年収700万円以上 NginxのITエンジニア求人・転職情報

株式会社Works Human Intelligence

国内最大級のスケールを持つSaaSである「COMPANY」の商用環境において、IaCの高度化とAIOpsの共通基盤化における技術的リードをお任せします。 SRE領域の技術責任者として「大規模運用をどう自動化・最適化するか」の道筋を立て、最適な技術選定とアーキテクチャ設計を行います。 【アーキテクチャ設計・技術選定】 ・大規模環境(数千〜数万インスタンス)における、プロビジョニング・パッチ適用・設定管理を徹底的に自動化するIaCの高度化・共通化のグランドデザイン ・膨大なインフラログ・メトリクスを効率的に集約し、AI/機械学習を活用して障害の予兆検知や根本原因特定を自動化する仕組み(AIOps)の共通基盤の設計 ・スケーラブルかつコスト効率の高いAWSアーキテクチャの再設計・最適化 【開発リード・技術的品質担保】 ・難易度の高いコアコンポーネント(自動化基盤、オブザーバビリティ基盤、AIOpsパイプライン等)の自らによる実装(ハンズオン) ・PoC(概念実証)の実施による新技術の検証と本番適用のリード ・SLO/SLI等の信頼性指標を担保する非機能要件の設計 ・コードレビューやADR(アーキテクチャ決定記録)を通じた、SREチーム全体の技術力底上げ・メンタリング 技術選定からコア実装、品質基準の策定までを一貫して牽引し、当社の開発プロセスにおける技術的支柱(テックリード)として、組織全体の開発者体験と技術力を一段引き上げていただくことを期待しています。 プレイヤーとして最前線で手を動かしながら、自ら確立した「型」を全社の標準として浸透させ、エンジニアが本質的な開発に集中できる環境を技術の力で実現していただきます。

株式会社Works Human Intelligence

国内最大級のスケールを持つSaaSである「COMPANY」の商用環境において、IaCの高度化とAIOpsの共通基盤化における技術的リードをお任せします。 SRE領域の技術責任者として「大規模運用をどう自動化・最適化するか」の道筋を立て、最適な技術選定とアーキテクチャ設計を行います。 【アーキテクチャ設計・技術選定】 ・大規模環境(数千〜数万インスタンス)における、プロビジョニング・パッチ適用・設定管理を徹底的に自動化するIaCの高度化・共通化のグランドデザイン ・膨大なインフラログ・メトリクスを効率的に集約し、AI/機械学習を活用して障害の予兆検知や根本原因特定を自動化する仕組み(AIOps)の共通基盤の設計 ・スケーラブルかつコスト効率の高いAWSアーキテクチャの再設計・最適化 【開発リード・技術的品質担保】 ・難易度の高いコアコンポーネント(自動化基盤、オブザーバビリティ基盤、AIOpsパイプライン等)の自らによる実装(ハンズオン) ・PoC(概念実証)の実施による新技術の検証と本番適用のリード ・SLO/SLI等の信頼性指標を担保する非機能要件の設計 ・コードレビューやADR(アーキテクチャ決定記録)を通じた、SREチーム全体の技術力底上げ・メンタリング 技術選定からコア実装、品質基準の策定までを一貫して牽引し、当社の開発プロセスにおける技術的支柱(テックリード)として、組織全体の開発者体験と技術力を一段引き上げていただくことを期待しています。 プレイヤーとして最前線で手を動かしながら、自ら確立した「型」を全社の標準として浸透させ、エンジニアが本質的な開発に集中できる環境を技術の力で実現していただきます。

