生成AI・LLMプロダクト開発 年収350万円以上のITエンジニア求人・転職情報

製造業×生成AIの新規プロダクト開発・PoC検証のど真ん中で手を動かすポジションです。 主な業務: ・顧客課題のヒアリング → 要件定義 → 技術調査 → プロトタイプ実装 → 検証 → レポーティングを一貫して担当 ・RAGシステムの設計・構築(ドキュメント検索、ナレッジベース活用など) ・LLMを組み込んだプロダクトの開発・改善(APIインテグレーション、プロンプト設計含む) ・製造業向けユースケースの探索・仮説検証・PoC推進

製造業×生成AIの新規プロダクト開発・PoC検証のど真ん中で手を動かすポジションです。 主な業務: ・機械学習 / 深層学習などのモデル学習(データクレンジングやスケール変換などの前処理含む) ・顧客課題のヒアリング → 要件定義 → 技術調査 → プロトタイプ実装 → 検証 → レポーティングを一貫して担当 ・RAGシステムの設計・構築(ドキュメント検索、ナレッジベース活用など) ・LLMを組み込んだプロダクトの開発・改善(APIインテグレーション、プロンプト設計含む) ・製造業向けユースケースの探索・仮説検証・PoC推進

製造業領域の生成AIプロダクト開発・PoC検証を、技術リードとして引っ張るポジションです。 主な業務: ・クライアントとの要件定義・折衝・技術説明 ・RAGシステム・LLM活用プロダクトの技術選定・アーキテクチャ設計の主導 ・メンバーへの技術方針の共有・コードレビュー・実装サポート ・プロトタイプから本番リリースまでの技術責任者としての推進 ・インド・バンガロールのグローバルHub拠点メンバーとの連携・調整

「職務経歴書の自動生成」を極め、キャリアの棚卸しをAIで再定義する。 現在開発中の履歴書・職務経歴書自動生成プロダクトのグロースを担っていただきます。 現在は外部プラットフォームを活用していますが、今後はソースコードを買い取り、自社ドメインでのフルスクラッチ開発・改善へ移行します。 ユーザーがテキストを雑に放り込むだけで、洗練された書類が完成するという、圧倒的な利便性をAIの力(LLM/プロンプトエンジニアリング等)で実現する、プロダクトの核となるポジションです。 ◆具体的な業務内容 01.AIモデル・プロンプトの実装と改善 ・OpenAI等のLLMを活用した、高精度な職務経歴書生成ロジックの構築 ・ユーザー入力データ(テキスト・音声等)を構造化し、肉付け・最適化するプロンプト設計 02.プロダクトの自社化・リプレイス ・既存プロダクトの買い取りに伴う、自社ドメインへの移行とアーキテクチャの再設計 03新規機能開発 ・キャリアテック側プロダクトへのAI機能の統合(自動アップデート機能等)

【募集背景】 近年、WEBアプリ開発や基幹システムの更新などの従来のニーズに加えて、AI技術を活用したソリューションの需要が高まっています。現在、弊社開発部署ではそうした引き合いを多数いただいており、その需要に応えるべくPythonエンジニアの採用を強化しています。Pythonの技術を活かしてクライアントに貢献したいというご志向を持った仲間を求めています。 【職務内容】 WEBアプリケーションの開発および生成AI関連技術の導入・運用などを中心に担当していただきます。 将来的にはより上流のアーキテクチャや技術選定、顧客折衝などにまで広く携われるポジションです。 【業務内容】 ・Pythonを用いたWEBアプリケーションやAPIの設計・開発・保守運用 ・AI/機械学習を活用したプロジェクト推進 ・新技術の調査・技術検証(PoC) など ▼部門のミッション 2030年に向けて300名程のエンジニア組織をつくり、クライアントに対してより信頼される価値を発揮していきたいと考えています。 そのためには、一人一人のエンジニアがフルスタックの技術を持つことに加え、専門性を磨き、お互いの強みを引き出し合えるチームが理想となります。 このような理想の組織の土台として重要となるのが、お互いが学び合う成長環境です。 社内のエンジニアによる自主的な勉強会開催や、グループ会社同士で情報を共有したり、社外活動をしたりするなど、最新の知識を習得することに貪欲で、前向きなカルチャーがあります。 また、実際の経験から学ぶことも重視しており、声を挙げた方が別プロジェクトに挑戦するような経験を積む機会も応援しています。 今後はこういった成長環境をさらに進化させていくと同時に、その前提となる事業成長も一層加速していくことになります。 幅広い課題に一緒に向き合う、強い意志を持った事業づくりのリーダーからのご応募をお待ちしております。 ▼入社後のキャリアイメージ 入社後は、これまでのPython開発経験を活かして、Djangoなどのフレームワークを用いたクラウドネイティブなWEBサービスの設計・開発に取り組んでいただきます。 また、LLM(大規模言語モデル)やRAG(Retrieval-Augmented Generation)などの生成AI技術を活用したプロジェクトに参画頂く予定です。 さらに、これまでのご経験やご志向に応じて、以下のようなプロジェクトへの挑戦の機会もあります。 ・AWS/Azure/GCPなどのクラウド基盤を活用した開発プロジェクト ・社内外向けのPoC(技術検証)やプロダクトにおける生成AIの導入 ・API設計・データ基盤・インフラ構成などのバックエンド全般の技術選定 将来的には、ご希望と適性に応じて以下のようなキャリアにも進むことができます ・テックリードとして、アーキテクチャ設計や技術選定のリード ・プロジェクトや開発チーム全体を見渡し、技術と人の両面から成長を支えるマネジメント ▼求める役割 ・Pythonを中心とした開発のリード ・生成AIのプロダクト活用における技術的なリーダーシップの発揮 ・チーム内の技術的な意思決定やナレッジ共有の推進

