機械学習・データ活用 GitHub Actions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

●PROEVERとは MSOLがプロジェクトマネジメント専門会社として培ってきたノウハウと経験を結集し、「プロジェクトマネジメントプラットフォーム」としてSaaS展開しているのが PROEVER です。プロジェクトデータを一元的に集約し、AI技術も活用することで、マネジメント層の意思決定を支援し、プロジェクトの成功とプロジェクトマネジメント成熟度の向上を実現します。 主なお客さまは、全社横断で多数のプロジェクトを推進するマネジメント層(PM含む)です。プロジェクトの状況をリアルタイムかつ正確に把握し、迅速な意思決定が可能になります。一般的なPMツールがタスクや課題管理に主眼を置くのに対し、PROEVERは複数プロジェクトを俯瞰的・横断的に可視化できる点を大きな特長としています。 ※[PROEVERのサービス概要はこちら](https://proever.com/) ※[事業部の紹介対談はこちら](https://note.msols.com/n/n1472dff92988?gs=6f6dff9594a4) ●仕事内容 当社SaaSプロダクト「PROEVER」のプロダクトエンジニア(AI・アプリケーション基盤)として、競争優位性の核となるAIエージェント機能の開発と、それを支えるバックエンド基盤の実装をリードしていただきます。 現在は少数精鋭の体制のため、定型的な管理業務ではなく、自ら手を動かして未知の技術課題をブレイクスルーしていく役割です。 ・AIエージェント基盤構築: Azure AI Foundry / Azure OpenAI をフル活用し、LangGraph.js等を用いたマルチステップ推論・自律型ワークフロー制御のバックエンド実装。 ・RAG(検索拡張生成)の最適化: Azure AI Search や Vector DB を用いた検索拡張生成システムの設計・チューニング。 ・LLMの品質・ガバナンス担保: AIの回答精度向上、およびZod等を用いた出力構造化、ガードレール(安全性・セキュリティ)の仕組みづくり。 ・データアクセス&パイプラインの構築: 複雑なプロジェクトマネジメントデータをAIが最適に解釈・処理できる形式へ変換するパイプラインの開発、および Hasura (GraphQL) / PostgreSQL を用いた効率的なAPI開発。 ・技術組織への還元: コードレビューや設計レビュー、最新のAI技術調査・評価を通じて、チーム全体のAI技術力の底上げ。 ●技術環境 OS: Windows Server, Linux フロントエンド:TypeScript / Next.js / TailwindCSS / shadcn/ui バックエンド:TypeScript / Next.js / (Python) データベース:PostgreSQL / GraphQL (Hasura) インフラ:Azure / Docker CI/CD:GitHub Actions バージョン管理:GitHub プロジェクト管理:PROEVER デザイン管理:Figma / Storybook コミュニケーション:Slack / Notion / GoogleWS / MS365 その他:GitHub Copilot / GitHub Codespaces / Claude Code / Keeper ●業務の変更範囲について 「変更の範囲:当社及び出向(転籍)先における各種業務全般 」 ●人数体制(2026年1月現在) ・計27名(カスタマーG:11名、プロダクトG:12名、その他:4名)

●主に担当する業務内容 画像認識AIを用いたプロダクト開発・ソリューション開発 プロダクト開発・運用 アルゴリズム・モデルの組み込み実装 プロトタイプの開発 ●プロダクトの利用事例 [AI-App人数カウント・AI-App人物検索](https://safie.jp/ai-app/people-count/) カメラ内のAIアクセラレータを用いてリアルタイムに人物の検出・集計や店舗等で人物の識別を行う 利用事例:店舗入口にSafie Oneを設置し「AI-App人数カウント」で来店者数を計測。肌感覚に頼らない定量データに基づき、店頭キャンペーン施策のPDCAを効率化 [Safie AI Studio](https://safie.jp/ai-studio/) 物体検出アプリ 利用事例:人・車両・生活用品など多様な物体を識別し、設定エリアへの侵入やライン通過を検知する汎用物体検知アプリとして提供。(建設・製造・小売など幅広い業界のPoCで活用)⁠ 重機近接アプリ 利用事例:建設現場において、重機と作業員の危険な接近をリアルタイムに検知し、音声通知などと連携して重大事故の未然防止に貢献。⁠ ショッピングカート検知アプリ 利用事例:小売店舗のカート置き場の滞留状況(過多・不足)を自動検知し、店舗あたり出店コスト削減に活用。 ●技術‧開発環境について 開発言語 Python、C++ ディープラーニング PyTorch AWS EC2、S3、ECR、SageMaker CI/CD GitHub Actions コミュニケーション Slack GitHub Google Workspace Backlog Notion ●生成AIツール利用 Amazon Bedrock/Gemini/GitHub Copilot/Notion AI/Claude Code ●部署の今後の目標・目下の取り組み 目標 多様な画像認識モデルを開発し、プロダクトとしてリリースする。 AIプラットフォームの提供を進めるために、自社のみならずサードパーティーも巻き込んだ開発を推進する。 取り組み 顧客からの要望と技術的な動向を同時に捉えながら、開発の戦略を立てていくこと。 画像認識AI開発組織の拡充に伴う、属人化緩和のための育成用ドキュメント作成など、より一層のチーム力強化。 AIプラットフォームの実現のために、社内・社外を巻き込んで開発を推進できる人材の確保。 ●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

●主に担当する業務内容 画像認識AIのアルゴリズム・モデル開発 調査テーマの提案 アルゴリズム・モデルの調査・評価 アルゴリズム・モデルの改善・軽量化 PoCの実施 プロダクトの開発 ●プロダクトの利用事例 [AI-App人数カウント・AI-App人物検索](https://safie.jp/ai-app/people-count/) カメラ内のAIアクセラレータを用いてリアルタイムに人物の検出・集計や店舗等で人物の識別を行う 利用事例:店舗入口にSafie Oneを設置し「AI-App人数カウント」で来店者数を計測。肌感覚に頼らない定量データに基づき、店頭キャンペーン施策のPDCAを効率化 [Safie AI Studio](https://safie.jp/ai-studio/) 物体検出アプリ 利用事例:人・車両・生活用品など多様な物体を識別し、設定エリアへの侵入やライン通過を検知する汎用物体検知アプリとして提供。 (建設・製造・小売など幅広い業界のPoCで活用)⁠ 重機近接アプリ 利用事例:建設現場において、重機と作業員の危険な接近をリアルタイムに検知し、音声通知などと連携して重大事故の未然防止に貢献。 ⁠ ショッピングカート検知アプリ 利用事例:小売店舗のカート置き場の滞留状況(過多・不足)を自動検知し、店舗あたり出店コスト削減に活用。 ●技術・開発環境について 開発言語 Python、C++ ディープラーニング PyTorch AWS EC2、S3、ECR、SageMaker CI/CD GitHub Actions コミュニケーション Slack GitHub Google Workspace Backlog Notion ●生成AIツール利用 Amazon Bedrock/Gemini/GitHub Copilot/Notion AI/Claude Code ●部署の今後の目標・目下の取り組み 目標 多様な画像認識モデルを開発し、プロダクトとしてリリースする。 AIプラットフォームの提供を進めるために、自社のみならずサードパーティーも巻き込んだ開発を推進する。 取り組み 顧客からの要望と技術的な動向を同時に捉えながら、開発の戦略を立てていくこと。 画像認識AI開発組織の拡充に伴う、属人化緩和のための育成用ドキュメント作成など、より一層のチーム力強化。 AIプラットフォームの実現のために、社内・社外を巻き込んで開発を推進できる人材の確保。 ●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

●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

●プロダクト概要 本プロダクトは、サイバーエージェントのインターネット広告事業を支える営業支援プラットフォームです。CRM・SFAの概念を取り入れ、広告実績・配信データのリアルタイム可視化と案件管理を一元化した社内システムとして構築しています。 社内の開発者・依頼者・利用者が一体となってプロダクトを育てられる環境で、国内取扱高No.1のインターネット広告事業をシステムの側面から直接支えるポジションです。 ●業務内容 サイバーエージェントのインターネット広告事業を支える営業支援プラットフォームの開発を担当していただきます。 広告実績・配信データの可視化や案件管理を一元化する社内システムにおいて、Python(FastAPI)を用いたバックエンド開発を中心に、要件整理から設計、実装、運用改善まで一気通貫で携わっていただきます。 また、SnowflakeやAWSなどを活用しながら、大規模な広告事業を支えるデータ連携・システム基盤の整備や、新規機能開発、既存機能の改善にも取り組んでいただきます。 ●開発環境 ・言語:Python(Fastapi) ・FW : Next.js ・データ基盤:Snowflake ・インフラ : AWS, GitHub Actions, Datadog ・その他 : Claude Code

