機械学習・データ活用 DockerのITエンジニア求人・転職情報

株式会社グリッド

グリッドは、AIを活用した業務変革をコンサルティングからアプリケーション開発まで一貫して内製で手掛けています。アプリケーション開発チームのコアメンバーとして、設計・実装をリードしていただきます。 【主な業務内容】 ・要件定義:顧客の業務課題をヒアリングし、業務フロー・非機能要件・データ設計まで踏み込んだ要件整理に参加 ・システム設計:データベース設計、API・エンドポイント設計 ・開発・品質管理:実装、レビュー・テストを通じた品質保証 ・顧客・関係者との議論を通じた要件のすり合わせ・提案 ・自社プロダクト「ReNom Apps」の新規機能の企画・開発 ●開発環境 ・言語:Typescript(FWはReact)、Python、SQL ・IDE:Microsoft VSCode(+Cursor) ・インフラ:AWS(主にECS/ECR、EC2、RDS(MySQLまたはPostgress))

株式会社PKSHA Technology

駐車場機器メーカーであるグループ会社のアイテックと共に、PKSHA Technology の高度なアルゴリズムやソフトウェア技術を活用して「AI x IoT x ソフトウエア」による駐車場業界及び MaaS 領域の DX を担っていただきます。 従来、駐車場機器メーカーとしてハードウェアである駐車場機器を運営会社に販売するだけに留まっていたところから、駐車場機器をクラウドにつなげ、ソフトウエア・AIの技術を活用することで、駐車場のアナログ体験の解消、駐車場情報を API 化し外部サービスと連携した新しいサービス体験を創造しています。 プロダクト ● ソフトウエアサービス ・駐車場検索・予約・スマホ精算・車番認識によるハンズフリーな自動精算ができるプラットフォーム及び mobile app『QT-net』 ・駐車場の遠隔管理及び、AI による高度な分析を運営会社に提供する webapp『i-Barms』 ● 駐車場機器 ・車番認識により従来のロック板やチケット管理をなくし、インターネットとつなげ精算機情報を API 化することで外部サービス連携を可能にした精算機『ロックレス』・『チケットレス』 技術スタック ●利用言語 ・Golang ・Flutter ・Next.js ●クラウド ・GCP ・AWS ●バージョン管理 ・Git (GitHub) ●CI/CD ・CircleCI ・Github Actions ・CodeDeploy ●インフラ ・kubernetes(GKE) ・Terraform ・AWS CDK ●ドキュメント管理 ・Notion ●コミュニケーション ・Slack / MS Teams ※未経験のものがある場合でも、キャッチアップいただけると感じていただける方であれば問題ありません

株式会社PKSHA Technology

PKSHA Technologyは、エンタープライズ企業のコールセンターに向けた自然言語処理/機械学習/ディープラーニングを活用したテキスト・音声対話エンジン、及び昨今の働き方の変化に合わせて職場コミュニケーションの課題を支援するためのプロダクトを提供しています。 このポジションでは、エンジニアマネージャー候補として各領域専門の機械学習エンジニアとチームを組み、ソフトウェアエンジニアリングで解決できる課題を自ら手を動かしながら解決していただきます。 ・エンジニアリング組織のアウトプット最大化に向けた仕組みづくりの設計と実行 ・法人向けに提供している既存対話エンジンサービス開発のマネジメント ・機械学習モデルをコアとした新アプリケーション開発のマネジメント ・自社サービス間連携の促進 技術スタック ●利用言語 ・Python ・Ruby (Ruby on Rails) ・Golang ・JavaScript/TypeScript ●クラウド ・AWS ・Azure ●バージョン管理 ・Git (GitHub) ●CI/CD ・CircleCI ・CodeDeploy ・Github Actions ●タスク/ドキュメント管理 ・Notion ・Linear ●コミュニケーション ・Slack / MS Teams ※未経験のものがある場合でも、キャッチアップしてもらえれば問題ありません。

株式会社SUBARU

車載向けエッジモデルおよび机上評価用の大規模モデル開発を支える MLOps 基盤の構築・運用 をお任せいたします。 <具体的には> 膨大な量の運転データを効率的に活用するための計算基盤とモデル学習・評価パイプラインの構築、データの質と量でモデル改善に貢献するデータセットのキュレーション、モデル分析を支援するBIツール環境の整備など、ML エンジニア/MLリサーチャーの開発を加速する仕組みづくりを行っていただきます。 【業務遂行いただくうえで必要になる技術例】 ・クラウド/オンプレミス上における学習・評価パイプライン(MLOps)の設計・構築および保守・運用 ・大規模データ学習の高速化を目的とした計算基盤・分散処理・アルゴリズム最適化の検討と実行 ・データセットのキュレーション(バランス設計、データリーク防止、品質管理)およびデータセット生成パイプラインの構築 ・データやモデル評価指標を統合的に可視化する BI ツール環境の設計・構築 【使用するツール】 ※状況により柔軟に変わります ・開発言語/データ操作言語:Python、SQL ・クラウド:GCP、AWS ・OS:Linux、Windows ・深層学習フレームワーク:TensorFlow(Keras)、PyTorch ・実験管理/設定/可視化:MLflow、Hydra、TensorBoard ・MLプラットフォーム/パイプライン:Vertex AI、SageMaker ・CI/CD:GCP Cloud Build、AWS CodeBuild、AWS CodePipeline ・データETL/分散処理:Dataflow、EMR(Spark/Hadoop) ・データ分析:BigQuery、Amazon Redshift ・BIツール:Looker Studio、Amazon QuickSight ・オーケストレーション:Apache Airflow、Amazon MWAA ・コンテナ:Docker ・その他:GitLab、Confluence、Jira、Teams 【変更の範囲】 会社の定める業務(※) (※)業務の都合によっては会社外の職務に従事するため出向又は転属を命じることがあります。

Sansan株式会社

● 組織のミッション Sansan株式会社では、名刺・請求書・契約書といったアナログ情報をデータ化するとともに、企業情報や事業所などの多様なデータを独自に収集し蓄積しています。それらを掛け合わせたデータベースを形成し、提供しています。本ポジションは、その大規模なビジネスデータに対する分析の力を武器に、プロダクトの成長と開発をけん引する役割です。 ● チームについて 私たちのチームは、データ分析の専門家集団です。ビジネスデータの構造を深く理解し、分析を通じてプロダクトの成長と開発を後押しします。一過性の分析で終わらせず、そこで得た知見をプロダクトの企画・機能へと自ら形にしていきます。 ● 具体的な業務 プロダクト開発組織と密に連携しながら、データに関わる調査・分析・モデリングから、プロダクトの企画・設計・開発までを一貫して担います。分析だけで終わらせず、PM・エンジニア・デザイナーといった関係者と連携しながら、自ら手を動かして開発まで踏み込みます。 ● データの調査・分析・概念設計 ・統計モデリングやアルゴリズムの検証を通じて、データから具体的な打ち手を導く ・ビジネスデータを調査・分析し、プロダクトの成長につながる課題や機会を定量的に明らかにする ・プロダクトや機能の開発に向けた調査・分析を行い、土台となるデータモデル・機能設計まで踏み込む ● データプロダクトの企画・開発 ・調査・分析の結果を、プロトタイプからプロダクト機能まで自ら開発する ・プロダクトの企画から実装までを一貫して担い、開発チームと密に連携する ● 開発環境、使用するツールなど ・開発言語 : Python, R, SQL, Go (※プロダクト開発で利用) ・データベース・DWH : BigQuery ・インフラ : Google Cloud, AWS ・構成管理 : Terraform ・バージョン管理・コラボレーション : GitHub, Slack, Notion ※上記すべての利用経験が必須ではなく、また他のツールも必要に応じて柔軟に利用します。 ● 従事すべき業務の変更の範囲 会社の定める業務

