英語活用 KubernetesのITエンジニア求人・転職情報

ソフトバンク株式会社

【ミッション】次世代社会インフラを支えるソブリンクラウドの技術企画、設計開発、構築を推進する。 【主な業務】ソブリンAI、ソブリンクラウドのプラットフォームの検討～導入を行います。 社外のお客さまに提供するべく、データ・運用・技術・法的主権の4主権を確保したソブリンクラウドプラットフォームと、それに付随するポータルやセキュリティ基盤を開発します。 ※ご経験/スキルや、ご入社タイミングに応じてアサインを決定いたします。 【具体的な業務】・TerraformやCloudFormationなどIaCツールを活用したインフラのプロビジョニング・自動化 ・AI案件向けアプリケーションのCI/CDパイプラインの構築(GitHub Actions, GitLab CIなど) ・Kubernetesなどのコンテナ技術を用いた基盤の設計・構築 ・顧客環境へのAI基盤構築支援、設計・構築

ウェルスナビ株式会社

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

ソフトバンク株式会社

【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

ウェルスナビ株式会社

●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

株式会社日立ハイテク

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

株式会社日立ハイテク

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

株式会社NTTデータ

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。

株式会社NTTデータ

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

JAPAN AI株式会社

ミッション "AI の出力品質を科学する — 評価手法の研究・開発で、エージェントの信頼性を証明する" LLM / AIエージェントの出力品質を、機械学習・統計学・計量心理学の手法で定量的に評価・改善します。本ポジションは「テストする人」ではなく、 「何をもって良いAIとするかを定義し、測定する科学者」 です。 期待する役割について AI Evaluation Scientist として、AI エージェントの品質評価基盤の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 — LLM-as-Judge の校正、報酬モデリング、ベンチマーク設計を通じて「何をもって品質とするか」を科学的に定義します ●自動評価パイプラインの設計・構築 — 研究成果を本番 CI/CD に組み込み、スケーラブルな品質ゲートを実現します ●レッドチーミング・安全性検証 — adversarial testing の自動化、ポリシー準拠検証フレームワークを構築します ●統計的実験計画に基づく品質改善 — A/B テスト・有意差検定でプロンプト戦略やモデル変更の効果を定量的に検証します ●評価シグナルの研究・開発チームへのフィードバック — モデル改善の複利ループを構築します 約 200 社が本番利用するプロダクトの品質を「科学する」アプローチで担保します 業務内容 AI Evaluation Scientistとして、 AIエージェントの評価基盤 (Evaluation Infrastructure) の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 ・LLM-as-Judge の校正手法の研究・実装 (rubric 設計、バイアス検出、proper scoring rules) ・評価ベンチマークの設計・構築・妥当性検証 (construct validity、contamination detection) ・報酬モデリング / preference learning の評価への応用研究 ・評価メトリクスの選定・設計 (win rate、task success、factuality、harm detection) ・評価セット (合成データ + 実ログ) の設計・構築・メンテナンス ●自動評価パイプラインの設計・構築 ・スケーラブルな自動評価パイプラインの設計・実装 ・CI/CD への評価パイプライン組込みと品質ゲートの構築 ・エージェント評価ハーネスの設計 (マルチターン・ツール利用・ロングコンテキスト対応) ・評価パイプラインの再現性・信頼性の担保 ●安全性・品質検証 ・自動レッドチーミング (automated adversarial testing) の研究・実装 ・安全性 / ポリシー準拠の検証フレームワーク構築 ・ハルシネーション検出・校正手法の研究・実装 ・プロンプト / ツール回帰テストの設計・実行 ●統計分析・実験設計 ・統計的実験計画 (A/B テスト、有意差検定) の設計・分析 ・品質トレンドの可視化・回帰検出の自動化 ・品質レポート作成と改善提案 ・評価シグナルの研究・開発チームへのフィードバック 業務シナリオ ※以下は想定される業務シナリオの例です ●シナリオ1: LLM-as-Judge の校正と妥当性検証 新しい評価メトリクスとして LLM-as-Judge を導入する際、judge モデルの校正 (calibration) を実施します。人間評価との一致率を統計的に検証し、rubric 設計を反復改善します。construct validity を確認した上で、自動評価パイプラインに組み込み、評価コストを 80% 削減しながら人間評価と同等の信頼性を実現します。 ●シナリオ2: 新モデル導入時の品質ゲート LLMプロバイダーが新モデルをリリースした際、既存のベンチマークスイートで回帰テストを実行し、factualityスコアが3%低下していることを検出します。原因を分析し、プロンプト調整で品質を維持したまま新モデルへの移行を完了します。 ●シナリオ3: 自動レッドチーミングによる安全性検証 金融機関向けにJAPAN AI AGENTを導入する際、自動レッドチーミングパイプラインを構築します。adversarial promptの自動生成・分類器による脆弱性検出を実装し、業界固有のリスクシナリオ(機密情報漏洩、不適切な金融アドバイス等)を網羅的にテストします。ポリシー準拠率99%以上を達成します。 ●従事すべき業務の変更の範囲 会社の定める業務 成果責任 (KR/メトリクス) ●評価カバレッジ率(テストケース網羅率) ●回帰検出率(リリース前の品質劣化検出率 ≥ 95%) ●評価パイプライン実行時間(CI/CD内で完了) ●LLM-as-Judge と人間評価の一致率 ●False Positive / Negative 率 ●安全性インシデント発生率(リリース後) チーム体制 約120名が開発組織に在籍しています。 AI Evaluation Scientistは品質保証の専門チームとして、以下のチームと密接に連携します: ●密接に連携する役割: ・Agentic Product Engineer — エージェント機能開発 ・Research Engineer — 研究開発・モデル改善 ・Agent Harness Engineer / Software Engineer (AI Platform) — AI 実行基盤開発 ・Product Manager — プロダクト設計・品質要件定義 開発環境 ●言語 : Python (評価パイプライン・分析), TypeScript / React / Next.js (フロントエンド部) / NX ●評価 / QA : pytest, LangSmith, Weights & Biases, custom eval frameworks ●データ : BigQuery, Spark, Pandas ●インフラ : GCP (コンテナ / K8s), Docker, Terraform ●CI/CD : GitHub Actions ●ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion ●AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin ●作業環境 : Mac (Apple Silicon), デュアルモニタ対応

