生成AI・LLMプロダクト開発 年収1000万円以上のITエンジニア求人・転職情報

Trust株式会社（トラスト）

職務概要 本ポジションでは、当社が開発・提供する金融機関向け自社プロダクト「Trust TLanP」において、レガシーコードのモダナイゼーションを実現するための多言語解析基盤を設計・実装していただくLanguage Engineerとして参画いただきます。 金融機関の基幹システムは、COBOL、PL/I、Java、C/C++、SQL、Shellなど複数世代・複数言語が混在する構成となっており、特定言語に依存しない解析・変換基盤の構築が重要なテーマとなっています。TLanPを「個別言語対応ツール」から「言語非依存のモダナイゼーション基盤」へ進化させるためには、構文解析・中間表現設計・静的解析といったプログラミング言語処理技術の高度化が不可欠です。 本ポジションでは、多言語対応Parserの設計、AST/CFG/IR等の中間表現設計、静的解析基盤の構築、AIによるコード理解・変換を可能にする構文基盤の整備などを通じて、「金融レガシーコードの高精度な解析」と「スケーラブルなモダナイゼーション」の両立を実現する中核的な役割を担っていただきます。 エンジニア、PdM、コンサルタントと密に連携しながら、プロダクトの根幹となるLanguage Engineering領域をリードしていただくことを期待しています。 具体的な業務内容 ●多言語解析基盤の設計・実装 ・各種プログラミング言語向けParserの設計・実装 ・AST/CFG/中間表現(IR)の設計 ・言語非依存の解析基盤の構築 ●静的解析・構造解析の高度化 ・呼び出し関係/依存関係解析の設計・実装 ・レガシーコードの構造抽象化および可視化基盤の構築 ・変換前後の整合性検証ロジックの設計 ●モダナイゼーション変換基盤の構築 ・言語横断的なコード変換エンジンの設計 ・自動リファクタリング/変換ロジックの実装 ●AI統合基盤の整備 ・LLM等を活用したコード理解・生成を可能にする構文基盤の設計 ・AI連携を前提としたアーキテクチャ設計 ●業務変更の範囲 すべての業務への配置転換あり 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://trust-partner.co.jp/TrustTLanP

Dress Code株式会社

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。

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

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

期待する役割 シニアプロジェクトマネージャー (IC) として、以下の3つのミッションを担っていただきます。 1.戦略案件・重要案件のデリバリー責任者 として、複数プロジェクトの成功確率を最大化する 2.AI/LLMプロジェクト 特有の不確実性を前提に、評価設計・運用設計・ガバナンスまで含めてプロジェクトを完遂する 3.プロジェクト運営の型化・標準化 を推進し、組織として再現性のあるデリバリー体制を構築する 業務内容 ●プロジェクト/プログラムマネジメント (中核) ・複数プロジェクト (並行案件) の計画策定、進捗・課題・リスク・依存関係の統合管理 ・顧客経営層・事業責任者との合意形成 (スコープ、優先度、変更管理、検収条件) ・品質管理 (要件の曖昧さを潰す、受け入れ基準の設計、レビュー、手戻り抑制) ・重要インシデント・炎上兆候の早期検知、エスカレーション、収束までの指揮 ・プロジェクトドキュメント (要件定義書・仕様書・WBS等) の作成・レビュー ●AI/LLMプロジェクト特有の設計・推進 ・AI機能の要件定義 (顧客期待値の調整、ユースケース定義、技術的制約の整理) ・品質評価の設計・運用 (評価指標の策定、テスト観点の設計、改善サイクルの構築) ・情報管理・セキュリティ/コンプライアンス要件を踏まえた推進 (社内法務・セキュリティチームとの連携) ・AI特有の不確実性 (精度のばらつき、ハルシネーション等) を前提としたスコープ・スケジュール設計 ●デリバリーオペレーションの型化 (PMO的役割) ・プロジェクト標準の整備 (テンプレート、進行ルール、品質ゲート、WBS粒度、定例体の設計) ・主要メトリクスの設計・可視化 (例:納期遵守率、手戻り率、検収リードタイム、重大障害件数、顧客満足度) ・PMメンバーへのナレッジ共有・レビュー支援・再発防止の仕組み化 ●従事すべき業務の変更の範囲 会社の定める業務 チーム体制 ●開発組織:約70名 (PM/エンジニア/デザイナー/QA等) ●配属:PjM (プロジェクトマネージャー) チーム ・自社SaaS・AIエージェントを顧客向けソリューションとして開発・提供 ・クライアントワークが中心で、顧客折衝・要件定義から納品まで一貫して担当 ●協働メンバー: ・PdMチーム、エンジニア (フロントエンド、バックエンド、AI/ML) 、デザイナー、QAエンジニア ・セールス、カスタマーサクセス、クライアント企業の担当者

