英語活用 TypeScriptのITエンジニア求人・転職情報

株式会社PKSHA Technology

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。

●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。

ソフトバンク株式会社

【ミッション】ソブリンクラウド環境において、生成AI/LLMを活用したAIアプリケーションを安全・効率的・継続的に開発、導入、運用するためのAIプラットフォームを設計・開発・運用します。 AIエージェント、ワークフロー自動化、モデル評価、データ連携、認証認可、監視、CI/CD、LLMOps/MLOpsなどの共通基盤を整備し、社内外の開発者や事業部門がAIソリューションを再現性高く構築できる環境を提供します。 また、個社・個別業務への導入支援を通じて得られた要件をプラットフォーム機能に還元し、AI活用の高度化とスケールを実現します。 【主な業務】・生成AI/LLMアプリケーション開発・導入 ・顧客・事業部門ごとの要件に応じた技術検証、プロトタイプ開発、環境構築、導入支援 ・個社対応で得られた要件や成功パターンを、共通コンポーネントとしてプラットフォームへ還元 ・必要に応じた共通基盤、API、SDK、テンプレート、管理機能の設計・開発 【具体的な業務】・ソブリンクラウド上での生成AI/LLM活用に向けた、AIプラットフォームの設計・開発・運用 ・AIエージェント、ワークフロー自動化、外部システム連携など、生成AIアプリケーション開発に必要な共通機能の設計・開発 モデル、AIアプリケーション、データパイプラインのデプロイ、監視、ログ管理、CI/CD、運用自動化を包括するLLMOps/MLOps/DevOps基盤の整備 ・個社・個別業務へのAI導入における技術検証、プロトタイプ開発、環境構築、導入支援、および得られた要件の共通基盤・テンプレートへの還元 ・社内外の開発者・事業部門によるAIソリューションの効率的な開発・導入に向けた、API、SDK、ドキュメント、サンプル実装、開発ガイドラインの整備

三菱電機株式会社

●組織のミッション DXイノベーションセンターは、「循環型 デジタル・エンジニアリング企業」の実現に向け、Serendie戦略を推進しています。グローバルで競争力のある事業DXを実現するため、技術・共創・人材・プロジェクト推進の4つの基盤を構築し、当社のイノベーティブ・カンパニーへの変革を牽引します。プラットフォーム設計開発部は、このうち技術基盤の中核として、共通プラットフォームの開発・運用・展開を担い、DX事業の立ち上げ迅速化とビジネスのスケール拡大に貢献します。 ●業務内容 事業部門と連携しながら、デジタルサービスの創出・高度化を支えるデジタルプラットフォームの開発・運営・展開、およびデジタルサービスの開発に携わっていただきます。加えて、関係者との調整やチーム内でのリードを通じて、プロダクト開発を主体的に推進いただくことを期待しています。 具体的には ・SaaS事業運営基盤、データ分析基盤、WebAPI連携基盤などの技術基盤の開発・運用・展開 ・アジャイル開発のもと、要件整理から設計・実装・運用まで一貫して関与し、関係者を巻き込みながらプロジェクトを主導 ・上記基盤の活用を前提とした各種デジタルサービス開発を、事業部門と連携しながら推進 【変更の範囲】 会社の定める業務(※) (※)業務の都合によっては会社外の職務に従事するため出向又は転属を命じることがあります ●使用言語、環境、ツール、資格等 ・AWS, Azure, Google Cloud ・Snowflake(DB) ・GitHub(バージョン管理),GitHub Copilot(コーディングアシスタント) ・Python,TypeScript,Next.js,Node.js ・Teams (コミュニケーション),Jira (タスク管理),Confluence(ナレッジ共有),Miro(ホワイトボード)

株式会社荏原製作所

CMP装置をはじめ、ドライ真空ポンプ、排ガス処理装置などの半導体製造装置およびコンポーネント製品から取得されるデータを活用した自社プラットフォーム(「X-bility」および「EBANET3」等)の開発・強化業務を担当いただきます。 開発チーム/プロジェクトリーダーとして、装置予知保全やデータ基板・アプリケーションの事業化・顧客への価値提供を推進頂けます。 ・装置・コンポーネント群から収集される各種センサーデータ(高頻度時系列データ)の収集・蓄積・解析・可視化を一体としたデータ基盤・アプリケーションのシステム設計および開発リード ・Chamber間・装置間・コンポーネント間のデータ比較・解析による予防保全機能やパフォーマンス最適化機能、故障予知アルゴリズムの組込み ・収集データを活用した新たなデジタルサービスの企画・アーキテクチャ構築およびグローバル展開の推進 ※変更の範囲:会社の定める業務

