機械学習・データ活用 年収1000万円以上のITエンジニア求人・転職情報

●携わる事業・ビジネス・サービス・製品など 日立の中核であるコネクティブインダストリーズセクター(ビルシステム、家電・空調、産業機器、計測・分析装置、水・環境等)の、数万人規模の事業運営・経営基盤(Internal Operations)そのものが対象です。 生成AI・AIエージェント、次世代エンタープライズアーキテクチャを用いて、意思決定プロセス・業務フロー・ガバナンスをAI前提で再構築します。さらに、社内ITの枠を超え、Physical AI時代の事業を支えるデジタル基盤の企画にも携わります。 https://www.hitachi.co.jp/products/infrastructure/connective-industries/sector/index.html ●職務概要 CIO・CISO・CDOを兼任するCIセクターCDIOの直属スタッフとして、セクター全体(国内外グループ会社を含む)のIT/デジタル戦略企画の中枢を担う、1名限定のポジションです。 上位者を介さずCDIOと直接議論し、構想を練り上げ、セクターCEO・CXOが意思決定できる形(定義→価値→数値→既存戦略との接続)に落とし込み、実行部隊へつなぐところまでを担います。担当領域は限定せず、AIエージェント基盤・データ基盤・次世代アーキテクチャから経営層のAI活用支援までを横断します。 特徴は、この戦略企画業務をAIエージェント群と組んで回す点です。情報の集約・整理・下書きはエージェントが担い、人は問いの立て方、戦略の方向の良し悪しの判断、経営を動かす合意形成に時間を使います。エージェントの構築は専任メンバーが担当するため、あなたに求めるのはそれを設計する力ではなく、エージェントを使い倒し、企画の質とスピードを上げる力です。 ●職務詳細 ・セクター全体のIT/デジタル戦略(AIエージェント基盤、データ基盤、次世代エンタープライズアーキテクチャ)の構想立案 ・セクターCEO・CXO・本社経営層向けの戦略資料・経営会議資料の作成と合意形成の支援 ・IT投資・コストデータの構造化とKPI設計(戦略判断が可能な粒度への再設計、投資対効果の定量化) ・社内ITの枠を超えるデジタル基盤(Physical AI等)の新規企画・調査・仮説検証 ・経営幹部へのAI活用ハンズオン支援、セクター全体のAIリテラシー向上施策の企画・運営 ・EAO各部・IT本部・R&D・本社デジタル部門・グループ会社との横断調整 ・上記の企画業務において、AIエージェント群を活用して調査・分析・資料化を高速に回すこと。あわせて「何をエージェントに任せられるか」を実務者の視点でフィードバックし、体制の改善につなげる ●働く環境 ①配属組織/チームについて: CDIO直轄の少数精鋭チームです。企画業務を支えるAIエージェントの設計・実装を担う専任メンバーが別途おり、協働しながら進めます。EAOの各部(AI基盤、セキュリティ、IT投資等)、IT本部、R&D部門とも日常的に連携するクロスファンクショナルな環境です。 ②働き方について: ・生成AIを前提とした働き方が組織の標準です。リサーチ・分析・資料化の多くをAIとの協働で進め、空いた時間を思考と対話に充てています。新しいツールは自ら試し、良ければ組織の標準にする文化です。 ・社内の有識者や外部パートナーの知見を積極的に取り入れ、柔軟に業務推進を行う方針です。 ・秋葉原オフィスへの出社とリモートワークのハイブリッド。グローバルとの連携に対応できるよう、コアタイム無しのフレックス制度を活用いただけます。 ※上記内容は、募集開始時点の内容であり、入社後必要に応じて変更となる場合がございます。予めご了承ください。

【職務概要】 日立グループ全体の人財マネジメントに深く関わる業務です。 グローバル規模で展開する日立グループの人財マネジメントを支えるIT基盤に対し、ITライフサイクル全体を一貫してリードできる人財を募集します。 【職務詳細】 人財マネジメントに関する情報・プロセス・データベースをグローバルに統合したシステムおよびその周辺機能を中心に、企画から開発、運用までを推進するポジションです。 1.人財マネジメント基盤の企画・開発 ・人財マネジメント基盤における各種IT施策の立案 ・周辺機能の開発および保守 2.人財領域のデータ利活用・DX推進 ・データ利活用に向けた戦略立案 ・データ整備、ダッシュボード構築およびユーザ展開 3.次世代グローバル共通システムの開発・展開 ・プロビジョニング整流化に向けた計画立案および開発 ・HRテックの活用推進 【携わる事業・ビジネス・サービス・製品など】 日立グループの企業活動を戦略的に推進するための、人財マネジメントプラットフォームおよび関連機能の企画・開発・運用 【配属組織名】 ITデジタル統括本部 コーポレートソリューション本部 人財デジタル推進部 【配属組織について(概要・ミッション)】 ITデジタル統括本部は、日立グループ30万人以上のユーザに対して、IT戦略の策定及び推進を通じて、日立グループの成長を支えていくことを役割としています。 その中でもコーポレートソリューション本部は、経営戦略上の意思決定に必要な高度な経営プラットフォームの提供とコーポレート業務改革を推進することをミッションとした組織です。

●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

当社は、大阪エリアの金融機関向けにITコンサルティングおよびAI活用支援をより強化すべく、新たに大阪オフィスを開設いたしました。 立ち上げのフェーズから参画し、拠点づくりと事業成長をリードしていただける方を募集しています。 職務概要 本ポジションでは、プロジェクトマネージャーとしてデータ分析・AI活用案件をリードし、金融業界の多様な顧客に対してデータサイエンスを起点とした価値提供を担っていただきます。 ジュニア〜ミドルクラスのデータサイエンティストとチームを組みながら、分析戦略の設計・提案から、モデル構築、実装、運用設計(MLOps)までを一貫して主導。さらに、実務を通じて得た知見や技術資産を基に、当社独自の技術パッケージや自社プロダクトの創出にも関わっていただきます。 金融業界の幅広い業種・領域に触れながら、分析×ビジネスを結ぶ上流工程から現場実装までを横断的に担えるポジションです。 プロジェクト体制 2名～6名程度でチーミング 具体的な業務内容 ・金融機関向けのデータ分析・AIプロジェクトにおける技術リードおよびプロジェクトマネジメント ・テーブルデータを中心とした機械学習モデルの設計・構築・評価の全体統括 ・Pythonを用いたデータ処理、特徴量エンジニアリング、評価設計の高度化・標準化 ・本番運用を見据えたMLOps設計、モデルの継続的改善と運用支援 ・AIコンサルタントや顧客と連携した、分析方針の策定・技術提案・要件定義 ・ジュニア・ミドル層のデータサイエンティストへの技術的支援・コードレビュー・育成 ・社内外で再利用可能な分析パターン・技術資産・プロダクトの企画・設計・蓄積 プロジェクト事例 ・銀行における市場分析モデルの開発・運用支援 ・銀行におけるAutoMLツールの評価・導入に向けた技術検証 ・金融事務の効率化を目的とした生成AIの業務適用支援 ・金融機関における機械学習モデル開発に向けたデータ前処理・分析支援 ・データ分析基盤構想におけるモデル実装・評価フローの設計・技術検討 ・金融グループ横断でのデータ活用に向けたモデリング実証(PoC)支援 ※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

