年収900万円以上 TypeScriptのITエンジニア求人・転職情報

本ポジションは、金融機関向けの自社プロダクト開発をリードする「シニアプロダクトエンジニア(セキュリティ領域)」の募集です。 一般的なセキュリティエンジニアとして自社システムのセキュリティ対策や監査のみを担当するのではなく、セキュリティ領域の知見を活かし、顧客システムの脆弱性やセキュリティリスクを分析・診断・可視化するプロダクト機能を企画・設計・開発するポジションです。 金融機関が抱える高度なセキュリティ課題を理解し、ソースコードやシステム構成、ライブラリ、設定情報などを分析することで、セキュリティ上の問題や改善ポイントを特定する機能の開発に取り組んでいただきます。 セキュリティの専門知識や診断手法を、ルール・アルゴリズム・生成AI・AIエージェントなどを活用してプロダクトへ落とし込み、専門家による判断をソフトウェアによって高度化・自動化していくことを目指します。 フラットに意見を交わしながら方針を定め、高速にPDCAを回すスタートアップの環境で、プロダクトを牽引する中核メンバーとしてお迎えしたいと考えています。 PoCにとどまらず、AIを商用システムへ実装し、複雑なドメイン課題の解決や顧客の業務効率化、ひいては社会に変革をもたらすミッションに情熱を持って取り組める方を求めています。 ●開発規模 10～15名 ●具体的な業務内容 ・金融機関向け自社プロダクトの設計・開発・技術リード ・金融機関におけるセキュリティ課題・業務要件の整理とプロダクト要件への落とし込み ・顧客システムの脆弱性やセキュリティリスクを分析・診断・可視化するプロダクト機能の企画・設計・開発 ・ソースコード、システム構成、ライブラリ、設定情報などを解析し、セキュリティ上の問題や改善ポイントを特定する機能の開発 ・セキュリティに関する知識や診断手法を、ルール・アルゴリズム・AIなどを用いてソフトウェアとして実装するための設計・開発 ・顧客やセキュリティ専門家、コンサルタント、プロダクトマネージャー、デザイナーと連携した課題探索・仮説検証 ・生成AI・AIエージェントを活用したセキュリティ分析・診断機能の高度化 ●自社プロダクト開発例 ・Trust TLanP(AIを活用してレガシーシステム刷新をサポートするツール) https://tlanp.jp/ ●技術スタック ・バックエンド ・TypeScript ・Python ・Node.js ・Webフロントエンド ・React ・Next.js ・Tailwind CSS ・インフラ・CI/CD ・Google Cloud ・Terraform ・GitHub Actions ・AI開発ツール ・Claude Code ・Codex ・コラボレーション ・Slack ・Jira ・Confluence ・GitHub Wiki ・Figma ※業務変更の範囲 すべての業務への配置転換あり 【業務変更の範囲】 (雇入れ直後) |IT専門職 (変更の範囲) |すべての業務への配置転換あり

●職務概要 本ポジションは、金融機関向けの自社プロダクト開発をリードする「シニアプロダクトエンジニア」の募集です。フラットに意見を交わしながら方針を定め、高速にPDCAを回すスタートアップの環境で、プロダクトを牽引する中核メンバーとしてお迎えしたいと考えています。 PoCにとどまらず、AIを商用システムへ実装し、複雑なドメイン課題の解決や顧客の業務効率化、ひいては社会に変革をもたらすミッションに情熱を持って取り組める方を求めています。 ●開発規模 10～15名 ●具体的な業務内容 ・金融向け自社プロダクトの開発・技術リード ・Trust TLanPなどのプロダクト開発 ●自社プロダクト開発例 ・Trust TLanP(AIを活用してレガシーシステム刷新をサポートするツール) https://tlanp.jp/ ●技術スタック ・バックエンド ・TypeScript ・Python ・Node.js ・Webフロントエンド ・React ・Next.js ・Tailwind CSS ・インフラ・CI/CD ・Google Cloud ・Terraform ・GitHub Actions ・AI開発ツール ・Claude Code ・Codex ・コラボレーション ・Slack ・Jira ・Confluence ・GitHub Wiki ・Figma ※業務変更の範囲 すべての業務への配置転換あり 【業務変更の範囲】 (雇入れ直後) |IT専門職 (変更の範囲) |すべての業務への配置転換あり

