ストックオプション（信託型等）あり GitHub ActionsのITエンジニア求人・転職情報

このポジションでは、VPoT直下で特定のプロダクトに限定されない横断的な技術課題に取り組みます。業務は大きく2つの側面があります。 【1. 全社基盤・未解決領域の実現】 ・技術POCと新規領域の実装 — 新規事業仮説や技術的課題に対し、生成AIをフル活用して迅速にプロトタイプを構築・検証 ・プロダクト横断基盤の企画・構築 — 複数事業にまたがるデータ分析基盤、顧客基盤、マスタデータ管理、認証基盤などの整備・運用 ・プロダクト間連携の中間システム開発 — 複数プロダクトを統合するAPIやデータパイプラインの設計・構築 【2. プロダクトチームの支援・能力向上】 ・複雑度の高い技術課題(アーキテクチャ分離、信頼性改善等)への、設計リード・並走 ・設計レビュー・壁打ち・モブプログラミングを通じた、各チームのテックリード・エンジニアへの技術支援 ・生成AI活用の全社推進 — ハンズオン実施、スキル・ワークフローの整備、エンジニア以外の部門への活用展開 ・チームの開発プロセス改善支援(スクラムイベントのファシリテート等) 支援においては「人手の貸し出し」ではなく、関与が終わった後にチームに高まった能力が残ることを大切にしていきます。2つの側面の配分は固定せず、組織の状況に応じて優先度を判断しながら取り組みます。 【業務内容】 雇入れ直後:システム開発部 変更の範囲:会社の定める業務 ●開発環境 POCの開発や特定のプロダクトに限らない開発を行うため使用する言語やフレームワークは多岐にわたります。ここでは一例を記載します。 ・開発言語/フレームワーク等: 　-Backend: Ruby on Rails、Kotlin、Java、Go 　-Frontend: TypeScript、React、Vue.js 　-特性: 特定の言語・フレームワークに限定せず、プロダクトやチームの最適な技術選択に対応する横断開発ポジション 　-DB: PostgreSQL、MySQL ・インフラ: AWS(EC2, S3, RDS, Lambda, CodeBuild等)、GCP(Firebase, BigQuery, Cloud Functions等) ・バージョン管理: Git/GitHub ・CI/CD: GitHub Actions、Jenkins、CircleCI、AWS CodeBuild ・AI開発支援ツール: Claude(Claude API、Claude Code)、GitHub Copilot、Gemini、Devin ・コミュニケーション: Slack, Notion, Google Workspace 【作業環境】 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 横断開発という特殊なポジションは、通常のチーム開発では得られない成長機会を提供します。複数プロダクトの技術スタックやアーキテクチャを経験しトレードオフの判断力が養われるほか、基盤層の開発知見をプロダクト開発へ展開する循環が生まれます。VPoTと共に部全体の技術戦略を策定し、他チームをリードする立場へのキャリアも開かれています。 ▼キャリア事例 ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーも多く活躍しています! また横断組織は今後も継続的に拡大していく計画です。組織の成長に伴い、プラットフォーム機能やイネイブリング機能の専門チーム化を見込んでおり、その立ち上げをリードするポジションへの道が開かれています。初期メンバーとして入ることで、組織設計そのものに関与する機会があります。 ●配属組織 本ポジションはシステム開発部直下に配属されます。通常のチームベースの組織構成とは異なり、部直下のエンジニアとしてVPoTとともにdev全体に横断的に関わる責務を担当します。 エンジニアチームだけでなく、PdM、セールス、CS、それぞれのチームと関わり、一緒に協力して取り組むことを大切にしています。 ▶︎[開発組織の体制について/VPoE・VPoTのインタビューはこちら](https://note.com/hacobell/n/n77ab6e3a81fe) ●カルチャー ・スクラム開発を推進 ・積極的なペアプロやモブプロ ・週次でチーム横断のエンジニア定例 ・自発的な勉強会やハッカソンの開催 ・VPoEやEMとの1on1 ・メンター役が伴走するオンボード支援 ・生成AIをフルに活用した開発スタイルを全社的に推進。チーム内での学習・議論を常に行い、技術の進化に合わせて開発スタイルを進化させ続けている ●AI活用状況 【開発プロセスそのものをAIで作り替えている組織です】 ハコベルにとってAI活用は、個人の生産性ツールではなく経営アジェンダです。プロダクト戦略と対になる「Tech戦略」の中で「AI自律開発による開発生産性10x」を経営レベルの方針として定義し、開発組織のファーストプライオリティに位置づけています。 私たちが取り組んでいるのは、コーディングをAIに委託することではありません。 ・要件定義: 開発マイルストーン→PBI→SBIへの分割・プランニングをAIが担い、NotionをSSoTとして運用 ・設計: 実装前にAIとdesign.md/ADRを作成し、設計判断は組織の資産として蓄積 ・実装: 複数サブエージェントによる並列実装を含め、AI主体の実装が全チームで稼働 ・レビュー: design.mdとの差分ベースのレビューや、観点別レビューエージェントの整備 ・QA: ケース自動生成、Gherkin×PlaywrightによるE2E自動化 といったように開発フローの全工程をAIが自律的に駆動できる形に再設計している最中です。AIが安全かつ有効に動ける環境・コードベース・ワークフローそのものを設計する「ハーネスエンジニアリング」に組織として取り組んでおり、「AI活用推進会」で各チームの知見を集約・横展開しています。成果・進捗はDORAメトリクス(デプロイ頻度・リードタイムなど)や実装量で計測し組織的に前進させています。 しかし、正直に言えばまだまだ道半ばです。実装のAI化が進んだ結果、レビューとQAが新たなボトルネックとして顕在化しており、まさに今この構造問題を解いているフェーズです。「完成されたAI開発環境を使う」のではなく、「AI時代の開発のあり方を自分の手で定義する」ことに面白さを感じる方に入社いただき、試行錯誤も含めてチャレンジしていきたいと考えています。

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)