本ポジションでは、金融機関向けの高度なAI・データサイエンス案件のデリバリーを担いながら、自ら設定した研究テーマに取り組み、論文発表までを行うリサーチサイエンティストとしてご活躍いただきます。 Trustは「金融×データサイエンス」に特化し、大手金融機関に対して高度な分析・モデリング・AI活用支援を提供しています。本ポジションでは、技術力の高さが求められる案件において、先端的な手法の設計・実装・検証をリードしていただきます。 業務時間の約6割は、金融機関向けプロジェクトにおける高度な技術課題の解決に従事いただきます。 残りの約4割は、ご自身が設定した研究テーマに取り組み、論文化・学会発表までを目指していただく時間として確保しています。 実務と研究を往復しながら、金融ドメインにおける実課題に根差した研究を推進できるポジションです。 具体的な業務内容 ●金融機関向け高度案件のデリバリー(60%) ・金融データを用いた高度分析・モデリング設計 ・LLM/生成AI/機械学習を活用したアルゴリズム設計・検証 ・技術的難度の高いPoC設計・実装 ・研究的アプローチを用いた課題解決および顧客への技術提案 ・プロジェクトにおける技術的リード ●研究活動(40%) ・自身で設定した研究テーマの推進 ・学会投稿論文の執筆 ・国内外カンファレンスでの発表 ・研究成果のプロダクト/案件への還元 研究テーマ例 ・金融×LLM ・金融業務自動化 ・エージェント活用 など ※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 本ポジションでは、データ基盤およびAI活用基盤の構築プロジェクトにおいて、専門性を発揮するスペシャリストとして参画いただきます。主なクライアントは、大手金融機関およびそのグループ会社(HD)であり、日本を代表する企業の基幹データ環境の構築・刷新に関わることができます。 プロジェクトは、企画・構想、設計、実装、基盤の社内展開・普及まで多岐にわたり、上流から下流まで幅広いフェーズでの参画が可能です。これにより、技術的視点だけでなく、戦略的・全社的なデータ活用設計にも携わることができる貴重なポジションです。また、当社のプロジェクトはほぼ全てが直請けであり、エンドクライアントと密に連携しながら、高い裁量と信頼関係のもとで実行できます。 ●プロジェクト体制 2名～6名程度でチーミング ●具体的な業務内容 ・金融機関向けのデータ基盤・AI活用基盤の構築プロジェクトにおけるアーキテクチャ設計および全体推進 ・顧客要件の整理、現行環境の分析、技術選定を含む最適なデータアーキテクチャ設計のリード ・データ基盤構築フェーズにおけるETL設計、データモデリング、ガバナンス方針策定 ・クラウド環境(AWS/GCP/Azure)を活用したDWH・Datalake設計および導入支援 ・Snowflake、Databricksなどの主要基盤技術を活用した設計方針の策定および開発チームへの技術支援 ・AI・データサイエンス領域との連携による分析基盤整備、AIガバナンス・セキュリティ設計の推進 ・複数プロジェクトを横断したアーキテクチャ標準化およびナレッジ共有の促進 ●プロジェクト事例 ・証券会社様におけるデジタルマーケティング基盤の構築支援 ・金融コングロマリット様でのグループ横断データ活用基盤企画推進支援 ・カード会社様・証券会社様・信託銀行・銀行、金融HD様などでのAI人材育成の推進、データ活用CoE組織 ・銀行様におけるAutoMLツールの比較検討、導入支援 ・銀行様における市場分析モデルの開発、運用支援 ・証券会社様におけるAI活用コンサルティング支援開発支援 ・生成AI等を活用した金融事務の効率化、ビジネスプロセス変革 ・生成AI等を活用したレガシーシステムマイグレーション支援 ●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

日本を代表するエンタープライズ企業を中心としたクライアントに対し、本質的な価値創出に重きを置いたプロジェクトの推進・実行を担当いただきます。経営課題を技術で解決するためのデータアーキテクトのグランドデザインおよびデータモデリングを主導するスペシャリストとして参画いただくポジションとなります。 ・日本を代表するエンタープライズ企業をメインクライアントとするDX支援、AI実装、および中長期的なデータ利活用戦略の立案とアーキテクチャ設計支援 ・AWS、Azure、GCPなどのクラウド環境を活用したデータ基盤・分析基盤の設計 ・分析チームやビジネス部門と連携したデータ活用環境の高度化 ●参考資料 https://note.com/flux_inc/m/mdcbaafdd8d84 ●業務の変更の範囲 会社の定める業務 ※本人の希望を聞かずに転勤させることはありません。

日本を代表するエンタープライズ企業を中心としたクライアントに対し、本質的な価値創出に重きを置いたプロジェクトの推進・実行を担当いただきます。機械学習モデルの実装から推論最適化、MLOpsの構築、実運用における保守・改善までを主導いただくスペシャリストとして参画いただくポジションとなります。 ・顧客のビジネス課題に基づいたAIシステムの設計・開発・運用 ・機械学習・深層学習を用いたAIモデル実装、および推論パイプラインの構築・最適化 ・MLOps基盤の構築、およびモデルのデプロイ・監視・継続的な精度改善フローの運用 ・生成AI(LLM等)を含む先端技術の調査・検証、および実務プロジェクトへの実装 ・データサイエンティストと連携したPoCの推進、技術選定・ベストプラクティスの確立 ●参考資料 https://note.com/flux_inc/m/mdcbaafdd8d84 ●業務の変更の範囲 会社の定める業務 ※本人の希望を聞かずに転勤させることはありません。