JAPAN AI株式会社

・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

JAPAN AI株式会社

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

JAPAN AI株式会社

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

JAPAN AI株式会社

●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

JAPAN AI株式会社

Agent Harness の設計・実装 エージェント実行エンジン (Graph Runtime / State Machine) の設計・実装 Agent SDK の設計・開発 — 社内エンジニアがエージェントを構築するためのインターフェース セッション管理・チェックポイント・リカバリ機構の実装 ガードレール / ポリシー実行エンジンの構築 — エージェントの行動を制御するルール実行基盤 AI/ML システム統合 モデルルーティング — 複数の LLM プロバイダ / モデルタイプを跨いだ推論リクエストの最適ルーティング コンテキスト管理・メモリ基盤の設計 (長期記憶、ワーキングメモリ、RAG 統合) 推論パイプラインの最適化 (レイテンシ削減、コスト効率化、キャッシュ戦略) Research Engineer と連携した最新研究成果の本番基盤への統合 オーケストレーション・パフォーマンス ワークフローオーケストレーション・キューイングシステムの開発 コスト/性能最適化 (オートスケーリング、キャッシュ、バッチ処理) 推論リクエストのルーティング・ロードバランシング 信頼性・運用 プラットフォーム稼働率 99.9% 以上の維持 インシデント対応・ポストモーテム データアクセス・権限管理基盤の設計 【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: エージェント実行エンジンの設計 JAPAN AI STUDIO 上で顧客が構築する AI エージェントの実行基盤を設計。 Graph Runtime を採用し、エージェントの各ステップを DAG (有向非巡回グラフ) として表現。 チェックポイント機構により、長時間タスクの途中失敗からの自動リカバリを実現。 ● シナリオ 2: モデルルーティングの最適化 複数の LLM プロバイダ (OpenAI / Anthropic / Google 等) を跨いで、タスクの種類・コスト・レイテンシに応じた最適なモデルを自動選択するルーティングエンジンを設計。 推論コストを 25% 削減しつつ、タスク成功率を維持。 ● シナリオ 3: ガードレール実行エンジンの構築 金融機関向けエージェントが「投資助言」に該当する回答を生成しないよう、ポリシー実行エンジンを構築。 ルールベース + LLM ベースのハイブリッド判定により、レイテンシを 50ms 以内に抑えつつポリシー準拠率 99.5% を達成。 ●ミッション 「企業の脳」の心臓部を設計する AI エージェントが安全・高速・確実に動作するための Agent Harness — 実行エンジン、オーケストレーション、ガードレール、メモリ、モデルルーティングを設計・実装する。 JAPAN AI STUDIO 上で動く数百のワークフローの制御基盤を、自社で構築する。 ●Agent Harnessとは Agent Harnessは、AIモデルを包み込む制御・実行基盤レイヤーです。 Agent Framework (LangChain等) がエージェントの「構築」を担うのに対し、Agent Harnessはエージェントの「制御・運用」を担います。 ●Backend Engineer 構築対象 : Web API・マイクロサービスの設計・実装 AI/ML との関わり : ML モデルを API 経由で呼び出す 状態管理 : ステートレスなリクエスト / レスポンス 安全性制御 : 認証・認可・入力バリデーション | ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 ●Agent Harness Engineer 構築対象 : LLM を中核としたエージェント実行エンジン・SDK・オーケストレーターの設計・実装 AI/ML との関わり : モデルルーティング、RAG 統合、コンテキスト注入、推論最適化をシステムレベルで設計 状態管理 : エージェントのセッション管理・チェックポイント・長期記憶・ワーキングメモリの設計 安全性制御 : ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 JAPAN AI では、この Agent Harness を自社開発し、全プロダクト (JAPAN AI STUDIO / CHAT / SPEECH / AGENT 等) の共通基盤として運用しています。 ●期待する役割について Agent Harness Engineer として、AI / ML の知識を活かしながらエージェントの制御・実行基盤を設計・実装していただきます。 LLM / AI エージェントの動作原理を深く理解した上で、実行エンジン (Graph Runtime / State Machine) を設計・実装する モデルルーティング、コンテキスト管理、メモリ基盤 (長期記憶・ワーキングメモリ) など、AI 特有のシステム設計を担う 社内 120名のエンジニアが使う Agent SDK を設計・開発する ガードレール / ポリシー実行エンジンを構築し、エージェントの行動を安全に制御する Research Engineer と連携し、最新の研究成果を本番基盤に統合する ●成果責任 (KR/メトリクス) Agent SDK 採用率 (社内チームの利用率・満足度) エージェント実行成功率 (タスク完了率、チェックポイントからのリカバリ成功率) Harness 起因の障害率 (ガードレール突破率、状態不整合率) 実行レイテンシ P95 / P99 (Harness 層のオーバーヘッド) 推論コスト効率 (モデルルーティングによるコスト最適化) 開発者体験スコア (SDK / API の社内 NPS) ●チーム体制 約120名が開発組織に在籍しています。 Agent Harness Engineerは以下のチームを横断して活動します: Infra — クラウドインフラ・SRE Data — データパイプライン・分析基盤 Agent Harness — エージェント実行フレームワーク 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (SDK のユーザー) Research Engineer — 研究開発・新手法の基盤統合 AI Quality Scientist — 評価パイプラインとの連携 Product Manager — プロダクト設計・非機能要件定義 ●開発環境 言語 : Python, Go (バックエンド・基盤開発) , TypeScript / React / Next.js (フロントエンド部) / NX インフラ : GCP (コンテナ / K8s) , Docker, Terraform メッセージング : Kafka / Pub/Sub 監視 : Prometheus, Grafana, OpenTelemetry 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

JAPAN AI株式会社

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

株式会社マネジメントソリューションズ（MSOL）

●仕事内容 ・次世代プロダクトの技術戦略の策定と実行 ・プロダクト全体アーキテクチャ設計、技術スタック選定 ・コードの品質と一貫性を保つためのコードレビューやペアプロの実施 ・技術的課題の発見/解決、パフォーマンス最適化 ・チームの技術的な底上げに向けたコーチング、メンタリング ・定常的に新しい技術やツールを評価し、プロダクトに取り入れるべきか判断 ●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 / Python ・データベース:PostgreSQL / GraphQL ・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 / Keeper ●人数規模(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) ●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 」

