年収1200万円以上 DockerのITエンジニア求人・転職情報

1.SDVアーキテクチャの全体設計方針立案 ビジネス戦略・商品企画・技術戦略を踏まえ、 車両内外(クラウド・モバイル含む)を横断した システム全体としてのアーキテクチャ方針を構想・定義します。 個別領域最適ではなく、車一台の価値最大化を前提とした全体設計が求められます。 2.アーキテクチャ統制・ガバナンスの構築 各開発部門・機種・世代を跨いだ数百名規模の開発組織に対し、 設計原則・ルール・意思決定プロセスを定義し、 開発全体を統制するガバナンスモデルを構築・定着させます。 単なるルール整備ではなく、実行させ、定着させるところまで責任を持つポジションです。 3.重要開発テーマへの参画・意思決定リード アーキテクチャに大きな影響を与える重要プロジェクトに自ら参画し、 基本方針の意思決定を主導します。 4.技術リーダーシップおよびメンバー育成 アーキテクト・エンジニアに対して、設計思想や技術判断の指針を示し、 組織全体のアーキテクチャ設計力の底上げを担います。 ・設計レビューやディスカッションを通じた技術指導 ・アーキテクト人材の育成・輩出 ・複雑な技術課題に対する意思決定支援 自らの専門性をもってチームを率い、技術で牽引するリーダーシップが求められます。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【使用ツール】 AUTOSAR Adaptive/Classic, C/C++, Python, Javascript, シェルスクリプト, Doors, EnterpriseArchitect, CAMEO/PREEvision, JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker, Claude/Claude Code etc.

【具体的には】 お客様の生活を豊かにするエネルギーV2Xエコシステム実現に向けて家電や電気設備など家庭・電気自動車で使用するエネルギーの可視化・最適な充給電制御システムの開発で必要となる ・Honda独自のV2Xサーバー構築(PoC/量産環境) ・アーキテクチャ設計・ソフトウェア機能設計及び検証 ・サーバー向けソフトウェア構築のためのDevOpsの定義/開発 ・上記システムに関連するスマホアプリUI/UX設計及び検証・ハードとソフトウェアを統合したシステム実証実験　等 ・サーバー構築技術のリーディングとロードマップの策定 ・システムの目標値の策定・KPIマネジメント・予算管理 ・グループメンバーのマネジメント業務 (1on1やコーチングやメンタリングを通した育成支援/人事評価を通した成長促進やキャリア支援等) ※V2X(Vehicle-to-X)とは、電気自動車(EV)と家庭・社会インフラ(電力系統、クラウド、アプリ等)を通信でつなぎ、相互にエネルギー/情報をやり取りする仕組みです。本ポジションでは、主にV2H(Vehicle-to-Home:車から家へ電力を供給)およびV2G(Vehicle-to-Grid:車と電力系統の双方向連携)を含むユースケースを想定し、車両データや電力データ、ユーザーの利用動向をもとに、コネクテッドアプリ等を活用したスマート充電/充給電制御サービスの価値創出に取り組みます。 ※パートナー企業様との共同開発において、戦略検討段階から実証実験まで連携しながら業務推進いただきます。 ※業務上、海外現地法人・取引先等とのやり取りが発生します。 ※将来的には、海外駐在の可能性もございます。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】 使用言語:Python/Java/JavaScript/SQL クラウド環境:AWS　バージョン管理ツール:Git/AWS(CodeCommit)/SVN そのほか知識:Jira/Confluence/Docker/Shell/RESTful API/RDBMS(MySQL)/NoSQL DBMS 【推奨の資格】 AWS Solutions Architect