【ミッション】 新設された全社横断の品質改革組織において管理職として、以下のテーマをリードしていただきます。 【業務内容】 1.品質可視化要件の構築と運用及び品質データ活用による改善サイクルの確立 ソフトウェア開発の総量や生産性、品質状況をリアルタイムで「見える化」するためのデータ基盤を構築し、データ駆動型の改善サイクルを回します。 ●開発品質データの要件定義 蓄積すべき品質データの検討および品質メトリクスの抽出・定義 開発状況をリアルタイムに把握し、リスクを早期検知するためのデータ可視化環境の構築 ●開発品質データの構築と運用 定義したメトリクスに基づき、各開発現場から効率的に品質データを抽出・自動収集する仕組みの検討 開発状況や不具合収束性をいつでも俯瞰・把握できるダッシュボードの構築と、日常的な運用の確立 2.開発状況アラート判定基準と運用 プロジェクトの遅延や、重大な品質低下をイベント前に早期検知するためのガバナンス体制を構築します ●開発品質における不具合基準の要件定義 開発の途中で「開発状況の是非」をリアルタイムに定量判断するためのアラート閾値の策定 ●上記基準の実行と運用 策定した基準に基づき、開発状況のモニタリングを実行 リスクや異常を検知した際、開発現場へのタイムリーなフィードバックや、マネジメント層への迅速なエスカレーションフローの運用 3.バグ状況可視化方法の標準化 事業領域や開発チームごとにバラつきがある不具合管理を統一し、全社的なソフトウェア品質の横串管理を実現します ●ソフトウェア用の不具合管理方法における要件定義 不具合の定義、ステータス遷移(起票からクローズまで)、深刻度の全社統一ルール策定 ●不具合JIRAルールの標準化構築と運用 Jira等のツールにおいて、放置されがちなバグを無くすためのワークフロー設計および入力ルールの標準化 現場が迷わず正しく入力・管理するための、Jira標準化ルールのマニュアル整備と運用定着 4.ソフトウェア品質の浸透・定着活動 ●各開発組織に対する品質基準等の展開 SDVの各開発組織に設置される窓口担当者と密に連携し、策定した各種品質基準やプロセス、Jiraルール等を能動的に展開・導入 四輪開発センターの品質組織とも連携し、将来的には独立した立場から品質を担保する「第三者評価・品質監査」の仕組みづくりの推進 ●品質意識向上に向けた取り組み 市場で発生した不具合要因の分析結果や再発防止策を、SDV全体の開発プロセス・環境へ横串でフィードバック・共有 勉強会の開催や成功事例の共有を通じ、開発者一人ひとりのソフトウェア品質に対する意識向上と文化の醸成 ※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

【ミッション】 新設された全社横断の品質改革組織において管理職として、以下のテーマをリードしていただきます。 【業務内容】 1.品質可視化要件の構築と運用及び品質データ活用による改善サイクルの確立 ソフトウェア開発の総量や生産性、品質状況をリアルタイムで「見える化」するためのデータ基盤を構築し、データ駆動型の改善サイクルを回します。 ●開発品質データの要件定義 蓄積すべき品質データの検討および品質メトリクスの抽出・定義 開発状況をリアルタイムに把握し、リスクを早期検知するためのデータ可視化環境の構築 ●開発品質データの構築と運用 定義したメトリクスに基づき、各開発現場から効率的に品質データを抽出・自動収集する仕組みの検討 開発状況や不具合収束性をいつでも俯瞰・把握できるダッシュボードの構築と、日常的な運用の確立 2.開発状況アラート判定基準と運用 プロジェクトの遅延や、重大な品質低下をイベント前に早期検知するためのガバナンス体制を構築します ●開発品質における不具合基準の要件定義 開発の途中で「開発状況の是非」をリアルタイムに定量判断するためのアラート閾値の策定 ●上記基準の実行と運用 策定した基準に基づき、開発状況のモニタリングを実行 リスクや異常を検知した際、開発現場へのタイムリーなフィードバックや、マネジメント層への迅速なエスカレーションフローの運用 3.バグ状況可視化方法の標準化 事業領域や開発チームごとにバラつきがある不具合管理を統一し、全社的なソフトウェア品質の横串管理を実現します ●ソフトウェア用の不具合管理方法における要件定義 不具合の定義、ステータス遷移(起票からクローズまで)、深刻度の全社統一ルール策定 ●不具合JIRAルールの標準化構築と運用 Jira等のツールにおいて、放置されがちなバグを無くすためのワークフロー設計および入力ルールの標準化 現場が迷わず正しく入力・管理するための、Jira標準化ルールのマニュアル整備と運用定着 4.ソフトウェア品質の浸透・定着活動 ●各開発組織に対する品質基準等の展開 SDVの各開発組織に設置される窓口担当者と密に連携し、策定した各種品質基準やプロセス、Jiraルール等を能動的に展開・導入 四輪開発センターの品質組織とも連携し、将来的には独立した立場から品質を担保する「第三者評価・品質監査」の仕組みづくりの推進 ●品質意識向上に向けた取り組み 市場で発生した不具合要因の分析結果や再発防止策を、SDV全体の開発プロセス・環境へ横串でフィードバック・共有 勉強会の開催や成功事例の共有を通じ、開発者一人ひとりのソフトウェア品質に対する意識向上と文化の醸成 ※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