PROEVERとは プロジェクトマネジメント専門会社としてのノウハウ、経験を結集させた「プロジェクトマネジメントプラットフォーム」をSaaSとして事業展開しています。プロジェクトデータを一元的に集約し、AI技術も用いてお客さまの意思決定を支援することで、プロジェクト成功およびプロジェクトマネジメント成熟度の向上を支援しております。 主なお客さまは全社横断で多くのプロジェクトを推進しているマネジメント層(PM含む)で、プロジェクトの状況をリアルタイムで正しく把握し意思決定を行うことができます。他社PMツールとは異なり、タスクや課題管理に留まらず、関連する複数のプロジェクトを俯瞰的、横断的に状況把握できることが特徴です。 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、AI技術の実装推進 - エンジニア組織の立ち上げ・技術文化形成 - 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 ※将来的なCTO/VPoE候補として、徐々に業務に慣れて頂く形を想定しております。 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 ※変更の範囲:当社及び出向(転籍)先における各種業務全般

管理職として、以下の業務領域における決裁・組織マネジメント・技術戦略構築などをお任せする予定です。 ① ビークルOS(車載OS)の開発 次世代のAD/ADASシステムを安全かつ安定的に動作させるためのビークルOSの開発を行います。 サプライヤーと連携した開発と、完全内製化の開発の2種類があるため、組込み開発において何らかのご経験があれば、ご活躍の可能性がございます。 (実装やテスト経験者も対象) ≪業務委細≫ ・AUTOSAR Adaptive / Classicに基づいたOS・ミドルウェア層の要求仕様策定、設計、実装 ・OSとアプリケーション間のインターフェース仕様策定および調整 ※OSやミドルウェア開発経験、リアルタイムOS、仮想化技術、セキュアブートやプロセス間通信(IPC)などの知識が活かせます。 ② 車載アプリケーション/サービスのインテグレーション(統合・検証) 開発したビークルOS上で動作する各種AD/ADAS向けアプリケーションやサービスを統合し、最適に動作させるための設計・検証を行います。 インテグレーションを完遂するには、OSのカーネル、通信ミドルウェア、ハードウェア、そして上位のアプリ層まで、すべてのレイヤーに精通する必要があります。 そのため、特定の技術に閉じこもらず、フルスタックな知識が自然と身につきます。 ≪業務委細≫ 他チーム・他社が開発したアプリをビークルOSに適切に組み込み・配置 ソフトウェア間の通信や依存関係を調整・チューニング システム全体での機能検証・統合テスト・不具合解析/対策 ③ 次世代通信ミドルウェアの開発・実装 AD/ADAS向けの通信ミドルウェア(DDS、SOME/IP、MQTT等)」の開発は、車の安全性向上に直結する領域です。 システムのふるまいについて低遅延・正常作動を実現させる仕事です。 ≪業務委細≫ SOME/IP、DDS、MQTTなど、車内・車外通信プロトコルのAD/ADAS向けの最適化と実装 異なるドメイン間でのデータ交換を安全かつ低遅延で行うためのルーティング制御やメッセージブローカーの開発 ④ 生成AIを活用した開発プロセスの改善及び内製化促進 プラットフォームの開発実務を担っていただきながら、当該領域における開発効率を上げるためにAI活用の推進を担っていただきたいです。 既存の開発手法に囚われずに、開発プロセスの課題を特定し、最新のAI技術を駆使しながら改善につなげていただくことがミッションです。 ≪業務委細≫ 過去資産のデータ化 過去の膨大な開発・設計資料をデータ資産化し、ナレッジ検索・再利用性を向上させる基盤構築。 テスト自動化 生成AIを活用したテストコードの自動生成、検証工程の自動化による工数削減 開発の内製化推進 AIコードアシスタント等を活用し、従来外注していた実装業務を社内でスピーディーに行う「内製開発」へのシフト推進 ※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