株式会社Works Human Intelligence

【組織体制】 COMPANYのSRE組織には、以下のようなグループがあります。 1グループは3～10名で、グループに関わらず全員で運用作業を分担しています。 ・監視など運用基盤を開発、改善するグループ ・運用自動化(AIOps含む)を進めるグループ ・クラウドサービスインフラを設計し、改善するグループ ・セキュリティ、コンプライアンス強化を進めるグループ 採用後には1on1を実施し、お持ちのスキルや今後のキャリアパスを踏まえて配属先を決定します。 【配属組織】 SRE部門 約40名 国内最大級のスケールを持つSaaSである「COMPANY」の商用環境において、IaCの高度化・AIOpsの共通基盤化を推進するSRE組織のマネジメントをお任せします。 技術戦略の策定とピープルマネジメントの双方をリードする重要なポジションです。 ● 組織・ピープルマネジメント ・3～10名規模のSREチーム(メンバー・リーダー)のマネジメント(1on1、評価、目標設定、キャリア開発支援) ・AIOpsなど新たな技術領域に挑戦するエンジニアの採用活動、およびオンボーディング ・運用自動化・信頼性向上に向けた、自律的・主体的に課題解決が行われる組織文化の醸成 ● 運用効率化・自動化の技術戦略リード ・大規模環境(数千〜数万インスタンス)における、IaCの高度化・共通化の戦略・ロードマップ策定 ・AI/機械学習を活用した障害の予兆検知や根本原因特定の自動化(AIOps)の共通基盤化の推進 ・スケーラブルかつコスト効率の高いAWSアーキテクチャの再設計・最適化の意思決定リード ・SLO/SLI設計をはじめとする信頼性指標の定義と、それに基づく組織的な改善活動の推進 ・他チーム・他組織と連携した、運用要件・非機能要件の調整 技術がわかるマネージャー(プレイングマネージャー)として、現場の技術力と組織のアウトプット最大化の双方にブリッジをかけていただきます。

株式会社Works Human Intelligence

国内最大級のスケールを持つSaaSである「COMPANY」の商用環境において、IaCの高度化・AIOpsの共通基盤化を推進するSRE組織のマネジメントをお任せします。 技術戦略の策定とピープルマネジメントの双方をリードする重要なポジションです。 ● 組織・ピープルマネジメント ・3～10名規模のSREチーム(メンバー・リーダー)のマネジメント(1on1、評価、目標設定、キャリア開発支援) ・AIOpsなど新たな技術領域に挑戦するエンジニアの採用活動、およびオンボーディング ・運用自動化・信頼性向上に向けた、自律的・主体的に課題解決が行われる組織文化の醸成 ● 運用効率化・自動化の技術戦略リード ・大規模環境(数千〜数万インスタンス)における、IaCの高度化・共通化の戦略・ロードマップ策定 ・AI/機械学習を活用した障害の予兆検知や根本原因特定の自動化(AIOps)の共通基盤化の推進 ・スケーラブルかつコスト効率の高いAWSアーキテクチャの再設計・最適化の意思決定リード ・SLO/SLI設計をはじめとする信頼性指標の定義と、それに基づく組織的な改善活動の推進 ・他チーム・他組織と連携した、運用要件・非機能要件の調整 技術がわかるマネージャー(プレイングマネージャー)として、現場の技術力と組織のアウトプット最大化の双方にブリッジをかけていただきます。 ●技術スタック サーバーサイド: Java, Python フロントエンド(言語):HTML, CSS, JavaScript フロントエンド(ライブラリ):Vue.js データストア: Oracle Database, PostgreSQL, Amazon DynamoDB ミドルウェア: Nginx, Apache Tomcat クラウド: Amazon Web Service CI/CD: Jenkins, AWS CodeBuild, AWS CodePipeline 構成管理:AWS CloudFormation, AWS CDK, Ansible モニタリング:CloudWatch, AppDynamics, Datadog ソースコード管理: Git, Gitlab, GitHub タスク管理:Redmine 開発ツール:Visual Studio Code コミュニケーション: Slack, Google Workspace

株式会社Works Human Intelligence

国内最大級のスケールを持つSaaSである「COMPANY」の商用環境において、IaCの高度化・AIOpsの共通基盤化を推進するSRE組織のマネジメントをお任せします。 技術戦略の策定とピープルマネジメントの双方をリードする重要なポジションです。 ● 組織・ピープルマネジメント ・3～10名規模のSREチーム(メンバー・リーダー)のマネジメント(1on1、評価、目標設定、キャリア開発支援) ・AIOpsなど新たな技術領域に挑戦するエンジニアの採用活動、およびオンボーディング ・運用自動化・信頼性向上に向けた、自律的・主体的に課題解決が行われる組織文化の醸成 ● 運用効率化・自動化の技術戦略リード ・大規模環境(数千〜数万インスタンス)における、IaCの高度化・共通化の戦略・ロードマップ策定 ・AI/機械学習を活用した障害の予兆検知や根本原因特定の自動化(AIOps)の共通基盤化の推進 ・スケーラブルかつコスト効率の高いAWSアーキテクチャの再設計・最適化の意思決定リード ・SLO/SLI設計をはじめとする信頼性指標の定義と、それに基づく組織的な改善活動の推進 ・他チーム・他組織と連携した、運用要件・非機能要件の調整 技術がわかるマネージャー(プレイングマネージャー)として、現場の技術力と組織のアウトプット最大化の双方にブリッジをかけていただきます。

