生成AI開発ツール導入 KubernetesのITエンジニア求人・転職情報

●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】 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】 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

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。

当社の中核プロダクトである「freee人事労務」にて新設された関西チームの募集となります。 技術的挑戦に加え、まだ数名程度の組織の基盤構築やカルチャー形成そのものを当事者として楽しめる方を求めています。 多くの地方拠点で起こりがちな「本社からの切り出し業務」ではなく、近い将来には関西チーム単体で機能開発を上流からリードできる自立した組織を目指す方針です。 地方にいながら、仕事のスケール、裁量、年収水準、成長環境において、妥協のないキャリアを築ける環境がここにはあります。 あえて現在の課題を共有し、この複雑でエキサイティングな壁を共に乗り越える仲間を募集します。 業務内容詳細 「freee人事労務」におけるプロダクトの仕様選定、およびスケーラブルなアーキテクチャの設計・実装 Claude Codeをはじめとする最新のLLM・AIエージェントツールを開発プロセスへ自発的に組み込み、チームおよび個人の開発生産性を最大化する取り組みの推進 プロダクトマネージャー（PM）、デザイナー、QAエンジニアとフラットに議論を交わし、仕様のスコープ絞り込みやユーザー価値の定義を主導 データベースの最適化（負荷低減）、自動テストの高速化、CI/CDの改善など、大規模サービスにおける技術的負債の解消とパフォーマンス・チューニングの実行 業務内容の変更範囲：会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

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

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

ログラスが掲げる「良い景気を作ろう。」の実現に向けて、複数プロダクトを横断してお客様の継続的な価値提供を支える共通基盤を構築・推進していただきます。このポジションは、各プロダクト機能開発チームとは独立した立場で、横断領域を中心にプロダクト群全体のスケーラビリティと整合性を担保するアーキテクチャ設計と実装、運用をリードします。 ●想定される開発テーマ: ・マルチプロダクト化に対応した認証・認可・SSO・ユーザー管理などの認証認可基盤 ・複数テナント・プロダクトをスムーズに横断するためのグルーピングの機構や契約管理、フィーチャー制御といった機能制御基盤 ・外部サービスとセキュアに連携するための M2M認証・認可、リミット制御、IP アドレス制限などの連携基盤 ●業務内容の変更範囲 会社の定める業務 ●技術スタック/ツール アプリケーション: Go / TypeScript / Kotlin / Rust データベース: PostgreSQL / データレイクハウス技術 インフラ: AWS / K8s / argo / Datadog AIツール: Claude Code / Codex / Gemini コミュニケーション: Slack / FigJam / Notion

事業計画(顧客数増加・グローバル展開等)に連動したインフラアーキテクチャの中長期ロードマップ策定と実行 非機能要件(稼働率、RTO/RPO、データ保全ポリシー)の定義、SLA/SLOの策定と運用 パフォーマンスボトルネックの分析・改善と自動化 クラウドインフラのコスト最適化と投資計画(FinOps) プロダクトチームが自律して開発・運用できる基盤の整備(監視基盤集約・共通基盤整備・基盤簡略化を含む) Google Cloud SCC等を活用したセキュリティ・コンプライアンス統制の設計と是正 インフラリソース・接続部を中心としたソフトウェア開発(必要に応じてFE/BEも担当) プロダクションを守る日常のSREプラクティス 期待役割 ●SREにおいて能動的にPdMやBackendとコミュニケーションをとり、決定すること ●チームを立ち上げること ●プロダクトロードマップからアーキテクチャ選定や開発環境をSRE目線で整備すること 概要 サプライチェーンリスク管理SaaS「Resilire(レジリア)」において、信頼性向上のためのSRE業務をお任せします。 様々なリスクに対応可能な持続可能性の高いサプライチェーンを構築するためのインフラ基盤開発業務をお任せします。 技術スタック FE 言語:TypeScript/JavaScript FW:React.js BE 言語:Go(API), Python(クローラ) DB:CloudSQL(PostgreSQL), BigQuery インフラ GCP, GKE, Terraform, Sentry, k8s ツール Github, Slack, notion, Figma, miro AIツール Claude Code, Cursor, Github Copilot, Jetbrains AI Assistant, Devin, n8n, Dify, ChatGPT, Gemini, NotebookLM, PLAUD.AI ※エンジニア・デザイナーの意見を積極的に採用し、ツール導入を行なっている 開発フロー プロダクトオーナー (CEO) を中心に関係者で開発要件を検討 スクラム開発をベースとしてデイリーと週末のレトロスペクティブで同期 週1のリリースサイクル、今後はデイリーリリース化を念頭に準備中 技術的チャレンジ 災害時にも安定的に動作し、万が一があっても早急に復旧できるようにインフラを構成・実装する グローバルに事業展開していくためのインフラ作り 組織のスケールに対して事業速度を鈍化させないための仕組み作り データで定量的にプロダクト成長・ユーザーサクセスを実現するための仕組み作り

