年収600万円以上 KubernetesのITエンジニア求人・転職情報

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

【ミッション】 法人営業・法人顧客向けに法人向けサービスの申込/開通関連の業務を安定的に実行するためのシステムを提供し事業へ貢献する 【主な業務】 業務システム開発および保守 【具体的な業務】 ・システム開発における各種工程の実行(設計～開発～リリース) ・システム開発・維持/管理業務全般 ・生成AIを活用した設計・実装・試験の効率化

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

マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 ●機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 ・機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 ・機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 ・機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ・ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 ●プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 ・モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり ・モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 ・個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 ●生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 ・プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり ・LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 ・個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 ●データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 ・CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 ・テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 ・個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 ●上記を実現するための非機能要件・運用品質の継続的な改善 ・IaCによるインフラ構築・管理 ・CI/CDによるテスト・デプロイ自動化 ・サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 ・パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 ●社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ●ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 扱っているデータ ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ 上記のようなデータを扱っております。 技術スタック(主要な部分の抜粋) ●クラウド ・Google Cloud ●開発言語 ・Python ●データ基盤 ・BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 ・Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール ・Looker / Looker Studio ●IaC ・Terraform ●開発環境・ツール ・Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc

マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 ●機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 ・機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 ・機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 ・機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ・ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 ●プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 ・モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり ・モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 ・個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 ●生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 ・プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり ・LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 ・個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 ●データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 ・CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 ・テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 ・個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 ●上記を実現するための非機能要件・運用品質の継続的な改善 ・IaCによるインフラ構築・管理 ・CI/CDによるテスト・デプロイ自動化 ・サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 ・パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 ●社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ●ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 技術スタック(主要な部分の抜粋) ●クラウド ・Google Cloud ●開発言語 ・Python ●データ基盤 ・BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 ・Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール ・Looker / Looker Studio ●IaC ・Terraform ●開発環境・ツール ・Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 扱っているデータ ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ 上記のようなデータを扱っております。

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

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

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

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

本ポストでは、公共分野（知的財産・司法法務）を中心とした大規模～中小規模システムのITインフラを設計・構築するインフラエンジニアとしてご活躍いただきます。 クラウド・AI・コンテナ・オンプレミスなど幅広い技術を活用し、最適な基盤を提案・実現することが主なミッションです。 ご入社後は、ご本人の経験や希望を考慮し、以下のいずれかの業務を担当いただきます。案件やキャリア志向に応じてプロジェクト配置やチーム間連携も柔軟に行いますので、専門知識の幅を広げながら成長いただけます。 公共分野の知識がなくても、入社後にしっかりとフォローいたします。 ＜業務例＞ ①クラウド基盤の設計・構築 （例：AWS/Azure/GCP/OCIなどを用いた新規サービス基盤の導入、オンプレからクラウドへの移行） ②コンテナ基盤の設計・構築 （例：KubernetesやOpenShiftを活用したマイクロサービス基盤の導入） ③AI・データ分析基盤の構築 （例：MLOps環境の整備、AIモデル運用のための基盤構築） ④仮想化基盤・プライベートクラウドの構築 （例：VMwareやOpenShiftVirtualizationなどを活用した既存システムの仮想化・統合） ⑤大規模～中小規模オンプレシステムの更改対応 （例：既存ハードウェアのリプレース、インフラのモダナイズ検討） いずれの業務も、設計から実装・運用まで幅広く関与でき、インフラエンジニアとしてキャリアを積みながら、リーダーやサブリーダーとしてチームを率いる経験を積むことができます。さらに、経験に応じてアーキテクチャ設計や技術選定に意見を反映させられるため、技術者としての成長と影響力の拡大を実感できるポジションです。

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

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

●課題を定義する 顧客の業務プロセス・データ環境・既存SaaS群の全体像を把握し、AIがどこに介入すれば効果が最大化するかを特定します。経営層から現場担当者までと直接対話し、仕様書を受け取るのではなく、仕様を自ら定義します。 ●爆速で作る JAPAN AI STUDIOで、現場が実際に使うワークフロー（稟議承認、リソース最適配置、見込み顧客探索、データ連携 等）を構築します。顧客の既存SaaS（Salesforce / SmartHR / kintone 等）とのAPI連携、LLM・AIエージェントを用いたPoCの高速実装から本実装まで、フルスタックで自ら手を動かします。 ●本番に載せ、プロダクトに還す 本番導入の技術支援、セキュリティ・コンプライアンス要件への対応、導入後の利用定着まで伴走します。現場で得たパターンはプロダクトチームへ還元され、次の標準機能になります。 例：全国50店舗を展開する小売業。紙ベースで平均5営業日かかっていた発注稟議を、過去の承認パターンをAIが学習して一次判断するワークフローに置き換え、リードタイムを1営業日に短縮。この事例は標準テンプレートとして他顧客にも展開されました。 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●期待する役割について 顧客の業務プロセスとデータ環境を深く理解し、JAPAN AI STUDIO を活用して課題解決を実装・導入するエンジニアです。 顧客の既存システム (SaaS 群) の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する JAPAN AI STUDIO を活用し、現場が実際に使えるワークフロー (稟議承認、リソース最適配置、見込み顧客探索 等) を爆速で構築する PoC を本番環境へ導入し、利用定着まで伴走する 現場で得た知見をプロダクトチームにフィードバックし、プロダクトを進化させる 経営層から現場担当者まで、多様なステークホルダーと関係を構築する ●成果責任 (KR/メトリクス) FDE の動きがプロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約60名が開発組織に在籍しています。 FDEチームは現在10名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