株式会社NTTデータ

● 職務内容 当ポジションでは、AIを単なる効率化ツールとして扱うのではなく、要件定義・設計・実装・テスト・運用のすべての工程に組み込んだ「AIネイティブ開発」 を実践しています。 対象は、マイナンバー制度を支える公共性・社会性の高いシステムです。 品質・説明責任・再現性が強く求められる領域において、AIエージェントを前提とした開発プロセスそのものを設計・改善しています。 従来のSI開発で求められてきた「要件を正しく理解し、設計し、実装に落とし込む力」があることは前提の上で、AIを開発パートナーとして活用するスタイルです。 主な業務内容 ・ お客様要望のヒアリングおよび要件の構造化・ドキュメント化 ・ AI活用を前提としたアーキテクチャ(基盤・処理・運用方式)の設計 ・ 設計～実装～試験までの一連のシステム開発作業 ・ AIエージェントの出力を踏まえたレビュー、妥当性検証、再設計 ・ 新規技術・生成AI関連技術の調査および検証 これらの業務を、人が主役となり、AIエージェントを“開発パートナー”として活用しながら遂行します。 将来的には、志向や適性に応じて、サブリーダ/リーダとしてプロジェクトを牽引していただくことも期待しています。 ● チーム・開発スタイルについて 当部署では、AIネイティブ開発に特化した内製チームを組成しています。 ・ PoCや検証止まりではなく、本番システムへの適用を前提 ・ スライド上のAI活用ではなく、コードと成果物で評価 ・ 完成された方法論はなく、仮説 → 実装 → 失敗 → 改善を繰り返す文化 なぜそうなるのかを説明できる設計・実装が常に求められますので、AIエージェントの出力をそのまま採用することはありません。 参考情報 ● 利用技術(一例) ・ 言語:Java, Kotlin, JavaScript/TypeScript ・ FW:Spring Boot, Thymeleaf, MyBatis ・ DB:PostgreSQL, Oracle ・ インフラ:AWS ・ その他:Redis, GitHub, IntelliJ, VS Code, AWS CDK, Jenkins, Ansible, Teams, Azure DevOps

