【JAPAN AI】Product Manager, AI SaaS / Japanese
Product Manager, AI SaaS / Japanese
プロダクト要件・アーキテクチャ設計
ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳
機能境界・ドメイン設計、データ契約、API 仕様の策定
RFC 駆動の設計レビュー・意思決定プロセスの運営
LLM / 生成 AI を活用したプロダクト設計 (RAG、tool-use、guardrails 等)
技術選定・トレードオフ判断
買う / 作る / 統合 (Build vs Buy vs Integrate) の技術選定
非機能要件 (可用性・拡張性・セキュリティ・コスト) の設計と品質属性トレードオフ判断
技術的負債の可視化と計画的解消のロードマップ策定
横断的協働・ロードマップ
エンジニアリングチーム・PdM・デザイナーとの横断的協働
プロダクトロードマップの策定・推進
技術的負債の可視化と計画的解消のロードマップ策定
【業務シナリオ例】
※以下は想定される業務シナリオの例です
● シナリオ 1: 新プロダクトラインの立ち上げ エンタープライズ顧客から「AI エージェントによる社内ナレッジ検索」の強いニーズを発見。
市場調査・顧客インタビュー・技術検証を経て、プロダクト要件を定義。
RAG アーキテクチャの設計、データパイプラインの技術選定、MVP のスコープ定義までをリードし、3 ヶ月でベータリリースを実現。
● シナリオ 2: Build vs Buy のアーキテクチャ判断 音声 AI 機能の拡張にあたり、自社開発 vs 外部 API 統合の判断が必要に。
コスト・品質・開発速度・カスタマイズ性の 4 軸で比較分析を行い、RFC を起票。
エンジニアリングチームとの設計レビューを経て、ハイブリッドアプローチ (コア機能は自社開発、周辺機能は外部 API) を決定。
● シナリオ 3: 品質属性のトレードオフ判断 JAPAN AI AGENT のレイテンシ P95 が目標値を超過。
可用性・コスト・レイテンシのトレードオフを分析し、推論キャッシュの導入とモデルルーティングの最適化を提案。
エンジニアリングチームと協働して実装し、レイテンシを 30% 改善しつつコスト増を 5% 以内に抑制。
●ミッション
何を作るかを決める
プロダクトの「何を・なぜ・どう作るか」を技術とビジネスの両面から定義し、AI プロダクトの成功確率を最大化する。
●期待する役割について
Product Manager として、JAPAN AI のプロダクト群全体のアーキテクチャ設計と技術戦略をリードしていただきます。
ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳する
機能境界・ドメイン設計・API 仕様の策定をリードする
Build vs Buy vs Integrate の技術選定を行い、最適な投資判断を導く
非機能要件 (可用性・拡張性・セキュリティ・コスト) のトレードオフ判断を行う
エンジニアリングチーム・PdM・デザイナーとの横断的協働を通じて、プロダクトの方向性そのものを決定する
技術的負債の可視化と計画的解消のロードマップを策定する
●成果責任 (KR/メトリクス)
プロダクトロードマップ達成率
アーキテクチャレビュー起因の手戻り率
新機能リリースサイクル短縮
プロダクト品質属性
●チーム体制
約120名が開発組織に在籍しています。
Product Architectは以下のチーム・ステークホルダーと密接に連携します:
Agentic Product Engineer — エージェント機能開発
Human-AI Collaboration Architect — エージェント体験設計
FDE — 顧客要件・フィードバック
経営層 — 事業戦略・投資判断
●開発環境
言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX
AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK, RAG, Agent Framework
インフラ : GCP (コンテナ / K8s) , Docker, Terraform
ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion
AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin
作業環境 : Mac (Apple Silicon) , デュアルモニタ対応
