カジュアル面談可 TerraformのITエンジニア求人・転職情報

サーバーサイドチームは現在、プロダクト・ミッション毎に、5つのグループから構成されています。各グループは約5〜7名程のメンバーで構成されており、それぞれ1〜2名のリーダーがとりまとめています。 加えて、サーバーサイドチーム全体に対して、エンジニアリングマネージャーが2名、テックリードが2名という体制で開発を進めています。 メインの技術スタックは、Python、Go、Javaを用いており、全てAWS上で構築しています。サーバー数は2000台以上と、国内でも上位に入るサーバー数を有している、巨大なアーキテクチャが特徴です。 それぞれのグループの特色によって、開発方式が分かれていますが、基本的にはアジャイル開発(スクラム、カンバン)の形を用いています。 <カルチャー> コード/設計レビューを重視:品質の担保だけでなく、チーム全体のスキルアップ・知識の属人化解消の場としてレビューを大切にしています 具体的には、スプリントごとにレビュー会を実施し、メンバー全員で一緒に、リファクタリングできるポイントが無いか、実装指針でずれているところはないかなどの確認をしながらレビューを行っています フラットな議論ができる:役職や経験に関わらず、技術的な議論やプロダクト改善の提案を歓迎するフラットな雰囲気です 設計や実装方針の相談はデイリーミーティング等を活用して行っています 個々のチャレンジを推奨:新しいアイデアや技術的探求・チャレンジを歓迎しており、戦略的にリソースを投資しています 日々の振り返りの中で、KPTだけでなく、思いついたアイデアなどを共有するオープンな文化が根付いており、実際にそこからチームの技術的チャレンジに採択されることもあります 主な業務内容 既存システムのリアーキテクチャ設計および実装の推進 カメラやビューアーの新規機能開発(API開発) パートナー向け管理アプリケーションの機能開発 100万台規模のクラウド録画サービスを安定して提供できるアーキ テクチャの設計‧開発 サーバコストを抑えるための各種最適化 画像‧動画の解析システムの設計‧開発 ライブ再⽣時の遅延を⼩さくするためのチューニングや新しいコー デックへの対応 サーバ間連携のための各種配信プロトコルへの対応 (※各グループによってミッション・業務内容の詳細は異なります) リーダー候補について 開発の最前線で活躍し、エンジニアとしての技術力をストイックに磨き続け、その力でプロダクト開発をけん引していただくシニアエンジニアとは異なり、リーダーは業務内容にマネジメント要素を含んでおり、メンバーの育成や開発プロジェクトのマネジメントなども担っていただくポジションです。 <具体の業務イメージ> 既存システムのリアーキテクチャ設計チームのマネジメント 5〜6名ほどのチームメンバーに対する育成‧教育 組織目標に向かって継続的に活動することでメンバーを鼓舞し組織力を高めていく役割の実践 組織的なプラクティスやプロセスの改善提案と実践、他グループとの共有 ※リーダーとなっても一定の開発・プレイング業務は含まれます セーフィーでは、技術力で開発を導くシニアエンジニア、ピープルマネジメント特化で組織づくりを担うリーダー、どちらのキャリア観も最大限尊重し、個人が思い描く、それぞれの活躍を遂げられるよう、組織でサポートしています。 「マネジメントスキルの有無」によって年収・評価への差をつける一般的な基準とは異なり、エンジニア職専用の、シニアエンジニアとリーダー、それぞれのキャリアに合わせた並列の基準を持っており、その職能自体でのパフォーマンス・活躍によって正当に評価される環境です。 尚、具体の方向性の決定は、選考にてすり合わせを行っております。また、ご参画後に関しても、常時の1on1にてご相談いただきつつ、キャリアチェンジいただける仕組みになっています。 使っている技術・ツール 開発言語:Python、Go、Java インフラ:AWS データベース:MySQL、Redis、PostgreSQL 構成管理ツール:Terraform、Ansible、Packer 監視:Prometheus、Grafana、PagerDuty、StatusCake、Sentry、Datadog CI/CD:GitHub Actions その他:GitHub、Docker、Fluent Bit、Redash 部署全体の今後の目標‧現在の課題 ●クラウド録画サービスの品質向上 現在出荷数30万台を突破し更なる利用者数の急増に伴い、より高品質‧ハイパフォーマンスなサービス基盤の開発‧運用を行います。カメラを通してクラウド上に収集した"映像データ"を、必要に応じ配信や解析し、付加価値のある情報を抽出する事によりお客様の課題解決を実現しています。 ●上記クラウド基盤上でのアプリケーション開発 動画の収集/配信システムだけでなく、"映像から未来をつくる"というビジョンを達成すべく、それらの動画を利用した顧客課題の解決に繋がるようなアプリケーションの開発を行っております。様々なアプリケーションを提供していくことでより多くの課題解決を実現して参ります。 ●オープンAPI等による他社参画のためのプラットフォーム開発 上記は自社で行っているアプリケーション開発ですが、映像から解決できる問題は多数あり、且つ、業界業種によっても異なります。この全ての課題を解決するためには弊社一社のみで行うのではなく、オープンなプラットフォームを構築し他の技術を持った企業様が参画ですることで顧客解決に繋がるサービスをより多く世に出していき、"映像から未来をつくる"を実現していきます。このように、「我々の基盤上で構築〜展開できるようなプラットフォーム開発」を進めております。 開発関連で私達がこれからやりたいこと、やりたいけど出来ていないこと 様々な業界の現場DXに繋がるプロダクト、アプリケーション開発 上記プラットフォームを利用し、現場DXを実現するアプリケーションの開発 動画データ録画配信サービスとしての更なる強化 競争力のある画質・レイテンシー・プライシングの実現 AI含む様々な解析系サービスが柔軟に構築できる仕組みをPaaSとして提供 多様な外部サービスと連携するための公開APIの拡充

●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

当ポジションのミッションは、客観的視点とクライアント/顧客の視点、その両方に立って、品質を測定し、担保することです。 計画〜実施までの一連のテスト業務や、製品の要件定義からの品質管理業務など、プロジェクトの上流から下流までの品質管理を担っていただきます。 <配属先部門紹介> 現在クオリティマネジメントオフィスには、20名弱が在籍しており(業務委託含む)、以下のMission・Vision・Valuesを指針に、日々業務を行っています。 ●Mission 高品質・適正価格の「映像ソリューション」を提供し、あらゆる産業の現場DXを実現する ●Vision 創る組織である「開発本部」において、全開発における品質課題に目を向け、品質文化に根ざした改善活動を行えるようにする ●Values より良い品質にしていくために「品質とは何か」を定義し、開発本部全体に広げる その拡大のためにも日々開発プロセスの改善を行う 品質改善をし続けるために新しい技術やプロセスを取り入れ、1人1人が成長する <詳細の業務内容> プロダクトごとに若干の差異はありますが、開発序盤からプロジェクトに参画し、テスト業務に留まらず、プロダクトの品質ならびにその価値を向上させ、保証できるような活動全般に取り組んでいます。 Webアプリケーションおよびネイティブアプリのテスト計画、設計、実行 上記に対する自動テストの実装 要件定義～リリースまでを含む製品の品質向上施策の策定、シフトレフトの推進 継続的な品質改善を行うための欠陥データ収集、測定、分析、プロダクトへのフィードバック　 開発プロセス全体に関する改善および品質向上施策の推進 ●使っている技術・ツール テスト管理:TestRail、Backlog テスト自動化:MagicPod、Playwright 開発言語:Python、 Java、Go、C++ インフラ:AWS、Kubernetes データベース:MySQL、 Redis、PostgreSQL、DynamoDB 構成管理ツール:Terraform、Ansible 監視:Prometheus、 Grafana、PagerDuty、StatusCake、Sentry、Datadog CI/CD:GitHub Actions その他:GitHub、 Docker、Fluentd、Fluent Bit、Redash、Postman ●開発組織の目標 ・クラウド録画サービスの品質向上 カメラ出荷数30万台を突破し、更なる利用者数の急増に伴い、より高品質・ハイパフォーマンスなサービス基盤の開発・運用を行います。カメラを通してクラウド上に収集した"映像データ"を、必要に応じ配信や解析し、付加価値のある情報を抽出する事によりお客様の課題解決を実現しています。 ・上記クラウド基盤上でのアプリケーション開発 動画の収集/配信システムだけでなく、"映像から未来をつくる"というビジョンを達成すべく、それらの動画を利用した顧客課題の解決に繋がるようなアプリケーションの開発を行っております。様々なアプリケーションを提供していくことでより多くの課題解決を実現して参ります。 ・オープンAPI等による他社参画のためのプラットフォーム開発 上記は自社で行っているアプリケーション開発ですが、映像から解決できる問題は多数あり、且つ、業界業種によっても異なります。この全ての課題を解決するためには弊社一社のみで行うのではなく、オープンなプラットフォームを構築し他の技術を持った企業様が参画することで、顧客解決に繋がるサービスをより多く世に出していき、"映像から未来をつくる"を実現していきます。このように、「我々の基盤上で構築〜展開できるようなプラットフォーム開発」を進めております 従事すべき業務の変更の範囲 <雇入れ直後>サービス運営・営業・サポート、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

