資格取得支援制度あり 年収400万円以上のITエンジニア求人・転職情報

●業務内容(概要) AWS 環境で稼働する顧客システムの運用保守を担当。 定常業務から改善活動まで幅広く経験し、クラウドエンジニアとして成長できるポジションです。 ●業務内容(詳細) まずは運用の基礎的なタスクから着手し、AWS サービスへの理解を深めながら徐々に応用領域へステップアップしていただきます。 【具体的な業務】 AWS環境の定常運用(監視、アラート対応、アカウント管理 等) 手順書に沿ったリリース作業・動作確認 運用手順書やナレッジの作成・更新 作業効率化や簡易的な自動化などの改善活動 Backlog/SharePoint/Slack を用いた情報共有・タスク管理 顧客・開発チームとの簡単な調整、スケジュール確認 ●使用技術・ツール 言語/ライブラリ:Python、Node.js、AWS CDK バージョン管理:Git(CodeCommit) プロジェクト管理:Backlog、Redmine、GitHub、GitLab、Jira、Confluence コンテナ:Docker クラウド:AWS(開発・デプロイ環境) CI/CD:CloudFormation コミュニケーション:Teams、Slack ※変更の範囲:会社の定める業務

●業務内容(概要) 製造業を中心としたクライアントのデータ活用を支援し、分析・モデル構築・可視化を通じて課題解決を推進。 ●業務内容(具体的に) SQLやPythonを用いたデータ抽出・前処理 統計解析や機械学習モデルの設計・評価 ダッシュボード開発(Tableau、Power BI) PoCから本番導入までの支援 アジャイル(スクラム)開発の推進 将来的にはAIエージェントや生成AIを活用した高度な分析・自動化にも取り組みます <関連業務> データ利活用サービス:課題抽出～可視化・レポーティング 機械学習エンジニア:予測・処方的分析 工場DX:属人性解消、デジタル化アセスメント ●使用ツール・技術 言語:Python、SQL ライブラリ:Pandas、NumPy、scikit-learn 機械学習:TensorFlow、PyTorch BI:Tableau、Power BI バージョン管理:Git、GitHub クラウド:AWS、Azure 開発管理:Redmine、Backlog、Jira ※変更の範囲:会社の定める業務

●業務内容(概要) 製造業を中心としたクライアントのDX推進を支援し、業務改善・データ活用・工場立ち上げを通じて課題解決を推進します。 ●業務内容(具体的に) クライアント企業のデータを活用し、課題抽出から分析、モデル構築、可視化・レポーティングまでを担当 SQLやPythonを用いたデータ抽出・前処理 統計解析や機械学習モデルの設計・評価 ダッシュボード開発(Tableau、Power BI) PoCから本番導入までの支援 業務改善・工場立ち上げ推進 アジャイル(スクラム)開発の推進 PL候補として、プロジェクトのQCDS管理、顧客折衝、技術選定を担当 ●使用ツール・技術 言語:Python、SQL ライブラリ:Pandas、NumPy、scikit-learn 機械学習:TensorFlow、PyTorch BI:Tableau、Power BI バージョン管理:Git、GitHub クラウド:AWS、Azure 開発管理:Redmine、Backlog、Jira ※変更の範囲:会社の定める業務

あなたにお任せしたいお仕事は、各業界のシステム開発を詳細設計や製造、テスト工程などプログラマー業務のお仕事になります。 ・各業界の各業務システム開発 ※詳細設計から製造、テスト(単体、結合、総合)まで想定 ・パッケージ開発 ・運用保守業務 IT系だとCTCやSCSK、Skyや帝人など、WEB系だとアクセンチュアやシャノンなど業界を牽引するトップ企業含め様々な企業と安定的な取引を行っております。当社社員は、プロダクションカンパニーの一員として各社クライアントのプロジェクトに参画し、1つの会社に長年いては実現できない多彩なスキルやノウハウを身に付けることができます!