●概要 サプライチェーンリスク管理SaaS「Resilire(レジリア)」において、ユーザーに価値を届ける開発業務をお任せします。 フロントエンド・バックエンド・インフラの区分にとらわれず、プロダクトの成功に必要な開発を幅広く推進していただきます。 特に本ポジションでは、開発の最前線で手を動かしながら、事業課題と顧客価値を深く理解し、不確実性の高い状況下でもチームを巻き込んでプロダクトを進化させてください。 何を作るべきか」の議論から入り込み、技術の可能性と制約を見極め、PRD策定からリリースまでを一気通貫で推進することを求めます。 新規・既存を問わず、適切な技術選定と設計判断を下し、事業が求めるものを素早く形にしてチームを牽引することを期待しています。 ●業務内容 当社サービスResilireのソフトウェア開発(フロントエンド・バックエンド・インフラの開発をスキルに応じて担当) 顧客フィードバックや利用ログを元にした機能改善・追加 PdMやデザイナーなどのステークホルダーとのOwnershipを持った協働 仕様が固まっていない段階からの探索的な開発と推進 【シニアエンジニアへの期待】 Resilireのエンジニアには、プロダクトの成功に対する高いコミットメントと貢献を期待しています。 すべての活動の前提として、下記のような姿勢で取り組むことにやり甲斐をを感じられる方を求めています プロダクトとドメインに深く入り込み、高い解像度と当事者意識を持って課題に向き合う ビジネスと開発などの垣根を超えた、幅広いステークホルダーとの越境コミュニケーション ソフトウェアエンジニアとしての技術力を活かした課題発見と解決 ●技術スタック FE 言語:TypeScript/JavaScript FW:React.js BE 言語:Go(API), Python(クローラ) DB:CloudSQL(PostgreSQL), BigQuery インフラ GCP, GKE, Terraform, Sentry, k8s ツール Github, Slack, notion, Figma, miro AIツール Claude Code, Cursor, Github Copilot, Jetbrains AI Assistant, Devin, n8n, Dify, ChatGPT, Gemini, NotebookLM, PLAUD.AI ※エンジニア・デザイナーの意見を積極的に採用し、ツール導入を行なっている ●開発フロー プロダクトオーナー (CEO) を中心に関係者で開発要件を検討 スクラム開発をベースとしてデイリーと週末のレトロスペクティブで同期 週1のリリースサイクル、今後はデイリーリリース化を念頭に準備中 ●技術的チャレンジ Multi vertical SaaSとして業界横断でPMFするための画面・機能実装 グローバルに事業展開していくためのプロダクト開発 データで定量的にプロダクト成長・ユーザーサクセスを実現するための仕組み作り APIや仕組みの整っていない各国の状況でいかにグローバルにリスク情報を取ってきてユーザーに価値を届けるか

●概要 サプライチェーンリスク管理SaaS「Resilire(レジリア)」において、ユーザーに価値を届ける開発業務をお任せします。 フロントエンド・バックエンド・インフラの区分にとらわれず、プロダクトの成功に必要な開発を幅広く推進していただきます。 特に本ポジションでは、開発の最前線で手を動かしながら、品質と生産性を両立し、継続的に高いアウトプットを生み出すエンジニアリング組織の強化を牽引していただきます。 品質を構造的に担保するためのテスト戦略やリリースプロセスの設計、AIエージェント活用を前提とした開発・運用プロセスの継続的改善を通じて、チーム全体の生産性と安定性の最大化への貢献を期待しています。 また、技術広報や採用活動を通じた外部発信もお任せします。 ●業務内容 当社サービスResilireのソフトウェア開発(フロントエンド・バックエンド・インフラの開発をスキルに応じて担当) PdMやデザイナーなどのステークホルダーとのOwnershipを持った協働 AIエージェント活用を前提とした開発体制設計および品質統制の仕組み化 チーム全体の生産性向上に向けた開発・運用プロセスの継続的改善 テスト戦略の策定やリリースプロセスの設計を通じた品質の構造的な作り込み 技術広報・採用活動を通じた対外発信 【シニアエンジニアへの期待】 Resilireのエンジニアには、プロダクトの成功に対する高いコミットメントと貢献を期待しています。 すべての活動の前提として、下記のような姿勢で取り組むことにやり甲斐をを感じられる方を求めています プロダクトとドメインに深く入り込み、高い解像度と当事者意識を持って課題に向き合う ビジネスと開発などの垣根を超えた、幅広いステークホルダーとの越境コミュニケーション ソフトウェアエンジニアとしての技術力を活かした課題発見と解決 ●技術スタック FE 言語:TypeScript/JavaScript FW:React.js BE 言語:Go(API), Python(クローラ) DB:CloudSQL(PostgreSQL), BigQuery インフラ GCP, GKE, Terraform, Sentry, k8s ツール Github, Slack, notion, Figma, miro AIツール Claude Code, Cursor, Github Copilot, Jetbrains AI Assistant, Devin, n8n, Dify, ChatGPT, Gemini, NotebookLM, PLAUD.AI ※エンジニア・デザイナーの意見を積極的に採用し、ツール導入を行なっている ●開発フロー プロダクトオーナー (CEO) を中心に関係者で開発要件を検討 スクラム開発をベースとしてデイリーと週末のレトロスペクティブで同期 週1のリリースサイクル、今後はデイリーリリース化を念頭に準備中 ●技術的チャレンジ Multi vertical SaaSとして業界横断でPMFするための画面・機能実装 グローバルに事業展開していくためのプロダクト開発 データで定量的にプロダクト成長・ユーザーサクセスを実現するための仕組み作り APIや仕組みの整っていない各国の状況でいかにグローバルにリスク情報を取ってきてユーザーに価値を届けるか

