生成AI開発ツール導入 TypeScriptのITエンジニア求人・転職情報

●担当予定の業務内容 以下の領域のいずれか、またはそれらを組み合わせた開発に携わっていただきます。 3DCG/XR領域における差異化技術の開発・統合に加え、最新のSaaS技術やベストプラクティスの導入・適用など、一連のSaaSプロダクト開発を担当することができます。 ①空間コンテンツ制作向けクラウドサービスの開発 ②クラウド基盤ソフトウェアの開発 ③クラウドサービスと連携するPCソフトウェアの開発 ●開発環境 言語:TypeScript、Python、C++、C# フレームワーク:React, Unreal, Unity クラウド環境:Azure, AWS ※本求人はジェネラル・エンプロイメント・コントラクト社員での採用となるため将来的に別の職務領域や技術領域に異動の可能性がございます。 合わせて、全国の支社、工場、営業所への転勤可能性がございます。

● 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 プロジェクトマネージャーとして、プロジェクト推進(チームビルディング/タスク・課題管理/スケジュール管理/顧客折衝/戦略策定なプロジェクトマネージャー(PM)として、エンタープライズ領域における「ミッションクリティカルなシステム開発」「大規模クラウド移行」「プラットフォーム開発」「アプリケーションモダナイゼーション」などのプロジェクト推進をお任せします。 システムのグランドデザインを描き非機能要件を見据えながら、不確実性をコントロールして大規模なプロジェクトを成功へと導く中核ポジションです。 ● 具体的な業務 ①プロジェクト全体の推進・管理 ・複数チームで構成される中〜大規模プロジェクト(30人月以上)における体制構築 ・不確実性の高い環境における、先回りしたタスク・リスク・スケジュール・品質管理の徹底 ②最上流のステークホルダーマネジメント・顧客折衝 ・クライアントやグループ内のコンサルタント等の多様な関係者との要件調整、期待値調整 ・グランドデザインを理解した上で、課題の抽出・整理および「そもそも何を作るか」の合意形成 ③現場のボトルネック打破・障壁の排除 ・開発チームが迷わずモノづくりに集中できるよう、推進の障壁(プロセスの不備や課題など)を能動的に見つけ出し、解決に向けて周囲へ働きかけ・排除を実施 ④モダンツールを用いたチームリード ・Jira / Confluenceなどをフル活用したプロジェクト管理 ・ハイクオリティなドキュメンテーションの作成、およびチームメンバーの円滑な牽引・サポート ⑤スコープやチーム体制の「大胆な意思決定」 ・状況の変化に応じてプロダクトオーナー(PO)と対等に議論・相談を実施 ・リリーススケジュールの見直し、開発範囲(スコープ)の変更、チーム体制の刷新などを臆せず柔軟に決断・実行 ● 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

・事業KPIを上げるための機能追加・改善の開発 　　∟ 事業戦略上、課題となっている業務領域を中心に対応します 　　∟ 決済・会計業務、カスタマーサクセス業務(toB/toC両面)、開発のトイル業務など ・各事業部における課題のディスカバリー 　　∟ 要望の受け付けやヒアリングだけではなく、実際の業務にdeep diveして一次情報を取りにいきます ・事業のトップラインを上げるために必要な業務効率化のためのツール・プラットフォーム設計と開発 【一緒にやりたいこと】 ・マルチプロダクト化を見据え、サクセスエンジニアチーム体制の構築・仕組み化・強化 ・サクセスエンジニアチームがより発展、事業貢献するための施策の立案 ・各事業部への課題感のヒアリング・発掘の強化 ・よりスピード感を持った各事業部の課題感の解消と事業を成長させるための体制強化 ・事業のトップライン向上に直結する業務改革を推進するための、業務プラットフォーム・ワークフローの設計と構築 ・個別最適の業務改善から一歩進んだ、事業成長を支える業務プラットフォームの設計・構築 【技術環境】 ・使用言語:TypeScript, Python ・フレームワーク: 　∟ フロントエンド: React, Next.js 　∟ デスクトップアプリ: Electron 　∟ バックエンド: Express, Hono 　∟ テスティングフレームワーク: vitest 　∟ GASツール:Google App Script(Rollup + clasp) ・エディタ:VS Code, Cursor ・AI支援:GitHub Copilot, Claude Code ・インフラ:AWS ・データベース:PostgreSQL, Aurora ・モニタリング:CloudWatch, Datadog ・ダッシュボード:Redash ・CI/CD:GitHub Actions, AWS CodeDeploy ・プロジェクト管理:JIRA ・チャット:Slack ・ナレッジツール:Confluence ※開発組織全体では、以下も使用しています※ ・バックエンド:Python(Django) ・フロントエンド:TypeScript, Angular, React ・品質保証:Autify ・ミドルウェア:Redis, Nginx ※業務内容 雇入れ直後:上記記載の通り 変更の範囲:自社事業の推進および付随するすべての業務

【ミッション】 自社プロダクトの成長を技術面から牽引するクラウドサービス開発を行うことがミッションです。 サービスの企画・立案から要件定義、設計、開発、テスト計画、運用までを一気通貫で推進し、事業拡大に貢献するアプリケーション開発をリードしていただきます。 【主な業務】 Google、Appleなどのグローバルカンパニーと協議し、最新デバイス、テクノロジーに触れながらサービスの立て付け、システム開発、運用、ローンチを行い、その結果(お客さまからの反応)を基にプロダクトの向上を進めています。 【具体的な業務】 ・サービス開発方針に基づき新規サービスのフィジビリティスタディ、機能の設計、要件定義 ・Claude Codeなどを使ったAI駆動開発、iOS/Androidのネイティブアプリの開発 ・要件定義や設計書に対するテスト設計の実施と品質管理 ・クラウド基盤を中心にシステムを構築し、データ分析基盤などを提供する業務

【ミッション】 移動体通信事業や固定通信事業をはじめ新サービスを含むさまざまなサービスを、テレフォニーシステムを通じてお客さまに提供すること。 【主な業務】 ソフトバンクが提供する事業における、テレフォニーシステムの企画/設計/開発 【具体的な業務】 ・Webアプリケーションの要件定義、設計、実装、テスト、リリース ・音声通話、オペレーター支援機能に関する開発 ・フロントエンド、バックエンド、データベースを含む各レイヤーの開発 ・社内メンバー、業務委託先、派遣社員などと連携した開発推進 ・コードレビュー、技術課題の解決、開発品質の向上 【主な開発環境・技術スタック】 ・フロントエンド:React、TypeScript、JavaScript ・バックエンド:Java、Spring Boot ・データベース:PostgreSQL、Redis ・インフラ/実行基盤:Linux、Docker、Podman、Kafka、Ignite ・音声技術:WebSocket、WebRTC、SIP、Asterisk、LiveKit ・その他:生成AI関連サービス(GitHub Copilot) ●業務の変更の範囲:会社内でのすべての業務