「最新のIT × AI技術」で医療現場を効率化するITソリューション開発。 当社は1936年にX線フイルムを発売して以来、医療現場における医用画像診断の発展に寄与してきました。 1990年代後半からは、X線フイルムがアナログからデジタルに変わりつつあり、富士フイルムとしても自らのアナログフイルムビジネスをシュリンクさせながらデジタル化を促進しました。 そして1999年には、病院内で発生する様々なデジタル医療画像(X線レントゲン、CT画像、MRI画像、超音波画像、PET画像等)を中央一括管理・配信する医用画像情報システム「SYNAPSE」を発売し、現在国内No.1シェアはもとより、グローバル市場においてもNo.1シェア(※)を獲得しています。 最近は、 「何百枚ものCT画像から、小さな癌候補を数秒で検出する」 「医師の頭の中にある多種多様な臓器、病変の情報を蓄積し、医師同等の診断案をAIが提案する」 「患者、クリニック、病院、検査機関を繋ぎ、地域としての包括的な医療基盤を構築する」 といった、これまで困難だったことが、当社の最新のAI・IT技術を駆使したソフトウェアの支援により現実化され、身近な医療機関で高度な診断を受けられる世界になってきています。 特に、当社はX線、超音波、内視鏡、CT、MRIなど幅広いラインナップの撮像機器を持っており、最新のIT・AI技術を使って当社独自の新しい医療ITソリューションを生み出そうとしています。 さらには、大規模災害対策やサイバー攻撃の脅威に対応するために、医療機関のインフラも、院内のシステムから次世代(クラウド)システムに移り変わってきています。 医師は世界中どこからでも、自分の担当する患者や病院の情報にアクセスできる世界ができつつあります。 当社は医療ITサービスを国内外で広く展開しており、これからも業界をリードしながら次の医療ITの世界を提案していきます。 【担当職務】 ・クリニック、病院向け医療ITソリューションの開発 ・クラウド上での次世代医療ITソリューションの開発 【職務詳細】 ・臨床医/放射線科医向け、医療画像診断支援システムの開発 └電子カルテおよびモダリティ等と連携する医用画像保管/診断支援システム └AIを用いた効率的な読影ワークフローを実現したシステム(Viewer、Worklist等) └AIを用いた次世代読影レポートシステム ・次世代クラウド医療IT ソリューション開発 └AI を用いた医療画像解析システム └AI に関する臨床研究を支援する医師向けAI 開発統合ソリューション └クラウドを用いた医用画像管理および読影システム └クラウドポータルサイト/バックオフィスシステム └クラウドインフラの設計・構築・運用管理 └サイバーセキュリティ対策 皆さんの幅広い経験と高い能力を、世界の共通課題であるヘルスケア分野での価値創出に活かしませんか? 富士フイルムは主力事業であるヘルスケア事業拡大のため、即戦力となるリーダー人材を求めています。 ●従事すべき業務の変更の範囲:当社業務全般

キオクシア株式会社

【お任せする業務】 Python/SQLによるビッグデータ処理、データベース構築、サーバー環境構築、可視化、機械学習、解析レポート作成 【具体的な仕事内容】 ・動作ログ情報・製造工程データ収集、データベース構築、EDA、可視化、機械学習、予測モデル構築 ・機械学習設備(サーバ)の管理、運用 ・新規ツール、ユーティリティの開発・実装 ・データの理解と、顧客・開発製造拠点とのディスカッションを通じた真の課題の抽出 ・課題解決に向けたシステムビジョン、コンセプト、アーキテクチャの策定 ・プロトタイプ開発、検証、PoCの実施 ・データサイエンス技術マネジメント ※当ポジションは、IT/AIの技術力を自ら高めながら、システムアーキテクチャの設計からプロトタイプ開発、PoCの実施までを自社主導で推進できる環境です。 [従事すべき業務の変更の範囲] (雇入れ直後)上記の通り (変更の範囲)その他会社が指示する業務 【使用言語】 Python、SQL 【使用環境】 Windows、Linux、VS Code、Docker、RDBMS、Vector Database、AWS等クラウドサービス 【技術】 データサイエンス、機械学習、生成AI/RAG活用技術、Dify、CUDA、AIエージェント

ソフトバンク株式会社

【ミッション】 店舗・窓口で発生する接客音声データを、業務改善・接客品質向上・顧客体験向上につながる価値ある情報へ変換すること。 本ポジションでは、録音デバイス、音声データ蓄積、音声認識、AI要約、検索、可視化などを組み合わせた接客録音システムの開発を担っていただきます。 既存システムの単純な改修・保守ではなく、AWS環境へのリプレイスを通じて、接客音声データを活用する新しいプロダクトを一から設計・開発していくフェーズです。 アーキテクチャ設計、アプリケーション設計、データ活用設計、外部サービス連携、生成AI活用など、プロダクトの土台づくりから関わり、現場で使われるシステムとして継続的に進化させていく役割を担っていただくこと。 【主な業務】 ・接客録音システムに関するWebアプリケーション/業務アプリケーションの設計/開発/テスト/リリース ・既存接客録音システムのAWS環境へのリプレイスに伴うアプリケーション設計/開発/移行対応 ・録音デバイス、音声認識サービス、生成AIサービス、社内外システムとのAPI連携設計/実装 ・音声データの蓄積、加工、検索、可視化に関する機能開発 ・接客単位の分割、音声認識結果の補正、要約、トーク抽出、単語カウントなど、音声データ活用機能の開発/改善 ・AWS上でのアプリケーション構成、データ管理、ログ管理、セキュリティを考慮した設計/実装 ・コードレビュー、技術課題の解消、性能/保守性/運用品質の改善 ・業務部門や社内関係者と連携した仕様検討、およびリリース後の機能改善/品質改善 【具体的な業務】 ・Webアプリケーションの要件定義、基本設計、詳細設計、実装、テスト、リリース対応 ・AWS環境へのリプレイスを前提としたアプリケーション構成、データ構造、API設計の検討 ・既存接客録音システムの仕様/データ構造を読み解き、新システムへの移行方針を設計 ・新デバイス、音声認識サービス、生成AIサービス、各種SaaS/外部システムとの連携機能の設計/実装 ・音声データの蓄積、管理、検索、可視化、分析に関するアプリケーション機能の開発 ・AI要約、接客単位分割、音声認識結果の補正、トーク抽出、単語カウントなどの音声データ活用機能の開発/改善 ・業務部門や社内関係者と連携した仕様検討、およびアプリケーション設計/実装 ・コードレビュー、技術課題の解消、リファクタリング、開発品質の向上 ・リリース後の機能改善、性能改善、運用品質向上、安定稼働に向けた継続的な改善 【主な開発環境・技術スタック】 ・プログラミング言語:Java、JavaScript、TypeScript、Python ・フレームワーク:Spring Boot、Node.js、Vue.js、React ・データベース:PostgreSQL ・クラウド:AWS ・コンテナ:Docker、Kubernetes ・その他:音声認識サービス、生成AI関連サービス(GitHub Copilot) ※上記すべての経験は必須ではありません。入社後は、既存システムの理解から入り、AWS移行、新機能開発、音声AI活用機能の拡張に段階的に関わっていただきます。