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。

「AI時代のシステム運用を、エンジニアリングで次のステージへ」 生成AIの登場により、開発スピードは飛躍的に向上しました。 しかし、システムが実際に動く「本番環境」の複雑さは増し続けています。 AIが生み出した成果を、いかに高い信頼性で動かし続け、ビジネスの成長へと変換するか。 クラウドエースは2025年4月、この課題に対する答えとして、次世代運用保守サービス「Business Reliability Engineering(BRE)」を始動しました。 本ポジションのミッションは、インフラからアプリケーションコードまでを横断的に捉え、AIを強力なパートナーとして活用しながら、システムの「信頼性」をビジネスの価値へと高め続けることにあります。 ●業務内容 顧客システムの「信頼性」を技術で担保し、ビジネスの成長を支援するポジションです。 インフラの構成変更から、アプリケーションのパフォーマンス改善、AIを活用した運用自動化まで、レイヤーを問わず「システムの最適解」を追求します。 ・アプリケーション&インフラのトラブルシューティング:ログやメトリクスから異常を検知し、インフラの不備かアプリケーションのバグかを特定、必要に応じてコード修正の提案や実装まで踏み込みます。 ・システムの最適化・リアーキテクチャ提案:コスト、パフォーマンス、セキュリティの観点から現状を分析し、Google Cloud の最新技術を用いた構成変更を提案・実施します。 ・AIエージェントによる運用自動化:自社開発のAIプラットフォームや、最新の生成AIツールを活用し、「人間が介在しない運用フロー」の構築に挑戦します。 ・信頼性指標(SLO)の維持:顧客システムが持つサービスレベルの維持を目指し、障害発生時の振り返りと再発防止に向けた構成変更やトイル(定型作業)の削減を提案し、共に実行します。 ・顧客とのテクニカル・コミュニケーション:SlackなどのツールやWeb会議での対面のコミュニケーションを通して、技術的課題をビジネスの視点(リスクやコスト等)を交えて説明し、立場の異なるステークホルダーとシステムの改善に向けた合意形成をリードします。 ・オンコールによる信頼性保守:24時間365日の安定稼働を実現するため、チーム内での持ち回り制(オンコール体制)を敷いています。 ・待機スタイル:常駐監視や張り付きではなく、アラート検知時の電話対応が可能な状態での待機です。 私的な時間の制限は最小限(即応できる状態の維持)で、夜間は就寝いただいて構いません。 ・サポート体制:現在は各時間 1 名体制ですが、複雑な障害時には上位レイヤーのエンジニアへエスカレーションできる体制を整えています。 ・待遇:通常の給与とは別に、オンコール担当日には規定の待機手当(日当)の支給があります。 ●開発関連情報 自社プラットフォーム開発環境 ・Cloud Platform:Google Cloud ・AI Assistants:Cursor, Devin, Gemini, ChatGPT 等(全社共通ツールに加え、部門での個別ツール導入も積極的に検証) ・Languages:Python, Go, TypeScript 等 ・IaC / DevOps:Terraform, Kubernetes (GKE), Cloud Build, GitHub Actions 等 ・Monitoring:Cloud Monitoring, Cloud Logging, Grafana, OTel 等 ● 顧客システム環境 Google Cloud (GKE, Cloud Run, Cloud SQL 等)を用いた、エンタープライズからスタートアップまで多種多様な構成のシステムが対象となります。 ●組織体制 本ポジションは、SREやDevSecOpsの専門性を持つ「DevSecOps事業部」に所属します。 現在は6名程度の少数チームで、BREという新サービスの土台を創り上げているフェーズです。 大規模組織のような分業制ではなく、個々の裁量が大きい「スタートアップ的な機動力」を持って、運用フェーズにおける高度な改善実績を積み上げています。 ●風土/カルチャー 「安定化」より「最適化」を志向する 現状維持にとどまらず、コスト削減や構成のモダン化など、より良い状態へシステムをアップデートし続けることを重視します。 単純作業を AI 等で自動化し、エンジニアはより高度な課題解決に集中できる環境を目指しています。 境界なきエンジニアリング: 「それは自分の領域外です」と言わず、問題の根本解決を優先する。 AIとの協働:AIを運用を効率化するための「強力なパートナー」と捉え、新しいツールや手法を積極的に試行する。 知見のオープン化:得た知見はブログや登壇で発信し、業界の「新しい運用の標準」を創る気概を持つ。 キャリアパス 本ポジションでは、実務を通じたスキルの拡張に合わせ、将来的に以下のようなスペシャリスト像を目指すことが可能です。 BRE プロフェッショナル:複数顧客の難易度の高い課題を解決し、信頼性エンジニアリングの第一人者としてチームを牽引する。 AIプラットフォーム・テックリード:運用を自動化・自律化させるAIエージェントのプロダクト開発をリードする。 信頼性コンサルタント:運用知見を武器に、新規案件の「設計段階」から信頼性を注入し、ビジネスを成功へ導く。 ●職務内容 【雇入れ直後】BREサービスエンジニア 【変更の範囲】会社の定める業務 ●配属部署 事業推進本部

<期待する役割> ご自身の専門性と組織課題が最も合致する領域からスタートしていただきます。その後は、経営・CTO・各開発責任者と連携し、その時々で解決すべき「最も解きごたえのある壁」に向き合っていただきます。 <想定される業務例> ●戦略的プロダクト開発・刷新への参画 ・成長痛に直面しているプロダクトに入り込み、ボトルネックの特定からアーキテクチャの再設計、難易度の高い実装までを牽引する。 ●全社横断的な「技術的突破口」の作成 ・特定のチームだけでは解決できない共通基盤(認証、データ連携、CI/CD等)の課題に対し、全社最適なソリューションを構築・展開する。 ●技術的意思決定のリードと品質の担保 ・複数チームが関わる複雑なシステムデザインのレビューや、セキュリティ・スケーラビリティ等の高い基準の策定と実行。 ●技術組織の成熟化への寄与 ・課題解決を通じて、次世代のリードエンジニアを育成し、組織全体の「壁を乗り越える力」を底上げする。 <開発環境> ●フロントエンド:TypeScript,React,Next.js ●バックエンド:Rust(axum),TypeScript,Node.js(Express,Fastify,NestJS) ●機械学習・アルゴリズム:Rust,Python,OpenCV,PyTorch,TorchServe,Elasticsearch,Vertex AI ●インフラ:Google Cloud,Google Kubernetes Engine,Anthos Service Mesh,Istio,Cloudflare,Argo Workflows ●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 ●認証: Auth0 ●開発ツール:GitHub Copilot,Figma,Storybook ●コミュニケーションツール:Slack,Discord,JIRA,Miro,Confluence

