リモート可 年収450万円以上のITエンジニア求人・転職情報

パーク２４株式会社　（登記上　パーク二四株式会社）

●概要 地図・決済・会員機能など、パーク24グループのサービスを支える仕組みは、現在サービスごとに個別最適で存在しています。 本部署では、これらを整理・再設計し、グループ共通の基盤として統合していくことをミッションとしています。 一部機能はすでに展開が始まっており、「どの機能を、どこまで共通化すべきか」を定義しながら、これから本格的に基盤をつくっていくフェーズです。 ●詳細 ・要件定義からリリースまで、システム開発全体を主導 ・サービス主体者として、品質方針の策定と品質担保を推進 ・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 ・アプリはAndroidはKotlin、iOSはSwift ・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

JAPAN AI株式会社

・顧客課題の発見・設計 顧客の業務プロセス・データ環境・既存 SaaS 群の全体像を深く理解し、AI で解決すべき課題を特定 AI がどう介入すれば効率化・最適化できるかを設計する 利害関係者 (経営層〜現場担当者) との関係構築・調整 課題の構造化・仮説構築・ソリューション提案 ・ワークフロー構築・PoC の高速実装 JAPAN AI STUDIO を活用した業務ワークフローの構築 (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 顧客の既存 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・伴走 本番導入の技術支援・運用設計 セキュリティ・コンプライアンス要件への対応 導入後の利用定着支援・改善提案 ・プロダクトフィードバック 顧客フィードバックのプロダクトチームへの還元 新規ユースケースの発見・提案 プロダクト改善に繋がるパターンの抽出・体系化 【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 : 製造業の「SaaS 疲れ」を解消する企業の脳の構築 従業員 500名の製造業の顧客。 SmartHR / 楽々精算 / kintone / Salesforce を個別に運用しており、部門間のデータ連携は手作業で行われている。 現場ヒアリングで「月末の経費精算に 1人あたり 2時間かかっている」「営業が受注情報を 3つのシステムに手入力している」という課題を発見。 JAPAN AI STUDIO で各 SaaS を API 連携し、経費精算の自動承認ワークフローと受注データの自動連携エージェントを 2週間で構築。 月間 400時間の業務削減を実現し、他部署への展開 (アップセル) に繋げる。 ● シナリオ 2 : 金融機関の 24時間見込み顧客探索エージェント 地方銀行の法人営業部門。 営業担当者が手動で企業情報を調査し、アプローチリストを作成している。 1件あたり 30分かかり、1日 10件が限界。 JAPAN AI STUDIO で企業データベース・ニュースフィード・決算情報を統合し、AI エージェントが 24時間体制で見込み顧客を探索・スコアリングするワークフローを構築。 営業担当者は毎朝、AI が優先順位付けしたアプローチリストを受け取るだけの状態に。 アプローチ数が 3倍に増加し、受注率が 15% 向上。 ● シナリオ 3 : 小売業の稟議承認プロセスの AI 化 全国 50店舗を展開する小売業の顧客。 店舗からの発注稟議が紙ベースで、本部での承認に平均 5営業日かかっている。 現場観察で「承認者が出張中に稟議が滞留する」「過去の類似稟議を参照できない」という課題を特定。 JAPAN AI STUDIO で稟議データを構造化し、AI が過去の承認パターンを学習して一次判断を行うワークフローを構築。 承認リードタイムを 5営業日から 1営業日に短縮。 この成功事例をプロダクトチームにフィードバックし、JAPAN AI AGENT の標準テンプレートとして全顧客に展開。 ●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。 ●AI ソリューションエンジニアについて AI ソリューションエンジニアは、Palantir 社が確立した FDE (Forward Deployed Engineer) を、AI エージェント時代にアップデートしたポジションです。 顧客の最も困難な業務課題を、AI と自社プロダクトを武器に解決します。 ・SIer / SES でのエンジニア 受け取った仕様書通りに実装する 客先常駐で開発リソースを提供する 多重下請け構造の中で顧客と距離がある 特定領域・特定技術の深掘り ・本ポジション 顧客と直接対話し、課題を発見して仕様を自ら定義する 自社オフィスを拠点に、自社プロダクトで顧客課題を解決する 経営層から現場担当者まで、顧客と直接信頼関係を築く フルスタック × AI × ビジネス理解 受託開発でも客先常駐でもありません。 顧客現場で課題を発見し、軽量な PoC を高速実装し、本番導入まで伴走する。 その過程で得た知見がプロダクトを進化させます。 ●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120名が開発組織に在籍しています。 チームは現在6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