株式会社Works Human Intelligence

国内最大級のスケールを持つSaaSである「COMPANY」の商用環境において、IaCの高度化・AIOpsの共通基盤化を推進するSRE組織のマネジメントをお任せします。 技術戦略の策定とピープルマネジメントの双方をリードする重要なポジションです。 ● 組織・ピープルマネジメント ・3～10名規模のSREチーム(メンバー・リーダー)のマネジメント(1on1、評価、目標設定、キャリア開発支援) ・AIOpsなど新たな技術領域に挑戦するエンジニアの採用活動、およびオンボーディング ・運用自動化・信頼性向上に向けた、自律的・主体的に課題解決が行われる組織文化の醸成 ● 運用効率化・自動化の技術戦略リード ・大規模環境(数千〜数万インスタンス)における、IaCの高度化・共通化の戦略・ロードマップ策定 ・AI/機械学習を活用した障害の予兆検知や根本原因特定の自動化(AIOps)の共通基盤化の推進 ・スケーラブルかつコスト効率の高いAWSアーキテクチャの再設計・最適化の意思決定リード ・SLO/SLI設計をはじめとする信頼性指標の定義と、それに基づく組織的な改善活動の推進 ・他チーム・他組織と連携した、運用要件・非機能要件の調整 技術がわかるマネージャー(プレイングマネージャー)として、現場の技術力と組織のアウトプット最大化の双方にブリッジをかけていただきます。

株式会社Works Human Intelligence

●役割 大手企業向け統合HRパッケージソフト「COMPANY」における、AIを活用した新機能開発やシステム刷新における技術的リードをお任せします。 特定の開発チーム(人事/給与/勤怠など)における技術責任者として、要件に対して「技術的にどう解決するか」の道筋を立て、最適な技術選定とアーキテクチャ設計を行います。 ご自身も高い技術力でプレイングの先頭に立ちながら、コード品質の担保、技術的負債の解消、およびチーム全体の技術力底上げ(メンタリング)を担う、エンジニアリングの要となるポジションです。 ●主な職務内容 担当ドメインの開発チームにおいて、技術的な意思決定と製品開発をリードしていただきます。 ● アーキテクチャ設計・技術選定 ・担当プロダクトへのAI組み込みに向けた、全体アーキテクチャの設計および技術選定 ・AI特有の課題(レイテンシー、ハルシネーション等)を吸収するための、堅牢なバックエンド処理(非同期キュー、ストリーミング処理等)およびフロントエンド設計の主導 ・複雑な業務ロジックを担保しつつ、パフォーマンスとスケーラビリティを両立させるシステム設計 ● 開発リード・品質担保 ・PoC(概念実証)の実施や、難易度の高いコアコンポーネントの自らによる実装(ハンズオン) ・高度なプロンプトエンジニアリングや、アプリケーションレイヤーでのコンテキスト制御の実装リード ・コードレビュー、テスト戦略(テスト自動化等)の策定と推進による、エンタープライズ水準の品質担保 ・中長期的な視点に立った技術的負債の計画的な返済と、CI/CD環境など開発基盤の継続的な改善 ● 技術メンタリング・チーム支援 ・チームメンバーに対する技術的なメンタリング、ペアプログラミングなどを通じたスキルアップ支援 ・他チームや他組織と連携した、技術的実現可能性(Feasibility)の検証と要件定義へのフィードバック ・エンジニアリングマネージャーと協調した、開発生産性の向上施策の立案・実行 ●部門説明 【配属組織】2026年6月現在 製品開発部門 約600名 └ 各製品/開発領域で組織が分かれ、それぞれ数⼗名程度在籍 └ モジュール単位でそれぞれ数名程度グループ在籍 ●チームについて 配属先によってチーム構成は異なりますが、ひとつのプロダクト開発チームはだいたい5～10名程度で構成されています。 テレワークが前提となるため事業所の垣根を越えてチームが形成されています。 そこにエンジニアマネージャー、シニアエンジニア、若手エンジニアなど様々なエンジニアメンバーで構成されています。 各チームは一つないし複数のサブシステムを担当する形で構成されており、お互いにフォローできる関係性にあります。 ひとつのチームが企画からリリース、その後の運用といったプロダクトに関する幅広い責任・権限を有することで、チームの自律性を高め、主体的にプロダクトに関わっていける環境を作っています。 ●技術スタック Main development languages: Java, Python, JavaScript, TypeScript, Kotlin, Delphi, COBOL Cloud Service: Amazon Web Services, Google Cloud Platform, Microsoft Azure, Oracle Cloud Infrastructure CI/CD: GitHub Actions, Jenkins, GitLab CI, AWS CodeBuild Build automation tools: Gradle, Maven, Ant Source code control: GitHub, GitLab, AWS CodeCommit, Subversion Task management: GitHub issues, Redmine, Jira Software, Trac IDE: Visual Studio Code, Eclipse, IntelliJ Communication: Slack, Google Workspace, Zoom/Google meet Data store: Oracle Database, PostgreSQL, DynamoDB Middleware: Nginx, Apache Tomcat, IBM WebSphere Monitoring: CloudWatch, AppDynamics, Datadog Design: Figma, Adobe Creative Cloud Front-end Framework: React, Vue Front-end Library: MUI, Vuetify, Bootstrap, jQuery AI tool: Devin, GitHub Copilot, Gemini

