに用意されるAWSアカウント上のOS/DBMS環境構築(OSやミドルウェア中心のPaaS層構築) ・AWSやKubernetes関連の新サービス活用検討 常にアップデートされる新サービスや当社で利用していないサービスを、仕様・コスト・セキュリティ等の観点で評価し、当社システムへの適用メリットを検討

●業務の概要 本ポジションでは、アプリケーションのサーバーサイド開発をリードしていただきます。 具体的には以下事業のいずれかの配属を想定しております。 ※社内の配属先はご経験やご希望を踏まえた上でご本人様とご相談しながら決定いたします ①生成AIを用いたプロダクト (Data AI Solution事業) ・Finatext Advisory Assist シリーズ 　金融アドバイザーの提案活動を支援する、生成AI搭載型のアシストツールです。 　顧客情報や保険ニーズをもとに、提案資料の自動生成・情報要約・営業ナレッジの活用などを支援しています。 　https://nowcast.co.jp/news/20240419/ 　https://nowcast.co.jp/news/20240905/ 　https://finatext.com/news/20250404/ ・MCPass(新規立ち上げ) 　組織内のAIエージェント接続を一元管理し、ガバナンスとセキュリティを支える「MCPゲートウェイ」プラットフォームの開発。 　金融機関を中心としたエンタープライズ向けプロダクトとして外部展開を目指して開発中です。 　https://nowcast.co.jp/news/20260417/ 　https://zenn.dev/finatext/articles/mcp-gateway-nowcast 　https://speakerdeck.com/mtpooh/mcpass-intro-dataopsnight10 ・Finstage Cowork(企業向けAI協働プラットフォーム) 　企業向けにAI×業務協働(バイブワーキング)の環境を提供する自社プロダクト。 　チャットから業務依頼・承認制御・実行までを一元化し、金融・規制業務でも導入しやすいガバナンスを備えたエンタープライズ向けのAI協働基盤です。 　MCPプロダクトと組み合わせ、現場のAI活用とIT部門の統制を両立します。 　https://finatext.com/finstage/cowork ②商業用不動産・店舗ビジネス向け新規プロダクト (Real Estate Unit) 2024年3月に新規事業として、商業用不動産・店舗ビジネス向けに「DataLens商業リーシング」「DataLens商圏分析」「DataLens店舗開発」の提供を開始し、現在販路の拡大を行っております。 今後とも新たな3rdパーティデータや生成AI技術を活用して「DataLensHub」を継続的にアップデートするとともに、商業用不動産ビジネス以外にも展開することを検討しています。 　https://nowcast.co.jp/news/20250205/ ・「DataLens店舗開発」 　人流データや決済データなどの3rdパーティデータをベースとした商圏分析機能に当社の生成AI技術を組み合わせた店舗開発DXツール 　https://lp.datalenshub.com/ja-jp/property 　https://nowcast.co.jp/news/20260417/ ・「DataLensオフィス営業」 　AIとビッグデータを活用し「オフィス移転の可能性が高い企業」を特定できる営業支援サービス 　https://lp.datalenshub.com/office ③投資分析に特化した分析用のWEBアプリケーション (Financial Reserch Unit) 弊社では、POSデータやクレジットカードなどを用いた投資分析サービスを、国内外の機関投資家に展開しています。 上記の決済関連データや3rdパーティデータを統合し、生成AI技術も活用しながら分析業務をサポートするアプリケーションの開発を行います。 ④法人データ活用基盤・データ販売デリバリー (Data Holder Unit) 弊社が保有する、国内最大級の網羅性を誇る独自の法人マスタを軸としたデータの価値を顧客に届けるためのデリバリー基盤およびAPIの開発をリードしていただきます。 既存の法人マスタに、顧客が持つデータや3rdパーティデータを統合(名寄せ)し、高度な分析を可能にするソリューションの提供と、その基盤の汎用化を推進します。 ・「DataLinc」 　ナウキャスト、法人データを名寄せして外部データと統合し、営業活動や与信管理を高度化するDaaS「DataLinc」の提供を開始 　https://nowcast.co.jp/news/20260202/ 【具体的な業務内容】 ・プロダクト企画、設計、開発、運用 ・システム改善のための関係者へのヒアリングから改善提案 ・必要に応じてインフラ改善、データのパイプライン整備や連携の改善 ●社員インタビュー ・「DataLens店舗開発」が特許を取得 ──AIで店舗出店の常識を変える挑戦の裏側 　https://finatext.com/recruit/finalog/interview_datalens_storedevelopment ・少人数チームでAIと最新技術を駆使し、フルサイクルで新規プロダクトを創るソフトウェアエンジニアの挑戦 　https://finatext.com/recruit/finalog/interview_sako ●使用技術 Python、Go(echo)、Airflow、Snowflake、Amazon Web Services、Terraform、Docker、MySQL (Aurora)、AWS、Google Cloud、Azure、OpenAI