株式会社くすりの窓口

当社が提供する各サービスの生産性向上ツールとして、AI・機械学習を活用した機能開発を担当していただきます。AWSのマネージドサービスやサーバーレスアーキテクチャを活用し、Pythonを用いた開発を行います。 特に、以下の領域でのAI技術の活用を進めています。 ①音声解析:音声データのテキスト化、自然言語処理を用いた解析(例:AWS Transcribe、Whisper など) ②OCR(光学文字認識):紙やPDFなどのドキュメントデータをデジタル化し、業務プロセスを効率化(例:AWS Textract、Tesseract 、GoogleGemini など) 生成AI:業務支援のための大規模言語モデル(LLM)の活用、プロンプト設計やファインチューニング(例:Amazon Bedrock、OpenAI API など) データパイプライン構築:AIモデルの学習データ収集・前処理・モデルデプロイの自動化(例:AWS SageMaker、Kinesis、Lambda など) AI推論APIの開発:各種AIモデルのAPI化・運用(FastAPI、Flask などを活用) パフォーマンス改善・精度向上:AIモデルの最適化、推論速度向上、モデル選定 AWSを活用したクラウドネイティブなAI開発に興味があり、技術的な課題解決を楽しめる方を募集しています。

※ご経験/スキルに合わせて詳細業務を決定します ◇次世代自律システム(ロボット、ドローン等)の開発 ◇制御・知能化アルゴリズムの構築、および実機・管制システムへの実装、テスト、評価 ◇提供価値のPoC(概念実証)を通じた、継続的なシステム改善 など ●具体的な業務 三菱電機の多様な事業ドメイン(宇宙、電力、交通、ビル、製造等)における自律型システムの社会実装に向け、以下のサイクルで開発を推進いただきます。 ◇最新技術の調査・アルゴリズム設計 ・ロボティクス、AI、制御に関する最新論文の調査と、自社課題への適用検討 ・ROS2等のミドルウェアを活用した、統合システムのアーキテクチャ設計 ◇デジタルツインを用いた仮想検証 ・シミュレータを用いた、実環境を模した仮想空間の構築 ・開発したアルゴリズムのシミュレーションによる検証 ◇実機実装およびフィールド検証 ・自律システム(ロボット、ドローン等)へのソフトウェア実装 ・実験場や実際の現場における実機検証の実施、および発生した課題に対するデバッグと改善 ◇継続的学習基盤の構築と改善 ・実機検証やシミュレーションから得られたログデータを収集・解析し、システムの知能を向上させるためのデータパイプラインの構築 ・現場でのフィードバックを基にした、UI/UXやインターフェースの改善 ◇領域横断的なチーム連携 ・各事業部門の専門技術者と連携し、現場特有の制約条件を考慮したシステム要件の定義 ・スピード感を持ったプロトタイピングを通じて、技術の確からしさを早期に証明する活動 【変更の範囲】 会社の定める業務(※) (※)業務の都合によっては会社外の職務に従事するため出向又は転属を命じることがあります ●使用言語、環境、ツール、資格等 ・使用言語: Python, C++ 等 ・環境: ROS, Linux, Omniverse (Isaac Sim) 等 ・ツール: Git, Docker 等 ・資格: 特定の資格は不問

株式会社タイミー

マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 ●機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 ・機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 ・機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 ・機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ・ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 ●プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 ・モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり ・モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 ・個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 ●生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 ・プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり ・LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 ・個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 ●データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 ・CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 ・テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 ・個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 ●上記を実現するための非機能要件・運用品質の継続的な改善 ・IaCによるインフラ構築・管理 ・CI/CDによるテスト・デプロイ自動化 ・サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 ・パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 ●社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ●ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 扱っているデータ ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ 上記のようなデータを扱っております。 技術スタック(主要な部分の抜粋) ●クラウド ・Google Cloud ●開発言語 ・Python ●データ基盤 ・BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 ・Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール ・Looker / Looker Studio ●IaC ・Terraform ●開発環境・ツール ・Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc

レバレジーズ株式会社

役割 toC、toB、社内向けシステム含め、様々なユーザの声を聞きつつ、フルスタックに開発に携わっていただきます。 既存サービスの最適化を進めるプロジェクトにおいては、事業・マーケ・開発の3者を巻き込みながら、技術面をリードする立場として設計方針の策定や改善提案を行っていただきます。 また、レバテックが保有する日本最大級のデータの価値を最大化するためにプロダクトとオペレーションの観点から再設計していくプロジェクトが進行しており、設計や開発推進に携わっていただきます。 業務内容の例 ●フロント、バックエンド、インフラを一気通貫し、複数システムにまたがるアーキテクチャ設計 ● 担当サービスの新規機能開発と継続的改善のマネジメント ●アジャイルを通じた開発プロセス改善や、プロジェクトの目的に応じた体制構築 ●コードレビュー/最適な内部品質の探索や技術的負債への方針策定 ●新技術導入調査/チームへの導入推進 等 具体的なサービス例 ●[レバテックフリーランス](https://freelance.levtech.jp/)　[レバテッククリエイター](https://creator.levtech.jp/) ●[レバテックキャリア](https://career.levtech.jp/)　[レバテックダイレクト](https://levtech-direct.jp/) ●[レバテックルーキー](https://rookie.levtech.jp/) ●[レバテックプラットフォーム](https://platform.levtech.jp/) ●[レバテックID](https://tech.leverages.jp/entry/2022/08/08/184428) ●[上記レバテックのサービスを支えるマイクロサービス群](https://tech.leverages.jp/entry/2022/01/12/182827) 進行中のプロジェクト例 ●レバテックへのユーザ登録体験の最適化 レバテックIDという認証・認可基盤を元に、いかにユーザがストレスなくサービスを受けられるかを考え、営業やマーケティングメンバーと協力しつつ最適なUXを探り、施策を作って開発していくプロジェクト ●マスタデータの最適化、機械学習エンジンとの連携(MLOps)を通じたマッチングの効率化 エンジニアと企業のデータの最適化を行い、ユーザ自身やキャリアアドバイザーがよりマッチする相手(企業もしくはエンジニア)を探すことができる基盤を整えていくプロジェクト ●複数システム連携部分のアーキテクチャ再設計 システム統合、モノレポ化、モジュラーモノリス化など、様々なアーキテクチャを考えつつシステム連携のあるべき姿に向けて設計と再構築(実装)を行っていくプロジェクト ●オブザーバビリティ(o11y)の強化 マイクロサービスのシステム間トレーシング・APMや、事業目標に応じたSLI/SLOの策定を通じて開発体験の改善や可観測性を高めるプロジェクト 他にも様々なプロジェクトが進行・計画されています。 全てに関わるわけではなく、ご志向と適性に合わせてどんなプロジェクトに携わっていただくか、一緒にミッションを考えさせていただきたいです。 開発組織について レバレジーズグループでは創業以来、代理店や外注業者をほぼ使わずインハウス型でノウハウを蓄積している環境で、自社サービス開発を行っております。 CTO室について CTO室は、2023年11月に立ち上げた組織となります。 現在はレバテック社長直下の組織として、配下1名体制で主にシステム戦略を立てる動きをしています。 直近で3~4名体制を目指しており、それぞれが得意分野を元に、システム戦略策定に関わる動き、また戦略を元に他開発メンバーを巻き込んでフルスタックに開発を主導していく動きを期待しています。 開発組織は、正社員・業務委託メンバー合わせて80名ほどの体制になっています。 ▼詳細は以下の記事をご確認ください [「日本を、IT先進国に。」に向けて、レバテックCTO室を設立。](https://tech.leverages.jp/entry/2023/10/02/130539) 開発環境 開発言語・フレームワーク: ・TypeScript-Node.js、React.js / Next.js、Vue.js / Nuxt.js、NestJS、Frourio ・PHP-Laravel ・Dart-Flutter インフラストラクチャ:AWS-EC2、ECS、S3、RDS、ElastiCache、Lambda、Opensearch、SQS、EventBridge、Amplify　他 DB:MySQL(AWS Aurora) 構成管理ツール:CDK、Terraform CI/CD:Github Actions 監視ツール:Cloudwatch、Datadog その他:Docker、GitHub、gRPC、GraphQL、StoryBook 開発マシン:Mac Book Pro