管理職として、以下の業務領域における決裁・組織マネジメント・技術戦略構築などをお任せする予定です。 ①ビークルOS(車載OS)の開発 次世代のAD/ADASシステムを安全かつ安定的に動作させるためのビークルOSの開発を行います。 サプライヤーと連携した開発と、完全内製化の開発の2種類があるため、組込み開発において何らかのご経験があれば、ご活躍の可能性がございます。 (実装やテスト経験者も対象) ≪業務委細≫ ・AUTOSAR Adaptive / Classicに基づいたOS・ミドルウェア層の要求仕様策定、設計、実装 ・OSとアプリケーション間のインターフェース仕様策定および調整 ※OSやミドルウェア開発経験、リアルタイムOS、仮想化技術、セキュアブートやプロセス間通信(IPC)などの知識が活かせます。 ②車載アプリケーション/サービスのインテグレーション(統合・検証) 開発したビークルOS上で動作する各種AD/ADAS向けアプリケーションやサービスを統合し、最適に動作させるための設計・検証を行います。 インテグレーションを完遂するには、OSのカーネル、通信ミドルウェア、ハードウェア、そして上位のアプリ層まで、すべてのレイヤーに精通する必要があります。 そのため、特定の技術に閉じこもらず、フルスタックな知識が自然と身につきます。 ≪業務委細≫ 他チーム・他社が開発したアプリをビークルOSに適切に組み込み・配置 ソフトウェア間の通信や依存関係を調整・チューニング システム全体での機能検証・統合テスト・不具合解析/対策 ③次世代通信ミドルウェアの開発・実装 AD/ADAS向けの通信ミドルウェア(DDS、SOME/IP、MQTT等)」の開発は、車の安全性向上に直結する領域です。 システムのふるまいについて低遅延・正常作動を実現させる仕事です。 ≪業務委細≫ SOME/IP、DDS、MQTTなど、車内・車外通信プロトコルのAD/ADAS向けの最適化と実装 異なるドメイン間でのデータ交換を安全かつ低遅延で行うためのルーティング制御やメッセージブローカーの開発 ④生成AIを活用した開発プロセスの改善及び内製化促進 プラットフォームの開発実務を担っていただきながら、当該領域における開発効率を上げるためにAI活用の推進を担っていただきたいです。 既存の開発手法に囚われずに、開発プロセスの課題を特定し、最新のAI技術を駆使しながら改善につなげていただくことがミッションです。 ≪業務委細≫ 過去資産のデータ化 過去の膨大な開発・設計資料をデータ資産化し、ナレッジ検索・再利用性を向上させる基盤構築。 テスト自動化 生成AIを活用したテストコードの自動生成、検証工程の自動化による工数削減 開発の内製化推進 AIコードアシスタント等を活用し、従来外注していた実装業務を社内でスピーディーに行う「内製開発」へのシフト推進 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります 【開発ツール】 AUTOSAR Adaptive/Classic, POSIX, Linux, HyperVisor, C/C++, Python, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence,Git, SVN, Jenkins, Wireshark等 【職場環境・風土】 Hondaは三つの喜び(買う喜び、売る喜び、創る喜び)を基本理念に、創業より数々の製品を生みだしてきました。役員から新入社員まで、あらゆる人材が自由な発想で、夢や理想を徹底的に追求する風土が根付いており、学歴や年齢に関係なく誰もがフラットに活躍できる職場環境です。積極的に仕事に向き合い、推進する力のある従業員には、入社直後であっても大きな仕事が任されます。「こんなクルマが作りたい!」と自ら手を挙げてプロジェクトを立ち上げるような気概を持った方に、是非仲間に入っていただきたいと思います。

1.SDVアーキテクチャの全体設計方針立案 ビジネス戦略・商品企画・技術戦略を踏まえ、 車両内外(クラウド・モバイル含む)を横断した システム全体としてのアーキテクチャ方針を構想・定義します。 個別領域最適ではなく、車一台の価値最大化を前提とした全体設計が求められます。 2.アーキテクチャ統制・ガバナンスの構築 各開発部門・機種・世代を跨いだ数百名規模の開発組織に対し、 設計原則・ルール・意思決定プロセスを定義し、 開発全体を統制するガバナンスモデルを構築・定着させます。 単なるルール整備ではなく、実行させ、定着させるところまで責任を持つポジションです。 3.重要開発テーマへの参画・意思決定リード アーキテクチャに大きな影響を与える重要プロジェクトに自ら参画し、 基本方針の意思決定を主導します。 4.技術リーダーシップおよびメンバー育成 アーキテクト・エンジニアに対して、設計思想や技術判断の指針を示し、 組織全体のアーキテクチャ設計力の底上げを担います。 ・設計レビューやディスカッションを通じた技術指導 ・アーキテクト人材の育成・輩出 ・複雑な技術課題に対する意思決定支援 自らの専門性をもってチームを率い、技術で牽引するリーダーシップが求められます。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります

1.SDVアーキテクチャの全体設計方針立案 ビジネス戦略・商品企画・技術戦略を踏まえ、 車両内外(クラウド・モバイル含む)を横断した システム全体としてのアーキテクチャ方針を構想・定義します。 個別領域最適ではなく、車一台の価値最大化を前提とした全体設計が求められます。 2.アーキテクチャ統制・ガバナンスの構築 各開発部門・機種・世代を跨いだ数百名規模の開発組織に対し、 設計原則・ルール・意思決定プロセスを定義し、 開発全体を統制するガバナンスモデルを構築・定着させます。 単なるルール整備ではなく、実行させ、定着させるところまで責任を持つポジションです。 3.重要開発テーマへの参画・意思決定リード アーキテクチャに大きな影響を与える重要プロジェクトに自ら参画し、 基本方針の意思決定を主導します。 4.技術リーダーシップおよびメンバー育成 アーキテクト・エンジニアに対して、設計思想や技術判断の指針を示し、 組織全体のアーキテクチャ設計力の底上げを担います。 ・設計レビューやディスカッションを通じた技術指導 ・アーキテクト人材の育成・輩出 ・複雑な技術課題に対する意思決定支援 自らの専門性をもってチームを率い、技術で牽引するリーダーシップが求められます。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります

1.SDVアーキテクチャの全体設計方針立案 ビジネス戦略・商品企画・技術戦略を踏まえ、 車両内外(クラウド・モバイル含む)を横断した システム全体としてのアーキテクチャ方針を構想・定義します。 個別領域最適ではなく、車一台の価値最大化を前提とした全体設計が求められます。 2.アーキテクチャ統制・ガバナンスの構築 各開発部門・機種・世代を跨いだ数百名規模の開発組織に対し、 設計原則・ルール・意思決定プロセスを定義し、 開発全体を統制するガバナンスモデルを構築・定着させます。 単なるルール整備ではなく、実行させ、定着させるところまで責任を持つポジションです。 3.重要開発テーマへの参画・意思決定リード アーキテクチャに大きな影響を与える重要プロジェクトに自ら参画し、 基本方針の意思決定を主導します。 4.技術リーダーシップおよびメンバー育成 アーキテクト・エンジニアに対して、設計思想や技術判断の指針を示し、 組織全体のアーキテクチャ設計力の底上げを担います。 ・設計レビューやディスカッションを通じた技術指導 ・アーキテクト人材の育成・輩出 ・複雑な技術課題に対する意思決定支援 自らの専門性をもってチームを率い、技術で牽引するリーダーシップが求められます。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります

【ミッション】 -事業戦略に整合した技術戦略とアーキテクチャの策定・実行 -スケーラブルで信頼性・セキュリティの高いプラットフォームの構築 -AI 協働(生成 AI / MCP)を前提とした開発生産性・品質の最大化 -エンジニアリング組織の体制構築・採用・育成・評価 -技術ガバナンス(セキュリティ/プライバシー/コンプライアンス)の徹底 【概要】 技術戦略の策定から実行・ガバナンスまでを統括し、 将来を見据えたアーキテクチャ設計とAI ファーストな開発標準を確立します。 信頼性・セキュリティ・開発速度のトレードオフを適切に設計し、成果の再現性を高めます。 【業務範囲】 -技術戦略・技術ロードマップの策定と合意形成 -技術選定・アーキテクチャ設計(マイクロサービス/イベント駆動/データ駆動等) -プラットフォーム/SRE/Observability(可用性・パフォーマンス・コスト最適化) -セキュリティ/プライバシー/リスク管理(ゼロトラスト、インシデント対応) -データ/ML 基盤の設計・運用(ストリーミング、Feature Store、Vector DB、RAG 基盤) -開発標準の整備(AI ツール/MCP 活用、CI/CD、テスト自動化、変更管理) -採用・評価・育成/キャリア設計、組織デザインとカルチャー醸成 -重大障害の指揮/問題管理/BCP、外部パートナー連携 【利用するツール】 -GitHub / GitHub Copilot -Claude / Claude Code / Cursor / 各種 MCP ツール -AWS / GCP / Vercel / Kubernetes / Docker / Terraform -Datadog / Cloud Monitoring / OpenTelemetry -Notion / Slack / Figma

