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

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

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

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

【概要】 AI を活用した高速な開発ループの中で、Flutter を主軸としつつ、必要に応じてネイティブ層(Swift/Kotlin)も活用し、モバイルアプリの体験設計・実装・品質向上をリードしていただきます。 【業務範囲】 ・Flutter(Dart)によるアプリ設計・実装・CI/CD 構築 ・パフォーマンス最適化(起動時間、描画、Jank、メモリ)と計測の仕組み化 ・ネイティブ機能ブリッジ(BLE、Push、カメラ、位置情報、バックグラウンド処理 等)の設計・実装 ・オフライン対応、状態管理、エラーハンドリングの堅牢化 ・AI/LLM APIを用いたアプリ機能の実装と検証 ・デザインシステム/アクセシビリティの整備と運用 ・ストア配信、リリース運用、クラッシュ解析(Firebase Crashlytics 等) ・AIを活用した開発フロー改善・自動化 ※業務内容の変更範囲:会社の定める業務 【利用するツール】 ・Flutter / Dart ・Swift / Kotlin(必要に応じて) ・Firebase(Crashlytics, Analytics, Remote Config 等)/ Sentry ・GitHub / GitHub Actions / Fastlane ・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 ・Datadog / Sentry / 各種計測基盤 ・AWS / GCP / Vercel 等のバックエンド基盤 【資質(自律性・品質志向・適応性)】 ・AI 協働を前提に、仮説検証を迅速に回す自律性 ・体験品質(滑らかさ、応答性、安定性)への強い執着 ・未確立な領域(AI×モバイル)でも構造化して前進できる柔軟性 【具体スキル】 ・Flutter(Dart)による商用開発と状態管理(Riverpod/Bloc 等)の経験 ・ネイティブ機能ブリッジ(MethodChannel、FFI、プラグイン開発)の実践 ・CI/CD(Fastlane、GitHub Actions)とリリース運用(TestFlight/Play) ・モバイルパフォーマンス計測・最適化(フレームタイム、メモリ、電力) ・クラッシュ解析/ログ収集(Crashlytics、Sentry 等)と MTTR 改善 ・セキュアなストレージ/認証/ネットワーク(TLS/証明書ピンニング 等)の理解 ・API 設計・エラーハンドリング・リトライ/バックオフ制御

【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

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。

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

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。

●このポジションについて GROWTH VERSEのテックリードは、自社プロダクトの課題に向き合い、的確なテクニカルロードマップを描き、それを遂行する役割です。 特定の言語や技術への習熟よりも、設計・アーキテクチャへの造詣の深さを大切にしています。 私たちが大切にしているのは、言われたものを作ることではありません。 顧客がプロダクトを使ったうえで、どのような状態にたどり着きたいのかを自分たちで考え抜き、その先にある感動(Wow)を体験として届けることです。 プロダクトは、顧客が実現したいビジネス活動の一部です。 その中で、私たちのプロダクトが欠かせない役割を担っている状態を、私たちが主導してつくりにいきます。 このポジションで担うこと プロダクトと、その利用者の業務を深く理解する プロダクトが使われる現場の業務に入り込み、業務の流れと課題の構造を理解する 業種が変わっても、相手よりも深く理解することを目指す プロダクトのテクニカルロードマップを描く 事業の目標から逆算して、プロダクトのテクニカルロードマップを描く 設計・アーキテクチャの観点から、何をどの順で進めるかを判断する ロードマップをチームで遂行する 描いたロードマップを、計画で終わらせずにチームを率いて遂行する 進めながら状況を見て、設計・アーキテクチャの判断を重ねる キャリアパス プロダクトのテックリードとして経験を積んだ先に、事業の現場へ入り込む2つの道があります。 M&A先の企業に入り込む道:グループに加わった企業のシステムと開発体制を統合し(PMI)、自社のAI Agentやプロダクトを組み込んで、事業の価値を引き上げる クライアントに入り込む道(FDE):クライアントの現場に入り込み、AI Agentを設計・実装して、業務の成果につなげる また、テックリードマネージャー(Tech Lead Manager)へと役割を広げ、その先にM&Aで加わった事業を担う事業部CTOという選択肢も検討できます。 いずれも決まったものではありません。 ご本人の志向を伺いながら、一緒に検討します。 技術スタック クラウド: AWSがメイン(ECS / Lambda / S3 / Terraform / GitHub Actions) データ基盤: Snowflake などのデータウェアハウス・分析基盤 AI/LLM: Python / LangChain / AI Agent開発フレームワーク 開発文化: IaC / SRE思想 / Agentic SRE / 生成AI活用 / 品質最優先 AI駆動開発: ハーネスエンジニアリングなど、最新のグッドプラクティスにも柔軟に取り組む 社内の開発運用そのものも、すでにAI Agentで回しています。 スプリントのチェックイン、放置されたPRのリマインド、クラウドコストの週次レポートなど、 誰かが手でやっていた定期業務をAgentに移してきました。 いまはそれを Agent Platform として作り直している最中です。 #### 成長環境:DAX Boost Lab 同じClaudeを使っていても、エンジニアのアウトプットには差が出ます。 社内でその差が起きたとき、それを「個人の才能」で片付けず、成長要素を分解して カリキュラム化しました。 教えているのは「ツールの使い方」ではありません。 重点は 事業数値を伸ばすためにAI Agentが最大のパフォーマンスを出せる環境をどう設計するか 教材は空想上のアプリではなく、実際の開発現場に近い課題を扱います 設計しているのは現役の技術責任者(VP of Technology)です 到達段階は3つのPhaseで整理しています。 Phase 1 プレイヤー:自分でAIを動かし、ほぼ最高速度に近い開発ができる状態 Phase 2 マネージャー:複数のAIと周囲のメンバーをマネジメントし、チームとして成果を出す状態 Phase 3 事業部CTO:AI Agentが開発・運用の一部を担う前提で、事業がより少人数で回る環境全体をアーキテクトする状態 学び合いと、アウトプットの文化 TGIF(月次) — Tech部全体で集まるLT会。 2026年7月に第1回を開催しました。 指名枠に加えて有志のLT枠があり、テーマは自由。 1人5分。 オンライン参加もできます 社内勉強会 — プロダクトをまたいだナレッジシェアの場をオンラインで開いています。 ここで話したことが、そのまま社外での登壇のネタになる導線があります 外部イベントへの登壇・共同運営 — 2026年8月には golang.tokyo #44 を共同運営し、 GROWTH VERSEのエンジニアが登壇しました 働き方(正直にお伝えします) 出社を基本としつつ、リモートワークも可能です(基本は出社推奨ですが絶対ではなく、 実際にフルリモートのメンバーもいます) 専門業務型裁量労働制(労働時間の制度であり、出社/リモートとは別の話です) 成果責任型の文化。 時間管理より成果で評価します 必須の対面イベントがあります 全社集会・懇親会(半期/四半期に1回) エンジニアTGIF等(月1回程度)

<<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)

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

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