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

Sansan株式会社

●組織のミッション 「Sansan AIエージェント」「MCPサーバー」を通じ、営業活動の変革を推進することで、当社のミッション「出会いからイノベーションを生み出す」の実現を目指します。 ●具体的な業務 Sansanが次世代のビジネスインフラとして開発を進めている「Sansan AIエージェント」および「MCPサーバー」のプロダクトマネジメントをリードします。 対象となるプロダクトは、当社の事業戦略における重点領域であり、名刺・接点・企業情報といったSansanの独自アセットに、生成AI技術を掛け合わせて価値を生み出す中核的なポジションです。 プロダクトマネジャーとして、事業戦略から体験設計、開発推進、リリース後の改善までを一貫して担います。 ●主な業務内容 ・プロダクト戦略・ロードマップ策定 ・Sansan事業部全体の方向性と連動したAIプロダクト群の戦略立案 ・ビジネスデータの価値を最大化するプロダクトロードマップ策定と優先順位付け ・AIエージェント、MCPサーバーなどのプロダクトポートフォリオ最適化 ・ユーザーリサーチ・体験設計 ・顧客課題(営業組織・DX推進担当・経営企画など)の深い理解と仮説検証 ・CopilotやClaudeなど、利用MCPクライアントに応じた最適体験の設計 ・ユーザー価値検証(PoC・ユーザビリティテスト・ベストプラクティス抽出) ・要件定義・仕様策定・開発マネジメント ・AIモデル・データ構造・セキュリティー・認証などを含む仕様策定 ・エンジニア/デザイナーと連携した開発プロセスの推進 ・リリース後のデータドリブンな改善活動のリード ・ビジネス設計・市場開発 ・プライシング・サポート体制・導入支援モデルなどのビジネス設計 ・社内外パートナー(Microsoft、Google、他SaaS)との協業推進 ・導入企業とのPoC推進・事例創出・ユーザーグループ運営 ●入社後にお任せしたい業務 SansanのAIプロダクト群(AIエージェント/MCPサーバー)の中核となるプロダクトマネジャーとして、 プロダクトの立ち上げ・成長・定着を主導します。 初期フェーズでは事業責任者とともに戦略と体験の骨格を定義し、プロダクトロードマップの優先順位をリードします。 開発・営業・AIリサーチなど多職能チームを横断し、価値検証からグロースまで推進します。 ●将来的にお任せしたい業務 Sansan全社のAI戦略の一翼を担い、AI×SaaS領域における新たな価値創出をリードします。 ●従事すべき業務の変更の範囲 会社の定める業務

Trust株式会社（トラスト）

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

株式会社Re-grit Partners（リグリットパートナーズ）

当社は創業以来、DXコンサルティングを通じて企業の変革を支援してきました。 次のステージとして、生成AIを活用したプロダクト開発に注力しています。 その中心となるのが 「AIプロダクトエンジニア」 です。 単なるモデル実装やデータ分析に留まらず、Web開発の実装力 × ビジネス理解 × CX(顧客体験) × AI活用 を掛け合わせ、価値あるAIプロダクトを共に作り上げる仲間を募集しています。 ●業務内容 ・RAG(Retrieval-Augmented Generation)やLangChain等を用いた生成AIアプリケーション開発 ・フロントエンド/バックエンドを含むWebアプリケーションの設計・実装 ・PJにおける要件定義・設計・開発・テストといった一連の工程への参画 ・チームメンバーやコンサルタントと連携したプロダクト開発 ●主なプロジェクト事例 ・保険業向けAIクローンPoC支援 ・情報通信業向けRAG活用ローカルLLM開発 ・インフラ業向けローカルLLM導入・構築 ●従事すべき業務の変更の範囲 ・雇入れ直後:配属先に関する業務一般 ・変更の範囲:会社が定める業務 ●当事業の目指す姿 当社は「CxO firm 1000人のCxOを輩出する企業へ」をVISIONに掲げ、「個の能力を徹底的に磨け」というコアバリューのもとマインド・能力開発できる環境作りを追及し、既に数名のCxOを輩出してきました。 Technology領域においても、技術軸のCxO(CTO、CIO、CDO…)や、社会的にインパクトのあるプロダクト開発、市場トップレベルの技術的な強みの獲得・発揮など、本人の志向に合わせた成長機会を創出していきます。 ●当事業の成長ステップ STEP1:既存顧客へのオポチュニティ開拓・外部リソース含めた体制構築 STEP2:主要サービスラインを確定し、営業戦略再策定・採用強化 STEP3:デリバリーリソースの内製化・当事業起点での案件創出 ●当社クライアントの特徴 Forbes500/Nikkei225を始めとする大手エンタープライズ企業と100%プライム(一次請け)を実現しております。