【具体的には】　※ご経験/スキルに合わせ詳細業務を決定します 【想定業務内容】 ※以下領域における、管理職としての組織マネジメント業務を中心にご対応いただきます。 1.AIプロダクトの開発計画策定と推進 ・サービス企画に基づき、開発スケジュール、リソース計画、マイルストーンを策定 ・AI特有の「学習データ調達→学習→評価→実装」のサイクルを、サービス開発のタイムラインに統合・管理 ・AIサービス企画開発の推進管理 2.開発ディレクションと品質管理 ・AIエンジニア、ソフトウェア開発者、検証チーム等へのタスク割り当てと進捗管理 ・「AIの精度指標(KPI)」と「サービスとしての品質要件」の整合性をとり、リリース判定基準を管理 3.部門間・パートナー企業との調整 ・車両開発部門や関連ITシステム開発部門とのインターフェース(API仕様等)の調整 ・ビジネスオーナー部門と調整しながら、ビジネス要求をベースにシステム企画・設計を推進 ・ベンダーやクラウド事業者等の協力会社様との実務レベルでの交渉・進捗同期 ※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 【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

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

当社のVPoEは、開発チームの成果を最大化し、組織の成長を支える役割を担います。 エンジニアが安心して挑戦できる環境を整え、プロダクト開発を円滑に推進することで、事業の継続的な成長に貢献いただきます。 ・エンジニアチームの採用・育成・評価、1on1を通じたキャリア支援 ・開発プロセスの改善と生産性向上(スクラム・アジャイル導入推進) ・技術的負債や品質課題の管理、改善施策の実行 ・プロダクトマネージャーやデザイナーとの連携による開発推進 ・経営陣との調整を通じた組織戦略やリソース配分の最適化 ●キャリアパス エンジニアとしての道を極めていくか、管理職になるかを選択できます 入社から半年で役員登用になった方もいます! ●使用言語 ※指定はありませんが、下記が案件で主に使われる言語です ・フロントエンド:TypeScript, React ・バックエンド:Python ・データベース:PostgreSQL(RDS), MySQL ・フレームワーク:Flask ・インフラ:Azure, AWS, GCP ・ツール:Terradate ●業務の変更の範囲 会社内での全ての業務