【ミッション】 移動体通信事業や固定通信事業をはじめ新サービスを含むさまざまなサービスを、テレフォニーシステムを通じてお客さまに提供すること。 【主な業務】 ソフトバンクが提供する事業における、テレフォニーシステムの企画/設計/開発 【具体的な業務】 ・Webアプリケーションの要件定義、設計、実装、テスト、リリース ・音声通話、オペレーター支援機能に関する開発 ・フロントエンド、バックエンド、データベースを含む各レイヤーの開発 ・社内メンバー、業務委託先、派遣社員などと連携した開発推進 ・コードレビュー、技術課題の解決、開発品質の向上 【主な開発環境・技術スタック】 ・フロントエンド:React、TypeScript、JavaScript ・バックエンド:Java、Spring Boot ・データベース:PostgreSQL、Redis ・インフラ/実行基盤:Linux、Docker、Podman、Kafka、Ignite ・音声技術:WebSocket、WebRTC、SIP、Asterisk、LiveKit ・その他:生成AI関連サービス(GitHub Copilot) ※全ての募集における雇い入れ後の、従事すべき業務・就業場所の変更の範囲については下記の通りとします。 ●業務の変更の範囲:会社内でのすべての業務

●現在抱えている課題 60,000名以上の受講生を抱える日本一のスクールである「GFS」において、日々発生するサービス改善案件(生徒用サイト、裏側の管理システム、配信システム等)のデリバリーを停止させることなく、既存機能の刷新・新機能の実装と、次世代基盤への安全な移行を両立させる新旧システムの並行稼働が直近の最大の課題です。 新機能開発・UI/UX刷新とリプレイス・技術的負債の解消の両面を同時に推進したい一方で、それを技術的に牽引するリード層が不足しています。また、立ち上がったばかりの「シゴトAI」を含め、複数プロダクトを横断する次世代アーキテクチャの構想・実現を牽引し、AI活用を前提とした新たな開発プロセスへと進化させていくための技術的・組織的な基盤づくりも急務となっています。 ●業務内容 バックエンド・フロントエンドの境界をなくし、Webプロダクトの要件定義から設計・開発・運用まで一気通貫でお任せします。単なるマネジメントではなく、自ら現場で手を動かしながらプロジェクトを牽引していただきます。 ・アーキテクチャ設計:マルチプロダクト展開や事業の急拡大を見据えた、技術選定およびスケーラブルな全体システム設計の主導 ・既存機能の刷新と新規機能の実装: 学習管理システム、コミュニティ機能、シミュレーションツールなどにおける、継続的なUI/UX改善および機能追加・リニューアル開発 ・次世代基盤への移行: 現行のPHP/Laravel環境から、Kotlin/Spring Boot・React/Next.jsを用いた次世代モダン環境への段階的かつ安全なリプレイスの推進 ・AI駆動開発の推進: AIエージェントが開発を進めやすい仕様書・ドキュメント・コンテキストの整備や、自動検証・レビューライン・品質管理・開発プロセスの設計と継続的改善 ●チームや組織に関して CTO直下の非常にフラットな開発組織への配属となります。現在の開発業務をすべて停止させるわけではなく、並行して新基盤へ移行するという難易度の高いミッションに携わり、迅速な意思決定のもと、大きな裁量を持って未来のアーキテクチャ設計や実装を推進していただけます。 現在はフロントエンドとバックエンドで役割を分担していますが、将来的には技術領域の境界をなくしていくことを目指しています。決められた役割に閉じず、UI/UX、API設計、データ設計、インフラなどプロダクト全体を見渡しながら、自らチームとプロセスを作り上げていくオープンなカルチャーです。巨大プロダクトのリプレイスを主導しながら、次々と立ち上がる新規事業の0→1フェーズに関わるチャンスも豊富にあります。 ●AI活用・開発生産性について Copiaでは、AIツールを単なる補助としてではなく、「開発の実行主体」として活用する最先端の「AI駆動開発」を推進しています。 Copilot / Cursor / Codex / Claude CodeなどのAIコーディングエージェントが自律的に開発を進めやすいよう、仕様書・ドキュメント・コンテキストの整備や、自動検証・レビューラインの設計を実施。経営陣・CTO直下のフラットな環境で、人とAIが協働する開発プロセスそのものを日々進化させています。 また、エンジニアの開発生産性を最大化するため、他社には類を見ない「月額10万円のAI利用手当」を福利厚生として全社導入しています。各メンバーが最新のAIモデルやツールをコストを気にせず自由に活用し、圧倒的なスピードと品質でプロダクトを生み出せる環境を整えています。 ●開発環境 <次世代の開発環境(AI教育事業・リプレイス後基盤)> ・言語 / フレームワーク:Kotlin / Spring Boot / NestJS / React / Next.js / TypeScript / Storybook <現行の開発環境(GFS事業)> ・言語 / フレームワーク:PHP / Laravel / React / Next.js / JavaScript / jQuery <インフラ・共通基盤> ・クラウド:AWS(ECS / Fargate / ELB / S3 / RDS / CloudFront) ・データベース:PostgreSQL ・インフラ管理:Pulumi ・その他:Docker / GitHub / Backlog / Slack ・AIツール:Copilot / Cursor / Codex / Claude Code ・OS:Windows / Mac(選択可) ・開発手法:アジャイル <デザイン・プロトタイピング> ・デザインツール:Figma(全社横断でのUI/UXデザイン、プロトタイプ作成、デザインシステム構築に活用) ●参考情報・関連リンク(More Info) ・[株式会社Copia 企業サイト](https://copia-group.co.jp/) ・[投資の学校 GFS(Global Financial School)](https://gfs.tokyo/introduction/) ・[AI教育サービス シゴトAI](https://shigoto-ai.com/introduction) ・[【note】エンジニアリングマネージャー鈴木の記事](https://note.com/copia/n/nb64ab429acf7)