株式会社テクノプロ　コンサルティング・パートナーズ社

●業務概要 自然言語処理・生成AIエンジニアとして、顧客課題の解決に直結するソリューション開発をお任せします。 ●具体的な業務例 ・自然言語処理技術を活用した検索・FAQシステム開発 ・生成AIを活用したチャットボット、レコメンドシステム設計・実装 ・顧客向けPoC～本番導入支援 ・クラウド環境(AWS/Azure)での開発・運用 ・将来的な自社ソリューションの企画・開発 ●チーム体制 ・規模:2〜5名の小規模チーム編成 ・本ポジション:リーダー1名+メンバー1〜3名 ●利用技術・ツール ・開発言語/環境:Python、Jupyter Notebook、SQL、Docker ・クラウド:Azure Open AI、AWS Bedrock ・開発手法:アジャイル(Redmine/Backlog利用) ※変更の範囲:会社の定める業務

株式会社テクノプロ　コンサルティング・パートナーズ社

●概要 コンピュータービジョン領域の受託開発プロジェクトにおいて、開発とマネジメントの両面からプロジェクトを牽引していただきます。 ●具体的な業務 要件定義/アーキテクチャ設計/実装/テスト/導入までの一貫リード 物体検出・セグメンテーション・姿勢推定などのディープラーニングモデル開発 データ収集・前処理・アノテーションフローの設計運用 精度評価・推論速度最適化・ハイパーパラメータ/後処理チューニング REST API設計、簡易Web UIを含むバックエンド実装 スケジュール・タスク管理、コードレビュー、技術支援 顧客との技術折衝・仕様調整・成果報告・技術提案 【プロジェクト事例】 大手製造業向けの外観検査システム 医療機関向けの画像診断支援ツール 小売業向けの店舗内行動解析システム 通信業界向けの設備点検自動化ソリューション ※AI活用に特化したアライアンスパートナーとの協業も多数 ※変更の範囲:会社の定める業務

HENNGE株式会社

企業のクラウド サービスの利活用が進む中で、セキュリティと利便性を両立させる有効な手段として HENNGE One は今後もニーズの拡大が見込まれています。 サービスの成長に伴い、ユーザーの利用ログは増加の一途を辿っており、これらのデータをいかに効率的かつ安全に管理するかが、今後のサービス発展の鍵を握っています。 単なるシステム管理者ではない、データ基盤の構築・運用のスペシャリストとして一緒にビジネスの発展を支える仲間を募集します。 膨大なユーザーログやサービス利用状況のデータを活用するための社内向けの Web アプリケーション開発を担っていただきます。 Web サービスの要件定義から仕様策定、AWS 上での開発・テスト・リリースまで、一貫して携わっていただきます。 データ可視化ツールの UI/UX 改善や、業務効率化に繋がる機能開発などといった地道な作業も含まれますが、これらは社内メンバーの生産性向上に直結する重要なプロセスです。 具体的な業務内容 ●具体的なプロジェクト例 HENNGE One ビジネスを支える各部門における業務のボトルネックにを横断的に解決するためのツールの選定・開発・運用支援を行うことで、会社全体の業務効率を向上する 顧客がどのようにサービスを利用しているかの状況を把握するための利用ログの可視化ツールを構築することで HENNGE One の製品開発の方針策定を支援する <依頼元とチーム体制> 依頼元はプロダクトマネージャー、セールス、マーケティング、カスタマーサクセスといった HENNGE Oneビジネスを推進する各部門のメンバーです。 HENNGE One ビジネスの状況を深く理解し、彼らがデータをスムーズに利用できるよう、技術的な側面から支援します。 チームの垣根を越え様々な部門と密に連携を取りながら、ビジネスの成長という共通の目標に向かってプロジェクトを推進していきます。 <業務の裁量範囲> Web エンジニアとして、HENNGE One のデータ活用のための社内向け Web アプリケーションの開発全体に責任を持って取り組んでいただきます。 要件定義から開発、リリースまで、業務改善の施策を主体的に立案し、実行できる大きな裁量があります。 あなたのアイデアとスキルで、ビジネス部門の生産性向上に貢献し、HENNGE One の成長を加速させるコアメンバーとなることができます。 ※従事すべき業務の変更の範囲:会社の裁量により、変更となる可能性があります。 入社後のキャリアパス まずは、AWS 上のデータ基盤の管理・運用に関する業務からスタートし、当社のビジネスや担当製品である HENNGE One について理解を深めていただきます。 その後は、あなたのスキルや志向性に合わせて、以下のようなキャリアパスを描くことができます。 フルスタック エンジニア : フロントエンドからバックエンド、インフラまで幅広い開発スキルを習得し、フルスタックエンジニアとして活躍できます。 クラウド アーキテクト : AWSに関する深い知識と経験を活かし、クラウドアーキテクトとして大規模システムの設計・構築を担えます。 セキュリティ エンジニア : Webアプリケーション開発で培ったセキュリティ知識を活かし、セキュリティエンジニアとして活躍できます。 データ エンジニア : 大規模データ処理の経験を活かし、データエンジニアとしてデータ基盤の構築やデータパイプラインの開発を担えます。 テクニカル プロダクト マネージャー : 技術知識とビジネス理解を活かし、Webアプリケーション開発をリードするテクニカルプロダクトマネージャーとして活躍できます。