モビリティ価値を最大化するSDVの世界観を早期実現するため、以下の業務を関連部門や協力会社と連携して担当いただきます 。 ●車両データ収集基盤およびデータ利活用アプリケーションの開発基盤設計 ●単一機能に留まらず、車両1台やクラウドとの連携を見据えた最適なデータアーキテクチャの策定 ●車両から取得したデータを価値へ変換するためのECU内およびシステム横断的なデータ構造設計 ●OSSやコンソーシアムへの仕様提案・コントリビューション 【開発ツール】 ・プロジェクト管理: GitHub Issue ・開発言語: C++, Python ・自動試験フレームワーク: Robot Framework, Google Test, GitHub Actions ・静的解析ツール: (BlackDuck, Coverity, C++test, QAC) ・各種AIフレームワーク

モビリティ価値を最大化するSDVの世界観を早期実現するため、以下の業務を関連部門や協力会社と連携して担当いただきます 。 ●車両データ収集基盤およびデータ利活用アプリケーションの開発基盤設計 ●単一機能に留まらず、車両1台やクラウドとの連携を見据えた最適なデータアーキテクチャの策定 ●車両から取得したデータを価値へ変換するためのECU内およびシステム横断的なデータ構造設計 ●OSSやコンソーシアムへの仕様提案・コントリビューション 【開発ツール】 ・プロジェクト管理: GitHub Issue ・開発言語: C++, Python ・自動試験フレームワーク: Robot Framework, Google Test, GitHub Actions ・静的解析ツール: (BlackDuck, Coverity, C++test, QAC) ・各種AIフレームワーク

1.MLOps基盤の設計・構築(パイプライン自動化) データ収集、前処理、学習、評価、モデル変換、デプロイに至るEnd-to-EndのCI/CD/CT(Continuous Testing)パイプラインの構築 AIサービス開始後のAIの振る舞いを監視し、AIの性能向上にFBできるシステムの構築 AI独自のリスクに対する対応(AIガードレール等)を共通で提供する基盤の設計・構築 クラウド(AWS/GCP/Azure)とオンプレミスを組み合わせた、スケーラブルなGPU計算資源の管理・最適化 2.自動テスト・品質評価環境の構築 AIモデルの精度検証や、エッジケース(特殊な走行シーン)に対する自動シミュレーションテスト環境の整備 コードレビューの自動化や、静的・動的解析ツールの開発プロセスへの統合 ISO26262やその他車両関連法規を満たすソースコード、AIモデル、モデルデプロイ管理が自動化された開発環境の整備 【開発ツール】 ●プロジェクト管理: Azure Boards、Teams、MS Loop等 ●開発言語: Python、Java、TypeScript、HTML、CSS、Kotlin等 ●データベース:MySQL、Oracle等 ●使用ツール:ChatGPT、Gemini、BigQuery、TensorFlow、PyTorch、Tableau等 ●開発環境: Azure、GCP、AWS、Android Studio等

サービスリリースから数年が経ちデータもある程度蓄積されてきて、改めてデータ活用を強化するためにデータマネジメントできるメンバーを募集しています。 横軸でデータ活用をする組織に所属して、ナレッジの蓄積や共有をしながら事業内に入りデータ活用支援を行っていただきます。 具体的には、データ基盤の既存のアーキテクチャーやシステムの改善、データを正しく扱いサービスの状態を把握できるための環境を構築していただきます。 ●Dataformを中心としたデータパイプライン / CICD の整備 ●データ品質モニタリング、アラート、コスト最適化の実装 ●BIツールによるレポート・ダッシュボードの運用統制 ●属人性を排除した行動ログ設計、データ仕様整備の仕組み化 ●上記に限らない、事業全体のデータ活用における課題発見と解決 なぜデータマネジメントなのか? データは「作って終わり」ではなく、長く・広く使われ続ける資産です。 WINTICKETではユーザーのアプリ内行動、売上、広告、キャンペーンなど多様なデータが日々生まれています。 これらのデータを分析・活用するためには、利用者が迷わず使えるデータ分析基盤の継続的な改善が必要不可欠です。データマネジメントは単なるETL開発ではなく、プロダクトと組織全体の意思決定インフラを育てていく重要な役割です。 また、現在見えている具体的な課題としては以下のようなものがあります。 ・品質の高い行動ログデータの設計・管理 ・生成AI活用を前提としたデータマート開発やメタデータ拡充ルールの策定 ・新規事業のデータモデリングに必要なドメイン知識とリソース不足 上記の課題以外にも様々な課題がありますが、将来に遭遇しうるデータに纏わる課題を先回りして見つけ出し、一緒に解決できるメンバーを求めています。 このプロジェクトで経験できること ・GCPを使ったデータ基盤の整備 ・データアーキテクチャの設計・実装 ・ETL開発、BI/レポーティング環境の整理 主な利用技術 新規に開発する際には技術選定からリードしていただくことを期待していますが、現状多く使われている技術をご紹介します。 ・言語:SQL, Python, JavaScript ・インフラ:Google Cloud, Terraform ・CICD:GitHub Actions ・モニタリング:Grafana, Dataplex ・ツール:GitHub, Slack, Notion ・DWH: BigQuery ・レポート:Tableau , Google Sheets ・AI:Cursor, Claude Code 会社概要 1998年の創業以来インターネットを軸に事業を展開し、スマートフォン向けに多数のコミュニティサービスやゲームを提供しているサイバーエージェント。 メディア事業部は2004年にブログを中心とした「Ameba」をリリース。 アバターサービス「アメーバピグ」、「タップル」「CROSS ME」をはじめとするマッチングアプリ、 ビジネスパーソン向けWEBメディア「新R25」や新しい未来のテレビ「ABEMA」を開始するなど、インターネット産業の変化にあわせて様々なメディアサービスを提供しています。 2019年4月にリリースした「WINTICKET」は、株式会社サイバーエージェントの子会社で、競輪・オートレースのインターネット投票サービスを提供しています。 WINTICKETでは「競輪を若者の新たなエンタメへ」を中期にかけてのビジョンとして掲げ、業界イメージのリブランディングと新たなユーザー体験の提供を目指しています。 現在は、競輪業界No.1として業界を牽引する立場となりました。 これからも高いプロダクト品質と、それを支える技術で業界全体に革命を起こすべく、サービスグロースを一緒に推進してくれる仲間を募集しています! WINTICKETについて ●WINTICKETにおけるAI-Readyなデータ分析基盤の構築 https://developers.cyberagent.co.jp/blog/archives/59626/ ●WINTICKET_佐野代表取締役インタビュー https://www.cyberagent.co.jp/way/list/detail/id=29734 ●競輪の視聴体験を変えたWINLIVEの技術 https://www.cyberagent.co.jp/way/list/detail/id=30240

1.MLOps基盤の設計・構築(パイプライン自動化) データ収集、前処理、学習、評価、モデル変換、デプロイに至るEnd-to-EndのCI/CD/CT(Continuous Testing)パイプラインの構築 AIサービス開始後のAIの振る舞いを監視し、AIの性能向上にFBできるシステムの構築 AI独自のリスクに対する対応(AIガードレール等)を共通で提供する基盤の設計・構築 クラウド(AWS/GCP/Azure)とオンプレミスを組み合わせた、スケーラブルなGPU計算資源の管理・最適化 2.自動テスト・品質評価環境の構築 AIモデルの精度検証や、エッジケース(特殊な走行シーン)に対する自動シミュレーションテスト環境の整備 コードレビューの自動化や、静的・動的解析ツールの開発プロセスへの統合 ISO26262やその他車両関連法規を満たすソースコード、AIモデル、モデルデプロイ管理が自動化された開発環境の整備 【開発ツール】 ●プロジェクト管理: Azure Boards、Teams、MS Loop等 ●開発言語: Python、Java、TypeScript、HTML、CSS、Kotlin等 ●データベース:MySQL、Oracle等 ●使用ツール:ChatGPT、Gemini、BigQuery、TensorFlow、PyTorch、Tableau等 ●開発環境: Azure、GCP、AWS、Android Studio等

