東京都 KubernetesのITエンジニア求人・転職情報

【ミッション】 主にIaaS/PaaSおよびDaaS領域に対して事業を推進するとともに、Azure(Azure Virtual Desktop、Azure OpenAI Service含む)、AWS、GCPを中心としたメジャークラウド導入に関わる技術支援 【主な業務】 IaaS/PaaSおよびDaaS領域における技術支援(提案、要件定義、設計・構築)およびそれらに関わるプロジェクトマネジメント業務 【具体的な業務】 下記ソリューションにおける提案、設計・構築、プロジェクトマネジメント業務 ・Azure、AVD(Azure Virtual Desktop)、Azure OpenAI Service ほか ・AWS、Amazon WorkSpaces ・GCP ・IBM Cloud ・Alibaba Cloud ・Cloud PF Type A(自社クラウド) ・IDCFクラウド Type S(自社クラウド)

AIの企画・開発・運用からAIガバナンスまでAIに関するあらゆる業務を一手に引き受けており、社内の各部署とコミュニケーションをしながら10倍規模を実現するAIドリブンな事業基盤の構築を目指しています。 ●AIドリブンな事業基盤の戦略策定・実行 ・全社AIプロジェクト企画と推進 ・プロジェクト企画と評価のためのデータ分析 ●AIによるビジネス課題の特定と解決 ・社内各部署とのコミュニケーションを通じた業務課題の特定とAIによる改善施策の立案 ・プロダクトチームとのコミュニケーションを通じたAI導入プロジェクトの推進 ・プロジェクト企画と評価のためのデータ分析 ●AIドリブンな事業基盤の開発・運用(DevOps) ・AIモデルを中心としたAIシステムの要件定義・設計・開発・運用 ●AIガバナンス ・AI導入時のリスク分析・評価およびリスク管理施策の検討・運用 ・AIを安全かつ最大限に活用するための社内ルール整備、社員教育の推進 ※AIは統計モデル、機械学習、LLMを含む学習モデル全般を意味する 期待する役割 グループ責任者やチーム責任者と共に業務効率化と顧客体験向上のプロジェクト企画や推進を担っていただきます。チームを牽引するリーダーとしてご活躍いただくことを期待しています。 ●AIプロジェクトへの積極的な参画: 各プロジェクトにおいて、自身の専門知識を活かしてAI技術の導入とその適用をサポートし、プロジェクトの目標達成に貢献する。 ●部門間コミュニケーションの担い手: 社内の他部門と円滑にコミュニケーションを取り、部門間協力を促進してAIシステムの適切な導入を支援する。 ●チームで成果を出す: チームメンバーのフォローと育成。 ●投資対効果の高い施策の見極め: データに基づく根拠をもとに、プロジェクト企画や評価を行っていただき、投資対効果の高い施策を見極めて、施策優先度を適切に判断 ●バランスを考慮した推進: AIを安全かつ最大限に活用するための社内ルール整備、リテラシー向上や活用促進のための社員教育の推進 技術スタック ・クラウドサービス: AWS(実行環境やBedrockの利用), Azure(OpenAIの利用), GCP(Geminiの利用や分析基盤) ・実行環境:AWS ECS, AWS EKS, AWS Lambda ・データベース:AWS Aurora MySQL, AWS DynamoDB ・開発言語:Python ・コード管理:GitHub ・CI/CD:GitHub Actions, ArgoCD ・コンテナオーケストレーション:Kubernetes ・外部サービス:Datadog ・分析基盤:BigQuery ・ドキュメンテーション:Notion ・エディタ:VSCode ・開発支援AI:GitHub Copilot, GPT-4o(Azure OpenAI Service経由) ・生成AI API:Azure OpenAI Service, AWS Bedrock, Gemini API