●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

CMP装置をはじめ、ドライ真空ポンプ、排ガス処理装置などの半導体製造装置およびコンポーネント製品から取得されるデータを活用した自社プラットフォーム(「X-bility」および「EBANET3」等)の開発・強化業務を担当いただきます。 開発チーム/プロジェクトリーダーとして、装置予知保全やデータ基板・アプリケーションの事業化・顧客への価値提供を推進頂けます。 ・装置・コンポーネント群から収集される各種センサーデータ(高頻度時系列データ)の収集・蓄積・解析・可視化を一体としたデータ基盤・アプリケーションのシステム設計および開発リード ・Chamber間・装置間・コンポーネント間のデータ比較・解析による予防保全機能やパフォーマンス最適化機能、故障予知アルゴリズムの組込み ・収集データを活用した新たなデジタルサービスの企画・アーキテクチャ構築およびグローバル展開の推進 ※変更の範囲:会社の定める業務

CTO直下の先進開発チームにて、AI駆動によるiOSアプリ群の圧倒的な生産性向上戦略の立案・実行 Web領域におけるAI活用成功事例を応用した、iOS特有の課題解決に向けたアーキテクチャ設計 AIが意図を正確に汲み取り、高品質なコードを生成するための開発環境・プロセスの整備 iOS領域のシニアテックリードとして、複数プロダクトを横断した技術選定および意思決定 中長期的な目線での、AIを活用した「ユーザーの煩雑な業務を代行する」次世代モバイルアプリ体験のリード 経営層や各プロダクト責任者と連携した、技術投資対効果の最大化 業務内容の変更範囲:会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

「freee人事労務」におけるプロダクトの仕様選定、およびスケーラブルなアーキテクチャの設計・実装 Claude Codeをはじめとする最新のLLM・AIエージェントツールを開発プロセスへ自発的に組み込み、チームおよび個人の開発生産性を最大化する取り組みの推進 プロダクトマネージャー(PM)、デザイナー、QAエンジニアとフラットに議論を交わし、仕様のスコープ絞り込みやユーザー価値の定義を主導 データベースの最適化(負荷低減)、自動テストの高速化、CI/CDの改善など、大規模サービスにおける技術的負債の解消とパフォーマンス・チューニングの実行 業務内容の変更範囲:会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

【事業・ミッションについて】 当事業部では、マイナンバー制度を軸として、誰もが、いつでも、どこでも、ライフスタイルに応じたサービスをスピーディに受けられるデジタル社会を実現することをミッションとし、デジタル庁及び地方公共団体の外郭団体を顧客としたマイナンバー関連システムの企画・開発・運用保守を提供しています。 国民の皆様の生活の基盤となっているマイナンバーの仕組みを支える既存システムの刷新・高度化と並行して、金融等、公共以外の分野とも連携してマイナンバーの仕組みを利活用したサービスを提供する等、当社だからこそできる新たな仕組みを提供しています。 【主な業務内容】 ・マイナンバー関連の社会基盤システムおよび利活用システムにおいて安定/高品質なインフラ基盤をスピード感をもって提供すべく、インフラエンジニアとしてクラウドもしくはオンプレミス環境におけるシステム基盤の方式検討・開発～維持運用に携わって頂きます。 　(プロジェクト例) 　ー次世代大規模情報連携基盤のシステム基盤開発・運用 　ーマイナンバーカードの認証機能等の仕組みを活用した新たなデジタルサービスのシステム基盤検討・開発 【業務の特徴】 ・基盤技術者の大部屋化に取り組んでおり、ノウハウ共有を積極的に行うことで、自身が主で担当している案件や技術分野以外の領域についても学び・共有する機械が多くあり、技術者として幅だしができます。 ・ガバメントクラウドに関するノウハウのアセット化/アセット活用をはじめ、各工程の技術ノウハウの集約、活用を積極的に行っています。 ・環境構築自動化技術等、日々進化する技術の検証・活用を推進しています。

当社の中核プロダクトである「freee人事労務」にて新設された関西チームの募集となります。 技術的挑戦に加え、まだ数名程度の組織の基盤構築やカルチャー形成そのものを当事者として楽しめる方を求めています。 多くの地方拠点で起こりがちな「本社からの切り出し業務」ではなく、近い将来には関西チーム単体で機能開発を上流からリードできる自立した組織を目指す方針です。 地方にいながら、仕事のスケール、裁量、年収水準、成長環境において、妥協のないキャリアを築ける環境がここにはあります。 あえて現在の課題を共有し、この複雑でエキサイティングな壁を共に乗り越える仲間を募集します。 業務内容詳細 「freee人事労務」におけるプロダクトの仕様選定、およびスケーラブルなアーキテクチャの設計・実装 Claude Codeをはじめとする最新のLLM・AIエージェントツールを開発プロセスへ自発的に組み込み、チームおよび個人の開発生産性を最大化する取り組みの推進 プロダクトマネージャー（PM）、デザイナー、QAエンジニアとフラットに議論を交わし、仕様のスコープ絞り込みやユーザー価値の定義を主導 データベースの最適化（負荷低減）、自動テストの高速化、CI/CDの改善など、大規模サービスにおける技術的負債の解消とパフォーマンス・チューニングの実行 業務内容の変更範囲：会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