新規機能開発、インフラ保守・運用管理、CSサポートなど1サービスのバックエンドに関連するすべての事柄を受け持っています。 基本的にはGoアプリケーション開発を行いながら、機能実装する上で必要な様々な分野の技術・インフラを用いた作業を行います。 バックエンドアーキテクチャは当初から変わっておらず、マイクロサービス、クリーンアーキテクチャ、DDD、モノレポを採用しています。 少数精鋭チームで開発を行なっており、API開発はもとより、インフラ構築含めた外部連携、CSサポート、運用まで、バックエンドに関係する工程は全てチーム内で一気通貫で管理しています。 ●チームの文化や体制 現在開発チームは60名程の組織です。そのうちエンジニアは30名程になります。各メンバーが事業グロースを推し進めるという高い意識を持ち、それぞれの意見を持ち寄りながら、時には自分の職域を超えて開発へ取り組んでいます。 また組織の文化として、本人の志向性を尊重した上で年齢に関わらずリーダーポジションへの抜擢が行われるケースがあります。各メンバーのキャリア形成を支援するために定期的な面談も実施しています。 ●環境 ・原則週3日出社、週2日リモートワーク(相談可) ・コミュニケーションツールは Slack や Zoom などを利用 ・定期的な1on1 ・交流ランチ 【チーム体制】 ・サーバーサイドエンジニア: 10名+α 【開発環境関連】 ・GCP, Kubernetes, Cloud Spanner ・AWS(映像関連) ・GitHub, Go, gRPC, envoy, Terraform, Docker ・モノレポ, クリーンアーキテクチャ, マイクロサービス 【チームの雰囲気】 ・少人数(10名程度)ながらも幅広い分野を受け持ち様々なことに挑戦しています。 ・年齢層は若手から中堅まで幅広いです。 ・フリーアドレス制度を採用しているため、出社時は他職種との連携も盛んに行われています。 ・リモート作業時は夕方頃にオフィスアワー時間をとり疑問や相談事の解消に利用しています。 ・チーム活性化を目的とした月イチ懇親会、合宿の実施や、スキルのボトムアップを目的としたドメイン知識の勉強会、実装コードのディスカッション、モブプロを実施しています。 会社概要 2019年4月にリリースした「WINTICKET」は、株式会社サイバーエージェントの子会社で、競輪・オートレースのインターネット投票サービスを提供しています。 株式会社WinTicketでは「競輪を若者の新たなエンタメへ」を中期にかけてのビジョンとして掲げ、業界イメージのリブランディングと新たなユーザー体験の提供を目指しています。 現在は、競輪業界No.1として業界を牽引する立場となりました。WINTICKETのFlutterアプリが技術力でコミュニティを牽引できるよう、Flutter関連のカンファレンスへの積極的な登壇や、日々新しい技術的な取り組みに挑戦しています。 これからも高いプロダクト品質と、それを支える技術で業界全体に革命を起こすべく、サービスグロースを一緒に推進してくれる仲間を募集しています!

役割 toC、toB、社内向けシステム含め、様々なユーザの声を聞きつつ、フルスタックに開発に携わっていただきます。 既存サービスの最適化を進めるプロジェクトにおいては、事業・マーケ・開発の3者を巻き込みながら、技術面をリードする立場として設計方針の策定や改善提案を行っていただきます。 また、レバテックが保有する日本最大級のデータの価値を最大化するためにプロダクトとオペレーションの観点から再設計していくプロジェクトが進行しており、設計や開発推進に携わっていただきます。 業務内容の例 ●フロント、バックエンド、インフラを一気通貫し、複数システムにまたがるアーキテクチャ設計 ● 担当サービスの新規機能開発と継続的改善のマネジメント ●アジャイルを通じた開発プロセス改善や、プロジェクトの目的に応じた体制構築 ●コードレビュー/最適な内部品質の探索や技術的負債への方針策定 ●新技術導入調査/チームへの導入推進 等 進行中のプロジェクト例 ●レバテックへのユーザ登録体験の最適化 レバテックIDという認証・認可基盤を元に、いかにユーザがストレスなくサービスを受けられるかを考え、営業やマーケティングメンバーと協力しつつ最適なUXを探り、施策を作って開発していくプロジェクト ●マスタデータの最適化、機械学習エンジンとの連携(MLOps)を通じたマッチングの効率化 エンジニアと企業のデータの最適化を行い、ユーザ自身やキャリアアドバイザーがよりマッチする相手(企業もしくはエンジニア)を探すことができる基盤を整えていくプロジェクト ●複数システム連携部分のアーキテクチャ再設計 システム統合、モノレポ化、モジュラーモノリス化など、様々なアーキテクチャを考えつつシステム連携のあるべき姿に向けて設計と再構築(実装)を行っていくプロジェクト ●オブザーバビリティ(o11y)の強化 マイクロサービスのシステム間トレーシング・APMや、事業目標に応じたSLI/SLOの策定を通じて開発体験の改善や可観測性を高めるプロジェクト 他にも様々なプロジェクトが進行・計画されています。 全てに関わるわけではなく、ご志向と適性に合わせてどんなプロジェクトに携わっていただくか、一緒にミッションを考えさせていただきたいです。 開発組織について レバレジーズグループでは創業以来、代理店や外注業者をほぼ使わずインハウス型でノウハウを蓄積している環境で、自社サービス開発を行っております。 CTO室について CTO室は、2023年11月に立ち上げた組織となります。 現在はレバテック社長直下の組織として、配下1名体制で主にシステム戦略を立てる動きをしています。 直近で3~4名体制を目指しており、それぞれが得意分野を元に、システム戦略策定に関わる動き、また戦略を元に他開発メンバーを巻き込んでフルスタックに開発を主導していく動きを期待しています。 開発組織は、正社員・業務委託メンバー合わせて80名ほどの体制になっています。 ▼詳細は以下の記事をご確認ください [「日本を、IT先進国に。」に向けて、レバテックCTO室を設立。](https://tech.leverages.jp/entry/2023/10/02/130539) 開発環境 開発言語・フレームワーク: ・TypeScript-Node.js、React.js / Next.js、Vue.js / Nuxt.js、NestJS、Frourio ・PHP-Laravel ・Dart-Flutter インフラストラクチャ:AWS-EC2、ECS、S3、RDS、ElastiCache、Lambda、Opensearch、SQS、EventBridge、Amplify　他 DB:MySQL(AWS Aurora) 構成管理ツール:CDK、Terraform CI/CD:Github Actions 監視ツール:Cloudwatch、Datadog その他:Docker、GitHub、gRPC、GraphQL、StoryBook 開発マシン:Mac Book Pro

●配属部署 マーケティング本部　マーケティングユニット ●概要 全社横断のデータ利活用を推進するため、キャッシュレス決済データ(取扱高58.9兆円、会員数3893万人、月間数億件のトランザクション)に代表される社内外の膨大なデータを扱う、モダンかつスケーラブルな次世代データ基盤の構築・運用をお任せします。 ●仕事内容 具体的には、以下の業務を通じて、ビジネス部門や顧客向けのデータ利活用をエンジニアリングの側面からリードしていただきます。 ・データ基盤の設計/構築/運用:AWS、Snowflake、Databricksを用いた、スケーラブルで堅牢な全社向けデータプラットフォームのエンジニアリング ・データパイプラインの開発:dbtを用いたデータ変換(モデリング)の高度化、およびGitHub ActionsによるCI/CD環境の構築・自動化 ・データマネジメントの実装:メタデータ管理、データ品質、ガバナンスを担保したデータモデリングの実践 ・データ利活用の支援:Lightdash等のBIツールを用いたデータ可視化や、顧客向けデータ提供サービスのバックエンド実装支援 ・内製開発文化の醸成:技術選定や開発プロセスの改善を通じ、モダンな技術スタックを用いたアジャイルな内製開発チームのリード ●開発チームの環境・カルチャー 内製化を強力に推進するにあたり、エンジニアがパフォーマンスを最大限に発揮し、自律的に改善を行えるモダンな開発環境の整備を進めています。 ・コミュニケーションとナレッジ:Slackを用いたスピーディーなコミュニケーションと、Notionへのドキュメント集約による、透明性の高いナレッジ共有を徹底しています。 ・開発生産性の可視化/継続的改善:Findy Team+を導入してチームの開発パフォーマンス(Four Keysなど)を定量的に計測し、データに基づいた開発プロセス改善に取り組んでいます。 ・AIエージェントによる開発の加速: Claude Codeを活用したエージェントコーディングを導入開始しており、エンジニアがより本質的な設計やデータモデリングに注力できる環境づくりを進めています。