Sansan株式会社

●サービスについて AI契約データベースである、取引管理サービス「Contract One」は、企業の契約に関わるあらゆる意思決定を支援するデータソースとして機能します。契約データの活用は企業によりさまざまであり、あらゆるユースケースに対応するデータ表現、および検索インターフェースが「Contract One」の根幹となります。当社が長年培ってきたデータ化技術やオペレーション体制と、最先端AI技術や高度な情報検索領域のエンジニアリングを組み合わせることにより、他社では実現できない多くの機能がエンジニアの手によって開発されています。 ●組織のミッション 契約データを活用するためには単にデータを保持するだけではなく、情報要求に対して的確な応答を行うことが重要です。Contract OneのAI・検索チームは生成AIの回答、および検索品質に関してエンドツーエンドで責任を持ち、契約領域における品質課題をゼロにすることをミッションとしています。 ●具体的な業務 取引管理サービス「Contract One」において、根幹機能である生成AI・検索機能の改善を行います。UI/UXを含めた生成AI・検索体験の設計・実装・運用・評価・改善のすべてを担当します。 ・検索体験の向上 — サジェスト、ハイライト、ランキング、パフォーマンスなどを含む契約書検索体験の設計・改善 ・評価指標の設計 — 生成AI出力、検索品質の評価指標の設計と改善 ・可観測性の向上 — パフォーマンスメトリクス、検索品質、生成AI出力の継続的な評価と監視基盤の構築 ・AIエージェント — ランタイム、ループ設計、メモリ、ツールセットを含めたエコシステムの全体設計・基盤構築・運用 ●開発環境、使用するツールなど ・フロントエンド:TypeScript, React, Vite, Storybook, HTML, CSS ・サーバーサイド:Kotlin, Ktor, Spring Boot, Gradle, Python ・データベース:Cloud SQL(PostgreSQL), Elasticsearch ・運用・監視:Splunk, Cloud Logging ・CI:GitHub Actions, Cloud Build ・バージョン管理・コラボレーションツール:GitHub, Notion, Gather ・インフラ:Google Cloud(Cloud Run/Cloud Functions/Cloud Tasksなど), Cloudflare ●従事すべき業務の変更の範囲 会社の定める業務