【ミッション】ソブリンクラウド環境において、生成AI/LLMを活用したAIアプリケーションを安全・効率的・継続的に開発、導入、運用するためのAIプラットフォームを設計・開発・運用します。 AIエージェント、ワークフロー自動化、モデル評価、データ連携、認証認可、監視、CI/CD、LLMOps/MLOpsなどの共通基盤を整備し、社内外の開発者や事業部門がAIソリューションを再現性高く構築できる環境を提供します。 また、個社・個別業務への導入支援を通じて得られた要件をプラットフォーム機能に還元し、AI活用の高度化とスケールを実現します。 【主な業務】・生成AI/LLMアプリケーション開発・導入 ・顧客・事業部門ごとの要件に応じた技術検証、プロトタイプ開発、環境構築、導入支援 ・個社対応で得られた要件や成功パターンを、共通コンポーネントとしてプラットフォームへ還元 ・必要に応じた共通基盤、API、SDK、テンプレート、管理機能の設計・開発 【具体的な業務】・ソブリンクラウド上での生成AI/LLM活用に向けた、AIプラットフォームの設計・開発・運用 ・AIエージェント、ワークフロー自動化、外部システム連携など、生成AIアプリケーション開発に必要な共通機能の設計・開発 モデル、AIアプリケーション、データパイプラインのデプロイ、監視、ログ管理、CI/CD、運用自動化を包括するLLMOps/MLOps/DevOps基盤の整備 ・個社・個別業務へのAI導入における技術検証、プロトタイプ開発、環境構築、導入支援、および得られた要件の共通基盤・テンプレートへの還元 ・社内外の開発者・事業部門によるAIソリューションの効率的な開発・導入に向けた、API、SDK、ドキュメント、サンプル実装、開発ガイドラインの整備

「経営基盤となる事業への貢献」をミッションとし、高品質なシステム提供を目指し顧客満足度の向上と業績拡大に寄与し、チームと共に革新的なサービスを生み出すことを目標としています。 ・通信事業における債権/割賦/ポイント管理システムの開発 ・業務分析/要件定義から開発リリースまでの一連の工程のシステム開発や保守、社内横断的なプロジェクトの遂行や業務企画推進、新たなIT技術の推進や導入検討 ソフトバンクサービスにおける債権管理、督促、分割払いなどのバックヤード関連システムをご担当いただきます。 ・社内システムにおける要件定義、設計、開発、テストの実施 ※債権管理システムの刷新および内製化を目指しており、入社後は本チームでのシステム開発業務が中心になる想定です。 ・プログラミング言語:Java、SQL、Bash ・フレームワーク:SpringBoot、Apache Beam ・DB:PostgreSQL(Oracle、SQLServer) ・ミドルウエア:Flink、Kafka ・OS:Linux ・環境:仮想環境 ・CI/CD:Jenkins、GitLab CI/CD、Maven、Gradle ・コンテナ:Kubernetes、Docker ●業務の変更の範囲:会社内でのすべての業務

・アプリケーションやデータベースのパフォーマンス分析、最適化の推進 ・インフラの設計・開発・運用 ・開発・運用業務のプロセス改善や自動化 ・インシデント管理とオンコール対応 ・クラウドコストの可視化や最適化 ・監査対応や脆弱性対応、セキュリティのエンハンス ・共通基盤/内部開発者ポータルの設計・開発・運用 ・共通サブシステムの設計・実装・運用(例: Goによるメール送信基盤実装) ・運用業務をAIで効率化し、ナレッジをAI基盤やプロダクトに還元する 直近の取り組みは [ウェルスナビのSREチームの歩みとこれから](https://zenn.dev/wn_engineering/articles/79f8cc1d047861) をご確認ください。 ●期待する役割 上記の業務について、能力やキャリア志向を考慮した上で担当いただきます。 非常に早いスピードで事業が成長しているため、そのボトルネックになっている箇所を見つけ、技術やコミュニケーションを駆使して解決する事を期待します。 リーダーシップを発揮し、チームメンバーと共に粘り強く目標を達成することを期待します。 SRE文化の醸成など、開発組織全体に好影響を与えるような取り組みにも期待します。 ●技術スタック ・インフラ:ECS(新規プロダクトはEKS) ・開発言語: Go, Terraform ・データベース:Aurora MySQL(新規プロダクトはPostgreSQL) ・認証基盤: Auth0 ・CI/CD:GitHub Actions, ArgoCD ・モニタリング: Datadog ・データ基盤: BigQuery ・ドキュメント/コミュニケーション: Notion, Slack, Zoom ・AI: GitHub Copilot, Notion AI, Bedrock, Open AI Service ・セキュリティ: Orca Security, Keeper