【ミッション】 生成AIの専門知識をもって、生成AIエージェント"satto"を進化させる 【主な業務】 AI技術への専門知識に基づいたプロダクトの応用方法を提案する 【具体的な業務】 ・AIを活用しプロダクトの価値を向上させる先行技術開発 ・特定領域のアルゴリズム開発を行うAI機能設計 ●業務の変更の範囲:会社内でのすべての業務

【ミッション】 自社プロダクトの成長を技術面から牽引するクラウドサービス開発を行うことがミッションです。 サービスの企画・立案から要件定義、設計、開発、テスト計画、運用までを一気通貫で推進し、事業拡大に貢献するアプリケーション開発をリードしていただきます。 【主な業務】 Google、Appleなどのグローバルカンパニーと協議し、最新デバイス、テクノロジーに触れながらサービスの立て付け、システム開発、運用、ローンチを行い、その結果(お客さまからの反応)を基にプロダクトの向上を進めています。 【具体的な業務】 ・サービス開発方針に基づき新規サービスのフィジビリティスタディ、機能の設計、要件定義 ・Claude Codeなどを使ったAI駆動開発、iOS/Androidのネイティブアプリの開発 ・要件定義や設計書に対するテスト設計の実施と品質管理 ・クラウド基盤を中心にシステムを構築し、データ分析基盤などを提供する業務

【ミッション】ソブリンクラウド環境において、生成AI/LLMを活用したAIアプリケーションを安全・効率的・継続的に開発、導入、運用するためのAIプラットフォームを設計・開発・運用します。 AIエージェント、ワークフロー自動化、モデル評価、データ連携、認証認可、監視、CI/CD、LLMOps/MLOpsなどの共通基盤を整備し、社内外の開発者や事業部門がAIソリューションを再現性高く構築できる環境を提供します。 また、個社・個別業務への導入支援を通じて得られた要件をプラットフォーム機能に還元し、AI活用の高度化とスケールを実現します。 【主な業務】・生成AI/LLMアプリケーション開発・導入 ・顧客・事業部門ごとの要件に応じた技術検証、プロトタイプ開発、環境構築、導入支援 ・個社対応で得られた要件や成功パターンを、共通コンポーネントとしてプラットフォームへ還元 ・必要に応じた共通基盤、API、SDK、テンプレート、管理機能の設計・開発 【具体的な業務】・ソブリンクラウド上での生成AI/LLM活用に向けた、AIプラットフォームの設計・開発・運用 ・AIエージェント、ワークフロー自動化、外部システム連携など、生成AIアプリケーション開発に必要な共通機能の設計・開発 モデル、AIアプリケーション、データパイプラインのデプロイ、監視、ログ管理、CI/CD、運用自動化を包括するLLMOps/MLOps/DevOps基盤の整備 ・個社・個別業務へのAI導入における技術検証、プロトタイプ開発、環境構築、導入支援、および得られた要件の共通基盤・テンプレートへの還元 ・社内外の開発者・事業部門によるAIソリューションの効率的な開発・導入に向けた、API、SDK、ドキュメント、サンプル実装、開発ガイドラインの整備