【概要】 Go を主軸としたバックエンドと、Next.js または Flutter を用いたフロントエンドの両面を担当し、機能の企画段階から設計・実装・リリースまでを一貫してリードしていただきます。 AI 協働による高速な仮説検証と、プロダクション品質の両立を追求します。 【業務範囲】 ・Go によるバックエンド API の設計・実装・最適化 ・Next.js(React)または Flutter を用いたフロントエンド/モバイルの設計・実装 ・データベース設計・クエリ最適化(RDS、DynamoDB 等) ・プロダクト要件の技術仕様への落とし込みとアーキテクチャ設計 ・AI/LLM APIを活用した機能の設計・実装 ・CI/CD パイプラインの構築・改善 ・パフォーマンス計測・ボトルネック分析・改善 ・AIを活用した開発フロー改善・自動化 ・コードレビュー、設計レビューを通じたチーム全体の技術品質向上 ※業務内容の変更範囲:会社の定める業務 【利用するツール】 ・Go(バックエンド主要言語) ・TypeScript / Next.js / React(Web フロントエンド) ・Dart / Flutter(モバイル/Web) ・PostgreSQL / MySQL / DynamoDB / Redis ・Docker / GitHub Actions ・AWS(ECS、RDS、CloudFront、Lambda、S3 等)/ GCP(一部利用) ・Datadog / Sentry ・Claude / Claude Code / Cursor / 各種 MCP ツール 【資質(自律性・全体最適志向・実装力)】 ・フロントエンドとバックエンドの境界にとらわれず、ユーザー価値を起点に最適な設計判断を下せる全体最適志向 ・AI 協働を前提に、仮説から実装・検証までを高速に回す自律性 ・技術的な深さと幅の両方を持ち、状況に応じて柔軟に使い分けられる適応力 【具体スキル】 ・Go によるバックエンド開発(API 設計、認証、ミドルウェア、並行処理) ・TypeScript / React / Next.js または Dart / Flutter によるフロントエンド開発 ・RDB 設計・SQL チューニング・キャッシュ戦略(Redis 等) ・REST API / GraphQL の設計と実装 ・Docker を用いたコンテナベースの開発・デプロイ ・AWS マネージドサービスを活用したシステム設計 ・パフォーマンス計測・プロファイリング・ボトルネック改善 ・Git/GitHub を用いた協働開発とコードレビュー

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

FDEチームの一員として、エンジニア/DS/AIエンジニアと一体で以下を担っていただきます。 ● ドメイン没入と課題設定 ・現場(買取現場・コールセンター・物流倉庫・コーポレート部門)への同行・観察・1次情報収集 ・業務プロセス/顧客/市場の構造を解像度高く理解し、AI/データで解くべき課題を自ら定義 ● 事業KPIに対する仮説オーナーシップ ・担当ドメインKPI(成果向上・生産性改善)に対する仮説立案、優先順位付け、結果の解釈と次手の設計 ・他領域への波及効果も含めた全体最適視点での意思決定 ● AIプロダクトの企画〜実装リード ・AI/データ活用プロダクト(需要予測、査定モデル、業務自動化、レコメンド 等)の企画〜要件定義〜プロダクト実装ディレクション ・AIモデル開発の要件整理(学習データ要件、評価指標、MLOps連携、モニタリング設計) ● AIネイティブ開発プロセスの推進 ・AIエージェントによる高スピード開発を前提とした要件整理・仮説検証・ナレッジベース構築 ・スピード重視で「未完成のものを早期に実験する」プロトタイピング/PoCの設計と運用 ● エンジニアと一体のプロダクト設計 ・「何を作るか」をエンジニア/DS/AIエンジニアと協働で決定 ・Cosmosを中心とした新機能開発/業務標準化プロジェクトの企画〜要件整理〜現場接続 ● ステークホルダーマネジメント ・事業責任者・現場リーダーとの合意形成 ・グループ企業(TL/RGT/NKD)への横展開設計 ● データ/ユーザーインタビューを通じた継続的改善 【組織/配属先の特徴】 ・3層構造の技術組織:FDE層(事業ドメイン没入)/プラットフォームエンジニアリング層(FDEの生産性向上)/コアドメイン層(共通API基盤)の3層に再編し、AIネイティブ前提の組織を構築中 ・配属:データ・AI戦略推進部に所属/いずれかのドメインのFDEチームにジョイン ・PdM出身者例:元リクルート・大手事業会社など、事業理解×推進力の強い人材が活躍中 ・規模:PdM・SWE・データサイエンティスト・AIエンジニアなど約 80名規模 【プロダクト開発環境】 ・開発言語:Golang, React.js (Next.js), TypeScript, Python(AI/ML) ・インフラ:GCP (Cloud Run, BigQuery, Cloud SQL, Vertex AI...), Terraform, Docker ・CI/CD:GitHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry/APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira/ドキュメント管理:Confluence ・AI活用:Claude Code, Cursor, GitHub Copilot ほか(AIエージェント前提のワークフローを推進中) ・その他:Elastic Cloud, Terraform Cloud, Chromatic

