年収400万円以上のITエンジニア求人・転職情報

社内外向けWEBアプリケーション開発業務をご担当頂きます。 WEBアプリケーションは全て自社開発しており、新規の開発依頼が多いのでフルスクラッチで開発頂きます。 また、依頼された内容をそのままシステム化するのではなく利用者の利便性を考え、提案しながら開発することが求められます。 ユーザーからのリクエストを元に要望を聞き、要件定義/基本設計/詳細設計等に時間をかけずにプログラミングしてある程度形になったタイミングで運用開始、問題があったら都度直して完成度を上げていくという開発スタイルが多いです。 新しい技術や言語を用いて開発に携わることが可能です。 【具体的には】 ・要件定義 ・基本設計/詳細設計 ・開発/テスト ・運用/保守 ・サーバー環境設定 ・設計書/手順書作成 ・システム入れ替え検討 等 ※上流(業務提案、業務設計など)から下流(実開発など)まで幅広くご担当頂きます 【開発環境】 ・OS Windows、Linux ・言語 PHP、Java、JavaScript、Python ・DB MySql、PostgreSQL 【業務内容についての補足】 入社当初:各求人票内の業務内容欄記載の業務内容 変更の範囲:弊社就業規則に基づき、異動を命じることがある

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

<組織概要> 当組織は、モビリティ・防衛・知的財産・司法法務領域において、中央省庁等のお客様を中心に国家や社会を支える重要インフラシステムを提供しています。 豊富な業務知識と技術力を活かし、行政システムのデジタル化を主導し、最新技術を用いた価値創出(DX)によって社会課題を解決するなど、社会に貢献する事業を行っている組織です。 <職務詳細> 官公庁のDXを推進する大規模プロジェクトをはじめとしたシステム開発にて、クラウド・AI等の先端テクノロジーを活用し、社会基盤を支えるシステムのアーキテクチャ設計・構築を担当いただきます。 ●プロジェクト事例 ・自動車登録・検査システムの開発:自動車の登録や検査をデジタル化し、手続きの効率化を推進。最新アップデートではICチップ付き車検証を導入し、よりスムーズな車検フローを実現 ・知的財産関連システムの開発:知的財産領域でのシステム開発を通じて、最新技術を用いて日本の技術革新を後押し ・司法・法務システムの構築:司法・法務領域に関わる情報基盤や情報管理システム開発を通じて、法的手続きをよりスムーズかつ安全に進める環境を提供 ●具体的な業務 ○官公庁向けクラウド基盤の設計・構築:官公庁のデジタルサービスを支えるインフラをゼロから設計・最適化します。 　【技術活用例】 　・AWS/Azure/GCPを活用した大規模システム基盤の設計・構築 　・ServiceNowを活用したITサービスマネジメント(ITSM)の導入・最適化 ○DevOps/SRE 環境の構築:開発・運用を効率化するためのDevOps/SRE環境を構築します。 　【技術活用例】 　・Cloud IaCを活用した環境自動化(Terraform、Ansible) 　・CI/CDパイプラインの構築・最適化 　・SRE手法を用いたシステム運用の高度化(Datadog、Prometheusの活用) Keyword:Cloud、ServiceNow、DevOps/SRE、NW、DB、アーキテクチャ設計、ITスペシャリスト、プラットフォーム

【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

当社の社員、協力会社社員、グループ会社社員の約5万人が日常的に利用する社内ポータルの企画・設計・開発・改善・運用をご担当いただきます。 基盤としてServiceNowを活用し、新機能の企画から開発、リリース後の改善まで一貫して携わることができます。 ●具体的な業務内容 ・ServiceNowを活用した新規機能の企画・要件整理・設計・開発 ・Now Assist(生成AI)を活用した新しいユーザー体験の創出 ・ローコード開発による業務改善システムの構築・運用 ・社員・協働者からの利用ニーズを踏まえた改善施策の企画〜実装〜展開 ・社内ポータルの利便性向上に向けた継続的な改善(UI/UX改善、機能拡張 など) ・プロジェクトマネジメント、関係部門との調整・推進 守りの運用にとどまらず、「攻めのIT」として社内の働き方を変革し、“社員が迷わず仕事に集中できるデジタル環境” を実現する役割を担っていただきます。