「AIを作る」から「AIを動かす」へ。ガバナンスと構造で挑む、社会実装の仕組みづくり。 つくるのはAIそのものではなく、AIが正しく動く「仕組み」です。 私たちのミッションは、単なるプログラミング(実装)ではありません。AIがビジネス現場で安全かつ確実に機能するための「統治(ガバナンス)」と「構造」を設計することです。 ※AI領域の専門知識は、入社後に実案件の中で身につけていただけます。 【具体的な役割・業務内容】 実行境界・信頼性の設計: アクセス権限策定、AIガードレール構築、監査対応、データガバナンスの設計 定量的評価・コスト最適化: LLM基盤の品質評価モデル策定、運用コスト構造の最適化 次世代アーキテクチャの定義: Advanced RAG(GraphRAG等)の設計、マルチエージェント構成のグランドデザイン ビジネス変革の要件定義: クライアントの曖昧な課題からAIが解くべき「真の問題」を抽出し、本番展開へ牽引 【キャリアパスと得られる成長】 調整役で終わらない。AI社会実装をリードし、次世代「AI PM」へ駆け上がりませんか? ・意思決定の主導権を握る 単なる受け身の調整役にとどまらず、技術選定からアーキテクチャ構築、評価指標の策定まで、顧客と共に主導権を持って決定します。 ・実戦派「AI PM」への最短ルート 現場でのアーキテクチャ設計と高度な顧客折衝を同時並行で経験。理論にとどまらない、市場価値の高いプロジェクトマネジメント能力を磨けます。 ・プロジェクトを導く司令塔 顧客の対等なパートナーとして、AI導入の構想策定から本番展開に至る全工程を牽引する役割を担っていただきます。 【成長を支えるバックアップ体制と働く環境】 確かなキャリア形成と柔軟な働き方。プロフェッショナルとして輝き続けられる環境がここに。 ・伴走型キャリア形成 定期的な1on1を通じて目指すPM像を深く理解し、成長に最適なプロジェクトへ優先的にアサインします。 ・知の共有コミュニティ 現場で一人抱え込むことはありません。社内コミュニティを通じ、トップクラスの有識者にいつでも技術相談ができる環境です。 ・持続可能なハイパフォーマンス 基本は週4リモート・週1出社(※プロジェクト状況により客先常駐の可能性あり)。リモートの比率より、必要な場所で成果を出すことを優先できる方を求めます。 ・実力に報いる正当評価 年間平均昇給率6%という実績が示す通り、高めた市場価値や成果に対して確かな還元で応える評価体制を整えています。 ・育成環境 資格取得支援:270種以上が対象、前期221名が利用(年600件・3年で5,000万円の支給実績)/AMBL PANEL(約460コンテンツの自己学習システム)/社外研修費 会社負担/修士・博士を含む専門家100名以上が在籍しています。機会は最大限・平等に用意します。 【どのような市場価値向上が出来るか】 一生モノの市場価値を、AI時代の「ルールメイカー」として手に入れる ・「境界」を語れる希少な人材へ PoCで終わらせず、AIを本番運用まで牽引できるPM・アーキテクトは、現在の市場において極めて稀有な存在です。 ・経営と技術を繋ぐ視座を獲得 ガバナンス・コスト構造・要件定義を一手に担うことで、経営層と対等に渡り合い、事業成長を牽引する高度な視座が身につきます。 ・人間にしかできない「思考」の最大化 定型作業はAIアシスタントに委任。あなたは人間にしかできない「真の問いの定義」と「アーキテクチャの創造」に全エネルギーを注げます。 【具体的なプロジェクト例】 最先端AIからエンタープライズ基盤まで。【AI開発プロジェクトへの参画を前提に配属します】 ・LLM基盤最適化 トークン消費最適化と出力精度の定量評価による品質・コスト設計 ・GraphRAGエージェント 複雑な社内規定を構造化し、AIが論理的回答を行う自動化基盤構築 ・Azure/AKSインフラ エンタープライズ水準を満たす高信頼なSRE・AI基盤の運用設計 ・製造予兆検知 センサーデータ分析によるダウンタイム削減・予兆保全モデルの設計・実装

●具体的実例(入社後のイメージ) 【キャリア実例】24時間監視からのスタート。8年でデータ基盤の要件定義・プリセールスへ ネットワーク機器の24時間365日監視からキャリアをスタートしたメンバーがいます。仮想PC基盤8,000台の運用保守を経て、IaCによる基盤構築、Snowflakeを用いたデータ基盤構築へと領域を広げ、8年目で上流工程へと到達しました。 転機となったのは、運用の枠にとどまらず「リリース管理・構成管理の設計」を自ら取りにいったこと。「手順を設計する」「作業をコード化する」「改善を提案する」——日々の運用の中で発揮した主体性こそが、上流エンジニアへ突き抜けるための確かな土台です。 【スピード昇進】年功序列なし。微経験入社から2年でリーダー、翌期にはマネージャーへ 当社に年功序列の壁はありません。 微経験で中途入社したあるメンバーは、1年目から大手ガバメントクラウド案件(6名体制)の要件定義へ参画。2年目で同チームのリーダーへ昇格し、翌期には組織を率いるマネージャーへの昇格が決定しています。年齢や社歴に関係なく、成果と意欲に応じたスピード感のあるキャリアアップが可能です。 ●職務内容 【上流×マルチクラウド】AWSの「その先」へ。要件定義からマルチクラウドを設計する“希少エンジニア”へ 【上流工程】どこまで深く関われるか ゼロベースでの基本設計 既存システムへの単純な機能追加ではなく、顧客の要件をもとにゼロからアーキテクチャを設計します。 技術選定・アーキテクチャ設計への主体的な参与 「AWSやAzureの採用」といった大枠方針に対し、その内部構成や技術スタックの選定は自ら決定・提案。「なぜその構成なのか」を説得し、形にする裁量があります。 非機能要件の全体設計 セキュリティ・可用性・パフォーマンスをはじめとする、システム全体の堅牢性を担保する非機能要件定義・設計を自ら担います。 技術提案からプリセールスまで 単なる設計担当にとどまらず、顧客との技術ディスカッションやプリセールスまで領域を広げていける環境です。 【先端技術】AIが動く基盤を“設計する側”へ AIエージェントが自律的に動く時代において、最大の課題となるのが「セキュリティ」と「堅牢な基盤」です。 生成AIと連携するアーキテクチャ設計、データレイク/データマートの構築、AI推論環境の整備など、クラウドを単なる「システムの土台」ではなく、ビジネス価値を生み出す仕組みとして自ら設計・構築できます。 ●キャリア伴走体制 【放置されないアサイン体制|希望のキャリアへ進むための「3ステップ伴走システム」】 1. キャリアカウンセリング: 上長が個人のキャリア希望をヒアリングし、必要な準備・スキルを明確化します。 2. 案件開拓・アサイン: 準備完了のタイミングに合わせて、営業チームがご希望のプロジェクトを獲得し、エンジニアに提案をします。 3. 成果還元(昇給): 案件が変わるタイミングで、担える役割とお客様への提供価値が広がります。その成果は、半期ごとの評価(賞与)と、再現性のある成長の評価(給与改定・昇格)に反映されます。 ●働き方･育成環境 【働き方×育成】成果を出す最適な環境で働き、豊富な学習機会で市場価値を高める ● 働き方:成果と貢献を最優先にする柔軟なスタンス リモートワークを併用するプロジェクトがメイン ですが、顧客やプロジェクトの状況に応じて客先でのフル出社となる場合もあります。 私たちは「リモートの割合」にこだわること以上に、プロジェクトや顧客にとって「必要な場所で最大限の成果を出すこと」を大切にできる、プロフェッショナルな姿勢をお持ちの方を求めています。 ● 育成環境:成長の機会は全社で最大限提供(自ら掴む文化) エンジニアの成長を後押しする豊富なサポート体制を全社平等に提供しています。 ●資格取得支援制度 : 270種類以上が対象(AWS関連多数)。前期は221名が利用し、さらに33種を追加指定。 ●豊富な学習コンテンツ : 約460コンテンツを学べる「AMBL PANEL」の利用や、社外研修費の全額会社負担。 ●ビジネススキル研修 : 社内アカデミーにて、マネジメントやクリティカルシンキングなどの講義も整備。 チャンスや環境は最大限に用意しています。その機会を自らの成長へ活かしていく主体性のある方を歓迎します。 ●具体的なプロジェクト例 大手金融・医療からガバメントクラウドまで|要件定義から挑む多彩な実績 1.医療・介護領域|業務改善データ分析基盤の構築 担当フェーズ: 要件定義 〜 保守 チーム体制: 4名(PM + 3名) 主要技術: AWS(EC2, Lambda, Glue, RDS) 2.大手金融|住宅ローンアプリ基盤の構築 担当フェーズ: 要件定義 〜 保守 チーム体制: 7名(PM + メンバー6名/うちインフラ2名) 主要技術: AWS(EC2, EKS, RDS) 3.大手サービス|店舗入退店・売上分析基盤の構築 担当フェーズ: データ蓄積・分析基盤の構築 チーム体制: 20名規模の大規模プロジェクト 特徴: 自社AIプロダクトを活用した高度なデータ基盤構築 4.公共・行政|クラウドリフト&ガバメントクラウド案件 概要: オンプレミス環境(Oracle)からのクラウドリフト(全面移行)、およびガバメントクラウドの要件定義〜基盤構築