【ミッション】 新設された全社横断の品質改革組織において管理職として、以下のテーマをリードしていただきます。 【業務内容】 1.品質可視化要件の構築と運用及び品質データ活用による改善サイクルの確立 ソフトウェア開発の総量や生産性、品質状況をリアルタイムで「見える化」するためのデータ基盤を構築し、データ駆動型の改善サイクルを回します。 ●開発品質データの要件定義 蓄積すべき品質データの検討および品質メトリクスの抽出・定義 開発状況をリアルタイムに把握し、リスクを早期検知するためのデータ可視化環境の構築 ●開発品質データの構築と運用 定義したメトリクスに基づき、各開発現場から効率的に品質データを抽出・自動収集する仕組みの検討 開発状況や不具合収束性をいつでも俯瞰・把握できるダッシュボードの構築と、日常的な運用の確立 2.開発状況アラート判定基準と運用 プロジェクトの遅延や、重大な品質低下をイベント前に早期検知するためのガバナンス体制を構築します ●開発品質における不具合基準の要件定義 開発の途中で「開発状況の是非」をリアルタイムに定量判断するためのアラート閾値の策定 ●上記基準の実行と運用 策定した基準に基づき、開発状況のモニタリングを実行 リスクや異常を検知した際、開発現場へのタイムリーなフィードバックや、マネジメント層への迅速なエスカレーションフローの運用 3.バグ状況可視化方法の標準化 事業領域や開発チームごとにバラつきがある不具合管理を統一し、全社的なソフトウェア品質の横串管理を実現します ●ソフトウェア用の不具合管理方法における要件定義 不具合の定義、ステータス遷移(起票からクローズまで)、深刻度の全社統一ルール策定 ●不具合JIRAルールの標準化構築と運用 Jira等のツールにおいて、放置されがちなバグを無くすためのワークフロー設計および入力ルールの標準化 現場が迷わず正しく入力・管理するための、Jira標準化ルールのマニュアル整備と運用定着 4.ソフトウェア品質の浸透・定着活動 ●各開発組織に対する品質基準等の展開 SDVの各開発組織に設置される窓口担当者と密に連携し、策定した各種品質基準やプロセス、Jiraルール等を能動的に展開・導入 四輪開発センターの品質組織とも連携し、将来的には独立した立場から品質を担保する「第三者評価・品質監査」の仕組みづくりの推進 ●品質意識向上に向けた取り組み 市場で発生した不具合要因の分析結果や再発防止策を、SDV全体の開発プロセス・環境へ横串でフィードバック・共有 勉強会の開催や成功事例の共有を通じ、開発者一人ひとりのソフトウェア品質に対する意識向上と文化の醸成 ※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 【職場環境・風土】 Hondaは三つの喜び(買う喜び、売る喜び、創る喜び)を基本理念に、創業より数々の製品を生みだしてきました。役員から新入社員まで、あらゆる人材が自由な発想で、夢や理想を徹底的に追求する風土が根付いており、学歴や年齢に関係なく誰もがフラットに活躍できる職場環境です。積極的に仕事に向き合い、推進する力のある従業員には、入社直後であっても大きな仕事が任されます。「こんなクルマが作りたい!」と自ら手を挙げてプロジェクトを立ち上げるような気概を持った方に、是非仲間に入っていただきたいと思います。

【ミッション】 -事業戦略に整合した技術戦略とアーキテクチャの策定・実行 -スケーラブルで信頼性・セキュリティの高いプラットフォームの構築 -AI 協働(生成 AI / MCP)を前提とした開発生産性・品質の最大化 -エンジニアリング組織の体制構築・採用・育成・評価 -技術ガバナンス(セキュリティ/プライバシー/コンプライアンス)の徹底 【概要】 技術戦略の策定から実行・ガバナンスまでを統括し、 将来を見据えたアーキテクチャ設計とAI ファーストな開発標準を確立します。 信頼性・セキュリティ・開発速度のトレードオフを適切に設計し、成果の再現性を高めます。 【業務範囲】 -技術戦略・技術ロードマップの策定と合意形成 -技術選定・アーキテクチャ設計(マイクロサービス/イベント駆動/データ駆動等) -プラットフォーム/SRE/Observability(可用性・パフォーマンス・コスト最適化) -セキュリティ/プライバシー/リスク管理(ゼロトラスト、インシデント対応) -データ/ML 基盤の設計・運用(ストリーミング、Feature Store、Vector DB、RAG 基盤) -開発標準の整備(AI ツール/MCP 活用、CI/CD、テスト自動化、変更管理) -採用・評価・育成/キャリア設計、組織デザインとカルチャー醸成 -重大障害の指揮/問題管理/BCP、外部パートナー連携 【利用するツール】 -GitHub / GitHub Copilot -Claude / Claude Code / Cursor / 各種 MCP ツール -AWS / GCP / Vercel / Kubernetes / Docker / Terraform -Datadog / Cloud Monitoring / OpenTelemetry -Notion / Slack / Figma