HENNGE株式会社

●事業概要 昨今のビジネス環境では、SaaSをはじめとする最新テクノロジーの活用が組織の生産性向上に不可欠となっています。しかし一方で、SaaSの急速な普及に伴い、不正アクセスや情報漏洩等のセキュリティリスクや運用管理の煩雑さなど、様々な課題も浮き彫りになっています。 HENNGEでは、このような課題を包括的に解決し、企業の安全かつ便利なクラウドサービスの活用をサポートする、クラウドセキュリティサービスの「HENNGE One」を提供しています。 HENNGE Oneはサブスクリプション型のクラウドサービスとしてお客様にご提供していますが、解約率は一般的なSaaSビジネスの解約率を大幅に下回る0.3%前後で推移しており*、お客様から必要とされるサービスとして、上場企業を含む多くの企業にご利用いただいています。今後も継続的な顧客拡大やサービスの拡充を進め、企業のクラウドサービス活用を促進するため、積極的な人員増員を行っています。 *2025年9⽉期決算説明資料より 参考:[会社紹介資料](https://speakerdeck.com/hennge/company-introduction) ●具体的な業務内容 膨大なユーザーログやサービス利用状況のデータを扱う、データ管理基盤の設計・改良・運用が主な業務です。 AWS 上のデータパイプラインやデータベースの最適化、ETL プロセスの設計・開発を通じて、ビジネスの意思決定を支える情報インフラを構築します。 データクレンジングやフォーマット変換など、地道な作業も含まれますが、これらはデータ活用の精度を左右する重要なプロセスです。 ●具体的なプロジェクト例 HENNGE One の新サービスや新機能の効果測定を行うため、新しい機能のリリースに合わせて取得されるデータ集計のプロセス策定を行う ビジネス部門のマネージャーと連携しながら、既存顧客のサービス利用状況分析のために必要なデータの定義を行うことで、販売戦略の意思決定を支援する ●依頼元とチーム体制 依頼元はプロダクトマネージャー、セールス、マーケティング、カスタマーサクセスといった HENNGE Oneビジネスを推進する各部門のメンバーです。 HENNGE One ビジネスの状況を深く理解し、彼らがデータをスムーズに利用できるよう、技術的な側面から支援します。 チームの垣根を越え様々な部門と密に連携を取りながら、ビジネスの成長という共通の目標に向かってプロジェクトを推進していきます。 ●業務の裁量範囲 データエンジニアとして、HENNGE One のデータ管理基盤の全体に責任を持って取り組んでいただきます。 ETL プロセスの設計・開発はもちろん、データパイプラインのアーキテクチャ改良、AWS リソースの最適な運用方法の提案と実行まで、大きな裁量があります。 あなたのアイデアとスキルで、データ活用の新たな可能性を切り開き、ビジネスの成長を加速させることができます。 ●従事すべき業務の変更の範囲 会社の裁量により、変更となる可能性があります。

株式会社荏原製作所

CMP装置をはじめ、ドライ真空ポンプ、排ガス処理装置などの半導体製造装置およびコンポーネント製品から取得されるデータを活用した自社プラットフォーム(「X-bility」および「EBANET3」等)の開発・強化業務を担当いただきます。 開発チーム/プロジェクトリーダーとして、装置予知保全やデータ基板・アプリケーションの事業化・顧客への価値提供を推進頂けます。 ・装置・コンポーネント群から収集される各種センサーデータ(高頻度時系列データ)の収集・蓄積・解析・可視化を一体としたデータ基盤・アプリケーションのシステム設計および開発リード ・Chamber間・装置間・コンポーネント間のデータ比較・解析による予防保全機能やパフォーマンス最適化機能、故障予知アルゴリズムの組込み ・収集データを活用した新たなデジタルサービスの企画・アーキテクチャ構築およびグローバル展開の推進 ※変更の範囲:会社の定める業務

株式会社日立ハイテク

世界トップクラスの半導体製造・検査製品から得られるデータと技術を活用し、半導体製造の高度化・効率化を支えるデジタルソリューション開発をご担当いただきます。 本ポジションでは、開発業務にも関わりながら、チームマネジメントおよびプロジェクト推進を担っていただきます。 <具体的な業務内容> ・半導体装置データを活用したソリューション開発(設計・開発・評価) ・プロジェクトの進捗管理、課題管理、関係部門との調整 ・チームメンバーの育成、レビュー、業務支援 ・顧客課題の理解とソリューションへの落とし込み ・国内外顧客先や協創施設での評価・検証支援 ※役割・責任範囲はご経験に応じて段階的にお任せします。 ●ポジションの位置づけ 本ポジションは、開発に携わりながらチームをマネジメントし、プロジェクトを推進していただく課長候補ポジションです。 技術と事業の両面から意思決定に関わり、組織やプロジェクトに影響を与えていくことが期待されます。 開発方針や進め方についても主体的に意思決定いただけます。 入社後は、業務状況やご志向を踏まえ、役割や期待値を丁寧にすり合わせながら進めていきます。 チーム規模やプロジェクト範囲についても、ご経験に応じて無理のない範囲から段階的に広げていきます。 ●開発環境 ・言語:Python、Java、JavaScript、SQL、HTML、CSS ・OS:Linux、Windows ・ツール:GitHub、Docker

株式会社日立ハイテク

世界トップクラスの半導体製造・検査装置から得られるデータと技術を活用し、半導体製造の高度化・効率化を支えるデジタルソリューション開発をご担当いただきます。 当社の半導体製造・検査装置から得られるデータを活用し、これまでのご経験を活かしながら、チームの一員として設計・開発を担っていただくポジションです。 <具体的な業務内容> ・半導体装置データを活用したソリューションシステムの設計・開発・評価 ・データ管理・解析システム(DB、アプリケーション)の開発 ・チーム内での設計・実装・レビューへの参画 ・顧客課題に対するソリューションの理解および機能への落とし込み ・国内外顧客先や協創施設での評価・検証支援 ※将来的には、プロジェクト内でのリードや後輩育成にも関わっていただくことを期待しています。 ※役割はご経験や志向に応じて段階的に広げていただきます。 ●ポジションの位置づけ 本ポジションは、担当者として開発を担いながら、将来的に主任・リーダーとしてチームを支える役割を担っていただくことを期待する人材の採用です。 リーダー経験がない方でも、開発業務を通じて段階的に役割を広げていけるポジションです。小規模なタスクやチーム単位でのリード役を担いながら、経験を積んでいただきます。 技術力を活かしながらチームに影響を与えていくポジションであり、必ずしも早期にマネジメントを担う必要はありません。 入社後は、業務を通じて役割をすり合わせながらキャリアを形成していきます。 ●開発環境 ・言語:Python、Java、JavaScript、SQL、HTML、CSS ・OS:Linux、Windows ・ツール:GitHub、Docker

株式会社エスタイル

提案からデモ開発、マネジメントまでを一気通貫で担う「AIコンサルティングサービス」にて、最先端の生成AI(GPT-4oなどのLLM)を活用した開発プロジェクトを、"プロジェクトリーダー(PL)候補"として、まずは開発工程から参画いただきます。 PMの元でメンバーの業務をリードするだけでなく、実装で技術を磨きつつ、段階的に設計などの上流工程へも参画いただけます。 はじめは開発経験を活かしながら、設計・実装フェーズでプロジェクトをリード。 将来的に、技術とビジネスの両面を理解した"PM"や"ITコンサル"として成長できるポジションです。 ●具体的な業務 ・生成AI/LLMを活用したシステムやアプリケーションの開発、性能向上 ・大規模言語モデルにおけるプロンプトエンジニアリング ・AIエージェントプラットフォームの設計・開発・運用 ・ユーザーのニーズに応じたAIエージェントのカスタマイズ・チューニング ・LLMを活用したAIエージェントの実装 ・Google Cloud/AWS/Azureなどのクラウド環境の構築・運用 など 取引先は、伊藤忠商事、Mizkan、T&Dフィナンシャル生命などの大手企業が中心。 ●開発環境 開発言語:Python, Go, JavaScript, TypeScript, HTML, CSS フレームワーク:Node.js, React, Django, Flask 生成AIツール:Claude, Gemini クラウド:AWS, Azure, GoogleCloud 開発基盤:GitHub, Docker 情報共有ツール:Slack, Notion など ●開発体制 プロジェクト毎にチームを編成(5~10名程度)し、少人数で裁量を持って働いているチームです。 また、全社に「ニックネーム制度」を導入。年齢や役職関係なくコミュニケーションが活発な環境です。 20代後半〜30代が殆どで、パパママ社員もライフスタイルに合わせて働いています!