具体的にお任せしたい業務領域は以下です。 ・みんかい システム開発に関わる業務全般 ・みんかい システムの新規・既存案件のアーキテクチャ設計および実装 ・みんかい システムの安定稼働に必要な保守運用業務 ※業務の変更の範囲:会社の定める業務

当社は、確かな技術力を武器に長年にわたりお客様との信頼関係を築いてきました。現在もお客様の約7割が直接取引であり、安定した基盤のもと多様な案件に携わっています。 私たちが大切にしているのは「エンジニア成長第一主義」。社員一人ひとりの挑戦と自己研鑽を全力で後押ししています。 【業務内容　※一例です】 1.メイン業務 ・クラウド基盤の設計・構築: AWSやAzureを中心とした、高可用性・スケーラビリティを備えたシステム基盤の要件定義から実設計・構築。 ・バックエンドとの連携最適化:アプリケーション特性を理解した上でのDB最適化、コンテナ化(Docker/Kubernetes等)、サーバーレス構成の提案。 ・AI・最新ツールの活用: 生成AIや最新のツールを戦略的に使いこなし、インフラ構築・運用の自動化および品質向上を推進。 2.リーダー業務(マネジメント・提案・オーケストレーション) ・案件全体のオーケストレーション: インフラの知見を土台にAIエンジニアとしての視点を持ち、基盤構築・AI実装・バックエンド 開発など、プロジェクト全体の技術的な連携と最適化を指揮します。 ・プロジェクト推進・管理: 新規ソリューション開発における進捗・タスク・品質管理。 ・技術提案と計画立案: 顧客との折衝を通じ、ビジネス課題を技術で解決するためのソリューション提案とプロジェクト計画策定。 <プロジェクト例> ・画像認識AIによる調理品判定システムを構築 →キッチンでの調理完了からホール提供までの時間をリアルタイム可視化し、SCM(サプライチェーン・マネジメント)の最適化までをAIで伴走支援 ・生成AIを活用した自社製品問い合わせ業務の効率化(社内GPT) →LLM(大規模言語モデル)を実務フローに組み込み、社内のナレッジ共有や問い合わせ対応を劇的に効率化 ・医薬品卸クラウド型 販売管理システムを利活用して、ジェネリック医薬品の安定供給をDX化 →売上・仕入データに基づいた請求書発行や受注、発注といった業務まで自動化をし事務負担を軽減 など <技術スタック例> 言語:Python / Java / PHP / JavaScript /Typescript/ SQL 等 ・環境:AWS / Azure / Docker / Cursor、Gemini等AIツール ●配属部署 配属先は、先端の案件を牽引する「DXソリューション開発部」です。 20代から50代まで幅広い年齢層のエンジニアが在籍し、互いの専門性を尊重し合う風土があります。 その中で、30代のメンバーがプロジェクトリーダーとして現場を牽引するなど、年齢に関わらず実力次第で裁量を持てる環境です。 特定の技術スタックに固執せず、お客様の課題解決に最適な技術をフラットに評価・採用する、柔軟な技術選定の風土が根付いています。 習熟度に応じてテレワークも柔軟に活用可能。 自律したエンジニアとして成長を加速させながら、挑戦をサポートできる環境を整えています。

●ポジションについて 「ソフトウェアアーキテクチャ」としての基盤開発へ。 プラットフォームエンジニアと聞くと、インフラ運用やSRE寄りの業務を想像するかもしれません。当社の共通基盤エンジニアが担うのは、それとは別の仕事です。複数プロダクトそれぞれの異なる業務ドメインを横断し、そこに共通する構造を見出して変更に強いモデルへと抽象化し、その設計を実装・運用まで担う仕事です。この抽象化の土台になるのが、1つのプロダクトで業務ドメインと向き合い、データベース構造やドメインモデルを設計してきた経験です。 ログラスは今、単一プロダクトからマルチプロダクト戦略へと大きく舵を切る転換点にあり、認証・契約管理・外部連携といった共通機能をゼロから設計・構築している最中です。まだ誰も答えを出していない抽象化に、立ち上げの段階から関わることができます。 アプリ開発の知見を、複数プロダクトを支える基盤の設計に生かしてみませんか。 ●チームについて ・所属:技術基盤部 プロダクト基盤チーム 構成: └開発責任者(部長)兼 PdM(基盤領域PdM) └エンジニアリングマネージャー、エンジニア複数名 ●仕事内容 各プロダクト機能開発チームとは独立した立場で、横断領域を中心にプロダクト群全体のスケーラビリティと整合性を担保する設計・実装・運用をリードします。 ・認証認可基盤の構築 : マルチプロダクト化に対応した認証・認可(OIDC/OAuth2)、SSO、特権管理、ユーザー管理機能のマイクロサービス化 ・機能制御・契約管理基盤の構築 : 複数テナント・プロダクトをスムーズに横断するためのグルーピング機構、フィーチャーフラグ制御基盤の設計 ・外部連携基盤の構築 : 外部サービスとセキュアに連携するためのM2M認証・認可、リミット制御、IPアドレス制限などの共通API実装 ・内部開発者プラットフォーム(IDP)の整備: 開発者がセルフサービスでインフラや共通機能を活用できる仕組み(DevEx)の推進 ●技術スタック/ツール ・アプリケーション: Go / TypeScript / Kotlin / Rust ・データベース: PostgreSQL / データレイクハウス技術 ・インフラ: AWS / K8s / argo / Datadog ・AIツール: Claude Code / Codex / Gemini ・コミュニケーション: Slack / FigJam / Notion ●業務内容の変更範囲 会社の定める業務

