生成AI・LLMプロダクト開発 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】 クルーエージェントPh2の内製開発を技術面から牽引し、設計/実装方針/品質基準を定義しながら、フロント/バックエンド/AIオーケストレーションのワークフローを横断して開発チームをリードする。 短いサイクルで検証/構築/修正を回し、将来的な横展開に耐えうる技術資産と開発プロセスを社内に蓄積する。 また、業務部門と円滑なコミュニケーションを図り、業務要件の定義から実装、そして業務遂行までを強力にリードしていただくことを期待しています。 【主な業務】 ・クルーエージェントPh2/Ph3に向けたアーキテクチャ設計、実装方針策定、技術意思決定 ・BFF、フロントエンド、AIオーケストレーション/LLM連携をまたぐ設計レビューおよび品質管理 ・AI駆動開発(Copilot、エージェント活用、テスト自動化)の導入/定着 ・少数精鋭チームの技術リード、コードレビュー、技術課題の解消 【具体的な業務】 ・BFFを中心とした疎結合アーキテクチャの設計、技術選定、共通設計ルールの整備 ・フロント/バック/AIオーケストレーションエンジニアの設計/実装レビュー、品質担保 ・抽象要件を構造化し、実装計画/タスク分解/優先順位づけを実施 ・テスト戦略(Unit/Integration/UI/E2E)やCI/CD、監視運用を含む開発プロセス改善 ・業務部門、PM、ベンダーと連携した仕様整理、課題解決、技術的リスクマネジメント ※全ての募集における雇い入れ後の、従事すべき業務・就業場所の変更の範囲については下記の通りとします。 ●業務の変更の範囲:会社内でのすべての業務

ソフトバンク株式会社

【ミッション】 ソフトバンク クルーが日々利用するクルーエージェントのUI/UXを高品質かつスピーディに実装し、AIエージェントを使った接客支援を現場で使われるプロダクトへ磨き込む。 店舗接客の業務理解を踏まえ、継続的な改善サイクルを高速に回せるフロントエンド基盤を構築する。 【主な業務】 ・クルーエージェントのフロントエンド設計/実装 ・音声入力、提案トーク表示、顧客情報表示などの画面改善 ・デザイン/要件変更への迅速な反映、品質改善 【具体的な業務】 ・React/TypeScriptなどを用いたフロントエンド開発 ・ReactQuery Zustandを用いたキャッシュ/ストア管理 ・Streaming処理でのチャット画面の開発 ・画面遷移、状態管理、コンポーネント設計、API連携の実装 ・LLM/エージェント機能のユーザー体験を考慮したUI設計 ・単体テスト、UIテスト、E2Eテストの整備 ・現場フィードバックを踏まえた継続的な画面改善とパフォーマンス最適化 ※全ての募集における雇い入れ後の、従事すべき業務・就業場所の変更の範囲については下記の通りとします。 ●業務の変更の範囲:会社内でのすべての業務

Ｓｋｙ株式会社

※職務内容変更の可能性:有 ※変更の範囲:会社の定める業務 AIエンジニアとしてご活躍いただけます。 自動運転/先進運転支援システム(AD/ADAS)や外観検査、病理診断や故障予測、来店者数予測、 生成AIを用いた業務・開発効率化など、 顧客の製品やシステムのAI開発や社内のAI活用、自社商品開発(AI-OCR等)に携わっていただきます。 ・画像認識・自然言語処理・音声認識を活用したDeep Learningアルゴリズム開発 ・数値ビッグデータを活用したデータ分析・機械学習アルゴリズム開発 ・学習済みモデルを実装した製品・運用システムの開発(Edge、Cloud、オンプレ、MLOps) ・OSS LLM/VLM オンプレ対応、ファインチューニング、AIエージェントなどの生成AIシステム開発 ・フィジカルAI開発 ※状況に応じてAI関連以外の業務に携わっていただく場合もございます。