・プロダクト基幹機能のアーキテクチャ設計 ・システム設計 ・フロントエンド及びサーバーサイド実装 ・自動テスト設計/実装 etc 【使用技術】 Go gRPC+Connect TypeScript React Vue PostgreSQL (Aurora) Terraform Docker 【使用サービス】 GitHub GitHub Copilot Slack Amazon Web Services Datadog Google Workspace 1Password Kibela

●ポジションの概要 バックエンドエンジニアとしてInspireを用いてデジタル保険に関連するシステム開発を行っていただくポジションです。Inspireは双方向型のプラットフォームであるため、保険会社向けの開発、Inspireのコアシステム開発、事業会社向けの組み込み型保険開発など、幅広い開発に携わることが可能です。 ●業務内容 ・プロダクトの要件定義/仕様作成/工数見積 ・システム設計 ・サーバーサイド実装 ・テスト設計/実装 ・AWS上でのTerraformを用いたインフラの構築・保守

・プロダクトの要件定義/仕様作成/工数見積 ・システム設計 ・サーバーサイド実装 ・テスト設計/実装 ・AWS上でのTerraformを用いたインフラの構築・保守 ・コードレビュー ●開発環境 Amazon Web Services Terraform Docker Go Kotlin(Spring Boot) MySQL (Aurora) ●開発組織 ・裁量権と自由度が高い ・開発関連の情報がオープン、他のチームのコードや設計資料などは原則自由に見ることができる ・主体性の高いメンバーが多い ・技術に関する議論が活発。議論にオープンなカルチャーがあり、シビアな議論になってもネガティブな雰囲気にならない、コードレビューが盛んに行われる

●業務内容 ・金融サービスのシステム開発のプロジェクトに要件定義からリリースまでビジネス要件を理解し、上流工程の設計から複数の実現方法のメリット・デメリットをロジカルに整理した上で、適切なアーキテクチャーや技術選択、コードレビューや品質管理等、開発に関わる調整、実装等 ・顧客の要件のヒアリング、技術サポート、実現性への調査、ドキュメント作成 ・サービスのリリース後は、システムの運用保守や顧客やパートナーからの技術的な問い合わせに対応 ●開発組織の特徴 ・若手のメンバーにも大きな裁量権と責任が与えられる。 ・テックリードによる1on1やコードレビュー。 ・開発関連の情報がオープン、他のチームのコードや設計資料などは原則自由に見ることができる ・技術に関する議論が活発。議論にオープンなカルチャーがあり、シビアな議論になってもネガティブな雰囲気にならない。 ・少数精鋭の能力密度の高いチーム。個人が尊重される。 【開発環境】 Amazon Web Services Terraform Docker Go MySQL (Aurora)

新規クレジット商品立ち上げの基幹システム構築・導入プロジェクトに携わって頂きます。 顧客・PMとのコミュニケーションを取りながらの顧客ニーズの把握、要件定義/設計、実際のプロダクト開発を行っていただきます。 「アカウントエンジニア」として以下を担当して頂きます。 ・クレジットビジネスプラットフォーム「Crest」を顧客企業へ導入する際に、顧客とコミュニケーションを取りながらビジネス要件を理解し、PjM、PdMと協力してプロダクトの成長を考慮しながらの上流工程の要件定義、設計を行う。 ・スクラムチームに所属してのプロダクト開発を行う。 【開発環境】 Go gRPC+Connect TypeScript React Vue PostgreSQL (Aurora) Terraform Docker 【使用サービス】 GitHub GitHub Copilot Slack Amazon Web Services Google Workspace 1Password Kibela