「ハコベル運送手配」(軽貨物・一般貨物)のフロントエンド領域において、技術方針の策定からアーキテクチャ設計・実装までをリードしていただきます。 現在のフロントエンドはVue.jsで構成されていますが、システムリプレイスプロジェクトが進行中で、React.js + TypeScriptへの移行を進めています。既存コードベースの保守と新アーキテクチャの設計・実装を並行して推進するフェーズであり、中長期の開発速度と品質を両立させるための技術的な意思決定が求められるポジションです。 フロントエンドが主軸ですが、Ruby on Railsで構成されたバックエンドにも拾える範囲で踏み込み、機能開発をフロント〜API層まで一気通貫で完結させることも歓迎しています。PdMやデザイナーとの仕様策定にも深く関わりながら、チーム全体のフロントエンド開発力を底上げする役割を期待しています。 具体的には・・・ ・フロントエンドのアーキテクチャ設計・技術選定・方針策定 ・React.js / TypeScriptを用いた新規設計・実装 ・Vue.jsからReact.jsへのリプレイス計画の推進・実行 ・コードレビューや設計レビューを通じたチームの技術力の底上げ ・パフォーマンス改善、テスト戦略の策定と推進(Jest, Playwright等) ・PdM・デザイナーと連携したUI/UX仕様の検討・フィードバック ・API設計やバックエンドの実装など、フロントエンドに閉じない領域への挑戦 【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 ・バックエンド: Ruby, Ruby on Rails, Docker ・インフラストラクチャ: AWS(EC2, S3, RDS + Aurora, etc), GCP(Firebase, BigQuery, CloudFunctions, etc) ・フロントエンド: TypeScript, Vue.js, React.js ・テスト環境: Rspec, Jest, Playwright ・バージョン管理: Git/GitHub ・CI/CD: Jenkins, CodeBuild, CircleCI ・開発・運用支援: Sentry, Datadog, GitHub Copilot ・コミュニケーション: Slack, Notion, Google Meet ●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。 ハコベルでは複数プロダクトを展開しており、プロダクトごとに使用する言語が異なります。 ご希望やポジション状況によって、他言語のプロダクト開発に領域を広げていくことも選択肢としてございます。 ▼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代の若手メンバーが活躍しています!

・ビジネス部門との対話を通じた要件定義・仕様策定 ・顧客体験・運用負荷・技術的制約のバランスを踏まえた、スモールスタートな開発ロードマップおよびスコープの策定・関係者間の合意形成 ・フロントエンドの設計、開発、コードレビューなどのエンジニアリング業務 ・技術選定・アーキテクチャ設計を通じたプロダクト実現性の担保 期待する役割 MAP AIなどの新規事業におけるプロダクトエンジニアとして、フロントエンド開発を軸に、技術判断とプロダクト判断を一体的に行う開発をお任せいたします。 新規事業は、正解のない領域でPdM・エンジニア・ビジネスが互いの領域に踏み込み、助け合いながら進めるフェーズにあります。エンジニア側からもプロダクトの文脈を読み解き、要件の優先度判断・仕様の具体化・リリース可否の見極めといった意思決定を主体的に担っていただくことで、事業を共に前に進めていただきたいと考えています。 不確定要素の多い新規事業プロジェクトにおいて、『お客様のためになるか』を軸にチームの方向性を定め、『今確実に届けるべき価値』を見極めてプロジェクトを牽引する活躍を期待しています。 ▼ 参考記事 [【フロントエンドエンジニアのしごと】顧客体験を事業価値へとつなぐ、新規プロダクト開発](https://note.com/wealthnavi_hr/n/n32f9372e2577?magazine_key=m6a847018a1e2) ※プロダクト概要は「事業概要」の欄をご参照ください。 技術スタック ・言語・FW(フロントエンド):TypeScript, JavaScript, Next.js, HTML, CSS ・言語・FW(バックエンド):Java, Spring Boot ・インフラ　　　　:AWS(ECS, EKS, Lambda, API Gateway.etc) ・DB　　　　　　　:Aurora MySQL ・バージョン管理　:GitHub ・プロジェクト管理:Notion, Jira ・ドキュメント管理:Notion, Confluence ・その他　　　　　:Figma ・CI環境　　　　　:GitHub Actions ・生成AIの活用　　:GitHub Copilot, Gemini, Notion AI

●ウェルスナビのID基盤開発で実現したいこと ～顧客体験の起点となり、マルチプロダクト成長を加速させる「技術的”要”」～ 「総合アドバイザリー・プラットフォーム(MAP)」構想の実現、そして三菱UFJ eスマート証券との統合や新デジタルバンクの立ち上げにおいて、あらゆるサービスの起点・基盤となるのが「ウェルスナビID」です。 単一サービスのための認証機能を超えて、グループ全体のマルチプロダクト展開および顧客体験(UX)の革新を強力に後押しする役割を担っています。 ① 境界のないシームレスな顧客体験(UX)の提供 資産運用、保険、証券取引、デジタルバンクなど、急速に拡大する多角的な金融サービスへ「ひとつのID」で安全かつシームレスにアクセスできる環境を構築します。複雑な金融手続きのハードルを下げ、直感的でストレスのないユーザー体験を実現します。 ② 顧客データプラットフォームの起点・拡張 「ウェルスナビID」は、横断的な顧客理解を深めるためのデータプラットフォームとしての起点でもあります。複数サービスにまたがるデータをID軸で安全に接続・統合することで、顧客一人ひとりのライフステージや志向性に合わせた「最適なお金の提案(パーソナライズ)」を可能にします。 ③ 統合・拡大に耐えうる高トラフィック&堅牢なセキュリティ基盤の確立 三菱UFJ eスマート証券との統合によるシステム・データ連携や、MUFGの6,000万人スケールへの対応、さらにパスキーをはじめとする最新認証技術の導入など、最高水準のセキュリティと拡張性を両立させた「社会的責任の大きい金融インフラの認証基盤」をゼロから設計・進化させていきます。 ▽参考記事【ID認証基盤のしごと】次なる展開「複数事業化」を導くには 　https://note.com/wealthnavi_hr/n/n323875e0c7a0 ●期待する役割 上記構想を実現するべく、2026年7月、ID基盤専門のチームが立ち上がりました。新組織のコアメンバーとして、共通ID基盤の機能拡張や保守・運用を実装・技術面から強力に推進していただきます。 三菱UFJ eスマート証券との統合を見据えた大規模なシステム連携やデジタルバンクといった、非常にインパクトの大きいプロジェクトに参画いただきます。経営や事業に直結するミッションであることを認識し、リードエンジニアやEMと協力しながら複雑な技術課題に対して主体的にソリューションを考え実装まで完遂し、リリース後も責任を持って運用することを期待しています。 ※プロダクト概要は末尾の「事業概要」の欄をご参照ください。 ●業務内容 ・Auth0やJava/Spring Bootを用いた「ウェルスナビID」の機能拡張開発、パフォーマンス改善、および保守・運用 ・統合に伴う周辺サービスや他社システムとのID・データ連携アーキテクチャの設計、およびAPIの実装 ・システム統合時におけるユーザーの混乱を防ぐ、安全かつストレスのない認証機能(新規登録・ログイン・MFA等)の開発・UX改善 ・開発・運用におけるボトルネックの特定と、技術面からの主体的なリファクタリング、および改善策の提案・実装 ●開発環境 ・開発言語/FW 　認証基盤: Auth0 　バックエンド: Java/Spring Boot 　フロントエンド: TypeScript/Node.js/React ・インフラ: AWS 　コンテナ環境: ECS 　モニタリング: Datadog 　DB: Aurora(MySQL) / DynamoDB ・コミュニケーション/ドキュメンテーション 　GitHub 　Slack 　Notion 　Google Docs ・利用生成AI 　Gemini 　Github Copilot 　Claude Code ▽参考記事 複数事業を支える共通ID基盤の設計とデータ・ID連携のアーキテクチャ 　https://www.docswell.com/s/WN_Tech-PR/KPG18L-2025-11-20-154347#p1