株式会社Works Human Intelligence

●役割 大手企業向け統合HRパッケージソフト「COMPANY」における、AIを活用した新機能開発やシステム刷新における技術的リードをお任せします。 特定の開発チーム(人事/給与/勤怠など)における技術責任者として、要件に対して「技術的にどう解決するか」の道筋を立て、最適な技術選定とアーキテクチャ設計を行います。 ご自身も高い技術力でプレイングの先頭に立ちながら、コード品質の担保、技術的負債の解消、およびチーム全体の技術力底上げ(メンタリング)を担う、エンジニアリングの要となるポジションです。 ●主な職務内容 担当ドメインの開発チームにおいて、技術的な意思決定と製品開発をリードしていただきます。 ● アーキテクチャ設計・技術選定 ・担当プロダクトへのAI組み込みに向けた、全体アーキテクチャの設計および技術選定 ・AI特有の課題(レイテンシー、ハルシネーション等)を吸収するための、堅牢なバックエンド処理(非同期キュー、ストリーミング処理等)およびフロントエンド設計の主導 ・複雑な業務ロジックを担保しつつ、パフォーマンスとスケーラビリティを両立させるシステム設計 ● 開発リード・品質担保 ・PoC(概念実証)の実施や、難易度の高いコアコンポーネントの自らによる実装(ハンズオン) ・高度なプロンプトエンジニアリングや、アプリケーションレイヤーでのコンテキスト制御の実装リード ・コードレビュー、テスト戦略(テスト自動化等)の策定と推進による、エンタープライズ水準の品質担保 ・中長期的な視点に立った技術的負債の計画的な返済と、CI/CD環境など開発基盤の継続的な改善 ● 技術メンタリング・チーム支援 ・チームメンバーに対する技術的なメンタリング、ペアプログラミングなどを通じたスキルアップ支援 ・他チームや他組織と連携した、技術的実現可能性(Feasibility)の検証と要件定義へのフィードバック ・エンジニアリングマネージャーと協調した、開発生産性の向上施策の立案・実行 ●部門説明 【配属組織】2026年6月現在 製品開発部門 約600名 └ 各製品/開発領域で組織が分かれ、それぞれ数⼗名程度在籍 └ モジュール単位でそれぞれ数名程度グループ在籍 ●チームについて 配属先によってチーム構成は異なりますが、ひとつのプロダクト開発チームはだいたい5～10名程度で構成されています。 テレワークが前提となるため事業所の垣根を越えてチームが形成されています。 そこにエンジニアマネージャー、シニアエンジニア、若手エンジニアなど様々なエンジニアメンバーで構成されています。 各チームは一つないし複数のサブシステムを担当する形で構成されており、お互いにフォローできる関係性にあります。 ひとつのチームが企画からリリース、その後の運用といったプロダクトに関する幅広い責任・権限を有することで、チームの自律性を高め、主体的にプロダクトに関わっていける環境を作っています。 ●技術スタック Main development languages: Java, Python, JavaScript, TypeScript, Kotlin, Delphi, COBOL Cloud Service: Amazon Web Services, Google Cloud Platform, Microsoft Azure, Oracle Cloud Infrastructure CI/CD: GitHub Actions, Jenkins, GitLab CI, AWS CodeBuild Build automation tools: Gradle, Maven, Ant Source code control: GitHub, GitLab, AWS CodeCommit, Subversion Task management: GitHub issues, Redmine, Jira Software, Trac IDE: Visual Studio Code, Eclipse, IntelliJ Communication: Slack, Google Workspace, Zoom/Google meet Data store: Oracle Database, PostgreSQL, DynamoDB Middleware: Nginx, Apache Tomcat, IBM WebSphere Monitoring: CloudWatch, AppDynamics, Datadog Design: Figma, Adobe Creative Cloud Front-end Framework: React, Vue Front-end Library: MUI, Vuetify, Bootstrap, jQuery AI tool: Devin, GitHub Copilot, Gemini

