持ち株会制度あり KubernetesのITエンジニア求人・転職情報

【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)

【ミッション】 法人営業・法人顧客向けに法人向けサービスの申込/開通関連の業務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】 ・システム開発における各種工程の実行(設計～開発～リリース) ・システム開発・維持/管理業務全般 ・生成AIを活用した設計・実装・試験の効率化

【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

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

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。

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

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

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。

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

IIJが提供するプライバシーテックの最前線で、大規模インフラの設計・運用をリードするエンジニアを募集します。 本ポジションでは、クラウド、コンテナ、データベース、セキュリティなどの最先端技術を駆使し、スケーラブルかつ高可用性のあるサービス基盤を構築していただきます。 また、アプリケーションチームと密に連携し、システムの設計段階から関わることができるため、インフラ視点だけでなく、サービス全体のアーキテクチャを最適化する経験を積むことができます。 さらに、今後の拡張として海外向けサービス基盤の構築や、AI技術を活用した新たなインフラ設計も視野に入れています。 長期的に技術の最前線で活躍できる環境です。 具体的な業務内容 ※記載内容はチーム全体での業務領域です。 技術領域が多岐に渡るので専門性や希望を考慮し主担当領域を決定します ●スケーラブルなインフラの設計・運用 ・高可用性・耐障害性を考慮したクラウド&オンプレ環境の設計・構築 ・仮想基盤/コンテナ/Kubernetes環境の最適化、オーケストレーションの強化 ・マルチクラウド・ハイブリッドクラウド環境の構築 ・将来的なAI活用を見据えたインフラ設計の検討 ●大規模データベースの設計・運用 ・トラフィックの多いシステム向けのDB設計・パフォーマンスチューニング ・スケーラビリティと高可用性を意識したアーキテクチャ設計(レプリケーション、シャーディング、分散DB設計) ・バックアップ・リカバリ戦略の策定と自動化 ●セキュアなインフラ設計・運用 ・データ暗号化、SIEMの導入・運用 ・アプリケーション脆弱性検査・ペネトレーションテスト ・ISO27017やSOC2などの認証制度及びGDPRなどのプライバシー保護規制を意識したセキュリティ対策 ●アプリケーションチームとの連携 ・アプリケーション設計段階からインフラエンジニアが関与し、最適な基盤を構築 ・アプリケーション要件に合わせたDB・ストレージ・ネットワークのチューニング ・CI/CDパイプラインの整備、IaC(Infrastructure as Code)の導入 ●海外展開を視野に入れたサービス基盤の構築 ・海外向けのサービスインフラの設計・運用に関与 ・グローバルな技術カンファレンスやイベントに参加する機会あり ・世界基準のインフラアーキテクチャを実現するための技術研究 ●技術リード & チームマネジメント ・技術的な意思決定、アーキテクチャ戦略の策定 ・若手エンジニアの育成、技術共有の推進 ・監視・障害対応の設計・自動化 ※将来的に配属部署を異動した場合、実施する業務全般を変更する可能性あり

プライムベンダーとしてエンドユーザーと直接関わり、先進技術やクラウドソリューション(Azure / AWS / GCP / OCI)の提供を軸に、お客さまの未来の IT を支えるサービスを提供します。 Azure や AWS、GCP、OCI といったクラウドソリューションを中心に、企画・コンサルティング、アセスメント、要件定義、設計、開発・構築・テスト、導入後の運用支援まで、トータルで携わっていただきます。 クラウド導入案件を幅広く扱っているため、これまでの経験やスキルに応じたポジションで活躍できます。 Azure 分野においては、2020年後半に高度な専門性を有するマイクロソフトパートナーとして、2部門にわたり "Advanced Specialization" を取得しました。(Server Migration / Azure Virtual Desktop) ※Azure Virtual Desktop は、アジアパシフィック地域で初の取得です。 【業務の特徴】 ・お客さま企業の業界は、金融、製造・流通、通信、メディアなど多岐にわたります。 ・マルチベンダーの強みを活かし、クラウド/オンプレミスなどの環境にとらわれず、ハイブリッド構成を含むトータル IT システムを見据えてお客さまを支援しています。 ・クラウド活用のニーズが一層高まっており、トレンドに合わせて最新技術に携わる機会が豊富にあります。 ＜プロジェクト例＞ ◆Azure、AWS、GCP、OCI をはじめとするクラウド活用・移行プロジェクト ◆クラウドグランドデザイン策定支援、クラウド利用ガイドライン策定支援 など ◆クラウドベースの仮想デスクトップ基盤(Azure Virtual Desktop)導入プロジェクト ◆Azure 環境をよりセキュアかつ安全に利用するための Azure Security ソリューション提供 ◆各種ハードウェアメーカー、ソフトウェアメーカー製品を活用したソリューション案件 【入社後サポートの一例】 ◎アドバイザー制度(入社後、一人ひとりに同部署のアドバイザー社員がつき、社内設備や IT 環境、各種申請の説明、他部署との橋渡しなどのサポートを行います) ◎資格取得支援、社内研修、独自セミナーへの参加(研修やセミナーはオンライン開催、Microsoft Learn、Udemy Business などの E ラーニングも充実) ◎社内技術サポート(高度な技術的問い合わせ対応を社内で実施、IT 検証環境が整備されており、社員は自由に利用可能) ◎社員食堂(終日カフェとして利用可能なほか、ランチタイム・ディナータイムにはリーズナブルな価格で食事を提供し、社員同士のコミュニケーション活性化にも寄与) ◎目標設定制度と人事評価制度の連動による評価の可視化 これらにより、長期的な成長を実現できるよう、さまざまな制度でサポートします。