ハコベルの物流DXシステムである「ハコベル配車管理」「ハコベル配車計画」のサーバサイド・フロントエンドの開発をお任せします。 ハコベルではエンジニアも、プロダクトマネジャーやカスタマーサポートと共にヒアリング、オンボードなどを通した理解を大事にしています。 良い品質のプロダクト開発とユーザーの理解両方を通してユーザーの体験、提供できる価値を最大化できるようなアクションに共感できるような方を募集しています。 <具体的には…> ・BizやPdMメンバーと連携し、担当プロダクトのビジョン、目標達成に向けての開発および運用 ・担当プロダクトがユーザーに提供する価値を理解し、その実現方法を検討・実践 ・TLと連携したプログラミング言語やフレームワーク、ライブラリの技術調査・選択 ・担当プロダクトの安定した運用と定期的な改善サイクルの実現 ●開発環境 ・バックエンド: Ruby, Ruby on Rails, Go ・フロントエンド: TypeScript, React ・API/スキーマ定義: Swagger, GraphQL, Protocol Buffers ・インフラ: AWS (ECS, EC2, RDS/Aurora, DynamoDB, S3, SQS, Lambda, etc), Docker ・バージョン管理: Git/GitHub ・CI/CD: CircleCI, GitHub Actions, CodeBuild ・AIツール: Claude Code, GitHub Copilot, Devin, Gemini ・コミュニケーション: Slack, Notion, Google Workspace ●作業環境 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、 「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 <キャリア事例> ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています! ●配属組織 配属されるシステム開発部TMSソリューションシステムGは、7名のメンバーが在籍しています。 <在籍メンバー例> ・EM吉岡 　https://note.com/hacobell/n/n2d873ca7971c ・堀崎 　https://note.com/hacobell/n/n169ca16fd0b9 エンジニアチームだけでなく、PdM、セールス、CS、それぞれのチームと関わり、一緒に協力して取り組むことを大切にしています。 ●カルチャー ・スクラム開発を推進 ・積極的なペアプロやモブプロ ・週次でチーム横断のエンジニア定例 ・自発的な勉強会やハッカソンの開催 ・VPoEやEMとの1on1 ・メンター役が伴走するオンボード支援 ●AI活用状況 【開発プロセスそのものをAIで作り替えている組織です】 ハコベルにとってAI活用は、個人の生産性ツールではなく経営アジェンダです。プロダクト戦略と対になる「Tech戦略」の中で「AI自律開発による開発生産性10x」を経営レベルの方針として定義し、開発組織のファーストプライオリティに位置づけています。 私たちが取り組んでいるのは、コーディングをAIに委託することではありません。 ・要件定義: 開発マイルストーン→PBI→SBIへの分割・プランニングをAIが担い、NotionをSSoTとして運用 ・設計: 実装前にAIとdesign.md/ADRを作成し、設計判断は組織の資産として蓄積 ・実装: 複数サブエージェントによる並列実装を含め、AI主体の実装が全チームで稼働 ・レビュー: design.mdとの差分ベースのレビューや、観点別レビューエージェントの整備 ・QA: ケース自動生成、Gherkin×PlaywrightによるE2E自動化 といったように開発フローの全工程をAIが自律的に駆動できる形に再設計している最中です。AIが安全かつ有効に動ける環境・コードベース・ワークフローそのものを設計する「ハーネスエンジニアリング」に組織として取り組んでおり、「AI活用推進会」で各チームの知見を集約・横展開しています。成果・進捗はDORAメトリクス(デプロイ頻度・リードタイムなど)や実装量で計測し組織的に前進させています。 しかし、正直に言えばまだまだ道半ばです。実装のAI化が進んだ結果、レビューとQAが新たなボトルネックとして顕在化しており、まさに今この構造問題を解いているフェーズです。「完成されたAI開発環境を使う」のではなく、「AI時代の開発のあり方を自分の手で定義する」ことに面白さを感じる方に入社いただき、試行錯誤も含めてチャレンジしていきたいと考えています。 【業務内容】 雇入れ直後:システム開発部 変更の範囲:会社の定める業務

物流DXプロダクトである「トラック簿」の開発をお任せします。 物流業界に対する高い解像度をもとに、現場の課題やニーズを的確に捉え、それらを技術的な最適解へと昇華していくことが求められます。 単なる機能開発にとどまらず、ユーザー体験や業務変革の視点を持ち、プロダクトを通じて業界全体にインパクトを与えていく役割を担っていただきます。また、技術的な意思決定やチームの開発推進をリードし、メンバーを牽引する存在としての活躍を期待しています。 【具体的な業務内容】 ・BizやPdMメンバーと連携し、プロダクトのビジョン、目標達成に向けての開発および運用 ・プロダクトがユーザーに提供する価値を理解し、その実現方法を検討・実践 ・プロダクトの安定した運用と定期的な改善サイクルの実現 ・技術的な意思決定やアーキテクチャ設計をリードし、開発チームを牽引 ・メンバーへの技術支援や、AIの開発プロセスへの導入・定着を主導し、チーム全体の開発力を底上げ 【業務内容】雇入れ直後:システム開発部/変更の範囲:会社の定める業務 ●開発環境 ・開発言語/フレームワーク等: 　-Backend: Kotlin, Java 　-DB: PostgreSQL 　-Frontend: TypeScript, React 　-Mobile App: Flutter, Dart ・インフラ: AWS,Firebase,GCP ・バージョン管理: Git/GitHub ・CI/CD: GitHub Actions ・コミュニケーション: Slack, Notion, Google Workspace ●作業環境 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 ●キャリアパス例 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、 「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 【キャリア事例】 ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています!

東証グロース上場企業として、エンタープライズ企業(主に東証プライム上場企業)の「0次DX」を推進するリードエンジニアとしてご活躍いただきます 。 単なる実装作業の請負ではなく、顧客の隣で「ビジネス要求の言語化」から「最適なアーキテクチャ設計・実装」までを一貫して担い、技術的な意思決定をリードする役割を期待しています 。 【業務詳細】 技術リード・設計: プロジェクトにおける技術的指針(ビジョン)を提示し、静的型付け言語を用いた高度な実装および詳細設計による品質管理を主導します 。 モダン開発の推進: 生成AI(LLM等)の活用やクラウドネイティブな構成への移行など、最新技術を用いたPoC・新規サービス立ち上げを牽引します 。 チームマネジメント(技術面): コーディング規約の策定、コードレビュー、開発プロセスの標準化を通じてチーム全体のアウトプットを最大化します 。 顧客折衝・提案: 顧客のビジネス課題を技術的視点から分析し、実現可能な解決策を提案・実装へと落とし込みます 。 若手育成: 技術責任者として、主体的に若手エンジニアの教育・メンタリングを行い、組織全体の底上げに貢献します 。 【技術スタック・使用ツール】 言語: Java, PHP, Go, Ruby, Python, JavaScript, TypeScript, Kotlin, Swift, SQL, HTML/CSS など フレームワーク: Spring Boot, Laravel, Vue.js, React.js, Angular, Node.js, echo など クラウド: AWS, Azure, GCP インフラ: Docker, Kubernetes, Terraform, Ansible, Jenkins, GitLab CI, GitHub Actions など データベース: MySQL, PostgreSQL, Aurora, Oracle, SQL Server, BigQuery, DynamoDB など ツール: Git, GitLab, GitHub, Slack, Jira, Confluence, Backlog, Looker, Figma など その他: 生成AI (Azure OpenAI, Amazon Bedrock, Google Gemini, GitHub Copilot), ローコード (Pega, Outsystems), BPM (Bonita) など