ソフトバンク株式会社

【ミッション】 店舗・窓口で発生する接客音声データを、業務改善・接客品質向上・顧客体験向上につながる価値ある情報へ変換すること。 本ポジションでは、録音デバイス、音声データ蓄積、音声認識、AI要約、検索、可視化などを組み合わせた接客録音システムの開発を担っていただきます。 既存システムの単純な改修・保守ではなく、AWS環境へのリプレイスを通じて、接客音声データを活用する新しいプロダクトを一から設計・開発していくフェーズです。 アーキテクチャ設計、アプリケーション設計、データ活用設計、外部サービス連携、生成AI活用など、プロダクトの土台づくりから関わり、現場で使われるシステムとして継続的に進化させていく役割を担っていただくこと。 【主な業務】 ・接客録音システムに関するWebアプリケーション/業務アプリケーションの設計/開発/テスト/リリース ・既存接客録音システムのAWS環境へのリプレイスに伴うアプリケーション設計/開発/移行対応 ・録音デバイス、音声認識サービス、生成AIサービス、社内外システムとのAPI連携設計/実装 ・音声データの蓄積、加工、検索、可視化に関する機能開発 ・接客単位の分割、音声認識結果の補正、要約、トーク抽出、単語カウントなど、音声データ活用機能の開発/改善 ・AWS上でのアプリケーション構成、データ管理、ログ管理、セキュリティを考慮した設計/実装 ・コードレビュー、技術課題の解消、性能/保守性/運用品質の改善 ・業務部門や社内関係者と連携した仕様検討、およびリリース後の機能改善/品質改善 【具体的な業務】 ・Webアプリケーションの要件定義、基本設計、詳細設計、実装、テスト、リリース対応 ・AWS環境へのリプレイスを前提としたアプリケーション構成、データ構造、API設計の検討 ・既存接客録音システムの仕様/データ構造を読み解き、新システムへの移行方針を設計 ・新デバイス、音声認識サービス、生成AIサービス、各種SaaS/外部システムとの連携機能の設計/実装 ・音声データの蓄積、管理、検索、可視化、分析に関するアプリケーション機能の開発 ・AI要約、接客単位分割、音声認識結果の補正、トーク抽出、単語カウントなどの音声データ活用機能の開発/改善 ・業務部門や社内関係者と連携した仕様検討、およびアプリケーション設計/実装 ・コードレビュー、技術課題の解消、リファクタリング、開発品質の向上 ・リリース後の機能改善、性能改善、運用品質向上、安定稼働に向けた継続的な改善 【主な開発環境・技術スタック】 ・プログラミング言語:Java、JavaScript、TypeScript、Python ・フレームワーク:Spring Boot、Node.js、Vue.js、React ・データベース:PostgreSQL ・クラウド:AWS ・コンテナ:Docker、Kubernetes ・その他:音声認識サービス、生成AI関連サービス(GitHub Copilot) ※上記すべての経験は必須ではありません。入社後は、既存システムの理解から入り、AWS移行、新機能開発、音声AI活用機能の拡張に段階的に関わっていただきます。