・アプリケーションやデータベースのパフォーマンス分析、最適化の推進 ・インフラの設計・開発・運用 ・開発・運用業務のプロセス改善や自動化 ・インシデント管理とオンコール対応 ・クラウドコストの可視化や最適化 ・監査対応や脆弱性対応、セキュリティのエンハンス ・共通基盤/内部開発者ポータルの設計・開発・運用 ・共通サブシステムの設計・実装・運用(例: Goによるメール送信基盤実装) ・運用業務をAIで効率化し、ナレッジをAI基盤やプロダクトに還元する 直近の取り組みは [ウェルスナビのSREチームの歩みとこれから](https://zenn.dev/wn_engineering/articles/79f8cc1d047861) をご確認ください。 ●期待する役割 上記の業務について、能力やキャリア志向を考慮した上で担当いただきます。 非常に早いスピードで事業が成長しているため、そのボトルネックになっている箇所を見つけ、技術やコミュニケーションを駆使して解決する事を期待します。 リーダーシップを発揮し、チームメンバーと共に粘り強く目標を達成することを期待します。 SRE文化の醸成など、開発組織全体に好影響を与えるような取り組みにも期待します。 ●技術スタック ・インフラ:ECS(新規プロダクトはEKS) ・開発言語: Go, Terraform ・データベース:Aurora MySQL(新規プロダクトはPostgreSQL) ・認証基盤: Auth0 ・CI/CD:GitHub Actions, ArgoCD ・モニタリング: Datadog ・データ基盤: BigQuery ・ドキュメント/コミュニケーション: Notion, Slack, Zoom ・AI: GitHub Copilot, Notion AI, Bedrock, Open AI Service ・セキュリティ: Orca Security, Keeper

期待する役割 MAP AIなどの新規事業におけるプロダクトエンジニアとして、バックエンド開発を軸に、技術判断とプロダクト判断を一体的に行う開発をお任せいたします。 新規事業は、正解のない領域でPdM・エンジニア・ビジネスが互いの領域に踏み込み、助け合いながら進めるフェーズにあります。エンジニア側からもプロダクトの文脈を読み解き、要件の優先度判断・仕様の具体化・リリース可否の見極めといった意思決定を主体的に担っていただくことで、事業を共に前に進めていただきたいと考えています。 不確定要素の多い新規事業プロジェクトにおいて、『お客様のためになるか』を軸にチームの方向性を定め、『今確実に届けるべき価値』を見極めてプロジェクトを牽引する活躍を期待しています。 ※プロダクト概要は「事業概要」の欄をご参照ください。 業務内容 ・ビジネス部門との対話を通じた要件定義・仕様策定 ・顧客体験・運用負荷・技術的制約のバランスを踏まえた、スモールスタートな開発ロードマップおよびスコープの策定・関係者間の合意形成 ・バックエンドの設計、開発、コードレビューなどのエンジニアリング業務 ・技術選定・アーキテクチャ設計を通じたプロダクト実現性の担保 技術スタック 言語・FW(バックエンド):Java, Spring Boot 言語・FW(フロントエンド):TypeScript, JavaScript, Next.js, HTML, CSS インフラ　　　　:AWS(ECS, EKS, Lambda, API Gateway.etc) DB　　　　　　　:Aurora MySQL バージョン管理　:GitHub プロジェクト管理:Notion, Jira ドキュメント管理:Notion, Confluence その他　　　　　:Figma CI環境　　　　　:GitHub Actions 生成AIの活用　　:GitHub Copilot, Gemini, Notion AI

●クリエイターへ価値を届けるプロダクト、またはクリエイターの価値を広告主へ届けるプロダクト、いずれかのプロダクト開発 ●多様な要件を深く理解した上での整理、あるべき仕様への落とし込み ●開発しているシステムの運用と保守 ●さらなる新規プロダクトの開発 【開発環境・使用技術】 ▪アプリケーション ・バックエンド:Ruby on Rails ・フロントエンド : TypeScript / React(Next.js) ・インフラ : AWS / Vercel ▪データ基盤 ・インフラ : GCP(BigQuery / Cloud Composer / Dataflow / VertexAI) ・Python ▪CI/CD:CircleCI / GitHub Actions ▪ツール系:Docker / Terraform ▪モニタリング:CloudWatch / Sentry ▪ドキュメント/Issue 管理:Github Issues / Github Projects / Notion ▪コミュニケーション:Slack / Google Meet 【生成AI活用状況】 当社では開発生産性の飛躍的な向上を目指し、生成AIを積極的に活用しています。 GitHub Copilot、CodeRabbit、Geminiを活用し、コードの自動補完・生成からレビュー支援、デバッグまで、開発フロー全体の効率化に取り組んでいます。 また、直近ではClaude Codeの導入検証も進めており、さらなる生産性向上に向けて前向きに取り組んでいます。 私たちは常に最新技術にアンテナを張り、積極的に取り入れることで、技術的な挑戦を続けたいエンジニアにとって最適な環境を提供したいと考えています。 【変更の範囲】 会社の定める業務