【ミッション】 独自開発のLLM基盤「LTM」や最新の生成AI技術を組み込んだAIエージェント・業務アプリケーションの設計/開発を主導します。 システム企画チームや業務現場と連携しながら、運用データのフィードバックに基づく自律学習メカニズムを構築し、通信オペレーションの自動化・高度化・自律化を推進します。 【主な業務】 LTMを活用したAIエージェントおよび業務アプリケーションの開発と、社内業務への適用の推進 ●具体的な業務 【AIエージェント・ワークフロー開発】 ・LTMおよび各種LLMを組み込んだAIエージェント(Multi-Agentなど)やAIワークフローの設計/実装/コード化 【要素技術・外部連携の実装】 ・RAG、プロンプトエンジニアリング、ベクトルDB、外部API/ツール連携機能の実装/高度化 【アジャイルなPoC・アプリ実装】 ・システム企画担当と連携し、現場の要件/課題に応じた実効性の高いAIアプリケーションの迅速な試作(PoC)/本番実装 【自律学習基盤・LLMOps構築】 ・実行ログ、評価データ、ユーザーフィードバックを収集/活用し、AIエージェントの精度を継続的に向上させる「自律学習ループ」の仕組みづくり/LLMOpsの構築 【モダン開発手法の推進】 ・AI駆動開発ツール(GitHub Copilotなど)や最新ツールを活用した、効率的かつ機動的な開発サイクルの実践

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。

● D.Node(デロイト トーマツ ノード合同会社)とは? デロイト トーマツ コンサルティング(DTC)グループの一員として、日本を代表する大企業(エンタープライズ)のDX(デジタルトランスフォーメーション)戦略の実現を担うテクノロジー集団です。 単なる「システムの受託開発」ではありません。日々変化する経営環境に適応するため、ビジネスの仕組みづくりそのものを変革します。業界の深い知見と高度な技術力を武器に、戦略構想から開発・運用まで「End to End(一気通貫)」で支援できる圧倒的な実績と難易度の高い案件が集まる環境です。 ● 業務内容 顧客の戦略的IT投資に対して、パブリッククラウドの採用計画の策定、競争力の高いシステム全体のグランドデザイン、モダンなアプリケーションアーキテクチャ設計、およびクラウド運用コストの適正化等を担当いただきます。 ミッションクリティカルな基幹業務システムから、ビッグデータを扱う大規模な情報系システムまで様々なシステムに携わることが可能です。 ● 具体的な業務 ①クラウド採用計画の策定と最上流の提案(最上流) ・顧客の経営・ビジネス戦略を理解し、テクノロジー観点での課題ヒアリング、課題抽出、およびクラウド・アプリケーション刷新に向けたロードマップ策定 ・高度な専門技術をクライアント(経営層・IT部門)へ説明・提案(効果的なプレゼンテーションの実施) ②ハイトランザクション・ミッションクリティカルなシステム設計 ・大規模かつ大量のデータ処理が走る環境において、リアルタイム性、信頼性、拡張性(スケーラビリティ)、保守性に優れた最適なシステムアーキテクチャのデザイン ・AWS / Azure / Google Cloud などの特性を見極めたマルチクラウド/ハイブリッドクラウドのグランドデザイン ③クラウド運用の最適化・ガバナンス策定 ・クラウド移行後を見据えた、運用コスト(FinOps)の適正化、およびエンタープライズ環境における高度なセキュリティ・ガバナンス設計 ● 案件事例 ※本求人だけではなくD.Nodeでの過去案件を一部記載させていただきます※ ・自動車業界クライアント向け:複数システムのデータを一元的に連携するクラウドサービス基盤の設計 ・自動車業界クライアント向け:車両から発信される情報を集約、管理、活用するグローバル基盤構築 ・自動車業界クライアント向け:車両から発信されるデータの蓄積と再利用のためのDB基盤構築 ・電気通信事業クライアント向け:デジタルマーケティングシステムにおけるAPIリアルタイム連携構築 ・小売業クライアント向け:オンプレミスのクラウド移行 ・電気ガス事業クライアント向け:生成AIアプリケーション(RAG/AIエージェント)のプロトタイプ、本番開発におけるRAGチューニング・評価など対応 ・デジタル通貨のパイロット実験のアドバイザリー ●取り扱うソリューション ビジネスのスピードに合わせ、モダンな開発環境を採用しています。 開発手法: アジャイル(スクラム開発) ※クライアントや案件属性によって変更あり。 Cloud: ・AWS,Azure,Google Cloud,OCI AI/ML: ・AWS Bedrock,SageMaker,Knowledge Base for Amazon Bedrock etc ・Azure AI Foundry,OpenAI Service,Machine Learning,AI Search, Prompt Flow etc ・Google Cloud Vertex AI,Agent Engine,Vertex AI Search,Gemini Enterprise etc ・NVIDIA NIM,NeMo,Omniverse,Databricks - Agent Bricks データ基盤/活用: ・AWS Redshift / Athena,Glue,Kinesis Data Analytics,EMR,Kinesis + SNS/SQS,Glue Studio etc ・Azure Synapse Analytics,Data Factory,Synapse Pipelines,HDInsight,Event Hubs,Data Factory etc ・Google Cloud BigQuery,Pub/Sub,★Dataplex,Dataflow etc ・Databricks,Snowflake ローコード/ノーコード: ・Power Automate /Power Apps,UiPath,Blueprism,AutomationAnywhere ・Dify,Gemini Enterprise,MS Copilot Studio EMTech: ・★量子コンピュータ,★Physical AI - Robotics,★Web4 プログラミング言語/FW: ・Python,Java,TypeScript,Node.js ・Flask,FastAPI,SpringBoot,React,Next.js,Vue.js,Nuxt.js ・LangChain/LangGraph,MLflow ・★MicrosoftAgentFramework,★SemanticKernel,AutoGen ・★MCP,★MCPPythonSDK,★FastMCP,★ROS2 ・★A2A,★AP2 laC/CI: ・Terraform,CloudFormation,Ansible ・GitHubActions,AWSCodePipeline,AzureDevOps,Jenkins AIツール: ・MSCopilotStudio,M365Copilot,ChatBot(ChatGPTライク) ・GitHubCopilot,★Devin,★v0 AIロボティクス: ・★SLAM,★Navigation,★強化学習・模倣学習・ロボット言語モデル データベース: ・各種RDS,NoSQL,★NewSQL,VectorDB,★GraphDB 監視/評価/セキュリティ: ・★Langfuse,★RAGAS,★RAGChecker,★mlFlow,★Datadog,Snyk ※1　★印以外:D.Nodeに組織としてノウハウがあるもの ※2 　2025年12月時点 ●キャリアについて D.Nodeでは、メンバーの志向性や強みに応じてキャリアを描くことが可能です。 ①スペシャリスト 特定の技術領域(クラウド、生成AI、アーキテクチャなど)で高い専門性を発揮し、プロダクト開発(PD)や社内のコア技術を牽引します。 ②デリバリ/プレイングマネージャー ・大規模プロジェクトにおいて、マネジメントに専任しチームをデリバリーします。 ・中〜大規模プロジェクトにおいて、開発とマネジメントをバランスよく兼任しながら、柔軟性の高いチームをデリバリーします。 ※上記の経験を経て、さらに柔軟かつスケールの大きなキャリアを描くことが可能です。 ③エバンジェリスト ・社内だけでなく、社外の技術コミュニティや業界内でも高い影響力・知名度(エミネンス)を持ち、SMEロールを担います。 ④シニアマネージャー ・複数案件を全体統括し、プロジェクト全体の収益性(P&L)の責任や、次なる投資(新規事業や大規模案件)の獲得までを含めた、ビジネスプロデュースを担います。 ● 働き方 全メンバーフルリモートワークとなり、チャットやビデオ会議でコミュニケーションをとっています。 また、フレックス勤務制を導入しており、ご家庭の都合により中抜け等にも対応しています。 さらなる業務推進のために下記施策も実施しております。 ①社内イベント参加時などの宿泊費・交通費の補助 ②バディ制度・コーチ制度などによる入社後の立ち上がりサポート ③LT会やPool単位での技術情報共有会の開催 ④全体会議でのインタラクティブなセッションの実施 ⑤地方での懇親会開催 ※状況により、出社・顧客先への訪問の可能性あり。