株式会社日立製作所

ミッション ●業界/企業の課題把握及びその課題解決のためのHMAXソリューションの創生、サービス化、リカーリング ●新たな顧客の獲得や、既存顧客への新たな価値の提供により、スケールアップ/N倍化 ●HMAXソリューションを体現するサービスにおける、AI・MI活用を前提としたデータ及びアプリケーション基盤の設計・構築・運用 お任せしたい業務 ●日立のMI・AIツールを直感的に使えるWebアプリの設計・開発・テスト・リリース・サポート ●化学・バイオなど素材産業全般のサービス開発案件のデータ基盤構築・DevOpsパイプライン構築・バックエンド開発 ●顧客のデータマネジメント支援(データ定義、活用ルール検討、品質課題対応)及びPoC推進 ※ ご経験・志向に応じて、DevOps/バックエンド中心、またはデータエンジニアリング/データマネジメント支援中心の役割設計を行います。 (サービス開発事例) ・材料開発ソリューション 　材料の高機能化や環境配慮要求の高度化、開発期間の短縮などにより、従来の「経験と試行錯誤」に依存した材料開発には限界がきている。本ソリューションでは、マテリアルズ・インフォマティクス(MI)及び生成AI技術を搭載したアプリケーション群を中核に、実験条件の提案、材料配合・プロセス条件の最適化、開発スピードと成功確率の向上を実現し、材料開発の競争力強化と持続的成長を支援している。 ・再生材マーケットプレイス 　欧州や日本で再生材利用を促進する法規制の強化を背景に、再生材需要は拡大する一方、品質や供給の不確実性や取引の非効率、静脈産業の投資余力不足が課題となっている。本ソリューションでは、売り手(リサイクラ等)と買い手(製品・素材メーカー)を結ぶマーケットプレイスを中核に、AI/MIによる材料提案、データ基盤、品質分析、金融連携を組み合わせ、再生材取引の高度化と規模拡大を実現し、環境素材事業の持続的成長と資源循環の加速に貢献している。 ●職務詳細 (1)化学・バイオなど素材産業全般のサービス開発案件のデータエンジニア(DE)及びDevOpsエンジニアを担当していただきます。　 データエンジニアとしての専門性を軸に、DevOps/ソフトウェア開発の2つの観点でサービス開発に携わっていただきます。 DevOpsの観点: ・AWS / Azure 等のクラウド環境上におけるアプリケーション実行基盤のアーキテクチャ設計・構築 ・CI/CDパイプラインの設計・構築を通じたビルド・テスト・デプロイの自動化 ・IaCの開発、既存IaCコードの負債解消 ・DORAメトリクスの追跡・DevOpsサイクル改善 ソフトウェア開発の観点: ・バックエンドを中心としつつ、必要に応じてフロントエンドも含めたWebアプリケーションの設計・実装・テスト・リリース対応 ・自ら手を動かして実装を行うプレイングマネージャーとして、 チームと同じ目線で開発に参加すること ・プルリクエストを起点としたコードレビュー・マージを通じたコード品質の継続的な向上への寄与 ・レビューを通じたコーディング規約・設計方針の浸透によるチーム全体の技術ベースの底上げ ・顧客のデータマネジメント支援やPoCの推進 実力、経験に応じて、将来的には多様な分野(産業、流通、社会、金融等)におけるサービスやデータ基盤の構築に携わっていただく可能性があります。 (担当となる主な業務・プロジェクト分野) ・日立のMI・AIツールを直感的に使えるWebアプリのの設計・開発・テスト・リリース・サポート 代表候補のアプリケーション:材料データ分析環境、実験/製造自動化プラットフォーム、再生材マーケットプレイス ・材料開発(研究開発から製造)における生産性向上実現のためのMI/PIを用いた分析環境の実現 ・計測装置と連動して実験/製造データの収集からMI/PIを用いた意思決定までを自動化したプラットフォームの実現 ・再生材の売り手と買い手のマッチングをMI/PI/生成AIを用いて実現するマーケットプレイスの実現 (対象となるアプリケーション) ・AWSやAzureなどクラウドベースのアプリケーション ・機械学習、生成AIなどAIベースのアプリケーション ・eコマースアプリケーション (2)代表的な使用する技術は以下の通りです。 ・クラウド: AWS/Azure ・言語: Java/TypeScript/Python ・フレームワーク: Spring Boot/React ・ソースコード管理: GitHub ・DB: PostgreSQL/MySQL ・プロジェクト管理: Jira ・コミュニケーション: Microsoft Teams 配属組織名 デジタルサービスビジネスユニット(フロントサービス) デジタルサービスビジネスユニット　フロントサービス事業統括本部　サービス事業創生本部 配属組織について(概要・ミッション) ●組織のミッション:顧客の経営課題にリーチし、IT×OTプロダクトの知見を結合させたHMAXをコアとするAIソリューション群を開発し、デジタルサービス事業としてリカーリングし、新たな顧客の獲得や、既存顧客への新たな価値の提供により、スケールアップ/N倍化を図ること ●担当業界:化学・バイオなどの素材産業全般を中心とした民間企業のR&D部門 ●組織構成:上位マネージャ2名、マネジャー3名、データサイエンティスト18名、データエンジニア12名、ITエンジニア2名 携わる事業・ビジネス・サービス・製品など ●ビジネス・サービス・製品 ・HMAXソリューション 　HMAXは、AIで社会インフラを革新する次世代ソリューション群です。　フィジカル・デジタル両方のアセットから得られる膨大なデータを活用し、先進的なAIを日立ならではの深いドメインナレッジで強化することで、社会インフラが抱える最も複雑な課題に挑み、お客さまと社会に最大の成果と価値を提供します。これらのソリューションは、体系化された構成要素に基づいており、先進的な技術を組み込み、強固なパートナーエコシステムを活用することで、現場システムの信頼性とパフォーマンスを向上させます。HMAXは、産業設備・機器など物理的なアセットやデジタルアセットから収集されるデータと、日立が長年にわたり運用・保守システムの展開を通じて培ってきたドメインナレッジを組み合わせ、 Perception AI(認識AI)や生成AI、Agentic AI、フィジカルAIなど先進的なAI技術で、世界中に新たな価値をもたらす強力なソリューションを提供します。 ・参考URL https://www.hitachi.co.jp/products/it/lumada/hmax/index.html ●材料開発ソリューション 　従来、研究者の勘や経験、膨大な実験回数で築かれてきた材料開発を、多様な材料データから材料開発の指針を見いだすMIという手法が大きく変えようとしています。 国内外で素材産業のR&D部門がMI導入を本格的に進めており、新規市場形成および成長が進行しています。 日立は、グローバルな材料開発競争の激化を見越し、MIを用いた材料開発の導入をめざす素材産業に対して、MIを適用した「材料開発ソリューション」を2017年11月から提供開始しています。 ・参考URL https://www.hitachi.co.jp/Prod/comp/app/mi/ ●関連ニュースリリース・記事など ・材料開発ソリューション関連ニュースリリース https://www.hitachi.co.jp/Prod/comp/app/mi/newstopics.html ・日立評論:マテリアルズインフォマティクスを適用した材料開発ソリューションと今後の展望 https://www.hitachihyoron.com/jp/archive/2020s/2020/03/03b03/index.html

FPTニアショアジャパン株式会社

ウォーターフォール開発において、基本設計、機能設計、詳細設計、プログラム製造、試験工程に携わっていただきます。 ●案件例 通信キャリアの店頭契約業務で利用されるタブレット向け業務システムのUI/UX開発プロジェクトです。 ・チーム規模:20名程度 ・役割:サブリーダー、メンバー(ご経験による)

株式会社日立ハイテク

評価ソリューション開発部において半導体用計測検査装置のアプリケーションソフトウェア開発を担っていただきます。主に検査・計測装置が出力する画像やデータを活用し、顧客に価値を提供するソフトウェアの開発を行います。顧客の業務を理解して課題を推定し、顧客と共にスピーディーに課題解決を行うやりがいのある仕事です。 顧客の製品開発のために当社製品でどのようなことができるか、どのようなアプリケーションを搭載したら顧客ニーズにマッチするのか等、顧客の開発プロセスに合わせたソリューション開発、創生や技術の方向性の見極めを行います。実際に顧客課題を解決するアプリケーションソフトウェアの開発を行います。 【職務詳細】 米国、中国、台湾、韓国をはじめとした大手半導体メーカーやパワーデバイスメーカー等で稼働している当社装置が顧客の課題解決に貢献できるよう、 ソフトウェアの開発を行います。担当する業務によって、ニーズ・課題を顧客にでヒアリングし、課題解決に向けたアプリケーションの創生を行う場合と、 画像や計測データを用いた測長やパターン認識等のアルゴリズム設計・実装を中心に業務を行う間合いがあります。 【開発環境】 言語: C, C++, C#, Python, Rust, TypeScript 環境: Linux、Windows 開発手法:ウォーターフォール、アジャイル 【開発の流れ/棲み分け】 顧客となる半導体メーカーや、自社現地法人からの要求やニーズを聞き取り、要件定義、仕様レビューを行い設計仕様書を仕上げます。 実装、単体テスト、実機テストを行い、品質保証部門による認定を受けて製品化します。 新製品開発の過程では、顧客との共同開発を行い場合が多く、短期間でプロトタイプを実装、提供して評価とフィードバックを受けながら仕様を固めていくアジャイル開発手法も適用します。 【プロジェクトに関して】 1回納入して終わりではなく、継続サポート型のソフトウェアである特性上、機能追加を順次行っていきます。 また、提供サイクルについては短いもので1か月、大半は半年～1年ほどとなります。 【補足/先端技術導入に関して】 画像処理、データ処理については、AIや深層学習などの先端技術の導入を積極的に推進しております。 開発業務の生産性向上、業務効率改善を目的として、生成AIなどの技術導入も進めております。