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

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

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

タイミーのQAエンジニアは、開発チームとともにプロダクト品質に向き合いながら、AIを前提に品質管理プロセスそのものを見直し、チームが自律的に品質を作り込める仕組みを設計・実装する役割を担います。 事業フェーズやプロダクトのリスクに応じて、必要なQAの強度を見極めながら、品質基準、AI向けのルール、評価モデル、テスト戦略を整備し、それらをCI/CD、自動テスト、テスト実行環境、監視・フィードバックの仕組みに接続していきます。単なるテスト工程の自動化ではなく、要求整理、レビュー、リスク分析、検証計画、フィードバックまで含めた開発プロセス全体を改善していきます。 具体的には、以下のような業務を想定しています。 ●品質基準・QAプロセスの設計と構造化 QA Handbook、QA Skills、テスト戦略、品質基準を整備し、チームが再現性をもって品質を担保できる状態をつくります。 要求仕様、AC、DoD、テスト観点を開発チームやAIが扱いやすい形に構造化し、開発プロセスの中で活用できるようにします。 ●リスクベースの品質設計 プロダクトや機能の特性を踏まえて品質リスクを整理し、どこに重点を置いて検証すべきかを設計します。 事業フェーズやリスクの大きさに応じてQA強度を調整し、人による判断と自動化のバランスを見極めます。 ●AI駆動開発に対応した品質ルール・評価の設計 AIエージェントが品質判断に活用できるよう、品質ルール、プロンプト、レビュー観点、評価基準を設計します。 AI生成物に対する品質ゲートやフィードバックの仕組みを整備し、AIを活用した開発でも品質を継続的に担保できる状態をつくります。 ●自動検証・テスト基盤の構築 プロダクトのテスタビリティ向上を主軸に、テストしやすい設計・テストデータ・実行環境・検証観点の整備を進めます。 自動テストやCI/CDと接続し、開発チームが継続的かつ効率的に品質を確認できるテスト基盤を構築・改善します。 ●セルフQA基盤の導入・展開 開発チームが自律的に品質を確認・改善できるよう、品質ガードレールや標準プロセスを設計・導入します。 品質基準を開発プロセスや自動検証の仕組みに接続し、品質保証を人手に閉じないスケーラブルな仕組みへ進化させます。 開発環境(主要な部分の抜粋) ●Backend 開発言語: Ruby 4.0系 アーキテクチャ: Ruby on Rails 7.2系、RSpec ●Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR ●Mobile(iOS) 開発言語: Swift ●Mobile(Android) 開発言語: Kotlin ●Infrastructure AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc… Elasticsearch(AWS Marketplace) Google Cloud(一部サービス) IaC:Terraform ログ:Datadog LogsとS3に集約 ●その他 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 ●組織的な品質文化の醸成 サイクルタイム(要件定義からリリースまでの完了時間) やFour Keysなどのメトリクスを活用し、「フィードバックサイクルの短縮」が「品質改善スピード」に直結するという考え方を浸透させます。 ポストモーテムのファシリテーションや、テスト設計技法のレクチャーなどを通じて、チーム全体の品質意識とスキルを高め、自律的な改善サイクルを回せるように支援します。 開発環境(主要な部分の抜粋) ●Backend 開発言語: Ruby 3.4系 アーキテクチャ: Ruby on Rails 7.2系、RSpec ●Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR ●Mobile(iOS) 開発言語: Swift ●Mobile(Android) 開発言語: Kotlin ●Infrastructure AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc… Elasticsearch(AWS Marketplace) Google Cloud(一部サービス) IaC:Terraform ログ:Datadog LogsとS3に集約 ●その他 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 組織カルチャー ●開発組織のカルチャー タイミーの開発組織は個々人の志向や特性の多様性を「許容」するのではなく「歓迎」する組織です。 各メンバーの多様性を彩りとして捉えて決して否定せず、強みとして重ね合わせて、同じチーム、プロダクトの目標を達成を実現できる組織を目指しています。 また、チームトポロジーの考えを活用した組織構造を採用していることも特徴です。例えば、顧客価値に基づいて領域ごとに組織を分割したり、専任のエンジニアリングマネージャーやアジャイルコーチ、スクラムマスターなどマネジメント専門職メンバーを各チームに配置しています。 https://www.youtube.com/live/uJL3M7R8MLc?feature=share&t=3057 ●技術コミュニティ活動 社内の所属チームを超えたiOSやAndroidなど専門的な技術テーマごとに取り扱うコミュニティ活動も活発で、組織図を超えたオープンなコミュニケーションが行われています。 また、RubyKaigi や Kaigi on Railsを始めとしたカンファレンスのスポンサー活動やイベント登壇、記事の発信など技術コミュニティへの貢献や広報にも力を入れています。 ●オンボーディング メンバー一人ひとりが能力を発揮して、チームで活躍できる環境を目指して様々なオンボーディングプログラムを実施しています。 例えば、入社後チームや技術領域が近いメンバーがメンターとして伴走するオンボーディングの実施や、現職のスクラムマスターからスクラムに関する考え方や手法などをインプットするスクラムオンボーディング、配属直後にマネジメント層とのWelcome 1on1を実施しています。これからの取り組みによって、会社への不明点を早期に解決することで、新メンバーがタイミーで活躍しやすい環境を整えています。 https://productpr.timee.co.jp/n/n46122cd3ec6b ●働き方 フルリモート・フレックスの働き方が浸透しており、NotionやSlackを活用したテキストコミュニケーション、ハドルやMeetを使った同期的なコミュニケーションなどによって職種問わずコミュニケーションが活発な環境になっています。 また、所属チームを超えてiOSやAndroidなど専門的な技術テーマごとに取り扱うコミュニティ活動も活発で、組織図を超えたオープンなコミュニケーションが行われています。 https://productpr.timee.co.jp/n/n2dcb5475e249 ●DevEnable室の取り組み エンジニアの市場価値向上につながる成長支援、学習支援、機会提供、生産性向上を行う専門チームDevEnable室を設置しています。 具体的な制度の一部をご紹介します。 ・在宅環境を自分好みに整えられるリモートHQ制度 ・技術コミュニティ発展への貢献を後押しするOSSボーナス制度 ・世界中のカンファレンス参加を支援するKaigi Pass制度 ・最大300万円、勤務年数に応じて返済不要のエンジニア奨学金制度 ・DevEnable室に込めた思いについても記載していますので、よろしければぜひ下記URLもご覧ください。 https://product-recruit.timee.co.jp/tde10

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

複数のデジタルツールで建設業界を支援してきた弊社が2019年から取り組んできた「建設 DX Platform」構想。 具体的にいうと、BtoBオンラインマッチングプラットフォームとCMSツールに、新たなSaaSツールを組み合わせることで「建設業がデジタルトランスフォーメーションに舵を切りやすくするための環境」を構築していこう!という取り組みです。 今回、入社していただく方に期待しているのは、以下の3点です。 ①経営層との調整、および経営戦略に紐づいた技術的な方向性の設計と推進 ②社内のエンジニアチームの技術的なマネジメントや制度設計 ③自社サービスのアーキテクチャの設計や構築、またはその運用 弊社のミッションは「スモールビジネスを前進させるブレークスルーカンパニー」。 ビジョンは「建設をテクノロジーでアップデートする」。 日本巨大産業のひとつである建設業界の変革は、他社で経験を積まれた方にとって、とても刺激的かつチャレンジングな仕事になるでしょう。 また社内のエンジニアの技術的なサポートも業務として発生します。 積極的にアウトプットをしながらチーム全体のスキルアップ変化を進められる方を募集します。 開発環境 フロントエンド:TypeScript, Vue.js, Nuxt.js, Sass バックエンド:Ruby, Ruby on Rails, RSpec データベース:MySQL, Redis iOS / Android:Dart, Flutter インフラ:Firebase, AWS, GCP 各種開発ツール:GitHub, Docker, CircleCI タスク管理 / ドキュメント:Slack, Notion, ZenHub 分析 / エラー監視:Sentry, Redash デザインツール:Figma ※プロダクトごとに採用技術が異なります。 ※GitHub Copilotの使用が可能です! https://branu.jp/news/page/230518/