クラウド型人事労務システム『ジンジャー』を通じて、企業の人事労務業務の効率化・生産性向上を支援する法人営業ポジションです。 プリセールスとして「ジンジャー」のスペシャリストとなり、フィールドセールスと二人三脚で顧客課題を深掘りし、安心して導入を決断いただけるよう導く役割を担います。 <具体的な業務内容> 1.顧客への価値提案 ・フィールドセールスと共にWeb/訪問商談を行い、現状の業務フローや潜在課題(AS-IS)をヒアリングします。 ・ヒアリング内容を基に、『ジンジャー』が実現する未来像(TO-BE)を提示し、変革への期待感を醸成します。 ・複雑な要件には、詳細なフィット&ギャップ分析を行い、導入後の具体的な運用イメージまでを明確にした、解像度の高い提案を行います。 ・トライアル環境でお客様の要件を再現し、導入後の世界観をリアルに体験いただくことで、最終的な意思決定を力強く後押しします。 2.ナレッジの創出と組織貢献 ・最前線の商談で得た知見や成功事例を体系化(ナレッジ化)し、セールス組織全体の提案品質の向上に貢献します。 ・顧客の声(VOC)を開発部門へ的確にフィードバックし、プロダクトの価値を最大化する機能開発や改善を推進します。

本ポストは、先進テクノロジーを活用してお客様のビジネス価値創出を実現する部門に所属しており、Salesforceソリューションを中心としたビジネスのデジタル化を推進する仕組みの提案、プリセールスなどの業務を行います。 具体的には下記の業務を行います。 ・CRM導入を検討するお客様へのプリセールス活動 ・社内外のステークホルダーと連携しSalesforceを活用した特定業界ビジネスや商談の創出 ・Salesforceライセンスリセールや活用定着化に向けたプリセールス活動 ※ご経験に応じ、選考を通じて配属決定いたします。入社後はOJTで徐々に業務にキャッチアップいただきます。

【事業・ミッションについて】 当組織では、マイナンバー制度を軸として、誰もが、いつでも、どこでも、ライフスタイルに応じたサービスをスピーディに受けられるデジタル社会を実現することをミッションとし、デジタル庁及び地方公共団体の外郭団体を顧客としたマイナンバー関連システムの企画・開発・運用保守を提供しており、社会インフラの一つとなったマイナンバーの仕組みを発展させることに寄与しています。 マイナンバーの仕組みを支える既存システムの刷新・高度化と並行して、マイナンバーの仕組みを利活用し、金融等、公共以外の分野とも連携した当社ならではの新たな仕組みを提供しています。 【主な業務内容】 当組織で構築する複数のシステムについて、組織のアーキテクトとして下記活動の推進をご担当頂きます。 ・活用する技術(ツール・サービス等)の選定・評価、検証活動 ・ソフトウェアアーキテクチャ、処理方式、フレームワーク等の選定および非機能要件に配慮したシステム設計のサポート ・性能設計、性能検証活動の推進 ・内外の最新ソリューションの技術検証および事業部内展開と普及の促進

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!

グループの中長期計画をふまえ、海外グループ会社を含む施策の立案~実行やリスク評価・アセスメントなどの業務を関係者とコミュニケーションを取りながら推進いただきます。 ●具体的な業務内容 担当部長(課長職相当)としてセキュリティオペレーションのチームを率い、国内のグループ会社を中心に、セキュリティ施策の開発および運用対応を実施し、関係者とコミュニケーションを取りながらグループのリスク低減を推進いただきます。 【担当する工程】 ・セキュリティ施策実行の企画・運営フェーズ ・インシデントの初動対応、原因追求 【業務内容】 ・セキュリティのマニュアル・ガイドライン等の作成・更新作業の実施、及び、利用者への周知 ・インシデント発生時の対応、リスクの取りまとめ ・セキュリティ施策の企画・計画・設計・開発・導入 ・セキュリティツールを使った監視・アラート検知(SOC)の管理 ・リテラシ向上施策(研修・訓練など)の企画・運営 ・各システム導入時のセキュリティ面の支援 【技術ワード】 ・リスク管理・分析ツール ・セキュリティツール: SIEM、IPS、EDR、SASE、CASB、アンチウイルス、ASM等 ・リスク管理ツール(GRC) ・攻撃表面管理ツール(ASM)