AIプロダクトソリューション部は、会社全体の成長を支えるAIソリューション開発を担う部門です。 転職希望者と求人企業のマッチング精度向上や応募率・成約率の改善など、事業の根幹に関わるテーマを扱っており、その実現に向けて研究開発から事業実装までを一貫して推進しています。 現在、生成AIやLLMの進化によって、人材サービスの在り方は大きな変化の可能性を迎えています。 一方で、人材マッチングの領域には依然として多くの未解決課題が存在しています。 たとえば、 ・転職希望者の経験・スキル・志向性の理解 ・求人企業の期待や組織特性の構造化 ・複雑なキャリアパスの予測 ・膨大な非構造化データの活用 ・マッチング精度と説明可能性の両立 ・継続的なモデル改善と運用高度化 などは、依然として高い技術的難易度を持つテーマです。 今回のポジションでは、データサイエンスのエキスパートとして、全社のAIモデルおよび機械学習モデルの設計・開発・チューニングを技術的にリードし、人材マッチングの高度化に向けた新規マッチングロジックを自ら企画・設計・実装したうえで、応募率や成約率などの重要KPI改善まで推進いただきます。 また、ビジネス課題を自ら構造化し、事業責任者やPdM、エンジニアと密に連携しながら仮説検証を進めるだけでなく、新技術や新たなデータ活用を全社へ展開し、標準モデルや共通コンポーネントとして浸透させていくことも期待しています。 担当業務例 具体的には下記の様な業務・プロジェクトを牽引いただくことを想定しております。 ●全社共通AIモデル・マッチングロジックの企画・アーキテクチャ設計 -「doda」をはじめとする複数プロダクトで横断利用される標準AIモデル・アルゴリズムの全体設計および技術選定 -単一のレコメンドにとどまらない、全社的なマッチング精度向上に向けた基盤・コンポーネント化の推進 ●事業課題の構造化とAIソリューションロードマップの策定 -事業責任者・PdMと対等に議論し、抽象度の高いビジネス課題やユーザー体験上の課題を「解くべきAI技術課題」へ構造化 -KPI(応募率・成約率・CVR・マッチング品質等)向上に直結する仮説検証(PoC)の設計と、本番適用までのプロジェクトリード ●最先端技術(生成AI・LLM等)の調査・検証および事業実装の主導 -生成AI、大規模言語モデル(LLM)、マルチモーダルAI等の最新論文・技術動向のキャッチアップ -実務適用に向けたプロトタイプ(PoC)開発、費用対効果・技術的実現性の評価、および本番システムへの実装推進 ●データサイエンスチーム全体の技術向上・標準化推進 -チーム内メンバー(ミドル〜ジュニアDS)への技術指導、コードレビュー、モデリング手法のナレッジ共有 -データ基盤・MLOps部門と連携した、実験・開発・運用プロセスの効率化および標準化の牽引 ●社内外への技術発信・ブランディング活動 -社内外でのセミナー講演、技術ブログの執筆、学会発表・論文制作等を通じた技術的プレゼンスの向上 【主な技術テーマ例】 ●大規模言語モデル(LLM)&エージェンティックAI活用 -LLM(API利用 / ファインチューニング / MCP / Agentic AI 等)を活用した、求職者の経験・志向性分析および求人情報の構造化・高度解析 ●高度な推薦システム(RecSys)&マッチングアルゴリズム開発 -双方向マッチング(求職者×求人企業双方の意向・相性を考慮した推薦)の最適化 -テキスト埋め込み(Embedding)やグラフニューラルネットワーク(GNN)等を活用した高精度類似度算出・レコメンドエンジンの開発 ●マルチモーダルデータ&非構造化データの活用 -職務経歴書・求人票などのテキストデータに加え、行動ログ・スカウト文面・選考結果などの定性・定量的データの統合モデリング ●AIアプリケーション・プロトタイプの高速検証・社会実装 -LLM/SLMを用いたAIエージェントやインタラクティブなマッチングアシスタント機能のPoCシステム構築 ●MLOps&全社AIプロダクト基盤の最適化 -Databricks、BigQuery、AWS/Google Cloud環境におけるモデルの継続的学習・評価・デプロイパイプライン(MLOps)の構築・運用推進 技術環境 【プログラミング言語】Python、SQL、Java、Scala、C 【データベース/データ基盤】Oracle Database、PostgreSQL、MySQL、Amazon Redshift、Google BigQuery、Databricks 【クラウドプラットフォーム】Amazon Web Services(AWS)、Google Cloud、Microsoft Azure 【ソースコード管理】GitHub、GitLab 【プロジェクト・タスク管理】Backlog、Microsoft Loop、Microsoft Planner、Jira、Confluence 【コミュニケーションツール】Slack、Microsoft Teams ●所属組織について AIプロダクトソリューション部には、マネージャー2名、エキスパート3名、メンバー16名のデータサイエンティストが在籍しています。 データをもとにマーケット状況、カスタマーニーズ、テクノロジーの変化などを総合的に判断し、事業を成長させていきます。 私たちは単に精度の高いモデルを開発する組織ではありません。 「人と仕事のより良い出会いをテクノロジーで支援する」という共通の目的を持ち、事業とテクノロジーの両面から課題解決に取り組んでいます。 技術議論やナレッジ共有も活発で、学び続けながら挑戦できる環境です。 働き方 ライフステージに合わせて、はたらき方をご自身でデザインしたい方にマッチする環境です。 ・有給休暇の積極的な取得が推奨されており、ご自身で業務調整をした上で積極的に活用が可能です。 ・裁量労働制を導入しており、子育てと両立しているエンジニアや副業を行っている社員もいるなど、ご自身の裁量で働く時間のコントロールが可能です。 ・大半のメンバーが在宅勤務をしています。リモート勤務手当の支給といったサポートがあります。 ・データサイエンティストとして市場価値を高めるための活動を推奨しており、研修受講やイベント登壇、副業等の活動をしているメンバーもいます。 ・書籍購入、学会やイベントの出張参加、クラウドを使った技術検証、AI関連サービスを実際に利用しての検証等の業務活動に対し、会社が費用を負担しています。

Directorは、マッキンゼー、BCG、アクセンチュアなどコンサルファーム出身者を中心に構成される Deployment Strategist 部門をリードします。当部門では、最先端のデータ解析AIを活用して顧客の一次情報を自由自在に解析し、様々な業界・業種の経営課題を解くための新たなユースケースの開拓を担っています。戦略提言に留まらず、見つけ出した経営示唆をプロダクトに埋め込むことで、顧客の意思決定を変革し続けます。 また、業界ごとの変革テーマを定義し、トップマネジメントとの関係を築き、戦略から実装まで一気通貫で事業を組み立てる責任者です。若手・中堅メンバーをリードし、エンジニアを含む各領域のプロフェッショナルと組んだ総力戦チームで顧客に成果を届け、そこから事業ポートフォリオを広げていく。コンサルティング・プロダクト・事業創造を一つの組織で握る役割です。 個別顧客レベルで担う「経営視点 × 現場視点 × AI 実装力」の三点を束ねる経験を、業界 Practice として束ね直す立場でもあります。 対話データ × AI を活用した新規変革テーマの構想 業界別 Practice の立ち上げと、勝ちパターンのユースケース化 事業ポートフォリオ戦略の立案 大企業トップマネジメントとの関係構築 経営アジェンダに基づく提案活動と意思決定リード 戦略パートナーシップの設計 DS(Deployment Strategist)チームを率いた受注案件のデリバリー Prompt Expert / Adaption Success / Engineer との連携による実装品質の担保 経営層レビューと成果検証 各ユースケースのサブプロダクト化・アライアンス形成 メンバー育成・採用への関与 再現性ある成長モデルと組織体制の構築

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

●職務概要 最先端の統計解析、機械学習、そしてLLM(大規模言語モデル)をはじめとする生成AI技術を駆使し、ビジネス課題の解決を推進します。 単なる分析PoC(概念実証)で終わらせるのではなく、データから得た示唆をアルゴリズムとして実装し、システム化・プロダクト化することで、「継続的なビジネス成果」を創出することがミッションです。 ●業務内容 プロジェクトの最上流から参画し、ビジネス課題の特定からアルゴリズムの選定、実装、社会実装まで一気通貫で携わっていただきます。 ・生成AI・LLM活用: RAG(検索拡張生成)を用いた社内知見の活用支援や、LLMによる業務自動化・コンテンツ生成アルゴリズムの技術検証およびシステム開発。 ・予測・最適化モデル構築: 需要予測、顧客離反予測、LTV最大化、マーケティング最適化など、大規模データを活用した数理モデルの設計。 ・社会実装とMLOps: 構築したモデルをWeb API等へ組み込み、運用・改善サイクルを回すことで、実ビジネスで活用され続ける仕組みの構築。 ・研究開発(R&D): 最新論文の調査・トレースを行い、最先端技術を商用利用可能なレベルまで引き上げる研究開発。 ・ステークホルダーとの折衝: クライアントや事業部門に対し、分析結果のレポーティングや、技術的背景に基づいた戦略的な意思決定の支援。