物流DXプロダクトである「トラック簿」の開発をお任せします。 物流業界に対する高い解像度をもとに、現場の課題やニーズを的確に捉え、それらを技術的な最適解へと昇華していくことが求められます。 また、単なる機能開発にとどまらず、ユーザー体験や業務変革の視点を持ち、プロダクトを通じて業界全体にインパクトを与えていく役割を担っていただきます。 【具体的な業務内容】 ・BizやPdMメンバーと連携し、プロダクトのビジョン、目標達成に向けての開発および運用 ・プロダクトがユーザーに提供する価値を理解し、その実現方法を検討・実践 ・TLと連携したプログラミング言語やフレームワーク、ライブラリの技術調査・選択 ・プロダクトの安定した運用と定期的な改善サイクルの実現 【業務内容】 雇入れ直後:システム開発部 変更の範囲:会社の定める業務 ●開発環境 ・開発言語/フレームワーク等: 　-Backend: Kotlin, Java 　-DB: PostgreSQL 　-Frontend: TypeScript, React 　-Mobile App: Flutter, Dart ・インフラ: AWS,Firebase,GCP ・バージョン管理: Git/GitHub ・CI/CD: GitHub Actions ・コミュニケーション: Slack, Notion, Google Workspace ●作業環境 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 <キャリア事例> ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています! ●配属組織 配属されるシステム開発部トラック簿システムGは、9名のメンバーが在籍しています。 <在籍メンバー例> ・[EM田中](https://note.com/hacobell/n/n0f6e2e0c9500) エンジニアチームだけでなく、PdM、セールス、CS、それぞれのチームと関わり、一緒に協力して取り組むことを大切にしています。 ●AI活用状況 【開発プロセスそのものをAIで作り替えている組織です】 ハコベルにとってAI活用は、個人の生産性ツールではなく経営アジェンダです。プロダクト戦略と対になる「Tech戦略」の中で「AI自律開発による開発生産性10x」を経営レベルの方針として定義し、開発組織のファーストプライオリティに位置づけています。 私たちが取り組んでいるのは、コーディングをAIに委託することではありません。 ・要件定義: 開発マイルストーン→PBI→SBIへの分割・プランニングをAIが担い、NotionをSSoTとして運用 ・設計: 実装前にAIとdesign.md/ADRを作成し、設計判断は組織の資産として蓄積 ・実装: 複数サブエージェントによる並列実装を含め、AI主体の実装が全チームで稼働 ・レビュー: design.mdとの差分ベースのレビューや、観点別レビューエージェントの整備 ・QA: ケース自動生成、Gherkin×PlaywrightによるE2E自動化 といったように開発フローの全工程をAIが自律的に駆動できる形に再設計している最中です。AIが安全かつ有効に動ける環境・コードベース・ワークフローそのものを設計する「ハーネスエンジニアリング」に組織として取り組んでおり、「AI活用推進会」で各チームの知見を集約・横展開しています。成果・進捗はDORAメトリクス(デプロイ頻度・リードタイムなど)や実装量で計測し組織的に前進させています。 しかし、正直に言えばまだまだ道半ばです。実装のAI化が進んだ結果、レビューとQAが新たなボトルネックとして顕在化しており、まさに今この構造問題を解いているフェーズです。「完成されたAI開発環境を使う」のではなく、「AI時代の開発のあり方を自分の手で定義する」ことに面白さを感じる方に入社いただき、試行錯誤も含めてチャレンジしていきたいと考えています。

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

物流DXプロダクトである「トラック簿」の開発をお任せします。 物流業界に対する高い解像度をもとに、現場の課題やニーズを的確に捉え、それらを技術的な最適解へと昇華していくことが求められます。 また、単なる機能開発にとどまらず、ユーザー体験や業務変革の視点を持ち、プロダクトを通じて業界全体にインパクトを与えていく役割を担っていただきます。 【具体的な業務内容】 ・BizやPdMメンバーと連携し、プロダクトのビジョン、目標達成に向けての開発および運用 ・プロダクトがユーザーに提供する価値を理解し、その実現方法を検討・実践 ・TLと連携したプログラミング言語やフレームワーク、ライブラリの技術調査・選択 ・プロダクトの安定した運用と定期的な改善サイクルの実現 【業務内容】 雇入れ直後:システム開発部 変更の範囲:会社の定める業務 ●開発環境 ・開発言語/フレームワーク等: ‐Backend: Kotlin, Java ‐DB: PostgreSQL ‐Frontend: TypeScript, React ‐Mobile App: Flutter, Dart ・インフラ: AWS,Firebase,GCP ・バージョン管理: Git/GitHub ・CI/CD: GitHub Actions ・コミュニケーション: Slack, Notion, Google Workspace ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 ▼キャリア事例 ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています! ●配属組織 配属されるシステム開発部トラック簿システムGは、9名のメンバーが在籍しています。 ▼在籍メンバー例 ・[EM田中](https://note.com/hacobell/n/n0f6e2e0c9500) エンジニアチームだけでなく、PdM、セールス、CS、それぞれのチームと関わり、一緒に協力して取り組むことを大切にしています。

<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)

クラウドを「つくる」だけでなく、「どうあるべきか」から考える。 ITSOでは、企業のDX/AXを支えるクラウド基盤の設計・構築・運用を行っています。 本ポジションでは、AWS・Azure・Google Cloudを活用し、単なるサーバー構築や移行作業だけではなく、 <要件整理> → アーキテクチャ設計 → 構築 → IaC/CI/CD → 運用・監視 → 改善 まで一気通貫で携わります。 ITSOのクラウドエンジニアに求めるのは、「指示されたインフラを構築すること」だけではありません。 顧客の業務・システム要件を理解し、 「どんな構成が最適なのか」 「どうすれば安全かつ運用しやすいのか」 「どうすれば自動化できるのか」 まで考え、クラウド基盤そのものを設計していく仕事です。 <具体的な仕事内容> ●クラウドアーキテクチャ設計 ・AWS/Azure/Google Cloudを活用したクラウド基盤設計 ・クラウド移行方針/ロードマップ策定 ・マルチクラウド/ハイブリッドクラウド構成の検討 ・クラウドネイティブアーキテクチャ設計 ・AI/データ活用基盤設計 ・システム構成の最適化 ●クラウドインフラ構築 ・クラウド環境構築 ・ネットワーク設計 ・VPC/VNet/サブネット/ルーティング設計 ・IAM/認証/権限設計 ・高可用性/冗長化設計 ・バックアップ/DR設計 ・コンテナ/Kubernetes等の基盤構築 ●DevOps/自動化 ・Terraform/CloudFormation/Bicep等を利用したIaC ・CI/CDパイプライン構築 ・GitOps環境構築 ・開発/検証環境の自動化 ・Platform Engineering推進 ●運用・改善 ・監視設計 ・ログ/メトリクス分析 ・SRE活動 ・障害分析/再発防止 ・性能改善 ・コスト最適化 ・セキュリティ強化