【職務内容】 ・現在、スマートフォン上では様々な企業が、身近な生活を豊かにするサービスを提供しています。 ・私たちの仕事は、そのような企業と共創し、数千万人が利用するサービスを企画・開発する仕事になります。(現在の私たちのメインクライアントは、通信キャリアをはじめとした社会インフラ企業になります。) ・現在、私たちが手掛けるサービスはポイント・QR決済・映像配信・XR・ライフサポート・音声対話・クラウドストレージなど多岐にわたります。 ・クラウド技術をベースとして、サービスに最適なアーキテクチャ検討やプロジェクトマネジメント力などにより、新たなサービスや価値を世の中へ提供する仕事になります。一年未満の短い期間でのサービスローンチを目指し、最適な開発手法やクラウドプラットフォームを提案し、設計～構築まで一気通貫で開発プロジェクトをマネジメントします。 ・技術としては、マルチベンダとして複数のパブリッククラウドの中から最適なプロダクトやサービスを選定します。 ・アーキテクチャ設計においては、IaaSからSaaSまで非常に広い領域をカバーします。最適なプロダクトやサービスを組み合わせ、サービスに最適なアーキテクチャを設計します。 ・システム開発においては、アジャイルをベースとしつつ、100人超のマネジメント手法など独自に開発プロセスの組み立てを行い、プロジェクトを進めています。 ・提供しているサービス事例 　https://www.nttdata.com/jp/ja/data-insight/2022/0316/

グループの中長期計画をふまえ、海外グループ会社を含む施策の立案~実行やリスク評価・アセスメントなどの業務を関係者とコミュニケーションを取りながら推進いただきます。 【セキュリティガバナンス担当】 グループの中長期計画をふまえ、海外グループ会社を含む施策の立案~実行やリスク評価・アセスメントなどの業務を関係者とコミュニケーションを取りながら推進いただきます。 ・グループセキュリティのポリシー・ルール類の作成・更新作業の実施、及び、利用者への周知 ・対策状況の確認、及び、アセスメントの実施・分析 ・リテラシ向上施策(研修・訓練など)の企画・運営 ・インシデント発生時の対応、リスクの取りまとめ 【セキュリティオペレーション担当】 国内のグループ会社を中心に、セキュリティ施策の開発および運用対応を実施し、関係者とコミュニケーションを取りながらグループのリスク低減を推進いただきます。 ・セキュリティのマニュアル・ガイドライン等の作成・更新作業の実施、及び、利用者への周知 ・インシデント発生時の対応、リスクの取りまとめ ・セキュリティ施策の企画・計画・設計・開発・導入 ・セキュリティツールを使った監視・アラート検知(SOC)の管理 ・リテラシ向上施策(研修・訓練など)の企画・運営 ・各システム導入時のセキュリティ面の支援 【技術ワード】 ・リスク管理・分析ツール ・セキュリティツール: SIEM、IPS、EDR、SASE、CASB、アンチウイルス、ASM等 ・リスク管理ツール(GRC) ・攻撃表面管理ツール(ASM)

グループ各社の中長期計画を踏まえ、グループ各社が利用する情報システムのインフラ基盤の構築・運用業務について、リーダーもしくはメンバーとして参画いただき、インフラの維持運用および改善活動を関係者とコミュニケーションと取りながら推進いただきます。 インフラ基盤の構築・運用業務については原則アウトソースしています。 委託先等のベンダーコントロールを主体として、事業会社への貢献度の最大化が図れるように各案件のQCDを意識した管理を行っていただきます。 下記のいずれかの領域について担当いただきます。 ・インフラ関連プロジェクトの計画策定と推進支援 ・オンプレミス基盤/クラウド基盤の運用管理 ・オンプレミス基盤からクラウド基盤へのリフト/シフトの要件整理および推進支援 ・Microsoft365等のグループウェアの運用管理 ・PC/タブレット/IP電話等の端末更改における選定・評価やユーザー展開 ・事業会社の課題/ニーズの理解とインフラ環境の構築における要件の整理 ・委託先等のベンダーコントロール

「何を作るか」「なぜ作るか」の 2 点に責任を持ち、開発チームと協働しながらユーザーにプロダクトを届けることがミッションです。CPO 直下にある PdM チームに配属され、 担当領域における戦略策定から実行までを一貫して担当します。配属チームは選考を通じて双方の希望・適性を確認しながら決定します。 具体的には以下の業務を担当します。 ・ユーザーインタビュー・フィールドリサーチ・データ分析を通じた課題発見と仮説検証(fitjourney メソッドの実践) ・プロダクトロードマップの策定、および機能要件・仕様の定義 ・エンジニア・デザイナー・カスタマーサクセス・セールスなど多様なステークホルダーとの合意形成 ・チャーン・利用率データを起点とした改善サイクルの推進(CS 連携含む) ・開発プロジェクトの進行管理およびリリース後の効果測定 ・AI ツール(Claude・ChatGPT・Cursor 等)を活用した PRD、仕様書作成・ユーザー調査・データ分析の実施 ・AI 機能を組み込んだプロダクト企画・要件定義への関与(R&D および AI&Platform チームとの連携含む) ・チーム内での AI 活用プロセスの設計・実践・改善サイクルへの貢献 【利用ツール】Figma / Slack / Productboard / Confluence / JIRA