JAPAN AI株式会社

プロダクト要件・アーキテクチャ設計 ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳 機能境界・ドメイン設計、データ契約、API 仕様の策定 RFC 駆動の設計レビュー・意思決定プロセスの運営 LLM / 生成 AI を活用したプロダクト設計 (RAG、tool-use、guardrails 等) 技術選定・トレードオフ判断 買う / 作る / 統合 (Build vs Buy vs Integrate) の技術選定 非機能要件 (可用性・拡張性・セキュリティ・コスト) の設計と品質属性トレードオフ判断 技術的負債の可視化と計画的解消のロードマップ策定 横断的協働・ロードマップ エンジニアリングチーム・PdM・デザイナーとの横断的協働 プロダクトロードマップの策定・推進 技術的負債の可視化と計画的解消のロードマップ策定 【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: 新プロダクトラインの立ち上げ エンタープライズ顧客から「AI エージェントによる社内ナレッジ検索」の強いニーズを発見。 市場調査・顧客インタビュー・技術検証を経て、プロダクト要件を定義。 RAG アーキテクチャの設計、データパイプラインの技術選定、MVP のスコープ定義までをリードし、3 ヶ月でベータリリースを実現。 ● シナリオ 2: Build vs Buy のアーキテクチャ判断 音声 AI 機能の拡張にあたり、自社開発 vs 外部 API 統合の判断が必要に。 コスト・品質・開発速度・カスタマイズ性の 4 軸で比較分析を行い、RFC を起票。 エンジニアリングチームとの設計レビューを経て、ハイブリッドアプローチ (コア機能は自社開発、周辺機能は外部 API) を決定。 ● シナリオ 3: 品質属性のトレードオフ判断 JAPAN AI AGENT のレイテンシ P95 が目標値を超過。 可用性・コスト・レイテンシのトレードオフを分析し、推論キャッシュの導入とモデルルーティングの最適化を提案。 エンジニアリングチームと協働して実装し、レイテンシを 30% 改善しつつコスト増を 5% 以内に抑制。 ●ミッション 何を作るかを決める プロダクトの「何を・なぜ・どう作るか」を技術とビジネスの両面から定義し、AI プロダクトの成功確率を最大化する。 ●期待する役割について Product Manager として、JAPAN AI のプロダクト群全体のアーキテクチャ設計と技術戦略をリードしていただきます。 ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳する 機能境界・ドメイン設計・API 仕様の策定をリードする Build vs Buy vs Integrate の技術選定を行い、最適な投資判断を導く 非機能要件 (可用性・拡張性・セキュリティ・コスト) のトレードオフ判断を行う エンジニアリングチーム・PdM・デザイナーとの横断的協働を通じて、プロダクトの方向性そのものを決定する 技術的負債の可視化と計画的解消のロードマップを策定する ●成果責任 (KR/メトリクス) プロダクトロードマップ達成率 アーキテクチャレビュー起因の手戻り率 新機能リリースサイクル短縮 プロダクト品質属性 ●チーム体制 約120名が開発組織に在籍しています。 Product Architectは以下のチーム・ステークホルダーと密接に連携します: Agentic Product Engineer — エージェント機能開発 Human-AI Collaboration Architect — エージェント体験設計 FDE — 顧客要件・フィードバック 経営層 — 事業戦略・投資判断 ●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, RAG, Agent Framework インフラ : GCP (コンテナ / K8s) , Docker, Terraform ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