タクシーアプリ『GO』の決済を支える基盤の設計・開発・運用をお任せします。 外部決済サービスとの連携や決済データの管理・処理、乗務員ポイント付与処理など、日々成長するサービスを支える新機能・新サービスの企画・設計・開発がメインの業務となります。 新機能の開発だけではなく、既存システムの課題発見から改善提案・実装まで、主体的に取り組んでいただくことを期待しています。 仕事概要 タクシーアプリ『GO』は、全国47都道府県に1,100社以上のネットワークを持ち、4,000万ダウンロードを突破したタクシーアプリです。 今後は単なるタクシー配車にとどまらず、相乗りなどのより複雑なシステムを含めたモビリティプラットフォームを作り上げていきます。 GO Inc.は技術を強みとしていますが、技術そのものを目的とした会社ではありません。 技術は課題解決の手段であるため、プロダクトに向き合うことが重要です。 言われたものをそのまま作るのではなく、ユーザーの課題やニーズを理解した上で、より良い体験を追求するための議論をしながら開発を進めていただける方をお待ちしています。 解決したい課題 決済系システムの信頼性・可用性の向上 外部サービスの障害に強いシステムづくり 既存システムの設計・アーキテクチャ改善、技術負債の解消 運用負荷の軽減 決済の不正利用対策 開発環境 バックエンド (マイクロサービス) 言語: Go サービス間通信: gRPC, GraphQL データストア: PostgreSQL, MySQL, Redis, BigQuery インフラ: AWS (EKS, S3, SNS, SQS), Kubernetes, Docker ワークフローエンジン: Apache Airflow モニタリング: Grafana, Sentry AI: Claude Code, GitHub Copilot, Gemini etc. IDE: GoLand, Visual Studio Code CI / CD: GitHub Actions VCS: GitHub その他 (関わる可能性があるもの) インフラ: Google Cloud 所属組織 決済基盤チーム 7名前後 業務内容の変更範囲 会社が指定する業務全般

当社のミッションは「デジタルの力でチャレンジする人が報われる社会を作る」こと。 Web黎明期から25年の歴史を持つ700名規模のIT企業として、常に時代の変化を捉え、現在はAXによる事業変革支援を軸に事業を拡大しています。 ●具体的な業務内容 ITコンサルティング、UXデザイン、システム開発まで自社の多様な専門メンバーがチームを組み、お客様のパートナーとして深く伴走するスタイルです。 ・業界を問わず、Webアプリ、スマホアプリ、業務アプリの新規開発および大規模エンハンスプロジェクトにおける技術リード ・顧客の事業課題を深く理解し、要件定義・基本設計などの上流工程において、エンドツーエンドのシステムアーキテクチャの構想・設計を主導 ・バックエンド(Java、Kotlin、Go、Python等)とフロントエンド(React、Vue.js、Next.js等)またはインフラ(AWS、Azure、GCP、Docker/Kubernetes)を横断した最適な技術選定をエンジニア主導で行い、クライアントに提案・推進 ・大規模データ処理基盤やAI連携システム(例:法人向けAIナレッジマネジメントシステム)の設計・開発におけるフルスタックな実装、技術指導および品質保証 ・開発チームの技術指導、フロント/バック/インフラ各層のコード・設計レビュー、開発生産性向上に向けたCI/CD環境構築・プロセス改善 ●【主な開発環境】 言語:Java、Kotlin、Go、PHP、TypeScript、JavaScript、Python フレームワーク:Spring、Gin、Laravel、Next.js、Nuxt.js、React.js、Vue.js DB:MySQL、PostgreSQL、Oracle インフラ・クラウド:AWS、Azure、GCP、Linux その他:Docker(Kubernetes)、GitHub Enterprise、Atlassian Confluence、Jira、backlog、CI/CDツール 開発手法:ウォーターフォール、アジャイル、プロトタイプ開発 ツール:Gemini、Claude Code、Cursor、Copilot 等 ●【ポジションのミッション】 大手ナショナルクライアントの事業成長を加速させるため、領域を限定せず(「バックエンド×フロントエンド」または「バックエンド×インフラ・DevOps」)、高度なシステムアーキテクチャの設計・開発を主導し、技術的な専門性とリーダーシップをもってプロジェクトを成功に導くことをミッションとします。 特に、AI活用を含めた事業変革を全方位的な技術面から推進し、顧客のビジネス価値最大化に貢献いただきます。