<<業務内容>> ●サマリー 共通基盤(認証基盤を含む)における中長期のアーキテクチャ設計を担い、上流工程を一貫して主導 いただきます。既存システムの状況と今後のプロダクトロードマップを踏まえたデータ設計・リソースサーバー分解の方針策定から、要求仕様の整理、各チームへの分解・進行管理、ステークホルダーとの調整までがスコープです。 特定の実装タスクに閉じず、「何を・どの順序で・どう分解して実現するか」という技術的な意思決定そのものをリードしていただきます。 ●具体的な業務内容 ・既存システム(モノリス)から共通基盤・認証基盤を切り出すためのデータ構造の再設計 ・マルチプロダクトを前提としたリソースサーバーの分解設計、および要求仕様の策定 ・設計をもとにした各チームへのタスク分解・進行管理、上流工程の主導 ・法務・セキュリティ・コンプライアンスを含む各ステークホルダーとの調整、および設計判断に関する説明責任の遂行 ・組織・要件に応じた技術選定、設計判断に関する意思決定およびドキュメンテーション ・AIを積極的に活用し、少人数で大規模基盤を前に進める開発スタイルの推進 <<開発組織の特徴>> タイミーの開発組織はフロントエンドからSREのレイヤまでひとつのチームで解決できることをコンセプトにしています。裁量は各チームに移譲されており、自身の専門分野を中心に、隣接する領域に染み出しながら開発に携わることができます。 エンジニアがユーザーインタビューに参加して課題の探索段階から関わることができ、プロダクト組織と連携しながら顧客価値に基づいて開発を行う文化が浸透しています。 ●既存事業領域 タイミーの圧倒的なシェアと収益基盤を支えるコア事業であり、さらなる非連続なグロースを牽引する領域です。 現在は、累積1,000万人以上のワーカーと20万社以上のクライアントが生み出す膨大なデータを武器に、マッチングアルゴリズムの高度化やUXの磨き込みを行っています。私たちは、クライアントの「即時の人材確保」とワーカーの「働きがいの最大化」を、高いレベルで実現するプロダクト開発組織を目指しています。 今後は更に大小問わない様々な企業での導入・活用の拡大や多様な業種への浸透を通じて、本質的なエンゲージメント強化に挑戦しています。クライアント、ワーカー双方にとって必要な時に、必要な「はたらく」を提供する体験を社会の当たり前にするため、ユーザー価値と事業収益の両輪をプロダクト主導で回し続ける、ダイナミックな進化を追求しています。 ●新規事業領域 スポットワーク事業で培った強固なアセットを活かし、事業の多角化、そしてマルチプロダクト戦略に基づいて新プロダクト開発を推進する領域です。現在は、正社員紹介事業(タイミーキャリアプラス)や長期雇用、介護などのバーティカル領域に深く踏み込んだプロダクト開発に挑んでいます。既存の枠組みにとらわれず、タイミーが持つ資産を最大活用して、新しい「はたらく」の形をゼロから立ち上げ、成長させることに向き合います。 ●プラットフォーム領域 タイミーが「はたらく」のインフラへと進化するための、戦略的基盤を構築する領域です。 私たちは現在、既存の「タイミー」に加え、複数の新規プロダクトを連続的に生み出すマルチプロダクト展開を加速させています。この成長を支えるため、プラットフォーム領域では「はたらく」にまつわるドメインを分解・再定義し、プロダクト間で共通利用できる価値ある資産にすることを目指しています。 単なるシステムの共通化(ID管理・決済・本人確認など)に留まらず、日々の就業実績や評価を「信頼データ」として蓄積・活用することで、「タイミーではたらくほどに信用が積み上がり、人生の選択肢が広がる」——そんなプラットフォームの実現を技術の面から支えます。 <<開発環境>> ●Backend ・開発言語: Ruby (Ruby on Rails)(Timee) / Go (IdP) ・アーキテクチャ: Modular Monolith ・データストア: MySQL8.0系 ・ツール: Docker、OpenAPI、GitHub Actions、AWS、Terraform、Datadog、Sentry ●Infrastructure ・AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc… ・IaC:Terraform ・ログ:Datadog LogsとS3に集約 ●Monitoring ・Datadog, Sentry ●CI/CD ・GitHub Actions, Dependabot ●その他 ・AIエージェント・LLMツール: 　-開発支援: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code 　-開発基盤・運用: Vertex AI, LiteLLM, MLflow, Datadog LLM Observability 　-その他: Gemini, NotebookLM, NotionAI 　└コード管理:GitHub 　└コミュニケーションツール:Slack, Notion 　└その他:Twilio, ImageFlux, OneSignal, Figma etc…