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。

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。

【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) 官公ソリューション第三本部 官公システム第一部または、官公システム第六部 【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。 その中で当部では官公庁の税務行政、文教分野をITサービスの面から支援しております。国を支える大規模基幹系システム開発案件や大規模インフラ構築案件の活動を行っており、提案、構築、運用のITサービスの全領域を提供する組織です。 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。 【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】 AWS等のクラウド環境やオンプレミス環境のプラットフォームについてのシステム提案、設計・構築・導入の実施、運用・保守などの業務に従事していただきます。 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) 【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。 同一部内にフロントSE、アプリケーション開発、インフラ構築のチームがあり、チーム間での配置ローテーションも可能です。 同一の官公庁を担当している部署であることから、横の繋がりが強く、困った時はお互い助け合いながら仕事を進めています。 ●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おり、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。 週1回以上は、プロジェクト全員出社日を設けて、直接のコミュニケーションを図っております。 出社先は顧客先や分散拠点のPJルームでの勤務が中心とです。 お客様先での打合せ等もあり、首都圏を中心とした出張があります。 ※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。

【職務概要】 研究開発全般を担い、サービスコンピューティングに関わる先端技術(クラウド、OSS、IT開発・運用管理)を用いた、製品・サービスにおけるイノベーションと破壊的技術の創生のために、業務の取り纏め者として、社内の関係者との関係を構築し、社内外の学習機会を活用するとともに、自身の経験や先行研究から積極的に学習する。 自身の研究の完遂を通じて、最善の方法を生み出す。 これらの研究開発を通じて社会インフラのDX・GXを加速するサービスPF・ソリューションに貢献する。 【職務詳細】 ・サービスコンピューティングに関わる技術、業界動向、市場動向の調査 ・研究戦略・ロードマップの作成および研究提案 ・顧客課題を解決するための最良のアプローチや技術を選択・開発することにより、顧客ニーズに合った製品とサービスを定義、また、当該製品やサービスの価値を検証するためのプロトタイプ及びデモの開発 ・技術的専門性の観点から事業部門への情報提供ならびに提言 ・研究進捗管理、成果管理、論文執筆、社内研究報告の執筆、知財創生 働く環境 ①2～5名規模の単位でチームを作り、個々人がその技術の専門家として自主性を重視して開発内容を分担するとともに、他部門の研究者や事業部門のリーダおよびチームと連携して業務を進めます。 ②在宅勤務を主として、ブレインストーミングなどのディスカッションなど、必要に応じて出社して推進いただきます。(週1回程度、個人差あり。) ※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 研究や技術に突出した高位専門職と、研究チームを牽引するマネージャ(プレイングマネージャ含む) 配属組織名 Digital Innovation R&D　デジタルインフライノベーションセンタ　サービスコンピューティング研究部 配属組織について サービスコンピューティングは、さまざまなITサービスを用いて、ビジネスとしてのサービスを実現するための技術や方法論を検討する研究分野です。 これを支えるアーキテクチャ、プラットフォーム技術、開発・運用技術、OSSを研究開発しています。 これらの研究開発を通じて、デジタルトランスフォーメーションを加速させ、社会イノベーションの実現に貢献します。 【携わる事業・ビジネス・サービス・製品など】 ●研究概要 https://www.hitachi.co.jp/rd/careers/lab/digtec/02.html ●研究紹介動画 https://www.youtube.com/watch?v=52w95xmNT_Y Trust Data Sharing and Utilization Infrastructure for Sensitive Data Using Hyperledger Projects https://ossalsjp21.sched.com/event/rCg7 機械学習を用いたIT機器の性能異常検知におけるAmazon SageMakerの活用事例 https://pages.awscloud.com/JAPAN-event-OE-20211125-AIML-reg-event.html A Fault Diagnosis Method for Fuel Injectors Using Machine Sound Tien-Trien Le, Takahiro Sagara, Shogo Kunioka, Satoshi Inose, 2020 International Conference on Sensing, Diagnostics, Prognostics, and Control (SDPC) https://ieeexplore.ieee.org/abstract/document/9353183 OpsSC: Decentralized Blockchain Network Operation Workflow for Hyperledger Fabric https://ieeexplore.ieee.org/document/9680558 ●関連事業 稼働音・測定データから建設機械の状態を診断するスマホ診断アプリ「ConSite® Health Check」を提供開始 https://www.hitachicm.com/global/jp/news-list_jp/20-03-23j/ 日立と〈みずほ〉が、ブロックチェーン技術を活用した金流・商流・物流の一体管理とサプライチェーンファイナンスの高度化に関わる実証実験を開始 https://www.hitachi.co.jp/New/cnews/month/2020/12/1228.html 「IT運用最適化サービス」において、AI活用によりシステム稼働レポート作成業務のさらなる自動化を実現 https://www.hitachi.co.jp/Prod/comp/soft1/jp1/notice/2020/1002.html マルチクラウド環境で、人のスキルに依存しないシステム監視と一元的な業務運用管理を容易にする「JP1」の最新版を販売開始 高信頼な運用基盤をSaaS型で利用可能な「JP1 Cloud Service」も新たに提供 https://www.hitachi.co.jp/New/cnews/month/2021/01/0121.html