職務概要 日立製作所の各事業部、日立グループ各社に対して、グループIT戦略に基づくIT施策の創出、企画・開発をお任せします。 ・AWS、Azure、OCI、GCPに関連する企画の立案 ・4大クラウドに限らずクラウド製品を使ったイノベーション、モダナイゼーションを実現するビジネス構想・企画の立案 ・立案企画を実現するためのプロジェクト推進 日立製作所、グループ向けにガバナンスに沿ったセキュアなクラウドプラットフォームを展開しております。 サービス展開しているクラウドのセキュリティ強化、NWアーキテクチャ刷新、運用自動化などのエンハンスの他、他本部と連携し生成AIサービスの構築、クラウドリフト移行支援、新規ビジネスの創出など幅広い業務があるため、能力に応じた業務を既存メンバと協力して推進して頂きます。 職務詳細 ・IT変革を俯瞰する広い視野で解決すべき課題をとらえ、リアリティのあるビジネス創出を行う。 ・組織の中期計画に沿った新規ビジネスの立案、サービス企画、プロジェクト推進を行う。 配属組織名 ITデジタル統括本部 エンプロイーエクスペリエンス本部 モダンプラットフォームソリューション部 携わる事業・ビジネス・サービス・製品など Microsoft Azure Amazon Web Services Google Cloud Oracle Cloud Infrastructure 〈参考URL〉 日立グループにおける社内ITの取り組み:クラウドによるIT資産の軽量化とエッジの活用 https://www.hitachi.co.jp/about/it/contents/infrastructure-modernize/contents2.html 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、全世界30万人以上のユーザーに対し、ITソリューションの開発と提供を通じて、日立グループの成長を支えています。 その中でもモダンプラットフォームソリューション部は、Azure/AWS/Google Cloud/OCIを中心としたパブリッククラウドを扱っており、日立グループのグローバル戦略を推進するためのクラウド基盤企画、開発、運用を推進する部署です。

職務概要 日立製作所の各事業部、日立グループ各社に対して、グループIT戦略に基づくIT施策の創出、企画・開発をお任せします。 ・AWS、Azure、OCI、GCPに関連する企画の立案 ・4大クラウドに限らずクラウド製品を使ったイノベーション、モダナイゼーションを実現するビジネス構想・企画の立案 ・立案企画を実現するためのプロジェクト推進 日立製作所、グループ向けにガバナンスに沿ったセキュアなクラウドプラットフォームを展開しております。 サービス展開しているクラウドのセキュリティ強化、NWアーキテクチャ刷新、運用自動化などのエンハンスの他、他本部と連携し生成AIサービスの構築、クラウドリフト移行支援、新規ビジネスの創出など幅広い業務があるため、能力に応じた業務を既存メンバと協力して推進して頂きます。 職務詳細 ・IT変革を俯瞰する広い視野で解決すべき課題をとらえ、リアリティのあるビジネス創出を行う。 ・組織の中期計画に沿った新規ビジネスの立案、サービス企画、プロジェクト推進を行う。 携わる事業・ビジネス・サービス・製品など Microsoft Azure Amazon Web Services Google Cloud Oracle Cloud Infrastructure 〈参考URL〉 日立グループにおける社内ITの取り組み:クラウドによるIT資産の軽量化とエッジの活用 https://www.hitachi.co.jp/about/it/contents/infrastructure-modernize/contents2.html 配属組織名 ITデジタル統括本部 エンプロイーエクスペリエンス本部 モダンプラットフォームソリューション部 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、全世界30万人以上のユーザーに対し、ITソリューションの開発と提供を通じて、日立グループの成長を支えています。 その中でもモダンプラットフォームソリューション部は、Azure/AWS/Google Cloud/OCIを中心としたパブリッククラウドを扱っており、日立グループのグローバル戦略を推進するためのクラウド基盤企画、開発、運用を推進する部署です。

当社が提供する各サービスの生産性向上ツールとして、AI・機械学習を活用した機能開発を担当していただきます。AWSのマネージドサービスやサーバーレスアーキテクチャを活用し、Pythonを用いた開発を行います。 特に、以下の領域でのAI技術の活用を進めています。 ①音声解析:音声データのテキスト化、自然言語処理を用いた解析(例:AWS Transcribe、Whisper など) ②OCR(光学文字認識):紙やPDFなどのドキュメントデータをデジタル化し、業務プロセスを効率化(例:AWS Textract、Tesseract 、GoogleGemini など) 生成AI:業務支援のための大規模言語モデル(LLM)の活用、プロンプト設計やファインチューニング(例:Amazon Bedrock、OpenAI API など) データパイプライン構築:AIモデルの学習データ収集・前処理・モデルデプロイの自動化(例:AWS SageMaker、Kinesis、Lambda など) AI推論APIの開発:各種AIモデルのAPI化・運用(FastAPI、Flask などを活用) パフォーマンス改善・精度向上:AIモデルの最適化、推論速度向上、モデル選定 AWSを活用したクラウドネイティブなAI開発に興味があり、技術的な課題解決を楽しめる方を募集しています。

