機械学習・データ活用 年収1200万円以上のITエンジニア求人・転職情報

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。

【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

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

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

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。

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

【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

ミッション ヘルスケア領域プラットフォームの製品戦略を主導し、革新的なプロダクト開発を通じて事業成長と社会課題解決を実現することがミッションです。ユーザーニーズと技術トレンドを的確に捉え、顧客価値を最大化する製品ビジョンを描き、実行に移していただきます。 業務概要 プロダクト戦略の立案から実行までを主導し、ヘルスケア領域における業界トップクラスのプラットフォームサービスの進化を推進します。データドリブンなアプローチでユーザー体験を最適化し、AI活用やDXを通じて社会課題解決に貢献していただきます。 具体的な業務内容 ・プロダクト戦略立案と中長期ロードマップ策定 ・KPI設計とデータドリブンな意思決定プロセス確立 ・ユーザー体験最適化のためのUI/UX改善施策立案 ・新規機能の要件定義と開発チームとの連携推進 ・プロダクトビジョン策定とステークホルダーへの共有 ※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

CIO(Chief Information Officer)のミッション 経営戦略とIT戦略を高度に融合させ、攻めと守りの両輪を回すことで企業価値を最大化します。テクノロジーを単なるインフラとしてではなく競争優位の源泉と定義し、全社的なDX推進とガバナンス強化を通じて、事業の非連続な成長と社会課題解決の基盤を構築します。 CIO(Chief Information Officer)の業務の概要 CEOやCFOの戦略パートナーとして、中長期的なITロードマップの策定から実行まで全責任を負います。ビジネスOSの設計者として、事業拡大に耐えうる強固なインフラ構築と、イノベーションを生むための組織変革を同時に推進します。 CIO(Chief Information Officer)の具体的な内容 経営とITの融合: 経営戦略に基づいたIT中期経営計画の策定およびROIの最大化 ●IT推進/統括 ・全社的なDX推進の旗振り役(レガシー刷新、業務プロセス改革) ・データドリブン経営を支える基盤構築(BigQuery等を用いた分析基盤の統合) ・生成AI等の新技術導入による生産性向上と競争優位性の確立 ・ITガバナンスの構築および内部統制の強化 ・情報セキュリティ戦略の立案とCISOと連携したリスク管理体制の構築 ・クラウド移行戦略(AWS等)の策定とインフラコストの最適化 ●組織マネジメント ・エンジニア組織および情報システム部門の統括・評価・採用 ・外部ベンダー/パートナーの戦略的ソーシングとコントロール ・大規模アジャイル(SAFe)導入などによる開発組織の生産性向上 ※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 CTOとしてテクノロジーの力を最大限に活用し、介護・ヘルスケア領域のプラットフォーム事業において革新的なソリューションを生み出すことがあなたのミッションです。ビジネス戦略と技術戦略を融合させ、当社のプラットフォームビジネスを次のステージへと導くことを期待しています。また、技術部門の変革を主導し、最先端のテクノロジーとベストプラクティスを組織に浸透させることで、持続可能な競争優位性を確立していただきます。 業務概要 CTOとして、当社のテクノロジー戦略の立案・実行を主導していただきます。既存サービスの強化と新規プロダクトの開発を通じて、介護・ヘルスケア領域におけるデジタルトランスフォーメーションを推進します。また、技術部門のリーダーとして、エンジニアチームの育成・強化にも携わっていただきます。 具体的な業務内容 ・事業戦略と連動した中長期的な技術戦略の策定とロードマップの作成 ・新規プロダクトの技術選定、アーキテクチャ設計、および構築の指揮 ・既存プロダクトのスケーラビリティ向上とパフォーマンス最適化 ・AI/機械学習技術の導入による、データドリブンな意思決定プロセスの確立 ・事業成長のスピードを維持しながら技術的負債の解消への実現 ・クラウドインフラストラクチャの設計・運用・最適化 ・アジャイル開発手法の導入・改善によるプロダクト開発プロセスの効率化 ・技術部門の組織設計、人材採用、および育成プランの策定・実行 ※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