●具体的な業務内容 ・金融インフラ(証券ビジネスプラットフォーム「BaaS」/ 保険ビジネスプラットフォーム「Inspire」/ クレジットビジネスプラットフォーム「Crest」)もしくは生成AI×データ活用のSaaSプロダクト(投資・不動産・業務支援領域)でのサーバー/インフラサイドの開発 ・上記プラットフォーム上に乗せるアプリのサーバー/インフラサイドの仕様設計、開発、運用・保守 ●開発チームについて ・https://finatext.notion.site/finatext/Finatext-cd4ff36fb8bd4aa78a7835565c655396 ●使用技術 Amazon Web Services Google Cloud Microsoft Azure Terraform Docker Alpine Linux, Amazon Linux Go / Python MySQL (Aurora) Airflow Snowflake OpenAI API ●使用サービス Google Workspace Slack Kibela 1Password GitHub Bitrise Backlog Datadog Opsgenie

【ポジション概要】 当社はMUFGの金融サービスをITで支えるという役割を担っています。 競争力の高い金融システムを構築するためには、先進的かつ近代的な開発手法やツールを導入し、開発生産性やアジリティを継続的に高めることが不可欠です。 当社ではこのような「開発プロセスモダナイゼーション」を推進中ですが、2024年度からの中期経営計画の中で、この取り組みをさらに加速させるために、「業務」「基盤」の垣根を超えた専用のプロジェクトチームを発足させました。 このプロジェクトチームは、DevOpsによるエンジニアリングの機能を担います。 具体的には、Gitとコンテナ技術を中心にパイプラインを構築し、単体テストや回帰テストを自動化したり、デプロイまでを効率化したりするといったタスクです。 またこのような開発手法を、当社の各開発部に広く浸透させるという重要な役割も負っています。 このプロジェクトチームのメンバーを我々は「モダナイズコンシェルジュ」と呼んでいます。 「コンサルタント」ではなく「コンシェルジュ」という呼び方をしているのは、開発案件の懐に入り、自分事として伴走していただく、という思いを込めています。 今回このプロジェクトチームに参画し、「モダナイズコンシェルジュ」として様々な開発案件を支援していただく方を募集します。 【業務内容】 (雇入れ直後) ご経験や適性に応じて、以下のような業務を担っていただきます。 ・ソースコードのGit(GitLab)への移行推進 ・テスティングフレームワーク(JUnit、Mockito、DBUnit、Seleniumなど)を利用した、テスト自動化の推進やプロジェクトへの導入支援 ・GitLab、Maven、Nexus Repositoryによるコードやリソースの管理運営 ・GitLab Runnerによるパイプライン構築や、プロジェクトへの導入支援 ・プロジェクト管理ツール(Redmine)の導入推進 ・開発プロジェクトメンバーへの啓蒙活動やスキル育成 (変更の範囲) 会社の定める業務 【役割・責任】 ご経験や適性に応じて、開発チームのリーダーあるいはメンバーをご担当頂きます。 【配属想定部署】 三菱UFJインフォメーションテクノロジー(MUIT)業務共通開発部(グループ事業部門・デジタルイノベーション本部配下) 【配属想定部署概要】 分散系業務開発の標準化および機能集約の企画・推進・管理・運営を担う部署。 具体的な業務は以下のとおり。 ■開発プロセス標準化およびモダナイゼーション ■分散系Webアプリケーション標準フレームワーク ■生成AIやデータ分析システムの開発 ■API標準化・ガイド作成、再利用促進、ガバナンス ■SoE(Systems of Engagement)開発 【配属想定部署の人員構成】 業務共通開発部(約40名が在籍) ※銀行等からの出向者を含む 【おもな関係者】 ベンダー各社・外部団体に加え、社内各部署、三菱UFJ銀行をはじめとするグループ企業等と広く関わります。 トップ・マネジメントから個々のチームメンバーまで幅広く関わって頂く機会があります。 【想定担当案件(例)】 新規システム開発案件や、アーキテクチャ刷新案件への支援メンバーとして参画し、各種モダンツールの導入推進および社内ツールへの改善要望吸い上げを行います。 支援対象システムの例 ・法人顧客向けのインターネットバンキングシステム ・預金・為替・融資といった銀行のコアサービスのシステム