【ミッション】 PHR、EMRなどの医療データを活用した疾患特化AIサービスの技術戦略とアーキテクチャ設計をリードする。医療品質、安全性、拡張性を考慮したAI基盤を構築し、ヘルスケア領域のAI活用を推進する。 【主な業務】 医療・健康データを活用したAIサービスについて、技術戦略策定、アーキテクチャ設計、技術選定、AI基盤構築までを一貫してリードする。 【具体的な業務】 ・医療・健康データを活用したAIサービスのアーキテクチャ設計、技術選定 ・LLM、RAG、機械学習モデル、データ基盤を組み合わせたシステム設計 ・AIエンジニア、データサイエンティスト、医療専門家と連携した疾患特化AI開発のリード ・AI品質評価、セキュリティ、ガバナンスを考慮した持続可能なAI基盤の構築

最先端の生成AI(GPT-4oなどのLLM)を使った開発に挑戦できます。 具体的には、AIと外部システムをつなぐAPI連携や、高性能な検索システム(RAG)、AIエージェントなどのアプリケーション開発に取り組みます。 未経験の分野でも、新しいサービスを生み出すプロジェクトに参加し、エンジニアとして技術・キャリアの幅を大きく広げられる環境です。

売上1兆円規模、グループ148社(国内:37社　海外:111社)を有し、国内・世界トップクラスの総合人材企業であるパーソルグループ。 テクノロジーの力でグループビジョン「はたらいて、笑おう。」を実現することをミッションに、サービスの進化や、グループの生産性・競争力の向上、社員の働く環境の良化などをITの側面から推進しています。 7万人のグループ企業に対し、ホールディングスの専門部隊の一員として、各社の事業・サービス企画を一緒に立案・推進し、実現します。部門を跨いだ組織を形成しており、2025年度も積極的に組織を拡大していく方針ですので、変化に富んだ状況の組織作りにも挑戦することが可能です。 ●業務詳細 パーソルグループ各事業会社の経営戦略・事業課題に対し、生成AI・AI技術を中核に据えたプロダクト/システムの構想・企画から、設計・開発推進・リリースまでを一気通貫で担っていただきます。 AIを単なるツールとして扱うのではなく、AIを前提に業務やサービスを再設計し、構想を具体化し、設計・意思決定を前に進める役割を期待しています。 (ご担当頂く業務例) ・各事業会社の事業課題・業務課題に対する、AI活用を前提とした課題整理および解決方針の策定 ・AI活用を前提としたシステム/プロダクト構想の立案、ロードマップ策定 ・AI活用テーマにおけるビジネス要件整理、KPI設定、投資対効果(ROI)の整理(ビジネス担当とチームを組んで協業しながら行います) ・AIシステムを前提としたビジネス要件からシステム要件(機能/非機能)への落とし込み ・AI活用に伴う設計上のトレードオフ(コスト・品質・拡張性・運用性・リスク)の整理と言語化 ・全体アーキテクチャ方針の検討、システム境界・責務分離の整理(システムアーキテクトとチームを組んで協業しながら行います) ・プロダクトオーナー(PO)としてのバックログ優先度付け、受入基準(DoD)策定 ・開発チーム(内製/外+D2部パートナー含む)との協働による開発推進・ディレクション ・リリース計画の策定、運用引き渡しに向けた関係部門との連携 ・グループ各社・現場部門とのディスカッション、AI活用を前提とした業務ヒアリング・検証 ●プロジェクト事例 各グループ会社の事業成長・業務高度化に貢献することを目的に、AI活用を前提としたプロダクトおよび、グループ横断で活用されるAI基盤の構想・設計を行います。 事例: ・営業AIロープレ(営業がいつでもAIとロールプレイ練習できる環境を提供し、スキル向上と育成標準化を支援) ・営業サポートAI(商談・顧客対応における事前情報整理や示唆提供をAIが支援し、営業活動の質と効率を向上) ・AIプロダクト開発共通基盤(複数AIプロダクトを支える基盤を設計し、事業横断での活用と継続的な進化を実現) ※担当職種の変更範囲:会社の定める職種(出向規程に従って出向を命じることがあり、その場合は出向先の定める職種)