●業務内容 AIの企画・開発・運用からAIガバナンスまでAIに関するあらゆる業務を一手に引き受けており、社内の各部署とコミュニケーションをしながら10倍規模を実現するAIドリブンな事業基盤の構築を目指しています。 ▽AIドリブンな事業基盤の戦略策定・実行 ・全社AIプロジェクト企画と推進 ・プロジェクト企画と評価のためのデータ分析 ▽AIによるビジネス課題の特定と解決 ・社内各部署とのコミュニケーションを通じた業務課題の特定とAIによる改善施策の立案 ・プロダクトチームとのコミュニケーションを通じたAI導入プロジェクトの推進 ・プロジェクト企画と評価のためのデータ分析 ▽AIドリブンな事業基盤の開発・運用(DevOps) ・AIモデルを中心としたAIシステムの要件定義・設計・開発・運用 ▽AIガバナンス ・AI導入時のリスク分析・評価およびリスク管理施策の検討・運用 ・AIを安全かつ最大限に活用するための社内ルール整備、社員教育の推進 ※AIは統計モデル、機械学習、LLMを含む学習モデル全般を意味する ●期待する役割 グループ責任者やチーム責任者のサポートのもと、AI技術導入の企画立案・AI開発運用からAIガバナンスまで、チームの中心メンバーとしてAIドリブンな事業基盤の構築に一緒に挑戦していただける方を募集しています。 ▽AIプロジェクトへの積極的な参画: 各プロジェクトにおいて、自身の専門知識を活かしてAI技術の導入とその適用をサポートし、プロジェクトの目標達成に貢献する。 ▽部門間コミュニケーションの担い手: 社内の他部門と円滑にコミュニケーションを取り、部門間協力を促進してAIシステムの適切な導入を支援する。 ▽AIリスク管理の実施: AI導入時のリスクを認識し、リーダーやチームメンバーとともにリスク管理策の策定と運営に貢献する。 ▽データ分析に基づく実行と評価: データに基づく根拠をもとに、プロジェクト企画や評価を行っていただき、貢献度の高い施策を探求する。 ▽技術向上とナレッジシェア: 最新のAI技術について継続的に学び、チーム内での知識共有を行い、組織全体の技術力向上に寄与する。 ●技術スタック ・クラウドサービス: AWS(実行環境やBedrockの利用), Azure(OpenAIの利用), GCP(Geminiの利用や分析基盤) ・実行環境:AWS ECS, AWS EKS, AWS Lambda ・データベース:AWS Aurora MySQL, AWS DynamoDB ・開発言語:Python ・コード管理:GitHub ・CI/CD:GitHub Actions, ArgoCD ・コンテナオーケストレーション:Kubernetes ・外部サービス:Datadog ・分析基盤:BigQuery ・ドキュメンテーション:Notion ・エディタ:VSCode ・開発支援AI:GitHub Copilot, GPT-4o(Azure OpenAI Service経由) ・生成AI API:Azure OpenAI Service, AWS Bedrock, Gemini API ●オンボーディングおよび育成計画 下記を想定しながら適宜チームでフォローします。 ▽1年目: ・ゴール:AIプロジェクトでのスキル向上 ・内容:プロジェクト参加(サポートを得ながら推進) ・支援:キャリアサポート(月次1on1) ・評価:半年ごとに目標設定と評価 ▽2年目以降: ・ゴール:プロジェクトリーダーへの成長 ・内容:リード役経験、戦略会議参加 ・支援:キャリアサポート(月次1on1) ・評価:半年ごとに目標設定と評価

【ミッション】 法人データ・音声サービスの開通業務(新規/変更/解約)を安定的に実行するためのシステムを提供し事業へ貢献する 【主な業務】 業務システム開発および保守 【具体的な業務】 ・ネットワークや設備の制御基盤として、各種システムと連携しながら確実にサービスを実行する仕組みを構築するためのシステム開発 ・要件定義、設計、開発、テスト、リリースまでの一貫した開発 ・他システム/業務部門との仕様調整 ・コードレビュー、技術課題の解決、開発品質の向上 ・将来案件を見据えた必要機能の検討および先回り機能開発