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

株式会社情報戦略テクノロジー

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

株式会社NTTデータ

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

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

テックタッチ株式会社

【プロダクトビジョン】 「すべてのユーザーがシステムとAIを使いこなせる世界に」 テックタッチは、どんなシステムでも、誰もが迷わず操作できる体験を届けてきました。 「使える」だけでなく、「使いこなせる」体験へ。 そして今、その思想をAIの世界にも広げています。 システムもAIも、人が中心となって使いこなせる世界をつくっていく。 その実現のために提供しているのが、AI型Digital Adoption Platform「テックタッチ」です。 【プロダクト】 テックタッチは、あらゆるWebシステムやサービスの画面上に操作ガイドやナビゲーションを表示し、ユーザーが迷わずにシステムを使いこなせる体験を提供するAT型Digital Adoption Platform(DAP)「テックタッチ」を開発しています。 5年連続国内シェアNo.1*、利用者数1000万人*を超える巨大な基盤を活かし
現在はLLMやRAGなどの生成AI技術を組み込み、既存のWebシステムを改修することなく
システムを使いながら「自然にAIを活用できる体験」を目指しています。 *1 出典:株式会社アイ・ティ・アール「ITR Market View:コラボレーション *2 出典:ナレッジ共有市場2025」デジタル・アダプション・プラットフォーム市場:ベンダー別売上金額シェア(2021～2025年度予測) プロダクトと開発環境 「テックタッチ」は、自社プロダクトでありながら「他社のSaaSや社内システムと連携し、機能を拡張して動作する」というユニークな特徴を持つプロダクトです。 安定性が求められるエンタープライズ環境で確実に動作するための堅牢なインフラ設計・セキュリティ・ログ処理など、通常のSaaS開発以上にチャレンジングな技術課題に日々取り組んでいます。 現在は以下のような開発課題・技術テーマに取り組んでいます 多言語対応やグローバル展開に向けた国際化アーキテクチャ クラウドネイティブな思想に基づくモダンなバックエンド再設計 数十億件規模のログデータを扱うリアルタイム処理基盤(Kinesis, Snowflake) データドリブンな機能開発のための深いデータ分析・課題抽出支援 技術スタック・開発環境 言語/フレームワーク:Go, gin, gorm インフラ:AWS(ECS Fargate, Kinesis, CloudFormation, CDK) その他:Open API, kong, Snowflake, GitHub, Slack, JIRA 特徴:完全コンテナ化されたアーキテクチャ/E2Eテスト充実/IaC推進(CDK)

イグニション・ポイント株式会社

弊社が創発する新規事業の製品開発および、グループが受託するシステム開発におけるシステムエンジニア)としてご活躍いただきます。 ●Webアプリケーション、業務システム、モバイルアプリ等の設計・開発・運用 ●クライアントとの要件定義、仕様調整、提案 ●チーム内ミーティング、アジャイル開発推進 ●システム保守・運用・改善 ●新技術の調査・導入や開発プロセス改善 プロジェクト例 ●大手企業向け業務システム開発(Java, Spring, AWS) ●スタートアップ新規サービスの立ち上げ(React, Node.js, GCP) ●モバイルアプリ開発(Swift, Kotlin) ●ChatGPTをはじめとする生成AIの実装や、DXソリューションの技術選定 開発環境・技術スタック ●言語:Java/Python/JavaScript(TypeScript)/C#/Swift/Kotlin など ●フレームワーク:Spring Boot/React/Angular/Django など ●インフラ:AWS/GCP/Azure ●その他:Git/CI/CD(Jenkins, GitHub Actions等)/Docker/Kubernetes など ●開発手法:アジャイル/スクラム/ウォーターフォール

株式会社スカイウイル

【入社後のミッション 】 「顧客の課題解決を技術で牽引し、自律駆動型のモダン開発組織を共創する」 ●お客様に寄り添う上流工程の推進 お客様と丁寧に対話を重ね、業務課題のヒアリングから要件定義、データモデル設計までを一気通貫でリードしていただきます。 ●AIを組み込んだバックエンド設計・実装 PythonやTypeScriptを活用し、生成AIと連携するWebアプリケーションのバックエンドアーキテクチャ設計から実装までをお任せいたします。 ●最適な技術の選定と導入検証 お客様の課題を解決に導くため、LLM(RAG、要約、分類機能など)の導入検証や最適な技術選定に、あなたのご知見をぜひ活かしてください。 ●チームの技術底上げとサポート ご自身の開発にとどまらず、若手メンバーに向けてAIを開発に組み込む際のスタンダードやベストプラクティスをご指導いただき、チーム全体の成長を優しく牽引していただくことを期待しています。 【プロフェッショナルとしての評価基準】 当社は現場に大きな裁量を委ね、エンジニアが自律的に動ける環境を大切にしています。 以下の行動と成果を正当に評価し、年収・上位ポジションで還元します。 ●上流工程からの参画と顧客価値の創出 基本設計以上の段階から参画し、DB設計・クラウドを前提としたアーキテクチャの意思決定に関与。エンジニアならではの視点で、顧客への最適な解決策を提案から実行まで担う(※ご経験に応じて担当工程は調整します)。 ●AI・モダン技術の探求とチームへの還元 最新技術や生成AIツールを実務へ柔軟に取り入れ、自身の生産性にとどまらず、プロジェクト全体の品質・生産性向上に貢献する(生成AIを活用した開発経験は市場でも新たな評価軸となっています)。 ●チームの牽引とメンバーへの技術サポート 自身の開発だけでなく、コードレビューや若手への技術アドバイスを通じ、チーム全体の技術力とモチベーションを底上げする。 [案件事例はこちら](https://saiyo.skywill.jp/jobs/application/) 【開発スタイル】 ●脱・歯車的な働き方 当社の技術支援は、言われたものを作るだけのリソース提供ではありません。開発者主導で顧客と長期伴走し、要件定義やモダン技術・DB設計の選定から深く入り込める環境です。 ●「技術の固定化」を回避 1つのプロダクトや言語に縛られず、多様なWebシステム開発の現場があります。 React+Python等の最新技術でスキルを磨き続けられます。 ●生成AI活用状況とセキュリティ体制 高い技術倫理とガバナンス意識(ガイドライン・利用誓約の整備)のもと、セキュアな環境で安全にAI技術を導入・提案できる体制を整えています。 1)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