昨年、汎用問い合わせの生成AIサービスをリリースし、今年度もまた銀行の本業に貢献する商用サービスをリリースしようとしています。PoCで終わりがちな生成AIの領域において実ビジネス化の最先端を走っている組織で、私たちは金融機関向けの生成AIプラットフォームを提供し、顧客課題の解決から新規サービスの事業化までを推進しています。BedrockやChatGPTをはじめとする大規模言語モデルや各種マネージドサービスを活用し、PoCにとどまらない実装と価値創出を実現してきました。今後も、我々の生成AIプラットフォームに、新たなAIエージェントサービスを開発・拡充しながら、地域金融機関のDX・AI化を促進していただきます。 具体的な仕事内容 ・地域金融機関向け生成AIプラットフォームの開発・運用やプロンプト設計、Python実装 ・生成AIを活用した新規サービス企画・立ち上げ(プロンプト設計・Pythonによる業務ロジック実装を含む) ・LLMモデルの選定・評価、PoC推進。金融機関の実業務適用・事業化に向けたリード ・当社のビジネス企画チームや社内外ステークホルダーとの協働によるソリューション提案

【職務概要】 公共・自治体における住民向けサービス・職員向けサービス、官民が連携したサービスなど、新技術を活用して、社会課題を解決するソリューションやサービスを企画・開発・提案していく業務、及びその具体的な案件対応等を担当していただきます。 【職務詳細】 ●対象 ・提案先・お客さまは自治体、国(総務省やデジタル庁等)、及び民間企業となる場合もある ●サービス・ソリューション企画 ・市場、ニーズ調査、サービス・ソーリューション企画、企画評価のためのPoC・評価、事業性評価 ・技術的課題・対策、ビジネス課題対策 ●サービス・ソシューション事業計画策定 ・企画において事業対象となったものの事業計画策定(開発計画、投資回収計画、拡販計画等) ●サービス・ソリューション開発、保守・稼働維持 ・事業計画化されたサービス・ソリューションの開発(開発リーダー及び一部開発) ・開発されたサービス・ソリューションの保守・稼働維持 ●サービス・ソリューション拡販、案件対応 ・開発されたサービス・ソリューションの拡販・プレ活動 ・お客様の実際の案件対応(提案/構築/保守等) ●その他 ・新規領域ビジネス推進の一環として、自部門以外(公共分野における他部門、公共分野以外の他部門)との連携、会社として取り組んでいるLumada推進活動にも関わっていただきます。

東証グロース上場企業として、エンタープライズ企業(主に東証プライム上場企業)の「0次DX」を推進するリードエンジニアとしてご活躍いただきます 。 単なる実装作業の請負ではなく、顧客の隣で「ビジネス要求の言語化」から「最適なアーキテクチャ設計・実装」までを一貫して担い、技術的な意思決定をリードする役割を期待しています 。 【業務詳細】 技術リード・設計: プロジェクトにおける技術的指針(ビジョン)を提示し、静的型付け言語を用いた高度な実装および詳細設計による品質管理を主導します 。 モダン開発の推進: 生成AI(LLM等)の活用やクラウドネイティブな構成への移行など、最新技術を用いたPoC・新規サービス立ち上げを牽引します 。 チームマネジメント(技術面): コーディング規約の策定、コードレビュー、開発プロセスの標準化を通じてチーム全体のアウトプットを最大化します 。 顧客折衝・提案: 顧客のビジネス課題を技術的視点から分析し、実現可能な解決策を提案・実装へと落とし込みます 。 若手育成: 技術責任者として、主体的に若手エンジニアの教育・メンタリングを行い、組織全体の底上げに貢献します 。 【技術スタック・使用ツール】 言語: Java, PHP, Go, Ruby, Python, JavaScript, TypeScript, Kotlin, Swift, SQL, HTML/CSS など フレームワーク: Spring Boot, Laravel, Vue.js, React.js, Angular, Node.js, echo など クラウド: AWS, Azure, GCP インフラ: Docker, Kubernetes, Terraform, Ansible, Jenkins, GitLab CI, GitHub Actions など データベース: MySQL, PostgreSQL, Aurora, Oracle, SQL Server, BigQuery, DynamoDB など ツール: Git, GitLab, GitHub, Slack, Jira, Confluence, Backlog, Looker, Figma など その他: 生成AI (Azure OpenAI, Amazon Bedrock, Google Gemini, GitHub Copilot), ローコード (Pega, Outsystems), BPM (Bonita) など

本ポジションでは、自然言語処理や生成AIを活用したタレントマネジメントソリューションの開発を担当いただきます。社内の人材情報(スキル・人事データなど)を活用し、個人・組織のスキル可視化や育成支援に繋がる仕組みを構築します。 ●具体的には、以下の業務をアジャイル開発体制のもとで推進していただきます スキルアセスメント入力機能、スキルDBの構築 スキルカルテで組織ケイパビリティのダッシュボード開発 育成支援モデル、スキル判定エンジンの設計・実装 自然言語処理・生成AI(LLM等)を活用した機能開発 Webアプリケーション(React+FastAPI)によるフロント・バックエンド開発 AWS/Azureなどクラウド環境での実装・運用 モブプロやスクラムを活用したチーム開発 社内実践を通じて得た知見を活かし、将来的には社外展開も視野に入れたソリューション開発に携わっていただきます。 ※変更の範囲:会社の定める業務