【ミッション】 ソフトバンクの基幹事業であるブロードバンド事業における、業務プロセスとシステムを統合的に最適化し、安定かつ迅速なサービス提供を実現する。 【主な業務】 ブロードバンド事業における開通業務を制御するオーケストレーションシステムを中心に、業務プロセスとシステムの設計/改善を推進していただきます。 新サービス適用に向けた追加開発や既存システムの刷新など、さまざまな開発テーマがございます。 【具体的な業務】 ※これまでのご経験、適性に応じて以下業務をご担当いただきます。 ・開通業務に関するシステム開発の推進(要件定義〜開発～リリース) ・関係部署との要件調整、合意形成 ・業務プロセスの整理/可視化、改善 ・新サービス適用に伴う仕様検討、機能追加 ・既存システムの刷新、改善施策の企画/実行 ・システムボトルネックの分析、改善 【環境】 ・バージョン管理:GitLab ・プログラミング言語:Java 8、Go(1.12) ・フレームワーク:Spring Boot, Echo ・メッセージング:Apache Kafka ・データベース: Microsoft SQL Server, Oracle Database, PostgreSQL ・環境:仮想環境、プライベートクラウド ・CI/CD:Jenkins, ArgoCD ・コンテナ技術: Docker, Kubernetes, OpenShift ・コミュニケーションツール:Slack, Zoom, Google Workspace(Chat/Meet) ・AI開発支援ツール:GitHub Copilot Business, ChatGPT Enterprise, Gemini 3.1 Pro

【ミッション】 トヨタ・ソフトバンクの合弁企業であるMONET Technologiesにおいて、MaaSおよび自動運転サービスのシステム基盤を技術面からリードしていただきます。 弊社の開発体制は外部パートナーとの連携が中心ですが、その品質と進化の鍵を握るのは社内のTech Leadです。 高い技術水準を持つ既存メンバーと共に、アーキテクチャの定義からコードレベルの品質担保、CI/CDの改善まで、MONETのシステムの先進性を追求することがミッションです。 【主な業務】 ・MaaSを支えるモダンなシステム基盤の進化と運用(Fargate/EKSなどを活用したAWS環境) ・ビジネス主導の「要件」を実装可能な「設計」へ落とし込む高度な橋渡し ・外部開発パートナーへのテクニカルディレクション ・不具合発生時のテクニカルリード(迅速な原因究明と対応策の策定) ・技術的負債の解消とIaC推進(Terraformなどを活用) 【具体的な業務】 ・AWS環境(Fargate/EKSなど)を活用した、スケーラブルで高可用なシステム基盤の設計/アップデート ・サービス企画部門が主導する「ビジネス要件」を、開発チーム/ベンダーが実装可能な「システム設計」へと適切に翻訳/落とし込みを行い、両者のギャップを埋める ・技術的観点から、ビジネスの実現に向けた最適な「代案」を提示し、意思決定をサポート ・外部開発パートナーに対し、明確な開発の指針を示し、適切な役割分担を主導してシステムのクオリティを技術観点で統制する。 ・不具合発生時、必要に応じて自らコードを読み解き、原因の切り分けと修正方針を迅速に提示することで、外部パートナーの機動力を最大化させる

【ミッション】 ブロードバンド事業におけるシステム間連携を担うAPIにおいて、複数システムを横断したサービス連携を最適化し、安定かつ迅速なサービス提供を実現する。 【主な業務】 ブロードバンド事業における各チャネルからの照会/申込処理を担うAPIを中心に、システム間連携の設計/改善を推進していただきます。 新サービス適用に向けた追加開発や既存連携の見直し/刷新など、さまざまな開発テーマがございます。 【具体的な業務】 ※これまでのご経験、適性に応じて以下業務をご担当いただきます。 ・業務処理(照会/申込処理)を担うAPIに関する設計/開発の推進(要件定義～開発～リリース) ・システム間連携におけるインターフェース設計 ・関係部署との要件調整、合意形成 ・各チャネルからの照会/申込処理に関するAPI設計、機能追加 ・APIの標準化や共通化に向けた設計および改善 ・既存連携の見直しや刷新および改善施策の企画/実行 ・パフォーマンスや可用性を考慮した設計、ボトルネックの分析/改善 【環境】 ・バージョン管理:GitLab ・プログラミング言語:Java 11 ・フレームワーク:Spring Boot ・O/Rマッパー:MyBatis ・ロギング/テスト:Log4j2、JUnit 5、Mockito、JaCoCo ・ビルド/CI:Gradle、GitLab CI ・データベース:Microsoft SQL Server ・環境:仮想環境、プライベートクラウド ・CI/CD:Jenkins、ArgoCD ・コンテナ技術:Docker、Kubernetes、OpenShift ・コミュニケーションツール:Slack、Zoom、Google Workspace(Chat/Meet) ・AI開発支援ツール:GitHub Copilot Business、ChatGPT Enterprise、Gemini 3.1 Pro