ミッション 「テクノロジーの力で産業構造を変革する」 お客様の抱える経営課題/事業課題を、機械学習(LLM含む)・統計・数理最適などデータサイエンスの力を駆使することで根本から解決へ導きます。 そのために、本ポジションでは、プロジェクトマネージャなどのビジネスサイドやエンジニアと密に連携しながら、要件定義・技術選定・モデル開発・運用まで、一連の流れを率いていただきます。 また、組織全体のパフォーマンスを最大化するため、メンバー育成やカルチャー醸成など多方面でリーダーシップを発揮し、ABEJAが描く未来を共に創っていただきます。 業務内容 プロジェクトマネージャやエンジニアと連携しながら、様々なデータサイエンス技術を駆使して、お客様の経営課題/事業課題を解決に導いていただくポジションです。 グループ全体のアウトプットが顧客満足に繋がるよう、シニアメンバーと共にその品質向上に務め、価値提供に向けて必要なアクションを取っていただきます。 ●データ分析、モデル作成データ要件の整理、技術スタック選定 ・データの前処理、EDA、可視化 ・最適な手法の調査・選定 ・モデルの作成、精度・性能評価 ・ディープラーニングを含む機械学習(画像・自然言語・構造化データ) ・大規模言語モデル(LLM)の活用(学習、推論含む) ・統計解析・因果推論などの統計モデリング ・数理最適化などの数理モデリング ●エンジニアと連携したモデルの商用実装 ・定期的なモデルのパフォーマンス評価、パフォーマンスの維持・向上(ML ops / LLM ops) ●提案活動、提案内容レビュー ・受注前のプロジェクトにおける顧客との折衝、プロジェクトの要件整理 ・整理した要件に基づく、提案内容のレビュー、実現可否判断 ・提案を魅力的にするための最新技術知見を踏まえた示唆だし ●技術の横展開・技術ブランディング ・実装ロジックの汎用化およびプロダクト化 ・技術ナレッジの公開(論文投稿・学会発表・勉強会登壇・Meetup、テックブログ等)

●ミッション 「テクノロジーの力で産業構造を変革する」 フィジカル領域にも生成AIの波が押し寄せる中で、大規模基盤モデルによるロボット制御・ロボット動作生成等に関する研究開発を推進し、実現場で安全かつ安定して価値を発揮する形で社会実装することで、お客様の現場課題を根本から解決へ導きます。 そのために本ポジションでは、Embodied AI/VLA(Vision-Language-Action)を含む大規模基盤モデルの研究開発を中核として、データ設計・学習/評価・推論最適化・運用を見据えた開発基盤整備までを一体で担います。 プロジェクトマネージャなどのビジネスサイド、プロダクト/プラットフォームを支えるエンジニアと密に連携しながら、現場要件に沿ったモデル方針の策定から、品質を担保する評価設計、継続的な改善サイクルの確立まで、価値提供の中核をリードしていただきます。 また、組織としての研究開発力を継続的に高めるため、知見の体系化や開発プロセスの標準化、メンバー育成やカルチャー醸成にも主体的に関わり、ABEJAが描く未来を共に創っていただきます。 ●業務内容 大規模基盤モデルによるロボット制御・ロボット動作生成等に関する研究開発を中核として推進いただくポジションです。単にモデルを作って終わりではなく、学習データ収集からシミュレーション構築、sim2real、実機での検証・改善を回しながら、得られた成果をプロダクトやソリューションへ落とし込み、現場価値として継続的に届け切るところまで一気通貫で担っていただきます。 ・Embodied AI / VLAの研究開発 　ｰEmbodied AI/VLAを用いたロボット制御・動作生成の調査、設計、学習、実装 　ｰ模倣学習や強化学習等を用いたエンドツーエンド方策の開発、実験設計、性能評価 　ｰ実機制約(レイテンシ、計算資源、安全性)を踏まえた推論最適化、モデル軽量化・高速化、バスト性向上(ノイズ/外乱/環境変化への耐性) ・学習データ収集・データ基盤整備 　ｰ実機・現場からのセンサデータ/操作ログ/デモの収集設計(テレオペ、デモ収集、計測設計)、評価用データ整備と継続的なデータ更新 　ｰデータ品質管理、アノテーション方針、学習/評価に使える形への整形・再現性確保(データセット/メタデータ設計) 　ｰ合成データの作成戦略作りおよび活用 ・シミュレーション環境構築 　ｰ物理シミュレーション/閉ループシミュレーションの開発・運用、学習や評価を回せる環境・ツールの整備(キャリブレーション、センサ/アクチュエータ/制御のモデリング含む) ・評価・ベンチマーク設計 　ｰタスク成功率だけでなく、安全性、異常系耐性、環境変動への頑健性、運用時の安定性を含めた評価設計 　ｰオフライン評価(ログ/リプレイ/シミュレーション)とオンライン評価(実機/現場)を組み合わせた継続的な性能モニタリング 　ｰデータ収集と評価を一体で回し、改善の根拠を定量化 ・プロダクト/現場価値への接続(価値提供まで一気通貫) プロジェクトマネージャと連携した現課題の整理、要件定義(安全・品質・コスト・運用制約)とモデル方針への落とし込み 　ｰプロダクト/プラットフォームを支えるエンジニアと連携し、学習・評価・推論のパイプライン、運用設計、現場導入、改善運用(再学習/再評価/リリース)まで推進 　ｰ導入後の運用データを活用した継続改善、再利用可能なコンポーネント化・横展開 ・チームリーディング、技術横展開・技術発信 　ｰ技術アプローチレビュー、コードレビュー、ナレッジ共有を通じた開発品質の向上 　ｰメンバー育成やカルチャー醸成への貢献 　ｰ技術ナレッジの公開(論文投稿・学会発表・勉強会登壇・テックブログ等) 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