●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

JAPAN AI株式会社

Agent Harness の設計・実装 エージェント実行エンジン (Graph Runtime / State Machine) の設計・実装 Agent SDK の設計・開発 — 社内エンジニアがエージェントを構築するためのインターフェース セッション管理・チェックポイント・リカバリ機構の実装 ガードレール / ポリシー実行エンジンの構築 — エージェントの行動を制御するルール実行基盤 AI/ML システム統合 モデルルーティング — 複数の LLM プロバイダ / モデルタイプを跨いだ推論リクエストの最適ルーティング コンテキスト管理・メモリ基盤の設計 (長期記憶、ワーキングメモリ、RAG 統合) 推論パイプラインの最適化 (レイテンシ削減、コスト効率化、キャッシュ戦略) Research Engineer と連携した最新研究成果の本番基盤への統合 オーケストレーション・パフォーマンス ワークフローオーケストレーション・キューイングシステムの開発 コスト/性能最適化 (オートスケーリング、キャッシュ、バッチ処理) 推論リクエストのルーティング・ロードバランシング 信頼性・運用 プラットフォーム稼働率 99.9% 以上の維持 インシデント対応・ポストモーテム データアクセス・権限管理基盤の設計 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1: エージェント実行エンジンの設計 JAPAN AI STUDIO 上で顧客が構築する AI エージェントの実行基盤を設計。 Graph Runtime を採用し、エージェントの各ステップを DAG (有向非巡回グラフ) として表現。 チェックポイント機構により、長時間タスクの途中失敗からの自動リカバリを実現。 ● シナリオ 2: モデルルーティングの最適化 複数の LLM プロバイダ (OpenAI / Anthropic / Google 等) を跨いで、タスクの種類・コスト・レイテンシに応じた最適なモデルを自動選択するルーティングエンジンを設計。 推論コストを 25% 削減しつつ、タスク成功率を維持。 ● シナリオ 3: ガードレール実行エンジンの構築 金融機関向けエージェントが「投資助言」に該当する回答を生成しないよう、ポリシー実行エンジンを構築。 ルールベース + LLM ベースのハイブリッド判定により、レイテンシを 50ms 以内に抑えつつポリシー準拠率 99.5% を達成。 ●ミッション 「企業の脳」の心臓部を設計する AI エージェントが安全・高速・確実に動作するための Agent Harness — 実行エンジン、オーケストレーション、ガードレール、メモリ、モデルルーティングを設計・実装する。 JAPAN AI STUDIO 上で動く数百のワークフローの制御基盤を、自社で構築する。 ●Agent Harnessとは Agent Harnessは、AIモデルを包み込む制御・実行基盤レイヤーです。 Agent Framework (LangChain等) がエージェントの「構築」を担うのに対し、Agent Harnessはエージェントの「制御・運用」を担います。 ●Backend Engineer 構築対象 : Web API・マイクロサービスの設計・実装 AI/ML との関わり : ML モデルを API 経由で呼び出す 状態管理 : ステートレスなリクエスト / レスポンス 安全性制御 : 認証・認可・入力バリデーション | ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 ●Agent Harness Engineer 構築対象 : LLM を中核としたエージェント実行エンジン・SDK・オーケストレーターの設計・実装 AI/ML との関わり : モデルルーティング、RAG 統合、コンテキスト注入、推論最適化をシステムレベルで設計 状態管理 : エージェントのセッション管理・チェックポイント・長期記憶・ワーキングメモリの設計 安全性制御 : ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 JAPAN AI では、この Agent Harness を自社開発し、全プロダクト (JAPAN AI STUDIO / CHAT / SPEECH / AGENT 等) の共通基盤として運用しています。 ●期待する役割について Agent Harness Engineer として、AI / ML の知識を活かしながらエージェントの制御・実行基盤を設計・実装していただきます。 LLM / AI エージェントの動作原理を深く理解した上で、実行エンジン (Graph Runtime / State Machine) を設計・実装する モデルルーティング、コンテキスト管理、メモリ基盤 (長期記憶・ワーキングメモリ) など、AI 特有のシステム設計を担う 社内 120名のエンジニアが使う Agent SDK を設計・開発する ガードレール / ポリシー実行エンジンを構築し、エージェントの行動を安全に制御する Research Engineer と連携し、最新の研究成果を本番基盤に統合する ●成果責任 (KR/メトリクス) Agent SDK 採用率 (社内チームの利用率・満足度) エージェント実行成功率 (タスク完了率、チェックポイントからのリカバリ成功率) Harness 起因の障害率 (ガードレール突破率、状態不整合率) 実行レイテンシ P95 / P99 (Harness 層のオーバーヘッド) 推論コスト効率 (モデルルーティングによるコスト最適化) 開発者体験スコア (SDK / API の社内 NPS) ●チーム体制 約120名が開発組織に在籍しています。 Agent Harness Engineerは以下のチームを横断して活動します: Infra — クラウドインフラ・SRE Data — データパイプライン・分析基盤 Agent Harness — エージェント実行フレームワーク 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (SDK のユーザー) Research Engineer — 研究開発・新手法の基盤統合 AI Quality Scientist — 評価パイプラインとの連携 Product Manager — プロダクト設計・非機能要件定義 ●開発環境 言語 : Python, Go (バックエンド・基盤開発) , TypeScript / React / Next.js (フロントエンド部) / NX インフラ : GCP (コンテナ / K8s) , Docker, Terraform メッセージング : Kafka / Pub/Sub 監視 : Prometheus, Grafana, OpenTelemetry ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