AMBL株式会社

●事業部の使命(ミッション) 【AI活用×最上流×残業7h】技術的挑戦と働きやすさが共存する最先端な事業部です 「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」 私たちは、デジタルの力でお客様の挑戦に伴走し、新しい時代の付加価値を共に創り出すことを使命としています。 具体的実例(入社後のイメージ) ただ言われたシステムを納品して終わりではありません。例えば、お客様の新規事業立ち上げにおいて、当社のエンジニアが企画・構想段階からワークショップに同席します。 「技術的に何が可能か」をその場で提案し、最新技術を用いたプロトタイプを迅速に開発して、共にお客様のビジネスを形にしていきます。あなたの技術とアイデアが、直接お客様の挑戦を支える原動力になります。 ●職務内容 通信、金融、小売、公共、製造、エンタメなど、幅広い業界の大手クライアントに対するシステム開発およびAX･DX推進を行っています。 ①ワンストップ開発の提供 単なる開発にとどまらず、プロジェクト立案・要件定義から設計・開発、テスト、リリース後の運用保守・継続的な機能拡張や改善提案までを一気通貫で手掛けます。 ②柔軟な開発体制(AMBL内) 数十人規模の大規模業務システムから、少人数のアジャイル開発まで、特定の技術に依存せず案件に合わせた最適な開発体制を構築し、プロジェクトを推進します。 ●役割とプロジェクト推進体制 「作る」から「創る」を体現する、AMBLのプロジェクト推進スタンス ①お客様の「チームの一員」としての伴走支援 リモートワークとオフィス出社を柔軟に織り交ぜたハイブリッドな環境を中心に、顧客企業と一体となって課題を解決していただきます。顧客現場のコンテキストを深く理解した上で、最適なソリューションを導き出します。 ②主体的な改善提案と仕組み作り 指示されたものをただ作るのではなく、日々の業務効率化や新しい技術の導入提案など、仕組み作りまでをお客様と一緒に実現していただきます。 ③チーム開発の牽引・協働 個人プレーではなく、チームでの成果を重視します。若手からリーダー、さらにお客様も含めて一体となって進めるチーム開発を体現していただきます。 ●具体的なプロジェクト例 【生成AI・社会貢献・大規模】求職者様の「やりたい」が必ず見つかります! ①【社会貢献軸】 被災地復興支援・デジタル地域通貨プラットフォーム開発 被災エリアの自治体等と連携し、復興支援給付金配布などを支えるプラットフォーム開発です。技術で社会課題を解決する実感が得られます。 ②【先端技術軸】 生成AI駆動型・次世代開発フレームワーク構築 最新LLMを組み込んだ独自フレームワークを構築し、AIを用いた開発プロセスそのものを再定義するプロジェクトです。 ③【大規模安定軸】 国内最大級・金融決済インフラ刷新プロジェクト 長年稼働したレガシーシステムからモダンなシステムへのマイグレーションを行います。大規模かつミッションクリティカルな開発経験が積めます。