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

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

新規・グロースフェーズのサービス開発エンジニアとして、ご経験に応じて下記業務を担当いただきます。 ●アプリケーション開発、API開発 ●アーキテクチャの設計、ミドルウェアの選定 ●ユーザーの行動ログなどの定量・定性的な分析による施策効果測定、サービス改善 ●AWSを中心としたクラウドリフト/シフト、新規構築のインフラの設計、検証、構築、運用 ●パーソルキャリアの各事業(doda、doda Xなどの人材紹介事業)に対して、アプリケーションの実行基盤の整備 Webサービスについて 「はたらく」を取り巻く環境が多様化する中、Mission 達成に向けて、既存のdodaを主軸とする転職支援以外の新しい領域のサービスを企画・開発中です。 ●doda 業界最大級の求人数、豊富なサポート実績を誇る転職サービスです。登録者数:約934万人(2024年12月末時点)。 エージェントサービスの他には求人情報サービスや転職イベントなど様々なサービスを運営。 ●dodaダイレクト doda/doda Xのデータベースにアクセスし、企業からスカウトを送れるサービス ●doda X 年収600万円以上の方向けのハイクラス転職サービスです。業界や企業動向に精通したヘッドハンターからスカウトを受け取れます。 ●dodaキャンパス 学生の就職活動を支えるダイレクトリクルーティングサービスです。 大手~ベンチャー企業まで累計契約企業10,000社以上(2024年6月時点)。 オリコン顧客満足度調査にて4年連続学生満足度、総合1位に選出。 ●MIRAIZ キャリアに役立つスキルの習得、プロによるキャリア相談がすべて無料。 学び×JOBをつなげ、転職に留まらず、一人一人に合わせたはたらくを一生涯サポートするサービスです。 ●HR Analyst 最新のテクノロジーで競り負けない採用を実現する人材分析サービス ●HR forecaster 転職マーケットに即した求人要件を作成できるサービスです。HR アワード 優秀賞受賞、HR テクノロジー大賞 イノベーション賞 受賞。 ●HR Spanner 中途入社者が入社後スムーズに職場環境に馴染み、早期に即戦力として立ち上がれるようにコンディションチェックやコミュニケーションのサポートをするオンボーディングサービス。簡単な操作と最小限の工数で、中途入社者の不安や悩みを検知し、現場でのコミュニケーションを促進します。 使用技術(一例) 言語: Java,C#,JavaScript, TypeScript, Dart, Python, ShellScript, HDL フレームワーク:Vue, Echo, Flutter ミドルウェア: Terraform, Kubernetes, Docker, クラウドサービス:AWS,Azure,Google Cloud Platform 実行環境: Kubernetes Engine, App Engine, Cloud Function, Cloud Run データベース・ストレージ: BigQuery, CloudSQL, Cloud Firesore, Cloud Storage その他: Cloud Logging, Cloud Monitoring, Cloud Trace, Cloud Pub/Sub, Google Tag Manager アクセス集計: Google Analytics はたらく環境 PC: Windows ノート (標準支給), MacBook Pro 15/16 インチモデル エディター: JetBrains IntelliJ IDEA 等のお好きな IDE, エディター ナレッジサービス: esa コミュニケーションツール: Slack, Zoom, Google Meet グループウェア: Microsoft Offi ce 365, Google Workspace 開発向けサービス: GitHub, ZenHub