株式会社日立ハイテク

当社が扱う幅広い製品群(半導体製造向け製品、ヘルスケア製品、電子顕微鏡など)に関するソフトウェア開発を推進するプロジェクトリーダーとして、設計・開発からPoC/PoVをお任せします。 ●具体的にお任せする業務 ・社会やお客さまの真の課題を正しく知り、その課題に対するソリューションの提案 ・新しい製品に向けた試作開発における組み込みソフトウェアの基本設計、評価、改良設計 ・当社製品や顧客から取得できる各種データを用いた新しいソリューションシステムの基本設計、評価、改良設計 例:あくまで一例ですが、新技術を用いた顕微鏡から得られる画像データを用いて、顧客課題を解決するソリューションシステムの設計・開発 ・システムの実装(一部外注・ベンダーコントロール) ・顧客先や当社顧客協創施設での評価サポート ●開発環境 ・OS:Linux, Windows, VxWorks, T-Kernelなど ・使用言語:Python, C, C#, Java, TypeScript, JavaScript, SQLなど 【変更の範囲】会社の定める業務

AI開発向けにMLOps環境、データ基盤の構想立案、技術検討、構築をお任せします。 クラウド(PaaS)上への構築をベースに検討いただきます。 加えて、オンプレ・クラウドのハイブリット構想も担当いただきます。 ●具体的な業務内容 AI開発・データ分析に関わるデータ基盤やMLOps環境の整備、IoTや自動車の規格に適切なクラウドのサービスの検討等に関する以下の業務をお任せします。 ・技術検討 ・企画・構想立案 ・システム要件定義 ・データモデリング ・設計、開発 言語:Python、C++、JavaScript、TypeScript、SQL OS:Windows、Linux 環境:AWS ツール:Databricks、IaC (AWS CDKなど)、生成AI(GPT、Claude、Gemini) 愛知をはじめ、他の拠点(東京、博多)のメンバーともリモート環境等で連携しながら業務にあたってもらいます。 入社後3か月は、OJTを中心に業務キャッチアップをしていただき、その後メイン業務を担当していただきます。 職種の変更範囲:技術職・事務職・技能職業務

AI開発向けにMLOps環境、データ基盤の構想立案、技術検討、構築をお任せします。クラウド(PaaS)上への構築をベースに検討いただきます。加えて、オンプレ・クラウドのハイブリット構想も担当いただきます。 ●具体的な業務内容 AI開発・データ分析に関わるデータ基盤やMLOps環境の整備、IoTや自動車の規格に適切なクラウドのサービスの検討等に関する以下の業務をお任せします。 ・技術検討 ・企画・構想立案 ・システム要件定義 ・データモデリング ・設計、開発 言語:Python、C++、JavaScript、TypeScript、SQL OS:Windows、Linux 環境:AWS ツール:Databricks、IaC (AWS CDKなど)、生成AI(GPT、Claude、Gemini) 愛知をはじめ、他の拠点(東京、博多)のメンバーともリモート環境等で連携しながら業務にあたってもらいます。 入社後3か月は、OJTを中心に業務キャッチアップをしていただき、その後メイン業務を担当していただきます。 職種の変更範囲:技術職・事務職・技能職業務

株式会社本田技術研究所

●部門(領域)の役割 Hondaのソフトウェア商品開発の一翼を担う「SDV商品サービス開発室 デジタルラボ」はHondaの独自アセットや世の中の先進IT技術を賢く活用して新たな顧客価値に繋がる四輪車向けのデジタルプロダクトを創出することを目指しております。 Honda独自の車両情報データや搭載されたハードウェアを生かし、お客様の体験価値の向上につながるアイデアを自由に発想し、スピーディーにプロトタイプの開発と検証につなげています。また、世の中の先進IT技術のリサーチを行い、新たな顧客価値探索にも取り組んでおります。 ・四輪製品価値向上に貢献するコネクテッド、デジタルサービスの新規アイデアの創出・プロトタイプ提案 ・顧客価値仮説に基づく新サービスのスピーディーな企画立案とプロトタイプ・MVP開発 ・市場トライアルを通して高速で仮説検証のPDCAを推進 ・市場でのアジャイルな継続改善 上記を通して顧客の体験価値を継続的に向上させ、SDV事業やライフサイクルビジネス全体の向上に貢献することを目指しております。 ●任せる業務の概要 ・モバイル及び車載アプリの企画開発 ・顧客価値の仮説立案からMVP定義、プロダクトロードマップの策定 ・UX/UI設計、システム要求・運用要件の定義 ・ステークホルダーとの調整、プレゼンテーション ・プロダクトのリリース及び継続改善の推進 など ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 ●使用ツール/開発言語など ・プロジェクト管理:Notion / Jira・Confluence ・チームコミュニケーション:Teams / Slack ・UXUI設計:Figma / Adobe XD / Miro / Mural ・プロダクト利用状況の把握・解析:firebase, amplitude, data.ai etc ・開発言語: Kotlin, Java, Swift, Flutter, Python, HTML, Typescript等 ・開発環境: AWS, GCP, Azure, Android Studio, xCode, Visual Studio Code, Unity, GitHub