株式会社ABEJA

以下の中から個々のスキルや事業状況に応じた業務を担当いただきます。 ●ABEJA Platform / ABEJA LLM Series / ABEJA Insight for Retail などのプロダクトに関連する開発・運用業務の実施 ・AIパイプライン基盤、LLMOps基盤、数千台のカメラ・センサーデバイス等のデータ分析・可視化 B2B SaaS プロダクトなどの強化活動にバックエンドエンジニアとして参画し、提供価値を最大化、定期的なメンテナンス活動を実施 ●プロダクト研究・開発に必要な技術検証業務の実施 ・以下一例、スキルに応じて ・LLM/生成AIに関する技術検証 ・新しいフレームワーク、新しい基盤の技術検証 ・新しいIoTデバイスの価値検証 ●各種スクラムイベントへの参加 ・スプリントレビュー、レトロスペクティブ、スプリントプランニングの定例会議への参加 ・開発進行に関する議論に参加 ●サービスレベル改善と運用効率化業務(SRE業務)の実施 ・KAIZEN DAY(週1回)に参加し、デプロイ頻度の向上、変更リードタイムの短縮、変更障害率の低減を実現 ●その他の業務 ・エンジニアチームの強化のための採用活動や勉強会登壇などに積極的に参加 ・技術スタック一覧(StackShare)に基づいた開発や技術の選択と活用 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

パーソルホールディングス株式会社

【専門性が活かせる/フレックス・リモート勤務可能で働きやすい環境】 売上1兆円規模、グループ157社(国内:49社 海外:108社)を有し、国内・世界トップクラスの総合人材企業であるパーソルグループ。 テクノロジーの力でグループビジョン「はたらいて、笑おう。」を実現することをミッションに、サービスの進化や、グループの生産性・競争力の向上、社員の働く環境の良化などをITの側面から推進しています。その中で、生成AIを中心としたアプリケーション/プラットフォームの企画・設計・開発をお任せします。 ●業務詳細 グループ各社の事業価値向上や業務生産性の向上をめざし、マッチング迅速化やグループ共通業務の効率化など、AI・データを活用した施策の支援をご担当いただきます。また、グループ内で保持するデータを事業価値につなげていくために、データ基盤の構築を進めています。このデータ基盤の構築や、API/アプリケーション開発などをご担当いただきます。デジタル企画、データサイエンス、エンジニアリング、ガバナンスなどの専門知識を持つメンバーと、プロジェクトごとにチームを編成して活動します。 ●具体的な担当業務 各ポジションは専門領域を持ちながらも、横断的に連携しながらプロジェクトを推進します。具体的には、下記のような業務を、チームで連携しながら取り組んでいただきます。 ・クラウド上でのデータ基盤および実行基盤のアーキテクチャ設計・構築 ・データガバナンスを考慮した基盤設計 ・CI/CD, IaCによる構築・運用自動化の設計・推進 ・コンテナ基盤(Kubernetes等)の整備 ・SLI/SLOに基づく信頼性向上 ・可用性、パフォーマンス、コストのトレードオフ設計 ・再利用可能な共通基盤の設計(マルチテナント設計) ・クラウドコスト最適化(FinOps)の設計・運用 ・内部開発者向けプラットフォームの設計・提供と開発者体験の向上 ・技術選定、アーキテクチャ方針の策定、構成レビューの主導 ご経験によって、周辺業務等もお任せしながらキャッチアップ頂く場合もございます。 パーソルグループの事業・サービスの開発にチームで参画いただくか、パーソルホールディングス内のプロジェクトでの参画になります。場合によっては一時的な兼務/出向をいただく場合がございます。 ●配属組織:グループAI本部 データソリューション部 データサイエンス室 デジタル化を推進することで、パーソルグループ全体の業務効率化や生産性向上、データ利活用に寄与する部門です。本部全体で150名ほどの組織になります。立場に関わらず意見を伝え合う風通しの良い社風です。また、主体的な言動や意志を尊重し裁量ある働き方ができる環境であり、成長意欲がある方には組織として全面的にバックアップする環境です。 データサイエンス室は現在メンバー8名程度で、30代前半～40代のデータサイエンティスト、AIエンジニアが中心で構成されます。 コミュニケーションを大切にし、部を跨いだ定期的なイベントや、メンター/管理職との定期的な1on1を行っています。残業時間は20～30時間程度です。 ※場合よってはグループ内で一時的な兼務/出向をいただく場合がございます。 ●募集部門 グループAI本部 データソリューション部 ●担当職種の変更範囲:会社の定める職種(出向規程に従って出向を命じることがあり、その場合は出向先の定める職種)