MNTSQ株式会社

<<業務内容>> ●業務の概要 「契約は、AIが交渉する時代へ」を目指すには、「既存プロダクトの伸長と新規プロダクトの開発」の両立が必要です。 本募集では、そのために必要不可欠な存在である技術的側面のリードをお任せします。 ・[MNTSQ 案件管理](https://mntsq.co.jp/product/casemanage) ・[MNTSQ 契約管理](https://mntsq.co.jp/product/contractmanage) ・[データベース](https://mntsq.co.jp/product/databasemanage) ・[契約レビュー](https://mntsq.co.jp/news/release/ai_keiyakureview) ・[AI契約アシスタント](https://lp.mntsq.co.jp/ai-agent) 基本的な考え方として、ご入社後まずは既存プロダクトでアーキテクチャを含めてキャッチアップしていただきます。その後、経験と希望を踏まえながら、新規プロダクトを担当していただく形となります。 ●業務の詳細 具体的にご担当いただく業務は以下となります。 ・テックリードとしての技術的意思決定(技術選定、アーキテクチャ設計) ・プロダクト開発における生産性向上 ・技術負債解消に向けたアーキテクチャ改善、リファクタリング計画の策定～推進 ・コードレビューを通じたチームメンバーへの技術的なフォローおよび育成 ・チーム全体に知見を共有し、理解を深めコラボレーションを促進するためのドキュメンテーション ※職種の変更範囲:会社の定める業務 <<開発環境と体制>> ●技術スタック ・言語:Ruby, Python, JavaScript, TypeScript ・Webフレームワーク:Ruby on Rails, FastAPI, Vue.js ・CSSフレームワーク:ElementPlus, TailwindCSS, PostCSS, Storybook ・プラットフォーム:Amazon Web Services, Google Cloud ・データベース:Aurora MySQL ・検索エンジン:Elasticsearch, OpenSearch ・監視ツール:CloudWatch, Datadog ・コンテナ基盤:Docker, Docker Compose, ECS/Fargate ・構成管理:Terraform, Itamae ●エンジニア組織の概要 所属する組織は開発本部です。全体で約50名おり、以下4つのチームからなる体制です。 ・CLMチーム ・法務エージェントチーム ・事業部向けチーム ・イネーブリングチーム 今回の募集である、サービス開発を担う組織はイネーブリングチーム以外の3つのチームです。 ご入社いただいた際の想定配属先はそのいずれかとなります(2026年8月時点)。 各チームはそれぞれ6-10名程度の構成となっています。 【参考記事】 ・[WHY-WHAT-HOWを繋げる - MNTSQの掲げる理想のプロダクト開発 -](https://note.mntsq.co.jp/n/ne5d0464613b6) ・[FY26下期、MNTSQ開発組織と向かう先](https://note.com/naomichi_takata/n/n2a2f00242f76) ●リードエンジニアとテックリードの役割の違いについて <テックリードの役割> ・アーキテクチャー設計 ・全体最適をふまえた技術意思決定 <リードエンジニアの役割> ・担当開発アイテムのリード ・技術的意思決定・テックリード補佐 ●26年度のエンジニア組織のテーマは「開発の高速化」 AI活用はもはや前提です。 26年度は開発スピードのギアを上げ、すでに新機能の立ち上げは加速しはじめています。 組織が拡大し、AIで開発のあり方が急速に変わる中で、自律的に課題を拾い、組織全体で解決していく。自走する人材・牽引する人材で組織力も高めるフェーズにはいっています。 AI活用への積極投資は引き続き行っています(Claude Code、Cursorなど)。 【参考記事】 [AIで変わる開発プロセス。MNTSQのエンジニアが実践する”AI前提”の開発環境について](https://note.mntsq.co.jp/n/n781c05a95daa) 【参考記事】 [MNTSQがAI活用を加速する理由と目指す未来](https://note.mntsq.co.jp/n/ndccc7f6ed56c) 【参考記事】 [「AIにできること/できないこと」を理解し、共に進化する。MNTSQエンジニアのAI活用最前線](https://note.mntsq.co.jp/n/na266148b8d69) <<入社受入の体制>> ●前提となる働き方 コアタイム無しのフルフレックスです。 リモートと出社のハイブリットワークです。出社は月5日以上となります。 エンジニアは、業務に集中するため、Mtgを入れない日や時間帯を設けながら、生産性を追求しています。 【参考記事】 [MNTSQエンジニアの1日に密着!](https://note.mntsq.co.jp/n/n4d1c895ea9eb) ●3ヵ月のオンボーディングプログラム MNTSQはバリューとして「 自由と責任の文化 」を掲げています。 バリューの理解を深めていただくとともに、MNTSQでどう力を発揮するか、全社を挙げてフォローします。 期間中はメンターが付きます。水先案内人として、MNTSQでの活躍を側面支援します。 【参考記事】 [個を見て、伴走し、後押しする。個に向き合うオンボーディングと成長支援文化](https://note.mntsq.co.jp/n/nf1accf0660ae)