デジタル流通事業本部におけるデータエンジニアとして、幅広い業界のお客様に対し、技術的視点から最適なソリューションを提案いただきます。小売、航空宇宙など多岐にわたる領域に関わる機会があり、ご自身の業界知見や技術力を活かして、ビジネス成功へ導く重要な役割を担います。 <具体的には> 小売・eコマースクライアント向けにデータパイプラインを構築・運用するデータエンジニアとしてご活躍いただきます。クライアントのデータ活用を加速させるための堅牢かつ柔軟なデータインフラを構築します。 ・クラウド環境(AWS, GCP)でのデータパイプライン設計・構築・運用 ・データストレージ、ETL処理、スケジューリングの設計・実装 ・各種API連携、データ統合処理の開発 ・クライアント、社内メンバーとのコミュニケーション(日本語・英語) ベトナムをはじめとしたグローバルメンバーとONE TEAMで協力しながら開発・運営を進めていきます。 <選考事業部について> デジタル流通事業本部は、流通・物流を中心に、小売、航空宇宙、公共、エネルギーなど多岐にわたる領域に向けて、上流工程から開発、保守運用までを一貫して担うエンドツーエンドの開発ソリューションを提供しています。 各種業界に応じた業務知識と先端技術を組み合わせることで、お客様のビジネス変革(DX)を強力にサポートしてきました。

最高プロダクト責任者として、データ活用を軸にしたSaaSプロダクト「b→dash」と「kpiee」のプロダクト戦略全体を統括いただきます。 CTOと密に連携し、当社の技術力とプロダクトビジョンを融合させ、ユーザー体験の最大化とプロダクトの市場競争力強化を強力に推進する重要なポジションです。 単なる企画・マネジメントに留まらず、大規模な機能追加、パフォーマンス改善、データベース移行といった技術的チャレンジをプロダクト戦略に落とし込み、開発チームと共に最高のプロダクトを創り上げる責任を担います。 【仕事内容】 ●「b→dash」「kpiee」のプロダクト戦略、ビジョン、ロードマップを策定し、市場、競合、最新技術（AI・機械学習等）を深く理解した上での、最適なプロダクト方向性の意思決定 ●大規模機能開発、パフォーマンスチューニング、データベース移行、バージョンアップ等、高度な技術課題をプロダクト戦略に昇華させ、CTO・開発チームと連携しプロダクトの持続的な進化を牽引 ●プロダクトマネジメント組織を構築、採用、育成、マネジメントし、自律的に価値を生み出す組織の創出 ●顧客課題を深く洞察し、高品質な顧客体験を提供するためのUX/UI戦略を策定、デザインチームを統一 ●KPI設定、モニタリング、利用データ分析を徹底し、データに基づいた機能改善・新機能企画を主導することで、プロダクト成長を科学的に加速させる。

●業務の概要 データエンジニアとして、様々なデータ関連の業務に関わっていただきます。 データ基盤の構築、データ分析、プロダクト開発、生成AI関連開発など、ご志向やご経験に合わせて幅広い業務に挑戦することができます。 ※社内の配属先はご経験やご希望を踏まえた上でご本人様とご相談しながら決定いたします 【具体的な業務内容】 ・データ基盤の設計、構築、テスト、開発、保守、運用 ・自社プロダクトのデータパイプラインの設計、構築、運用 ・生成AI導入における顧客支援 ・事業の推進活動 ・エンジニアメンバーのマネジメントやチームビルディング ●技術スタック Python、dbt、Airflow、Snowflake、Redshift、Terraform、Vue.js、React、AWS、Google Cloud、Azure、OpenAI ●事例 ・自社開発したデータ分析基盤のアセスメントと高度化(三菱地所株式会社) 　https://nowcast.co.jp/case-studies/20240710/ 　https://nowcast.co.jp/news/20260218/ ・ナウキャスト、「Snowflake」を活用し、野村フィデューシャリー・リサーチ&コンサルティングの新たなデータ基盤を構築 　https://nowcast.co.jp/news/20241021/ ・Finatextグループのナウキャスト、ファイナンシャルアドバイザリー業務の効率化を生成AIで支援する「Finatext Advisory Assist」を提供開始 　https://nowcast.co.jp/news/20240419/ ・ニッセイアセットマネジメントの社員発アイデアをもとにした生成AI社内アプリケーションを開発 　https://nowcast.co.jp/news/20240731 ・ナウキャスト、大和アセットマネジメント専用の生成AIアプリケーション「DAM-AICore」を開発 　https://nowcast.co.jp/news/20260107/ ・ナウキャスト、デジタルガレージのグループ横断データ基盤の構築を支援 　https://nowcast.co.jp/news/20260217/ ・ナウキャスト、AIエージェント統制基盤「MCPass」β版を開発 　https://nowcast.co.jp/news/20260417/

VP of Data & AIの大野/Kevin直下で、以下のエンジニアリング業務をリードしていただきます。 【具体的な業務内容】 ●データ基盤の構築やデータマネジメントの仕組みづくり ●セキュアなAI基盤設計・運用 ・高セキュリティ基準下でのサンドボックス環境やガバナンス機能実装 ・AIの評価基盤や、Gateway機能の設計・構築 ●LLMオーケストレーションとMCP実装 ・社内SaaS・DB・ドキュメントをMCP経由でLLMへ提供 ・社内ツールとAIエージェントの統合、業務特化型AIエージェントのワークフロー設計・評価パイプライン構築 【配属先】 「AI+チーム」 CTO直下の独立したチームです。 少数精鋭で、グループ全体の技術スタックを横断的にハックし、全社員の生産性を「10倍」に引き上げることをミッションとします。 【技術スタック】 Python、dbt、Airflow、Snowflake、Terraform、AWS、Google Cloud、Azure、OpenAI

「AI開発部」でAIプロダクトマネージャーを担当していただきます。 AI開発部は各プロダクトチームと連携しながら、AIを用いた機能を実験、実装、運用するチームです。将来的には学習パイプライン、各プロダクトで横断的に利用するデータ基盤の整備など、ML/LLMOpsにも取り組みます。 現在は具体的に以下のようなテーマに取り組んでいます。 ・他社プロダクトとのデータ連携の効率化 ・書類からのデータ入力の効率化 ・タレントマネジメント関連データの分析高度化 AIプロダクトマネージャーの役割は、各プロダクトの解決しなければいけない課題を理解し「何をつくるのか」「なぜつくるのか」に責任を持ち、開発チームと一緒に「どのようにつくるか」「どう実現するか」を考え、推進していくことです。 具体的には以下のような活動を行います。 ・各プロダクトチームと認識を揃えるためのドキュメント作成やコミュニケーション、調整 ・中長期ミッション達成のためのチームの目標やロードマップの作成 ・新規のAIを利用したソリューションの企画、実験計画、推進 ・既存のAIを利用したソリューションの企画、実験計画、推進 ・共通モジュール、データパイプライン整備のための企画や設計、推進 ※業務内容変更範囲:会社の定める業務