CREとして、Assuredクラウド評価のお問い合わせに対する技術サポートやプロダクトの改善を担当していただきます。 ●具体的な業務内容 CREとして、Assuredクラウド評価の顧客信頼性向上に責任を持ちます。 <短期的に取り組む業務> -お客様からの技術的な問い合わせの調査・回答 -セキュリティチェックシートの対応 -お客様対応や社内オペレーションを支援する小〜中規模システムの実装と運用改善(Google Apps Script / Python / サーバーレス構成など、軽量な手段を機動的に選ぶ) -お客様の要望・不具合に関する、要求 / 要件 / 受け入れ条件の整理と、エンジニアリングチームへの橋渡し -比較的小規模な機能改善・不具合修正については、自身で設計・実装・テスト・リリース -複雑なプロダクト仕様の整理、ドキュメント化 <中長期で設計・推進していく業務> -顧客信頼性を測るKPIの設計と、計測基盤(BigQuery / dbt / Lightdash)の構築 -KPIから見えた阻害要因に対する施策設計と実行(CS組織内に閉じず、セールス・運用組織の業務改善や、プロダクトの構造的改善まで射程) -セルフサービス化の優先順位設計と、機能としての実装 -問い合わせ対応フロー・エスカレーション設計・チェックシート運用などの再設計 -CREグループとしての中長期ロードマップの策定と、リードとの並走 これらの中で、何から着手すべきか・どこにレバレッジがあるかの判断自体も、入社後に一緒に設計するテーマです。 ▽インターネット、そして社会をより良くするために。未知のプロダクトづくりへの挑戦。 https://note.com/assuredjp/n/ndcb0b069ca9c ▽次世代に残るプロダクトをつくりたい。サイバーエージェント→AWSを経て感じるAssuredの社会的意義と奥深さ。 https://note.com/assuredjp/n/n0f79b6983d89 ▽Assuredに関わる人への感謝を胸に。課題解決の範囲を広げることで世の中の価値提供に繋げていく。 https://note.com/assuredjp/n/nbc562d71517c ●チームについて CREは立ち上がったばかりの組織で、現在は1名のマネージャーと1名の専属エンジニアの2名体制です。顧客、営業、CS、プロダクトと連携し、技術とデータを活用して顧客の信頼性を向上させ、事業成長を加速させることを目指しています。 現在は、お問い合わせ対応・顧客要望対応を通じてお客様からのフィードバックを迅速に取り入れ、改善につなげることを行っています。同時に、中長期的にどういう価値を出していくべきか絵を描き、計画しているフェーズです。 将来目指しているのは、データと技術を使って顧客の状態を可視化し、よりプロアクティブに顧客信頼性を向上させることです。そのためにCREが担っていきたい観点は以下の通りです。 ・プロダクト各機能が潜在的に持っている価値をお客様の課題と結びつけ、価値を最大化する ・お問い合わせをゼロにする ・お客様自身で問題を解決できるセルフサービス化の推進 ・お客様が困ったときの体験の向上/エフォートレス化 ●このポジションで、一緒に作る未来 CREが扱う「顧客信頼性」は、お客様のビジネスと我々のビジネスを同時に伸ばすための重要な要素だと思っています。 お客様が安心して『Assuredクラウド評価』を使い続け、その上で本来やりたいDXや事業判断を進められること。それがお客様の事業成果になり、同時に我々の成長にもなります。CREのミッションは、そのベースとなる「顧客信頼性」を最大化することです。 その実現のために、立ち上げ期ではまず以下3つのスコープを設計・推進します。 1.プロダクト改善・実装 お客様の声を一次情報として受け取り、不具合修正・機能改善・セルフサービス化できる機能をプロダクトに反映していきます。 2.KPI・計測基盤の設計 「顧客信頼性が向上している」と言える状態を、データで定義します。問い合わせ削減率・セルフサービス到達率・お客様の利用熟達度など、何を測るべきかから設計し、BigQuery / dbt / Lightdashの基盤上で計測・可視化を立ち上げます。 3.CREプロセス・運用設計 問い合わせ対応フロー、セキュリティチェックシート対応、エスカレーション設計、技術調査の標準化など、現在は属人的に回っている運用を、再現可能なプロセスとして組み立て直します。 ●そして、その先に取りに行く未来 スコープ2のKPI基盤が立ち上がり、「顧客信頼性を阻害している要因」がデータで見えてきた段階から、CREの射程は、プロダクト単体に閉じません。 阻害要因がセールスの提案プロセスにあれば、営業組織の業務の改善に取り組みます。運用組織のオペレーションに起因していれば、その自動化やシステム化も取り扱いたいと思っています。プロダクトの構造的な改善が必要であれば、PdMと一緒に上流から設計します。 一般的にCREはお問い合わせ対応やCS組織内の改善に役割が限定されがちですが、私たちはそこに留まるつもりはありません。顧客信頼性向上のレバーがある場所に、エンジニアリングの力で踏み込んでいくことを目指しています。 ●技術スタック ・インフラ: Google Cloud ・バックエンド: Scala, Python, Go(ScalaからGo/TypeScriptへの移行中です) ・フロントエンド: TypeScript, React ・データベース: PostgreSQL, Firestore, BigQuery ・コンテナ/仮想化: Docker, Google Kubernetes Engine, CloudRun ・構成管理: Terraform, Kubernetes ・CI/CD: CloudBuild, GitHub Actions ・その他API等: ChatGPT, Algolia, SendGrid ・監視: Sentry, DataDog ・ツール: GitHub, Slack, Notion, Figma 他 ●業務の変更範囲 会社の定める業務(出向等を含む)

プロダクトエンジニアとして、Assuredクラウド評価の機能開発に関わっていただきます。 ●主な業務 ・必要な機能の設計、実装、テストおよびリリース ・他メンバーの設計・コードのレビュー、フィードバック ・チームのプロジェクト管理、スクラムイベント運営 ・開発プロセス改善、生産性向上施策 ・PdM・デザイナー・ドメインエキスパートとの協働 ・顧客からの問い合わせ・不具合対応 ・データ整備、分析、モニタリング ・採用活動への参画 ●チームの文化 新しい市場を啓蒙しユーザー価値を探究するAssuredクラウド評価のプロダクトチームでは、エンジニアが開発だけでなく、事業指標の追求やユーザー課題の発見まで関わる「プロダクトエンジニア」の文化があります。技術(How)を核としながら、事業(Why)やユーザー体験(What)にまで越境し、全員が事業指標を意識しながら開発する文化です。AIがコードを書く時代だからこそ、「なぜ作るか」「何を作るか」という上流の問いに注力し、ビジネス組織とも一体となり事業成果にコミットし続けています。 ▽デブサミ2025 Assuredが実践する「事業を創る」プロダクト開発術 https://productzine.jp/article/detail/3716 ※Assuredのエンジニアについて ▽インターネット、そして社会をより良くするために。未知のプロダクトづくりへの挑戦。 https://note.com/assuredjp/n/ndcb0b069ca9c ▽次世代に残るプロダクトをつくりたい。サイバーエージェント→AWSを経て感じるAssuredの社会的意義と奥深さ。 https://note.com/assuredjp/n/n0f79b6983d89 ●技術スタック ・インフラ: Google Cloud ・バックエンド: Scala, Python, Go 　※メインの言語はScala、PythonとGoは一部サブシステムで利用 ・フロントエンド: TypeScript, React ・データベース: PostgreSQL, Firestore ・コンテナ/仮想化: Docker, Google Kubernetes Engine, CloudRun ・構成管理: Terraform, Kubernetes ・CI/CD: GitHub Actions ・データ基盤: BigQuery, Airbyte, dbt, Lightdash ・その他API等: Algolia, SendGrid ・監視: Sentry, DataDog ・ツール: GitHub, Slack, Notion, Figma, Gemini Pro 他 ・AIコーディング: GitHub Copilot, Claude Code 他 ●勤務地及び業務の変更範囲 会社の定める業務(出向等を含む)