未来の日本社会を支えるITシステムをソフトウェア面から具現化する仲間を募集します。 ●職務内容について● 　デジタルガバメントからスマートシティまで、社会を支えるITシステムを提供している公共・社会基盤分野の中で、ソフトウェアエンジニア/ソフトウェアアーキテクトとして広く活躍する職務です。分野全体のプロジェクトにかかわるため、業種は公共分野(中央省庁および関連団体、地方自治体等)から通信・ユーティリティ分野まで幅広く活躍できます。 【開発系】 ・提案書執筆/要件定義(利用者の利便性を高め、ITシステムの肝となるソフトウェアアーキテクチャ/処理方式/アプリケーションフレームワーク/プロダクトの検討) ・設計(業務処理を支えるアプリケーション処理方式設計/構造化設計/共通化設計等を先導) ・製造(自チームが設計した共通部品の実装に加え、プロジェクトメンバーを指導しつつ、採用したソフトウェアアーキテクチャに基づいて実際にソフトウェアを構築) ・テスト(単体テスト/結合テスト/システムテストに向けた準備や構成管理等を実施) 【施策系】 ・生成AIによる生産性向上、ガバメントクラウドやスマホアプリ等の技術要望に対応する技術開発の実施 ●技術戦略組織について● 　フレームワークなどのソフトウェア・クラウド等の基盤技術者の集約組織で、現在は約170名の技術者を体制として維持し、常時約30プロジェクトに対して現場支援を実施しています。現場支援チームだけでなく、先進的な技術や生産性向上に関わる技術を取り入れ、確立する施策系のチームも存在します。在籍する技術者の約1/3が本募集となるソフトウェアエンジニア・アーキテクトです。 　担務に関しては、プロジェクトごとの有期的なものが多く、本人の希望やスキルセット、現場からの要望を総合的に判断・相談して、決定しています。現場支援においては、わからないことは所属チームや総勢170名の技術者によるサポートがあります。また、全員が社会を支えるシステムに最適な構成を提案でき、品質高く、効率的に実現できるよう、スキルアップの側面も重視しています。

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!

●職務内容 法人分野はビジネススピードが速く、先進的な技術が求められる。 当担当では、主にインフラ領域が主役となるクラウド共通基盤・DX推進などのコンサル～設計構築や、大規模・高難易度のシステム開発のインフラ・方式領域のインテグレーションを行う。 ●具体例 ・各案件における一連の工程において、技術力を活用しプロジェクトリーダとしてプロジェクトを成功に導く ・方式アセスメント、コンサルティング、更改方針策定など開発着手前から参画し、企画・要件定義から移行までの一連の開発工程、並びに運用フェーズでの安定化まで一気通貫でやり遂げる 。 ・開発標準化ソリューションの適用による設計・構築・運用の効率化、並びに実案件ノウハウのフィードバックによるソリューションの整備・拡充 ※事例:大手グループ企業へのグループ横断　共通クラウド基盤の構築

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/

法人分野の開発プロジェクトにおける、インフラ系エンジニア職(ITアーキテクトなど)の集約求人となります。 募集ポジションから、ご希望・経験・志向・適性を踏まえて、最適なポジションをご提案します。 ご自身に適したポストを検討されたい方向けの募集です。 【各インダストリ・ソリューション】 ・製造業(モビリティ、食品・飲料、機械・重工、医薬など) ・流通・小売業(コンビニ、アパレル、商業施設、百貨店、家具/生活雑貨など) ・エンタメ業界(競馬、ボートレースなど) ・交通・旅行業界(鉄道事業者、エアライン各社、旅行会社など) ・メディア業界(広告代理店、放送局など) ・決済業界(CAFISなど) ・SAP