現在、GO事業では法人事業向け機能開発ニーズが高まっています。 順調に成長を遂げるタクシーアプリ『GO』において、今後の成長をより強力に推進する鍵となるのが、業務でタクシーを多く利用する企業をターゲットとする法人向けサービス『GO BUSINESS』の成長と考えています。 ●GO BUSINESS タクシーアプリ『GO』の法人向けサービスである『GO BUSINESS』(https://go.goinc.jp/business/)　では、法人向け管理画面や法人向け管理画面をはじめとするWebプロダクト群の開発だけでなく、タクシーアプリ『GO』を構成する多くのプロダクトに対する機能開発も含めて、複数のプロダクトを跨いだ開発を行っています。 今後の成長ドライバーである『GO BUSINESS』にて様々な開発ニーズが発生しており、それに伴い本ポジションでは、『GO BUSINESS』に関連した開発に携わっていただきます。 『GO BUSINESS』は業務でタクシーを利用する企業にとって便利な機能が揃っている、いわゆるBtoBのSaaSです。 例えばタクシー料金を請求書払いにすることができるので、煩雑な領収書処理の手間が省けたり、社員の乗車履歴がWeb画面で一括管理できたりといったサービスです。 またGO BUSINESS契約企業は『GOチケット』という電子版タクシーチケットを発行できたり、役員やお客様のために代理でタクシーを呼ぶ機能も使えます。 [開発環境] バックエンド(APIサーバ) -言語:Go -Webフレームワーク:Echo -データストア:MySQL/Redis -インフラ:AWS/Kubernetes/Docker -CI/CD: GitHub Actions フロントエンド -言語:TypeScript, Dart -ライブラリ:React, Flutter -CSSフレームワーク:MUI -インフラ:S3/CloudFront -CI/CD: GitHub Actions ●解決したい課題 『GO BUSINESS』は、タクシーアプリGOの成長と相まって利用企業数や問い合わせ数が急増しており、それに伴い既存顧客向けの機能改修を行いながら新規顧客向けの魅力的な新機能を高速に開発し続ける必要があります。 特にグローバルにビジネス展開しているような大手企業では、企業統制やセキュリティを重要視しており、そのようなニーズに合致するような機能群の開発は、今後の『GO BUSINESS』の顧客獲得において非常に重要となります。これらの機能の開発には、『GO BUSINESS』が提供しているプロダクトの開発にとどまらず、タクシーアプリGOのバックエンドやユーザーアプリの開発も必要になります。多くのプロダクトに跨る開発は当然ですが難易度も高くなります。様々なプロダクト開発チームと連携しながら、これらの難しい課題を解決したいと考えています。

デジタル推進統括本部 クロスドメインプラットフォーム本部 クラウド管理部にて、クラウド環境の最適化、マルチクラウドソリューションの企画・実行をお任せします。 <具体的な業務内容> ①クラウド環境のプラットフォーム最適化(要件定義・設計・構築・運用・テスト) ・既存IaaS・PaaS環境からのクラウドネイティブ化対応 ・サーバーレス/コンテナ/マイクロサービスなどを活用したクラウドネイティブ技術の実装 ②マルチクラウドソリューションの企画・推進 ・AWS/Azure等の強みを活かしたプラットフォーム設計と活用戦略立案 ・グローバル拠点を含めた導入展開・標準化・セキュリティ施策の推進 ③クラウド環境上の生成AI環境構築 ・企業プラットフォームからMCP等を活用したLLM連携の構築・活用検証 ・トラストモデルの検証 ・技術強化部門へPoC環境提供 ④プロジェクト運営 ・グローバルプロジェクトのPM/PL/PMO等の各役割に応じたリード ・プロジェクト進捗管理、課題管理、コスト管理、リスク管理、ステークホルダ管理 等 ・プロジェクト会議アレンジ、ファシリーテート、資料作成 等 <現状推進しているプロジェクト> ・マルチクラウド間データ連携基盤の構築 ・クラウド基盤エンタープライズアーキテクチャのグランドデザイン、標準化 <対象クラウドについて> 日立ハイテクグループを対象にしたクラウド基盤、もしくは日立グループを対象にしたクラウド基盤となります。 ボリュームとしては日立ハイテクグループを対象にしたクラウド基盤が多くを占めており、こちらの基盤構築・管理がメインとなります。 日立グループ全体を対象にしたクラウドを使用する場合は、日立製作所や他グループ会社とも連携をとりながら業務を進めていくため、大規模なプロジェクトの推進経験をすることができ、与えるインパクトが大きくやりがいを感じることができます。 ※業務の変更範囲※ 会社の定める業務 ※転勤:茨城県勝田市、および山口県下松市の工場にデジタル推進統括本部のIT部門があるため、ローテションによる転勤の可能性があります。

デジタル推進統括本部 クロスドメインプラットフォーム本部 クラウド管理部にて、クラウド環境の最適化、マルチクラウドソリューションの企画・実行をお任せします。 <具体的な業務内容> ①クラウド環境のプラットフォーム最適化(要件定義・設計・構築・運用・テスト) ・既存IaaS・PaaS環境からのクラウドネイティブ化対応 ・サーバーレス/コンテナ/マイクロサービスなどを活用したクラウドネイティブ技術の実装 ②マルチクラウドソリューションの企画・推進 ・AWS/Azure等の強みを活かしたプラットフォーム設計と活用戦略立案 ・グローバル拠点を含めた導入展開・標準化・セキュリティ施策の推進 ③クラウド環境上の生成AI環境構築 ・企業プラットフォームからMCP等を活用したLLM連携の構築・活用検証 ・トラストモデルの検証 ・技術強化部門へPoC環境提供 ④プロジェクト運営 ・グローバルプロジェクトのPM/PL/PMO等の各役割に応じたリード ・プロジェクト進捗管理、課題管理、コスト管理、リスク管理、ステークホルダ管理 等 ・プロジェクト会議アレンジ、ファシリーテート、資料作成 等 <現状推進しているプロジェクト> ・マルチクラウド間データ連携基盤の構築 ・クラウド基盤エンタープライズアーキテクチャのグランドデザイン、標準化 <対象クラウドについて> 日立ハイテクグループを対象にしたクラウド基盤、もしくは日立グループを対象にしたクラウド基盤となります。 ボリュームとしては日立ハイテクグループを対象にしたクラウド基盤が多くを占めており、こちらの基盤構築・管理がメインとなります。 日立グループ全体を対象にしたクラウドを使用する場合は、日立製作所や他グループ会社とも連携をとりながら業務を進めていくため、大規模なプロジェクトの推進経験をすることができ、与えるインパクトが大きくやりがいを感じることができます。 ※業務の変更範囲※ 会社の定める業務 ※転勤:茨城県勝田市、および山口県下松市の工場にデジタル推進統括本部のIT部門があるため、ローテションによる転勤の可能性があります。