配属先・ポジション 【AI研究部/アソシエイトマネージャー】 AI技術に先行研究および自社プロダクトの開発を担う部門。管理職1名、エンジニア5名の構成。博士号を持つアソシエイトプロフェッサーが在籍し、産学連携を推進。 仕事内容 生成AI/大規模言語モデル(LLM)を活用したシステム開発プロジェクトへの参画・FastAPIを用いた品質重視のREST API設計・実装・運用。　 ・生成AI/LLMを活用した新機能の企画・開発・改善　 ・pytestやPlaywrightを使ったユニットテスト・E2Eテストの設計/実装　 ・mypy・ruff などによる型チェック/Lint/静的解析によるコードクオリティ維持　 ・AWS(EC2・Lambda・S3・RDSなど)を活用したクラウドインフラ設計・構築・運用 ・生成AIによる業務自動化システム(電話応対・チャット応答・議事録など)構築 ・言語:Python3 ・フレームワーク:FastAPI ・開発ツール:mypy、ruff、uv、VSCode、GitHub Copilot ・バージョン管理:Git / GitHub ・テスト:pytest、Playwright など ・CI/CD:GitHub Actions、AWS CodePipeline ・インフラ:AWS(EC2 / Lambda / S3 / RDS …)

Next.jsを用いた堅牢なビジュアル管理コンソールの開発を牽引するとともに、Figma等のデザインデータから実コードへシームレスに連携する、デザイントークン/デザインシステムの仕組みを強固に設計・実装していただきます。 構造的な課題と向き合うポイント ・ビジュアル画面エディタの構築: コンポーネントをパズルのように配置し、入力バリデーション(Zod等)を噛ませて正しいJSONスキーマを生成・保存する、高度な対話型管理ツールの設計。 ・拡張性の高いマルチテナント・テーマ設計: クライアント企業のブランド変更やダークモード対応、さらにはデバイス別(iPad/スマホ等)の出し分けやアクセシビリティ担保を容易にするトークンシステムの開発。 ・境界を越えた開発への関与: UI/UXデザイナーと強固に連携し、Figmaの設計変更からコードへのデプロイまでを半自動化する、開発者体験(Developer Experience)の最適化。 ●具体的な業務 ・Next.js / React を用いた管理コンソールのビジュアルフロントエンドおよびエディタ機能の開発。 ・デザイナーと連携した、全プラットフォーム共通のデザインシステムおよびデザイントークンの策定と設計。 ・Zod等のスキーマ検証ライブラリを用いた、動的入力の整合性担保と堅牢なバリデーションの実装。 ・各種CRUD、テナントごとの詳細なロール/招待権限、編集変更履歴(監査ログ用)の設計・開発。 ・BFF(Node.js)やAWS、CI/CD周りなどの技術領域(インフラ二番手)への自発的な越境。 ●開発環境 ・Frontend: React, Next.js, TypeScript, Tailwind CSS, Storybook, Zod / Hook Form ・Design Integration: Figma Variables, Style Dictionary (Design Tokens) ・Monorepo / Build: Turbo / Yarn Workspaces, Vite ・Infrastructure: AWS (BFF連携), GitHub Actions ・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: プラットフォーム内のデザインシステム定義とNext.js管理ツールの構造をキャッチアップし、既存コンポーネントのUI品質改善や、エディタへの新機能追加を単独で遂行できる。 ・6ヶ月時点: デザインシステムから各デバイスへのトークン配信を自動化し、Figmaとの連携を強固にする仕組みの設計・リリースをリードしている。 ・12ヶ月時点: テナント管理者向けの「直感的に操作できる管理コンソール」のUI設計およびコンポーネント構造の刷新案を提示し、Next.js・BFFをまたいだ機能変更をオーナーシップを持って牽引している。 ●変更の範囲 会社の定める業務

●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

クライアントシステム(Web / WebView / Native)におけるSDUIアーキテクチャの要となる描画レイヤー(Renderer)の実装、およびクライアント全体の設計・パフォーマンス最適化をリードしていただきます。 ●構造的な課題と向き構造 ・Web/Native両対応の共通描画エンジン設計: 同一のUIスキーマから、React(WebView)とReact Nativeの両面で最適化されたコンポーネントを動的に生成する、一貫性のあるレンダリング設計を行います。 ・極限の表示パフォーマンス最適化: 動的UI生成に伴う表示遅延、無駄な再描画(Re-render)、リスト描画のバグを徹底的に排除し、エンタープライズ製品に求められるネイティブ品質の体感速度とレスポンスを実現します。 ・堅牢なフォールトトレランスと後方互換性: サーバー側から不整合なスキーマや古いアプリが未対応のコンポーネント定義が配信された際、アプリをクラッシュさせることなく、安全にフォールバック・描画を継続する防壁ロジックを設計します。 ●具体的な業務 ・Web(React/Next.js)およびモバイル(React Native)のフロントエンド設計・実装。 ・SDUIレンダリングプラットフォームの設計およびコンポーネント抽象化。 ・描画スピード、メモリ効率、データ同期(WebSoket等による動的更新)のパフォーマンス改善。 ・既存のエンタープライズアプリ(ネイティブ環境)へのSDKとしてのインテグレーション支援。 ・コードレビュー、UI/UX品質の基準策定、および技術的アプローチの選定のリード。 ●開発環境 ・Frontend / Mobile: React, React Native, TypeScript, Storybook ・Tools / Build: Vite, Metro, Xcode, Android Studio ・API / Protocol: REST API, GraphQL, WebSockets, JSON Schema ・CI/CD: GitHub Actions ・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SDUI設計思想および既存のWebView・Reactコンポーネントの構造を理解し、新規コンポーネントの追加や表示パフォーマンスの改善を自立して推進できる。 ・6ヶ月時点: React Nativeを用いたモバイルネイティブレンダリング層の設計判断を主導し、不整合防止などのエラーハンドリングや後方互換設計の仕組みを自ら定義・実装できる。 ・12ヶ月時点: クライアントチームの技術リードとして、他エンジニアの指導、デザインシステムチームやバックエンド(BFF)チームとのAPI要件定義を統括し、大規模導入ロードマップを牽引している。 ●変更の範囲 会社の定める業務