本ポジションでは、単なるAI機能の実装にとどまらず、 「どの業務課題にAIを適用することで本質的な価値を生むか」から設計し、プロダクトに実装・運用するところまでを一貫して担っていただきます。 プロダクトはすべて立ち上げ〜グロース初期フェーズにあり、AIを前提としたプロダクト設計・再構築を推進していく重要なポジションです。 ・業務課題に対するAI活用の企画・価値設計 ・LLM / MLを用いた機能設計・実装・改善 ・RAG構成の設計、チューニング、評価基盤の構築 ・モデルの学習・推論パイプラインの設計・運用 ・プロダクトへのAI機能の本番実装(PoCで終わらせない) ・パフォーマンス・精度・コストの最適化 ・継続的な改善のためのログ設計・評価指標設計 ・プロダクトチーム(PM / エンジニア / デザイナー)との協働 プロダクトフェーズ Dress Code株式会社はワークフォースマネジメントプラットフォーム「DRESS CODE」を開発・提供するスタートアップです。 人事・労務・採用・情シス・総務といった複数業務領域を横断し、分断された業務データ・プロセスを統合することで、企業の生産性を構造的に改善するプロダクト群を開発しています。 顧客価値を根本から見直し、引き算思考で 『DRESS CODE』 を開発し、企業ごとにカスタム機能を作るのではなく、泥臭く業務シナリオを徹底的に洗い出し、全てを標準装備として実装しています。 Dress Code創業 - 「誰もやらないから、挑戦する意義がある」(https://note.com/dresscode/n/n5a808cbf3d46) シードで累計14.1億円を調達済み(https://prtimes.jp/main/html/rd/p/000000001.000160565.html) 日本・インドネシア・ベトナム・タイ・シンガポールなど、アジアを中心にグローバル展開 200社を超える顧客を獲得 ●開発環境 アジャイル・スクラム（2週間スプリント）を採用 Feature（価値・機能）単位でフルスタックに開発 ペアプロ・モブプロは積極的に採用 イベントストーミング・ドメインモデリングは特に注力 ●バックエンド ・NestJS ・Prisma RustエンジンからTSネイティブアダプタへ移行 ・Aurora PostgreSQL v17 Blue/Green Deployments でメジャーアップデートを運用 ・モジュラモノリス Force分割 ・ECS Fargate ●非同期・バッチ基盤 ・AWS Batch on Fargate ・EventBridge ・S3トリガー ・Noisy Neighbor 対策 ●参照系・整合性の設計 ・CQRS ・QueryService + DTO パターン ・Choreography → Orchestration Saga ・Event Sourcing 的なデータ設計 ・Prisma の onCommit フック ●フロントエンド・BFF ・Next.js SSR / BFF ・React Compiler annotationモード＋Oxlintで段階導入 約7,500ファイル規模のTypeScriptプロジェクト ・TanStack Query ・Dexie.js ・Server-Driven UI（SDUI）による台帳画面の運用 ・型共有：oRPC OpenAPIコード生成からの移行 ●認証・権限基盤 ・Ory Kratos 将来 Ory Hydra を検討 ・Permission & Roles プロダクト横断の権限共通基盤 Default Deny / Default Allow の設計判断 ●インフラ ・AWS WAF v2 ALB ECS Fargate Graviton（ARM64） Secrets Manager Bedrock ・IaC：AWS CDK ・GCP連携 Service Account Workload Identity Federation Domain-wide Delegation によるキーレス認証 ●CI/CD ・GitHub Actions self-hosted ARM64 ランナー ・Docker buildx ・SOCI デプロイ時間を約50%短縮 ●開発手法・QA・AI活用 ・仕様駆動開発 OpenSpec ・ADR ・Playwright ・runn ・AIコーディング Cursor Claude Code Claude Code in Chrome ・AIが書いたコードのPRレビュー／Approveのメンタルモデルづくり ●AI環境 AIへの投資を惜しまない開発環境です。 「顧客への提供価値が向上するなら、もっと投資していい」という代表の方針のもと、必要性を説明できれば使いたいAIツールをためらわず導入できます。 AI開発合宿のように、意図的に集中して挑戦する機会もあります。 Cursor / Claude Code に加え、Claude Code in Chrome でのブラウザ操作の自動化や、AIが書いたコードをどうレビュー・Approveするかといった「AIと協働する開発文化」そのものを、チームで議論・更新しています。

●担当業務 部門内の横断アーキテクトチームのメンバーまたはリーダーとして配属することを想定しています。 このチームは事業部内の複数PJに横断的に参画し、提案フェーズのシステム構成検討、開発フェーズにおける方式設計・共通部品開発・各種標準化、保守フェーズではトラブル時における技術調査まで担当します。 プロジェクトマネジメントに関わらずに、技術力を発揮することに特化した役割となっています。 アーキテクトチームでは、将来採用される可能性のある新技術について、お客様の研究開発部門と定期的な情報交換も行っています。また、開発生産性向上に向けた施策の立案・推進も担当しています。具体的には、自組織で採用実績のない技術の採用判断(PySpark, Flask, FastAPIや、Snowflake/DatabricksなどのAI+データ利活用ソリューション、Cline, Github CopilotなどのAI開発ツール、Ethereum ERC-4337など)やAI活用による開発手法の改革(AI中心開発の実プロジェクトへの適用推進・サポートなど)に取組んでいます。 対象となるPJは、顧客の新規事業(法人企業向けサイト、リテール向けモバイルアプリなど)に関するシステムおよび自社サービス開発があり、フロントチャネルシステムからバックエンドシステムまで幅広く存在しています。 現在のチームメンバーは7名で、50代～20代までが活躍しています。 ●キャリアパス ・最初の半年から1年程度は、既存メンバーと一緒にPJ参画し、環境に慣れることと社内の人脈づくりとともに、安定した成果を発揮いただく ・その後、開発PJでチーフアーキテクトを担当 ・3年目以降、特定領域の複数PJのアーキテクト統括を担当、新技術/開発プロセスの採用を判断、推進する役割を担っていただきます ・将来的には、事業部アーキテクトとして、当社の銀行向け開発領域全体のアプリケーションアーキテクチャ品質に貢献