プロダクト基盤全体の信頼性を技術的にリードする立場として、SLO/SLI 設計から可観測性基盤の構築、インシデント対応プロセスの整備、インフラの IaC 化まで、信頼性に関わるあらゆる領域を主導していただきます。 AI 協働を前提に、運用の自動化・効率化も推進します。 【業務範囲】 ・SLO/SLI の設計・運用・エラーバジェットに基づくリリース判断の仕組み化 ・可観測性基盤(メトリクス、ログ、トレース)の設計・構築・継続改善 ・IaC(Terraform 等)によるインフラのコード管理と再現可能なプロビジョニング ・AWS を中心としたクラウドアーキテクチャの設計・最適化 ・CI/CD パイプラインの信頼性・速度の向上 ・インシデント対応フロー・オンコール体制・ポストモーテム文化の確立 ・キャパシティプランニング・コスト最適化・パフォーマンスチューニング ・セキュリティベースラインの策定と脆弱性管理の仕組み化 ・AIを活用したインフラ運用の自動化・効率化 ・開発チームへの信頼性プラクティスの浸透とガイドライン整備 【利用するツール】 ・AWS(メイン:ECS/EKS、RDS、CloudFront、Lambda、S3 等)/ GCP(一部利用) ・Terraform / AWS CDK ・Docker / コンテナオーケストレーション ・Datadog(APM、Logs、Monitors、Synthetics) ・GitHub / GitHub Actions ・Claude / Claude Code / Cursor / 各種 MCP ツール※今後変更になる可能性がございます ・PagerDuty 等のインシデント管理ツール 【資質(自律性・信頼性志向・構築力)】 ・専任 SRE 不在の組織で、信頼性の文化・プロセス・技術基盤を自ら設計し確立できる自律性 ・「落ちないシステム」ではなく「障害から素早く回復するシステム」を志向する信頼性思考 ・未整備な領域を構造化し、再現可能な仕組みとして定着させる構築力 【具体スキル】 ・ Linux/UNIX 系 OS のシステム管理・トラブルシューティングの深い知見 ・AWS のマネージドサービスを活用したプロダクション環境の設計・構築・運用 ・IaC(Terraform、CloudFormation、AWS CDK 等)によるインフラ管理 ・可観測性の3本柱(メトリクス、ログ、分散トレース)の設計・実装 ・SLO/SLI 設計とエラーバジェットに基づく運用判断 ・コンテナ技術(Docker)とオーケストレーション(ECS/EKS 等)の実践 ・ネットワーク設計(VPC、DNS、ロードバランサ、CDN、WAF)の理解と運用 ・CI/CD パイプラインの設計・改善とデプロイ戦略(Blue-Green、Canary 等)

【このポジションの役割】 本ポジションでは、AI を活用した品質保証プロセスの設計と改善を担います。 単にテストを実行するのではなく、 ・品質リスクの分析 ・テスト戦略の設計 ・テスト自動化 ・AI を活用した品質改善 などを通して、プロダクトの品質を継続的に向上させます。 QA は開発プロセスの最後の工程ではなく、品質を作るエンジニアリング領域であると考えています。 【主な業務】 ・AI を活用したテスト設計・テスト生成 ・E2E / Integration / Unit テストの自動化 ・CI/CD パイプラインへのテスト統合 ・品質メトリクスの設計・分析 ・品質リスク分析とテスト戦略設計 ・バグトラッキングと品質改善プロセスの設計 ・QA プロセスの継続的改善 ・開発チームとの品質文化の構築 【使用技術・ツール】 ・Playwright(E2E テスト) ・GitHub / GitHub Actions(CI/CD) ・Datadog(監視・エラー分析) ・Claude / Claude Code / Cursor ※今後変更になる可能性がございます ・MCP ツール ・AWS / GCP

【概要】 Go を主軸としたバックエンドと、Next.js または Flutter を用いたフロントエンドの両面を担当し、機能の企画段階から設計・実装・リリースまでを一貫してリードしていただきます。 AI 協働による高速な仮説検証と、プロダクション品質の両立を追求します。 【業務範囲】 ・Go によるバックエンド API の設計・実装・最適化 ・Next.js(React)または Flutter を用いたフロントエンド/モバイルの設計・実装 ・データベース設計・クエリ最適化(RDS、DynamoDB 等) ・プロダクト要件の技術仕様への落とし込みとアーキテクチャ設計 ・AI/LLM APIを活用した機能の設計・実装 ・CI/CD パイプラインの構築・改善 ・パフォーマンス計測・ボトルネック分析・改善 ・AIを活用した開発フロー改善・自動化 ・コードレビュー、設計レビューを通じたチーム全体の技術品質向上 ※業務内容の変更範囲:会社の定める業務 【利用するツール】 ・Go(バックエンド主要言語) ・TypeScript / Next.js / React(Web フロントエンド) ・Dart / Flutter(モバイル/Web) ・PostgreSQL / MySQL / DynamoDB / Redis ・Docker / GitHub Actions ・AWS(ECS、RDS、CloudFront、Lambda、S3 等)/ GCP(一部利用) ・Datadog / Sentry ・Claude / Claude Code / Cursor / 各種 MCP ツール 【資質(自律性・全体最適志向・実装力)】 ・フロントエンドとバックエンドの境界にとらわれず、ユーザー価値を起点に最適な設計判断を下せる全体最適志向 ・AI 協働を前提に、仮説から実装・検証までを高速に回す自律性 ・技術的な深さと幅の両方を持ち、状況に応じて柔軟に使い分けられる適応力 【具体スキル】 ・Go によるバックエンド開発(API 設計、認証、ミドルウェア、並行処理) ・TypeScript / React / Next.js または Dart / Flutter によるフロントエンド開発 ・RDB 設計・SQL チューニング・キャッシュ戦略(Redis 等) ・REST API / GraphQL の設計と実装 ・Docker を用いたコンテナベースの開発・デプロイ ・AWS マネージドサービスを活用したシステム設計 ・パフォーマンス計測・プロファイリング・ボトルネック改善 ・Git/GitHub を用いた協働開発とコードレビュー