【ミッション】 「ソフトバンクの持続的成長・ビジネススピードの加速に貢献する」をミッションとし、安定したサービス提供とAIなどを活用した生産性向上を実現し、ビジネス部門を巻き込み、革新的なサービスを生み出すことを目標としています。 【主な業務】 ・通信事業におけるサプライチェーンシステムの開発 ・業務分析/要件定義から開発リリースまでの一連の工程のシステム開発と保守や、社内横断的なプロジェクトの遂行や業務企画推進、新たなIT技術の推進や導入検討 【具体的な業務】 ソフトバンクサービスにおけるサプライチェーンなどのバックヤード系システムをご担当いただきます。 ・社内システムにおける設計、開発、テストの実施 ※新システムの内製化を目指しており、入社後は本チームでの開発業務が中心になる想定です。 【フロントエンド】 ・プログラミング言語:TypeScript, JavaScript ・開発フレームワーク:Next.js, React 【バックエンド(Online)】 ・プログラミング言語:Java , SQL ・開発フレームワーク:Spring Boot (Spring MVC), NestJS(※BFFとして利用の場合) ・データストア:Oracle, PostgreSQL, MyBatis (native query) 【バックエンド(Offline)】 ・プログラミング言語:(Onlineと同様) ・開発フレームワーク:Spring Batch, Apache Beam/Flink ・データストア:(Onlineと同様) 【インフラ】 ・VM:RHEL系Linux (Miracle Linux) ・コンテナ:Podman, Kubernetes (k8s), OpenShift ・SCM/CI/CD:GitLab, Jenkins, Concourse, ArgoCD, Harbor 【その他】 ・ShellScript, Apache Kafka, Amazon S3, Keycloak(※IAM製品名の例)

【主な業務】 ・KaaSサービスの企画・設計・開発・検証、運用への引継ぎ ・Kubernetesプラットフォームの機能開発および高度化 【具体的な業務】 <KaaSサービスにおける開発業務> ・Kubernetesのクラスタ管理機能の設計・開発・検証 ・コンテナ実行基盤の設計・開発・検証 ・マルチテナント環境の設計・開発・検証 ・ネットワーク、ストレージ、セキュリティ機能の設計・開発・検証

創業以来黒字経営!盤石な経営基盤のもと従業員数は約2000人を超え取引先から引き合いも多く、事業拡大に向けた積極採用です!! ご志向/ご希望に応じて、プロジェクトを決定しますので、是非面接でお話しください! ●取引業界 ・製造メーカー、通信キャリア、金融、流通、官公庁　等 ●環境 Windows Server/Red Hat Enterprise Linux (RHEL) / Terraform / Ansible / Active Directory / Zabbix / JP1 / CloudFormation / シェルスクリプト / HULFT ●プロジェクト例 ・要件定義・設計・構築（上流） ・運用・保守（下流） ※ご志向・ご希望に応じて、プロジェクトを決定します 自治体・公共向け仮想化基盤（VDI/HCI）構築 金融・共済団体向け大規模サーバー移行（マイグレーション） 製造・物流拠点向けファイルサーバー・認証基盤構築 ガバメントクラウド（AWS/Azure）移行・構築 ミドルウェア導入・パフォーマンスチューニング 24時間365日のシステム運用・バックアップ管理 ※地元密着主義のため、地元の大手企業でのプロジェクトを前提としています。

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

【会社都合のアサイン『一切』なし!断言します!】 あなたの経験やスキル、希望を考慮し、あなたにあったプロジェクトでご活躍いただきます。 ・自社サービスのオンプレ環境からクラウドへ移行 ・通信会社様向けのサーバ/NW設計構築 ・金融会社様向けのDBの設計構築～運用 ・外資系会社様の情シスやテクニカルサポート 【運用だけじゃない!設計・構築フェーズへの挑戦】 ・要件定義・設計・構築フェーズの案件も多数あり ・「運用ばかりでスキル・キャリアに悩んでいる…」そんな心配は不要! 具体的な案件例 ■大手通信会社の電子マネーサービスのインフラ設計 ⇒AWS、Azure、Docker、kubernetes ■自社サービスのオンプレ環境からクラウドへ移行 ⇒AWS、Azure、VMware、Terraform ■通信会社様向けのサーバ/NW設計構築 ⇒Cisco、Juniper、RedHat、CentOS、VMware ■金融会社様向けのDBの設計構築～運用 ⇒Oracle DB、PostgreSQL、Linux、Shell Scripting、Ansible ※上記はあくまで一例です。 1日1000件以上の新規案件情報で『やりたい技術』『希望の体制』が自由に選べる環境です! 多種多様なプロジェクトがありますのでぜひあなたの希望をお聞かせください