「ハコベル運送手配」の軽貨物・一般貨物領域における、要件定義からバックエンド・フロントエンドの実装まで、チームメンバーと協業しながら一気通貫で担当していただきます。 ハコベルではエンジニアも、PdMやCSと共にユーザーヒアリングやオンボードに参加し、ドメイン理解を深めることを重視しています。「言われたものを作る」ではなく、課題の構造を理解した上で何を作るか・どう作るかを一緒に考えられる方を求めています。 <具体的には…> ・BizやPdMと連携した、プロダクトビジョン・目標達成に向けた開発と運用 ・ユーザーが受け取る価値を起点とした、機能設計と実装方針の検討・実践 ・TLと連携した技術選定(言語・フレームワーク・ライブラリ) ・プロダクトの安定運用と改善サイクルの推進 ●開発環境 ・バックエンド: Ruby, Ruby on Rails, Docker ・インフラストラクチャ: AWS(EC2, S3, RDS + Aurora, etc), 　GCP(Firebase, BigQuery, CloudFunctions, etc) ・フロントエンド: TypeScript, Vue.js ・テスト環境: Rspec, Jest, Playwright ・バージョン管理: Git/GitHub ・CI/CD: Jenkins, CodeBuild, CircleCI ・開発・運用支援: Sentry, Datadog, GitHub Copilot ・コミュニケーション: Slack, Notion, Google Meet ●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 ●配属組織 配属されるシステム開発部 運送手配システムGは、10名のメンバーが在籍しています。 <在籍メンバー例> ・[EM赤川](https://note.com/hacobell/n/n307bfd7ca39f) ・[TL池松](https://note.com/hacobell/n/n5e644b2abd8b) 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 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

・プロダクト開発 JAPAN AI STUDIO を活用した業務ワークフローの実装 (稟議承認、リソース最適配置、見込み 顧客探索、データ連携 等) LLM / AI エージェントを活用した軽量 PoC の高速実装 各種 SaaS (SmartHR / Salesforce / HRMOS / 楽々精算 等) との API 連携・データ統合 フルスタック開発 (バックエンド + フロントエンド) ・本番導入のための実装・改善 シニアエンジニアの設計に基づく本番導入向け実装 パフォーマンス・信頼性の改善 セキュリティ・コンプライアンス要件への対応 (シニアのサポート下) ・プロダクトフィードバック 実装過程で気づいた改善ポイントのプロダクトチームへの還元 再利用可能なコンポーネント・パターンの抽出と提案 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。 JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。 その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●期待する役割について シニアエンジニアと協働しながら、以下を段階的に担っていただきます。 ・Phase 1 (入社〜3ヶ月): 実装担当 シニアエンジニアが設計したワークフロー / PoC の実装担当 JAPAN AI STUDIO の操作・SDK の習熟 各種 SaaS (Salesforce / SmartHR / kintone 等) との API 連携実装 ・Phase 2 (3〜6ヶ月): 実装リード 小規模ワークフローの設計〜実装を単独で担当 実装方針のドキュメント化・チーム内共有 プロダクトチームへのフィードバック起票 ・Phase 3 (6〜12ヶ月): 中規模機能のリード 中規模機能の設計・実装のリード 技術選定・アーキテクチャ判断への参加 後続のポテンシャル枠メンバーの OJT サポート ●成果責任 (KR/メトリクス) プロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約120名が開発組織に在籍しています。 本ポジションが所属する FDE チームは現在 7名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●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 インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース 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

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

●課題を定義する 顧客の業務プロセス・データ環境・既存SaaS群の全体像を把握し、AIがどこに介入すれば効果が最大化するかを特定します。経営層から現場担当者までと直接対話し、仕様書を受け取るのではなく、仕様を自ら定義します。 ●爆速で作る JAPAN AI STUDIOで、現場が実際に使うワークフロー（稟議承認、リソース最適配置、見込み顧客探索、データ連携 等）を構築します。顧客の既存SaaS（Salesforce / SmartHR / kintone 等）とのAPI連携、LLM・AIエージェントを用いたPoCの高速実装から本実装まで、フルスタックで自ら手を動かします。 ●本番に載せ、プロダクトに還す 本番導入の技術支援、セキュリティ・コンプライアンス要件への対応、導入後の利用定着まで伴走します。現場で得たパターンはプロダクトチームへ還元され、次の標準機能になります。 例：全国50店舗を展開する小売業。紙ベースで平均5営業日かかっていた発注稟議を、過去の承認パターンをAIが学習して一次判断するワークフローに置き換え、リードタイムを1営業日に短縮。この事例は標準テンプレートとして他顧客にも展開されました。 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●期待する役割について 顧客の業務プロセスとデータ環境を深く理解し、JAPAN AI STUDIO を活用して課題解決を実装・導入するエンジニアです。 顧客の既存システム (SaaS 群) の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する JAPAN AI STUDIO を活用し、現場が実際に使えるワークフロー (稟議承認、リソース最適配置、見込み顧客探索 等) を爆速で構築する PoC を本番環境へ導入し、利用定着まで伴走する 現場で得た知見をプロダクトチームにフィードバックし、プロダクトを進化させる 経営層から現場担当者まで、多様なステークホルダーと関係を構築する ●成果責任 (KR/メトリクス) FDE の動きがプロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約60名が開発組織に在籍しています。 FDEチームは現在10名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●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 インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース 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

エージェント研究開発 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 新しい推論・計画・検索手法の研究開発 マルチモーダル・長文コンテキスト対応の技術開発 最新論文の調査・再現・改良実装 評価・ベンチマーク 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 合成データ生成・評価ベンチマーク設計 モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体) プロダクション課題の解決 推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等) モデル学習用データミックスの作成・最適化 エージェント評価フレームワークの高度化 本番環境での品質改善・パフォーマンスチューニング 技術移転・発信 Agentic Product Engineer チームへの技術移転・メンタリング 学術機関・OSS コミュニティとの連携 【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 : SaaS 横断検索のためのナレッジグラフ RAG の研究開発 JAPAN AI STUDIO が「企業の脳」として機能するには、顧客の全 SaaS に散在する情報を横断的に検索・統合する必要がある。 既存の RAG では「Aプロダクト の従業員データ」と「Bプロダクト の商談データ」の関係性を捉えられず、回答精度が低い。 ナレッジグラフベースの RAG アーキテクチャを研究・開発し、エンティティ間の関係性を構造化。 SaaS 横断検索の回答精度を 40% 向上させ、Agentic Product Engineer チームに技術移転して全プロダクトに展開。 ●ミッション Agentが降参する問題を解く 現在の AI エージェントでは解決できないフロンティア課題に挑み、新しい推論手法・検索 / 計画・長期記憶・ツール利用の品質限界を突破する。 JAPAN AI STUDIO 上で動く数百のワークフローが、より賢く・速く・安全に動作する未来を、研究で切り拓く。 ●期待する役割について Research Engineer として、AI/LLM/ML の最先端研究と応用研究をリードしていただきます。 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 モデルとプロンプトの自動評価を支援し、学習からプロダクトライフサイクル全体にわたって品質を担保 プロダクト組織と協力し、エージェントをプロダクトに適用するうえでの最も困難な課題を解決 モデル学習用データミックスの作成・最適化により、エージェントタスクにおける性能と使いやすさを向上 研究成果を Agentic Product Engineer チームに移転し、プロダクト全体の品質を底上げ 論文を書くことがゴールではありません。 研究成果をプロダクションに適用し、約 200 社が利用する本番環境でユーザーに届けることを重視します。 ●成果責任 (KR/メトリクス) ベンチマークスコア改善率 (社内 / 公開ベンチマーク) 新手法のプロダクション適用数 (四半期あたり) 推論レイテンシ / コスト改善率 論文・技術ブログ発表数 社内技術移転完了数 ●チーム体制 約120名が開発組織に在籍しています。 Research Engineerは以下のプロジェクトを横断して活動します: JAI Lab — AI研究開発 AI&Model — モデル学習・最適化 Voice & Tel — 音声AI・電話システム 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (技術移転先) Agent Harness Engineer — エージェント実行基盤 AI Quality Scientist Specialist — 評価パイプラインとの連携 Product Manager — プロダクト設計 ●開発環境 言語 : Python (研究・フレームワーク部), TypeScript / React / Next.js (フロントエンド部) / NX ML / AI : PyTorch, JAX, Transformers, vLLM, Weights & Biases インフラ : GCP (コンテナ / K8s), Docker 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