【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

大規模リアルタイム意思決定システムのソフトウェア開発業務のプロジェクトマネジメント 【具体的には】 1.システム設計支援、ソフトウェア要求分析、設計、製作、艦上での実用試験までの一連の開発 2.次世代システム向け開発及び既存システムの能力向上のための最新技術の調査・適用検討 3.上記ソフトウェア開発業務の取りまとめ業務、チームマネジメント 【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 【OS】Linux、Windows 【言語】C/C++、C#、VBA 【開発ツール】 GitLab、Jenkins、Docker/Podman/Kubernetesなど各種OSSツール

楽楽シリーズ(楽楽勤怠、楽楽精算、楽楽明細、楽楽電子保存)の何れかの製品、もしくは新規プロダクトにおける機能追加、パフォーマンス向上、技術的改善や刷新などのWebアプリケーション開発に携わって頂きます。 【例】 1.機能開発 要件定義-設計-開発-テスト-リリース業務まで 2.開発成果物の作成およびレビュー 仕様書、設計書のドキュメント作成およびレビュー コードレビュー 3メンバーのフォロー チームメンバーのフォロー(技術面および行動面) など また、経験豊富な方の場合、ラクスではマネジメント系とスペシャリスト系で業務を分担しています。 マネジメント系:プロジェクトマネジメント業務(進捗管理、リソース管理、メンバー育成、改善活動等) スペシャリスト系:技術リードや技術育成、技術発信など ●開発環境 (下記、何れかでの組み合わせ) ●利用言語: ・Java/PHP　(※他言語を利用いただく可能性もございます) ・TypeScript (※フロントエンド) ●MW / DB / インフラ: ・Docker ・Kubernetes、Argo CD ・AWS(Lambda、DynamoDB、S3、SQS、SES) ・Linux ●フレームワーク・ライブラリ: ・Spring Boot/Flow ・React/Vue.js(※フロントエンド) ●開発ツール: ・IntelliJ IDEA ・VSCode(主にフロントエンド) ●AIツール: ・汎用AIツール:ChatGPT、Gemini ・AIコーディング支援:GitHub Copilot、Claude Code、Codex、Devin　など ●コードレビュー: ・Pull Request ベースでのコードレビュー ●バージョン管理: ・Git(GitHub) ●課題・プロジェクト管理: ・GitHub Issues / GitHub Projects ●CI / テスト: ・GitHub Actions ・Gradle ・JUnit ・Cypress ●その他: ・Grafana ・OpenAPI ・Flyway ●開発環境備品: ・PC:ノートPC(Windows または Mac を選択可能) ・ディスプレイ:ワイドディスプレイ2台支給　または 43インチモニタ ●開発体制 各サービスごとに1チーム5-10名程度でのチーム開発となり、殆どが正社員の内製開発 基本構成:管理職/マネジメント系リーダー/技術スペシャリスト系リーダー/開発メンバー 役割の例プロジェクトマネージャー ・プロダクトマネージャー ・テックリード(技術スペシャリスト) ・サーバーサイドエンジニア ・フロントエンドエンジニア 他に他部署となるデザイナー、インフラエンジニア、プロダクトマーケティングマネージャー、カスタマーサポート等と連携します。 当社では、マネジメント系とスペシャリスト系で業務を分担しています。 ・マネジメント系:PM/PdM業務(進捗管理、リソース管理、メンバー育成、改善活動等) ・スペシャリスト系:開発技術リードや技術育成、技術発信など ●事業内容 ラクスは、クラウドやITの技術で仕事の効率を上げ、人や時間が不足している社会課題の一助になることを目指しています。 