●全社システムの設計・構築・運用 ・クラウド上のサービスやOSSを組み合わせた基盤システムの設計、構築・運用 ・クラウド上での Kubernetes クラスタの構築と運用 ・データベース・データウェアハウスの運用 ・システムメトリクスの可視化、監視、障害対応 ・負荷試験、セキュリティー対策、ボトルネック調査、アーキテクチャの改善、クラウドコスト削減 ●社内エンジニアの生産性向上に関するシステムの設計・構築・運用 ・CI/CD パイプラインの構築 ・データパイプラインのテストシステム設計 ・社内認証基盤の設計 ●他のエンジニア職と共通の業務 ・サービスの安定提供を24時間365日、維持するためのシステム運用 ・システムの技術的な問題の発見と解決 ・運用を自動化あるいは低コストにするためのツールの開発 ※従事すべき業務の変更の範囲:なし ポジションについて 膨大なデータを扱っている フライウィールのプロダクト及びクライアントにとって、データをエネルギーとしたビジネスインパクト実現のために欠かせない技術的要件として、日々の安定したシステム稼働が求められています。 そのために、クラウドサービスとOSSをフル活用し、複数のクライアントへ効率的、安定的にサービス提供が可能なシステムインフラの構築や、マルチテナントに対して様々なソリューションを効率的に提供できるフライウィール共通基盤の構築に取り組んでいます。 今まで、検索、レコメンド、広告配信、クーポン配信、店頭在庫最適化、チラシの最適化等々、主に機械学習の技術を実世界に適用してきました。 さまざまな顧客に効率よく、素早く結果を出すためには、顧客のビジネスモデルをデータで把握した上で、やるべきことのどこまでを顧客にカスタマイズした手法で届け、どこまでを共通モジュールで行うかのバランスが重要なポイントになります。そのためにはソフトウェアエンジニア、データサイエンティスト、プロダクトマネージャー、そしてビジネスチームと連携を取りながら進めることが必須となります。 上記のようなフライウィールのビジネスならではの要求に対して、柔軟で拡張可能、かつ安定的に稼働する「持続可能なシステム」の構築がインフラチームのミッションになります。 開発環境 ●クラウド:AWS ●Infrustructure:Amazon EKS(Kubernetes), Terraform, Prometheus, Grafana ●DevOps:Bazel, GitHub, GitHub Actions

概要 本ポジションは親会社である大手通信会社やグループ会社内のDX推進やAIを用いたプロジェクトに対し、プロジェクトの遂行に留まらず、データを活用した事業変革パートナーとして戦略的な視点をもって、プロジェクトのQCDを守り、KDDIグループのシナジーの最大化/DX推進の横展開を目指していくポジションです。 さらにPjMの役割は、ビジネス価値提供のみならず、社内外のステークホルダーと連携し、プロジェクトメンバーのエンゲージメントを高く維持しながら、チーム一丸となってデータドリブンな変革を牽引することにあります。テクノロジーとビジネスを繋ぐ架け橋となり、クライアントと共に未来を創り上げるリーダーシップが求められます。 私たちは、データとAIの力を最大限に活用し、意思決定を進化させ、社会全体にインパクトをもたらすプロジェクトを共に推進する仲間を求めています。データがもたらす新たな可能性を解き放ち、企業と社会の未来を創造する挑戦に、あなたも参加しませんか? 【戦略的なデータ活用の推進とクライアントの変革支援】 ・クライアントの事業課題を深く理解し、データとAIを活用した新たなビジネス価値創出の戦略を描く ・組織横断的な視点を持ち、社内外のステークホルダーと協力しながら、単なるデータ活用に留まらず、経営レベルでの変革を支援 ・会社のビジョン / 戦略を踏まえ、Conata™ を活用した 業界標準となるデータドリブンなソリューションの提供をリード 【複雑で大規模なプロジェクトのマネジメントと成功の牽引】 ・複数の大規模 / 複雑なプロジェクトを横断的にマネジメントし、成果の最大化を図る ・プロジェクトの 計画 / 実行 / 監視 / 改善 の各フェーズを主導し、組織の戦略目標に貢献 ・QCD(品質 / コスト / 納期)管理を徹底 し、プロジェクトのリスクマネジメントを推進 ・技術動向や最新のベストプラクティスを取り入れ、プロジェクトの成功確率を向上 【組織全体に影響を与える意思決定とガバナンス強化】 ・会社のミッション / 目標を深く理解し、事業の成長を加速させるデータ活用戦略の策定 / 実行を主導 ・組織内のリソース配分を最適化 し、事業価値を最大化するプロジェクト推進を実現 ・経営層や他の部門と連携し、重要な意思決定に対する戦略的な提言を行う ・組織の標準化、プロジェクト管理手法の確立に貢献し、持続可能な成長を支える基盤を構築 【テクノロジーの進化を取り入れたデータドリブンな変革の実践】 ・生成AI、RAG(Retrieval-Augmented Generation)、需要予測、レコメンドエンジンなどの最新技術を活用 し、企業のデータ活用を進化させる ・クラウド環境(AWS, GCP, Azure)やデータプラットフォームを活用し、最先端のデータエコシステムの導入を推進 ・プロダクトチーム、エンジニアリングチームと連携し、プロジェクトの技術的な成功要因を確立 【チーム / 組織の成長を牽引し、影響力を拡大】 ・社内外のエンジニア、データコンサルタント、プロダクトチームと連携し、プロジェクト成功のための最適なチームを構築 ・チームメンバーのエンゲージメントを高く維持し、組織全体の生産性と品質を向上させるリーダーシップを発揮 ・マネージャー、メンバーの採用 / 育成に貢献し、次世代リーダーの育成を推進 開発環境 開発言語:Java, Python フレームワーク:Micronaut Framework, Spring Framework, flask, gRPC, OpenAPI モニタリング:Prometheus ミドルウェア/インフラ:MySQL, Redis, Docker, Kubernetes, fluentd, Pulsar, bazel, github クラウド: AWS, GCP, Azure プロジェクトマネジメントツール Jira / Confluence / Google Workspace / Miro / Looker Studio / Slack