株式会社Finatext

・グループの展開する金融インフラ(資産運用、保険、その他)の開発もしくは、そのプラットフォーム上で稼働するアプリケーションの設計、開発、運用 ・新規金融インフラビジネスの立ち上げ、開発、運用 ・開発チームにおける技術検証・技術選定・技術的問題解決等のリード ・チームメンバーへの技術面でのサポート 【使用技術】 <サーバーサイド> Amazon Web Services Terraform / Packer Docker Go MySQL (Aurora) <フロントエンド> TypeScript (Vue.js / React.js) Webpack 5 【使用サービス】 Google Workspace Slack 1Password GitHub Kibela Backlog Datadog Opsgenie Bitrise

キャディ株式会社

<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

株式会社Finatext

・プロダクト基幹機能のアーキテクチャ設計 ・システム設計 ・フロントエンド及びサーバーサイド実装 ・自動テスト設計/実装 etc 【使用技術】 Go gRPC+Connect TypeScript React Vue PostgreSQL (Aurora) Terraform Docker 【使用サービス】 GitHub GitHub Copilot Slack Amazon Web Services Datadog Google Workspace 1Password Kibela

株式会社Finatext

新規クレジット商品立ち上げの基幹システム構築・導入プロジェクトに携わって頂きます。 顧客・PMとのコミュニケーションを取りながらの顧客ニーズの把握、要件定義/設計、実際のプロダクト開発を行っていただきます。 「アカウントエンジニア」として以下を担当して頂きます。 ・クレジットビジネスプラットフォーム「Crest」を顧客企業へ導入する際に、顧客とコミュニケーションを取りながらビジネス要件を理解し、PjM、PdMと協力してプロダクトの成長を考慮しながらの上流工程の要件定義、設計を行う。 ・スクラムチームに所属してのプロダクト開発を行う。 【開発環境】 Go gRPC+Connect TypeScript React Vue PostgreSQL (Aurora) Terraform Docker 【使用サービス】 GitHub GitHub Copilot Slack Amazon Web Services Google Workspace 1Password Kibela

株式会社ABEJA

●データプラットフォームの企画、アーキテクチャ設計 ●プロジェクトの技術面におけるリードデータパイプラインの設計・構築 　・データ分析のためのBIの開発・運用 　・継続的なモニタリングプロセスの構築・運用 　・顧客のデータ活用の実態や関連業務、ドメイン知識の理解 ●プロトタイプのAI・機械学習モデルを実運用可能な形にするためのデータパイプライン・インフラ基盤構築の設計およびサービス/システムの開発 ●プロジェクトマネージャーと協力し、プロジェクトの目的・方針・計画などを策定 ●運用保守を見据えたデプロイ環境構築(クラウド・エッジ含む) 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

株式会社NTTデータ

当部署では日本を代表する国内最大のキャッシュレス決済総合プラットフォームである「CAFIS(キャフィス)」や、その周辺の様々なキャッシュレス関連サービスを世の中に提供しています。CAFISでは、ますます加速化する環境やビジネスの変化にスピーディに対応していくため、お客様と価値を創造しながら継続的にビジネスを成長させるための取り組みを行う場として、東京都渋谷区に CAFIS Payment Innovation Labを設立し、Digital CAFISの取り組みを進めています。こちらでは大規模アジャイル開発フレームワーク「SAFe」を適用し、スピーディかつフラットなサービスの開発を実現しています。 Digital CAFISではこれまでのビジネスプロセスを全面的に見直し「価値創造組織」への変革を進めるため、自らの能力変革を目的とした取り組みを開始しています。マネジメントスタイル・社内環境・人材育成をゼロベースで再考した上で「デジタルプラットフォーム」の上に一から再構築し、現在も継続的な機能拡充を続けています。デジタルプラットフォーム上でマイクロサービスアーキテクチャで新しい決済システムを開発しています。 本ポストにおける具体的な職務内容は下記の通りです。 ・スクラムチーム内における開発を技術力でリードする ・サービス全体のアーキテクチャの設計と統制業務 ・新規のテクノロジーに関する調査業務 ・SREとの連携業務 組織情報 ITサービス・ペイメント事業本部内のカード&ペイメント事業部が今回の募集元です。「CAFIS」という自社サービスを有する事業部であり、今後さらなるサービスの拡充をミッションとしています。これまで、営業・企画・エンジニアが分業していた体制を変更し、一人称でサービスの企画から開発、立ち上げができるよう整備を進めています。一人ひとりが起業家や事業企画者として機動力を高め、スピード感のあるアクションが取れるよう組織改革を進めていきます。