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 シニアポジションでは、加えて技術方針の策定、重要テーマの優先順位付け、四半期単位の重要テーマのリード、複数職種をまたいだ推進まで担っていただくことを期待しています。 1.マッチング体験の向上 ●マッチング機能の技術リード ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて設計・実装し、安定運用と継続的な改善をリードする ●マッチングに必要なデータ・特徴量・Feature Store改善の設計と推進 マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら、改善方針の設計から実装・運用までを推進する ●ML基盤近接領域の機能実装・改善 Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用に加え、Recommend API周辺を含む基盤近接領域のプロダクト実装・安定運用をリードする ●LLMを活用した自律的な改善ループの設計・推進 LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを設計・推進する 2.プラットフォームの信頼性・安全性向上 ●AI機能の安全性設計・実装のリード LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能の設計・実装・改善をリードする ●運用を踏まえたリスク制御の設計 AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ●リスク予測・異常検知モデルの開発リード 構造化データから、プラットフォームの信頼性を損なうパターンを特定する分類・回帰・異常検知モデルの設計、実装、評価、運用をリードする ●データセット設計・品質改善の主導 多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成を通じて、評価・学習データセットの品質改善を主導する 3.共通基盤を活用した実装・改善 ●LLMOps/評価基盤の活用と改善提案のリード 実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善を主導する ●品質・コスト・レイテンシーの継続的な可視化と最適化 モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す ●重要テーマの推進 マッチングまたはTrust & Safety領域における重要テーマについて、技術方針の設計、関係者との合意形成、実行計画の具体化、推進管理まで担う 入社後の期待イメージ 入社後3ヶ月 :担当テーマの1つで、モデル・AI機能・業務ロジック・評価設計の改善を本番に反映し、周辺の関係者を巻き込みながら改善サイクルをリードし始めている状態 入社後6ヶ月 :マッチングまたはTrust & Safety領域における重要テーマの1つを自走して前進させ、課題設定、技術方針、評価設計、実装、運用までを一貫して推進しながら、周辺関係者の意思決定にも影響を与え始めている状態 入社後12ヶ月 :マッチングまたはTrust & Safety領域において、複数の重要テーマを横断的にリードし、技術方針・評価設計・運用設計の基準を形にしながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアの意思決定と実行を前進させ、領域全体の改善速度と意思決定の質向上に明確に貢献している状態 【技術スタック(主要な部分の抜粋)】 ●クラウド Google Cloud ●開発言語 Python ●データ基盤 BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール Looker / Looker Studio ●IaC Terraform ●開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 【扱っているデータ】 以下のようなデータを扱っています ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 1.マッチング体験の向上 ・マッチングロジックの実装・運用 :ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて実装し、安定運用と継続的な改善を担う ・マッチングに必要なデータ・特徴量の設計と実装 :マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら実装・運用する ・ML基盤上での機能実装・運用 :Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用、およびRecommend API周辺のプロダクト実装・安定運用を担う ・LLMを活用した自律的な改善ループの構築 :LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを構築する 2. プラットフォームの信頼性・安全性向上 ・AI機能の安全性実装 :LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能を実装・改善する ・運用を踏まえたリスク制御の設計 :AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ・リスク予測・異常検知モデルの開発 :構造化データから、プラットフォームの信頼性を損なうパターンを特定する高精度な分類・回帰モデルの構築、および特徴量エンジニアリング ・データセット設計・品質改善 :多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成によるモデルの堅牢性強化 3. 共通基盤を活用した実装・改善 ・LLMOps/評価基盤の活用と改善提案:実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善 ・品質・コスト・レイテンシーの継続的な可視化:モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す 技術スタック(主要な部分の抜粋) ●クラウド Google Cloud ●開発言語 Python ●データ基盤 BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール Looker / Looker Studio ●IaC Terraform ●開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 【扱っているデータ】 以下のようなデータを扱っています ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ

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。

●サービス概要 「Trusted Data Foundation Analytics Managed Service」 NTTデータが提供するクラウド型データ活用基盤サービスです。 AWSを中心に、企業のデータ分析環境を短期間で構築し、運用・保守まで一括でご提供します。 https://www.nttdata.com/jp/ja/lineup/tdf_am/ ●職務内容 企業のデータ活用を支援するため、自社サービス「Trusted Data Foundation Analytics Managed Service」を活用したプラットフォーム構築・運用と、生成AIを活用した新サービス開発を推進しています。 主に、以下のような業務を担っていただきます。 ※選考を通じて、ご経験やスキル、ご志向に合わせて配属予定です。 ① データ活用プラットフォームのプロジェクト推進 ・顧客の課題に対する構想策定・提案・プロジェクトマネジメント ・AWS・Azure・GCPなどクラウド基盤を活用したデータ活用環境の構想策定支援、要件定義～構築・運用設計 ・自社マネージドサービスを活用した効率的な基盤提供 ・顧客折衝やチームリード(小規模～中規模案件) ② 生成AI×データ活用のサービス開発・検証 ・生成AI×データ活用のサービス企画・PoC・環境構築 ・自社生成AIサービス「LITRON」との連携 ・最新クラウドサービスやAI技術の調査・評価・導入検討 ・LLMOps、AgentOpsなどのサービス化に向けた仕組みづくり

【職務内容】 スクラム開発においてリードエンジニアをとして開発チームを率いる役割を担う。 アジャイル開発(Scrum/SAFe)をベースにマイクロサービスアーキテクチャで法人分野内の自社プロダクト/サービスを開発、展開する。 具体的には、下記の役割を担い、スクラムチーム内における開発を技術力でリードいただきます。 ・モダンな技術(Go/React/Typescript等)を用いた自社プロダクトのアプリケーション開発(マイクロサービス思考) ・サービス全体のアーキテクチャの設計と統制 ・SREと連携したインフラ開発 一つのプロダクト/サービスにこだわらず、複数のサービス開発にアプリケーションレイヤからインフラレイヤまで広く関わっており、希望に応じて一定期間ごとに担当するプロダクトや役割を変えていくことも可能であるため、幅広く技術習得することが可能な環境です。 【アサイン先想定】 ※以下①➁③それぞれに多数の案件がありますので、ご希望やご経験を鑑み、最適な案件アサインを検討いたします。 ①企画型AIサービス開発・展開 ・GenAI/生成AIなどの新技術を活用した自組織の企画型サービスの開発、実案件への導入・展開 ②事業会社内製支援による新規サービスの立上 ・内製化による自社プロダクト開発を進めたい事業会社様に入り込み、プロダクト立上げを行いながらお客様自身でDevOpsを回せるように伴走支援する ③法人分野他組織支援による企画型サービスの立上 ・法人分野の他組織で企画型サービスの立上げに入り込み、企画からプロダクト開発サービスインまで伴走支援する

提案からデモ開発、マネジメントまでを一気通貫で担う「AIコンサルティングサービス」にて、最先端の生成AI(GPT-4oなどのLLM)を活用した開発プロジェクトを、"プロジェクトリーダー(PL)候補"として、まずは開発工程から参画いただきます。 PMの元でメンバーの業務をリードするだけでなく、実装で技術を磨きつつ、段階的に設計などの上流工程へも参画いただけます。 はじめは開発経験を活かしながら、設計・実装フェーズでプロジェクトをリード。 将来的に、技術とビジネスの両面を理解した"PM"や"ITコンサル"として成長できるポジションです。 ●具体的な業務 ・生成AI/LLMを活用したシステムやアプリケーションの開発、性能向上 ・大規模言語モデルにおけるプロンプトエンジニアリング ・AIエージェントプラットフォームの設計・開発・運用 ・ユーザーのニーズに応じたAIエージェントのカスタマイズ・チューニング ・LLMを活用したAIエージェントの実装 ・Google Cloud/AWS/Azureなどのクラウド環境の構築・運用 など 取引先は、伊藤忠商事、Mizkan、T&Dフィナンシャル生命などの大手企業が中心。 ●開発環境 開発言語:Python, Go, JavaScript, TypeScript, HTML, CSS フレームワーク:Node.js, React, Django, Flask 生成AIツール:Claude, Gemini クラウド:AWS, Azure, GoogleCloud 開発基盤:GitHub, Docker 情報共有ツール:Slack, Notion など ●開発体制 プロジェクト毎にチームを編成(5~10名程度)し、少人数で裁量を持って働いているチームです。 また、全社に「ニックネーム制度」を導入。年齢や役職関係なくコミュニケーションが活発な環境です。 20代後半〜30代が殆どで、パパママ社員もライフスタイルに合わせて働いています!