エージェント研究開発 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 新しい推論・計画・検索手法の研究開発 マルチモーダル・長文コンテキスト対応の技術開発 最新論文の調査・再現・改良実装 評価・ベンチマーク 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 合成データ生成・評価ベンチマーク設計 モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体) プロダクション課題の解決 推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等) モデル学習用データミックスの作成・最適化 エージェント評価フレームワークの高度化 本番環境での品質改善・パフォーマンスチューニング 技術移転・発信 Agentic Product Engineer チームへの技術移転・メンタリング 学術機関・OSS コミュニティとの連携 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1 : SaaS 横断検索のためのナレッジグラフ RAG の研究開発 JAPAN AI STUDIO が「企業の脳」として機能するには、顧客の全 SaaS に散在する情報を横断的に検索・統合する必要がある。 既存の RAG では「Aプロダクト の従業員データ」と「Bプロダクト の商談データ」の関係性を捉えられず、回答精度が低い。 ナレッジグラフベースの RAG アーキテクチャを研究・開発し、エンティティ間の関係性を構造化。 SaaS 横断検索の回答精度を 40% 向上させ、Agentic Product Engineer チームに技術移転して全プロダクトに展開。 ●ミッション Agentが降参する問題を解く 現在の AI エージェントでは解決できないフロンティア課題に挑み、新しい推論手法・検索 / 計画・長期記憶・ツール利用の品質限界を突破する。 JAPAN AI STUDIO 上で動く数百のワークフローが、より賢く・速く・安全に動作する未来を、研究で切り拓く。 ●期待する役割について Research Engineer として、AI/LLM/ML の最先端研究と応用研究をリードしていただきます。 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 モデルとプロンプトの自動評価を支援し、学習からプロダクトライフサイクル全体にわたって品質を担保 プロダクト組織と協力し、エージェントをプロダクトに適用するうえでの最も困難な課題を解決 モデル学習用データミックスの作成・最適化により、エージェントタスクにおける性能と使いやすさを向上 研究成果を Agentic Product Engineer チームに移転し、プロダクト全体の品質を底上げ 論文を書くことがゴールではありません。 研究成果をプロダクションに適用し、約 200 社が利用する本番環境でユーザーに届けることを重視します。 ●成果責任 (KR/メトリクス) ベンチマークスコア改善率 (社内 / 公開ベンチマーク) 新手法のプロダクション適用数 (四半期あたり) 推論レイテンシ / コスト改善率 論文・技術ブログ発表数 社内技術移転完了数 ●チーム体制 約120名が開発組織に在籍しています。 Research Engineerは以下のプロジェクトを横断して活動します: JAI Lab — AI研究開発 AI&Model — モデル学習・最適化 Voice & Tel — 音声AI・電話システム 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (技術移転先) Agent Harness Engineer — エージェント実行基盤 AI Quality Scientist Specialist — 評価パイプラインとの連携 Product Manager — プロダクト設計 ●開発環境 言語 : Python (研究・フレームワーク部), TypeScript / React / Next.js (フロントエンド部) / NX ML / AI : PyTorch, JAX, Transformers, vLLM, Weights & Biases インフラ : GCP (コンテナ / K8s), Docker ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon), デュアルモニタ対応

株式会社日立ハイテク

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。

株式会社日立ハイテク

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。

株式会社アバント

概要 グループ経営ソリューションに関する自社プロダクト（クラウドサービス）を活用し、イノベーションを加速いただくために、迅速なサービス向上を実現し、改善を進めていく活動に貢献いただきます。 これまでに無い新しい製品（クラウドサービス）開発と成長に挑戦し、共に新しい価値の提供を目指していただきます。 ●業務内容 プロダクト（クラウドサービス）のDevOpsエンジニアとして、運用設計・実装・テスト・計測・改善を主体的に実行していただきます。 期待する事 ・ミッションクリティカルな用途にご利用いただいているサービスの品質を担保しながら、改善・イノベーションを促進していけるよう中長期的な観点とともに解決策、改善策を考案し、アプリケーション開発・SREチームとともに推進していくこと ・アプリケーションのモダナイゼーションと自動化・安定性向上を進める環境を構築していくこと ・ワンチームとして、各関係者と共に有機的かつ能動的にリードしていくこと ・クラウドアーキテクチャや製品、開発プロセスまで継続的な改善と最適化を推進する活動に貢献いただくこと 配属部門 プロダクト開発本部　プロダクト基盤部

FPTテクノジャパン株式会社

●役割と期待内容 お客様のITインフラをより柔軟でスケーラブルなクラウド環境へ移行・最適化するために、クラウドエンジニアとしてインフラ設計・構築・運用をリードしていただきます。 AWSやAzureなどのクラウドプラットフォームを活用し、セキュアかつ高可用性なシステムの実現を支援します。プロジェクトチームや社内外の関係者と連携しながら、技術面だけでなく運用性やコスト最適化にも配慮したインフラソリューションの提供が求められます。 ・クラウドインフラ(オンプレミス、AWS, Azure、GCP等)の設計・構築・運用 ・顧客要件に応じたシステム構成の提案および改善 ・IaC(Infrastructure as Code)による自動化対応 ・セキュリティ・パフォーマンスの最適化 ・運用マニュアルの作成および技術支援 ●案件例 業界最大手製造業向け オンプレミスシステムのAWSクラウド移行プロジェクト オンプレミスシステム群をAWS上に移行するプロジェクトです。 既存システムの構成と要件を分析し、段階的にクラウドへの移行を実施します。 様々なステークホルダーと連携し、一大プロジェクトの重要な役割を担います。 これから重要なフェーズに移るため、体制強化を目指しています。 ●担当業務 ・クライアントとの日常的なコミュニケーションによる要件の整理、確認 ・既存システムの構成・業務フローの分析 ・お客様の要望をドキュメント化し、オフショアチームに正確に伝達 ・オフショアチームとの連携およびタスク進捗の管理 ・プロジェクト進行に伴う課題管理および報告 ●使用スキル・技術 ・オンプレミス、クラウド(AWS、Azure、GCP等)に関する基礎知識 ・クラウド移行に関する基本的な設計、移行プロセスの理解 ・インフラ領域全般の知識(一部でも可) ・プロジェクトマネジメント(進捗管理・課題管理) ・ビジネスアナリシス(BA)スキル:要件ヒアリング、ギャップ分析、ドキュメンテーション