株式会社フォーデジット

生成AIを活用したプロダクト・機能開発、および社内向けツールの設計・実装をお任せします。 プロトタイピングから実運用まで幅広く携わることが可能です。 プロダクト開発の最前線で生成AIを活用した新しい価値創出に取り組んでいます。 単なる業務効率化ではなく、プロダクトそのものにAIをどう組み込むか・プロダクト開発プロセスをどう進化させるかという視点から、技術とクリエイティブの交差点でチャレンジしています。 本ポジションでは、会社としてもまだ正解が見えていないテーマに対し、「ゼロイチ」で考え、形にする」フェーズから関わっていただきます。 また他クリエイターと同じく、実際のプロジェクトに携わって頂く等、ご自身の専門領域にとどまらず、さまざまなことにチャレンジできるポジションです。 ●具体的な業務内容: ・AIエージェントのプロトタイピング・運用 ・社内外向けダッシュボード・ツールの開発 ・アンケートや定量データを用いた分析・提案 ・ LangChainを用いたLLMワークフローの設計と実装 ・実プロジェクトでのAI活用(プロダクト開発の効率化・プロダクト自体のAI導入) ※技術スタック ▼バックエンド Python系 ・FastAPI(REST API設計) ・LangChain / LangGraph(AIエージェント構築) ・OpenCV(画像処理) ・pandas / numpy(数値計算・データ操作) ・matplotlib / seaborn(データ可視化) Node.js系 ・express(軽量なREST APIフレームワーク) ▼フロントエンド ・JavaScript / TypeScript ・Next.js(Reactベースのフレームワーク) ▼インフラ / クラウド AWS ・ EC2(仮想サーバー) ・S3(オブジェクトストレージ) ・ Lambda(サーバーレス関数) ・ECS / ECR(コンテナ実行・管理) ・DocumentDB(MongoDB互換のNoSQLデータベース) その他クラウドサービス ・ Pinecone(ベクトルデータベース / 類似検索) ・Snowflake(DWH / ビッグデータ分析基盤) ▼AI実行環境・LLM連携 クラウドLLMプロバイダー ・OpenAI(GPT系) ・Anthropic(Claude) ・Gemini(旧Bard / Google AI) ローカルLLM実行 ・ Ollama(ローカルでの軽量LLM推論) ▼その他ツール ・ Figma / Slack / Cursor / MCP ※CursorはAIペアプログラミングツールとして社内導入中

合同会社デロイト トーマツ(旧DTC)

クラウド基盤のHR Techアセット開発における各種プロジェクトにご参画いただきます。 デザイン構想からアーキテクチャ設計、アプリケーション企画から開発まで、全ての工程をワンチームで実装してきます。 多様なスキルを持ったメンバーの中で活動していただきます。 アセット開発に携わっていただく他、希望によりHR系コンサルにおけるクライアントニーズから発生する開発系プロジェクト、分析系プロジェクトへの支援に携わっていただく機会もご提供します。 ●募集職種 ① チーフアーキテクト ・ クラウド基盤のアーキテクチャ設計のリード ・ システム開発プロジェクト管理(アジャイル、DevOps) ②プロダクトマネージャー(マネージャー候補) ・事業戦略との整合を取ったプロダクト戦略の立案・推進 ・複数プロダクト/チームにまたがるロードマップの統括・調整、機能仕様の優先度付けとUX向上施策の推進 ・プロダクト組織の目標(KPI)設計と進捗管理 ・他部門責任者への報告・合意形成 ・予算管理・リソース配分の意思決定 ・市場・顧客ニーズ・競合調査による課題発掘と、改善施策の立案・実行 ・要件定義プロセスの設計・標準化 ・PdMチームのリードおよび育成・評価・組織設計 ③ フロントエンドエンジニア ・ React/TypeScriptを用いた業務アプリケーション開発 ・ プロダクトマネージャー・デザイナーとの協働による機能検討 ・ UIコンポーネントの設計・実装 ・ 複雑なフォーム・データテーブル・ダッシュボード等の実装 ・ 状態管理・データフェッチングの設計 ・ テストコード作成(単体・結合・E2E) ・ 企画・要件定義フェーズでのプロトタイプ作成 ④バックエンド・クラウドエンジニア(マネージャー候補) ・新規プロダクトの立ち上げおよび既存プロダクトの機能追加・改善 ・HR系サービスにおけるバックエンドシステムの設計・開発・運用 ・システムアーキテクチャ設計、ベストプラクティス策定と社内展開 ・クラウド・ネットワーク・インフラの設計・構築・運用 ・運用自動化、システム効率化、技術課題の調査・解決 ・プロダクトマネージャー・デザイナーとの連携による新機能の企画・実装 ・SRE・セキュリティチームとの連携による信頼性・安全性の向上および保守対応 ・開発チームのリードおよびメンバー育成・サポート ⑤ データサイエンティスト ・ 事業課題の整理とKPI設計、分析・ML施策の企画 ・ 大規模データの収集・前処理・特徴量設計・品質管理 ・ 回帰・分類・クラスタリング等のモデル選定、構築、評価、改善 ・ 分析結果の可視化・レポーティング、意思決定支援(ダッシュボード整備含む) ・ ETLパイプラインや分析基盤の設計・構築・運用(クラウド環境) ・ ステークホルダーとの要件定義・合意形成、課題の優先度付け ・ 分析・MLのベストプラクティスの社内展開、継続的な改善推進 ⑥ AIエンジニア ・ LLM APIを用いた機能開発 ・ RAGシステムの設計・構築 ・ プロンプトエンジニアリング・評価・改善 ・ AIエージェント/ワークフローの実装 ⑦ UX/UIデザイナー ・ プロダクトのUX/UIデザイン全般(ワイヤーフレーム、プロトタイプ作成、ビジュアルデザイン) ・ デザインシステムの構築および運用 ・ アセット開発において、製品要件を満たすデザインのリード ・ ユーザーリサーチやデータ分析を基にした、ユーザー体験向上のための継続的なデザイン改善 ・ Figmaを使用したデザイン制作およびデータ管理 ・ Illustrator、Photoshop等を用いたビジュアルデザインの制作 ・ AIツールを活用したデザインプロセスの効率化や新しいアイデアの提案 ・ エンジニアやプロダクトマネージャー等、他職種との協働によるプロジェクト推進