株式会社NTTデータ

NTTグループは、トヨタ自動車様とのモビリティ領域において、広く連携しています。AIや自動運転といった先進領域における取り組みから、商用システム開発まで、幅広く推進しています。 その中で、NTTデータはコネクティッドカーから得られる膨大なデータを活用するためのプラットフォーム開発や、関連する各種システム開発プロジェクトを数多く推進しています。 本ポジションでは、こうしたプロジェクトにおいて、システム全体の企画・設計・開発・推進を担うシステムエンジニアとしてご活躍いただきます。 先進技術のPoC推進から、アプリケーション開発、アーキテクチャ設計、プロジェクト推進など、これまでのご経験や強みに応じて、幅広い役割を担っていただくことを想定しています。 先進技術を活用しながら、単なるシステム開発にとどまらず、新しいモビリティ社会を支える仕組みづくりに上流から関われることが、この仕事の大きな特徴です。 ※意向・適性を互い擦り合わせ可能です。

株式会社NTTデータ

本ポストでは、公共分野（知的財産・司法法務）を中心とした大規模～中小規模システムのITインフラを設計・構築するインフラエンジニアとしてご活躍いただきます。 クラウド・AI・コンテナ・オンプレミスなど幅広い技術を活用し、最適な基盤を提案・実現することが主なミッションです。 ご入社後は、ご本人の経験や希望を考慮し、以下のいずれかの業務を担当いただきます。案件やキャリア志向に応じてプロジェクト配置やチーム間連携も柔軟に行いますので、専門知識の幅を広げながら成長いただけます。 公共分野の知識がなくても、入社後にしっかりとフォローいたします。 ＜業務例＞ ①クラウド基盤の設計・構築 （例：AWS/Azure/GCP/OCIなどを用いた新規サービス基盤の導入、オンプレからクラウドへの移行） ②コンテナ基盤の設計・構築 （例：KubernetesやOpenShiftを活用したマイクロサービス基盤の導入） ③AI・データ分析基盤の構築 （例：MLOps環境の整備、AIモデル運用のための基盤構築） ④仮想化基盤・プライベートクラウドの構築 （例：VMwareやOpenShiftVirtualizationなどを活用した既存システムの仮想化・統合） ⑤大規模～中小規模オンプレシステムの更改対応 （例：既存ハードウェアのリプレース、インフラのモダナイズ検討） いずれの業務も、設計から実装・運用まで幅広く関与でき、インフラエンジニアとしてキャリアを積みながら、リーダーやサブリーダーとしてチームを率いる経験を積むことができます。さらに、経験に応じてアーキテクチャ設計や技術選定に意見を反映させられるため、技術者としての成長と影響力の拡大を実感できるポジションです。

GO株式会社

GOのデータ基盤では、3,500万ダウンロードのタクシーアプリ『GO』のデータなど、1日に10億レコード規模のデータを収集し、活用しています。 データの主な活用方法は二つあります。 一つはデータプロダクトの開発であり、データをもとにAIや高度なアルゴリズムを開発しタクシーアプリ『GO』に機能として組み込んでいます。 もう一つは意思決定支援であり、約30名のデータアナリストやデータサイエンティストがデータ分析し、その結果を元にビジネス担当やプロダクトマネージャがプロジェクトの効果測定や意思決定をしています。 本ポジションは、このデータ基盤を支えるデータエンジニアです。 仕事内容 データ基盤とデータプロダクトの実行基盤を担当いただきます。 ●データ基盤 ・大規模な車両データをDataflow等を用いてBigQueryに収集 ・3,500万ダウンロードのアプリケーションのDBとログのデータをBigQueryに収集 ・地図を始めとした外部データをデータ基盤に収集 ・データ加工バッチの開発・運用、Google Cloudの様々なサービスを用いて実現 ・StreamlitやLookerなど分析ツールのホスティング ・100人規模の利用者の管理、セキュリティコントロール ●データプロダクト実行基盤 ・タクシーアプリ『GO』でAIや高度なアルゴリズムを用いたデータプロダクトの実行基盤を設計・開発・運用 ・データサイエンティストの開発支援 ・AIモデルの学習バッチや、本番での推論サービング ・高性能かつ高可用性を担保するための設計・実装・システム運用 ・24/365のオンコール体制(待機なし・システム障害時に当番順にコールがあり対応) ●業務内容の変更範囲 会社が指定する業務全般 開発環境 ●データ基盤 ・データストア: BigQuery ・ETL: Dataflow, 独自開発(Python) ・SQLフレームワーク: Dataform ・ワークフローエンジン: Cloud Composer(Airflow) + GKE ・メタデータ管理:Dataplex ・その他ツール: Streamlit, Kepler.gl, Kubeflow ・言語: Python ●データプロダクト実行基盤 ・データストア:Redis, AWS Aurora(MySQL, PostgreSQL) ・実行基盤:AWS:AKE etc ・言語: Go, Python ・モニタリング: Grafana, Sentry ・その他ツール:Feast ●開発環境 ・LLM: Github Copilot, Claude code, gemini, MCPs etc ・IDE: VS Code etc ・CI / CD: GitHub Action ・VCS: GitHub ・その他 Google Workspace, Slack 所属組織 AI技術開発部 データプラットフォームグループ:4名 ※関連チーム ・データサイエンティスト:20名 ・データアナリスト:8名 ・データアーキテクト:5名