最先端のAI技術を、誰もが直感的に使える形へ。 私たちは、まだ世にない価値をデザインの力で社会に実装するUI/UXデザイナーを募集しています。 アカデミアで研究される最新の機械学習技術と、ビジネスの現場にあるリアルな課題。 その二つを繋ぎ、複雑なソリューションに「使いやすさ」という命を吹き込む、非常に難易度が高く、やりがいのあるポジションです。 各分野のトップランナーである機械学習・システム開発エンジニアやコンサルタントと共に、デザインの力で社会課題を解決しませんか? <業務内容> クライアントが抱える本質的な課題を解決する「カスタムAI」ソリューションのUI/UXデザイン全般をお任せします。 プロジェクトの最上流から参画し、ビジネスとテクノロジー、そしてユーザー体験を繋ぐハブとしての役割を期待しています。 <具体的な業務内容> ・課題発見・要件定義: クライアントへのヒアリングやワークショップを通じて、ビジネス要件とユーザーニーズを深く理解し、解決すべきデザイン課題を定義します。 ・情報設計・プロトタイピング: 複雑なAIのロジックやデータを、ユーザーにとって価値ある体験として再構築するための情報設計、ワイヤーフレーム、プロトタイプの作成を行います。 ・UIデザイン: プロトタイプを元に、ユーザビリティと美しさを両立させたUIデザインを作成します。 デザインシステムの構築・運用にも携わっていただきます。 ・ユーザー検証: ユーザビリティテストなどを計画・実施し、仮説検証を繰り返しながらデザインの品質を高めます。 ・チーム連携: プロジェクトマネージャー、機械学習・システム開発エンジニア、コンサルタントなど、多様な専門性を持つメンバーと密に連携し、プロダクト開発を推進します。 <開発環境・使用ツール> デザインツール: Figma コミュニケーション: Slack, Google Workspace など プロジェクト管理:Backlog など 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 <カスタムAIソリューション事業とは?> 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ●オーダーメイドによるAI開発 ・アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ●企業のコア業務をAIで変革 ・画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 <裁量の大きさについて> 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ●技術者がお客様に対して直接提案をすること ●お客様が設計した問題に対してその問題設計に提言できること ●チームを自ら組閣し案件成功に向けて自ら動くことができること ●会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること <社内活動> エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ●技術勉強会の開催(数理最適化、強化学習 etc...) ●最新技術勉強会の開催(マルチエージェント etc...) ・本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ●チームビルディング施策 ・“チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施

原子力機器の製造に必要とされる品質保証システム(ASME等)および品質マネジメントシステム(ISO等)の確立とその実施体制の整備を行なうとともに、担当工事における品質関連活動の管理･推進、製品品質の検証、品質状況の監視･モニタリングや、その改善のための指示･指導･勧告等を行い、お客様の求める品質レベルの製品の提供を実現するための活動を行います。 具体的には、以下のような業務内容を想定しております。 ・品質システムにかかわる基本計画の策定 ・品質システムの確立および品質システムに関する外部機関等との調整 ・各工事･お客さまに対応した品質システムの確立ならびに品質活動に関するお客さまおよび外部機関との折衝 ・社内各部門における品質活動の推進およびとりまとめ ・社内各部門における品質活動状況の検証,監査、モニタリングおよび改善のための指導･勧告の実施 ・品質にかかわるマネジメントレビューのとりまとめ ・不適合品処置を含む品質不適合の処置業務のとりまとめ ・重大不適合およびその他の重大な品質問題に対する是正処置･予防処置の実施の指示･指導、実施状況の検証およびフォローアップ ・品質システムに関する記録および資料の作成･維持 ・原子力安全にかかわる教育およびそれらの向上に向けた活動の立案･推進 ・品質改善活動の推進事務局 ・購入品調達先および役務外注先の品質システムの指導、審査･監査および認定の実施 【役割】 品質保証担当者 【変更の範囲】会社の定める業務

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

ミッション 生成AI・AIエージェントの普及により、クラウドインフラは「システムを動かす基盤」から、IDを起点にAI・業務・データを安全に接続する中核アーキテクチャへと進化しています。特にAzureでは、Microsoft Entra ID(旧Azure AD)を中心としたID・認証・認可の設計が、セキュリティ、ガバナンス、AI活用の成否を左右する時代になっています。 Entra IDを起点に、AI時代のAzureアーキテクチャを設計する。 認証・セキュリティから運用まで、本番で成立するクラウド基盤を作る仕事です。 職務内容 Azureを中心としたクラウド基盤において、以下を担当していただきます。 ●Azure / Entra ID を前提としたクラウド基盤の企画・構想策定 ●Entra ID(ID・認証・認可)を起点としたアーキテクチャ設計 ●セキュリティ、ネットワーク、ガバナンスを含めた全体設計 ●条件付きアクセス、RBAC、PIM 等を含むID・アクセス設計 ●オンプレミスAD/他クラウドからのEntra ID・Azure移行支援 ●IaC(Bicep / Terraform 等)を前提とした基盤実装・標準化 ●監視・運用設計、SecOps / FinOps を含めた運用高度化 ●AI・データ基盤(Azure OpenAI / Fabric 等)を支えるインフラ設計 ※ID設計を“後付け”にしない、AI前提のクラウド設計を重視しています。