●主な業務内容 映像プラットフォーム・プロダクトのTechPdM 業務 ・Webプロダクト群の新規機能開発における技術仕様面でのリードおよびバックエンド開発 ・ビジネスサイドやPdMと連携ならびに、顧客からの声・フィードバックを踏まえたプロダクト価値向上の推進 ・プロダクトアウト(技術的な視点)でのロードマップ策定と遂行 例:技術負債の返済計画の組み込みなど ・100万台を目指す規模感でクラウド録画サービスを安定して提供できるアーキテクチャの設計・開発 ●開発環境 ・使っている技術・ツール 開発言語:Python、Go、Java インフラ:AWS、Kubernetes データベース:MySQL、Redis、PostgreSQL、Elasticsearch、DynamoDB 構成管理ツール:Terraform、Ansible、Packer 監視:Prometheus、Grafana、PagerDuty、StatusCake、Sentry、Datadog CI/CD:GitHub Actions その他:GitHub、Docker、Fluent Bit、Redash ●部署の今後の目標・現在の課題 クラウド録画サービスの品質向上:35万台を超えるデバイスへの対応と、更なるスケールに向けた高品質・ハイパフォーマンスなサービス基盤の開発・運用 オープンAPI等による他社参画のためのプラットフォーム開発 AI含む様々な解析系サービスが柔軟に構築できる仕組みをPaaSとして提供 開発プロセスの標準化や再現性・運用性を意識したアーキテクチャ選定など、組織としての「開発基盤」の整備 ●従事すべき業務の変更の範囲 <雇入れ直後>システムの設計・開発・デザイン、その他これらに付随する一切の業務 <変更の範囲> 会社の定める業務

●主な業務内容 ・ソリューション開発のTechPdM 業務 顧客・市場の課題を理解し、ビジネスゴールの明確化・検証項目の定義・クイックな仮説検証の実現 映像プラットフォーム(API/SDK等)を利用した新規ソリューションのPoC企画・設計・実行 API / SDK / 内部システムなど各種リソースを活用した機能開発 新規ソリューションのプロトタイプ開発および改善サイクルの実行 システム連携・アプリケーション開発に関わる設計・実装・ドキュメンテーション ●プロセス・基盤整備 業務 プロダクト化を見据えた共通化・再利用性の検討 他チームとの連携・調整を通じた価値提案の具体化 開発プロセスや技術基盤の整備・改善 次期TechPdMの育成・教育 ●使っている技術・ツール 開発言語、フレームワーク Python、Go、Java、C++、React、Angular、TypeScript インフラ AWS、Kubernetes データベース MySQL、Redis、PostgreSQL、Elasticsearch、DynamoDB 構成管理ツール Terraform、Ansible 監視 Prometheus、Grafana、PagerDuty、StatusCake、Sentry CI/CD GitHub Actions その他 GitHub、 Docker、Fluentd、Fluent Bit、Redash ●部署の今後の目標・現在の課題 ソリューション開発部では、個別の顧客課題を解決するだけでなく、そこから得られた知見を汎用化しプラットフォーム全体に還元できる「高付加価値ソリューションの型」を確立することを目指しています。映像データを中心にAIや外部APIを組み合わせる開発を、単発の取り組みに止めず、事業の柱へと成長させていくことが大きな目標です。 一方で、新設されたばかりの組織であるため乗り越えるべき課題も多く存在します。現在は各プロジェクトで技術検証から実装までを迅速に進めることを優先していますが、今後は開発プロセスの標準化や再現性・運用性を意識したアーキテクチャ選定など、組織としての「開発基盤」を整えていく必要があります。 そうした未完成なプロセスや設計上の課題に対して、仕組みそのものを形作っていくことに価値を感じていただける方をお待ちしています。 ●従事すべき業務の変更の範囲 <雇入れ直後>システムの設計・開発・デザイン、その他これらに付随する一切の業務 <変更の範囲> 会社の定める業務

SREチームは、“サイトの信頼性”と“開発組織の生産性”の両立をミッションに、主力プロダクト「モチベーションクラウド」を中心とした複数のサービス基盤を横断的に支えています。 ご入社後は、シニアSREとして、プロダクトの信頼性向上と、AIエージェントを活用した開発・運用を安全かつスケーラブルに進めるための環境整備を担っていただきます。 マネジメントではなく技術面でSREチームを支えるシニアICとして、担当領域では自ら課題を設定し、技術的な判断から実装・改善まで一貫して推進いただくことを期待しています。 入社後は、下記のような領域を中心にご活躍いただきたいと考えています。 ●業務内容 プロダクトの信頼性向上 AWS・Terraformを中心としたインフラの設計・構築・運用 モニタリングやインシデント対応を通じた継続的な信頼性改善 AI駆動開発を支える環境整備 AIエージェントを安全に活用するための実行環境の設計・改善 権限設計やガードレールの整備・標準化 開発・運用プロセスの自動化 AIを活用したSRE業務・開発プロセスの自動化・効率化 SRE領域の技術課題の解決 信頼性・セキュリティ・コスト・パフォーマンス等の課題設定から、技術選定・設計・実装・改善までを推進 チームへの技術支援 設計・コードレビューや技術的な知見の共有を通じた、SREチーム・開発チームへの支援 ### 入社後に期待すること まずは担当するセキュリティ・信頼性領域の課題を自ら設定し、改善まで一貫して推進いただきます。 半年程度を目安に、AIエージェントの権限・ガードレール等の仕組みを整備し、人の承認や作業を必要とせず安全に自律実行できる領域を広げていただくことを期待しています。