本ポジションではプロダクトマネジメントや組織開発における一連の業務をお任せします。プロダクトマネジメントチームの責任者を担っていただくポジションのため、経営陣や各現場責任者と協働しながら、プロダクト戦略や組織戦略を描いていただき、実行いただくことを期待しています。 主な業務は以下となります。 ●プロダクト戦略策定業務 ・新規プロダクトの企画立案や既存プロダクトの機能改善方針の検討 ・プロダクトロードマップ策定やKGI/KPIなど達成すべき数値目標の検討 ●プロダクトマネジメント業務 ・定性・定量リサーチ(ユーザー調査・ログ分析・問い合わせ分析・VOEやVOC分析) ・CS部門やセールス部門との連携による要求整理、改善アイデアの検討 ・開発要件整理、開発プロジェクトの進捗管理、リスク管理、納期管理 ●組織マネジメント業務 ・プロダクト戦略に紐づく、組織戦略の策定や人員計画の検討 ・チームが円滑に活動するための組織活性化施策の検討と実行 ・メンバーの意欲と能力向上を目指した各種メンバーマネジメント業務 【直近過去事例】 新機能「クリエイティブマップ」β版を提供開始 カオナビが、申請業務を効率化する新機能「ワークフロー」の提供開始 現在、他社との連携も進行中です。 【開発環境】 開発言語:PHP, Go, TypeScript, Dart フレームワーク:Laravel, Gin, React, Flutter コード管理:GitLab DB:MySQL インフラ:AWS, Terraform, Docker 監視ツール:Mackerel, Datadog 社内ツール:Confluence, Jira, Redmine, Slack, Miro, Figma 開発環境: JetBrains IDE, Visual Studio Code AI開発環境:Github Copilot, Claude Code

FDEチームの一員として、エンジニアと一体で以下を担っていただきます。 ● ドメイン没入と課題設定 ・現場(買取現場・コールセンター・物流倉庫・コーポレート部門)への同行・観察・1次情報収集 ・業務プロセス/顧客/市場の構造を解像度高く理解し、解くべき課題を自ら定義 ● 事業KPIに対する仮説オーナーシップ ・担当ドメインKPI(成果向上・生産性改善)に対する仮説立案、優先順位付け、結果の解釈と次手の設計 ・他領域への波及効果も含めた全体最適視点での意思決定 ● AIネイティブ開発プロセスの推進 ・AIエージェントによる高スピード開発を前提とした要件整理・仮説検証・ナレッジベース構築 ・スピード重視で「未完成のものを早期に実験する」プロトタイピング/PoCの設計と運用 ● エンジニアと一体のプロダクト設計 ・「何を作るか」をエンジニアと協働で決定 ・Cosmosを中心とした新機能開発/業務標準化プロジェクトの企画〜要件整理〜現場接続 ● ステークホルダーマネジメント ・事業責任者・現場リーダーとの合意形成 ・グループ企業(TL/RGT/NKD)への横展開設計 【組織/配属先の特徴】 ・3層構造の技術組織:FDE層(事業ドメイン没入)/プラットフォームエンジニアリング層(FDEの生産性向上)/コアドメイン層(共通API基盤)の3層に再編し、AIネイティブ前提の組織を構築中 ・配属:プロダクトマネジメント部に所属/いずれかのドメインのFDEチームにジョイン ・PdM出身者例:元リクルート・大手事業会社など、事業理解×推進力の強い人材が活躍中 ・規模:PdM・SWE・データサイエンティスト・AIエンジニアなど100名規模 【プロダクト開発環境】 ・開発言語:Golang, React.js (Next.js), TypeScript ・インフラ:GCP (Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GitHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry/APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira/ドキュメント管理:Confluence ・AI活用:Claude Code, Cursor, GitHub Copilot ほか(AIエージェント前提のワークフローを推進中) ・その他:Elastic Cloud, Terraform Cloud, Chromatic