【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。

製造現場の業務課題をローコード開発ツール「Tulip」を活用して、業務アプリケーションを作成し、顧客の業務改善活動を支援していただきます。 ●担当業務 ・TULIPアプリケーションの開発作成・テスト・改善業務 ・テーブル・トリガ・ウィジェットなどの実装 ・製造作業現場の観察・業務ヒアリング ・データの可視化(チャート、ダッシュボード) ・操作マニュアル作成、トレーニング支援 ●導入事例 ・大手工作機器メーカー　組み立て工程手順書のデジタル化

ERP導入における拡張開発・自動化・外部連携を担うエンジニアポジションです。コンサルタントと協働し、Fit to Standardを守りながら、必要最小限の拡張を高品質に実装します。 特定製品経験は必須ではありませんが、オラクルERP:NetSuite等を活用する想定です。(Web/業務システム開発経験を重視) 【担当業務】 1)拡張開発/業務自動化 ・ワークフロー、画面、帳票、バッチ等の拡張設計〜実装〜テスト ・JavaScript/TypeScript等を用いたカスタマイズ(例:SuiteScript相当の拡張) 2)外部連携/データ連携基盤 ・REST/SOAP/CSV/バッチ等による外部連携設計・実装(MES/PLM/WMS等) ・認証、エラー処理、再送、ログなど運用を見据えた連携品質の担保 ・iPaaS/ETL活用(経験があれば) 3)移行・品質・リリース管理 ・データ移行支援(変換、検証、移行リハ) ・UT/SIT支援、性能・監査・権限観点のレビュー ・Sandbox/本番のリリース管理、変更管理、切替手順整備 ・運用保守ドキュメント整備・引継ぎ 【導入事例】 昨年秋の立上以降、バイオ医薬業の新工場立上を支援しています。具体的にはエンタプライズアーキテクチャデザイン、即ち新工場全体のビジネス/データ/アプリケーション/テクノロジーアーキテクチャデザインを担当しました。

製造業向けローコード開発ツール「Tulip」の開発スケーラビリティを担保するため、テーブル構造やアプリ間連携、外部システムとの接続設計など、ロジック・アーキテクト業務を担っていただきます。 ●担当業務 ・テーブル設計(物理・論理アーティファクトのモデリング)​ ・コネクター/外部API連携設計​ ・トリガ・変数・集計等の技術指導​ ・データ標準化/命名規約の整備​ ・開発ガイドラインの作成 ●導入事例 ・大手工作機器メーカー　組み立て工程手順書のデジタル化

顧客システムにおけるデータベースの最適化がミッションです。 顧客のデジタルトランスフォーメーション実現に向けて、SoR領域をはじめとするレガシーなシステムが足枷となっているケースが多いため、レガシーシステムに対するアジリティ向上、コスト削減が大きなニーズとしてあります。 顧客ニーズの実現に向けて、世の中にある最適なデータベース製品を選定し、移行に向けた実現性のある計画を立案し、実行することが我々のミッションです。 データベースを最適化するアプローチとしては大きく2通りあります。 　・既存データベース製品から新規データベース製品への移行を提案し、移行に向けた実現性のある計画を立案し、実行することで、顧客ニーズを実現する 　・既存データベース製品を継続利用するものの、データベースの集約化・HWリソースの最適化を図ることで、顧客ニーズを実現する 上記1点目のデータベース製品の移行にあたっては、下記のような顧客課題があり、それらをすべて解決していくことが求められます。 　①既存製品から新製品へ変えたいが何から手をつければ良いか分からない 　②新しいデータベース製品に対する設計ノウハウがない 　③SQLなど既存のAP資産を流用したいが、データベース製品の移行に伴い、どこをどのように修正すべき分からない