株式会社カカクコム

システムの変更容易性・変更安全性を高めるための、モダンなシステム基盤を開発・導入することがミッションになります。 ・新たに必要になるシステム基盤開発の検証・導入・運用 ・既存のシステム基盤の導入拡大 これまで導入してきた基盤には以下のようなものがあります。 ・メッセージング基盤 + 非同期処理基盤 (Kafka) ・分散トレーシング (OpenTelemetry) ・Change Data Capture (Debezium) ・GraphQL (Apollo) 【ミッションへの道のり】 食べログは2007年に Ruby on Rails でリプレイスして以来、約15年の長期に渡り抜本的なアーキテクチャ刷新なしに開発と運用を継続しており、モノリシックで巨大なコード、かつ巨大なデータを持つ状態になっています。 この巨大なシステムを以下のステップで改善しています。 1.システムをKubernetesなどモダンなインフラ基盤に刷新して変更安全性と変更容易性を高める 2.設計変更や不要なコード削除などの大胆な改修を小さく速く繰り返し、疎結合・高凝集なモノリスに作り変える 3.組織構造やビジネスファンクション・ドメインモデル・ユースケース等より、マイクロサービスの境界を考察し、定義し、分割する (詳細は「食べログの大規模なレガシーシステムを段階的に改善していく取り組み - https://qiita.com/tkyowa/items/6417b0a7895399f8f9be 」で公開されています。) 【食べログ開発本部技術部マイクロサービス化チーム】 ＜食べログの事業・食べログシステム本部のミッション＞ 2005年にスタートした「食べログ」は、口コミとランキングで探せるレストラン検索・予約サイトです。 「失敗しないお店選び」という課題に向き合い続け、現在、月間約9,600万人 (※1)を超えるユーザーが利用する日本最大級の飲食店検索サービスに成長しました。 目まぐるしく変化する外食産業を盛り上げるべく、近年は飲食店や卸売業者など外食を支える人たちの課題を解決するDXプロダクトにも挑戦しています。 これらのサービスを通して人々とレストランをつなぐプラットフォームになるべく世の中に貢献していきます。 ※1 2023年3月現在。 PC、スマートフォンブラウザ/アプリ等で同じユーザが閲覧している場合には重複カウント 私たちは市場や事業の変化に素早く対応できるシステムと、それを実現させる開発組織を作る事を責務としています。 システムが事業成長のボトルネックにならないよう、モノを作るだけでなく作ったモノの健全性を保ち続けることやビジネス理解もそのための大事な手段の一つと考えています。 サービス開発のように組織の改善を行うべくFourKeysの計測とアクショナブルな指標への落とし込みや、よりインパクトの大きな成果を出すべく、1プロジェクト1チャレンジすること、人同士のつながりを大事にすること、部署やプロダクトの垣根を超えていくことを大切にしに日々の業務にあたっています。 ＜マイクロサービス化チームのミッション＞ 技術部マイクロサービス化チームは巨大なモノリシックサービスにおける開発の辛さを解消し、少人数のチームが自律的に意思決定しながら開発するためのシステム基盤を作る事をミッションとしています。 【開発環境】 ・プラットフォーム: オンプレ DC / GCP / AWS ・AIエージェント: Claude Code / Devin / Gemini ・仮想化基盤: VMWare / Proxmox / Kubernetes ・OS・ミドルウェア: Linux / Ruby on Rails / MySQL / Nginx / Apache Kafka ・コード管理・CI: GitHub / CircleCI ・監視: NewRelic / Prometheus / Sentry ・コミュニケーション・プロジェクト管理: Slack / Google Workspace / Miro / Asana ・データ基盤: BigQuery / Tableau 【入社後のイメージ】 <オンボーディング> 食べログのRailsアプリケーション設計、基本的なシステム基盤(例えばサーバミドルウェア)、業務の概要をドキュメントと先輩社員のレクチャーを併用して学習していただきます。 並行して開発・リリースワークフローを理解していただきます。 <最初の業務> メッセージング基盤や非同期処理基盤など既存のシステム基盤の導入拡大と、開発エンジニアに対する導入支援を担当していただくことになると思います。 <近い将来> 既存のシステム基盤の主担当、新規のシステム基盤のPoCと技術選定を担当していただきます。