プロダクトエンジニアとして、Assuredクラウド評価の機能開発に関わっていただきます。 ●主な業務 ・必要な機能の設計、実装、テストおよびリリース ・アーキテクチャ設計、技術選定への参画 ・他メンバーの設計・コードのレビュー、フィードバック ・チームのプロジェクト管理、スクラムイベント運営 ・開発プロセス改善、生産性向上施策 ・PdM・デザイナー・ドメインエキスパートとの協働 ・顧客からの問い合わせ・不具合対応 ・データ整備、分析、モニタリング ・採用活動への参画 ●チームの文化 新しい市場を啓蒙しユーザー価値を探究するAssuredクラウド評価のプロダクトチームでは、エンジニアが開発だけでなく、事業指標の追求やユーザー課題の発見まで関わる「プロダクトエンジニア」の文化があります。技術(How)を核としながら、事業(Why)やユーザー体験(What)にまで越境し、全員が事業指標を意識しながら開発する文化です。AIがコードを書く時代だからこそ、「なぜ作るか」「何を作るか」という上流の問いに注力し、ビジネス組織とも一体となり事業成果にコミットし続けています。 ▽デブサミ2025 Assuredが実践する「事業を創る」プロダクト開発術 https://productzine.jp/article/detail/3716 ※Assuredのエンジニアについて ▽インターネット、そして社会をより良くするために。未知のプロダクトづくりへの挑戦。 https://note.com/assuredjp/n/ndcb0b069ca9c ▽次世代に残るプロダクトをつくりたい。サイバーエージェント→AWSを経て感じるAssuredの社会的意義と奥深さ。 https://note.com/assuredjp/n/n0f79b6983d89 ▽Assuredに関わる人への感謝を胸に。課題解決の範囲を広げることで世の中の価値提供に繋げていく。 https://note.com/assuredjp/n/nbc562d71517c ●技術スタック ・インフラ: Google Cloud ・バックエンド: Scala, Python, Go 　※メインの言語はScala、PythonとGoは一部サブシステムで利用 ・フロントエンド: TypeScript, React ・データベース: PostgreSQL, Firestore ・コンテナ/仮想化: Docker, Google Kubernetes Engine, CloudRun ・構成管理: Terraform, Kubernetes ・CI/CD: GitHub Actions ・データ基盤: BigQuery, Airbyte, dbt, Lightdash ・その他API等: Algolia, SendGrid ・監視: Sentry, DataDog ・ツール: GitHub, Slack, Notion, Figma, Gemini Pro 他 ・AIコーディング: GitHub Copilot, Claude Code 他 ●業務の変更範囲 会社の定める業務(出向等を含む)

● D.Node(デロイト トーマツ ノード合同会社)とは? デロイト トーマツ コンサルティング(DTC)グループの一員として、日本を代表する大企業(エンタープライズ)のDX(デジタルトランスフォーメーション)戦略の実現を担うテクノロジー集団です。 単なる「システムの受託開発」ではありません。日々変化する経営環境に適応するため、ビジネスの仕組みづくりそのものを変革します。業界の深い知見と高度な技術力を武器に、戦略構想から開発・運用まで「End to End(一気通貫)」で支援できる圧倒的な実績と難易度の高い案件が集まる環境です。 ● 業務内容 AI(または生成AI)および「次世代データ基盤(DWH/データレイク/データパイプライン)」の領域において、実装経験や専門性を武器に、プロジェクト全体の技術品質に責任を持つ「リードエンジニア候補」としてご活躍いただきます。 単なるデータの集約に留まらず、DatabricksやSnowflakeなどのモダンなプラットフォームを活用したデータ基盤の構築や、それらを生成AI(RAG等)とシームレスに連携させる高度なアーキテクチャ設計・実装・レビューを牽引するポジションです。 ●具体的な業務 ①AI・データ基盤プロジェクトの推進・リード AI/生成AI、および大規模データ基盤(ETL/ELT、データパイプラインなど)領域におけるプロジェクト推進(タスク整理・実行、品質管理、コードレビューなど) ②アーキテクチャ設計・実装 大企業のエンタープライズデータを一元化するモダンデータ基盤の設計、生成AIを掛け合わせたシステムの最適なアーキテクチャ設計、および技術仕様書等のドキュメント作成 ③チームリード・メンバー育成 開発チームのメンバーと円滑なコミュニケーションを取り、技術面(データモデリングやAI実装など)でのサポートや教育、指導 ④ビジネスサイドとの連携 プロダクトマネージャーやビジネスサイドのメンバーと協調し、ビジネス要件をデータモデルやAIの機能へと落とし込む技術的な要件定義・技術選定の推進 ●案件事例 ※本求人だけではなくD.Nodeでの過去案件を一部記載させていただきます※ ・自動車業界クライアント向け:複数システムのデータを一元的に連携するクラウドサービス基盤の設計 ・自動車業界クライアント向け:車両から発信される情報を集約、管理、活用するグローバル基盤構築 ・自動車業界クライアント向け:車両から発信されるデータの蓄積と再利用のためのDB基盤構築 ・電気通信事業クライアント向け:デジタルマーケティングシステムにおけるAPIリアルタイム連携構築 ・小売業クライアント向け:オンプレミスのクラウド移行 ・電気ガス事業クライアント向け:生成AIアプリケーション(RAG/AIエージェント)のプロトタイプ、本番開発におけるRAGチューニング・評価など対応 ・デジタル通貨のパイロット実験のアドバイザリー ●取り扱うソリューション ビジネスのスピードに合わせ、モダンな開発環境を採用しています。 開発手法: アジャイル(スクラム開発) ※クライアントや案件属性によって変更あり。 Cloud: ・AWS,Azure,Google Cloud,OCI AI/ML: ・AWS Bedrock,SageMaker,Knowledge Base for Amazon Bedrock etc ・Azure AI Foundry,OpenAI Service,Machine Learning,AI Search, Prompt Flow etc ・Google Cloud Vertex AI,Agent Engine,Vertex AI Search,Gemini Enterprise etc ・NVIDIA NIM,NeMo,Omniverse,Databricks - Agent Bricks データ基盤/活用: ・AWS Redshift / Athena,Glue,Kinesis Data Analytics,EMR,Kinesis + SNS/SQS,Glue Studio etc ・Azure Synapse Analytics,Data Factory,Synapse Pipelines,HDInsight,Event Hubs,Data Factory etc ・Google Cloud BigQuery,Pub/Sub,★Dataplex,Dataflow etc ・Databricks,Snowflake ローコード/ノーコード: ・Power Automate /Power Apps,UiPath,Blueprism,AutomationAnywhere ・Dify,Gemini Enterprise,MS Copilot Studio EMTech: ・★量子コンピュータ,★Physical AI - Robotics,★Web4 プログラミング言語/FW: ・Python,Java,TypeScript,Node.js ・Flask,FastAPI,SpringBoot,React,Next.js,Vue.js,Nuxt.js ・LangChain/LangGraph,MLflow ・★MicrosoftAgentFramework,★SemanticKernel,AutoGen ・★MCP,★MCPPythonSDK,★FastMCP,★ROS2 ・★A2A,★AP2 laC/CI: ・Terraform,CloudFormation,Ansible ・GitHubActions,AWSCodePipeline,AzureDevOps,Jenkins AIツール: ・MSCopilotStudio,M365Copilot,ChatBot(ChatGPTライク) ・GitHubCopilot,★Devin,★v0 AIロボティクス: ・★SLAM,★Navigation,★強化学習・模倣学習・ロボット言語モデル データベース: ・各種RDS,NoSQL,★NewSQL,VectorDB,★GraphDB 監視/評価/セキュリティ: ・★Langfuse,★RAGAS,★RAGChecker,★mlFlow,★Datadog,Snyk ※1　★印以外:D.Nodeに組織としてノウハウがあるもの ※2 　2025年12月時点 ●キャリアについて D.Nodeでは、メンバーの志向性や強みに応じてキャリアを描くことが可能です。 ①スペシャリスト 特定の技術領域(クラウド、生成AI、アーキテクチャなど)で高い専門性を発揮し、プロダクト開発(PD)や社内のコア技術を牽引します。 ②デリバリ/プレイングマネージャー ・大規模プロジェクトにおいて、マネジメントに専任しチームをデリバリーします。 ・中〜大規模プロジェクトにおいて、開発とマネジメントをバランスよく兼任しながら、柔軟性の高いチームをデリバリーします。 ※上記の経験を経て、さらに柔軟かつスケールの大きなキャリアを描くことが可能です。 ③エバンジェリスト ・社内だけでなく、社外の技術コミュニティや業界内でも高い影響力・知名度(エミネンス)を持ち、SMEロールを担います。 ④シニアマネージャー ・複数案件を全体統括し、プロジェクト全体の収益性(P&L)の責任や、次なる投資(新規事業や大規模案件)の獲得までを含めた、ビジネスプロデュースを担います。 ● 働き方 全メンバーフルリモートワークとなり、チャットやビデオ会議でコミュニケーションをとっています。 また、フレックス勤務制を導入しており、ご家庭の都合により中抜け等にも対応しています。 さらなる業務推進のために下記施策も実施しております。 ①社内イベント参加時などの宿泊費・交通費の補助 ②バディ制度・コーチ制度などによる入社後の立ち上がりサポート ③LT会やPool単位での技術情報共有会の開催 ④全体会議でのインタラクティブなセッションの実施 ⑤地方での懇親会開催 ※状況により、出社・顧客先への訪問の可能性あり。