JAPAN AI株式会社

このポジションでは、以下の業務に取り組んでいただきます。 ●プロダクト戦略 ・会社全体のビジョンや事業戦略に基づいたプロダクト戦略の策定 ・市場調査や競合分析を通じたプロダクトの方向性の決定 ・プロダクトロードマップの作成および優先順位の設定 ・KPIの設定と追跡、データに基づく意思決定の推進 ●ハンズオンでのプロダクト開発 ・開発チームと連携し、プロダクトの要件定義や仕様策定を直接リード ・ユーザーインタビューやデータ分析を通じたプロダクト改善の推進 ・プロダクトのリリース計画の策定および実行 ・最新のAI技術動向の把握と自社プロダクトへの応用検討 ●チームマネジメント ・10名規模のプロダクトマネージャーチームの育成・評価 ●チーム全体のパフォーマンス向上を目的とした組織改善 ・メンバーが自律的に成長できる環境の構築およびモチベーション管理 ・多国籍チームにおけるバイリンガルコミュニケーションの推進 ●ステークホルダーとの連携 ・営業やカスタマーサクセスチームとの連携を通じた顧客ニーズの把握とプロダクト改善 ・顧客との直接的なコミュニケーションを通じたフィードバックの収集 ・経営層や他部門との連携を通じたプロダクト戦略の共有と調整 ・グローバル展開を見据えた英語でのコミュニケーション ●開発言語 : TypeScript, Python ●作業環境 : Mac (Appleシリコン)、モニター2台まで利用可能 ※従事すべき業務の変更の範囲 会社の定める業務

株式会社カカクコム

AX推進チームが進める先行成果創出プロジェクトや共通ソリューション開発において、AIエージェント開発の技術リードを担当いただきます。 プレイヤーとして難易度の高い案件に自ら入り込み、AIエージェント開発の難所を突破しながら実装パターンを確立し、 技術責任者としてLLM選定やアーキテクチャ設計、品質保証基盤の構築、実装ガイドライン策定など、AX部全体に影響する技術判断を担います。 ●最重要・高難度案件におけるAIエージェント開発の技術リード(難所の実装、設計レビュー、アーキテクチャ設計) ●AIプロダクトの品質ハーネス設計(Pre-commit、CI/CD、LLM出力検証、リグレッションテスト基盤の構築) ●AX部全体の技術標準・実装ガイドラインの策定(LLM選定、アーキテクチャパターン設計、コーディング規約、アンチパターン集の整備) ●Claude、Gemini、GPTなどのLLM活用方針および技術評価 ●AIエージェント開発における品質保証・評価基盤の設計 ●AIエージェントビルダーへのアーキテクチャレビューおよび技術メンタリング ●新技術や新モデルの評価および実務適用判断 ●AX部全体の開発環境・CI/CD基盤の設計と改善 ●開発環境・社内ツール AI開発 :Claude Code、Cursor、Gemini Advanced LLM API:Claude API(Anthropic)、Gemini(Vertex AI)、OpenAI GPT AIフレームワーク:LangChain、LlamaIndex 自動化:Playwright、GitHub Actions、Cloud Scheduler バックエンド:TypeScript(Hono)、Python(FastAPI) データベース:PostgreSQL、Firestore、BigQuery インフラ:GCP(Cloud Run、Cloud Functions、BigQuery) プロジェクト管理:Confluence、Jira、GitHub Enterprise

株式会社メドレー

AIシニアエンジニアとして、医療プラットフォームの各プロダクトにおけるAI機能の実装やAI技術の導入をリードしていただきます。具体的には、以下の業務を想定しています。 ・AIや外部システム連携を用いた新機能の設計・実装・改善 ・PdMやデザイナーとの協働による要件整理と技術検討 ・プロダクト内外のデータ活用・自動化を支える技術基盤の整備 ・チーム内でのコードレビューや技術知見の共有 ・AI/API関連の新技術のキャッチアップとプロダクトへの適用検討 ※業務の変更の範囲:会社の定める業務

株式会社ギブリー

当社のエンジニアリングマネージャーは、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 ●業務の変更の範囲:会社内での全ての業務 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! 組織データ ・平均年齢31歳 ・新卒3割、中途7割 ・外国籍22%、出身国20カ国以上 ・開発職約30% ・女性執行役員在籍 ・育児中社員在籍 備考 支給PCはWindows or Macbook ※最新のMacbook Proを支給することが多いです! ●技術顧問・アドバイザー 東京大学名誉教授 竹内 郁雄(技術顧問) 東京大学大学院教授 江崎 浩(技術アドバイザー) 東京工業大学大学院教授 岡崎 直観(技術顧問)