特に代表サービスのひとつである楽楽シリーズはバックオフィス(経理、財務、人事、営業事務等)業務を支援する複数のサービス展開を得意としています。 ●特徴 複数のクラウドサービスを提供しており各製品をそれぞれ強化することにより幅広く使われる製品開発を進めています。 製品の一例ですが、中堅企業向けバックオフィス業務改善に注力し、特定顧客のカスタマイズは行わず、広く使われる製品づくりを目指しています。 多くのお客様の痛みを解決できる領域に力を注いで拡げていき、製品単位においてはそれぞれひとつでも十分に業務に役立つような機能や使い勝手の強みを持たせていきます。 ラクスの役員はエンジニア経験者が多く、製品開発を重要な経営の中心の一つと捉えています。 ●サービス例 https://www.rakurakukintai.jp/ 出退勤や残業、休暇取得などの勤怠情報を一元管理し、給与計算に必要なデータを1クリックで出力します。 インターネットに接続可能なパソコンやスマートフォンがあれば外出時や在宅ワーク時にも利用可能です。 企業ごと独自のルールや複雑な設定にも対応できる豊富な機能により、現状運用にあわせた課題解決や業務効率化を実現します。 クラウドサービス累計導入社数 83,000社以上(※2024年3月末現在)への導入実績で培ったノウハウをもとに、最適な運用方法や、業務フローをご提案します。 オンライン会議ツールや電話、メールでサポートを受けることができて安心です。 https://www.rakurakuseisan.jp/ 19,000社に導入頂いている国内累計導入社数No.1クラウド型経費精算システムです。 会社規模や業種を問わず、幅広い企業の経費精算を効率化します。 https://www.rakurakumeisai.jp/ 電子請求書発行システム『楽楽明細』は、請求書、納品書、支払明細などの帳票をWEB上で発行するクラウド型のシステムで、経理業務の効率化をすすめる企業様に多くご利用いただいており、売上シェアNo.1の製品となります。 電子帳簿保存システム「楽楽電子保存」は、売上・導入社数シェアNo.1の電子請求書発行システム「楽楽明細」で受け取った電子請求書などの帳票を一元管理できる無料サービスです。 電子帳簿保存法の要件(検索や、訂正削除に関する要件など)にも対応しています。 有料版では「楽楽明細」以外のシステムやメール添付やWEBなど電子で受け取った請求書などの帳票を、電子保存・一元管理できるサービスです。 ●開発組織 各サービス部門は事業部制を採用していますが、開発本部はエンジニアが所属する技術専門組織としてサービスを横断して存在しています。 エンジニアたちが大切にする価値観やエンジニアたち自身が作るカルチャーを重視した組織を作った方が、エンジニアがビジネスに貢献できると信じ、事業部には属さない技術専門組織として、エンジニアが生き生きと活躍できて働きやすい、楽しい環境を作ることを目指しています。 Mission:顧客をカスタマーサクセスに導く 圧倒的に使いやすいクラウドサービスを創る Vision:日本を代表するクラウドサービス開発エンジニア集団となる ・日本中のエンジニアにクラウドサービス開発の第一人者として認められている ・自分達がNo.1技術者集団であるという自信と誇りを持って働いている ●私たちの課題 ビジネスサイド(営業/企画/CS等)と共に市場のニーズ/シーズを満たすものは「何か」から考えていくこと 製品同様に人も成長している最中なので仕事も人も大事にしながらチームを作っていくこと まだ世の中にない新しい機能や有効となりえる新しい技術を取り込んで共存させていくこと リリースした後も顧客からのフィードバックを得てより良い開発や運用を進めていくこと ※従事すべき業務の変更の範囲 本人の能力・適性および事業運営上の必要性に応じ、会社の定める業務に変更する場合があります。