(雇入れ直後) ・AI駆動開発におけるSkills、Harness等の開発標準・ベストプラクティスの策定・高度化、およびFDEとしての開発現場への導入・技術支援 ・AI駆動開発を実現するLLM、AIエージェント、MCP、ナレッジグラフ等を活用したアーキテクチャの設計・技術選定・導入 ・AI・先進技術に関する最新動向のリサーチ、技術検証・研究開発、PoCの実施、および実システム・開発現場への導入推進 ・AIエージェントを活用した業務課題の分析、業務プロセスの自動化・高度化、現場起点でのDX施策の企画・実装・展開 (変更の範囲) 会社の定める業務 【役割・責任】 ●開発案件における役割・責任 ・AIや先進技術を活用したシステム開発を主体的に推進する ・設計・実装・テスト・リリースまで一連の開発工程を担当する ・AIが生成した成果物を適切に評価・改善し、高品質なシステムを実現する ・生成AIやAIエージェントなど新技術の技術検証・PoCを実施し、金融システムへの適用可能性を評価する ・技術検証結果を踏まえ、最適な技術・アーキテクチャを設計・実装へ反映する ・経験に応じて、設計レビューや技術検討をリードし、プロジェクトの技術的な成功に貢献する ・現場の業務課題や開発課題を理解し、AIや先進技術を活用した改善施策を企画・実装する 【配属想定部署】 三菱UFJインフォメーションテクノロジー(MUIT)　DI本部 【配属想定部署概要】 生成AIをはじめとするAI技術、クラウドネイティブ技術、OSS等の先進技術を活用し、金融システム開発の高度化・効率化を推進する部署です。 生成AIを活用したアプリケーション開発、AI駆動開発、新規技術の研究・PoC、既存システムのモダナイゼーションなどを通じて、金融システム開発の新しいスタンダードの確立に取り組んでいます。 【配属想定部署の人員構成】 150名(※銀行からの出向者を含む) 【おもな関係者】 各業務を所管する三菱UFJ銀行の事業部門、社内開発チーム、外部企業等と、マネジメント層・メンバーを問わず、幅広く関わって頂く機会があります。 【想定担当案件(例)】 ・AIエージェントを活用したAI駆動開発プロジェクト ・AIを活用したレガシーシステムのモダナイゼーション案件 ・AIによる開発プラットフォーム構築案件 ・新しいAI技術の研究開発やその結果を踏まえたロードマップおよび戦略の策定 ・AIを活用した新しいソフトウェア開発プロセスやアーキテクチャの検証・実装 ・生成AIを活用した業務改善(DX)プロジェクト