顧客と市場にディープダイブし、新規・既存プロダクトの成長機会を深く掘り下げ、プロダクト開発チームとビジネスサイドと 共に顧客価値と企業価値の最大化を通じて事業成長を牽引することがミッションです。 市場調査、競合分析、ターゲット設定を起点とし、プロダクトのポジショニング、メッセージング、GTM戦略までを一気通貫で 主導し、「ターゲット市場に最も適合するジンジャーのプロダクト・サービス」ビジョンを描き、その実現を担います。 具体的には以下のような業務を担当します。 ・事業戦略に基づいた、中長期的なプロダクトビジョンおよびロードマップの策定と実行 ・経営会議等でのプロダクトに関する意思決定支援、およびレポーティング ・機能改善・新機能の企画:顧客要求・ポジショニングなどをPdMに共有 ・ユーザー要望管理/スコアリング ・各種タスクのスケジュール管理と成果物作成 ・マーケティング、セールス、カスタマーサクセスなどの各部門と連携した施策の推進 ・メンバーの育成、目標設定、評価、採用活動

勤怠・給与・人事労務を担う Core チームのマネジャーとして、チームの安定運用とプロダクト戦略の両輪を担います。 CPO 直下で PdM 複数名を率い、「何を作るか」「なぜ作るか」の意思決定に責任を持ちながら、チームメンバーの成長も主導いただきます。 具体的には以下の業務を担当します。 ●PdM メンバーの育成・目標設定・日次マネジメント ●プロダクト戦略ならびに VoC に基づく対応のロードマップ策定とリリースまでの完遂 ●PdM 各チームならびに CS や Sales との組織間連携設計および課題解決の推進 ●データならびに他チームの VoC 起点でのプロダクト改善サイクルの設計・実行 ●CPO ならびに他チームのマネージャとともに Core チームのプロダクト文化・開発プロセスを構築 ●AI ツールを活用した PdM 業務(仕様書生成・市場調査・データ分析)の自ら実践とチームへの展開 ●AI 前提の開発プロセス(仕様策定・レビュー・振り返り等)を Core チームに設計・浸透させる ●AI&Platform チームと連携した Core 領域への AI 機能統合の企画・推進 【利用ツール】Figma / Slack / Productboard / Confluence / JIRA

◆クラウドを活用したシステムにおいて、検討・提案・設計・構築・運用までの上流工程からの一連の業務をプライムの立場で担当していただきます。◆ 【事業・ミッション】 現在、当担当では公会計に関わる官庁会計システムや政府の入札・契約・請求といった政府調達を一元的に管理する電子調達システム、マイナンバーカードを活用した給付SaaS等に取り組んでおり、デジタル庁が掲げる「デジタル社会の実現に向けた重点計画」に基づき、国・地方公共団体の行政サービスのデジタル化や業務改革(BPR)、社会全体のデジタル化を推進しています。 政府情報システムにおけるクラウド領域は、 「クラウド・バイ・デフォルト原則」 に加えて、「モダン技術の利用」が方針として打ち出されており、今後クラウド活用のみならず、アプリケーションのモダン化およびモダン化に伴う案件の拡大戦略がミッションとなります。 【役割】 ・クラウドアーキテクト（リーダー）：高い技術力/先見性をもってアプリケーションのモダン化を含めたシステムの将来像を描き、システムアーキテクチャ全体の検討・提案・設計・構築をリードしていただきます。 ・クラウドエンジニア（サブリーダー/メンバー）：顧客サービスを支える安定/高品質なクラウド基盤をスピード感をもって提供すべく、クラウドおよびインフラ領域の設計・構築・運用に携わっていただきます。