●ポジション概要 AIソリューション事業のForward Deployed Engineer(FDE)として、業界最大手グループ企業をはじめとする大手クライアントの業務現場に深く入り込み、業務フローをAIネイティブに再構築する変革(AX)を要件定義から実装・運用まで一気通貫でリードしていただきます。 FDEは「顧客の現場に最も近い場所で課題を解決するエンジニア」です。当社では戦略コンサルティングファーム出身のAIコンサルタントとペアを組み、クライアントの経営課題・オペレーション課題をAIで解ける形に翻訳し、自らプロトタイプを実装して現場に届け、フィードバックを得ながら本番システムへと育てていきます。 ただし、個社のAX実現はこのポジションのミッションの一部にすぎません。現場に深く入り込むからこそ得られる不動産業界のリアルなドメイン課題への理解を起点に、当社SaaS「カナリークラウド」をエージェンティックなアプリケーションへと進化させ、「マスター物件DB構想」の実現へと近づけていく——個社への実装で終わらせず、カナリーが目指す「不動産領域におけるバーティカルAIエージェント」の基盤構築へとつなげていくことが、FDEに期待するより大きなミッションです。 ●業務内容 ・クライアントの業務プロセスの理解・分解と、AIエージェントによる代替・高度化余地の特定 ・AIコンサルタントと協働した要件定義、ソリューション設計、PoC〜本番実装 ・マルチエージェントアーキテクチャの設計・開発(エージェントオーケストレーション、Tool Use / Function Calling、Human-in-the-Loopの組み込み等) ・RAGパイプラインの構築(業務ドキュメント・データの取り込み、検索基盤の設計、コンテキストエンジニアリング) ・AIエージェントの品質・信頼性の担保(評価基盤(Evals)の構築、ガードレール設計、本番運用のモニタリング) ・クライアント環境・データとの連携設計(API連携、データパイプライン、セキュリティ要件対応) ・個社実装で得たドメイン知見の還元による、「カナリークラウド」のエージェンティックな進化と「マスター物件DB構想」実現への貢献 ●開発環境 ・言語:Go(バックエンド、AIエージェント、MCPツール開発)、TypeScript(フロントエンド開発)、Python(AIエージェント開発) ・AIエージェントフレームワーク:ADK(Agent Development Kit) ・インフラ:GCP(Gemini Enterprise Agent Platform、GKE、Cloud Spanner 等)

●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!