●お任せする業務内容 最初はクラウド基盤の構築案件から参画し、徐々にクライアントとの調整やアーキテクチャ設計・企画フェーズへと領域を広げていただきます。 ● 具体的なタスク ①クラウド基盤の構築・運用 AWSを中心とし、要件に応じてAzure・Oracle Cloudを用いたマルチクラウド環境の構築および運用。 ②要件定義・アーキテクチャ設計・技術選定 クライアントとの技術要件の調整、最適な構成提案、インフラアーキテクチャの設計。 ③自動化・DevOps導入支援 Terraformを用いたIaC化、CI/CDパイプラインの構築、Docker/Kubernetesを活用したコンテナ環境の構築・運用。 ④AI基盤・ガバナンス設計(最先端領域) AIエージェントが安全に動作するインフラ基盤の設計(アクセス制御、最小権限設定、ガードレール構築)。 ⑤新技術のリサーチ・検証(R&D) 最新のクラウドサービスやAI関連技術のリサーチ、PoC(概念実証)の実施。 ●成長のステップ 1〜2年目 : 手順書に基づく構築やIaCを活用した自動化からスタートし、実務を通じて知識を深めます。 2〜3年目 : 上流工程(要件定義・アーキテクチャ設計)やAI基盤設計など、価値の高いフェーズへ挑戦していただきます。 ●役割とプロジェクト推進体制 ①上長・営業・本人が一体となる「連動型キャリア設計」 「どんな案件に参画すれば、目指すスキルに届くのか」——当社では、上長と営業がチームとなってエンジニアのキャリアをバックアップします。 ・成長ギャップの言語化 : 上長が定期的にキャリア希望をヒアリングし、目標とのギャップを具体的に提示。 ・戦略的ローテーション: 「同じ案件に留まるよりも、案件が変わるタイミングで担える役割が大きく広がる」という構造を踏まえ、成長フェーズに合わせた案件を営業が戦略的に狙い撃ちで獲得します。(年功序列は一切ありません) ②現場で孤立させない「チーム参画 & 事業部全体で約190名のエンジニア組織」 大手エンタープライズ企業の現場であっても、1人で放り出すようなアサインは行いません。 複数名チーム体制: 自社メンバーが複数名で参画する体制を徹底しています。 強固な社内ナレッジ: データ・AI・クラウドの領域のエンジニアが約190名の所属する組織。案件内で詰まった技術課題も、社内チャット等でいつでも相談・解決できる環境が整っています。 ●働く環境と成長支援体制 ① 働き方のスタンス(リモート併用 & 成果主義) リモートワーク併用のプロジェクトが中心ですが、参画先やフェーズによっては客先へのフル出社となる場合もあります。単に「リモート率」を重視する働き方ではなく、「プロジェクトの成功や成果に向けて、最適な場所で柔軟にパフォーマンスを発揮する」という姿勢を重視しています。 ② 成長機会は最大限・平等「育成環境&スキルアップ支援」 エンジニアとしての市場価値を高めるための学習機会を、全社をあげてバックアップしています。 ・資格取得支援制度:対象資格は270種類以上(AWS関連含む)。前期だけで221名が制度を活用してスキルアップを実現しています。 ・豊富な学習コンテンツ:自社eラーニング「AMBL PANEL」(約460コンテンツ)の展開や、社外研修費用の会社全額負担。 ・ビジネススキル研修(社内アカデミー):技術だけでなく、将来のリーダーシップを見据えたマネジメントやクリティカルシンキング講習も整備しています。 ※機会は全員へ最大限かつ平等に用意しています。自ら手を挙げてチャンスを掴み取る方の挑戦を全力で応援します。 ●具体的なプロジェクト例 参画プロジェクト例:AI×データ基盤からミッションクリティカル案件まで 【1】医療・介護業界向け 業務改善データ分析基盤構築 担当フェーズ: 要件定義 〜 構築・保守 チーム体制: PM + メンバー3名 使用技術: AWS(EC2, Lambda, AWS Glue, Amazon RDS) 【2】大手金融機関向け 住宅ローンアプリ基盤構築 担当フェーズ: 要件定義 〜 構築・保守 チーム体制: PM + 6名(インフラ担当2名) 使用技術: AWS(EC2, Amazon RDS) 【3】大手サービス業向け 店舗入退店・売上分析基盤構築(AI×クラウド) 内容・特徴: 自社AIプロダクトを活用し、監視カメラ画像から来場者数・顧客属性を取得・解析するデータ蓄積・分析基盤を構築 チーム体制: PM + 20名規模(大型プロジェクト) 【4】エンタープライズ・行政向け クラウドリフト & ガバメントクラウド推進 内容・特徴: オンプレミス環境(Oracle等)からのAWSクラウドリフト案件、および大手ガバメントクラウド案件における設計・構築

事業・プロダクト ●AIMSTAR LTV向上に必要なCDP・MA・分析・AIを搭載したAll in Oneマーケティングツール ●ミセシル 3000万人規模の行動データで自店/自施設・競合・商圏を分析する人流分析AI Agent ●Zero 紙運用が中心だったテナントの売上管理業務をデジタル化する売上管理AI Agent ●DHK CANVAS IVRを中心としたコールセンター業務自動化AI Agent ●Agent Platform FDE・SREが使う共通基盤 加えて、まだプロダクトがない事業ドメインへのトライも進んでいます。 プロダクト化される前の"意思決定の最前線"に立てる場所があります。 ●5つのバリュー ・INTEGRITY(誠実さ) 誠実に行動し言行一致。 オープンであること、自分の言動に責任を持つこと、倫理的な判断 ・DEEP DIVE(徹底的な探究) 本質を捉え、深く掘り下げて問題解決する。 お客様以上にお客様を理解する ・OURS(自分の責任で行動する) 目の前のタスク・問題を「自分ごと」として責任を持って行動する ・WILD SPEED(スピード感を持った行動) 完璧主義に陥らず、柔軟・迅速に最速最高のアウトプットを出す ・LASTMANSHIP(最後までやり抜く姿勢) 責任を持って最後の仕上げまでやり遂げ、目標を達成する 3つの道 どれが上・下ではありません。 それぞれ違うチャレンジができる3つのルートです。 ① プロダクトエンジニアの道 多くの顧客に届けるSaaS/BtoBプロダクトを、設計・実装・改善する。 プロダクトエンジニア — 長期運用されるプロダクトを育てる AIエンジニア — プロダクトへのAI機能組み込みを中心に担う ② FDEの道(Forward Deployed Engineer) まだ解のない現場に入り込み、ゼロからAIの解を作る。 顧客先の業務・意思決定プロセスを理解し、AI Agentで構築できる形に分解・再設計します。 課題定義から要件定義、技術説明、定例MTGのファシリテーション、ハンズオン研修、障害対応まで。 PoCで終わらせず、本番運用・定着までを1つのチーム(2〜3名)で一貫して担当します。 少人数の体制なので、1人が受け持つ範囲は自然と広くなります。 言われたものを作る受託開発ではありません。 要望をそのまま受け取るのではなく、データと 現場の業務そのものに踏み込み、相手の理解度を引き上げながらAI Agentを提案し、実際に使われる 状態まで持っていきます。 入り込む先は、経営の意思決定に近いところです。 そこで得た知見は、納品して終わりにせず自社のアセットとして残します。 FDEは、社員として入ることを前提にした職種です。 再委託に制約のある領域では、外から手を 貸すのではなく、内側に入って責任を持つことが求められます。 案件と顧客の広がりに合わせて、 この体制を広げていく方針です。 客先の曖昧な要望を要件に落とし込み、進む方向を決める仕事です。 技術力よりも、自分で課題を見つけて動きたい人に向いています。 (TypeScript/Python等が主流ですが、二の次で構いません。 キャッチアップする意欲があれば十分です) ③ Agentic Enabling Engineer の傘 開発と運用そのものを、AI Agentで作り変える。 SRE — 信頼性・可用性を守りながら、AI Agentによる運用の自動化と進化(Agentic SRE) プラットフォームエンジニア — 安全・高速なAI Agent開発基盤を支えるEnabling Team QAエンジニア — 品質保証のAgentic化。 テスト自動化・継続的品質担保 インフラエンジニア — クラウド/オンプレ基盤運用 技術スタック クラウド: AWSがメイン(ECS / Lambda / S3 / Terraform / GitHub Actions) データ基盤: Snowflake などのデータウェアハウス・分析基盤 AI/LLM: Python / LangChain / AI Agent開発フレームワーク 開発文化: IaC / SRE思想 / Agentic SRE / 生成AI活用 / 品質最優先 AI駆動開発: ハーネスエンジニアリングなど、最新のグッドプラクティスにも柔軟に取り組む 社内の開発運用そのものも、すでにAI Agentで回しています。 スプリントのチェックイン、放置されたPRのリマインド、クラウドコストの週次レポートなど、 誰かが手でやっていた定期業務をAgentに移してきました。 いまはそれを Agent Platform として作り直している最中です。 成長環境:DAX Boost Lab 同じClaudeを使っていても、エンジニアのアウトプットには差が出ます。 社内でその差が起きたとき、それを「個人の才能」で片付けず、成長要素を分解して カリキュラム化しました。 教えているのは「ツールの使い方」ではありません。 重点は 事業数値を伸ばすためにAI Agentが最大のパフォーマンスを出せる環境をどう設計するか 教材は空想上のアプリではなく、実際の開発現場に近い課題を扱います 設計しているのは現役の技術責任者(VP of Technology 稲田)です 到達段階は3つのPhaseで整理しています。 ●Phase 1 プレイヤー 自分でAIを動かし、ほぼ最高速度に近い開発ができる状態 ●Phase 2 マネージャー 複数のAIと周囲のメンバーをマネジメントし、チームとして成果を出す状態 ●Phase 3 事業部CTO AI Agentが開発・運用の一部を担う前提で、事業がより少人数で回る環境全体をアーキテクトする状態 学び合いと、アウトプットの文化 TGIF(月次) — Tech部全体で集まるLT会。 2026年7月に第1回を開催しました。 指名枠に加えて有志のLT枠があり、テーマは自由。 1人5分。 オンライン参加もできます 社内勉強会 — プロダクトをまたいだナレッジシェアの場をオンラインで開いています。 ここで話したことが、そのまま社外向けのテックブログ・登壇のネタになる導線があります 外部イベントへの登壇・共同運営 — 2026年8月には golang.tokyo #44 を共同運営し、 GVのエンジニアが登壇しました 働き方(正直にお伝えします) 出社を基本としつつ、リモートワークも可能です(基本は出社推奨ですが絶対ではなく、 実際にフルリモートのメンバーもいます) 専門業務型裁量労働制(労働時間の制度であり、出社/リモートとは別の話です) 成果責任型の文化。 時間管理より成果で評価します 必須の対面イベントがあります 全社集会・懇親会(半期/四半期に1回) エンジニアTGIF等(月1回程度)