【事業・ミッションについて】 当事業部では、マイナンバー制度を軸として、誰もが、いつでも、どこでも、ライフスタイルに応じたサービスをスピーディに受けられるデジタル社会を実現することをミッションとし、デジタル庁及び地方公共団体の外郭団体を顧客としたマイナンバー関連システムの企画・開発・運用保守を提供しています。 国民の皆様の生活の基盤となっているマイナンバーの仕組みを支える既存システムの刷新・高度化と並行して、金融等、公共以外の分野とも連携してマイナンバーの仕組みを利活用したサービスを提供する等、当社だからこそできる新たな仕組みを提供しています。 【主な業務内容】 ・インフラエンジニアとして業務アプリケーションを構築するインフラ基盤(仮想基盤、OS、DB、NW等)の運用保守及び機能改善 ・アプリケーションエンジニアとして業務アプリケーションの運用保守及び機能改善 ・顧客に対する運用保守状況の定例報告 (プロジェクト例) 　ー大規模情報連携基盤に関する運用保守 　ーマイナンバー制度の土台となる関連システムの運用保守 　ーマイナンバーカードの認証機能の利活用システムの運用保守 ※運用保守に参画いただき、業務知識や現行システムへの理解を深め、新たに次期システムや新規システム案件に携わることも可能です 【特徴について】 ・構築・試験自動化技術等、日々進化する技術を活用することを推奨しています。 ・規模の大きなプロジェクトが多数のため、ステークホルダが多く、チーム一丸となって仕事を推進することが求められます。

・プロダクト開発 JAPAN AI STUDIO を活用した業務ワークフローの実装 (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) LLM / AI エージェントを活用した軽量 PoC の高速実装 各種 SaaS (SmartHR / Salesforce / HRMOS / 楽々精算 等) との API 連携・データ統合 フルスタック開発 (バックエンド + フロントエンド) ・本番導入のための実装・改善 シニアエンジニアの設計に基づく本番導入向け実装 パフォーマンス・信頼性の改善 セキュリティ・コンプライアンス要件への対応 (シニアのサポート下) ・プロダクトフィードバック 実装過程で気づいた改善ポイントのプロダクトチームへの還元 再利用可能なコンポーネント・パターンの抽出と提案 ●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 シニアエンジニアと協働しながら、以下を段階的に担っていただきます。 ・Phase 1 (入社〜3ヶ月): 実装担当 シニアエンジニアが設計したワークフロー / PoC の実装担当 JAPAN AI STUDIO の操作・SDK の習熟 各種 SaaS (Salesforce / SmartHR / kintone 等) との API 連携実装 ・Phase 2 (3〜6ヶ月): 実装リード 小規模ワークフローの設計〜実装を単独で担当 実装方針のドキュメント化・チーム内共有 プロダクトチームへのフィードバック起票 ・Phase 3 (6〜12ヶ月): 中規模機能のリード 中規模機能の設計・実装のリード 技術選定・アーキテクチャ判断への参加 後続のポテンシャル枠メンバーの OJT サポート ●成果責任 (KR/メトリクス) 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120名が開発組織に在籍しています。 本ポジションが所属する FDE チームは現在 7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