株式会社日立製作所

【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

株式会社日立製作所

【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。

株式会社日立ハイテク

●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

株式会社本田技術研究所

1.SDVアーキテクチャの設計方針立案 ビジネス戦略や商品企画などの上位方針に基づき、クロスドメインで価値最大化を実現するアーキテクチャ設計方針を自ら構想・策定します。 2.アーキテクチャ統制スキームの構築・定着 各開発部門と連携しながら、世代・機種を横断した開発効率と品質を両立するための統制スキームを構築・定着させます。 ※実装そのものではなく、全体を俯瞰し統制する立場として関与します。 3.重要開発テーマへの参画・意思決定リード アーキテクチャに大きな影響を与える重要プロジェクトに自ら参画し、 基本方針の意思決定を主導します。 単なるレビューではなく、自ら現場に入り込み、方向性を決め切る役割です。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります 【使用ツール】 AUTOSAR Adaptive/Classic, C/C++, Python, Javascript, シェルスクリプト, Doors, EnterpriseArchitect, CAMEO/PREEvision, JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker, Claude/Claude Code etc.

株式会社本田技術研究所

【具体的には】 次世代IVIシステムにおけるOS・ミドルウェア・BSP領域の開発リードを担当いただきます。単に動くものを作るだけでなく、製品としての「応答速度」「安定性」「拡張性」に責任を持ち、最高のユーザー体験(UX)を支える基盤を構築していただきます。 ●Android/Linuxプラットフォームの設計・実装(Kernel/Driver/HAL) ●SoCベンダー(Qualcomm等)提供のBSP適合およびカスタマイズ ●システムパフォーマンスの最適化(起動時間短縮、メモリ管理、省電力制御) ●AWS等を活用したCI/CD環境構築、自動テストパイプラインの運用・改善 ●新技術調査、アーキテクチャ刷新の提案、リファクタリング検討 ※担当領域に閉じこもらず、アプリ開発チームやハードウェア担当とも連携し、「どんなクルマを作りたいか」という視点を持って自律的に開発を推進していただきます。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります 【担当システム例】 Android Automotive OS基盤、Linux Kernel、Hypervisor、OTA(Over The Air)基盤、セキュリティモジュール、車載通信制御(CAN/Ethernetゲートウェイ) 【開発ツール】 ●構成管理ツール:Git(Gerrit, GitLab), SVN ●開発言語: C, C++, Python, Shell Script, (一部Java) ●インフラ: Amazon Web Service, Docker, Kubernetes ●開発手法: Agile (Scrum, Kanban) ●コミュニケーションツール: Slack ,Teams ●プロジェクト管理ツール: JIRA, Confluence等 ●その他: Jenkins, LAVA, Yocto Project

株式会社本田技術研究所

【具体的には】 次世代IVIシステムにおけるOS・ミドルウェア・BSP領域の開発リードを担当いただきます。単に動くものを作るだけでなく、製品としての「応答速度」「安定性」「拡張性」に責任を持ち、最高のユーザー体験(UX)を支える基盤を構築していただきます。 ●Android/Linuxプラットフォームの設計・実装(Kernel/Driver/HAL) ●SoCベンダー(Qualcomm等)提供のBSP適合およびカスタマイズ ●システムパフォーマンスの最適化(起動時間短縮、メモリ管理、省電力制御) ●AWS等を活用したCI/CD環境構築、自動テストパイプラインの運用・改善 ●新技術調査、アーキテクチャ刷新の提案、リファクタリング検討 ※担当領域に閉じこもらず、アプリ開発チームやハードウェア担当とも連携し、「どんなクルマを作りたいか」という視点を持って自律的に開発を推進していただきます。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります 【担当システム例】 Android Automotive OS基盤、Linux Kernel、Hypervisor、OTA(Over The Air)基盤、セキュリティモジュール、車載通信制御(CAN/Ethernetゲートウェイ) 【開発ツール】 ●構成管理ツール:Git(Gerrit, GitLab), SVN ●開発言語: C, C++, Python, Shell Script, (一部Java) ●インフラ: Amazon Web Service, Docker, Kubernetes ●開発手法: Agile (Scrum, Kanban) ●コミュニケーションツール: Slack ,Teams ●プロジェクト管理ツール: JIRA, Confluence等 ●その他: Jenkins, LAVA, Yocto Project