キャディ株式会社

●期待する役割 Enterprise Solution 部において、ソリューション提供における Technical PdM としての役割を担っていただきます。 本ポジションでは、大きく2つの軸で「何を作るか」の意思決定を主導していただきます。 1つ目は 個社ソリューションの企画・推進 です。顧客の経営課題を深く理解し、課題の発見・仮説立案・ソリューション企画・優先順位づけを行い、エンジニアリングチームと協働してソリューションを形にしていきます。 2つ目は ソリューションプラットフォームの設計・構築 です。ソリューション数の増加に伴い、プラットフォームとして実装すべきコア機能と、ソリューションごとの Configuration で実現する部分の境界を設計し、スケーラブルな基盤を構築します。 いずれの軸においても、ビジネス理解に基づいて自らプレイングし、ソリューション提供で得られた知見をプロダクトへ還流することで、全社レベルでの価値向上にも貢献していただきます。 ●想定される業務例 (以下に限定されるものではありません) ・顧客の経営課題に基づくソリューションのディスカバリー・企画・仕様策定 ・個社ソリューションのロードマップ策定・優先順位づけ・進捗管理 ソリューションプラットフォームのコア機能定義・ロードマップ策定 　-プラットフォームとして実装すべきコア機能と、ソリューションごとの Configuration で実現する部分の境界設計 ・定性・定量リサーチ(顧客ヒアリング・利用データ分析・問い合わせ分析など)の企画・遂行 ・ソリューション提供で得られた知見のプロダクトへの還流に向けた、他部署 PdM との協働 ・顧客および社内ステークホルダーとの調整・合意形成 ●所属組織について ・Enterprise Solution 部への配属を想定しています。 ・開発組織の全体像は[こちらのスライド](https://speakerdeck.com/caddi_eng/enziniaxiang-kehui-she-shao-jie-zi-liao)をご参照ください。 ●開発環境 ・バックエンド: Java, Python ・インフラ: Amazon Web Services,, 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 ・Data: AlloyDB for PostgreSQL, Apache Iceberg, Dagster, Polars ・開発ツール: GitHub Copilot, Claude Code, Devin ・コミュニケーションツール: Slack, Discord, JIRA, Asana, Miro, Confluence

燈株式会社

AIおよびLLMを活用したAIアルゴリズム・AIエージェントの開発・評価を担当し、サービスへの実装まで一貫して関わっていただきます。LLMOpsなどのLLM運用の改善も担当していただきます。 ●具体的には ・LLMを用いた情報検索・情報抽出アルゴリズムの開発・評価 ・LLMを用いたAIエージェントの開発・評価 ・LLM・AIエージェントを活用したサービス開発 ・Languse, WeaveといったLLMOpsツールの活用推進 ●技術スタック(一例) ・フロントエンド 　Typescript/Node.js/React/Next.js ・バックエンド 　Typescript/Node.js/Python/NestJS/FastAPI/GraphQL/Hasura/gRPC ・インフラ 　Terraform/Kubernetes/AWS/Microsoft Azure ・AI 　Python/Numpy/Pandas/Pytorch/OpenCV ●AI開発支援ツールの導入 当社では、最新のAI開発支援ツールを実務に組み込み、効率と品質を同時に高めています。主な活用例は以下の通りです。 ・Devin:自動タスク実行、同時並行実装数を上昇 ・Claude Code:自然言語からの高度なコード提案・改善で、実装スピードを向上、同時並行実装数を上昇 ・v0.dev:高速なUIモックアップ生成で、要件確認を迅速化 ・GitHub Copilot:日常的なコーディング補助で、作業効率を底上げ ・Gemini:Deep Research/Python実行を含む情報検索・解析で、調査や設計の精度を向上