●Mission The Incubation Team operates as a "startup within a startup." We go far beyond routine feature development, acting as an autonomous engine to build new businesses from the ground up. Our mission is built on three strategic pillars: 1.Forge New Products: We don’t just build; we innovate. We continuously launch and iterate on high-impact products that solve our customers' most complex, high-value problems. 2.Architect High-Performance Teams: We believe that great products come from great organizations. We focus on building and scaling elite engineering teams capable of owning product growth independently. 3.Institutionalize Speed: We don't just move fast by accident. We design the repeatable frameworks and playbooks that turn the "zero-to-one" creation process into a streamlined, scalable science. ●Job Responsibilities Technical Strategy & Architecture: Own the end-to-end architectural roadmap for core backend services. You will make the high stakes decisions on tech stacks, data modeling, and system design that will define our platform for years to come. Engineering Leadership: Act as a technical authority across multiple squads. You will mentor senior engineers, conduct deep dive code reviews, and raise the collective "bar" for engineering excellence. Product Incubation: Drive the technical execution of 0 to 1 product launches, ensuring that speed of delivery never compromises long-term system integrity. System Modernization: Identify and eliminate critical technical debt. You will lead the transition from legacy structures to a modern, distributed architecture optimized for global scale. ●Development Environment Frontend: TypeScript, React, Next.js Backend: TypeScript, Rust(axum), Node.js (Express, Fastify, NestJS) Infrastructure: Docker, Google Cloud, Kubernetes, Istio, Cloudflare Event Bus: Cloud Pub/Sub DevOps: GitHub, GitHub Actions, ArgoCD, Kustomize, Helm, Terraform, Datadog, MixPanel, Sentry Data: CloudSQL (PostgreSQL), AlloyDB, BigQuery, dbt, trocco API: GraphQL, REST, gRPC Authentication: Auth0 Other tools: GitHub Copilot, Figma, Storybook Communication: Slack, Discord, JIRA, Miro, Confluence