株式会社カカクコム

QA業務をAIエージェントが自律実行できるハーネスを設計・実装します。 【具体的な業務内容】 ・ハーネスエンジニアリングの実践 └ハーネスエンジニアリングの枠組みの中で、QA業務を担う各工程のAIエージェントを設計、構築します。 ・リスク分析/テスト分析/テスト設計エージェント └仕様書を分析し、その後の実装や自動テストコーディングへの入力を生成するQAの上流工程を担当するAIエージェントを設計、実装します。 ・自動テストコーディング、自動テスト実行エージェント └テスト設計結果を自動テストとして実装し実行するQA業務の中核となるAIエージェントを設計実装します。 ・CQフィードバックパイプラインの設計・実装 ・不具合/障害情報の集積、分析基盤の構築 └エラーログ/AIエージェント実行ログ/不具合レポート/障害レポートなどを集積し、後続の分析や再発防止策の策定を実施するための基盤を整備します。 ・障害分析や再発防止策実施エージェントの設計、実装 └AIや人間のミスの結果である障害情報を分析し、それらをAIエージェントから利用可能なコンテキストやSKILLの形に実装するAIエージェントの設計、実装をします。 ・外部AI動向の追跡と発信 ・Harness Engineering等のAI分野の最新動向を追跡し、業務設計に落とし込む ・社内の実践と学びを技術ブログ・カンファレンス等で外部発信する 【開発環境】 ●AIエージェント:Claude Code(SKILL / Sub-agent / Hooks / Agent Teams)/ Devin / MCP Server ●テスト自動化:Selenium, Appium, Cucumber, Playwright ●CI/CD:CircleCI, Bitrise ●データ基盤:BigQuery, Tableau ●タスク管理・分析:Asana ●コミュニケーション:Slack, Teams, GitHub, Confluence, Miro ●開発技術スタック:Ruby on Rails, React.js, Next.js, Swift/SwiftUI, Kotlin 【所属部門】 食べログカンパニー 開発本部 品質管理部 【ミッション】 品質管理部は「QA業務をAIが一貫して担う」ことを目指す長期ビジョン Continuous Quality by AI(CQ by AI) を推進するチームです。 そのAIが正しく品質を判断できるよう、QAの知識と基準をAIに渡すエキスパートとして参画していただきます。 単にテストを効率化するのではなく、「リリース前のチェックポイント」だったQAを、開発プロセスそのものに埋め込まれた自律的な仕組みへと変える取り組みです。 月間数千万人が使う食べログで、AIエージェントがコードレビュー・リスク分析・E2Eテストを担い、最終承認のみ人間が行う品質保証の実現を目指しています。 すでに自動テストコーディングでコード生成精度97%・テスト実行工数52%削減・自動化率64%の実績を上げており、その先のフェーズを共に作る段階にあります。 このポジションは AIが正しく品質判断できるようにQAドメインのナレッジをハーネスエンジニアリングの枠組みの中でガードレールやチェックリスト、基準などとして整備する役割 です。 従来のQAエンジニアが「自分でテストを設計・実行し、品質を判断する」のに対し、このポジションは「AIが判断するための基準を設計・検証し、AIの判断結果をレビューする」へと役割が変わります。 QAエンジニアとしての専門知識を活かしながら、業界でもまだ先例の少ない「AIに品質を教える仕事」を担っていただきます。