キャディ株式会社

<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

三菱UFJインフォメーションテクノロジー株式会社

【ポジジョン概要】 当社の親会社である三菱UFJ銀行では、ビジネス変化への対応/コスト削減/安心・安全な業務継続を基本方針としたアーキテクチャ戦略を推進しています。 従来、オンプレミスで手作業が中心であったシステム環境の構築業務においてもCI/CDパイプラインを用意、クラウド(AWS等)を標準としたIaCベースの開発が中心になりつつあり、適用領域は社内システム(SoR)、情報系(SoI)、ミッションクリティカルな対顧客チャネル(SoE)の全てに及んでいます。 また、システム基盤のアーキテクチャも仮想マシン(VM)を中心としたものからクラウドかつコンテナをベースにしたものへと移りつつあります。 このような状況下、MUITの各システム基盤開発チームは従来の役割分担や責任境界を超えてアプリケーション開発側に入り込み、コンテナやCI/CDツール等を導入、自動化の推進やオブザーバビリティ強化といった役割を担うことで、モダンなアプリケーション開発を支援する専門技術チームに生まれ変わろうとしています。 このチームは、コンテナやCI/CD等の技術製品の有識者が基盤領域に閉じずにシステム全体を見渡す広い視点を持ち、また既成概念にとらわれる事無く、あるべきシステムアーキテクチャ像を描いてシステム開発と組織の変革をリードしていきます。 今回募集するポジションは、このような役割を担うITスペシャリスト/システムアーキテクトになります。 【業務内容】 (雇入れ直後) コンテナアーキテクチャを活用した国内エリアにおけるシステム基盤の開発業務をご担当頂きます。 ・システム基盤担当として主にコンテナを用いた開発案件に入り、アーキテクチャのみならず開発プロセスや役割分担の見直しといった変革を主導します ・開発案件においてIaaS/PaaS(クラウド、オンプレ)および個別DBやAP、メッセージング、運用管理など各種MWを組み合わせ、システム基盤の設計開発を主導します ・自身の持つスキルを周囲に伝播させ、後進の育成およびチームのレベルアップを図ります ・コンテナイメージのビルドやデプロイ、サービスメッシュ、その他Pod操作等、アプリケーション開発者の支援を行いつつ、組織全体のレベルアップを行います ・上記コンテナ開発を高速化するためのツール整備や開発プロセスの見直しを行います (変更の範囲) 会社の定める業務 【役割・責任】 ご経験や適性に応じて、開発チームの責任者あるいはメンバーとしてご担当頂きます。 ※"業務アプリ"や"インフラ"の境界線を意識しない組織形態に変化させようとしている段階にあり、配属部署が変更になる可能性があります。 【配属想定部署】 コンテナアーキテクチャを活用した開発部署 【配属想定部署概要】 三菱UFJ銀行のシステム基盤のうち業務基盤層(OS・ミドルウェア層)を主管する部署として、システム開発の中核を担っています。 数百あるシステムが統合的に利用できるコンテナ基盤を銀行内で初めて構築した実績の他にも、AWSを活用したシステム構築、外部企業とのAPI連携にて今までに無い金融サービスを提供する等、当社において非常に先進性の高い部署です。 そのため、常に変化するビジネスニーズに機動的に対応すべく、ITトレンドに対しては高いアンテナと強いモチベーションを維持する必要があります。 【配属想定部署の人員構成】 各部社員　約40人～90人　※銀行等からの出向者を含む 【おもな関係者】 ベンダー各社・外部団体に加え、社内各部署、三菱UFJ銀行をはじめとするグループ企業等と広く関わります。 トップ・マネジメントから個々のチームメンバーまで幅広く関わって頂く機会があります。 【想定担当案件(例)】 配属想定部署の特性上、特定のプロジェクトのみを担当するのではなく、様々なコンテナ等先進技術活用プロジェクトにおいて以下の役割をご担当頂きます。 ・コンテナアプリケーション稼動環境の要件整理・設定 共通的に用意されるコンテナプラットフォームを活用したアプリケーション運用機能の整備 ・サーバやDBMS環境の構築 MUFG向けシステム開発プロジェクトそれぞれに用意されるAWSアカウント上のOS/DBMS環境構築(OSやミドルウェア中心のPaaS層構築) ・AWSやKubernetes関連の新サービス活用検討 常にアップデートされる新サービスや当社で利用していないサービスを、仕様・コスト・セキュリティ等の観点で評価し、当社システムへの適用メリットを検討

三菱UFJインフォメーションテクノロジー株式会社

【ポジション概要】 MUFGでは2022年頃からコンテナプラットフォームの構築と「コンテナシフト」の指針に則り、Redhat OpenShiftを中心としたコンテナプラットフォームの展開に積極的に取り組んでいます。コンテナ利用システムの増加と採用技術の拡大に伴い、社内の人材育成スピードが追い付かない背景があり人員増強が必要となっています。MUFGのコンテナ開発のニーズに対応する為、中核メンバーとしてコンテナ推進をリードしていただける方を募集しております。 【業務内容】 (雇入れ直後) 三菱UFJ銀行及びMUFG向けのコンテナプラットフォーム(オンプレミス環境/AWS ROSA)活用推進における以下の業務をご担当いただきます。 ・MUFGのビジネス戦略・IT戦略に基づく、コンテナプラットフォームの推進及びアーキテクチャー検討。 ・MUFGのビジネスに貢献することを目的とした、コンテナプラットフォームのサービス設計、設計、実装。 ・MUFG向けのRedhat OpenShiftを中心としたコンテナプラットフォームの構築・運用。CI/CDツール等を用いた自動化の推進。 (変更の範囲) 会社の定める業務 【役割・責任】 業務内容欄に記載したMUFG向けコンテナプラットフォームの設計・開発・構築・運用を、ご経験・適性に応じてチームリーダーもしくはメンバーとしてご担当いただきます。 【配属想定部署】 ネットワーク・クラウドサービス部(グループ事業部門・グループ共通基盤本部　配下) 【配属想定部署概要】 MUFG・三菱UFJ銀行内共通のITインフラストラクチャを主管する部署として以下のような幅広い範囲のサービスの導入・運用を手がけています。 ・ネットワーク・アーキテクチャー設計・管理(基幹通信網、LAN/WAN)、内外通信網の設計・管理、ネットワーク構成管理(機器、アドレスなど)、関連案件の企画総括、新技術等の各種調査 ・Amazon Web Service(AWS)を始めとするパブリッククラウドの企画・開発・保守・管理 ・PaaSに関する企画・開発・保守・管理 ・MUFG・三菱UFJ銀行全体のITスタンダード(Webアプリケーションフレームワーク、DBMS等)の企画・開発・保守・管理 ・その他各種基盤関連新技術の調査 【配属想定部署の人員構成】 社員のみで約50名、ベンダー各社から常駐いただいている社員等も含めると百名以上の大規模組織です。前述の通り各種のインフラストラクチャを取り扱っていますので、各分野のエキスパートと協働・切磋琢磨しあえる刺激的な環境です。 【おもな関係者】 ベンダー各社・外部団体に加え、社内各部署、三菱UFJ銀行をはじめとするグループ企業等と広く関わります。トップ・マネジメントから個々のチームメンバーまで幅広く関わっていただく機会があります。 【想定担当案件(例)】 配属想定部署の特性上、特定の案件のみを担当するのではなく、様々なコンテナ関連案件の以下の役割をご担当いただきます。 ・コンシェルジュ業務:社内でコンテナ利用を検討しているチームのメンバーに対し、コンテナ利用に向けた非コンテナ環境からの移行・システム構成検討をサポート。 ・環境構築:MUFG向けシステム開発プロジェクト向けのコンテナプラットフォーム環境構築(OpenShiftクラスタ構築、Namespace構築)。 ・新サービス検討:OpenShift及び、Istio等のコンテナ関連エコシステムについて、新機能や新技術の調査を行い、仕様・特徴・セキュリティ等の観点で評価し当社システムへの適用可能性を検討。 ・その他:コンテナプラットフォームにおける改善対応、自動化レベルアップ対応、可用性高度化施策の検討等。