Tech Lead としての仕事 ●音声処理基盤の技術戦略とアーキテクチャ設計 ・ストリーミング音声の取り込みから、認識・話者分離・要約までの処理パイプライン全体を設計します。精度・レイテンシ・推論コストのどれを、どこまで、どうやって取りに行くか — その判断の責任を持ちます。技術選定、技術的負債の返済計画、スケーラビリティとコストの設計もここに含まれます。 ●プロダクト機能の設計・実装リード ・会議横断分析、LLMを用いた要約・論点抽出、Zoom / Teams / Meet からの音声取り込み、Salesforce / Slack など業務ツールへの連携。PdM と要件を詰めながら、自ら手を動かして設計・実装をリードします。ISMS / Pマーク準拠、データ暗号化、日本リージョン処理といったエンタープライズ要件も設計に織り込みます。 例: 大規模会議での話者分離精度が伸び悩んでいた。音声波形ベースの分離モデルと後段のLLM補正を組み合わせる構成に切り替え、GPU推論をバッチング化。精度と推論コストを同時に改善する。 ●チームの技術リード ・設計レビュー・コードレビューを通じた品質の底上げ、メンバーのメンタリング、開発プロセスの整備。技術面接への参加を通じて、チームを一緒に作る側に回っていただきます。 ●チーム体制 約60名がエンジニア組織に在籍しています。 全社256名、エンジニアの外国籍比率は44%です。 Speech チームは5名。PdM、AI Platform チーム (GPU / Kubernetes 基盤)、Product Engineerと連携して進めます。 【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 【学習と開発の支援】 ●AIツール利用サポート ・JAPAN AI SaaS サービス, Cursor, ChatGPT, ClaudeなどAIツール全般を会社負担で利用可能 ●開発ツール支援 ・利用したい開発ツールが有償である場合、その費用を負担 (年3万円まで) ●書籍購入補助 ・技術書など学習のために利用する書籍を会社費用で購入可能 (半期3万円まで) ●語学学習 / 資格取得支援 ・日本語や英語の学習プログラムや資格の取得を会社費用で利用可能 ●リフレッシュ手当 ・ご自身のリフレッシュのために使用するサービスの費用を負担 (月5000円まで) ・e.g. ジム, ヨガ, 整体、水族館、映画, テーマパークのチケットなど各種適用可能 ●家賃手当 ・該当エリアにお住いの方に家賃手当を支給 (月3万円まで) 【働き方】 ハイブリッド勤務 : 週3出社、週2リモート ●従事すべき業務の変更の範囲 会社の定める業務

●配属予定チーム・体制 ・入社後はまず客先常駐からのスタートを想定 入社当初の配属先はお客様先のプロジェクトです。 そのため、CI/CD基盤や技術スタックの選定、開発プロセスの改廃について、最終的な決裁権がお客様側にある場合があります。 並行して自社内での受託・ラボ型案件の新規開拓を進めており、体制が整い次第そちらへの展開も想定していますが、着任時点で配属をお約束できるものではありません。 ・自動化の社内標準を整備 共通ライブラリ、テスト設計ガイドライン、フレームワーク選定基準といった組織としての資産を整備します。 参照できる前例が少ない中で、自ら判断して形にしていく必要があります。 ・生成AI活用の社内標準化を推進 生成AIのテスト業務への活用は、配属プロジェクト単位では実績があり、お客様からのご相談も増えています。 一方で社内標準としての整備はこれからです。 適用範囲の見極め、実用性の評価、適用基準の策定までを担っていただきます。 ・制約のある環境での実現力を重視 常駐先ごとに使用技術も開発プロセスも異なります。 理想形をそのまま持ち込むのではなく、その現場で実行可能な打ち手に翻訳できることを、本ポジションの中核的な能力と位置づけています。 ●業務内容 ●配属プロジェクトでのテスト自動化の実装・改善 ・仕様・要件からのテストケース導出と、コードベースでのテスト実装 ・CI/CDパイプライン(GitHub Actions等)と連携した自動テストの組み込み・運用改善 ・Flaky Testの原因分析と、待機処理・テスト設計の見直しによる安定化 ・既存のテスト運用プロセスに対する課題抽出と改善提案 ●自動化ノウハウの標準化・組織資産化 ・プロジェクトを跨いで再利用できる共通ライブラリ・テンプレートの設計と整備 ・フレームワーク選定基準、テスト設計ガイドラインの策定 ・個人に蓄積されている実装ノウハウの言語化・ドキュメント化 ・SQA部門メンバーへの技術共有・コードレビュー ●生成AIを活用した自動化の推進・標準化 ・生成AIによるテストケース生成・テストコード生成の実装と、実用性の評価 ・既存のテスト仕様書・手順書から自動化対象を抽出し、テストコードへ変換する仕組みづくり ・画面変更への追従やFlaky Test対応など、テストコード保守工程へのAI活用 ・AIエージェントによるテスト実行(Agentic Testing)関連ツールの調査・適用可否の判断 ・活用ノウハウの適用基準への落とし込みと、2の社内標準への組み込み ※配属プロジェクトでの活用実績はありますが、社内標準としての整備はこれから着手する段階です。 ●技術環境 ※すべての経験は必要ありません。 プロジェクトにより使用技術・活用範囲は異なります。 テストフレームワーク :Playwright, Selenium, Appium 等(プロジェクトにより採用状況は異なり、全社標準は未確定です) 開発言語 :Python, Java, JavaScript, TypeScript 等 インフラ・CI/CD :GitHub Actions, Docker, Kubernetes 等 生成AI・LLM活用 :LLM API、生成AIコーディング支援ツール、RAG、Agentic Testing関連ツール 等 (テストケース生成、テストコード生成・保守、ログ解析等に活用。 プロジェクトにより適用範囲は異なります) ●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