株式会社ギブリー

▼業務内容 自社SaaS「AI Monitoring」の海外展開フェーズにおいて、手を動かして開発を進められるエンジニアを募集しています。 生成AI利用ログの収集・分析基盤、可視化ダッシュボード、セキュリティ検知機能などのプロダクトのコアを共につくっていきます。 AI Monitoringのバックエンド/フロントエンドの設計・実装(主に Go / Python / TypeScript) 生成AI利用ログの収集・分析基盤、可視化ダッシュボードの実装 プロンプト検知・アノマリー検知などセキュリティ機能の開発 各種生成AIサービス(ChatGPT、Microsoft Copilot、Gemini 等)との連携実装 API設計、DB設計、アーキテクチャ設計・改善 AWSを利用したクラウドインフラの設計・構築・運用 コードレビューや品質改善、チーム内の開発スタイル改善 PM・デザイナー・セキュリティ専門家と連携した機能開発と改善 ▼開発環境 開発言語: Go, TypeScript フレームワーク: Go (Clean Architecture / Gin), Next.js, React テスト: Go testing, Jest, Playwright (E2E), Chromatic (ビジュアル) インフラ・ミドルウェア: AWS (ECS/Fargate, RDS, Cognito, S3, CloudWatch), PostgreSQL, Redis, Docker, Nginx CI/CD: GitHub Actions, AWS CodeBuild ツール: GitHub, Teams, Terraform, Terragrunt, AWS CDK, dependabot AIツール: GitHub Copilot, Google Gemini, Claude (Claude Code / Cowork) ▼身につくスキル、経験 様々な職種の担当者と連携を取りながら、事業成長や技術に対する取り組みができるため、多角的な視点を身につけることができます 経営層との連携が多いポジションのため、経営視点での戦略思考が養われます ▼募集職種 フルスタックエンジニア(グローバル) ▼セキュアサイクルについて 生成AI時代の到来とともに、企業のDXは加速し続ける一方、新たなセキュリティリスクも急増しています。 私たちセキュアサイクルは「サイバーセキュリティに悩むことのない社会の実現」のために、システム開発のセキュリティコンサルをはじめ、Webアプリケーション、スマートフォンアプリケーションやIoT機器における脆弱性診断・ペネトレーションテストなどのサービスを展開しています。 システム開発においては、開発後の脆弱性診断だけを行って安心するのではなく、設計の段階からセキュリティを考慮して設計を行い、開発の途中においてもセキュリティのチェックを行うことが重要だと考えています。 システム開発事業においてもそれらの実現ができるような仕組みを構築するために日々研鑽を積んでいます。 また、地方でも給与面・待遇面で東京に劣らない環境を作り、地方の出身者や若者のU/Iターン先になることを目標に北九州本社から仙台オフィス、博多オフィス、札幌オフィスと拠点を開設、業務拡大しております。 ●ギブリーグループについて ギブリーグループは、 「すべての人が物心豊かな社会を実現する」 をビジョンに掲げ、企業のAI活用とDX推進を支援する、2009年創業のAIイネーブルメント企業群です。 グローバルな開発組織と事業創造力、スピードを強みに事業を展開し、累計5,000社を支援。 生成AI分野の実績は1,000社以上。 ギブリーグループは、株式会社ギブリーを中心に4つのグループ会社で構成され、 ・人的資本インテリジェンス事業「Track」 ・マーケティングDX事業「DECA」 ・AX(AIトランスフォーメーション)事業「MANA」 ・AI開発支援事業「AI Lab」 ・AIコンサルティング事業「Givery Consulting」 ・サイバーセキュリティ事業「Secure Cycle」 の6つの事業領域でサービスを展開。 グループ各社が連携し、企業のAI活用と変革を支援しています。 ギブリーグループはAI時代を牽引する仲間を募集しています。 ▶︎ギブリー採用ピッチ資料(https://speakerdeck.com/givery_recruit/givery-company-deck) ▶︎ギブリーコンサルティング採用ピッチ資料(https://speakerdeck.com/givery_recruit/givery-consulting-the-entrance-book) ・業務の変更の範囲 　会社内での全ての業務

ソフトバンク株式会社

AI-RAN/Open RAN基地局ソフトウエアの開発を通じて、5G Advancedおよび将来の6G時代を支える高性能・高品質な無線アクセスネットワークの実現に貢献していただきます。 ・AI-RAN/Open RAN基地局ソフトウエア(Layer1～Layer3)の設計・実装 ・GPU/CUDAを活用したアクセラレーション技術の開発 ・RANソフトウエアの性能最適化および機能拡張 ・AI-RANを含む次世代RANアーキテクチャの設計・実装 ・Layer1(PHY)またはLayer2/3(MAC、RLC、PDCP、RRC)のソフトウエア開発 ・C/C++を用いた基地局ソフトウエアの設計・実装 ・3GPP仕様に基づく無線通信機能の設計・実装・性能最適化 ・GPU/CUDAを活用したアクセラレーション技術の実装・最適化 ※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 ●就業場所の変更の範囲:本社および国内外の支社、営業所、グループ内外の出向先事業所(テレワークを行う場所を含む)