燈株式会社

主にWebアプリケーションの設計・開発を担当いただき、下記いずれかのプロダクトまたはチームに配属となります。配属先によってはAIエンジニアと連携しながら、アルゴリズムのサービス実装を行う場合もあります。 ●Digital Billderシリーズ(建設業特化バックオフィス業務DXサービス) 建設業に特化したバックオフィスDXサービス。Digital Billder見積書・発注・請求書・経費精算の4サービスから構成されるシリーズ。サービス累計700社以上が導入。 LP:https://www.lp.digitalbillder.com/ ●Hikari(建設業特化生成AIサービス) 建設業特化の生成AIサービス。ローンチ1年で200社の契約を達成。 LP:https://hikari.akariinc.co.jp/ ●チーム Nebula(デジタルツイン領域) 点群・画像データを用いた3Dモデル生成のためのアプリケーション プレス例(道路構造物点検システム):https://prtimes.jp/main/html/rd/p/000000035.000083531.html ●チーム Antares(図面領域) 設計図面を3Dモデルに変換するプロセスの自動化を実現するアプリケーション プレス例(設計図書のダッシュボードシステム):https://www.taisei.co.jp/about_us/wn/2022/220509_8718.html ●チーム Lyra(自然言語処理・シミュレーション領域) 最新の自然言語処理(LLM)を活用した情報抽出・検索アプリケーション プレス例(建物情報の検索チャットシステム):https://prtimes.jp/main/html/rd/p/000000036.000083531.html 【技術スタック(一例)】 ●フロントエンド Typescript/Node.js/React/Next.js ●バックエンド Typescript/Node.js/Python/NestJS/FastAPI/GraphQL/Hasura/gRPC ●インフラ Terraform/Kubernetes/AWS/Microsoft Azure ●AI Python/Numpy/Pandas/Pytorch/OpenCV AI開発支援ツールの導入 当社では、最新のAI開発支援ツールを実務に組み込み、効率と品質を同時に高めています。主な活用例は以下の通りです。 ●Devin:自動タスク実行、同時並行実装数を上昇 ●Claude Code:自然言語からの高度なコード提案・改善で、実装スピードを向上、同時並行実装数を上昇 ●v0.dev:高速なUIモックアップ生成で、要件確認を迅速化 ●GitHub Copilot:日常的なコーディング補助で、作業効率を底上げ ●Gemini:Deep Research/Python実行を含む情報検索・解析で、調査や設計の精度を向上

燈株式会社

業界特化型生成AIエージェントの開発(AI SaaS事業部への配属)において、プロダクトの「要件」を「技術」へと翻訳し、チームの最大出力を引き出すリードエンジニアを募集します。 【ミッション】 ビジネス要件を実装可能な技術仕様へと落とし込み、自ら開発を牽引すると同時に、ジュニアメンバーへの適切なタスク配分と設計支援を通じて、チーム全体の開発生産性とアウトプット品質を最大化させます。 詳細な業務内容 【業務例】 ・要件定義から技術仕様への落とし込み: PdMやビジネスサイドとの上流工程からの議論に参加し、曖昧なビジネス要件を、エンジニアが実装可能なレベルの技術仕様書・インターフェース定義まで具体化します。 ・タスク分解と采配(ディスパッチ): 大きな機能を「ジュニアメンバーが実装可能なサイズ(1〜3日程度)」のタスクに分解し、メンバーのスキルセットに合わせて適切に割り振ります。 ・アーキテクチャ設計と技術戦略: プロダクト全体の整合性を保つためのアーキテクチャ選定、技術的負債の返済計画の策定、スケーラビリティを考慮したインフラ設計を行います。 ・組織の技術力底上げ: コードレビューの最終責任者として品質を担保すると同時に、AI開発支援ツール(Devin/Claude Code等)の活用ベストプラクティスを策定し、組織全体の開発生産性を向上させます。 【技術スタック】 ・フロントエンド:TypeScript/Node.js/React/Next.js ・バックエンド:TypeScript/Node.js/Python/NestJS/FastAPI/GraphQL/Hasura/gRPC ・インフラ:Terraform/Kubernetes/AWS/Microsoft Azure ・AI:Python/NumPy/Pandas/Pytorch/OpenCV 【AI開発支援ツールの導入】 当社では、最新のAI開発支援ツールを実務に組み込み、効率と品質を同時に高めています。主な活用例は以下の通りです。 ・Devin:自動タスク実行、同時並行実装数を上昇 ・Claude Code:自然言語からの高度なコード提案・改善で、実装スピードを向上、同時並行実装数を上昇 ・v0.dev:高速なUIモックアップ生成で、要件確認を迅速化 ・GitHub Copilot:日常的なコーディング補助で、作業効率を底上げ ・Gemini:Deep Research/Python実行を含む情報検索・解析で、調査や設計の精度を向上