概要 シニアプロジェクトマネージャー(以下Sr.PjM)は、DX推進やデータ整理 / 活用に課題を感じているエンタープライズ企業のクライアントに対し、プロジェクトの遂行に留まらず、データを活用した事業変革パートナーとして戦略的な視点をもって、プロジェクトのQCDを守り、クライアントのビジネス価値を最大化することが求められます。 さらにSr.PjMの役割は、ビジネス価値提供のみならず、社内外のステークホルダーと連携し、プロジェクトメンバーのエンゲージメントを高く維持しながら、チーム一丸となってデータドリブンな変革を牽引することにあります。 テクノロジーとビジネスを繋ぐ架け橋となり、クライアントと共に未来を創り上げるリーダーシップが求められます。 私たちは、データとAIの力を最大限に活用し、企業の意思決定を進化させ、社会全体にインパクトをもたらすプロジェクトを共に推進する仲間を求めています。 データがもたらす新たな可能性を解き放ち、企業と社会の未来を創造する挑戦に、あなたも参加しませんか? 【戦略的なデータ活用の推進とクライアントの変革支援(PjMと同じ)】 ・クライアントの事業課題を深く理解し、データとAIを活用した新たなビジネス価値創出の戦略を描く ・ 組織横断的な視点を持ち、社内外のステークホルダーと協力しながら、単なるデータ活用に留まらず、経営レベルでの変革を支援 ・会社のビジョン / 戦略を踏まえ、Conata™ を活用した 業界標準となるデータドリブンなソリューションの提供をリード 【複雑で大規模なプロジェクトのマネジメントと成功の牽引(PjMと同じ)】 ・複数の大規模 / 複雑なプロジェクトを横断的にマネジメントし、成果の最大化を図る ・プロジェクトの 計画 / 実行 / 監視 / 改善 の各フェーズを主導し、組織の戦略目標に貢献 ・QCD(品質・コスト・納期)管理を徹底 し、プロジェクトのリスクマネジメントを推進 ・技術動向や最新のベストプラクティスを取り入れ、プロジェクトの成功確率を向上 【テクノロジーの進化を取り入れたデータドリブンな変革の実践(PjMと同じ)】 ・生成AI、RAG(Retrieval-Augmented Generation)、需要予測、レコメンドエンジンなどの最新技術を活用 し、企業のデータ活用を進化させる ・クラウド環境(AWS, GCP, Azure)やデータプラットフォームを活用し、最先端のデータエコシステムの導入を推進 ・プロダクトチーム、エンジニアリングチームと連携し、プロジェクトの技術的な成功要因を確立 【組織全体に影響を与える意思決定とガバナンス強化(Sr.PjMのみ)】 ・会社のミッション / 目標を深く理解し、事業の成長を加速させるデータ活用戦略の策定 / 実行を主導 ・組織内のリソース配分を最適化 し、事業価値を最大化するプロジェクト推進を実現 ・経営層や他の部門と連携し、重要な意思決定に対する戦略的な提言を行う ・組織の標準化 / プロジェクト管理手法の確立に貢献し、持続可能な成長を支える基盤を構築 【チーム / 組織の成長を牽引し影響力を拡大(Sr.PjMのみ)】 ・社内外のエンジニア、データコンサルタント、プロダクトチームと連携し、プロジェクト成功のための最適なチームを構築 ・チームメンバーのエンゲージメントを高く維持し、組織全体の生産性と品質を向上させるリーダーシップを発揮 ・マネージャー、メンバーの採用 / 育成に貢献し、次世代リーダーの育成を推進 開発環境 ・開発言語:Java, Python ・フレームワーク:Micronaut Framework, Spring Framework, flask, gRPC, OpenAPI ・モニタリング:Prometheus ・ミドルウェア/インフラ:MySQL, Redis, Docker, Kubernetes, fluentd, Pulsar, bazel, github ・クラウド:AWS, GCP, Azure