●職務内容・担当業務 ビジネスアーキテクトやフルスタックエンジニアと連携し、AIエージェントが企業の文脈を理解して自律的に動くための「AI-Readyなデータ基盤」の設計・構築を担っていただきます。 ・社内外に散在するデータを統合し、分析・AI活用に耐えるデータパイプライン/データ基盤を設計・実装 ・ナレッジグラフ/オントロジー(RDF・OWL等のセマンティック技術)を用いて、データに「意味」と「つながり」を与える基盤を構築 ・データ品質・データガバナンスの仕組みづくりと、AIエージェントがデータを安全に参照できる仕組み(MCP等)の整備 ・主要顧客とのPoCを通じて、再利用可能なIP(オントロジーテンプレートやパイプライン)として磨き込み、産業全体へ展開 ●開発環境 データ基盤:BigQuery、Microsoft Fabric(OneLake/Delta Parquet)、各種クラウドDWH ナレッジグラフ/セマンティック:Stardog(RDF・RDFS・OWL/W3C標準準拠)、Neo4j、SPARQL AI/LLM連携:Python、各種LLM API、ナレッジグラフ/RAG、MCP・A2A等のエージェント連携プロトコル プラットフォーム/インフラ:GCP、Azure、AWS、Kubernetes、Terraform(IaC)、GitHub Actions(CI/CD) ●研修 ・Off-JT:Udemy Business等のeラーニングに加え、クラウド(GCP/AWS/Azure)やデータ技術のベンダー資格を会社負担で取得できます。オントロジー/グラフDBについても専門トレーニングを活用し、未経験の領域でも体系的に学べる環境を整えています。 ・OJT:実際のBDX事業のプロジェクトにアサインし、第一線の技術者と協働しながら、構想からPoC・実装までを実践的に経験いただきます。 ・社内勉強会・技術共有会を定期開催し、チーム全体で学び合う文化を大切にしています。

駐車場機器メーカーであるグループ会社のアイテックと共に、PKSHA Technology の高度なアルゴリズムやソフトウェア技術を活用して「AI x IoT x ソフトウエア」による駐車場業界及び MaaS 領域の DX を担っていただきます。 従来、駐車場機器メーカーとしてハードウェアである駐車場機器を運営会社に販売するだけに留まっていたところから、駐車場機器をクラウドにつなげ、ソフトウエア・AIの技術を活用することで、駐車場のアナログ体験の解消、駐車場情報を API 化し外部サービスと連携した新しいサービス体験を創造しています。 プロダクト ● ソフトウエアサービス ・駐車場検索・予約・スマホ精算・車番認識によるハンズフリーな自動精算ができるプラットフォーム及び mobile app『QT-net』 ・駐車場の遠隔管理及び、AI による高度な分析を運営会社に提供する webapp『i-Barms』 ● 駐車場機器 ・車番認識により従来のロック板やチケット管理をなくし、インターネットとつなげ精算機情報を API 化することで外部サービス連携を可能にした精算機『ロックレス』・『チケットレス』 技術スタック ●利用言語 ・Golang ・Flutter ・Next.js ●クラウド ・GCP ・AWS ●バージョン管理 ・Git (GitHub) ●CI/CD ・CircleCI ・Github Actions ・CodeDeploy ●インフラ ・kubernetes(GKE) ・Terraform ・AWS CDK ●ドキュメント管理 ・Notion ●コミュニケーション ・Slack / MS Teams ※未経験のものがある場合でも、キャッチアップいただけると感じていただける方であれば問題ありません

PKSHA Technologyは、エンタープライズ企業のコールセンターに向けた自然言語処理/機械学習/ディープラーニングを活用したテキスト・音声対話エンジン、及び昨今の働き方の変化に合わせて職場コミュニケーションの課題を支援するためのプロダクトを提供しています。 このポジションでは、エンジニアマネージャー候補として各領域専門の機械学習エンジニアとチームを組み、ソフトウェアエンジニアリングで解決できる課題を自ら手を動かしながら解決していただきます。 ・エンジニアリング組織のアウトプット最大化に向けた仕組みづくりの設計と実行 ・法人向けに提供している既存対話エンジンサービス開発のマネジメント ・機械学習モデルをコアとした新アプリケーション開発のマネジメント ・自社サービス間連携の促進 技術スタック ●利用言語 ・Python ・Ruby (Ruby on Rails) ・Golang ・JavaScript/TypeScript ●クラウド ・AWS ・Azure ●バージョン管理 ・Git (GitHub) ●CI/CD ・CircleCI ・CodeDeploy ・Github Actions ●タスク/ドキュメント管理 ・Notion ・Linear ●コミュニケーション ・Slack / MS Teams ※未経験のものがある場合でも、キャッチアップしてもらえれば問題ありません。

AIの企画・開発・運用からAIガバナンスまでAIに関するあらゆる業務を一手に引き受けており、社内の各部署とコミュニケーションをしながら10倍規模を実現するAIドリブンな事業基盤の構築を目指しています。 ●AIドリブンな事業基盤の戦略策定・実行 ・全社AIプロジェクト企画と推進 ・プロジェクト企画と評価のためのデータ分析 ●AIによるビジネス課題の特定と解決 ・社内各部署とのコミュニケーションを通じた業務課題の特定とAIによる改善施策の立案 ・プロダクトチームとのコミュニケーションを通じたAI導入プロジェクトの推進 ・プロジェクト企画と評価のためのデータ分析 ●AIドリブンな事業基盤の開発・運用(DevOps) ・AIモデルを中心としたAIシステムの要件定義・設計・開発・運用 ●AIガバナンス ・AI導入時のリスク分析・評価およびリスク管理施策の検討・運用 ・AIを安全かつ最大限に活用するための社内ルール整備、社員教育の推進 ※AIは統計モデル、機械学習、LLMを含む学習モデル全般を意味する 期待する役割 グループ責任者やチーム責任者と共に業務効率化と顧客体験向上のプロジェクト企画や推進を担っていただきます。チームを牽引するリーダーとしてご活躍いただくことを期待しています。 ●AIプロジェクトへの積極的な参画: 各プロジェクトにおいて、自身の専門知識を活かしてAI技術の導入とその適用をサポートし、プロジェクトの目標達成に貢献する。 ●部門間コミュニケーションの担い手: 社内の他部門と円滑にコミュニケーションを取り、部門間協力を促進してAIシステムの適切な導入を支援する。 ●チームで成果を出す: チームメンバーのフォローと育成。 ●投資対効果の高い施策の見極め: データに基づく根拠をもとに、プロジェクト企画や評価を行っていただき、投資対効果の高い施策を見極めて、施策優先度を適切に判断 ●バランスを考慮した推進: AIを安全かつ最大限に活用するための社内ルール整備、リテラシー向上や活用促進のための社員教育の推進 技術スタック ・クラウドサービス: AWS(実行環境やBedrockの利用), Azure(OpenAIの利用), GCP(Geminiの利用や分析基盤) ・実行環境:AWS ECS, AWS EKS, AWS Lambda ・データベース:AWS Aurora MySQL, AWS DynamoDB ・開発言語:Python ・コード管理:GitHub ・CI/CD:GitHub Actions, ArgoCD ・コンテナオーケストレーション:Kubernetes ・外部サービス:Datadog ・分析基盤:BigQuery ・ドキュメンテーション:Notion ・エディタ:VSCode ・開発支援AI:GitHub Copilot, GPT-4o(Azure OpenAI Service経由) ・生成AI API:Azure OpenAI Service, AWS Bedrock, Gemini API