・クラウド/オンプレ両環境におけるインフラ構築(要件定義、技術検証、基本設計、詳細設計、構築/設定、各種試験、リリース、運用) ・各クラウドサービスのインフラ管理、運用保守 ・社内の開発や検証環境の整備と安定提供 ・kubernetesやECSなどのコンテナオーケストレーションツールの運用 ・ansibleやterraformなどのIaCを用いたソリューション構築 ・アプリケーションおよびSREチームとの共同検証 ・構成管理とオペレーションの自動化 ・アーキテクチャ設計・実装・運用 ・サービスのパフォーマンス改善の可視化、分析、提案、実践 ・その他、インフラ業務の効率化や改善 ●ご経験値やご興味に合わせ、小規模チームのマネジメントをお任せいたします。 ●技術環境 ・OS:Linux ・Web:Apache、tomcat ・DB:Mysql,PostgreSQL ・NW:Firewall(メーカは問わず)、ロードバランサ(メーカは問わず)、Cisco ・DevOps関連 ・クラウド:AWS ※オンプレ案件もあり ・OSS設計、実装、運用(Elastic Search, Kibana, fluentd, nginx, qmail, Ansible など) ・仮想化:VMWare ・コンテナ:kubernetes ・ストレージ:PureStorage、PureBlade、VMWare VSAN ●携わる課題 ・自社システムの運用改善、セキュリティ管理等の日々の改善促進 (日々刻々と変わるシステムの状態をデータ分析を元にプロアクティブ対応を実践して頂きます。) ・自社で採用する技術の検討 (IT業界で勝ち残るための新技術の調査、導入をして頂きます) ●配属組織 開発本部 インフラ開発部 └東京インフラ開発1～3課 ※各課、メンバー5～10名程(3課への配属を予定しています。) └大阪インフラ開発課 └SRE課 ※従事すべき業務の変更の範囲 本人の能力・適性および事業運営上の必要性に応じ、会社の定める業務に変更する場合があります。

・クラウド・オンプレ両環境におけるインフラ構築(要件定義、技術検証、基本設計、詳細設計、構築・設定、各種試験、リリース、運用) ・各クラウドサービスのインフラ管理、運用保守 ・社内の開発や検証環境の整備と安定提供 ・kubernetesやECSなどのコンテナオーケストレーションツールの運用 ・ansibleやterraformなどのIaCを用いたソリューション構築 ・アプリケーションおよびSREチームとの共同検証 ・構成管理とオペレーションの自動化 ・アーキテクチャ設計・実装・運用 ・サービスのパフォーマンス改善の可視化、分析、提案、実践 ・その他、インフラ業務の効率化や改善 ●技術環境 ・OS:Linux ・Web:Apache、tomcat ・DB:Mysql,PostgreSQL ・NW:Firewall(メーカは問わず)、ロードバランサ(メーカは問わず)、Cisco ・DevOps関連 ・クラウド:AWS ※オンプレ案件もあり ・OSS設計、実装、運用(Elastic Search, Kibana, fluentd, nginx, qmail, Ansible など) ・仮想化:VMWare ・コンテナ:kubernetes ・ストレージ:PureStorage、PureBlade、VMWare VSAN ●携わる課題 ・自社システムの運用改善、セキュリティ管理等の日々の改善促進 (日々刻々と変わるシステムの状態をデータ分析を元にプロアクティブ対応を実践して頂きます。) ・自社で採用する技術の検討 (IT業界で勝ち残るための新技術の調査、導入をして頂きます) ●配属組織 開発本部　インフラ開発部 └東京インフラ開発1〜3課 ※各課、メンバー5〜10名程(3課への配属を予定しています。) └大阪インフラ開発課 └SRE課 ※従事すべき業務の変更の範囲 本人の能力・適性および事業運営上の必要性に応じ、会社の定める業務に変更する場合があります。