自動化ソリューション『SkyAuto』始めます! 『SkyAuto』とは・・? IaCを利用したインフラ・クラウド構築運用の自動化システムです。 当社受託チームが大規模インフラプロジェクトの課題完全解決いたします! ※従事すべき業務の変更の範囲 ￫【変更の範囲】会社の定める業務 【プロジェクト事例】 ●クラウドを利用したインフラシステムの設計、構築、運用 ●CI/CDプロダクトを活用した基盤運用自動化支援 ●基盤構築に伴うCloudFormationやCDKを利用した構成管理自動化支援 ●開発PJと連携したインフラシステムの提案、改善 技術領域としては、 AWS、Azure、GCP、Docker、kubernetes、Jenkins、Git Python、Terraform、Ansible、CloudFormation、CDK

東証グロース上場企業として、エンタープライズ企業(主に東証プライム上場企業)の「0次DX」を推進するリードエンジニアとしてご活躍いただきます 。 単なる実装作業の請負ではなく、顧客の隣で「ビジネス要求の言語化」から「最適なアーキテクチャ設計・実装」までを一貫して担い、技術的な意思決定をリードする役割を期待しています 。 【業務詳細】 技術リード・設計: プロジェクトにおける技術的指針(ビジョン)を提示し、静的型付け言語を用いた高度な実装および詳細設計による品質管理を主導します 。 モダン開発の推進: 生成AI(LLM等)の活用やクラウドネイティブな構成への移行など、最新技術を用いたPoC・新規サービス立ち上げを牽引します 。 チームマネジメント(技術面): コーディング規約の策定、コードレビュー、開発プロセスの標準化を通じてチーム全体のアウトプットを最大化します 。 顧客折衝・提案: 顧客のビジネス課題を技術的視点から分析し、実現可能な解決策を提案・実装へと落とし込みます 。 若手育成: 技術責任者として、主体的に若手エンジニアの教育・メンタリングを行い、組織全体の底上げに貢献します 。 【技術スタック・使用ツール】 言語: Java, PHP, Go, Ruby, Python, JavaScript, TypeScript, Kotlin, Swift, SQL, HTML/CSS など フレームワーク: Spring Boot, Laravel, Vue.js, React.js, Angular, Node.js, echo など クラウド: AWS, Azure, GCP インフラ: Docker, Kubernetes, Terraform, Ansible, Jenkins, GitLab CI, GitHub Actions など データベース: MySQL, PostgreSQL, Aurora, Oracle, SQL Server, BigQuery, DynamoDB など ツール: Git, GitLab, GitHub, Slack, Jira, Confluence, Backlog, Looker, Figma など その他: 生成AI (Azure OpenAI, Amazon Bedrock, Google Gemini, GitHub Copilot), ローコード (Pega, Outsystems), BPM (Bonita) など

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 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 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。

当部署では日本を代表する国内最大のキャッシュレス決済総合プラットフォームである「CAFIS(キャフィス)」や、その周辺の様々なキャッシュレス関連サービスを世の中に提供しています。 CAFISでは、ますます加速化する環境やビジネスの変化にスピーディに対応していくため、お客様と価値を創造しながら継続的にビジネスを成長させるための取り組みを行う場として、東京都渋谷区に CAFIS Payment Innovation Labを設立し、Digital CAFISの取り組みを進めています。 こちらでは大規模アジャイル開発フレームワーク「SAFe」を適用し、スピーディかつフラットなサービスの開発を実現しています。 Digital CAFISではこれまでのビジネスプロセスを全面的に見直し「価値創造組織」への変革を進めるため、自らの能力変革を目的とした取り組みを開始しています。マネジメントスタイル・社内環境・人材育成をゼロベースで再考した上で「デジタルプラットフォーム」の上に一から再構築し、現在も継続的な機能拡充を続けています。 デジタルプラットフォーム上でマイクロサービスアーキテクチャで新しい決済システムを開発しています。 本ポストにおける具体的な職務内容は下記の通りです。 ・SREという立場から組織横断的に複数サービスの安定的なサービス提供をサポートする ・デジタルプラットフォーム全体のアーキテクチャの設計と統制業務 ・デジタルプラットフォームを利用サービスとの連携業務 ・デジタルプラットフォームの障害対応業務