【具体的な業務内容】 ・マーケットやニーズ分析を基にしたソリューション戦略策定 ・サービスの立案や計画策定・実行 ・サービス導入に向けたプリセールス ・AI基盤活用に向けたコンサルティング ・数名のメンバーマネジメント 【参考情報】 ・AI基盤で新たなビジネス価値を創造する、NTTデータの挑戦 　https://www.nttdata.com/global/ja/recruit/uptodata/articles/6233/ ・プライベート環境での生成AI活用を支援するサービスを2025年度中に拡充 　https://www.nttdata.com/global/ja/news/topics/2025/090502/ ・NVIDIA最新GPU を活用した大規模機械学習向け基盤提供を開始 　https://www.nttdata.com/global/ja/news/topics/2025/031900/

CX変革の戦略策定から実行・成果創出までを一貫して支援する「伴走支援チーム」において、生成AIを活用した開発プロジェクトの基本構想～リリース、当社プロダクトの技術構想立案～構築をリードします。 コンサルタント/デザイナー/データサイエンティスト/エンジニア等の多様な専門家と連携しながら、チーム一体でお客様のビジネス成果創出という共通の目標に向かってプロジェクトを推進します。 ●プロジェクト例 ・生成AI等を用いた抜本的なCX変革/業務効率化オファリングの企画・サービス化、顧客への提案・導入・成果創出支援(PoC～本格展開) ・顧客の事業課題、経営目標を踏まえたあるべき業務プロセスの策定とシステム機能実装 ●参考情報 AIエージェントを活用した新たな生成AIサービスを提供開始～「SmartAgent™」の実現により、オフィスワーカーの生産性向上、付加価値業務のシフトへ～ https://www.nttdata.com/global/ja/news/release/2024/102401/ OpenAIとのグローバルでの戦略的提携を開始～日本初の販売代理店として、OpenAI関連事業で2027年度末までに累計1,000億円規模の売り上げへ～ https://www.nttdata.com/global/ja/news/release/2025/042400/ マーケティング業務を最大6割削減する新たなAIエージェントサービスを提供開始～「LITRON® Marketing」の提供により、マーケティングの戦略・施策の企画から実行・評価まで一気通貫で支援～ https://www.nttdata.com/global/ja/news/release/2025/051900/ 生成AIを活用した営業生産性向上PoCをテプコカスタマーサービスと実施～太陽光設備サービスにおける営業活動の効率化と業務品質向上の実現へ～ https://www.nttdata.com/global/ja/news/topics/2025/052601/

我々の組織は技術力をベースに社内外をリードする組織として、AIに関わる最新技術を調査・研究しつつ、当社各分野(公共・金融・法人)の組織を技術的にリードしていくことがミッションとなります。本募集では、顧客業務を理解し、AIによる課題解決を提案・推進できるメンバを募集します。具体的には以下が職務内容となります。 ●AI関連の技術力をベースにCR組織と協力して顧客業務の分析、AIによるプロセス変革の提案を行う ●AI、特にAIエージェントの要件定義から運用における全工程を技術的にサポート ●AIエージェントを実現するための技術調査、機能実装 ●チームメンバーの指導・育成

●課題を定義する 顧客の業務プロセス・データ環境・既存SaaS群の全体像を把握し、AIがどこに介入すれば効果が最大化するかを特定します。経営層から現場担当者までと直接対話し、仕様書を受け取るのではなく、仕様を自ら定義します。 ●爆速で作る JAPAN AI STUDIOで、現場が実際に使うワークフロー（稟議承認、リソース最適配置、見込み顧客探索、データ連携 等）を構築します。顧客の既存SaaS（Salesforce / SmartHR / kintone 等）とのAPI連携、LLM・AIエージェントを用いたPoCの高速実装から本実装まで、フルスタックで自ら手を動かします。 ●本番に載せ、プロダクトに還す 本番導入の技術支援、セキュリティ・コンプライアンス要件への対応、導入後の利用定着まで伴走します。現場で得たパターンはプロダクトチームへ還元され、次の標準機能になります。 例：全国50店舗を展開する小売業。紙ベースで平均5営業日かかっていた発注稟議を、過去の承認パターンをAIが学習して一次判断するワークフローに置き換え、リードタイムを1営業日に短縮。この事例は標準テンプレートとして他顧客にも展開されました。 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●期待する役割について 顧客の業務プロセスとデータ環境を深く理解し、JAPAN AI STUDIO を活用して課題解決を実装・導入するエンジニアです。 顧客の既存システム (SaaS 群) の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する JAPAN AI STUDIO を活用し、現場が実際に使えるワークフロー (稟議承認、リソース最適配置、見込み顧客探索 等) を爆速で構築する PoC を本番環境へ導入し、利用定着まで伴走する 現場で得た知見をプロダクトチームにフィードバックし、プロダクトを進化させる 経営層から現場担当者まで、多様なステークホルダーと関係を構築する ●成果責任 (KR/メトリクス) FDE の動きがプロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約60名が開発組織に在籍しています。 FDEチームは現在10名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●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 インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース 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

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