ソフトウェアエンジニアは、専門性およびプロジェクトのニーズに合わせて幅広い業務を行っております。以下に一例を示します。 ●Conata の製品群を操作・閲覧する Web フロントエンドおよびそのバックエンド (BFF)について、共通部分・ライブラリの開発および改善、各案件向けカスタマイズのサポート ●上記業務プロダクトのUI/UX設計 ●データ収集 └パートナー・クライアントとのデータの受け渡しをするためのインテグレーションシステムの構築 ●データ処理 └データの ETL/ELT 処理の開発。また安定的に動作させるためのデータ処理パイプラインの構築 └バッチ / ストリーミングベースのシナリオに対応したシステムの開発と運用 ●データ管理 └収集したデータ、処理済みデータを保存・活用するためのデータウェアハウスの設計と構築 └センシティブなデータを安全に処理可能にするためのシステム設計・構築 ●負荷試験、セキュリティー対策 ●データベース設計 ●サービスの安定提供を24時間365日、維持するためのシステム運用 ●開発環境や運用の整備・改善 └インフラ、開発ツールチェイン、社内情報管理ツール開発・最適化。 従事すべき業務の変更の範囲:なし 開発環境 クラウド:AWS 開発言語:Kotlin、Python、TypeScript フレームワーク・ミドルウェア等:React、Next.js、MySQL、Redis、Elasticsearch、Snowflake、Micronaut、gRPC、Apache Pulsar、Amazon S3、Amazon Athena、Dagster、Bazel、Amazon EKS(Kubernetes)、Terraform SaaS:Auth0、Vercel 組織とポジションについて ●配属予定組織 ・Product Architectチーム 大規模商用化に適したプロダクトの基幹設計・開発・保守を担います。 ・Core Technologyチーム エンジニアリングチームを横断し、技術の一貫性・効率・革新を促進します。 ・Technical Planning & Enablement チーム 開発プランニング(プロダクト開発計画の策定)、チーム連携(各チーム間のブリッジ役)、プロダクトのデリバリー支援・活用、プロダクトの品質評価や改善等を担います。 シニアソフトウェアエンジニアは、顧客のデータ活用における課題解決をメインミッションとして、日々拡大しているデータの量・種類に技術をもって対応しながら、安定した価値提供に取り組んでいます。また、運用性・安全性の向上、技術課題の解決や支援を通じてチームの発展と顧客への高付加価値なソリューション提供を実現します。

●様々なチームと協力してプロフェッショナルサービスにおけるプロジェクトの計画、実行、監視をリードする ●プロジェクトの成果物に責任を持ち、品質を保証する一連の取り組みをリードする ●プロジェクトのリスク / 課題 / プロセス / 成果物を評価し改善活動を推進する ●社内外のステークホルダーとのコミュニケーションの促進を図りエンゲージメントを向上させる ●社内のエンジニアリング、ビジネスチームの各チームと協力して、安定したサービス提供を行う ※従事すべき業務の変更の範囲:なし メンバー構成 PgM / PjM / Data Engineer / Software Engineer + Product開発チーム(PdM以下各メンバー) 主要な役割 ・プロジェクトにスクラム開発を適用(2週間のスプリント、バックログ管理にユーザーストーリーを適用) ・顧客からの要望を整理し、解決策を設計、提案 ・Product開発チームとのコミュニケーションをリード ・ドキュメンテーション化および、顧客への適切なタイミングでのレポーティング 開発環境 ・開発言語:Java, Python ・フレームワーク:Micronaut Framework, Spring Framework, flask, gRPC, OpenAPI ・モニタリング:Prometheus ・ミドルウェア/インフラ:MySQL, Redis, Docker, Kubernetes, fluentd, Pulsar, bazel, github ・クラウド:AWS, GCP, Azure