三菱UFJインフォメーションテクノロジー株式会社

【ポジション概要】 当社の親会社である三菱UFJ銀行では、ビジネス変化への対応、コスト削減、安心・安全な業務継続を基本方針としたアーキテクチャ戦略を推進しています。 その中で従来オンプレミスで手作業が中心であったシステム環境の構築業務は、「クラウドファースト」の方針のもとでクラウド(AWS、Azure等)を標準としたIaC(Infrastracture as Code)ベースの開発が主流になっています。 また、適用領域は社内システム(SoR)、情報系(SoI)、ミッションクリティカルな対顧客チャネル(SoE)の全てにおよんでおり、システム基盤のアーキテクチャも仮想マシン(VM)をベースにしたものからコンテナやマネージドサービスを中心にクラウドネイティブなものへと置き換わりつつあります。 クラウドネイティブなアーキテクチャを真に活用するためには、システム基盤チームは従来の役割分担や責任境界を超えてアプリケーション開発に入り込み、コンテナやCI/CDツール等の導入を支援、自動化の推進やオブザーバビリティ強化といった役割を担う(イネーブリングする)アプリケーション開発支援の技術専門チームとしての役割が期待されています。 MUITのシステム基盤チームは、コンテナやCI/CD等の技術製品の有識者が基盤領域に閉じずにシステム全体を見渡す広い視点を持ち、既成概念に捕らわれることなく、あるべきシステムアーキテクチャ像を描いてシステム開発と組織の変革をリードしていきます。 今回募集するポジションは、このような役割を我々と一緒に担って頂くITスペシャリスト、システムエンジニア、システムアーキテクトになります。 (雇入れ直後) 【システム毎の基盤設計・構築(AWS/Azure)】 国内エリアにおけるクラウド(AWS/Azure等)を活用したシステム基盤の開発業務をご担当頂きます。 ・システム基盤担当としてクラウドを用いた開発案件に入り、要件定義～リリースまでを担当します ・開発案件においては各種クラウドサービスおよび個別に導入するDBやAP、メッセージング、運用管理など各種MWを組み合わせ、システム基盤の設計開発を行います ・アプリケーション開発チームに不足しているクラウドやコンテナ、CI/CDツール、各種マネージドサービス等にかかる知識と運用ノウハウをスキルトランスファーします(イネーブリング) (変更の範囲) 会社の定める業務 【役割・責任】 ご経験や適性に応じて、開発チームの責任者あるいはメンバーとしてご担当頂きます。 【配属想定部署】 市場基盤部、情報基盤部、リスク・共同基盤部または預為フロント基盤　等(業務基盤本部においてクラウドを用いたシステム開発を主として行っている部署) 【配属想定部署概要】 システム基盤のなかでも業務基盤層(OS・ミドルウェア等)を所管する部署であり、システム開発の中核を担っています。 業界に先駆けてAWSを活用したシステム構築を大規模に展開、数百あるシステムが統合的に利用できるコンテナ基盤を銀行内で初めて構築、外部企業とのAPI連携により今までに無い金融サービスを提供、超大規模なデータレイクを構築(いずれも事例化して外部公開している案件ですが、未公開の案件も多数あり)等、当社において技術力・先進性の高い部署です。 SIerや他業界出身者など中途入社のメンバーも多く、各人が得意なスキルを発揮して活躍中です。 組織として社内勉強会や社外発表などスキル向上に力を入れており、ITトレンドに対する高いアンテナとAI等の新技術の活用に強いモチベーションを持ったメンバーが多く在籍しています。 【配属想定部署の人員構成】 各部社員　約20人～50人　※銀行等からの出向者を含む 【おもな関係者】 ベンダー各社・外部団体に加え、社内各部署、三菱UFJ銀行をはじめとするグループ企業等と広く関わります。 トップ・マネジメントから個々のチームメンバーまで幅広く関わる機会があります。 【想定担当案件(例)】 配属想定部署における仕事の特性上、特定のシステムのみを担当するのではなく、様々なプロジェクトにおいて以下の役割をご担当頂きます。 ・新規システム構築ないしはシステム基盤更改プロジェクト等におけるアーキテクチャの検討およびシステム基盤の構築　⇒システムごとに用意されるAWSアカウント/AzureサブスクリプションにおいてOSやDBMSといったアプリケーション稼働環境(システム基盤)を構築 ・AWS/AzureやKubernetes、CI/CD関連の新サービス・ツールの活用検討　⇒銀行で利用していないサービスやツールにつき技術仕様・コスト・セキュリティ等の観点で評価し、銀行システムへの適用を検討、アプリケーション開発チームにイネーブリングを実施