ご経験と志向性に合わせて、下記のような役割をお任せいたします。 【概要】 2024年にM&Aで獲得した「ミセシル」事業のエンジニアを募集しています。 ミセシルは3,000万人規模の位置情報データを扱う人流分析AI Agentです。 上記のデータを活用した分析プロダクトの開発を進めており、一緒に手を動かして事業を前に進めるメンバーを新たに迎えたいと考えています。 【主な業務内容】 3,000万人規模の位置情報データを活用し、商業施設向けの分析プロダクトを開発しています。今までのミセシルのダッシュボードを刷新していく開発と、新たに進めているPoC向けの新規開発の両方に携わります。 担当領域を技術で固定することはなく、プロダクトの状況に応じて、アプリケーション開発からデータ基盤の構築まで横断的に手を動かします。 並行して、稼働中の既存システムの安定運用・改善も担います。 ・ダッシュボードの刷新に向けた開発 ・PoC向けの新規開発 ・位置情報データを用いたデータ基盤の開発 ・稼働中の既存システムの安定化・改善 【技術スタック】 ・バックエンド:Python、FastAPI ・フロントエンド:TypeScript、React、Vite ・データ基盤:Snowflake、dbt ・データ取り込み:S3、Snowpipe、Snowflake Tasks ・データベース:Aurora PostgreSQL Serverless v2 ・インフラ:AWS(ECS、ECR、S3、Aurora)、Terraform、Valkey ・開発環境:GitHub、GitHub Actions、Docker、Claude Code

●業務の概要 このポジションでは、自社の保険事業を実際のユーザーとして活用しながら(ドッグフーディング)、保険会社・金融機関向けのAIプロダクトの開発を軸に、顧客折衝・提案活動・セキュリティガバナンスの設計まで一気通貫で担います。 プロダクトエンジニアとForward Deployed Engineerのハイブリッド、エンジニアの中のジェネラリストを目指せる環境です。 【具体的な業務内容】 ・BizDevと並走して提案活動の上流から技術的な価値を伝える ・金融機関・大手デベロッパーのセキュリティ・ガバナンス要件を理解した上でアーキテクチャを設計する ・フロントからバックエンド・インフラまでフルスタックで開発を完結させる ・顧客と直接折衝し、要件を技術に翻訳してリードする ●InsurTech事業メンバー ・河端 一寛(InsurTech事業責任者) 東京大学経済学部卒業。博報堂(途中、博報堂コンサルティングに出向)、ボストンコンサルティンググループ(BCG)を経て、Finatextに入社。 博報堂では、消費財・機械、小売等のマーケティング戦略立案・実行支援業務に従事。 BCGでは、複数の新規事業・新サービス立ち上げ支援業務に従事。 紹介ページ:https://finatext.com/recruit/about/insurtech ・山崎 蓮馬(テックリード) 2018年にFinatextに入社。STREAMの口座開設、セゾンポケット、InsurTech事業のWebフロント開発やInspireの基礎設計をリード。現在はInspireの開発リーダーを担当。 インタビュー記事はこちら:https://note.com/finatext/n/ndd0a14e2ebf0 ・今中 公紀(テックリード) 新卒で大手旅行会社のシステム部に配属。社内開発チームやオフショア拠点の立ち上げに従事。2021年にFinatextにジョインし、保険事業のバックエンド開発を担当。 インタビュー記事はこちら:https://finatext.com/recruit/finalog/interview_imanaka ・河又 翔平(InsurAI リードAIエンジニア) ITエンジニア、フィンテック企業のデジタルマーケティング責任者を経て、(株)ビヘイビアを創業。保険相談AI「ほけんのAI」の開発・運営を3年間行ったのち、2025年10月にM&AにてFinatextグループ入り。現在は保険会社・金融機関向けAI開発をリード。担当領域はAI保険相談、AI募集文書作成・審査、AIロープレ、AI引受査定、AI支払査定、AI不正検知など。 M&Aプレスリリースはこちら:https://finatext.com/fn/news/20250902 ●使用技術 言語 / フレームワーク ・Go (主軸)、TypeScript(Vue, React, Next.js)、Python (FastAPI) インフラ / クラウド ・AWS (主軸)、Azure、Terraform、Docker、Aurora PostgreSQL、DynamoDB <データ基盤> ・Snowflake、Airflow、dbt、Lightdash <認証 / セキュリティ> ・Amazon Cognito、OAuth 2.1 <AI / LLM> AWS Bedrock (主軸)、Bedrock Agents、Azure OpenAI、Claude、OpenAI API、MCP(Model Context Protocol) ●開発ツール / 環境 Claude Code、Cursor、GitHub Actions ●開発環境(AI) ・コーディング:Claude Code / Cursor を主力ツールとして日常利用 ・コードレビュー・仕様管理:AIによるドラフト生成 + エンジニアレビューの二段階プロセス ・エージェント開発:自社MCPゲートウェイ経由でGoogle Drive・GitHub・Slackなど社内ツールと連携したAIワークフローを構築・運用 ・AI利用比率:エンジニアは100%毎日AIを使った開発をしている

単なるルールの策定・ドキュメント作成にとどまらず、自ら手を動かして技術基盤の構築や実装判断までリードしていただきます。「設計して終わり」ではなく、コードレベルでの一気通貫で担当するスタイルです。 1.クラウドセキュリティアーキテクチャの設計・導入 AWSのセキュリティガードレールをTerraformで記述し、自らデプロイ・運用まで完結させます。要件定義から実装までを一貫して持ち、実効性の高い基盤を構築します。 2.DevSecOpsの具現化 GitHub Actions等のパイプラインにTrivy/Snykを自ら組み込み、脆弱性検知の自動化を実装します。開発チームが実運用できる状態まで落とし込み、必要に応じてPRを出し、技術的な解決をリードします。 3.セキュアコーディング文化の醸成・実装 ガイドラインを作るだけではなく、レビュープロセスに自ら介入し、指摘だけでなくLintルール化まで落とし込むことで、再発防止の仕組みをコードレベルで実装します。 4.リスクアセスメントと技術対応 機密情報を扱うシステムのリスクを評価し、ポリシー策定だけでなく、それを担保するための技術的な対抗策(エンジニアリング)を実行します。