【職務内容】 スクラム開発においてリードエンジニアをとして開発チームを率いる役割を担う。 アジャイル開発(Scrum/SAFe)をベースにマイクロサービスアーキテクチャで法人分野内の自社プロダクト/サービスを開発、展開する。 具体的には、下記の役割を担い、スクラムチーム内における開発を技術力でリードいただきます。 ・モダンな技術(Go/React/Typescript等)を用いた自社プロダクトのアプリケーション開発(マイクロサービス思考) ・サービス全体のアーキテクチャの設計と統制 ・SREと連携したインフラ開発 一つのプロダクト/サービスにこだわらず、複数のサービス開発にアプリケーションレイヤからインフラレイヤまで広く関わっており、希望に応じて一定期間ごとに担当するプロダクトや役割を変えていくことも可能であるため、幅広く技術習得することが可能な環境です。 【アサイン先想定】 ※以下①➁③それぞれに多数の案件がありますので、ご希望やご経験を鑑み、最適な案件アサインを検討いたします。 ①企画型AIサービス開発・展開 ・GenAI/生成AIなどの新技術を活用した自組織の企画型サービスの開発、実案件への導入・展開 ②事業会社内製支援による新規サービスの立上 ・内製化による自社プロダクト開発を進めたい事業会社様に入り込み、プロダクト立上げを行いながらお客様自身でDevOpsを回せるように伴走支援する ③法人分野他組織支援による企画型サービスの立上 ・法人分野の他組織で企画型サービスの立上げに入り込み、企画からプロダクト開発サービスインまで伴走支援する

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

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

・NTTグループの根幹事業の１つである通信サービスの未来を創るべく、通信業界最大手の顧客様と共に、革新的なシステム技術を用いて、業界横断的なインフラメンテナンス改革を主導し、通信インフラ全体に貢献できるシステム開発を目指しています。 ・新規サービスの提供、既存サービスの安定運用を実現するため、システムでの実現方式/構成のグランドデザインから開発（設計・構築・試験）、維持・保守までをトータルで行います。（システム運用自体は当社範囲外） ・大規模システムのインフラ開発を担っており、各自の専門スキルを活かすことも、また各インフラ技術を段階的に身に着けることもでき、将来的にはインフラアーキテクトとしての活躍も可能となります。 ・IOWN (Innovative Optical and Wireless Network)構想における革新的な技術を使いこれまでのインフラサービスの限界を超える通信技術を創造し、社会インフラの未来を実現するため、クラウド化/自動化/生成AIなどの最新技術を活用し、先進的な基盤を開発/刷新していく仕事となります。 役割詳細 今までのご経験やこれからのキャリア志向などを踏まえて、ご自身のスキルを活かせるように配属チームを検討させていただくことができます。（IPAのスキル標準等を参照） ※現在下記のようなインフラスキルをお持ちの方で、キャリア志向から同プロジェクトのアプリ開発チームへの配属希望なども可能です。 ・サーバーエンジニア/プラットフォームエンジニア（サブリーダー/メンバ）：RHEL、Pacemaker、Ansible、Docker、Kubernetesなどを使ったOS：クラスタソフト・運用管理製品・コンテナ製品の構築 ・ネットワークエンジニア（サブリーダー/メンバ）：Cisco、Juniper、SDN（ACI/Nuage等）、Firewall、Load Balancerなどを利用したLAN/WAN環境構築、SDN技術の導入・設計 ・クラウドエンジニア（サブリーダー/メンバ）：AWS、Oracle Cloud (OCI)、IaC、CloudFormation、Terraformなどのクラウドソリューションの統合・設計・構築 ・インフラアーキテクト（リーダー）：オンプレ/クラウド技術（AWS、Azure、VMware、OCI、ネットワーク全般など）によるインフラアーキテクチャ策定/技術マネジメント （役割詳細補足） ・リーダー：10～20名程度のチーム全体をマネジメント ・サブリーダー：5名程度のメンバをマネジメント(リーダによる支援あり) ・メンバ：専門領域のインフラ開発（サブリーダーによる支援あり）