概要 本ポジションは親会社である大手通信会社やグループ会社内のDX推進やAIを用いたプロジェクトに対し、プロジェクトの遂行に留まらず、データを活用した事業変革パートナーとして戦略的な視点をもって、プロジェクトのQCDを守り、KDDIグループのシナジーの最大化/DX推進の横展開を目指していくポジションです。 さらにPjMの役割は、ビジネス価値提供のみならず、社内外のステークホルダーと連携し、プロジェクトメンバーのエンゲージメントを高く維持しながら、チーム一丸となってデータドリブンな変革を牽引することにあります。 テクノロジーとビジネスを繋ぐ架け橋となり、クライアントと共に未来を創り上げるリーダーシップが求められます。 私たちは、データとAIの力を最大限に活用し、意思決定を進化させ、社会全体にインパクトをもたらすプロジェクトを共に推進する仲間を求めています。 データがもたらす新たな可能性を解き放ち、企業と社会の未来を創造する挑戦に、あなたも参加しませんか? 【戦略的なデータ活用の推進とクライアントの変革支援】 ・クライアントの事業課題を深く理解し、データとAIを活用した新たなビジネス価値創出の戦略を描く ・組織横断的な視点を持ち、社内外のステークホルダーと協力しながら、単なるデータ活用に留まらず、経営レベルでの変革を支援 ・会社のビジョン・戦略を踏まえ、Conata™ を活用した 業界標準となるデータドリブンなソリューションの提供をリード 【複雑で大規模なプロジェクトのマネジメントと成功の牽引】 ・複数の大規模 / 複雑なプロジェクトを横断的にマネジメントし、成果の最大化を図る ・プロジェクトの 計画 / 実行 / 監視 / 改善 の各フェーズを主導し、組織の戦略目標に貢献 ・ QCD(品質・コスト・納期)管理を徹底 し、プロジェクトのリスクマネジメントを推進 ・技術動向や最新のベストプラクティスを取り入れ、プロジェクトの成功確率を向上 【組織全体に影響を与える意思決定とガバナンス強化】 ・会社のミッション / 目標を深く理解し、事業の成長を加速させるデータ活用戦略の策定 / 実行を主導 ・組織内のリソース配分を最適化 し、事業価値を最大化するプロジェクト推進を実現 ・経営層や他の部門と連携し、重要な意思決定に対する戦略的な提言を行う ・組織の標準化、プロジェクト管理手法の確立に貢献し、持続可能な成長を支える基盤を構築 【テクノロジーの進化を取り入れたデータドリブンな変革の実践】 ・生成AI、RAG(Retrieval-Augmented Generation)、需要予測、レコメンドエンジンなどの最新技術を活用 し、企業のデータ活用を進化させる ・クラウド環境(AWS, GCP, Azure)やデータプラットフォームを活用し、最先端のデータエコシステムの導入を推進 ・プロダクトチーム、エンジニアリングチームと連携し、プロジェクトの技術的な成功要因を確立 【チーム / 組織の成長を牽引し、影響力を拡大】 ・社内外のエンジニア、データコンサルタント、プロダクトチームと連携し、プロジェクト成功のための最適なチームを構築 ・チームメンバーのエンゲージメントを高く維持し、組織全体の生産性と品質を向上させるリーダーシップを発揮 ・マネージャー、メンバーの採用 / 育成に貢献し、次世代リーダーの育成を推進 【開発環境】 開発言語:Java, Python フレームワーク:Micronaut Framework, Spring Framework, flask, gRPC, OpenAPI モニタリング:Prometheus ミドルウェア/インフラ:MySQL, Redis, Docker, Kubernetes, fluentd, Pulsar, bazel, github クラウド:AWS, GCP, Azure 【プロジェクトマネジメントツール】 Jira / Confluence / Google Workspace / Miro / Looker Studio / Slack

エンジニアリング チームが目指すもの アバントのエンジニアリングチームでは、アバントグループの企業理念である「100年企業の創造」を達成するために、「チームの垣根を越えて協力し合いかつ、自ら決断することのできる自律型」組織を作り、チーム一丸となり、アバントのミッションの実現に向けた挑戦をし続けていきます。 本ポジションに期待する事【フロントエンドエンジニア】 アバントのミッションを達成するために、エンジニアリングチームは大きな転換をしようとしています。 お客様の「経営情報の大衆化」を進めるためにアバントは成長を続けてきました。 今後さらなる速度でのサービス拡大および「経営情報の大衆化」を見据え、アバント全体のミッションとして、新規ソフトウェアサービスの拡充に取り組んでいます。 これまでモノリシックなオンプレミス型クライアントアプリケーションとして設計・実装されてきたアバントのプロダクトをクラウド型ブラウザアプリケーションとすることで、より、お客様に価値を提供できるシステムへと作り変えています。 フロントエンドエンジニアには、システム・組織の大きな変革とサービスの成長の両面に対して、Open Value Stretchに取り組むことが求められます。 このような段階のエンジニアリングチームにおいて、UI開発はもちろんのこと、UX領域に係る意思決定から仕様に対するフィードバック等、様々な議論に対してオーナーシップを持ち、積極的・主体的に関わって頂くTechLeadとしてのエンジニアを求めています。 業務内容【フロントエンドエンジニア】 ・アバントのクラウドサービスにおけるWebアプリケーションのUI設計、開発 ・チーム開発のリード 技術環境: ・開発言語: C#, JavaScript(AngularJS 等々), C++ ・インフラストラクチャ: オンプレミスサーバ, Microsoft Azure, Amazon Web service ・ミドルウェア:Microsoft SQL Database(および SQL Server), Oracle, Azure COSMOS DB, Nginx, Kubernetes(Azure Kubernetes Service) ・構成管理ツール: Azure DevOps ・CI/CD: Azure DevOps ・監視ツール: IIJ ・ドキュメンテーション: Confluence ・その他利用ツール・サービス: Microsoft Teams , Slack　他 配属部門 プロダクト開発本部　プロダクト基盤部