ミッション ソフトウェアエンジニアリングとAIを駆使して、テストの自動化とテストケースのライフサイクル全体の質を高め、プロダクト品質とリリース速度を両立させる現在、QA業務のうち約50〜60%はすでに自動化されており、基盤としては一定の水準に達しています。このポジションで問われるのは自動化率を積み増すことだけでなく、未自動化領域の自動化・既存テストの品質改善・テストケースのライフサイクル管理を仕組み化し、改善が自走するサイクルを作ることです。 期待する役割について テストの自動化・既存テストの品質改善・テストケースのライフサイクル運用の3方向をリードし、AIを活用しながらQAプロセス全体が継続的に良くなる仕組みを構築・運用していただきます。 ・自動化できていない領域を見極め、優先度をつけて自動化する ・既存の自動化されたテストの品質(網羅性・保守性・シグナルの信頼性)を継続的に改善する ・テストケースのライフサイクル(作成・実行・評価・棚卸し・廃止)を設計し、改善が回る仕組みを構築・運用する ・AI/LLMを用いたテストケース生成・改善エージェントを構築する ・品質課題をプロダクトチームにフィードバックし、エンジニア/ビジネス/CSとの橋渡しを行う ・約400社が本番利用するプロダクトの品質を、自動化・品質改善・仕組み運用の3方向から担保する 業務内容 ●未自動化領域の自動化 ・自動化できていない箇所を洗い出し、優先度をつけて自動化する ・AI/LLMを活用したテストケース生成エージェントの構築 ・CI/CDへの自動テスト組み込み・回帰テストの整備 ●既存テストの品質改善 ・既存テストケースの品質(重複・カバレッジ・保守コスト・シグナルの信頼性)を精査し、改善する ・Flakyテストの検知・修正、形骸化したテストの棚卸し ・テスト設計・品質基準の策定、良いテストケースの記述 ●テストケースのライフサイクル設計・運用 ・テストケースの作成〜実行〜評価〜棚卸し〜廃止までのライフサイクルを設計する ・改善が継続的に回る仕組み(レビュー体制・メトリクス・運用フロー)を構築・運用する ・JAPAN AI STUDIOを活用したQA・テスト業務の仕組み化 ・品質課題をプロダクトチームにフィードバックし、エンジニア/ビジネス/CS/非エンジニアとの橋渡しを行う チーム体制 約150名が開発組織に在籍しています。 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 従事すべき業務の変更の範囲 会社の定める業務

●ミッション 以下のミッションの実現をリードしていだだくことを期待しています。 ・プロダクトの安定稼働のためのSLA/SLO運用 ・クラウドコスト最適化:不要リソースの削除、コストの可視化・継続的な改善 ・トイル(運用負荷)の削減:手作業・繰り返し作業の自動化による運用効率化 ・AIエージェントを活用した運用自動化の推進 ●主な業務内容 ・AWS を中心としたインフラの設計・構築・運用 ・Infrastructure as Code(IaC)によるインフラ管理・整備 ・CI/CD パイプラインの構築・改善 ・クラウドコストの可視化と最適化 ・監視・オブザーバビリティ(New Relic等)による安定運用とSLA/SLO維持 ・運用トイルの洗い出しと自動化による削減 ・AIエージェントを活用した運用自動化の設計・実装 ・コンテナ環境(Docker など)の構築・運用

●Mission The Incubation Team operates as a "startup within a startup." We go far beyond routine feature development, acting as an autonomous engine to build new businesses from the ground up. Our mission is built on three strategic pillars: 1.Forge New Products: We don’t just build; we innovate. We continuously launch and iterate on high-impact products that solve our customers' most complex, high-value problems. 2.Architect High-Performance Teams: We believe that great products come from great organizations. We focus on building and scaling elite engineering teams capable of owning product growth independently. 3.Institutionalize Speed: We don't just move fast by accident. We design the repeatable frameworks and playbooks that turn the "zero-to-one" creation process into a streamlined, scalable science. ●Job Responsibilities Technical Strategy & Architecture: Own the end-to-end architectural roadmap for core backend services. You will make the high stakes decisions on tech stacks, data modeling, and system design that will define our platform for years to come. Engineering Leadership: Act as a technical authority across multiple squads. You will mentor senior engineers, conduct deep dive code reviews, and raise the collective "bar" for engineering excellence. Product Incubation: Drive the technical execution of 0 to 1 product launches, ensuring that speed of delivery never compromises long-term system integrity. System Modernization: Identify and eliminate critical technical debt. You will lead the transition from legacy structures to a modern, distributed architecture optimized for global scale. ●Development Environment Frontend: TypeScript, React, Next.js Backend: TypeScript, Rust(axum), Node.js (Express, Fastify, NestJS) Infrastructure: Docker, Google Cloud, Kubernetes, Istio, Cloudflare 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 Authentication: Auth0 Other tools: GitHub Copilot, Figma, Storybook Communication: Slack, Discord, JIRA, Miro, Confluence