タクシーアプリ『GO』は、全国に1,100社以上のネットワークを持ち、3,500万ダウンロードを突破したタクシーアプリです。 今後は単なるタクシー配車にとどまらず、相乗りなどのより複雑なシステムを含めたモビリティプラットフォームを作り上げていきます。 また、GO事業以外にもGX(グリーントランスフォーメーション)事業や人材事業など、モビリティ領域を中心にしつつも様々な事業を新たに展開しており、それらの新規事業においても必要に応じてプロダクトの内製開発を行っています。 GO Inc.は技術を強みとしていますが、技術そのものを目的とした会社ではありません。 技術は課題解決の手段であるため、プロダクトに向き合うことが重要です。 言われたものをそのまま作るのではなく、ユーザーの課題やニーズを理解した上で、より良い体験を追求するための議論をしながら開発を進めていただける方をお待ちしています。 ●ポジション一覧 ・toB、toC向けのWebプロダクト開発(フルスタックエンジニア) ┗タクシーアプリ『GO』の事業者向けWebプロダクト『GO管理画面』 ┗タクシーアプリ『GO』の法人向けサービス『GO BUSINESS』 ┗その他、様々なWebプロダクト開発を行うポジションもございます。 ・『GO』の決済及び請求基盤の開発(バックエンドエンジニア) ●業務内容の変更範囲 会社が指定する業務全般 <参考> [【会長×社長対談】Valueアップデート!次の未来へGOするための、GOらしい働き方・価値観](https://go-on.goinc.jp/n/ncca95a79fbfd) <生成AIの活用方針> セキュリティやコスト等のリスクを抑えつつ、開発業務から一般業務まで全社員・全エンジニアが活用しています。 一部のプロダクトでは生成AIを使った機能を提供しています。生成AIの早い変化に対応するため、エンジニア向けおよび全社員向けの生成AI活用推進チームが手順やツール利用環境を日々整備し、新しい有用なツールが利用できるようにしています。 ●利用可能な主なAIツール・サービス ・Google Gemini / Google NotebookLM / Azure OpenAI / GitHub Copilot / Cursor / Claude Code / Bedrock / OpenAI API ●主な活用状況 ・日常業務の効率化(ドキュメント作成、翻訳、議事録要約、メール作成など) ・ソフトウェア開発支援(コーディング支援、コードレビュー、テストコード生成、デバッグなど) ・サービス・プロダクトへの応用(自社サービスへのAIチャットボット導入、要約機能の実装、コンテンツ生成など) ●学習・コミュニティ活動や利用支援制度 ・有償AIツールのアカウントを全社/部署単位で付与 ・有償AIツールの利用料金の会社負担・補助制度あり ・高性能なPCやGPU環境の提供あり ・業務内外問わず、個人のツール利用に対する費用補助制度あり ・生成AIに限らず様々な補助制度、環境の提供あり ・生成AIに関するテーマで社内外の勉強会を実施 <参考記事> ・[社会を動かすエンジニアリングって?GO開発トップが語る過去と未来|惠良×長谷 対談](https://go-on.goinc.jp/n/n5c60f6de0daa) ・[Webで移動にまつわる課題を解決へと導く。Webプロダクト開発チーム立ち上げの全貌](https://go-on.goinc.jp/n/ne993d2000196) ・[顧客の声をワンチームで実現する。『GO BUSINESS』事業企画×PdM×開発の越境対談](https://go-on.goinc.jp/n/nde99f7e20e61) <参考サイト> ・[GO Inc. Entrance Book for Engineer](https://fuzzy-margin-4d6.notion.site/GO-Inc-Entrance-Book-for-Engineer-e3e916579fc64696bef64488f4c7e73c)(まずはじめに知っていただきたいGO Inc.の情報) ・[GO Tech Blog](https://techblog.goinc.jp/) (GO Inc.のエンジニアが技術情報を紹介するブログ) ・[GO-on](https://go-on.goinc.jp/)(GO Inc.の人や組織、事業について知れるブログ) ・[オフィスフリー制度](https://go-on.goinc.jp/n/nece2dde0c633)(全国どこからでも勤務できる制度) ・[トライアルタクシー制度](https://go-on.goinc.jp/n/ne45562990510) (タクシー乗車費用を会社が一部補助する制度) ・[Engineer Challenge Week](https://go-on.goinc.jp/n/n03e1ca85aacd)(半年に2週間、業務を離れてスキルアップに集中できるプログラム)