●主にお任せしたいこと ①データ収集・パイプライン領域 ・各DBのデイリーミラーリング取込基盤の運用・改善(ジョブフロー再設計、取込時バリデーション、エラー通知の整合性改善、障害対応と再発防止) ・TROCCO・Cloud Workflows・Cloud Run を用いた非DBデータの取込パイプライン構築・運用 ・生成AIを組み込んだ、書式揺れに強い非構造データ取込パイプラインの構築 ・取込ソース追加のゼロデプロイ化(設定駆動化)など、DE運用工数を構造的に減らす自動化 ・Reverse ETL等の新しいデータ連携要件への対応と、取込基盤の適用範囲拡大 ②データモデリング・提供領域 ・4層モデリング設計方針に基づく staging / dwh(dim・fct)/ mart 各レイヤーのdbtモデル実装と、テストによる品質担保 ・BI(Looker Studio / Lightdash等)へのデータマート提供と、事業部のデータ活用支援 ・各種メタデータを統合的に集約したデータカタログの展開によるヒューマン・AIフレンドリーな意思決定支援の価値最大化 ・セマンティックレイヤーによる指標定義の実装 ・安定した指標提供におけるセマンティックレイヤー自体の費用対効果の技術検証、その他カタログなどのツール間の比較検証などのR&D活動 ・AIエージェント向けアクセス経路の整備やエージェント品質の継続評価・民主化に向けた仕組み作り ③運用・ガバナンス領域 ・GitHub Actions を軸としたCI/CD・自動デプロイ・規約lintの運用・改善 ・BigQueryの利用実態モニタリングとコスト最適化(FinOps)への参画 ・事業部からのデータ要望に対する要求・要件定義、スコープ合意からデリバリーまでの一連の対応 ・Claude Code等のAIエージェントを開発ワークフローに組み込んだ、エンジニアリング業務の生産性改善を通したDataOpsのエンハンス ・アクセス制御(列レベルマスキング・行レベルアクセス・個人情報カラムの自動特定)のdbt/Terraformによる実装 【チームの紹介】 ・全社・事業部でのデータ活用を支えるため、データ基盤の整備・運用、データマートの構築、BIツールの活用支援を担当 ・新データ基盤が本番稼働し旧システム群の停止が完了したことを受け、現在はdbtへの移行やセマンティックレイヤー・データカタログの整備を進め、より多くのメンバーが安心してデータを活用できる環境づくりに注力 ・社内のデータ民主化をさらに進めるとともに、経営課題に対する戦略的な意思決定を支えるデータ分析基盤の高度化にも取り組んでいる 【プロダクト開発環境】 ・インフラ:GCP, AWS ・プロジェクトデザイン:Miro, Figma ・利用言語やフレームワーク:Python, Go, SQL ・ドキュメント管理:Confluence, Google Drive ・チケット管理:Jira ・コミュニケーション:Slack ・コンテナ技術:Docker, Kubernetes ・Data Warehouse:BigQuery ・ETL:Cloud Functions, Dataform ・データコレクタ:Dataflow, Pub/Sub ・Database:Cloud SQL, Cloud Spanner, AlloyDB, PostgreDB(Amazon RDS) ・構成管理:Terraform ・監視:Cloud Monitoring, NewRelic ・ワークフロー:Airflow ・CI/CD:GitHub Actions

FDEチームの一員として、エンジニアと一体で以下を担っていただきます。 ● ドメイン没入と課題設定 ・現場(買取現場・コールセンター・物流倉庫・コーポレート部門)への同行・観察・1次情報収集 ・業務プロセス/顧客/市場の構造を解像度高く理解し、解くべき課題を自ら定義 ● 事業KPIに対する仮説オーナーシップ ・担当ドメインKPI(成果向上・生産性改善)に対する仮説立案、優先順位付け、結果の解釈と次手の設計 ・他領域への波及効果も含めた全体最適視点での意思決定 ● AIネイティブ開発プロセスの推進 ・AIエージェントによる高スピード開発を前提とした要件整理・仮説検証・ナレッジベース構築 ・スピード重視で「未完成のものを早期に実験する」プロトタイピング/PoCの設計と運用 ● エンジニアと一体のプロダクト設計 ・「何を作るか」をエンジニアと協働で決定 ・Cosmosを中心とした新機能開発/業務標準化プロジェクトの企画〜要件整理〜現場接続 ● ステークホルダーマネジメント ・事業責任者・現場リーダーとの合意形成 ・グループ企業(TL/RGT/NKD)への横展開設計 【組織/配属先の特徴】 ・3層構造の技術組織:FDE層(事業ドメイン没入)/プラットフォームエンジニアリング層(FDEの生産性向上)/コアドメイン層(共通API基盤)の3層に再編し、AIネイティブ前提の組織を構築中 ・配属:プロダクトマネジメント部に所属/いずれかのドメインのFDEチームにジョイン ・PdM出身者例:元リクルート・大手事業会社など、事業理解×推進力の強い人材が活躍中 ・規模:PdM・SWE・データサイエンティスト・AIエンジニアなど100名規模 【プロダクト開発環境】 ・開発言語:Golang, React.js (Next.js), TypeScript ・インフラ:GCP (Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GitHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry/APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira/ドキュメント管理:Confluence ・AI活用:Claude Code, Cursor, GitHub Copilot ほか(AIエージェント前提のワークフローを推進中) ・その他:Elastic Cloud, Terraform Cloud, Chromatic

<リユースプラットフォーム開発> リユースプラットフォームCosmosのビジョンは、「日本全国誰もが簡単にリユースにアクセスできる世界の構築」を想い描いています。 事業理解と共に、プロダクトと関わるメンバーのサポートをお任せいたします。 ・プロダクトのデリバリーマネジメント ・プロダクトに係るコストの予実管理 ・メンバーとの1on1、メンタリング、コーチング、人事評価、アサイン計画などピープルマネジメント ※変更の範囲なし 【チームの特徴】 ・開発生産性への意識が高く、作業の効率化などを重視できます ・仕様がトップダウンで降りることはなく、エンジニアが「なぜつくるか」を理解して開発します ・業務を通して得た知見をtech blogや外部登壇で発表することを推奨しています ・1プロダクトあたり10人未満のチーム構成 【開発組織の成長に向けた取り組み】 エンジニア組織は35名から90名まで増加しており、今後も拡大を予定しています。 一方で組織横断の知見共有や事業部連携が不足していたり、次世代のEMやTLを育成するスキームが確立していないなど課題が浮かび上がってきました。 私たちは「バイセルテックイシュー」と称して、日々課題解決への取り組みを行なっています。 ・ビジネス理解浸透会 ・社外アウトプットを強めるワーキンググループ作成 ・MVV浸透イベント 【プロダクト開発環境】 ・開発言語:Golang, React.js(Next.js), TypeScript ・インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GItHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry ・APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic

・AI Agent/RAGアプリケーションを支えるクラウド基盤の設計・構築・運用 ・AWS/Azure環境におけるインフラ設計、権限管理、ネットワーク設計 ・Amazon Bedrock、Amazon SageMaker、Amazon Q、Kiroなどを活用したAI基盤構築 ・Bedrock Knowledge Bases、Agents、Guardrailsなどを用いたRAG・AI Agent基盤の設計支援 ・IAM、KMS、VPC、PrivateLink、ゼロトラストなどを踏まえたセキュリティ設計 ・ECS、EKS、Lambdaなどのコンテナ/サーバーレス環境の構築・運用 ・Terraform、AWS CDKなどを用いたIaC・自動化 ・OpenSearch、pgvector、Snowflakeなどを活用した検索基盤・データ基盤の構築支援 ・CloudWatch、モデル呼び出しログ、トークン利用量などの監視・コスト最適化 ●入社後の役割・キャリアパス 入社後は、まずクラウドインフラの設計・構築・運用経験を活かせる領域から参画いただきます。 その後、AI Agent基盤、RAG基盤、Bedrock活用、クラウドセキュリティ、LLMOps/MLOps、データ基盤など、経験や志向に応じて担当領域を広げていただきます。 将来的には、以下のようなキャリアを目指せます。 ・AI基盤/クラウドインフラエンジニア ・AI Agent・RAG基盤の設計・構築リード ・クラウドセキュリティ/ガードレール設計担当 ・LLMOps/MLOps領域の技術リード ・AI駆動開発を支えるクラウドアーキテクト ・インフラ領域のテックリード/アーキテクト クラウドインフラの経験を軸に、AI時代の基盤設計・運用に強いエンジニアとして市場価値を高められる環境です。