セーフィー株式会社

●本職種のミッション 映像プラットフォームの強みを活かし、映像活用の可能性を実用的なソリューションへと変換することで新しい事業領域を切り拓いていくことが、このチームのミッションです。 Safieプラットフォームを通じたソリューション開発を広げていくための中心的な役割を担い、事業領域ごとに必要とされる価値を具現化してプロダクトに落とし込むフェーズに携わっていただけます。 新部署での取り組みであるため、既にある仕様通りに実装するのではなく、技術検証や要件整理の段階から主体となって関わり、ゼロから最適なアーキテクチャやアプローチを検討することにチャレンジしていただけます。 特定の技術領域に閉じることなく、ユーザーの課題を起点とした社会で実際に機能する価値あるプロダクトをつくりたい方、AIを含む新しい技術も適切に取り入れながら開発に向き合いたい方に適した環境です。 【取り組み事例】 [車両管理・物流現場DX](https://safie.co.jp/news/4660/):AI搭載のクラウド録画カメラを用いたナンバープレート認証システムを、物流拠点や建設現場のゲート管理と統合。 高価な専用センサーや現地サーバーを必要とせず、クラウド上での車両識別・入退場ログの自動化を実現。 [小売・店舗DX](https://safie.jp/article/post_4362/):POSレジのデータと映像を同期させることで、不正検知やレジ待ち解消など、ロス対策といった店舗課題を解決し、現場のオペレーション最適化を支援する商用ソリューションの検討・提供。 [現場コミュニケーションDX](https://safie.jp/article/post_26106/):外部サービスを連携することで、現場の「声」と「映像」を統合し、遠隔地からでも的確な指示や状況把握を可能にするシステムを構築。 [公共・社会インフラ](https://safie.jp/survey/): 人流分析AIを用いた公共空間の利用状況可視化や、都市開発における実態調査など、行政や自治体と連携した社会課題解決をデータドリブンに実装。 その他:最新のLLM(大規模言語モデル)を用いた「映像×〇〇」ソリューションの創出など、自社プラットフォームが持つ膨大なアセットをベースに、次世代のサービスを定義から実装までを推進するプロジェクトが多数進行中。 ●主な業務内容 顧客・市場の課題を理解し、最適な技術アプローチを検討 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 利用者のフィードバックを踏まえた改善や運用サポート 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 ●部署の今後の目標・現在の目標 ソリューション開発部では、今後の展望として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は可能性が広がっていますが、それ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、各プロジェクトにおいて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。 また、多様化するニーズに対して技術的な実現可能性をどう担保し、プラットフォームとしての堅牢性と柔軟性をどう両立させるかといった難易度の高い問いに向き合っている段階です。 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

株式会社メドレー

自社サービスである病院向け電子カルテ「MALL(モール)」の開発組織のテックリードとしてご活躍頂きます。 ●具体的には ※適正やご意向を踏まえながら業務アサインを行なっていきます。 ・プロダクトの技術戦略の立案・推進 ・エンジニアチームの技術的な意思決定・アーキテクチャ設計 ・クラウドネイティブアーキテクチャへの移行設計・推進 ・Web技術強化に向けたクロスコンパイル可能な言語の技術選定・評価 ・AIコーディングツールを前提とした開発プロセス・ワークフローの設計と推進 ・LLMのファインチューニングを含むAI機能の設計・開発・プロダクトへの組み込み ・開発プロセスの改善、コードレビュー、技術的な課題解決 ・プロダクトマネージャーやデザイナーとの協業による要件整理 ・チームメンバーの技術的なメンタリングと業務支援 ・新技術の選定・導入の推進 ●サービス説明 ・MALL(モール)は、病院・有床診療所向けの電子カルテで、医師・看護師等の働き方改革を推進します ・メインターゲットとしている中小病院は依然として約4割が電子カルテ未導入であり、国が掲げる2030年普及率概ね100%の目標に向けてDX化を推進します ・高いコストパフォーマンス・拡張性などを強みに、累計200件を超える導入数と利用継続率99%を実現しており、さらなる事業成長を見越しています ・システムのパフォーマンス等を考慮し、現在はオンプレのパッケージシステムで提供をしていますが、クラウド化対応を推進中です。開発言語はC#を中心としつつ、Web技術強化のためクロスコンパイル可能な言語への移行も検討しています ・今後、LLMのファインチューニング等を活用したAI機能のプロダクトへの組み込みも計画しています ●開発環境 ・開発言語:C# / .Net Framework / Windows Forms 　(→ クラウド対応予定・クロスコンパイル可能な言語を検討中) ・DB:SQL Server ・AI:Claude Code 等のAIコーディングツールを全面導入予定 ・開発環境: Visual Studio / GitHub ・コミュニケーション: Slack / Confluence / kintone ※業務の変更の範囲:会社の定める業務