JAPAN AI株式会社

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

JAPAN AI株式会社

●技術オンボーディング・トレーニング FDE から引き継いだ導入済みワークフローの技術オンボーディング設計・実施 顧客の業務ワークフローに合わせた AI 活用方法の設計・提案 トレーニング資料・ベストプラクティスの作成・提供 ●利用定着・ROI実現 成功指標 (KPI) の設計と定期的なROIレビュー 利用状況モニタリングとプロアクティブな改善提案 利用データのダッシュボード構築・定量分析による課題の早期発見 プロンプト最適化・エージェント設定の改善支援 評価基盤 (eval) の運用支援・品質改善 ●テクニカルサポート・問題解決 レポートされた問題の技術的調査・根本原因分析 テクニカルサポートのエスカレーション対応 API/SDK/インテグレーションに関する技術支援 セキュリティ・ガバナンス・コンプライアンス対応 ●プロダクトフィードバック・拡大展開 顧客フィードバックの収集とプロダクトチームへの還元 拡大展開 (アップセル/クロスセル) の技術支援 新規ユースケースの発見・提案 【業務シナリオ例】 ● シナリオ 1 : SaaS 横断ワークフローの利用定着支援 FDE が製造業の顧客に構築した「経費精算自動承認ワークフロー」(楽々精算 → SmartHR 連携) の導入後、利用率が伸び悩んでいる。 利用データを分析し、「現場作業者がスマートフォンから使いにくい」「承認結果の通知が遅い」という課題を特定。 モバイル向けの利用ガイドを作成し、通知設定を最適化。 さらに、現場向けトレーニングを実施。 利用率が 2倍に改善し、月間 400時間の業務削減効果を可視化して経営層に報告。 ● シナリオ 2 : 「企業の脳」の ROI 可視化と全社展開 FDE が金融機関の 1部門に構築した「見込み顧客探索エージェント」の導入後、ROI レビューを実施。 アプローチ数 3倍、受注率 15% 向上という成果を定量化し、経営層向けレポートを作成。 この成果をもとに、他の 5部門への全社展開の意思決定を支援し、アップセルに貢献。 展開先の各部門に合わせたプロンプト最適化とエージェント設定の調整を実施。 ● シナリオ 3 : ワークフロー品質改善のフィードバックループ 小売業の顧客が JAPAN AI AGENT を活用した「稟議承認 AI」で、回答精度に関するフィードバックが増加。 eval 基盤を活用して回答品質を定量分析し、特定の稟議カテゴリで factuality スコアが低いことを特定。 プロンプト最適化とナレッジベースの改善を提案し、回答精度が 15% 向上。 この改善パターンをプロダクトチームにフィードバックし、JAPAN AI AGENT の標準テンプレートとして全顧客に展開。 ●ミッション 「企業の脳」が定着し、成果を出し続ける状態を作る AI プロダクト導入後の顧客成功を技術面から最大化し、利用定着・拡大展開・ROI 実現を推進する。 ●AI Success Engineerとは AI Success Engineerは、OpenAI社やDatabricks社が確立した職種で、AIプロダクトの導入後に顧客の成功を技術面から支援するエンジニアです。 従来のカスタマーサクセスやテクニカルサポートとは異なり、AIプロダクト特有の課題 (プロンプト最適化、eval設計、利用データ分析、ワークフロー改善) を技術的に解決する専門職です。 従来のカスタマーサクセス | AI Success Engineer 利用状況のモニタリング・報告 | 利用データを分析し、プロアクティブに改善提案 機能の使い方を説明する | AIの使い方を設計し、業務ワークフローに組み込む 問い合わせに対応する | 問題の根本原因を技術的に特定・解決する チャーン防止 | ROI実現・拡大展開の推進 ●FDE との分担 FDE | AI Success Engineer 課題発見→PoC→本番導入 | 導入後の定着→活用拡大→ROI 実現 「企業の脳」を実装する | 「企業の脳」が成果を出し続ける状態を作る 新規ワークフローの構築 | 既存ワークフローの改善・最適化 顧客の未来を発見する | 顧客の成功を証明する ●期待する役割について AI Success Engineer として、顧客の AI プロダクト導入後の成功を技術面からリードしていただきます。 FDE が構築した「企業の脳」のワークフローが現場で実際に使われ、成果を出し続ける状態を作る 顧客の業務部門・IT 部門と密接に連携し、AI プロダクトが実際の業務で成果を出し続ける状態を作る 顧客の IT 部門・開発チームと協働し、API 連携やデータ統合の技術支援を行う 利用データの分析に基づくプロアクティブな改善提案を行う レポートされた問題の技術的調査・根本原因分析を行い、エスカレーション対応をリードする 顧客フィードバックをプロダクトチームに還元し、プロダクトの進化に貢献する ●成果責任 (KR/メトリクス) 顧客ヘルススコア (利用率、API呼出数、アクティブユーザー数) チャーン率 ≤ 目標値 拡大展開率 (アップセル/クロスセル貢献) 顧客NPS ≥ 目標値 技術サポートチケット解決時間 (MTTR) ●チーム体制 約120名が開発組織に在籍しています。 AI Success Engineerは以下のチーム・ステークホルダーと密接に連携します: FDE — 導入フェーズからの引き継ぎ Deployment Strategy — 顧客への導入戦略・展開推進 プロダクトチーム — フィードバック還元 サポートチーム — エスカレーション対応 ●開発環境 言語 : Python (自動化・分析), SQL (データ分析) AI / LLM : JAPAN AI STUDIO SDK, プロンプトエンジニアリング, RAG データ : BigQuery, Looker, Pandas インフラ : GCP, Docker (基礎理解レベル) 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

JAPAN AI株式会社

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

JAPAN AI株式会社

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

パーソルキャリア株式会社

新規・グロースフェーズのサービス開発エンジニアとして、ご経験に応じて下記業務を担当いただきます。 ●アプリケーション開発、API開発 ●アーキテクチャの設計、ミドルウェアの選定 ●ユーザーの行動ログなどの定量・定性的な分析による施策効果測定、サービス改善 ●AWSを中心としたクラウドリフト/シフト、新規構築のインフラの設計、検証、構築、運用 ●パーソルキャリアの各事業(doda、doda Xなどの人材紹介事業)に対して、アプリケーションの実行基盤の整備 「はたらく」を取り巻く環境が多様化する中、Mission 達成に向けて、既存のdodaを主軸とする転職支援以外の新しい領域のサービスを企画・開発中です。 ●doda 業界最大級の求人数、豊富なサポート実績を誇る転職サービスです。 登録者数:約934万人(2024年12月末時点)。 エージェントサービスの他には求人情報サービスや転職イベントなど様々なサービスを運営。 ●dodaダイレクト doda/doda Xのデータベースにアクセスし、企業からスカウトを送れるサービス ●doda X 年収600万円以上の方向けのハイクラス転職サービスです。 業界や企業動向に精通したヘッドハンターからスカウトを受け取れます。 ●dodaキャンパス 学生の就職活動を支えるダイレクトリクルーティングサービスです。 大手~ベンチャー企業まで累計契約企業10,000社以上(2024年6月時点)。 オリコン顧客満足度調査にて4年連続学生満足度、総合1位に選出。 ●MIRAIZ キャリアに役立つスキルの習得、プロによるキャリア相談がすべて無料。 学び×JOBをつなげ、転職に留まらず、一人一人に合わせたはたらくを一生涯サポートするサービスです。 ●HR Analyst 最新のテクノロジーで競り負けない採用を実現する人材分析サービス ●HR forecaster 転職マーケットに即した求人要件を作成できるサービスです。 HR アワード 優秀賞受賞、HR テクノロジー大賞 イノベーション賞 受賞。 ●HR Spanner 中途入社者が入社後スムーズに職場環境に馴染み、早期に即戦力として立ち上がれるようにコンディションチェックやコミュニケーションのサポートをするオンボーディングサービス。 簡単な操作と最小限の工数で、中途入社者の不安や悩みを検知し、現場でのコミュニケーションを促進します。