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 シニアポジションでは、加えて技術方針の策定、重要テーマの優先順位付け、四半期単位の重要テーマのリード、複数職種をまたいだ推進まで担っていただくことを期待しています。 1.マッチング体験の向上 ●マッチング機能の技術リード ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて設計・実装し、安定運用と継続的な改善をリードする ●マッチングに必要なデータ・特徴量・Feature Store改善の設計と推進 マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら、改善方針の設計から実装・運用までを推進する ●ML基盤近接領域の機能実装・改善 Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用に加え、Recommend API周辺を含む基盤近接領域のプロダクト実装・安定運用をリードする ●LLMを活用した自律的な改善ループの設計・推進 LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを設計・推進する 2.プラットフォームの信頼性・安全性向上 ●AI機能の安全性設計・実装のリード LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能の設計・実装・改善をリードする ●運用を踏まえたリスク制御の設計 AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ●リスク予測・異常検知モデルの開発リード 構造化データから、プラットフォームの信頼性を損なうパターンを特定する分類・回帰・異常検知モデルの設計、実装、評価、運用をリードする ●データセット設計・品質改善の主導 多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成を通じて、評価・学習データセットの品質改善を主導する 3.共通基盤を活用した実装・改善 ●LLMOps/評価基盤の活用と改善提案のリード 実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善を主導する ●品質・コスト・レイテンシーの継続的な可視化と最適化 モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す ●重要テーマの推進 マッチングまたはTrust & Safety領域における重要テーマについて、技術方針の設計、関係者との合意形成、実行計画の具体化、推進管理まで担う 入社後の期待イメージ 入社後3ヶ月 :担当テーマの1つで、モデル・AI機能・業務ロジック・評価設計の改善を本番に反映し、周辺の関係者を巻き込みながら改善サイクルをリードし始めている状態 入社後6ヶ月 :マッチングまたはTrust & Safety領域における重要テーマの1つを自走して前進させ、課題設定、技術方針、評価設計、実装、運用までを一貫して推進しながら、周辺関係者の意思決定にも影響を与え始めている状態 入社後12ヶ月 :マッチングまたはTrust & Safety領域において、複数の重要テーマを横断的にリードし、技術方針・評価設計・運用設計の基準を形にしながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアの意思決定と実行を前進させ、領域全体の改善速度と意思決定の質向上に明確に貢献している状態 【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】 以下のようなデータを扱っています ・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

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 1.マッチング体験の向上 ・マッチングロジックの実装・運用 :ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて実装し、安定運用と継続的な改善を担う ・マッチングに必要なデータ・特徴量の設計と実装 :マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら実装・運用する ・ML基盤上での機能実装・運用 :Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用、およびRecommend API周辺のプロダクト実装・安定運用を担う ・LLMを活用した自律的な改善ループの構築 :LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを構築する 2. プラットフォームの信頼性・安全性向上 ・AI機能の安全性実装 :LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能を実装・改善する ・運用を踏まえたリスク制御の設計 :AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ・リスク予測・異常検知モデルの開発 :構造化データから、プラットフォームの信頼性を損なうパターンを特定する高精度な分類・回帰モデルの構築、および特徴量エンジニアリング ・データセット設計・品質改善 :多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成によるモデルの堅牢性強化 3. 共通基盤を活用した実装・改善 ・LLMOps/評価基盤の活用と改善提案:実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善 ・品質・コスト・レイテンシーの継続的な可視化:モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す 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 【扱っているデータ】 以下のようなデータを扱っています ・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

事業の急拡大期を迎えているタイミーの事業戦略や組織のスケールに伴う、エンジニアリング組織の不足をあらゆる方法を用いて補うことで、開発組織のフロー効率の向上に貢献する専任エンジニアリングマネージャーをお任せいたします。 エンジニアリング組織の生産性を最大化させるためにCTO/VPoEと密に連携しながら、複雑かつ多岐に渡る組織課題に対してチームで連携しながら課題解決に取り組む役割です。組織化されたエンジニアリングマネージャーチームに所属して横断的に動きつつ、担当する機能領域に関してマネージャーとしてお任せしてリードいただくことを期待しております。組織の評価はFourKeysとエンゲージメントを用いており、開発組織のパフォーマンスとチームの精神的なコンディションの変化を指標として観測しています。 また、担当する開発チームのアサインや評価権限を持ってエンジニアやチームに働きかけることで、エンジニア個人のポテンシャルを最大化し、エンジニア組織が変化を観測、状況に合わせてケイパビリティを再構成できるように支援します。 具体的な業務 ●持続可能な状態でスケールできるエンジニアリング組織の設計・構築・運用 ・プロダクト・技術戦略を実現できる組織となるための戦略の立案支援・遂行 ・組織へのアサインメントや役割の創出、フレームの作成 ・開発組織を横断的に見渡し、プロダクトロードマップを実現するために必要な技術やリソースに関する意思決定 ●エンジニア及びエンジニア組織の成長を支援し、成果の最大化を目指したピープルマネジメント ・1on1などによるコンディションチェック、課題の吸い上げ・解決のサポート ・キャリアデザイン支援 ・人事評価制度の改善・運用 ●エンジニア採用活動 ・中途・新卒問わず効率的かつミスマッチの少ない採用プロセスの設計、運用 ・カジュアル面談、面接の実施、改善 ●学習する組織文化の醸成 ・タイミーのエンジニアリング組織のプレゼンスを高め、伝えていくための技術広報 ・社内の学習コミュニティの運営 技術スタック(主要な部分の抜粋) ●Backend 開発言語: Ruby 3.4系 アーキテクチャ: Ruby on Rails 8.0系、RSpec ●Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR ●Mobile（iOS） 開発言語: Swift ●Mobile（Android） 開発言語: Kotlin ●Infrastructure AWS：ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc… Elasticsearch(AWS Marketplace) Google Cloud（一部サービス） IaC：Terraform ログ：Datadog LogsとS3に集約 ●その他 ・AIエージェント・LLMツール： - 開発支援: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code - 開発基盤・運用: Vertex AI, LiteLLM, MLflow, Datadog LLM Observability - その他: Gemini, NotebookLM, NotionAI ・コード管理：GitHub ・ コミュニケーションツール：Slack, Notion

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。

【業務概要】 事業価値を最大化させることを目的に先端テクノロジーからデファクトの方法論まで徹底的に使いこなし、成果に拘るエンジニアリングチームをマネージメントしていただきます。 【具体的な業務内容】 ●開発プロジェクトマネージメント ・ビジネスインパクトのあるプロジェクトの起案 ・開発チームが担当する複数のプロジェクトの背景/目的/状況理解 ・あらゆる問題の検知と解消(※ハンズオンでの対応も含む) ●組織づくり ・プロダクト開発に最適な組織設計/採用計画と採用活動 ・エンジニア組織文化の醸成 ・生産価値を最大化するためのプロセス改善/仕組み化の推進 ●目標管理 ・チーム目標の設定と達成に向けた推進 ・メンバー目標の設定と評価 ●採用/メンバー育成 ・採用戦略の策定/実行 ・目標設定、1on1などを通したメンバーとのキャリアイメージのすり合わせ ・短期～長期までの育成方針に基づいたアサインや教育の計画 【ミッション】 エンジニアリングチームのマネージメントを通じて事業価値を最大化させることがミッションです。開発プロジェクトマネージメント、組織づくり、目標管理、採用/メンバー育成をしていただきます。 【開発環境】 ・言語:PHP、Python、TypeScript、JavaScript ・フレームワーク/ライブラリ:Laravel、FuelPHP、React、Next.js、ReactNative、jQuery(一部) ・インフラ:AWS(ControlTower、Organizations、Cloudfront、EC2、Aurora MySQL、Elasticache、その他多数)、GoogleCloud(BigQuery、Firebase、MAP API) ・モニタリング:NewRelic ・IaC:Terraform、Docker ・ソース管理:GitHub、GitLab ・チケット管理:Redmine ・チャット:Slack ・ドキュメント:GoogleWorkSpace ・生成AI:ChatGPT、Claude3、GitHub Copilot ・その他:SendGrid、Akamai、Biztel、クラウドサイン、etc... 従事すべき業務の変更の範囲:適性に応じて会社の指示する業務への異動を命じることがある