ミッション "AI の出力品質を科学する — 評価手法の研究・開発で、エージェントの信頼性を証明する" LLM / AIエージェントの出力品質を、機械学習・統計学・計量心理学の手法で定量的に評価・改善します。本ポジションは「テストする人」ではなく、 「何をもって良いAIとするかを定義し、測定する科学者」 です。 期待する役割について AI Evaluation Scientist として、AI エージェントの品質評価基盤の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 — LLM-as-Judge の校正、報酬モデリング、ベンチマーク設計を通じて「何をもって品質とするか」を科学的に定義します ●自動評価パイプラインの設計・構築 — 研究成果を本番 CI/CD に組み込み、スケーラブルな品質ゲートを実現します ●レッドチーミング・安全性検証 — adversarial testing の自動化、ポリシー準拠検証フレームワークを構築します ●統計的実験計画に基づく品質改善 — A/B テスト・有意差検定でプロンプト戦略やモデル変更の効果を定量的に検証します ●評価シグナルの研究・開発チームへのフィードバック — モデル改善の複利ループを構築します 約 200 社が本番利用するプロダクトの品質を「科学する」アプローチで担保します 業務内容 AI Evaluation Scientistとして、 AIエージェントの評価基盤 (Evaluation Infrastructure) の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 ・LLM-as-Judge の校正手法の研究・実装 (rubric 設計、バイアス検出、proper scoring rules) ・評価ベンチマークの設計・構築・妥当性検証 (construct validity、contamination detection) ・報酬モデリング / preference learning の評価への応用研究 ・評価メトリクスの選定・設計 (win rate、task success、factuality、harm detection) ・評価セット (合成データ + 実ログ) の設計・構築・メンテナンス ●自動評価パイプラインの設計・構築 ・スケーラブルな自動評価パイプラインの設計・実装 ・CI/CD への評価パイプライン組込みと品質ゲートの構築 ・エージェント評価ハーネスの設計 (マルチターン・ツール利用・ロングコンテキスト対応) ・評価パイプラインの再現性・信頼性の担保 ●安全性・品質検証 ・自動レッドチーミング (automated adversarial testing) の研究・実装 ・安全性 / ポリシー準拠の検証フレームワーク構築 ・ハルシネーション検出・校正手法の研究・実装 ・プロンプト / ツール回帰テストの設計・実行 ●統計分析・実験設計 ・統計的実験計画 (A/B テスト、有意差検定) の設計・分析 ・品質トレンドの可視化・回帰検出の自動化 ・品質レポート作成と改善提案 ・評価シグナルの研究・開発チームへのフィードバック 業務シナリオ ※以下は想定される業務シナリオの例です ●シナリオ1: LLM-as-Judge の校正と妥当性検証 新しい評価メトリクスとして LLM-as-Judge を導入する際、judge モデルの校正 (calibration) を実施します。人間評価との一致率を統計的に検証し、rubric 設計を反復改善します。construct validity を確認した上で、自動評価パイプラインに組み込み、評価コストを 80% 削減しながら人間評価と同等の信頼性を実現します。 ●シナリオ2: 新モデル導入時の品質ゲート LLMプロバイダーが新モデルをリリースした際、既存のベンチマークスイートで回帰テストを実行し、factualityスコアが3%低下していることを検出します。原因を分析し、プロンプト調整で品質を維持したまま新モデルへの移行を完了します。 ●シナリオ3: 自動レッドチーミングによる安全性検証 金融機関向けにJAPAN AI AGENTを導入する際、自動レッドチーミングパイプラインを構築します。adversarial promptの自動生成・分類器による脆弱性検出を実装し、業界固有のリスクシナリオ(機密情報漏洩、不適切な金融アドバイス等)を網羅的にテストします。ポリシー準拠率99%以上を達成します。 ●従事すべき業務の変更の範囲 会社の定める業務 成果責任 (KR/メトリクス) ●評価カバレッジ率(テストケース網羅率) ●回帰検出率(リリース前の品質劣化検出率 ≥ 95%) ●評価パイプライン実行時間(CI/CD内で完了) ●LLM-as-Judge と人間評価の一致率 ●False Positive / Negative 率 ●安全性インシデント発生率(リリース後) チーム体制 約120名が開発組織に在籍しています。 AI Evaluation Scientistは品質保証の専門チームとして、以下のチームと密接に連携します: ●密接に連携する役割: ・Agentic Product Engineer — エージェント機能開発 ・Research Engineer — 研究開発・モデル改善 ・Agent Harness Engineer / Software Engineer (AI Platform) — AI 実行基盤開発 ・Product Manager — プロダクト設計・品質要件定義 開発環境 ●言語 : Python (評価パイプライン・分析), TypeScript / React / Next.js (フロントエンド部) / NX ●評価 / QA : pytest, LangSmith, Weights & Biases, custom eval frameworks ●データ : BigQuery, Spark, Pandas ●インフラ : GCP (コンテナ / K8s), Docker, Terraform ●CI/CD : GitHub Actions ●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