ログラスが掲げる「良い景気を作ろう。」の実現に向けて、複数プロダクトを横断してお客様の継続的な価値提供を支える共通基盤を構築・推進していただきます。このポジションは、各プロダクト機能開発チームとは独立した立場で、横断領域を中心にプロダクト群全体のスケーラビリティと整合性を担保するアーキテクチャ設計と実装、運用をリードします。 ●想定される開発テーマ: ・マルチプロダクト化に対応した認証・認可・SSO・ユーザー管理などの認証認可基盤 ・複数テナント・プロダクトをスムーズに横断するためのグルーピングの機構や契約管理、フィーチャー制御といった機能制御基盤 ・外部サービスとセキュアに連携するための M2M認証・認可、リミット制御、IP アドレス制限などの連携基盤 ●業務内容の変更範囲 会社の定める業務 ●技術スタック/ツール アプリケーション: Go / TypeScript / Kotlin / Rust データベース: PostgreSQL / データレイクハウス技術 インフラ: AWS / K8s / argo / Datadog AIツール: Claude Code / Codex / Gemini コミュニケーション: Slack / FigJam / Notion

【仕事概要】 本ポジションでは、営業領域のLLM新規プロダクトにおいて、PdM・デザイナー・エンジニア・事業メンバーと連携しながら、ディスカバリーからデリバリーまで一気通貫でプロダクト開発に携わっていただきます。 単に仕様通りに開発するのではなく、顧客課題や業務プロセスを深く理解し、「どのようなプロダクト体験であれば営業活動の成果につながるのか」をチームで探索しながら、LLMを活用した機能開発、アーキテクチャ設計、技術品質の向上、開発プロセス改善を推進いただく役割です。 また、開発チームではCursorやClaude Codeなどを活用したAI駆動開発を積極的に推進しています。AIプロダクトを、AIネイティブな開発プロセスで高速に作り、PMF達成と事業成長に直接コミットすることができます。 【業務内容】 ●LLMを活用したコア機能の設計・実装 ・商談データや営業活動データなど、マルチモーダルな情報を活用したプロダクト機能の設計・実装 ・プロンプトエンジニアリング / コンテキストエンジニアリングを含む、LLM活用機能の改善 ・Kotlin / Python / Next.js / TypeScript を用いた継続的な機能開発 ●PMF達成に向けたプロダクト開発 ・PdMや事業メンバーと連携した顧客課題の探索、要求整理、仕様検討 ・ユーザーフィードバックや利用状況を踏まえた改善仮説の立案・実装 ・顧客価値と事業成果につながるプロダクト体験の継続的な磨き込み ●アーキテクチャ設計・技術品質の向上 ・将来のスケールと保守性を見据えたアーキテクチャ設計 ・技術的負債の解消、パフォーマンス改善、セキュリティ・信頼性向上 ・コードレビューや設計レビューを通じた開発品質の向上 ●AI駆動開発・開発生産性の向上 ・Cursor、Claude Code、Geminiなどを活用した開発プロセスの高速化 ・チームの生産性を高めるための自動化、開発フロー改善、ナレッジ共有 ・AIを活用した開発体験・開発組織の進化に向けた取り組み ●外部サービス・データ連携の設計・実装 ・Salesforceなど外部SaaS / API連携の設計・実装 ・顧客環境や業務データを踏まえたプロダクト連携の改善 【開発環境】 ・サーバーサイド 　Kotlin / Python ・フロントエンド 　React / Next.js / TypeScript ・インフラ 　AWS / Terraform / Fargate / ECR ・DB 　Aurora PostgreSQL ・テストツール 　Datadog synthetics / Playwright ・コミュニケーションツール他 　Slack / Gather / Figma / Findy team+ / Notion / diaglams.net / Cursor / Claude Code / Gemini ※業務内容の変更範囲 :会社の定める業務

●クリエイターへ価値を届けるプロダクト、またはクリエイターの価値を広告主へ届けるプロダクト、いずれかのプロダクト開発 ●多様な要件を深く理解した上での整理、あるべき仕様への落とし込み ●開発しているシステムの運用と保守 ●さらなる新規プロダクトの開発 【開発環境・使用技術】 ▪アプリケーション ・バックエンド:Ruby on Rails ・フロントエンド : TypeScript / React(Next.js) ・インフラ : AWS / Vercel ▪データ基盤 ・インフラ : GCP(BigQuery / Cloud Composer / Dataflow / VertexAI) ・Python ▪CI/CD:CircleCI / GitHub Actions ▪ツール系:Docker / Terraform ▪モニタリング:CloudWatch / Sentry ▪ドキュメント/Issue 管理:Github Issues / Github Projects / Notion ▪コミュニケーション:Slack / Google Meet 【生成AI活用状況】 当社では開発生産性の飛躍的な向上を目指し、生成AIを積極的に活用しています。 GitHub Copilot、CodeRabbit、Geminiを活用し、コードの自動補完・生成からレビュー支援、デバッグまで、開発フロー全体の効率化に取り組んでいます。 また、直近ではClaude Codeの導入検証も進めており、さらなる生産性向上に向けて前向きに取り組んでいます。 私たちは常に最新技術にアンテナを張り、積極的に取り入れることで、技術的な挑戦を続けたいエンジニアにとって最適な環境を提供したいと考えています。 【変更の範囲】 会社の定める業務