【業務概要】 事業価値を最大化させることを目的に先端テクノロジーからデファクトの方法論まで徹底的に使いこなし、成果に拘るエンジニアリングチームにおいて技術力でチームを牽引していただきます。 【具体的な業務内容】 ●アーキテクチャ設計 ・SSO、MDMなどプロダクト横断でのプラットフォーム基盤の設計と構築 ・新規プロダクトの技術選定/アーキテクチャ設計と構築 ・既存プロダクトのアーキテクチャ改善/拡張の設計と実現 ●高難度機能開発 ・既存の機能では取り扱ったことのない技術要素を用いた機能の開発 ・高い性能やセキュリティ等の要件がある機能の開発 ・複数人での開発が必要な複雑な機能の全体設計 ●技術課題の解決 ・他のエンジニアでは原因究明が難しいバグの解消 ・複雑な条件下での言語/MWのバージョンアップや、フレームワークの移行の戦略策定と実現 ・事業/業務課題をテクノロジー、手法で解決する提案と実行 ●開発効率/品質向上のための仕組み化 ・エンジニアの業務に関わるあらゆるオペレーションの自動化、省力化の提案と実現 ・E2E/ユニットテスト等の仕組みの実装/運用を通して開発効率向上に貢献する ・費用対効果の高いリファクタリングや、コーディング規約/コードレビューチェックリスト等の改善に関連する提案と実現 ●技術面でのメンバー育成 ・部門内での技術情報の共有 ・エンジニアメンバーの技術面での指導 【ミッション】 事業価値を最大化するための技術戦略を描き、実現することがミッションです。アーキテクチャ設計、高難度機能開発、技術課題の解決、開発効率/品質向上のための仕組み化、技術面でのメンバー育成をしていただきます。 【開発環境】 ・言語:PHP、Python、TypeScript、JavaScript ・フレームワーク/ライブラリ:Laravel、FuelPHP、React、Next.js、ReactNative、jQuery(一部) ・インフラ:AWS(ControlTower、Organizations、Cloudfront、EC2、Aurora MySQL、Elasticache、その他多数)、GoogleCloud(BigQuery、Firebase、MAP API) ・モニタリング:NewRelic・IaC:Terraform、Docker ・ソース管理:GitHub、GitLab ・チケット管理:Redmine ・チャット:Slack ・ドキュメント:GoogleWorkSpace ・生成AI:ChatGPT、Claude3、GitHub Copilot ・その他:SendGrid、Akamai、Biztel、クラウドサイン、etc...

【業務概要】 事業価値を最大化させることを目的に、先端テクノロジーからデファクトの方法論まで徹底的に使いこなし、成果に拘るエンジニアリングチームにおいてリードエンジニアとしてチームを牽引していただきます。 【具体的な業務内容】 ・ビジネスインパクトのあるプロジェクトの企画、または企画支援 ・各部門からの要求に対する最適要件の定義 ・フロントエンド、バックエンド、インフラといった領域で分けず、必要に応じて全ての領域を担当 ・チケット単位で要件定義、設計、実装、テストからデプロイまで全ての工程を担当 ・エンジニアの業務に関わるあらゆるオペレーションの自動化、省力化の提案と実現 ・E2E/ユニットテスト等の仕組みの実装/運用を通して開発効率向上に貢献する ・費用対効果の高いリファクタリングや、コーディング規約/コードレビューチェックリスト等の改善に関連する提案と実現 【ミッション】 テクノロジーの力によって「ヘルスケア領域の生産性向上」や「超高齢社会における経済活動の活性化」の実現を目指すことがミッションです。事業戦略を理解し、戦略自体への意見や戦術の提案を行いながら、技術力を駆使して事業価値の最大化に貢献していただきます。 【開発環境】 ・言語:PHP、Python、TypeScript、JavaScript ・フレームワーク/ライブラリ:Laravel、FuelPHP、React、Next.js、ReactNative、jQuery(一部) ・インフラ:AWS(ControlTower、Organizations、Cloudfront、EC2、Aurora MySQL、Elasticache、その他多数)、GoogleCloud(BigQuery、Firebase、MAP API) ・モニタリング:NewRelic・IaC:Terraform、Docker ・ソース管理:GitHub、GitLab ・チケット管理:Redmine ・チャット:Slack ・ドキュメント:GoogleWorkSpace ・生成AI:ChatGPT、Claude3、GitHub Copilot ・その他:SendGrid、Akamai、Biztel、クラウドサイン、etc.. 【その他要件】 ・従事すべき業務の変更の範囲:適性に応じて会社の指示する業務への異動を命じることがある

<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

●このポジションについて GROWTH VERSEのテックリードは、自社プロダクトの課題に向き合い、的確なテクニカルロードマップを描き、それを遂行する役割です。 特定の言語や技術への習熟よりも、設計・アーキテクチャへの造詣の深さを大切にしています。 私たちが大切にしているのは、言われたものを作ることではありません。 顧客がプロダクトを使ったうえで、どのような状態にたどり着きたいのかを自分たちで考え抜き、その先にある感動(Wow)を体験として届けることです。 プロダクトは、顧客が実現したいビジネス活動の一部です。 その中で、私たちのプロダクトが欠かせない役割を担っている状態を、私たちが主導してつくりにいきます。 このポジションで担うこと プロダクトと、その利用者の業務を深く理解する プロダクトが使われる現場の業務に入り込み、業務の流れと課題の構造を理解する 業種が変わっても、相手よりも深く理解することを目指す プロダクトのテクニカルロードマップを描く 事業の目標から逆算して、プロダクトのテクニカルロードマップを描く 設計・アーキテクチャの観点から、何をどの順で進めるかを判断する ロードマップをチームで遂行する 描いたロードマップを、計画で終わらせずにチームを率いて遂行する 進めながら状況を見て、設計・アーキテクチャの判断を重ねる キャリアパス プロダクトのテックリードとして経験を積んだ先に、事業の現場へ入り込む2つの道があります。 M&A先の企業に入り込む道:グループに加わった企業のシステムと開発体制を統合し(PMI)、自社のAI Agentやプロダクトを組み込んで、事業の価値を引き上げる クライアントに入り込む道(FDE):クライアントの現場に入り込み、AI Agentを設計・実装して、業務の成果につなげる また、テックリードマネージャー(Tech Lead Manager)へと役割を広げ、その先にM&Aで加わった事業を担う事業部CTOという選択肢も検討できます。 いずれも決まったものではありません。 ご本人の志向を伺いながら、一緒に検討します。 技術スタック クラウド: AWSがメイン(ECS / Lambda / S3 / Terraform / GitHub Actions) データ基盤: Snowflake などのデータウェアハウス・分析基盤 AI/LLM: Python / LangChain / AI Agent開発フレームワーク 開発文化: IaC / SRE思想 / Agentic SRE / 生成AI活用 / 品質最優先 AI駆動開発: ハーネスエンジニアリングなど、最新のグッドプラクティスにも柔軟に取り組む 社内の開発運用そのものも、すでにAI Agentで回しています。 スプリントのチェックイン、放置されたPRのリマインド、クラウドコストの週次レポートなど、 誰かが手でやっていた定期業務をAgentに移してきました。 いまはそれを Agent Platform として作り直している最中です。 #### 成長環境:DAX Boost Lab 同じClaudeを使っていても、エンジニアのアウトプットには差が出ます。 社内でその差が起きたとき、それを「個人の才能」で片付けず、成長要素を分解して カリキュラム化しました。 教えているのは「ツールの使い方」ではありません。 重点は 事業数値を伸ばすためにAI Agentが最大のパフォーマンスを出せる環境をどう設計するか 教材は空想上のアプリではなく、実際の開発現場に近い課題を扱います 設計しているのは現役の技術責任者(VP of Technology)です 到達段階は3つのPhaseで整理しています。 Phase 1 プレイヤー:自分でAIを動かし、ほぼ最高速度に近い開発ができる状態 Phase 2 マネージャー:複数のAIと周囲のメンバーをマネジメントし、チームとして成果を出す状態 Phase 3 事業部CTO:AI Agentが開発・運用の一部を担う前提で、事業がより少人数で回る環境全体をアーキテクトする状態 学び合いと、アウトプットの文化 TGIF(月次) — Tech部全体で集まるLT会。 2026年7月に第1回を開催しました。 指名枠に加えて有志のLT枠があり、テーマは自由。 1人5分。 オンライン参加もできます 社内勉強会 — プロダクトをまたいだナレッジシェアの場をオンラインで開いています。 ここで話したことが、そのまま社外での登壇のネタになる導線があります 外部イベントへの登壇・共同運営 — 2026年8月には golang.tokyo #44 を共同運営し、 GROWTH VERSEのエンジニアが登壇しました 働き方(正直にお伝えします) 出社を基本としつつ、リモートワークも可能です(基本は出社推奨ですが絶対ではなく、 実際にフルリモートのメンバーもいます) 専門業務型裁量労働制(労働時間の制度であり、出社/リモートとは別の話です) 成果責任型の文化。 時間管理より成果で評価します 必須の対面イベントがあります 全社集会・懇親会(半期/四半期に1回) エンジニアTGIF等(月1回程度)