【職務内容】 ・全リユース事業プロセスを支える基幹プラットフォーム「Cosmos」のバックエンド開発 ・AI自動査定(画像情報から商品特定・真贋判定・プライシングまでを自動化)やコール業務のAI自動化など、業務オペレーションへのAI実装を支えるアーキテクチャ設計 ・グループ買取在庫の統合、AIを活用した商材別最適販路選定など、データドリブン経営を支えるデータ基盤・API設計 ・EM・PdMと連携したプロダクト開発、技術的負債解消とDX推進の計画・実行 ・開発ガイドラインの策定、オブザーバビリティ強化などエンジニアリング組織の基盤づくり ・事業部と一体で開発を進めるFDE組織における次世代テックリードの創出・育成 【組織/配属先の特徴】 ・本部長(プロダクト責任者)や事業部と密接に連携 ・PdM・SWE・データサイエンティスト・AIエンジニアなど100名規模の技術組織 ・PdM・AIエンジニア・SREと協働し、事業課題に直結する開発を推進 ・AIによるコーディング率46.07%、開発量+41%など、生産性改善を定量管理 ・開発生産性への意識が高く、フルスタックな働き方が好まれる ・仕様がトップダウンで降りることはなく、エンジニアが「なぜつくるか」を理解して開発 ・業務を通して得た知見をtech blogや外部登壇で発表することを推奨 ・1プロダクトあたり10人未満のチーム構成 【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 ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic

FDEチームの一員として、エンジニア/DS/AI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、AI/データで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プロダクトの企画〜実装リード ・AI/データ活用プロダクト(需要予測、査定モデル、業務自動化、レコメンド 等)の企画〜要件定義〜プロダクト実装ディレクション ・AIモデル開発の要件整理(学習データ要件、評価指標、MLOps連携、モニタリング設計) ● 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/DS/AI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 ● データ/ユーザーインタビューを通じた継続的改善 【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:データ・AI戦略推進部に所属/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エンジニアなど約 80名規模 【プロダクト開発環境】 ・開発言語:Golang, React.js (Next.js), TypeScript, Python(AI/ML) ・インフラ:GCP (Cloud Run, BigQuery, Cloud SQL, Vertex AI...), 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

具体的な技術に関する情報は「[歴史に残る模範的なソフトウェアを作ろう](https://hello-world.smarthr.co.jp/)」をご覧ください。 ●役割 私たちが期待するのは、Customer Observabilityという新しい技術領域の構想を、実際に動くシステムと社内外に届く成果へと変えていく役割です。これまでエンジニアリングに対する取り組みやその文化・プラクティスを土台に、Webアプリケーション開発とデータ分析基盤の双方を横断しながら、「お客さまがSmartHRから何を得ているのか」を把握する仕組みをかたちにしていただきます。 まだ確立されていない領域だからこそ、既存の枠にとらわれず、プロダクト開発チーム・ビジネスサイド・データ基盤チーム、といった様々な部署と積極的に協働し、事業と組織の成長に直結する成果を生み出していただきたいと考えています。SmartHRのCREを「この業界における普遍的な技術」として位置づけていく、その中核を担っていただくポジションです。 ●具体的な業務 入社直後は、CREユニットが取り組んでいるCustomer Observabilityの現在地と目指す姿、そしてすでに動き始めている隣接部署(プロダクト開発/データ基盤/ビジネスサイド)の取り組みへの理解を深めることから始めていただきます。その後、マネージャーと連携しながら、BigQueryを中心としたデータ基盤やLookerなどの可視化基盤、既存のプロダクト観測環境(NewRelicやSentryなど)を活用し、プロトタイピングから着手します。 得られた知見をもとにトライアンドエラーを重ねながら、プロダクトチームやビジネスサイドと連携し、意思決定や組織としての学びを支えるインサイトを届ける仕組みへと育てていきます。実装にとどまらず、そのプロセスや成果を社内外に発信していくことも重要な取り組みのひとつです。 ●開発規模・開発体制 ・現在のCREユニットは、プロダクト改善を担うメンバー3名と、本ポジションから本格的に立ち上げていく「Customer Observability」領域で構成されています。 ・Customer Observability領域は、現時点ではマネージャー兼チーフエンジニアが兼務でリードしている立ち上げフェーズです。ジョインいただく方には、その初期メンバーとして構想・実装・発信を一緒に推進いただきます。 ・SmartHR全体のデータ基盤・観測基盤・AI活用の取り組みと密接に連携し、部署の枠を越えたコラボレーションが日常的に発生する環境です。 ・個人コントリビューター(IC)またはプレイングマネージャーとしての活躍を想定しており、将来的にはCREユニット全体のリードをしていただくことを期待しています。 ●配属先 選考を通して、経験や志向性などをもとに配属先を決定しています。現在募集している配属先は以下です。 ・人給基幹プロダクト開発本部 / CREユニット / CRE(Observability) └[SmartHR の CRE チームに興味をお持ちの方へ](https://tech.smarthr.jp/entry/cre-matome) └[テックブログ](https://tech.smarthr.jp/archive/category/CRE) ●現在取り組んでいる課題 「CRE」という、いまだこの業界にデファクトスタンダードと呼べる技術として確立されていない領域において、私たちが「Customer Observability」という概念・プラクティスを提唱したのが2026年4月(["Customer Observability" の対象となりうるものは何かを考えてみる](https://tech.smarthr.jp/entry/2026/04/13/094613))。 ここからの数ヶ月間でのプロトタイピングにより、少なくともSmartHRのビジネスサイドに対しては、とても有用な取り組みになり得ると判断するに十分な結果を出すことができました。 一方で、プロダクト開発サイドに対しては未だに構想止まりの状況のため、「2030年1000億円」という高い目標を達成するためにも、いち早く仮説検証・プロトタイピング・仕組みの構築に着手する必要があります。 ●業務内容変更範囲 会社の定める業務