●このポジションのミッション 「図面・3D CAD・テキスト等の多種多様な製造業データを統合的に理解・対応付けできる独自のAI基盤を研究・実装し、設計レビューや品質判断といった顧客の重要な意思決定の質を劇的に向上させること」 ※半年〜1年程度の研究開発計画における意思決定と成果責任を担い、要素技術の開発にとどまらず、自ら適切な研究のスコープを定義し、プロトタイプ実装、PoC、実データ上での価値検証までを一気通貫でリードしていただきます。アウトプットの一形態として論文執筆等の学術的貢献も推奨しますが、本ポジションにおける最大のミッションは「生み出した研究成果を、PdMやエンジニアとの連携を通じて事業価値へ接続すること」にあります。 ●このポジションの業務例 以下に業務例を示します。実際の業務はこれに限定されるものではありません。入社後の業務内容は、技術や専門知識、経験等を考慮のうえ決定します。 【業務例1】3D幾何形状の詳細な認識と2D/3D統合モデリング 汎用AIでは捉えきれない、製造業特有の複雑な幾何情報(2D/3D)の深い理解と表現学習に取り組みます。3Dデータから製造・設計上意味を持つ局所的な特徴を抽出し、幾何的・意味的側面を統合するモデリングや 、図面上の多様な要件(寸法、公差、注記等)を3D空間の要素と高度に対応付けるための基盤技術の研究開発をリードしていただきます 。 【業務例2】製造業特化のVLM改善とマルチモーダル基盤構築 図面や3D CAD、テキスト(仕様書や不具合報告等)を横断して検索・推論するためのマルチモーダル埋め込みモデルを開発します。また、既存の汎用VLMが抱える言語偏重のバイアスを解消し、図面上の微細な記号や空間的な配置を正確に推論するための独自ベンチマークの継続拡張や、類似図面検索・寸法漏れ検出モデルの継続的な性能改善(Post pre-training等を含む)を担当します。 【業務例3】研究成果の事業実装とPoC検証による価値創出 開発した2D/3D認識技術を活用し、実際の業務課題(例:特定の局所形状に起因する不具合リスクの予測や、コスト増加箇所の特定など)に対するモデル学習とPoCを推進します 。PM、ソフトウェアエンジニア、ドメインエキスパートと密に連携し、「モデルの精度検証」にとどまらず、顧客の意思決定の質向上や業務時間短縮といった具体的な事業価値へと繋げる製品化の橋渡しを行います。その際、推論やデータ作成にかかるコスト・予算を考慮した費用対効果の高い技術選定や、研究開発におけるリスクマネジメント(代替プランの検討等)も主導します。 ●参考資料 [製造業×AIの最前線:キャディが挑む研究課題と、CV・AIの「いま」が交わる場所](https://caddi.tech/2026/03/10/110057) [製造業の課題解決に向けた機械学習の活用と、製造業特化LLM開発への挑戦](https://speakerdeck.com/knt44kw/zhi-zao-ye-noke-ti-jie-jue-nixiang-ketaji-jie-xue-xi-no-huo-yong-to-zhi-zao-ye-te-hua-llmkai-fa-henotiao-zhan) [CADDi Tech ](https://caddi.tech/) [企業向けソフトウェアの新しいバンドルとアンバンドル(AIの台頭を受けたプロダクト戦略)](https://note.com/yosukeshirai/n/nc993ecff8c13) [AI時代を生き残る、次世代のエンジニアに必要なこと](https://newspicks.com/news/14438945/body/?ref=book_4394) ●会社の雰囲気を知るために: [【第1回】キャディ赤裸々会!(CEO加藤, CHRO幸松出演)](https://www.youtube.com/watch?v=xAkk2x7o288) [【キャディCPO×VPoE対談】グローバルに挑むプロダクト/組織づくりのあれこれ](https://www.youtube.com/watch?v=ywnYuwhlVZo) 開発組織全体では、エンジニア・デザイナー・プロダクトマネージャーが機能開発(図面活用・検索・見積等)、データ基盤、機械学習/MLOps、Enablingなどのチームに分かれて活動しています。チームトポロジーの考え方を取り入れ、「各チームの裁量とスピード感」と「全体最適」の両立を目指しています。 Research Engineerが所属するResearchチームは、これら既存の組織に対して、高度なAI技術に対する専門性から中長期的な影響を与え、全社の技術的優位性(Moat)構築を牽引するためのチームです。 ●開発環境 言語 フロントエンド:TypeScript バックエンド:Rust, TypeScript, *Python* フレームワーク・ライブラリ フロントエンド:React, Next.js, WebGL, WebAssembly バックエンド:Rust (axum), Node.js (Express, Fastify, NestJS), *PyTorch* インフラ:*Google Cloud*, Google Kubernetes Engine, Anthos Service Mesh データベース・データウェアハウス:CloudSQL(PostgreSQL), AlloyDB, Firestore,* BigQuery* API:GraphQL, *REST*, gRPC 監視・モニタリング:Datadog, Sentry, *Cloud Monitoring* 環境構築:*Terraform* CI/CD:*Github Actions* 認証:Auth0 開発ツール:*Claude Code, GitHub, GitHub Copilot*, Figma, Storybook コミュニケーションツール:*Slack*, Discord, *JIRA, Miro, Confluence* ※特に関係するものを太字にしています