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

●このポジションのミッション 「図面・3D CAD・テキスト等の多種多様な製造業データを統合的に理解・対応付けできる独自のAI基盤を研究・実装し、設計レビューや品質判断といった顧客の重要な意思決定の質を劇的に向上させること」 ※半年〜1年程度の研究開発計画における意思決定と成果責任を担い、要素技術の開発にとどまらず、自ら適切な研究のスコープを定義し、プロトタイプ実装、PoC、実データ上での価値検証までを一気通貫でリードしていただきます。アウトプットの一形態として論文執筆等の学術的貢献も推奨しますが、本ポジションにおける最大のミッションは「生み出した研究成果を、PdMやエンジニアとの連携を通じて事業価値へ接続すること」にあります。 ●このポジションの業務例 以下に業務例を示します。実際の業務はこれに限定されるものではありません。入社後の業務内容は、技術や専門知識、経験等を考慮のうえ決定します。 【業務例1】3D幾何形状の詳細な認識と2D/3D統合モデリング 汎用AIでは捉えきれない、製造業特有の複雑な幾何情報(2D/3D)の深い理解と表現学習に取り組みます。3Dデータから製造・設計上意味を持つ局所的な特徴を抽出し、幾何的・意味的側面を統合するモデリングや 、図面上の多様な要件(寸法、公差、注記等)を3D空間の要素と高度に対応付けるための基盤技術の研究開発をリードしていただきます 。 【業務例2】製造業特化のVLM改善とマルチモーダル基盤構築 図面や3D CAD、テキスト(仕様書や不具合報告等)を横断して検索・推論するためのマルチモーダル埋め込みモデルを開発します。また、既存の汎用VLMが抱える言語偏重のバイアスを解消し、図面上の微細な記号や空間的な配置を正確に推論するための独自ベンチマークの継続拡張や、類似図面検索・寸法漏れ検出モデルの継続的な性能改善(Post pre-training等を含む)を担当します。 【業務例3】研究成果の事業実装とPoC検証による価値創出 開発した2D/3D認識技術を活用し、実際の業務課題(例:特定の局所形状に起因する不具合リスクの予測や、コスト増加箇所の特定など)に対するモデル学習とPoCを推進します 。PM、ソフトウェアエンジニア、ドメインエキスパートと密に連携し、「モデルの精度検証」にとどまらず、顧客の意思決定の質向上や業務時間短縮といった具体的な事業価値へと繋げる製品化の橋渡しを行います。その際、推論やデータ作成にかかるコスト・予算を考慮した費用対効果の高い技術選定や、研究開発におけるリスクマネジメント(代替プランの検討等)も主導します。 ●参考資料 [製造業×AIの最前線:キャディが挑む研究課題と、CV・AIの「いま」が交わる場所](https://caddi.tech/2026/03/10/110057) [製造業の課題解決に向けた機械学習の活用と、製造業特化LLM開発への挑戦](https://speakerdeck.com/knt44kw/zhi-zao-ye-noke-ti-jie-jue-nixiang-ketaji-jie-xue-xi-no-huo-yong-to-zhi-zao-ye-te-hua-llmkai-fa-henotiao-zhan) [CADDi Tech ](https://caddi.tech/) [企業向けソフトウェアの新しいバンドルとアンバンドル(AIの台頭を受けたプロダクト戦略)](https://note.com/yosukeshirai/n/nc993ecff8c13) [AI時代を生き残る、次世代のエンジニアに必要なこと](https://newspicks.com/news/14438945/body/?ref=book_4394) ●会社の雰囲気を知るために: [【第1回】キャディ赤裸々会!(CEO加藤, CHRO幸松出演)](https://www.youtube.com/watch?v=xAkk2x7o288) [【キャディCPO×VPoE対談】グローバルに挑むプロダクト/組織づくりのあれこれ](https://www.youtube.com/watch?v=ywnYuwhlVZo) 開発組織全体では、エンジニア・デザイナー・プロダクトマネージャーが機能開発(図面活用・検索・見積等)、データ基盤、機械学習/MLOps、Enablingなどのチームに分かれて活動しています。チームトポロジーの考え方を取り入れ、「各チームの裁量とスピード感」と「全体最適」の両立を目指しています。 Research Engineerが所属するResearchチームは、これら既存の組織に対して、高度なAI技術に対する専門性から中長期的な影響を与え、全社の技術的優位性(Moat)構築を牽引するためのチームです。 ●開発環境 言語 フロントエンド:TypeScript バックエンド:Rust, TypeScript, *Python* フレームワーク・ライブラリ フロントエンド:React, Next.js, WebGL, WebAssembly バックエンド:Rust (axum), Node.js (Express, Fastify, NestJS), *PyTorch* インフラ:*Google Cloud*, Google Kubernetes Engine, Anthos Service Mesh データベース・データウェアハウス:CloudSQL(PostgreSQL), AlloyDB, Firestore,* BigQuery* API:GraphQL, *REST*, gRPC 監視・モニタリング:Datadog, Sentry, *Cloud Monitoring* 環境構築:*Terraform* CI/CD:*Github Actions* 認証:Auth0 開発ツール:*Claude Code, GitHub, GitHub Copilot*, Figma, Storybook コミュニケーションツール:*Slack*, Discord, *JIRA, Miro, Confluence* ※特に関係するものを太字にしています

●本ポジションで関わる事業・プロダクト このポジションでは、以下2つの事業のいずれかへの配属を想定しています。 ①Data AI Service事業 主に不動産領域におけるデータ活用SaaSであるDataLensHubシリーズを提供する事業です。 独自のデータ×AIのスタックを活かし、大手デベロッパーを中心としたエンタープライズ向けにプロダクトを展開しています。 不動産領域のAI×データプロダクト「DataLensオフィス営業」「DataLens店舗開発」のエンタープライズ向けカスタマイズ開発の推進をお任せいたします。 「DataLens オフィス営業 」 AIとビッグデータを活用し「オフィス移転の可能性が高い企業」を特定できる営業支援サービス https://lp.datalenshub.com/office https://nowcast.co.jp/case-studies/20250826/ 「DataLens 店舗開発」 人流データや決済データなどの3rdパーティデータをベースとした商圏分析機能に当社の生成AI技術を組み合わせた店舗開発DXツール https://lp.datalenshub.com/property https://finatext.com/recruit/finalog/interview_datalens_storedevelopment ②Data AI Solution事業 データ基盤と生成AIを掛け合わせ、企業の意思決定を支援する事業です。 Snowflakeを活用したデータ基盤構築、AIエージェントのガバナンス基盤(MCPass)、AI協働プラットフォーム(Finstage Cowork)などを展開しています。 「MCPass」(新規立ち上げ) 組織内のAIエージェント接続を一元管理し、ガバナンスとセキュリティを支える「MCPゲートウェイ」プラットフォームの開発 金融機関を中心としたエンタープライズ向けプロダクトとして外部展開を目指して開発中 https://nowcast.co.jp/news/20260417/ https://zenn.dev/finatext/articles/mcp-gateway-nowcast https://speakerdeck.com/mtpooh/mcpass-intro-dataopsnight10 「Finstage Cowork」(企業向けAI協働プラットフォーム) 企業向けにAI×業務協働(バイブワーキング)の環境を提供する自社プロダクト チャットから業務依頼・承認制御・実行までを一元化し、金融・規制業務でも導入しやすいガバナンスを備えたエンタープライズ向けのAI協働基盤です。 MCPプロダクトと組み合わせ、現場のAI活用とIT部門の統制を両立します。 https://finatext.com/finstage/cowork 「NorthCast」 データクラウド「Snowflake(スノーフレイク)」をベースにしたモダンデータ基盤とAIデータオペレーションを迅速に構築可能なデータ基盤構築フレームワーク。各企業の環境や要望に合わせた柔軟な導入が可能。 https://nowcast.co.jp/news/20250530/ ●事業チーム 社員の過半数をエンジニアが占めており、PM・コンサルタント・Bizdevと密に連携しながら開発を進めるスタイルです。 ≪チームの雰囲気≫ 大学の研究室に近い、知的好奇心旺盛なチームです。技術的な議論が日常的に飛び交い、技術書の輪読会なども自発的に開かれています。20〜30代のメンバーが中心ですが、経験やバックグラウンドは多様で、コンサルティングファーム出身・SIer出身・金融業界経験者など様々なメンバーが在籍しています。 ≪働き方≫ フルリモート対応で、北海道から沖縄まで全国各地にメンバーが在籍しています。家庭やプライベートと両立しながら働くメンバーも多く、ライフステージに合わせた柔軟な働き方が可能です。 ≪キャリアパス≫ テックリード・PdM・PMなど複数のキャリアパスがあり、エンジニアとしてプロダクト開発をリードしながらPdMとしても活躍するメンバーも実際にいます。 ≪社員インタビュー≫ AIを駆使し、フルサイクルで新規プロダクトを創る 少人数チーム https://finatext.com/recruit/finalog/interview_kirihata https://finatext.com/recruit/finalog/interview_sumita_atsushi https://finatext.com/recruit/finalog/interview_sako https://finatext.com/recruit/finalog/interview_hiromasa_hayashi ●業務の概要 このポジションでは、自社プロダクト(MCPass・Finstage Cowork)の開発を軸にしながら、顧客折衝・提案活動・セキュリティガバナンスの設計まで一気通貫で担います。プロダクトエンジニアとForward Deployed Engineerのハイブリッド、エンジニアの中のジェネラリストを目指せる環境です。 【具体的な業務内容】 ・BizDevと並走して提案活動の上流から技術的な価値を伝える ・金融機関・大手デベロッパーのセキュリティ・ガバナンス要件を理解した上でアーキテクチャを設計する ・フロントからバックエンド・インフラまでフルスタックで開発を完結させる ・顧客と直接折衝し、要件を技術に翻訳してリードする ●使用技術 言語 / フレームワーク Python(FastAPI)、TypeScript(React)、Terraform インフラ / クラウド AWS(主軸)、Terraform、Docker、Aurora PostgreSQL、DynamoDB データ基盤 Snowflake、Airflow、dbt、Lightdash 認証 / セキュリティ Amazon Cognito、OAuth 2.1 AI / LLM AWS Bedrock(AgentCore)、Claude、OpenAI API、MCP(Model Context Protocol) 開発ツール / 環境 Claude Code、Cursor、GitHub Actions ●開発環境(AI) コーディング:Claude Code / Cursor を主力ツールとして日常利用 コードレビュー・仕様管理:AIによるドラフト生成 + エンジニアレビューの二段階プロセス エージェント開発:MCPass(自社MCP Gateway)経由でGoogle Drive・GitHub・Slackなど社内ツールと連携したAIワークフローを構築・運用 AI利用比率:エンジニアは100%毎日AIを使った開発をしている