ALH株式会社

上級開発エンジニアとして、toC/toB領域、基幹システム、Webアプリケーションなど、幅広い業界のプロジェクトにおいて、要件定義からリリース、運用保守までの全工程を技術主導していただきます。 特に現在は、生成AI(LLM)の導入やRAG(検索拡張生成)を用いた精度向上など、最新技術を実際のビジネス現場に実装するプロジェクトが加速しており、これらの技術選定やプロトタイプ開発も積極的にお任せします。 ■具体的な仕事内容 ・要件定義～設計、実装、テスト、リリースまでの一貫したリード。 ・生成AI等を活用したシステム設計・開発および最新技術の評価・検証。 ・自社社員を中心としたチームのマネジメントおよび後進育成。 ・顧客とのリレーション構築および技術的な提案活動。 ■顧客の業界例 金融/福祉/通信/EC/流通/商社/官公庁/モビリティ/SAP/飲食/航空 プロジェクト事例 ・生成AI(LLM)を活用した顧客対応自動化システムの設計・開発 大規模言語モデルを導入し、RAG(検索拡張生成)等の手法を用いて回答精度を向上させ、商用環境へ適用。 ・数千万ユーザー規模の通信サービスにおけるデータ活用基盤の構築 膨大な利用ログやテキストデータを整理・解析し、サービスの利便性向上や業務効率化を実現。 ・マルチクラウド環境(AWS/Azure/GCP)でのSaaSプラットフォーム開発 モダンな技術スタック(TypeScript, Go, React等)を用い、要件定義からリリースまで一貫して推進。 ・大規模基幹システムのマイグレーションおよびクラウド化 既存の複雑なシステムを最新のアーキテクチャへ移行し、ビジネスの機動力向上を支援。 よく使われる開発言語、フレームワーク、サービス ・開発言語 :Java, Python, TypeScript, JavaScript, Go, PHP ・フレームワーク :Spring Boot, React, Vue.js, Node.js, Next.js, Django ・プラットフォーム/ツール :OutSystems (ローコード), Docker, Kubernetes ・クラウドサービス :AWS, Azure, Google Cloud (GCP) ・データベース :PostgreSQL, MySQL, Oracle, NoSQL (DynamoDB等) ・AI関連技術 :LLM (GPT-4等) のAPI利用, LangChain, RAG (検索拡張生成) ・開発支援/管理 :GitHub, GitLab, Backlog, Slack, CI/CDツール 配属部署について ALHは現在、ブランドリニューアルを実施し、「技術で変化をつくる主体者」として、顧客の事業課題解決に伴走する存在へと進化しています。 2025年9月のカンパニー型組織体制の導入に伴い、カンパニー単位で大きな裁量を持ち、採用・育成・営業推進・組織運営まで一貫して意思決定できる仕組みになりました。 選考内でご意向を鑑み、適切な部署へと配属させていただきます。 役割・ミッション ・要件定義からリリース、運用保守まで一貫した開発工程を推進します。 ・大規模・直取引案件をリードすると共に、顧客のビジネス課題に踏み込んだ提案活動や「次代に通用するチームビルド」をお任せします。 ・生成AIやLLM等の先端技術を深く理解し、実際のビジネス現場で安定稼働する機能へと昇華させていく役割を担っていただきます。