三菱UFJインフォメーションテクノロジー株式会社

【ポジション概要】 当社はMUFGの金融サービスをITで支えるという役割を担っています。 競争力の高い金融システムを構築するためには、先進的かつ近代的な開発手法やツールを導入し、開発生産性やアジリティを継続的に高めることが不可欠です。 当社ではこのような「開発プロセスモダナイゼーション」を推進中ですが、2024年度からの中期経営計画の中で、この取り組みをさらに加速させるために、「業務」「基盤」の垣根を超えた専用のプロジェクトチームを発足させました。 このプロジェクトチームは、DevOpsによるエンジニアリングの機能を担います。 具体的には、Gitとコンテナ技術を中心にパイプラインを構築し、単体テストや回帰テストを自動化したり、デプロイまでを効率化したりするといったタスクです。 またこのような開発手法を、当社の各開発部に広く浸透させるという重要な役割も負っています。 このプロジェクトチームのメンバーを我々は「モダナイズコンシェルジュ」と呼んでいます。 「コンサルタント」ではなく「コンシェルジュ」という呼び方をしているのは、開発案件の懐に入り、自分事として伴走していただく、という思いを込めています。 今回このプロジェクトチームに参画し、「モダナイズコンシェルジュ」として様々な開発案件を支援していただく方を募集します。 【業務内容】 (雇入れ直後) ご経験や適性に応じて、以下のような業務を担っていただきます。 ・ソースコードのGit(GitLab)への移行推進 ・テスティングフレームワーク(JUnit、Mockito、DBUnit、Seleniumなど)を利用した、テスト自動化の推進やプロジェクトへの導入支援 ・GitLab、Maven、Nexus Repositoryによるコードやリソースの管理運営 ・GitLab Runnerによるパイプライン構築や、プロジェクトへの導入支援 ・プロジェクト管理ツール(Redmine)の導入推進 ・開発プロジェクトメンバーへの啓蒙活動やスキル育成 (変更の範囲) 会社の定める業務 【役割・責任】 ご経験や適性に応じて、開発チームのリーダーあるいはメンバーをご担当頂きます。 【配属想定部署】 三菱UFJインフォメーションテクノロジー(MUIT)業務共通開発部(グループ事業部門・デジタルイノベーション本部配下) 【配属想定部署概要】 分散系業務開発の標準化および機能集約の企画・推進・管理・運営を担う部署。 具体的な業務は以下のとおり。 ■開発プロセス標準化およびモダナイゼーション ■分散系Webアプリケーション標準フレームワーク ■生成AIやデータ分析システムの開発 ■API標準化・ガイド作成、再利用促進、ガバナンス ■SoE(Systems of Engagement)開発 【配属想定部署の人員構成】 業務共通開発部(約40名が在籍) ※銀行等からの出向者を含む 【おもな関係者】 ベンダー各社・外部団体に加え、社内各部署、三菱UFJ銀行をはじめとするグループ企業等と広く関わります。 トップ・マネジメントから個々のチームメンバーまで幅広く関わって頂く機会があります。 【想定担当案件(例)】 新規システム開発案件や、アーキテクチャ刷新案件への支援メンバーとして参画し、各種モダンツールの導入推進および社内ツールへの改善要望吸い上げを行います。 支援対象システムの例 ・法人顧客向けのインターネットバンキングシステム ・預金・為替・融資といった銀行のコアサービスのシステム

株式会社ABEJA

●データプラットフォームの企画、アーキテクチャ設計 ●プロジェクトの技術面におけるリードデータパイプラインの設計・構築 　・データ分析のためのBIの開発・運用 　・継続的なモニタリングプロセスの構築・運用 　・顧客のデータ活用の実態や関連業務、ドメイン知識の理解 ●プロトタイプのAI・機械学習モデルを実運用可能な形にするためのデータパイプライン・インフラ基盤構築の設計およびサービス/システムの開発 ●プロジェクトマネージャーと協力し、プロジェクトの目的・方針・計画などを策定 ●運用保守を見据えたデプロイ環境構築(クラウド・エッジ含む) 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

株式会社NTTデータ

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。 ・スクラムチーム内における開発を技術力でリードする ・サービス全体のアーキテクチャの設計と統制業務 ・新規のテクノロジーに関する調査業務 ・SREとの連携業務 組織情報 ITサービス・ペイメント事業本部内のカード&ペイメント事業部が今回の募集元です。「CAFIS」という自社サービスを有する事業部であり、今後さらなるサービスの拡充をミッションとしています。これまで、営業・企画・エンジニアが分業していた体制を変更し、一人称でサービスの企画から開発、立ち上げができるよう整備を進めています。一人ひとりが起業家や事業企画者として機動力を高め、スピード感のあるアクションが取れるよう組織改革を進めていきます。