パーソルキャリア株式会社

新規・グロースフェーズのサービス開発エンジニアとして、ご経験に応じて下記業務を担当いただきます。 ●アプリケーション開発、API開発 ●アーキテクチャの設計、ミドルウェアの選定 ●ユーザーの行動ログなどの定量・定性的な分析による施策効果測定、サービス改善 ●AWSを中心としたクラウドリフト/シフト、新規構築のインフラの設計、検証、構築、運用 ●パーソルキャリアの各事業(doda、doda Xなどの人材紹介事業)に対して、アプリケーションの実行基盤の整備 Webサービスについて 「はたらく」を取り巻く環境が多様化する中、Mission 達成に向けて、既存のdodaを主軸とする転職支援以外の新しい領域のサービスを企画・開発中です。 ●doda 業界最大級の求人数、豊富なサポート実績を誇る転職サービスです。登録者数:約934万人(2024年12月末時点)。 エージェントサービスの他には求人情報サービスや転職イベントなど様々なサービスを運営。 ●dodaダイレクト doda/doda Xのデータベースにアクセスし、企業からスカウトを送れるサービス ●doda X 年収600万円以上の方向けのハイクラス転職サービスです。業界や企業動向に精通したヘッドハンターからスカウトを受け取れます。 ●dodaキャンパス 学生の就職活動を支えるダイレクトリクルーティングサービスです。 大手~ベンチャー企業まで累計契約企業10,000社以上(2024年6月時点)。 オリコン顧客満足度調査にて4年連続学生満足度、総合1位に選出。 ●MIRAIZ キャリアに役立つスキルの習得、プロによるキャリア相談がすべて無料。 学び×JOBをつなげ、転職に留まらず、一人一人に合わせたはたらくを一生涯サポートするサービスです。 ●HR Analyst 最新のテクノロジーで競り負けない採用を実現する人材分析サービス ●HR forecaster 転職マーケットに即した求人要件を作成できるサービスです。HR アワード 優秀賞受賞、HR テクノロジー大賞 イノベーション賞 受賞。 ●HR Spanner 中途入社者が入社後スムーズに職場環境に馴染み、早期に即戦力として立ち上がれるようにコンディションチェックやコミュニケーションのサポートをするオンボーディングサービス。簡単な操作と最小限の工数で、中途入社者の不安や悩みを検知し、現場でのコミュニケーションを促進します。 使用技術(一例) 言語: Java,C#,JavaScript, TypeScript, Dart, Python, ShellScript, HDL フレームワーク:Vue, Echo, Flutter ミドルウェア: Terraform, Kubernetes, Docker, クラウドサービス:AWS,Azure,Google Cloud Platform 実行環境: Kubernetes Engine, App Engine, Cloud Function, Cloud Run データベース・ストレージ: BigQuery, CloudSQL, Cloud Firesore, Cloud Storage その他: Cloud Logging, Cloud Monitoring, Cloud Trace, Cloud Pub/Sub, Google Tag Manager アクセス集計: Google Analytics はたらく環境 PC: Windows ノート (標準支給), MacBook Pro 15/16 インチモデル エディター: JetBrains IntelliJ IDEA 等のお好きな IDE, エディター ナレッジサービス: esa コミュニケーションツール: Slack, Zoom, Google Meet グループウェア: Microsoft Offi ce 365, Google Workspace 開発向けサービス: GitHub, ZenHub

三菱UFJインフォメーションテクノロジー株式会社

【ポジション概要】 当本部は三菱UFJ銀行並びにMUFGグループのデータドリブン経営を支える情報系システムを企画構想から設計・開発・リリース・保守まで一貫してリードしています。 経営のスピード改革が加速する中、グループ各社で日々発生する膨大な取引データを巨大DWHに集約し、意思決定に直結する“使える情報”へと磨き上げて提供。 ITの力で経営の高度化と迅速化を推進しています。 あらゆる意思決定へのデータ利活用のニーズの高まりを受けた旺盛な開発需要に応えるため、以下のポジションで即戦力となる人材を募集します。 クラウド、ERP、SaaS、データレイク/DWH/BI、データパイプライン、生成AI開発など先進技術を横断し、ペタバイト級の金融データから意思決定の質と速度を引き上げる、社会的インパクトの大きい仕事です。 ①アプリケーション開発やデータベースの最適化を主導するITスペシャリスト(アプリケーションスペシャリスト) ②大小並行する複数のプロジェクトを牽引・マネジメントするPMエキスパート ③適切なデータ配置、機能配置、適用技術の選定、テクニカルレビューを担えるアーキテクト・テクニカルリード(ITアーキテクト、ITスペシャリスト) 【業務内容】 (雇入れ直後) 三菱UFJ銀行及びMUFGグループのデータドリブン経営を支える以下いずれかの業務システムの企画・開発・保守をご担当頂きます。 ●ビッグデータ基盤、経営情報システム(企業管理会計) ●財務会計 ●リスク・コンプライアンス管理、人事(従業員・組織管理、給与、勤怠、福利厚生) ●マーケティング、顧客提案支援 (変更の範囲) 会社の定める業務 【役割・責任】 業務内容欄に記載したシステムの開発・保守に於いて、ご経験・適性に応じて以下3ついずれかの役割を担っていただきます。 ①ITスペシャリスト:アプリケーション開発の技術領域における専門性を活かし、主に設計・開発・構築・テスト・運用を主導 ②PMエキスパート:大小並行する複数のプロジェクトの牽引・マネジメント(ユーザー調整・コスト・進捗・品質マネジメント) ③ITアーキテクト・スペシャリスト:適切な機能配置、適用技術の選定・導入支援、テクニカルレビューを主導 【配属想定部署】 情報本部 【配属想定部署概要】 情報本部内の各部に於いて以下の業務システムの開発保守を担う。 ・データエンジニアリング第一部、第二部:ビッグデータ基盤、BI基盤(Tableau)、経営情報システム ・財務データ戦略第一部、財務データ戦略第二部:財務会計、決算ERP ・リスク管理データ戦略部:リスクコンプライアンス管理、信用リスク管理 ・人事データ戦略部:人事システム ・セールスデータ戦略部:マーケティング、顧客提案支援 【配属想定部署の人員構成】 情報本部全体で社員:約220名(ビジネスパートナー約700名)、大規模ですが風通しはよく、若手のうちから様々なことにチャレンジできる風土です。 【おもな関係者】 三菱UFJ銀行の経営基盤業務(経営情報管理・活用、与信、会計、人事、リスク・コンプライアンス、マーケティング等)の業務・企画部門担当者。 システム開発・保守に於いて関係する他システムを所管する当社社員。 当部に在籍し、開発作業の一部をご担当頂くビジネスパートナー各社。 【想定担当案件(例)】 ●ビッグデータ基盤の拡張・刷新 ・AIデータ分析など高まるデータ利活用ニーズに応えるためのデータ収集・加工・管理・配信などのデータエンジニアリング案件 ・業務部門の大規模データの参照、集計・加工等の利便性向上等の多様なニーズに対応する為のビッグデータ基盤、BIツールなどのモダナイズ案件。 ・20年来稼働してきた現行DWH(メインフレーム)中心とした情報系アーキテクチャの更改案件。 (DWHからビッグデータ基盤への移行など) ●財務会計システム更改(連結決算の次世代化) ・グループ横断で決算情報をシームレス集約・統合し、決算早期化と精度向上を両立。 ERPパッケージを軸に、IFRS(国際会計基準)対応や管理会計強化、ワークフロー/統制の高度化を推進する案件。 ●コンプライアンス管理システム刷新 ・M&Aやプロジェクトファイナンス、O&D等、インサイダー情報管理や利益相反管理が重要且つ複雑である領域のビジネス拡大が見込まれる中、企業コンプライアンス管理関連システムの抜本的変更を目的としたシステム更改案件。 ●人事システム更改 構築から35年を経過したメインフレーム/EUCからの脱却。 人事マスタ再設計、権限・セキュリティの最新化、クラウド/SaaS活用、データ連携の再編成で、持続性と拡張性を備えた次世代HR基盤へタレント・勤怠・給与の一気通貫を目指した再構築案件。 ●営業支援システムのレベルアップ 営業力強化をサポートする基盤として銀行営業店が使うアプリケーションを集約する顧客業務統合プラットフォーム上で稼働する営業支援システムのレベルアップ案件。 AIエージェント導入による次アクション提案、リードスコアリング、ドキュメント要約、音声メモ自動化など、現場効率と成果を劇的に高める機能の実装など。