未来の日本社会を支えるITシステムをソフトウェア面から具現化する仲間を募集します。 ●職務内容について● 　デジタルガバメントからスマートシティまで、社会を支えるITシステムを提供している公共・社会基盤分野の中で、ソフトウェアエンジニア/ソフトウェアアーキテクトとして広く活躍する職務です。分野全体のプロジェクトにかかわるため、業種は公共分野(中央省庁および関連団体、地方自治体等)から通信・ユーティリティ分野まで幅広く活躍できます。 【開発系】 ・提案書執筆/要件定義(利用者の利便性を高め、ITシステムの肝となるソフトウェアアーキテクチャ/処理方式/アプリケーションフレームワーク/プロダクトの検討) ・設計(業務処理を支えるアプリケーション処理方式設計/構造化設計/共通化設計等を先導) ・製造(自チームが設計した共通部品の実装に加え、プロジェクトメンバーを指導しつつ、採用したソフトウェアアーキテクチャに基づいて実際にソフトウェアを構築) ・テスト(単体テスト/結合テスト/システムテストに向けた準備や構成管理等を実施) 【施策系】 ・生成AIによる生産性向上、ガバメントクラウドやスマホアプリ等の技術要望に対応する技術開発の実施 ●技術戦略組織について● 　フレームワークなどのソフトウェア・クラウド等の基盤技術者の集約組織で、現在は約170名の技術者を体制として維持し、常時約30プロジェクトに対して現場支援を実施しています。現場支援チームだけでなく、先進的な技術や生産性向上に関わる技術を取り入れ、確立する施策系のチームも存在します。在籍する技術者の約1/3が本募集となるソフトウェアエンジニア・アーキテクトです。 　担務に関しては、プロジェクトごとの有期的なものが多く、本人の希望やスキルセット、現場からの要望を総合的に判断・相談して、決定しています。現場支援においては、わからないことは所属チームや総勢170名の技術者によるサポートがあります。また、全員が社会を支えるシステムに最適な構成を提案でき、品質高く、効率的に実現できるよう、スキルアップの側面も重視しています。

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。

【事業・ミッション】 当組織では、社会インフラとなるモバイルキャリアサービスの高品質開発、および安定維持を行っています。 特にインフラ領域については、オンプレミス/クラウドを問わず、 ・大規模社会基盤システムにおけるインフラ開発(クラウド/サーバ/ネットワーク/ストレージ)の設計～試験～構築までをトータルに実施 ・仮想化/CICD/クラウドなどの最新技術を用いたマルチクラウドな次世代インフラ基盤のグランドデザイン～開発 に取り組んでいます。 【役割】 ・インフラエンジニア(サブリーダー/メンバー):顧客サービスを支える安定/高品質なインフラ基盤をスピード感をもって提供すべく、クラウドもしくはオンプレミス環境における個別インフラ領域の開発/維持運用に携わって頂きます。 ・インフラアーキテクト(リーダー):高い技術力/先見性をもって、次世代インフラ基盤をトータルでデザインし、顧客/開発プロジェクトをリード/マネジメントする高付加価値人材の役割を担って頂きます。

近年、社会全体でAI活用が加速する中、AI開発を支えるGPU基盤へのニーズが急速に高まっています。NTTデータではこのような社会的ニーズに応えるべく、最新技術を活用したGPU基盤サービスの開発を強化しており、2024年度に自社の大規模GPUサービスの企画・提供を開始しました。現在はファースト顧客向けの開発を進めており、今後さらなる需要拡大が見込まれています。 これに伴い、GPU基盤開発プロジェクトにおいて、プロジェクトマネージャーやリーダーとして活躍いただけるエンジニアの採用を強化しています。 ●主な業務内容は以下の通りです。 [顧客への提案] お客様のニーズや市場動向を把握し、営業担当者と一緒にGPU基盤の提案を行います。 ・新技術のリサーチ ・導入提案 [設計・開発] お客様のご要望をくみ取り、お客様とコミュニケーションをとりながらGPU基盤に関するサービス仕様検討から設計、開発を行います。 ・GPUを利用した高性能コンピューティング基盤の設計、構築、運用 ・クラウド環境上でのGPUリソースの最適化と自動化 ・AI、ディープラーニング等のアプリケーションに向けたインフラの提供とチューニング ・パフォーマンス分析と最適化に関する技術支援 [主な技術環境] ・GPU:NVIDIA ・GPUサーバ:NVIDIA、Dell、HPE、Super Micro等 ・ネットワーク:プロトコルとしてはInfiniBand、Ethernet(RoCE) ・ストレージ:NetApp、VAST、DDN、PowerScale、Pure Storage等 ・ジョブスケジューラ:Slurm、Kubernetes ・コミュニケーションツール:Teams等

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