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

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。

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

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

【事業概要】 私たちはこれまで、AI型デジタルアダプションプラットフォーム(DAP)「テックタッチ」を通じて、システムの「操作」におけるユーザーのつまずきを解消してきました。 そして今、生成AIの時代においては、どんな業務でも AI を活用できるプラットフォームとしての進化が進んでいます。 また次なる一手として「AI Central」を立ち上げました。 これは企業の固有データをAIで構造化し、経営の意思決定パートナーへと昇華させる挑戦です。 「システムを使いこなせる世界」を実現するために、UIガイドによる定着化と、AIによるデータの資産化。 この2つの強力な武器を統合的に扱い、顧客価値を最大化していこうとしています。 【マネージャー候補の方にお任せしたいミッション】 まずは手を動かしつつ、中長期的には以下のマネジメント業務へのシフトを期待しています。 マネージャーの役割自体の定義もゆくゆくはお任せいたします。 プレイングマネージャーを想定しておりますが、組織と人のマネジメントを極めて VPoE のような、より経営に近い役割を目指される方も歓迎です。 1.組織マネジメントとエンジニアの成長支援 SREチームメンバーのピープルマネジメント(1on1、キャリア支援、評価)。 SREチームの組織の形や役割の定義を必要に合わせて組み替える。 2.技術戦略の策定と意思決定 事業計画に基づいたインフラ・SREロードマップの策定。 マルチAIモデル基盤やセキュリティガバナンスにおける技術選定の判断。 3.ステークホルダーとの合意形成 PdMや各プロダクトチームと連携し、SLOの策定や信頼性とデリバリー速度のバランス調整。 エンタープライズ顧客特有の高度な要求事項を、汎用的なアーキテクチャへ落とし込むための調整。 【チームの主な業務内容】 ウェブアプリケーションからクラウドインフラ、さらにビルド&開発環境まで一気通貫で、セキュリティ、信頼性、コスト最適性を追求していただきます。 そのためにエンジニア組織がセキュアに DevOps を実践できる環境を作り上げたり、オブザーバビリティを実現します。 また、今後サービス導入が拡大していく中でより良いアーキテクチャへ導く役割も持っていただきます。 (※上記はチームとして担うスコープを示したものであり、個々人がすべてを実装することを求めるものではなく、チーム全体としてこれらを実現できる状態をつくることが期待役割です。) 【開発の特徴】 必要に応じて外部サービスも活用し、テックタッチの運用を最適化するために必要な機能をインフラ面から考えていきます。 一方で、アプリケーションの特性を踏まえてインフラを改善していく必要があり、アプリケーションに対する理解力も求められます。 ●使用技術例 Go, TypeScript, Python, gin, MySQL/PostgreSQL/Aurora, CloudFront, ECS/Fargate, Terraform, Security Hub, CloudTrail, Langfuse, Dify etc. ●使用サービス例 コード管理:Github (Enterprise) プロジェクト管理・ドキュメント:Notion, Linear, Miro コミュニケーションツール:Slack, tandem.chat, Google Meet 監視・ログ収集基盤:Datadog, Sentry, AWS CloudWatch CI/CD:CircleCI, Github Actions, AWS codepipeline etc. AI:OpenAI, Anthropic, Gemini, Devin, GitHub Copilot, Cursor etc.

・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

<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

・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

・SPA, MPA, SSRなどによるWebアプリケーションの設計・実装・リリース ・バックエンドエンジニアとの設計議論、APIのIF設計 ・ディレクター・デザイナーとのUI/UX設計議論 ・業務メンバーからの業務要件聴取 【開発環境】 ・Amazon Web Services ・Terraform ・TypeScript (Vue.js / React.js) ・Webpack 5 【開発組織】 ・裁量権と自由度が高く、その分、責任も大きい ・開発関連の情報がオープン。他のチームのコードや設計資料などは原則自由に見ることができる ・主体性の高いメンバーが多い ・技術に関する議論が活発。議論にオープンなカルチャーがあり、シビアな議論になってもネガティブな雰囲気にならない

・SPA, MPA, SSRなどによるWebアプリケーションの設計・実装・リリース ・バックエンドエンジニアとの設計議論、APIのIF設計 ・ディレクター・デザイナーとのUI/UX設計議論 ・業務メンバーからの業務要件聴取 【使用技術】 Amazon Web Services Terraform TypeScript (Vue.js / React.js) Webpack 5 【使用サービス】 Google Workspace Slack 1Password GitHub Kibela Backlog Datadog Opsgenie Bitrise

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