エージェント体験 (AX) の設計 エージェント対話フロー・インタラクションパターンの設計 不確実性の可視化・信頼度表示の UI 設計 可逆操作 (Undo / 修正) ・権限付与 UI の設計 エージェント行動のトレーサビリティ表示設計 Human-in-the-Loop 評価 UI・フィードバックループの設計 エージェントのパーソナ (性格・振る舞い・トーン) の設計 ユーザーリサーチ ユーザーインタビュー、ユーザビリティテスト、A/B テストの設計・実施 定性・定量データに基づくデザイン判断 ペルソナ・ジャーニーマップの作成・更新 AI エージェントに対するユーザーの信頼度・満足度の測定 デザインシステム・プロトタイピング AI プロダクト向けデザインシステムの構築・運用 高速プロトタイピング (Figma、コードプロトタイプ等) 情報アーキテクチャ (IA) 設計 デザインパターンのドキュメント化・チーム間共有 【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 : 稟議承認 AI の信頼度表示 UI 設計 JAPAN AI STUDIO の稟議承認ワークフローで、AI エージェントが「この稟議を承認すべき」と判断した際、ユーザーが「この判断はどの程度信頼できるか」を直感的に判断できる UI を設計。 信頼度スコア、参照した過去の承認パターン、判断根拠の表示方法をプロトタイプし、ユーザビリティテストで検証。 「AI が参照したデータソース (楽々精算の金額データ + SmartHR の部門予算データ)」を可視化することで、エージェント信頼度スコアが 20% 向上。 ● シナリオ 2 : SaaS 横断ワークフローの可逆操作 UI 設計 JAPAN AI STUDIO で AI エージェントが楽々精算 → SmartHR → Salesforce を横断して自律的に実行したアクション (経費承認、人事データ更新、CRM 記録更新) に対し、ユーザーが安心して「取り消し」「修正」できる UI を設計。 複数の SaaS にまたがるアクションの Undo / Redo のインタラクションパターンを定義し、「どの SaaS のどのデータが変更されたか」を一覧で確認できるトレーサビリティ表示を実装。 エラー回復成功率が 35% 向上。 ● シナリオ 3 : 「企業の脳」のデザインシステム構築 9 つのプロダクトで一貫した「企業の脳」体験を提供するため、エージェント対話コンポーネント (チャットバブル、ツール呼び出し表示、SaaS 連携進捗インジケーター、信頼度バッジ、可逆操作ボタン等) を標準化したデザインシステムを構築。 コンポーネント再利用率が 60% 向上し、新機能のデザイン工数を 40% 削減。 ●ミッション 「企業の脳」を信頼できる存在にする 人間と AI エージェントの間に「信頼」を生むインタラクションを設計し、透明性・可逆性・説明可能性を備えたエージェント体験 (AX) を実現する。 ●Human-AI Collaboration Architect とは Human-AI Collaboration Architect は「人と Agent の信頼を設計する人」です。 従来の UX デザイナーとは以下の点で根本的に異なります。 従来のUXデザイン ユーザーの操作に対して確定的な結果を返す UIの動作は予測可能 エラーは明確 (404、入力ミス等) ユーザーが操作する 一貫した UI で信頼を構築 ・Human-AI Collaboration Architect AI の出力は確率的で、毎回異なる可能性がある エージェントの行動は不確実で、説明が必要 エラーは曖昧 (「回答が不正確かもしれない」) エージェントが自律的に行動し、ユーザーが監督する 透明性・可逆性・説明可能性で信頼を構築 ●期待する役割について Human-AI Collaboration Architect として、JAPAN AI の全プロダクト (STUDIO / CHAT / SPEECH / AGENT 等) における AI エージェント体験の設計をリードしていただきます。 エージェントの対話フロー・インタラクションパターンを設計し、ユーザーが AI を信頼して業務に活用できる体験を実現する 不確実性の可視化、信頼度表示、可逆操作 (Undo / 修正)、トレーサビリティ表示など、AI 特有の UX 課題を解決する ユーザーリサーチ (インタビュー、ユーザビリティテスト、A/B テスト) に基づくデータドリブンなデザイン判断を行う AI プロダクト向けデザインシステムを構築・運用し、プロダクト横断で一貫した体験を提供する エンジニア・PM・AI 研究者と密に連携し、技術的制約を理解した上でデザインする ●成果責任 (KR/メトリクス) ユーザータスク完了率 エージェント信頼度スコア (ユーザーサーベイ) エラー回復成功率 (ユーザーが自力で修正できた割合) ユーザーリテンション率 デザインシステムコンポーネント再利用率 ●チーム体制 約120名が開発組織に在籍しています。 密接に連携する役割: Product Manager — プロダクト設計・要件定義 Agentic Product Engineer — エージェント機能開発 AI Quality Scientist — 品質評価・ユーザビリティ Research Engineer — AI 技術の最新動向・制約の理解 ●開発環境 デザイン : Figma, FigJam プロトタイピング : Figma Prototyping, Framer リサーチ : Maze, Hotjar, Google Analytics コラボレーション : Slack, Confluence, Linear, Google Workspace, 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

●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

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。 ●顧客対応・提案業務 営業チームと連携した顧客の技術的課題のヒアリング 顧客の課題に対する最適なソリューション提案 技術検証(PoC)の企画・実施・評価 提案資料・技術提案書の作成 デモンストレーション・プレゼンテーションの実施 ●技術支援業務 システム要件の理解とスコープ定義 RFP対応・技術提案書作成 顧客の業務理解と課題の構造化 営業チームへの技術的サポート ●その他業務 プロダクトの技術的知見の蓄積と共有 顧客フィードバックのプロダクト開発への反映 技術トレンドの調査と社内共有

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