▼業務内容 自社SaaS「AI Monitoring」の海外展開フェーズにおいて、手を動かして開発を進められるエンジニアを募集しています。 生成AI利用ログの収集・分析基盤、可視化ダッシュボード、セキュリティ検知機能などのプロダクトのコアを共につくっていきます。 AI Monitoringのバックエンド/フロントエンドの設計・実装(主に Go / Python / TypeScript) 生成AI利用ログの収集・分析基盤、可視化ダッシュボードの実装 プロンプト検知・アノマリー検知などセキュリティ機能の開発 各種生成AIサービス(ChatGPT、Microsoft Copilot、Gemini 等)との連携実装 API設計、DB設計、アーキテクチャ設計・改善 AWSを利用したクラウドインフラの設計・構築・運用 コードレビューや品質改善、チーム内の開発スタイル改善 PM・デザイナー・セキュリティ専門家と連携した機能開発と改善 ▼開発環境 開発言語: Go, TypeScript フレームワーク: Go (Clean Architecture / Gin), Next.js, React テスト: Go testing, Jest, Playwright (E2E), Chromatic (ビジュアル) インフラ・ミドルウェア: AWS (ECS/Fargate, RDS, Cognito, S3, CloudWatch), PostgreSQL, Redis, Docker, Nginx CI/CD: GitHub Actions, AWS CodeBuild ツール: GitHub, Teams, Terraform, Terragrunt, AWS CDK, dependabot AIツール: GitHub Copilot, Google Gemini, Claude (Claude Code / Cowork) ▼身につくスキル、経験 様々な職種の担当者と連携を取りながら、事業成長や技術に対する取り組みができるため、多角的な視点を身につけることができます 経営層との連携が多いポジションのため、経営視点での戦略思考が養われます ▼募集職種 フルスタックエンジニア(グローバル) ▼セキュアサイクルについて 生成AI時代の到来とともに、企業のDXは加速し続ける一方、新たなセキュリティリスクも急増しています。 私たちセキュアサイクルは「サイバーセキュリティに悩むことのない社会の実現」のために、システム開発のセキュリティコンサルをはじめ、Webアプリケーション、スマートフォンアプリケーションやIoT機器における脆弱性診断・ペネトレーションテストなどのサービスを展開しています。 システム開発においては、開発後の脆弱性診断だけを行って安心するのではなく、設計の段階からセキュリティを考慮して設計を行い、開発の途中においてもセキュリティのチェックを行うことが重要だと考えています。 システム開発事業においてもそれらの実現ができるような仕組みを構築するために日々研鑽を積んでいます。 また、地方でも給与面・待遇面で東京に劣らない環境を作り、地方の出身者や若者のU/Iターン先になることを目標に北九州本社から仙台オフィス、博多オフィス、札幌オフィスと拠点を開設、業務拡大しております。 ●ギブリーグループについて ギブリーグループは、 「すべての人が物心豊かな社会を実現する」 をビジョンに掲げ、企業のAI活用とDX推進を支援する、2009年創業のAIイネーブルメント企業群です。 グローバルな開発組織と事業創造力、スピードを強みに事業を展開し、累計5,000社を支援。 生成AI分野の実績は1,000社以上。 ギブリーグループは、株式会社ギブリーを中心に4つのグループ会社で構成され、 ・人的資本インテリジェンス事業「Track」 ・マーケティングDX事業「DECA」 ・AX(AIトランスフォーメーション)事業「MANA」 ・AI開発支援事業「AI Lab」 ・AIコンサルティング事業「Givery Consulting」 ・サイバーセキュリティ事業「Secure Cycle」 の6つの事業領域でサービスを展開。 グループ各社が連携し、企業のAI活用と変革を支援しています。 ギブリーグループはAI時代を牽引する仲間を募集しています。 ▶︎ギブリー採用ピッチ資料(https://speakerdeck.com/givery_recruit/givery-company-deck) ▶︎ギブリーコンサルティング採用ピッチ資料(https://speakerdeck.com/givery_recruit/givery-consulting-the-entrance-book) ・業務の変更の範囲 　会社内での全ての業務