Trackプラットフォーム上のスキルデータ基盤「Skill Data Cloud」およびスキルオントロジーレイヤーを設計・構築・運用し、AIフレンドリーなデータ/ML基盤として高度に整備していくリードポジションです 。 スキルタクソノミーのメンテナンスとスキルデータ分析、ML/生成AIを活用したデータパイプライン・MLOps基盤構築を通じて、プロジェクト実績・学習履歴・アセスメント等の多様なデータの信頼性・関連性をデータドリブンに担保します。 ビジネスサイドと連携しつつ、データサイエンティストチームへの指示出しやプロジェクトディレクションを担い、Skill Intelligence Lab全体の技術・運用標準をリードしていただきます 。 ●スキルタクソノミー・オントロジーの設計・メンテナンス: スキル同士の関連性のモデル化や変更履歴管理プロセスを設計し、組織全体での利用ルールや品質指標を確立します 。 ●Skill Data Cloudの設計・構築・運用: 複数データソースを統合する基盤設計をリードし、AIフレンドリーなデータ基盤の実現に向けたアーキテクチャ指針やロードマップを策定します 。 ●スキルデータ分析基盤の構築: スキル関連性を分析するモデルの選定・実装を行い、プロダクト改善や事業戦略に繋がる指標体系を標準化します 。 ●ML/生成AIモデルの設計・実装・評価; スキルデータ活用に向けたML機能の設計方針をリードし、モデルアーキテクチャの方向性や品質・リスク管理基準を定義します 。 ●MLOps基盤の設計・構築・運用:セキュリティとスケーラビリティを踏まえた最適なMLパイプライン構造を設計し、Feature Storeやモデルレジストリの導入を主導します。 ●モデルの本番デプロイと推論基盤構築: Kubernetes上でのモデル推論基盤の構成を設計し、CI/CDを用いたデプロイパイプラインの標準を定めます。 ●運用監視・品質管理: モデル監視指標の標準化やA/Bテストの設計をリードし、組織横断の品質管理フレームワークを策定します 。 ●プロジェクトマネジメント:プロジェクト計画の策定、データサイエンティストチームへのディレクション、ビジネスサイドとの要件調整をリードします 。 ※業務の変更の範囲:会社内での全ての業務 ●開発環境・ツール ※指定はありませんが、下記が案件で主に使われる技術です ※支給PC:Windows or Macbook ※最新のMacbook Proを支給することが多いです! ・プログラミング・スクリプト言語:Python ・クラウド・インフラ・コンテナ基盤:パブリッククラウド全般 、Kubernetes ・CI/CD・認証:CI/CD環境 、IAM (Identity and Access Management) ・MLOps・MLプラットフォーム:MLflow 、モデルレジストリ 、Feature Store 、実験管理ツール ・データ基盤:DWH (データウェアハウス) 、データパイプライン構築・運用

●以下のような業務に、共に取り組んでいただきたいと考えています。 ・経営戦略と連携する形での、グループ全体の技術的な方針や、短期・中長期の技術戦略の策定・実行 ・複数プロダクトにまたがるエンジニアリング組織全体のマネジメント（目標設定、評価、育成、採用 など） ・事業の成長スピードに対応できる、スケーラブルで効率的な開発体制・プロセスの設計と継続的な改善のリード ・技術的負債の解消を目指した長期的な視点での計画策定・実行 ・未来の事業成長を見据えた技術選定やR&Dの推進 ・経営会議等における技術的な観点からの事業戦略の意思決定への貢献 開発環境 ●技術スタック詳細 当社では最新技術の積極的な採用と、開発生産性の向上に注力しています。 ・主要言語：Ruby, JavaScript, Swift, Kotlin ・ライブラリ/フレームワーク：Ruby on Rails, React, Vue.js ・インフラ/監視：AWS, Terraform, Datadog ・その他：Docker, Datadog Synthetic, Postman, Confluence ・チケット/バージョン管理：GitHub, GitHub Issue, Backlog ・継続的インテグレーション：CircleCI ・生成AIツール：Github Copilot, Cursor, Dify, ChatGPT ●開発手法・文化 チームごとに、状況に応じて以下のような工夫を取り入れています。 ・週1回の技術勉強会の開催 ・カンファレンス費用や書籍購入費用の補助 ・リファクタリングや技術的負債解消への取り組み ・生成AIツールの積極的な導入／活用（Claude, Cursor, Codex, Gemini, Copilot など） ・技術ブログの執筆（Zenn：https://zenn.dev/p/gatechnologies ） 開発組織についてさらに知る ●Forbes 後藤 正徳CTO 記事 「ビッグ・テックのマップアプリから次なる挑戦へ。GA technologies CTOが描くテクノロジーで巨大産業を変革する未来」 https://forbesjapan.com/articles/detail/83729 ●公式テックブログ（Zenn） https://zenn.dev/p/gatechnologies