GOのデータ基盤では、3,500万ダウンロードのタクシーアプリ『GO』のデータなど、1日に10億レコード規模のデータを収集し、活用しています。 データの主な活用方法は二つあります。 一つはデータプロダクトの開発であり、データをもとにAIや高度なアルゴリズムを開発しタクシーアプリ『GO』に機能として組み込んでいます。 もう一つは意思決定支援であり、約30名のデータアナリストやデータサイエンティストがデータ分析し、その結果を元にビジネス担当やプロダクトマネージャがプロジェクトの効果測定や意思決定をしています。 本ポジションは、このデータ基盤を支えるデータエンジニアです。 仕事内容 データ基盤とデータプロダクトの実行基盤を担当いただきます。 ●データ基盤 ・大規模な車両データをDataflow等を用いてBigQueryに収集 ・3,500万ダウンロードのアプリケーションのDBとログのデータをBigQueryに収集 ・地図を始めとした外部データをデータ基盤に収集 ・データ加工バッチの開発・運用、Google Cloudの様々なサービスを用いて実現 ・StreamlitやLookerなど分析ツールのホスティング ・100人規模の利用者の管理、セキュリティコントロール ●データプロダクト実行基盤 ・タクシーアプリ『GO』でAIや高度なアルゴリズムを用いたデータプロダクトの実行基盤を設計・開発・運用 ・データサイエンティストの開発支援 ・AIモデルの学習バッチや、本番での推論サービング ・高性能かつ高可用性を担保するための設計・実装・システム運用 ・24/365のオンコール体制(待機なし・システム障害時に当番順にコールがあり対応) ●業務内容の変更範囲 会社が指定する業務全般 開発環境 ●データ基盤 ・データストア: BigQuery ・ETL: Dataflow, 独自開発(Python) ・SQLフレームワーク: Dataform ・ワークフローエンジン: Cloud Composer(Airflow) + GKE ・メタデータ管理:Dataplex ・その他ツール: Streamlit, Kepler.gl, Kubeflow ・言語: Python ●データプロダクト実行基盤 ・データストア:Redis, AWS Aurora(MySQL, PostgreSQL) ・実行基盤:AWS:AKE etc ・言語: Go, Python ・モニタリング: Grafana, Sentry ・その他ツール:Feast ●開発環境 ・LLM: Github Copilot, Claude code, gemini, MCPs etc ・IDE: VS Code etc ・CI / CD: GitHub Action ・VCS: GitHub ・その他 Google Workspace, Slack 所属組織 AI技術開発部 データプラットフォームグループ:4名 ※関連チーム ・データサイエンティスト:20名 ・データアナリスト:8名 ・データアーキテクト:5名

●概要 当社が提供するサービスの安定稼働を支え、現場運営を止めない仕組みを構築・維持・進化させることです。 駐車場・モビリティ関連サービスをはじめとする事業において、「監視」「管制」「現場対応」を技術で一体的に支えることで、サービス品質の向上と事業成長に貢献します。 単なるシステム開発・保守ではなく、事業運営そのものを下支えする基盤として、継続的な改善と最適化を担います。 ●詳細 監視管制に関わる複数のシステムを横断的に管理・推進。 ・監視管制基盤の構築・運用・改善 ・コールセンター向け社内システムの企画・開発・保守 ・関連会社のフィールドワーカー向け業務管理・予実管理システムの開発・改善 などを通じて、サービス運営を技術面から支援しています。 現場・コールセンター・関連会社と密に連携しながら、業務とITをつなぐ役割を果たすことが特徴です。 ・企画、要件定義、開発、テスト、リリース、運用、保守までの一貫した対応 ・進捗管理、課題/リスク管理、ステークホルダーマネジメント、解決推進 ・ビジネスパートナーを含む10名規模程度の開発プロジェクトマネジメント ・新任/若手エンジニアの指導、評価、各工程での成果物レビュー ・チームの改善活動(ふりかえりや、出た課題への対処など) ・新技術や業界動向の調査・導入検討 ・WEBはJava、DBはOracle、サーバーOSはLinux中心だが一部クラウドも ・DB論理設計、Web/APサーバーなどミドルウェアの設定も一部実施 職務内容の変更範囲:会社が定める業務

・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