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

プロダクトセキュリティを中心に、BuySell Technologiesおよびグループ会社が抱えるセキュリティ課題に取り組んでいただきます。 Platform Engineering Teamに所属し、各プロダクト開発チーム、情報システム部門、リスク・コンプライアンス部門と優先順位を決めながら、次の3領域を推進していただきます。 ●プロダクトセキュリティ戦略と脆弱性管理 ・事業とプロダクトの状況を踏まえたセキュリティ戦略およびロードマップの策定と推進 ・プロダクトやシステムを横断した脆弱性の把握、評価、優先順位付けから、改善計画の策定支援、実行状況の確認までを継続的に行う仕組みの構築 ●開発プロセスとAIエージェントへのセキュリティの組み込み ・設計段階におけるセキュリティレビュー、脅威モデリング、認証認可、データ保護に関する設計支援 ・SAST、SCA、シークレット検知などのセキュリティツールの選定とCI/CDへの組み込み、および検出結果のトリアージ、例外管理、継続的な改善 ・AIエージェントを活用したプロダクト開発およびAIエージェント自体の開発に向けた、権限設計、データの取り扱い、安全性評価、操作ログと監査に関する基準の策定および導入支援 ●事業全体のセキュリティ体制とインシデント対応 ・情報システム部門やグループ各社と連携した、IT資産とサービスの把握、セキュリティ基準の整備、改善活動の推進 ・全社、各部門、グループ会社を対象としたセキュリティ教育と啓発施策の企画、実施、継続的な改善 ・セキュリティインシデントに必要な監視と検知の要件整理、報告から初動、影響調査、復旧、再発防止までの対応手順の整備、および訓練と振り返りによる継続的な改善 ・リスク・コンプライアンス部門が推進する全社的なリスク管理への技術面からの参画と、セキュリティ課題の評価および対応支援 ＜組織/配属先の特徴＞ ・本部長(プロダクト責任者)や事業部と密接に連携 ・PdM・SWE・データサイエンティスト・AIエンジニアなど100名規模の技術組織 ・PdM・AIエンジニア・SREと協働し、事業課題に直結する開発を推進 ・開発生産性への意識が高く、フルスタックな働き方が好まれる ・仕様がトップダウンで降りることはなく、エンジニアが「なぜつくるか」を理解して開発 ・業務を通して得た知見をtech blogや外部登壇で発表することを推奨 ・1プロダクトあたり10人未満のチーム構成 ＜プロダクト開発環境＞ ・開発言語:Golang, React.js(Next.js), TypeScript ・インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GItHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry ・APM:NewRelic ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic

●業務内容 Node.js(TypeScript)を用いた超高速・高セキュアなBFF開発、データ構造設計(GraphQL/RDB)、およびIaCによる信頼性の高いAWSインフラ構築・本番移行をオーナーシップを持って牽引していただきます。 構造的な課題と向き合うポイント ・マルチテナント&スキーマバージョニング設計: テナントごとに異なるUI定義やパーソナライズ要件を安全に分離し、APIやUIスキーマのバージョン不一致による障害をゼロにする、柔軟かつ型安全な配信スキーマを設計します。 ・エンタープライズ基準のセキュリティ&接続性: 大規模企業の厳格なセキュリティ監査に耐えうる、認可制御、APIゲートウェイ構成、および安全なバックエンドシステムとの統合(GraphQLフェデレーション等)を主導します。 ・検証から本番(AWS)へのシームレスな移行設計: 動作確認用のステージング環境から、超可用性が担保されたAWS(Fargate/Aurora)環境へのゼロダウンタイム移行・監視体制(可観測性)の整備を行います。 ●具体的な業務 ・Node.js / TypeScriptを用いたBFF(Backend for Frontend)のAPI設計・開発。 ・UIスキーマ配信、キャッシュ戦略、データモデリングの設計。 ・AWS上へのセキュアかつスケーラブルなコンテナ/データサーバー基盤(Fargate, Aurora PostgreSQL等)の構築。 ・Terraform等を用いたInfrastructure as Code (IaC)の整備とCI/CDの自動化。 ・ログ、メトリクス、分散トレースを通じたシステムの可観測性(Datadog等)の向上。 ●開発環境 ・Backend / API: Node.js, TypeScript, GraphQL / REST, Express / NestJS ・Infrastructure: AWS (ECS/Fargate, Lambda, API Gateway, Aurora PostgreSQL, RDS, IAM) ・Provisioning / CI/CD: Terraform, GitHub Actions ・Database: PostgreSQL ・Monitoring: Datadog / OpenTelemetry, CloudWatch ・AI & Collaboration: Claude Code, Cursor, Figma, Slack, Notion ●最初の6〜12ヶ月で期待すること ・最初の3ヶ月: プラットフォーム全体のBFF設計とデータフローを把握し、既存のAPIエンドポイント追加やスキーマ修正を自ら設計してリリースできる。 ・6ヶ月時点: 1つ以上の重要モジュール(認可、外部接続など)のアーキテクチャ設計をリードし、AWS上で可用性とスケーラビリティを担保したインフラを独力で再構成・自動化できる。 ・12ヶ月時点: クライアントとのセキュリティ監査を主導し、プラットフォームの移行・ロードマップ策定、チームの技術力引き上げに影響を与えるコアメンバーとして活躍している。 ●変更の範囲 会社の定める業務

【期待役割】 ・当社の事業課題に向き合い、AI・機械学習を活用して事業成果につなげるところまで、一貫して担っていただきます。 ・与えられた要件に対してモデルを開発するだけではなく、事業・業務を深く理解した上で、解くべき課題を見極め、機械学習・統計・数理最適化・生成AIなどを用いて扱える問題へと落とし込み、適切なアプローチを設計・実装していただきます。 ・単なる「検証(PoC)」にとどまらず、事業の粗利向上や生産性向上、顧客体験の改善につながる仕組みを実際のプロダクトや業務フローに組み込み、継続的に改善していくところまでを担っていただきます。 【具体的なプロジェクト例】 現在、以下のようなAI・データ活用プロジェクトが進行中であり、これらのさらなる磨き込みや新規ユースケースの立ち上げをお任せします。 ・コールセンター業務のAI化(LLM / 音声認識等) ・数理最適化による訪問ルート最適化 ・画像認識を用いた査定のAI化 ・データ基盤・MLOps構築 【主な業務内容】 ・ビジネスサイド(事業部等)の抽象的な課題を整理し、機械学習・生成AIを活用した問題設定・テーマの企画立案 ・課題特性(自然言語、画像、テーブルデータ、最適化問題など)に応じた最適なモデル・アルゴリズムの技術選定および設計 ・PoC・オフライン検証による実現性の見極めから、本番環境へのデプロイ、実運用を見据えたモデル開発 ・モデルの精度だけでなく、業務KPIや事業成果を踏まえた評価設計・効果検証、および継続的な改善 ・モデルの監視・評価・再学習など、継続的な運用・改善を可能にするMLOps環境や開発プロセスの設計・改善 【プロダクト開発環境】 ・開発言語:Golang, React.js(Next.js), TypeScript ・インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GItHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry ・APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic

【職務内容】 全リユース事業プロセスを支える基幹プラットフォーム「Cosmos」のフロントエンド開発をリード AI自動査定やコール業務のAI化など、現場オペレーションを変える新機能のUI/UX設計・実装 EM・PdMと連携した高品質なプロダクト開発、DX向上や技術的負債解消の計画・実行 フロントエンドアーキテクチャの設計、開発ガイドラインの策定、モニタリング体制の強化 AIエージェントによる業務オペレーション基盤への進化を見据えた、AI活用前提の開発体制構築 【組織/配属先の特徴】 PdM・SWE・データサイエンティスト・AIエンジニアなど約100名規模の技術組織 PdM・AIエンジニアと協働し、事業課題に直結する開発を推進 AIによるコーディング率46.07%、開発量+41%など、生産性改善を定量管理 開発生産性への意識が高く、フルスタックな働き方が好まれる 仕様がトップダウンで降りることはなく、エンジニアが「なぜつくるか」を理解して開発 業務を通して得た知見をtech blogや外部登壇で発表することを推奨 【プロダクト開発環境】 開発言語:Golang, React.js(Next.js), TypeScript インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker CI/CD:GItHub Actions テスト:MagicPod, Storybook バージョン管理:GitHub エラー管理:Sentry APM:NewRelic 課題管理:Jira ドキュメント管理:Confluence その他:Elastic Cloud, Terraform Cloud, Chromatic

【職務内容】 ・全リユース事業プロセスを支える基幹プラットフォーム「Cosmos」のバックエンド開発 ・AI自動査定(画像情報から商品特定・真贋判定・プライシングまでを自動化)やコール業務のAI自動化など、業務オペレーションへのAI実装を支えるアーキテクチャ設計 ・グループ買取在庫の統合、AIを活用した商材別最適販路選定など、データドリブン経営を支えるデータ基盤・API設計 ・EM・PdMと連携したプロダクト開発、技術的負債解消とDX推進の計画・実行 ・開発ガイドラインの策定、オブザーバビリティ強化などエンジニアリング組織の基盤づくり ・事業部と一体で開発を進めるFDE組織における次世代テックリードの創出・育成 【組織/配属先の特徴】 ・本部長(プロダクト責任者)や事業部と密接に連携 ・PdM・SWE・データサイエンティスト・AIエンジニアなど100名規模の技術組織 ・PdM・AIエンジニア・SREと協働し、事業課題に直結する開発を推進 ・AIによるコーディング率46.07%、開発量+41%など、生産性改善を定量管理 ・開発生産性への意識が高く、フルスタックな働き方が好まれる ・仕様がトップダウンで降りることはなく、エンジニアが「なぜつくるか」を理解して開発 ・業務を通して得た知見をtech blogや外部登壇で発表することを推奨 ・1プロダクトあたり10人未満のチーム構成 【プロダクト開発環境】 ・開発言語:Golang, React.js(Next.js), TypeScript ・インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GItHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry ・APM:NewRelic ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic

FDEチームの一員として、エンジニア/DS/AIエンジニアと一体で以下を担っていただきます。 ● ドメイン没入と課題設定 ・現場(買取現場・コールセンター・物流倉庫・コーポレート部門)への同行・観察・1次情報収集 ・業務プロセス/顧客/市場の構造を解像度高く理解し、AI/データで解くべき課題を自ら定義 ● 事業KPIに対する仮説オーナーシップ ・担当ドメインKPI(成果向上・生産性改善)に対する仮説立案、優先順位付け、結果の解釈と次手の設計 ・他領域への波及効果も含めた全体最適視点での意思決定 ● AIプロダクトの企画〜実装リード ・AI/データ活用プロダクト(需要予測、査定モデル、業務自動化、レコメンド 等)の企画〜要件定義〜プロダクト実装ディレクション ・AIモデル開発の要件整理(学習データ要件、評価指標、MLOps連携、モニタリング設計) ● AIネイティブ開発プロセスの推進 ・AIエージェントによる高スピード開発を前提とした要件整理・仮説検証・ナレッジベース構築 ・スピード重視で「未完成のものを早期に実験する」プロトタイピング/PoCの設計と運用 ● エンジニアと一体のプロダクト設計 ・「何を作るか」をエンジニア/DS/AIエンジニアと協働で決定 ・Cosmosを中心とした新機能開発/業務標準化プロジェクトの企画〜要件整理〜現場接続 ● ステークホルダーマネジメント ・事業責任者・現場リーダーとの合意形成 ・グループ企業(TL/RGT/NKD)への横展開設計 ● データ/ユーザーインタビューを通じた継続的改善 【組織/配属先の特徴】 ・3層構造の技術組織:FDE層(事業ドメイン没入)/プラットフォームエンジニアリング層(FDEの生産性向上)/コアドメイン層(共通API基盤)の3層に再編し、AIネイティブ前提の組織を構築中 ・配属:データ・AI戦略推進部に所属/いずれかのドメインのFDEチームにジョイン ・PdM出身者例:元リクルート・大手事業会社など、事業理解×推進力の強い人材が活躍中 ・規模:PdM・SWE・データサイエンティスト・AIエンジニアなど約 80名規模 【プロダクト開発環境】 ・開発言語:Golang, React.js (Next.js), TypeScript, Python(AI/ML) ・インフラ:GCP (Cloud Run, BigQuery, Cloud SQL, Vertex AI...), Terraform, Docker ・CI/CD:GitHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry/APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira/ドキュメント管理:Confluence ・AI活用:Claude Code, Cursor, GitHub Copilot ほか(AIエージェント前提のワークフローを推進中) ・その他:Elastic Cloud, Terraform Cloud, Chromatic

事業の急拡大期を迎えているタイミーの事業戦略や組織のスケールに伴う、エンジニアリング組織の不足をあらゆる方法を用いて補うことで、開発組織のフロー効率の向上を目指していただきます。 エンジニアリング組織の生産性を最大化させるためにCTO/VPoEと密に連携しながら、複雑かつ多岐に渡る組織課題に対してチームで連携しながら課題解決をリードしていただく役割です。 組織横断的に動きつつ、担当する機能領域をリードいただくことを期待しております。 業務例 ・Ruby on Railsを使用したWebアプリケーションの設計、開発、レビュー、リリース ・チーム内外の技術的な課題発見、解決策の提案・実行 ・担当領域に関する仕様確認、技術的調査を含めた問い合わせ対応 ・各種スクラムイベントへの参加 ●開発環境(配属先により一部異なります) Backend ・開発言語: Ruby 3.4系 ・アーキテクチャ: Ruby on Rails 8.0系、RSpec Frontend ・開発言語: TypeScript ・アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR Mobile(iOS) ・開発言語: Swift Mobile(Android) ・開発言語: Kotlin Infrastructure ・AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc… └Elasticsearch(AWS Marketplace) ・Google Cloud(一部サービス) ・IaC:Terraform ・ログ:Datadog LogsとS3に集約 その他 ・AIエージェント・LLMツール: 　-開発支援: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code 　-開発基盤・運用: Vertex AI, LiteLLM, MLflow, Datadog LLM Observability 　-その他: Gemini, NotebookLM, NotionAI ・コード管理:GitHub ・ コミュニケーションツール:Slack, Notion

Poincaréを大規模マルチテナントSaaS基盤へ成長させるために、必要なアーキテクチャ設計・実装リードをしていただきます。 【業務例】 ・スケーラビリティの担保:複数ワークフローの並列実行や、タスクの依存関係・実行順序を管理するジョブオーケストレーションを設計し、利用拡大に耐えるアーキテクチャを構築。 ・エンタープライズ基盤の構築:エンタープライズ企業への提供に向けて、権限分離などのセキュリティを担保する基盤の設計・実装。 ・ワークフローエンジンの構築:ノーコードUIで構築されたワークフローを、実行基盤上で確実に動かすためのエンジンロジックを開発。 【技術スタック】 フロントエンド:TypeScript/Node.js/React/Next.js/React Flow バックエンド:Python/FastAPI インフラ:AWS/Terraform ワークフロー基盤:Prefect MLOps/評価:Weights & Biases 検索:OpenSearch AI:PyTorch/OpenCV/AWS Bedrock AI開発支援ツール:Devin/Claude Code/v0.dev/GitHub Copilot/Gemini

●業務の概要 「契約は、AIが交渉する時代へ」を目指すには、「既存プロダクトの伸長と新規プロダクトの開発の両立」が必要です。 本募集では、以下プロダクトについて、お客様が安心かつ安定して活用できるよう、新機能の設計・開発から既存機能の運用・改善まで広く担当いただきます。 ・[MNTSQ 案件管理](https://mntsq.co.jp/product/casemanage) ・[MNTSQ 契約管理](https://mntsq.co.jp/product/contractmanage) ・[データベース](https://mntsq.co.jp/product/databasemanage) ・[契約レビュー](https://mntsq.co.jp/news/release/ai_keiyakureview) ・[AI契約アシスタント](https://lp.mntsq.co.jp/ai-agent) 基本的な考え方として、ご入社後まずは既存プロダクトでアーキテクチャを含めてキャッチアップしていただきます。その後、経験と希望を踏まえながら、新規プロダクトを担当していただく形となります。 ●業務の詳細 具体的にご担当いただく業務は以下となります。 ・バックエンドやフロントエンドにおける要件定義～設計～実装 ・パフォーマンス改善、継続的なリファクタリングやバグフィックス ・データ分析、ユーザー調査 ・技術選定、実装標準化立案と実施、コードレビュー ・他部門とのコラボレーション 　└知見を共有しチーム全体の理解を深めるためのドキュメンテーション 　└slackや議事録を通じた共有に加え、必要に応じて顧客商談やヒアリングへの同席機会あり ※職種の変更範囲:会社の定める業務 開発環境と体制 ●技術スタック ・言語:Ruby, Python, JavaScript, TypeScript ・Webフレームワーク:Ruby on Rails, FastAPI, Vue.js ・CSSフレームワーク:ElementPlus, TailwindCSS, PostCSS, Storybook ・プラットフォーム:Amazon Web Services, Google Cloud ・データベース:Aurora MySQL ・検索エンジン:Elasticsearch, OpenSearch ・監視ツール:CloudWatch, Datadog ・コンテナ基盤:Docker, Docker Compose, ECS/Fargate ・構成管理:Terraform, Itamae ●エンジニア組織の概要 所属する組織は開発本部です。全体で約50名おり、以下4つのチームからなる体制です。 ・CLMチーム ・法務エージェントチーム ・事業部向けチーム ・イネーブリングチーム 今回の募集である、サービス開発を担う組織はイネーブリングチーム以外の3つのチームです。 ご入社いただいた際の想定配属先はそのいずれかとなります(2026年8月時点)。 各チームはそれぞれ6-10名程度の構成となっています。 【参考記事】 ・[WHY-WHAT-HOWを繋げる - MNTSQの掲げる理想のプロダクト開発 -](https://note.mntsq.co.jp/n/ne5d0464613b6) ・[FY26下期、MNTSQ開発組織と向かう先](https://note.com/naomichi_takata/n/n2a2f00242f76) ●26年度のエンジニア組織のテーマは「開発の高速化」 AI活用はもはや前提です。 26年度は開発スピードのギアを上げ、すでに新機能の立ち上げは加速しはじめています。 組織が拡大し、AIで開発のあり方が急速に変わる中で、自律的に課題を拾い、組織全体で解決していく。自走する人材・牽引する人材で組織力も高めるフェーズにはいっています。 AI活用への積極投資は引き続き行っています(Claude Code、Cursorなど)。 【参考記事】[AIで変わる開発プロセス。MNTSQのエンジニアが実践する”AI前提”の開発環境について](https://note.mntsq.co.jp/n/n781c05a95daa) 【参考記事】[MNTSQがAI活用を加速する理由と目指す未来](https://note.mntsq.co.jp/n/ndccc7f6ed56c) 【参考記事】[「AIにできること/できないこと」を理解し、共に進化する。MNTSQエンジニアのAI活用最前線](https://note.mntsq.co.jp/n/na266148b8d69) 入社受入の体制 ●前提となる働き方 コアタイム無しのフルフレックスです。 リモートと出社のハイブリットワークです。出社は月5日以上となります。 エンジニアは、業務に集中するため、ミーティングを入れない日や時間帯を設けながら、生産性を追求しています。 【参考記事】[MNTSQエンジニアの1日に密着!](https://note.mntsq.co.jp/n/n4d1c895ea9eb) ●3ヵ月のオンボーディングプログラム MNTSQはバリューとして「 自由と責任の文化 」を掲げています。 バリューの理解を深めていただくとともに、MNTSQでどう力を発揮するか、全社を挙げてフォローします。 期間中はメンターが付きます。水先案内人として、MNTSQでの活躍を側面支援します。 【参考記事】[個を見て、伴走し、後押しする。個に向き合うオンボーディングと成長支援文化](https://note.mntsq.co.jp/n/nf1accf0660ae)