●業務内容 AIの企画・開発・運用からAIガバナンスまでAIに関するあらゆる業務を一手に引き受けており、社内の各部署とコミュニケーションをしながら10倍規模を実現するAIドリブンな事業基盤の構築を目指しています。 ▽AIドリブンな事業基盤の戦略策定・実行 ・全社AIプロジェクト企画と推進 ・プロジェクト企画と評価のためのデータ分析 ▽AIによるビジネス課題の特定と解決 ・社内各部署とのコミュニケーションを通じた業務課題の特定とAIによる改善施策の立案 ・プロダクトチームとのコミュニケーションを通じたAI導入プロジェクトの推進 ・プロジェクト企画と評価のためのデータ分析 ▽AIドリブンな事業基盤の開発・運用(DevOps) ・AIモデルを中心としたAIシステムの要件定義・設計・開発・運用 ▽AIガバナンス ・AI導入時のリスク分析・評価およびリスク管理施策の検討・運用 ・AIを安全かつ最大限に活用するための社内ルール整備、社員教育の推進 ※AIは統計モデル、機械学習、LLMを含む学習モデル全般を意味する ●期待する役割 グループ責任者やチーム責任者のサポートのもと、AI技術導入の企画立案・AI開発運用からAIガバナンスまで、チームの中心メンバーとしてAIドリブンな事業基盤の構築に一緒に挑戦していただける方を募集しています。 ▽AIプロジェクトへの積極的な参画: 各プロジェクトにおいて、自身の専門知識を活かしてAI技術の導入とその適用をサポートし、プロジェクトの目標達成に貢献する。 ▽部門間コミュニケーションの担い手: 社内の他部門と円滑にコミュニケーションを取り、部門間協力を促進してAIシステムの適切な導入を支援する。 ▽AIリスク管理の実施: AI導入時のリスクを認識し、リーダーやチームメンバーとともにリスク管理策の策定と運営に貢献する。 ▽データ分析に基づく実行と評価: データに基づく根拠をもとに、プロジェクト企画や評価を行っていただき、貢献度の高い施策を探求する。 ▽技術向上とナレッジシェア: 最新のAI技術について継続的に学び、チーム内での知識共有を行い、組織全体の技術力向上に寄与する。 ●技術スタック ・クラウドサービス: AWS(実行環境やBedrockの利用), Azure(OpenAIの利用), GCP(Geminiの利用や分析基盤) ・実行環境:AWS ECS, AWS EKS, AWS Lambda ・データベース:AWS Aurora MySQL, AWS DynamoDB ・開発言語:Python ・コード管理:GitHub ・CI/CD:GitHub Actions, ArgoCD ・コンテナオーケストレーション:Kubernetes ・外部サービス:Datadog ・分析基盤:BigQuery ・ドキュメンテーション:Notion ・エディタ:VSCode ・開発支援AI:GitHub Copilot, GPT-4o(Azure OpenAI Service経由) ・生成AI API:Azure OpenAI Service, AWS Bedrock, Gemini API ●オンボーディングおよび育成計画 下記を想定しながら適宜チームでフォローします。 ▽1年目: ・ゴール:AIプロジェクトでのスキル向上 ・内容:プロジェクト参加(サポートを得ながら推進) ・支援:キャリアサポート(月次1on1) ・評価:半年ごとに目標設定と評価 ▽2年目以降: ・ゴール:プロジェクトリーダーへの成長 ・内容:リード役経験、戦略会議参加 ・支援:キャリアサポート(月次1on1) ・評価:半年ごとに目標設定と評価

タイミーのプロダクト組織におけるプロダクトマネジメントチームの運営を担い、その有効性と効率性を最大限に高めることがミッションになります。具体的には、プロダクト戦略をプロダクト開発の現場に浸透させ、実行される体制を構築・推進をお任せします。 プロダクトマネージャーチームの育成やコーチング、部門横断での連携強化、そしてプロダクトマネジメントプロセスの最適化を通じて、プロダクト組織全体の生産性とアウトカムの向上に責任を持っていただきます。また、プロダクト開発の運用プロセスを最適化し、プロダクトマネージャーが戦略的な価値創造に集中できる環境を整えることで、プロダクト組織の生産性向上と事業目標達成に貢献していただきます。 具体的な業務内容 ●プロダクト組織の強化と人材育成 ・プロダクトマネージャーなど、プロダクト関連職種の採用、オンボーディング、育成の支援 ・プロダクトゴールと主要KPIの策定をサポートし、トラッキングを通じて適切なコーチングの実施 ・プロダクト戦略とその意図をメンバーやステークホルダーに伝達し、円滑なコミュニケーションと目標設定の実現 ●データドリブンな意思決定の支援 ・プロダクトの主要KPIの仕組み構築、データ分析(トレンドや変動要因の特定)、プロダクトパフォーマンスに関する明確なレポートの作成、関係者への報告 ・プロダクトチームの目標(OKRなど)や成果の進捗を効率的に可視化する仕組みを設計・実装、リソース配分や計画策定に役立つレポートの作成 ・プロダクト分析プラットフォームを整備・運用に責任を持ち、組織全体のデータに基づいた意思決定の促進 ●プロダクトマネジメントプロセスの設計・運用と最適化 ・意思決定の質を向上を目的としたプロダクト戦略の展開やロードマップレビューなど、重要な会議体の設計・運営 ・プロダクトチーム横断で必要な戦略実行のプロセスを標準化、必要なツール群を整備・最適化 ・円滑な連携の実現のためのプロダクト、エンジニアリング、デザインなど多様なチーム間のコミュニケーションハブとして機能 技術スタック(主要な部分の抜粋) ●Backend ・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 ●Monitoring ・Datadog, Sentry ●CI/CD ・GitHub Actions, Dependabot ●その他 ・コード管理: GitHub ・コミュニケーションツール: Slack, Notion ・その他: Firebase, twilio, ImageFlux, OneSignal, Figma etc… ・AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code

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

GOのデータ基盤では、3,500万ダウンロードのタクシーアプリ『GO』のデータなど、1日に10億レコード規模のデータを収集し、活用しています。 データの主な活用方法は二つあります。 一つはデータプロダクトの開発であり、データをもとにAIや高度なアルゴリズムを開発しタクシーアプリ『GO』に機能として組み込んでいます。 もう一つは意思決定支援であり、約30名のデータアナリストやデータサイエンティストがデータ分析し、その結果を元にビジネス担当やプロダクトマネージャがプロジェクトの効果測定や意思決定をしています。 本ポジションは、このデータ基盤を支えるデータエンジニアです。 仕事内容 データ基盤とデータプロダクトの実行基盤を担当いただきます。 ●データ基盤 ・大規模な車両データをDataflow等を用いてBigQueryに収集 ・3,500万ダウンロードのアプリケーションのDBとログのデータをBigQueryに収集 ・地図を始めとした外部データをデータ基盤に収集 ・データ加工バッチの開発・運用、Google Cloudの様々なサービスを用いて実現 ・StreamlitやLookerなど分析ツールのホスティング ・100人規模の利用者の管理、セキュリティコントロール ●データプロダクト実行基盤 ・タクシーアプリ『GO』でAIや高度なアルゴリズムを用いたデータプロダクトの実行基盤を設計・開発・運用 ・データサイエンティストの開発支援 ・AIモデルの学習バッチや、本番での推論サービング ・高性能かつ高可用性を担保するための設計・実装・システム運用 ・24/365のオンコール体制(待機なし・システム障害時に当番順にコールがあり対応) ●業務内容の変更範囲 会社が指定する業務全般 開発環境 ●データ基盤 ・データストア: BigQuery ・ETL: Dataflow, 独自開発(Python) ・SQLフレームワーク: Dataform ・ワークフローエンジン: Cloud Composer(Airflow) + GKE ・メタデータ管理:Dataplex ・その他ツール: Streamlit, Kepler.gl, Kubeflow ・言語: Python ●データプロダクト実行基盤 ・データストア:Redis, AWS Aurora(MySQL, PostgreSQL) ・実行基盤:AWS:AKE etc ・言語: Go, Python ・モニタリング: Grafana, Sentry ・その他ツール:Feast ●開発環境 ・LLM: Github Copilot, Claude code, gemini, MCPs etc ・IDE: VS Code etc ・CI / CD: GitHub Action ・VCS: GitHub ・その他 Google Workspace, Slack 所属組織 AI技術開発部 データプラットフォームグループ:4名 ※関連チーム ・データサイエンティスト:20名 ・データアナリスト:8名 ・データアーキテクト:5名

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