概要 国内最大級の通信会社をメインクライアントとし、マーケティング課題の抽出からダイレクトレスポンス戦略の立案・実行をリードしていただきます。 既存の広告枠売りに留まらず、LTV最大化に向けたプロジェクトの司令塔として、組織強化やメンバー育成も担っていただきます。 詳細 ・広告主の課題抽出・KPI(CPA/ROAS/LTV)の設定 ・ダイレクトマーケティングを主軸とした戦略立案・提案 ・クリエイティブ/LPの制作ディレクション(CVR向上のためのデータ分析含む) ・メディアプランニング・運用型広告の全体ディレクション ・電通グループ及び自社開発のデータソリューションを活用した効果検証 ・新設チームの強化、メンバーの育成、ナレッジの型化 案件規模感 ・1キャンペーン数億円～ ・年間数十億円 業務効率化について 入稿やレポーティングなどのオペレーティブな業務をグループ会社 CARTA KNOTと連携することで省力化し、クライアントの課題解決に向き合うための本質的な時間を確保しています。 キャリアイメージ ・シニアデジタルマーケティングプロデューサー→局長・局次長 ・シニアデジタルマーケティングプロデューサー→新設局の責任者(局長・事業部長等) ・シニアデジタルマーケティングプロデューサー→新規事業開発・経営参画 取り扱い媒体 ・プラットフォームの広告管理ツール:Google/Yahoo!/Meta/X/LINE/等の主要プラットフォーム ・サイト分析に用いるアナリティクスツール:GA4/Adobe Analytics/等 ・LP制作/改善に用いるLPOツール:Clarity/Optimize Next/ミエルカヒートマップ/等 ・クリエイティブ制作関連ツール:Canva/Photoshop/Figma/等 ・メディアプランニングに用いる市場分析ツール:Similarweb/Knowns/ ・オンオフ統合プランニングに用いるプランニングツール※電通グループ独自で保有しているツール等 他、多数 ※変更の範囲:会社の定める業務(出向先会社での業務を含む)

【業務概要】 プロダクト戦略の立案から実行まで、事業成長の中核を担うポジションです。 マルチサイド・プラットフォームの機能設計やMVP設計を行い、データ分析に基づくグロースハックを推進します。 プロダクトロードマップの策定やKPI設定、プロダクト組織の構築など、幅広い責務を担っていただきます。 【具体的な業務内容】 ・プロダクト戦略の立案と実行推進 ・データ分析に基づく機能設計とMVP開発 ・ユーザーインサイトを活用した革新的機能の提案 ・プロダクトロードマップとKPIの策定 ・チーム横断での開発プロセス最適化 【ミッション】 プロダクト戦略を主導し、ヘルスケア領域トップクラスのプラットフォームの価値最大化を実現することがミッションです。 ユーザーニーズと事業戦略を融合させ、革新的なサービス開発を通じて、介護に関わる全ての人々の生活向上に貢献していただきます。 【その他要件】 ・従事すべき業務の変更の範囲:適性に応じて会社の指示する業務への異動を命じることがある

ミッション デジタル戦略を統括し、テクノロジーとデータを駆使して介護領域のプラットフォーム変革を推進。社会課題解決と事業成長の両立を実現し、新たな価値創造を牽引することがミッションです。 業務概要 介護領域を軸にヘルスケア業界におけるトップクラスのプラットフォームサービスを運営する当社で、全社のデジタル戦略を牽引していただきます。データドリブン経営の実現に向けて、AIやクラウド技術を活用したDX推進や、データ基盤の構築を推進していただきます。 具体的な業務内容 ・全社DX戦略の立案と推進 ・データドリブン経営の実現に向けたKPI設計と運用 ・AIを活用した新規ビジネスモデルの構築 ・クラウドインフラ活用によるデータ基盤の整備 ・デジタル人材の育成と組織構造の最適化 ※従事すべき業務の変更の範囲:適性に応じて会社の指示する業務への異動を命じることがある

Trackプラットフォーム上のスキルデータ基盤「Skill Data Cloud」およびスキルオントロジーレイヤーを設計・構築・運用し、AIフレンドリーなデータ/ML基盤として高度に整備していくリードポジションです 。 スキルタクソノミーのメンテナンスとスキルデータ分析、ML/生成AIを活用したデータパイプライン・MLOps基盤構築を通じて、プロジェクト実績・学習履歴・アセスメント等の多様なデータの信頼性・関連性をデータドリブンに担保します。 ビジネスサイドと連携しつつ、データサイエンティストチームへの指示出しやプロジェクトディレクションを担い、Skill Intelligence Lab全体の技術・運用標準をリードしていただきます 。 ●スキルタクソノミー・オントロジーの設計・メンテナンス: スキル同士の関連性のモデル化や変更履歴管理プロセスを設計し、組織全体での利用ルールや品質指標を確立します 。 ●Skill Data Cloudの設計・構築・運用: 複数データソースを統合する基盤設計をリードし、AIフレンドリーなデータ基盤の実現に向けたアーキテクチャ指針やロードマップを策定します 。 ●スキルデータ分析基盤の構築: スキル関連性を分析するモデルの選定・実装を行い、プロダクト改善や事業戦略に繋がる指標体系を標準化します 。 ●ML/生成AIモデルの設計・実装・評価; スキルデータ活用に向けたML機能の設計方針をリードし、モデルアーキテクチャの方向性や品質・リスク管理基準を定義します 。 ●MLOps基盤の設計・構築・運用:セキュリティとスケーラビリティを踏まえた最適なMLパイプライン構造を設計し、Feature Storeやモデルレジストリの導入を主導します。 ●モデルの本番デプロイと推論基盤構築: Kubernetes上でのモデル推論基盤の構成を設計し、CI/CDを用いたデプロイパイプラインの標準を定めます。 ●運用監視・品質管理: モデル監視指標の標準化やA/Bテストの設計をリードし、組織横断の品質管理フレームワークを策定します 。 ●プロジェクトマネジメント:プロジェクト計画の策定、データサイエンティストチームへのディレクション、ビジネスサイドとの要件調整をリードします 。 ※業務の変更の範囲:会社内での全ての業務 ●開発環境・ツール ※指定はありませんが、下記が案件で主に使われる技術です ※支給PC:Windows or Macbook ※最新のMacbook Proを支給することが多いです! ・プログラミング・スクリプト言語:Python ・クラウド・インフラ・コンテナ基盤:パブリッククラウド全般 、Kubernetes ・CI/CD・認証:CI/CD環境 、IAM (Identity and Access Management) ・MLOps・MLプラットフォーム:MLflow 、モデルレジストリ 、Feature Store 、実験管理ツール ・データ基盤:DWH (データウェアハウス) 、データパイプライン構築・運用