Data&Analysis部 AI for Applicationチームに所属。 プロダクト戦略に基づいた戦略策定・開発計画の策定や実行のリード、メンバーの採用・評価・育成などのマネジメント業務を担っていただくことを想定しています。 ●プロダクトに蓄積された様々なデータをアプリケーションで活用することで、アプリケーション自体の価値を高めることに責任を持つ。 ●既存プロダクトの価値向上、新規プロダクトの立ち上げ両方の可能性があります。 ●現在若干名で組織の立ち上げフェーズです。 本ポジションの方に、チームの定義づけや立ち上げを含めて担っていただくことを想定しています。 ※Data&Analysis部は30名程度の組織です。 上記以外にも、データの解析を担うAnalysisチーム、解析基盤の開発を担うAnalysis Platformチーム、データ基盤の開発やデータの利活用を担うData Managementチームがあります。 (2025年4月時点) キャディにおけるエンジニアリングマネージャーとは ●担当する部やグループの成果を最大化することがミッションです。 ●向かう先を示すために OKR を設定したり、将来のあるべき姿から逆算して、必要なマネジメント業務を行います。 ●EMの役割は画一的には決まっておらず、成果の出し方はその人の得意なやり方で良いと考えています。 例えば、他者を動かして成果を出すエンパワーメントが得意な人もいれば、現場で自ら設計や方針決定をリードする人もいます。 テクノロジーマネジメント、プロジェクトマネジメント、プロダクトマネジメント、ピープルマネジメントの割合も各EMの担当領域や注力課題により異なります。 ●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

toC 不動産マーケットプレイス「カナリー」、toB 不動産仲介業者向けSaaS「カナリークラウド」、その他新規事業のバックエンドエンジニアとしてのサービスの開発や、 弊社が独自に整備してきた不動産データベースを基軸とした一連の開発(DBの改善/管理/運用、物件コンテンツの拡充など)などに携わっていただきます。 ※配属先については、カジュアル面談や選考を通じ、ご本人の希望やマッチ度を踏まえ最終的に決定させていただきます。 弊社では特定の職能に閉じず課題解決を行う“ソフトウェアエンジニア”を理想としているため、将来的には他領域含めてフルスタックでの開発・運用を行っていただくことも可能です。また、将来的なキャリアとしてはテックリードとして技術マネジメント(設計・実装レビュー、運用方針の決定、開発の効率化など)、あるいはプロダクト全体のエンジニアリングマネジメントを目指すという選択肢もあります。 【職務内容】 ●ユーザー向けのモバイルアプリ、不動産仲介業者向けシステムのバックエンドの開発 ●サービスの運用 【開発環境】 [モバイルアプリ] ●Expoのライブラリを取り入れたReact Nativeによる開発 ●TypeScriptを用いた型のIntegrityを整備 ●状態管理はRedux Toolkitを使用 ●APIはgRPC-Webで構築 ●E2Eテストを整備中 [Webフロントエンド] ●TypeScript / React / Next.jsによるCSR, SSR開発 ●TanStack Query / SWRを用いたデータフェッチ ●アプリケーションはDockerコンテナ化してGKEへデプロイ ●APIはgRPCで構築 ●dependabotによるライブラリアップデート環境を整備 ●GoogleAnalytics, Search Consoleを用いたSEO対策 ●その他, GitHub Actions, ESLint, Redux, ChakraUI, Sentryなどを使用 [バックエンド] ●Go言語 / Cloud Spanner / Elasticsearchなどを使用 ●API仕様の明確化、 インターフェースの型保証などを目的にgRPCを早期から採用 [インフラ] ●クラウドサービスはGCPを利用 ●Webサーバや各種のJobは、ほぼ全てGoogle Kubernetes Engine上にて動作 ●Terraformによるインフラのコード管理 ●その他、GitHub Actions、PipeCD、Datadogなどを使用