エンジニアリング チームが目指すもの アバントのエンジニアリングチームでは、アバントグループの企業理念である「100年企業の創造」を達成するために、「チームの垣根を越えて協力し合いかつ、自ら決断することのできる自律型」組織を作り、チーム一丸となり、アバントのミッションの実現に向けた挑戦をし続けていきます。 本ポジションに期待する事【フロントエンドエンジニア】 アバントのミッションを達成するために、エンジニアリングチームは大きな転換をしようとしています。 お客様の「経営情報の大衆化」を進めるためにアバントは成長を続けてきました。 今後さらなる速度でのサービス拡大および「経営情報の大衆化」を見据え、アバント全体のミッションとして、新規ソフトウェアサービスの拡充に取り組んでいます。 これまでモノリシックなオンプレミス型クライアントアプリケーションとして設計・実装されてきたアバントのプロダクトをクラウド型ブラウザアプリケーションとすることで、より、お客様に価値を提供できるシステムへと作り変えています。 フロントエンドエンジニアには、システム・組織の大きな変革とサービスの成長の両面に対して、Open Value Stretchに取り組むことが求められます。 このような段階のエンジニアリングチームにおいて、UI開発はもちろんのこと、UX領域に係る意思決定から仕様に対するフィードバック等、様々な議論に対してオーナーシップを持ち、積極的・主体的に関わって頂くTechLeadとしてのエンジニアを求めています。 ●業務内容【フロントエンドエンジニア】 ・アバントのクラウドサービスにおけるWebアプリケーションのUI設計、開発 ・チーム開発のリード 技術環境 ・開発言語: C#, JavaScript(AngularJS 等々), C++ ・インフラストラクチャ: オンプレミスサーバ, Microsoft Azure, Amazon Web service ・ミドルウェア:Microsoft SQL Database(および SQL Server), Oracle, Azure COSMOS DB, Nginx, Kubernetes(Azure Kubernetes Service) ・構成管理ツール: Azure DevOps ・CI/CD: Azure DevOps ・監視ツール: IIJ ・ドキュメンテーション: Confluence ・その他利用ツール・サービス: Microsoft Teams , Slack　他 配属部門 プロダクト開発本部　プロダクト基盤部

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

エンジニアリング チームが目指すもの アバントのエンジニアリングチームでは、アバントグループの企業理念である「100年企業の創造」を達成するために、「チームの垣根を越えて協力し合いかつ、自ら決断することのできる自律型」組織を作り、チーム一丸となり、アバントのミッションの実現に向けた挑戦をし続けていきます。 本ポジションに期待する事【バックエンドエンジニア】 アバントのミッションを達成するために、エンジニアリングチームは大きな転換をしようとしています。お客様の「経営情報の大衆化」を進めるためにアバントは成長を続けてきました。今後さらなる速度でのサービス拡大および「経営情報の大衆化」を見据え、アバント全体のミッションとして、新規ソフトウェアサービスの拡充に取り組んでいます。 これまでモノリシックなオンプレミス型クライアントアプリケーションとして設計・実装されてきたアバントのプロダクトをクラウド型ブラウザアプリケーションとすることで、より、お客様に価値を提供できるシステムへと作り変えています。バックエンドエンジニアには、システム・組織の大きな変革とサービスの成長の両面に対して、Open Value Stretchに取り組むことが求められます。 このような段階のバックエンドチームにおいて、機能開発はもちろんのこと、オンプレミスアプリケーションをクラウドアプリケーションに転換するための技術領域に係る意思決定から仕様に対するフィードバック等、様々な議論に対してオーナーシップを持ち、積極的・主体的に関わって頂くTechLeadとしてのエンジニアを求めています。 業務内容【バックエンドエンジニア】 ・アバントのクラウドサービスを構成する各種Microservicesの設計、開発、運用 ・C#を利用したクラウドサービスのAPI、Webアプリケーションの設計、開発、運用 ・チーム開発のリード 技術環境 ・開発言語: C#, JavaScript, C++ ・インフラストラクチャ: オンプレミスサーバ, Microsoft Azure, Amazon Web service ・ミドルウェア:Microsoft SQL Database(および SQL Server), Oracle, Azure COSMOS DB, Nginx, Kubernetes(Azure Kubernetes Service, Elastic Kubernetes Service) ・構成管理ツール: Azure DevOps ・CI/CD: Azure DevOps ・監視ツール: IIJ ・ドキュメンテーション: Confluence ・その他利用ツール・サービス: Microsoft Teams , Slack　他 配属部門 プロダクト開発本部