・サービス基盤の管理・運用・保守 自社サービス基盤の安定稼働に向けたモニタリング、障害対応、運用改善 ・インフラ基盤の構成管理 ・リプレイス/ライフサイクル管理 数年ごとに行われるサーバやネットワーク機器のリプレイス・構築・再設計 クラウド(AWS等)とオンプレミスを組み合わせたハイブリッド環境の最適化 ・技術活用による業務効率化・改善 Claude Codeなどの生成AIツールを活用した設計書レビュー、パフォーマンス計算、自動化・運用改善の実践 ・サービスのパフォーマンス改善・可視化 システムのボトルネック分析、パフォーマンス改善の提案および実践 ●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 クラウド:AWS ※オンプレミスとのハイブリッド構成 DevOps/IaC:Ansible、Terraform、Github OSS設計:Elastic Search、Kibana、fluentd、nginx、qmail、postfix 仮想化:VMWare コンテナ:Kubernetes ストレージ:Everpure、VMWare VSAN 生成AI:Claude Code/Github Copilot/Devin/ChatGPT/Gemini 等 ※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。

AIを活用した国内DXを牽引する当社において、データエンジニアリング・MLエンジニアリング領域を中心に組織貢献いただけるソフトウェアエンジニアを募集します ▼担っていただきたい役割 ・各種プロジェクトで求められるデータパイプライン・データ基盤の設計・開発・運用開発 ・隣接するソフトウェア領域に関する開発・コミュニケーション・事業推進 ▼主な開発環境 言語:TypeScript, JavaScript, SQL, Python等 採用フレームワーク: GraphQL, Node.js, Prisma等 データベース:MySQL, PostgreSQL, BigQuery等 クラウド環境:Google Cloud, AWS, Azure, Snowflake等 ソフトウェア管理ツール:GitHub, Jira, Slack, Confluence ▼キャリアアップの上での特長 ・資格取得や書籍購入、、オライリーオンライン読み放題といった自己成長投資をサポートする制度があります ・ChatGPTやClaude Codeを始めとした先進的なAIツールを含んだソフトウェアツールに対する補助があります ・戦略コンサルティングやデータサイエンスの領域でもスキルを身に着けることができます ・フレックスタイム、育休制度等、柔軟な働き方を支援しています ▼主な業務内容 当社では多様なビジネス領域に向けてDX推進、AI実装等を代表とする様々なB2B系プロジェクトを推進しており、一つの枠に縛られない様々なソフトウェア開発をご経験いただくことができます。 物流領域、ヘルスケア、エネルギー、製造といった領域で事業を強化しており、事業状況に応じて様々なソフトウェア開発を行っています。下記のような段階のソフトウェア開発プロジェクトがあります。 ・プロトタイプ・試行錯誤の色彩が強い段階 ・顧客の業務で使用される本番運用段階 ・単一顧客向けから同一領域で広く使われるVertical SaaS的な運用開発の段階 当社の特長であるビジネスやデータサイエンスの文脈も交えた多様なチャレンジを通じて経験を積んでいただくことが出来るものと思います。

●「Cloud & AI CoE」において、AI駆動型インフラへの変革とDevSecOpsの推進をリードするポジションです。 主として以下の領域を担当していただきます。 ・生成AI等を用いたインフラ開発・運用プロセスの効率化(AI駆動型インフラの推進) ・CI/CDをベースとしたインフラ自動化プラットフォームの標準化と展開 ・開発スピードと強固なセキュリティを両立するDevSecOps環境の確立 ●生成AI等を用いたインフラ開発・運用プロセスの効率化(AI駆動型インフラの推進) ・生成AI(LLM)を活用したインフラ設計書からIaCコードへの自動生成、および自動テスト環境の方式設計と実装。 ・AI支援ツールを用いたデバッグ・最適化プロセスの社内標準化。 ●CI/CDをベースとしたインフラ自動化プラットフォームの標準化と展開 ・Terraform / Ansible 等を用いたマルチクラウド(AWS/Azure/GCP等)環境のテンプレート化および展開。 ・コンテナ技術(Kubernetes, Docker)やVMイメージ管理の自動化を前提としたImmutable Infrastructureの設計・導入 ・GitHub Actions や GitLab CI などを活用した、テストからデプロイまでの自動パイプライン(CI/CD)の設計・共通化。 ●開発スピードと強固なセキュリティを両立するDevSecOps環境の確立 ・DevSecOpsおよびセキュリティ自動化の導入サポート ・開発初期段階からセキュリティを組み込む(Shift Left)ためのパイプライン統合。 ●次世代インフラ技術の標準化・導入ソリューションの推進 生成AIやAIOpsによるインフラ自律運用基盤、IaCとコンテナを用いた標準インフラ(Golden Path)、およびテスト駆動開発(TDD)と自動脆弱性診断を組み込んだDevSecOpsパイプライン等の新規ソリューション。 ●社内向け技術コンサルティング 全社に向けたAI駆動開発の導入・定着化、各事業部門のインフラモダナイゼーション(IaC標準化等)に関する技術支援、およびインフラ領域におけるTDDやDevSecOpsプロセスの社内啓蒙/コンサルティング活動。 ●組織のミッション 全社クラウドインフラストラクチャの技術戦略立案・推進、およびCoE組織の立ち上げ・運営を通じて、開発生産性とセキュリティの両立を実現する。 金融分野をはじめとする大規模かつミッションクリティカルなシステム開発において、AI、DevSecOps、パブリッククラウドなど高度な自動化技術(IaC等)や掛け合わせ、開発の効率化・品質向上、セキュア開発を牽引するCoE(Center of Excellence)組織。 ミッションとして、次世代のインフラ開発モデルを創出し、金融ビジネスユニットだけでなく、グループ会社を含めたデジタルシステム&サービスセクター全体へ広く展開・定着させること。 さらに、社内で確立した高度なセキュリティ技術・開発プロセスをお客様向けソリューションとして還元し、金融事業部における案件受注・収益拡大に直接的に貢献する。 ●担当業界 事業部CoEとして銀行、保険、証券など幅広く対応 ●組織構成 課長2名、主任7名、担当8名