JAPAN AI株式会社

・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

JAPAN AI株式会社

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

JAPAN AI株式会社

プロダクト要件・アーキテクチャ設計 ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳 機能境界・ドメイン設計、データ契約、API 仕様の策定 RFC 駆動の設計レビュー・意思決定プロセスの運営 LLM / 生成 AI を活用したプロダクト設計 (RAG、tool-use、guardrails 等) 技術選定・トレードオフ判断 買う / 作る / 統合 (Build vs Buy vs Integrate) の技術選定 非機能要件 (可用性・拡張性・セキュリティ・コスト) の設計と品質属性トレードオフ判断 技術的負債の可視化と計画的解消のロードマップ策定 横断的協働・ロードマップ エンジニアリングチーム・PdM・デザイナーとの横断的協働 プロダクトロードマップの策定・推進 技術的負債の可視化と計画的解消のロードマップ策定 【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: 新プロダクトラインの立ち上げ エンタープライズ顧客から「AI エージェントによる社内ナレッジ検索」の強いニーズを発見。 市場調査・顧客インタビュー・技術検証を経て、プロダクト要件を定義。 RAG アーキテクチャの設計、データパイプラインの技術選定、MVP のスコープ定義までをリードし、3 ヶ月でベータリリースを実現。 ● シナリオ 2: Build vs Buy のアーキテクチャ判断 音声 AI 機能の拡張にあたり、自社開発 vs 外部 API 統合の判断が必要に。 コスト・品質・開発速度・カスタマイズ性の 4 軸で比較分析を行い、RFC を起票。 エンジニアリングチームとの設計レビューを経て、ハイブリッドアプローチ (コア機能は自社開発、周辺機能は外部 API) を決定。 ● シナリオ 3: 品質属性のトレードオフ判断 JAPAN AI AGENT のレイテンシ P95 が目標値を超過。 可用性・コスト・レイテンシのトレードオフを分析し、推論キャッシュの導入とモデルルーティングの最適化を提案。 エンジニアリングチームと協働して実装し、レイテンシを 30% 改善しつつコスト増を 5% 以内に抑制。 ●ミッション 何を作るかを決める プロダクトの「何を・なぜ・どう作るか」を技術とビジネスの両面から定義し、AI プロダクトの成功確率を最大化する。 ●期待する役割について Product Manager として、JAPAN AI のプロダクト群全体のアーキテクチャ設計と技術戦略をリードしていただきます。 ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳する 機能境界・ドメイン設計・API 仕様の策定をリードする Build vs Buy vs Integrate の技術選定を行い、最適な投資判断を導く 非機能要件 (可用性・拡張性・セキュリティ・コスト) のトレードオフ判断を行う エンジニアリングチーム・PdM・デザイナーとの横断的協働を通じて、プロダクトの方向性そのものを決定する 技術的負債の可視化と計画的解消のロードマップを策定する ●成果責任 (KR/メトリクス) プロダクトロードマップ達成率 アーキテクチャレビュー起因の手戻り率 新機能リリースサイクル短縮 プロダクト品質属性 ●チーム体制 約120名が開発組織に在籍しています。 Product Architectは以下のチーム・ステークホルダーと密接に連携します: Agentic Product Engineer — エージェント機能開発 Human-AI Collaboration Architect — エージェント体験設計 FDE — 顧客要件・フィードバック 経営層 — 事業戦略・投資判断 ●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, RAG, Agent Framework インフラ : GCP (コンテナ / K8s) , Docker, Terraform 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

JAPAN AI株式会社

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

JAPAN AI株式会社

期待する役割 本ポジションでは、JAPAN AI STUDIOを活用したAIアプリケーションの実装を通じて、顧客の業務課題を迅速に解決し、プロダクトの価値を最大化する役割を担っていただきます。 具体的には、以下のような成果を期待しています。 ●顧客価値の迅速な提供 ノーコード/ローコードツールを駆使し、顧客の業務課題を素早くAIアプリケーションに落とし込み、短期間で実用可能なソリューションを提供します。従来の開発手法では数ヶ月かかる実装を、数週間で実現することで、顧客満足度の向上とビジネス成果の早期創出に貢献します。 ●プロダクトの品質向上と改善サイクルの加速 実装したアプリケーションの動作検証を通じて課題を早期発見し、改善提案を行います。「作って終わり」ではなく、継続的な改善サイクルを回すことで、プロダクトの品質を高め、顧客の業務効率化を実現します。 ●ナレッジの蓄積と組織全体への展開 実装プロセスや成功パターンをドキュメント化し、チーム全体で共有することで、組織の実装力を底上げします。あなたの知見が、今後の開発スピードと品質向上の基盤となります。 ●顧客とエンジニアリングチームの架け橋 顧客の業務フローや課題を深く理解し、それを技術的な要件に翻訳する役割を担います。ステークホルダーとの円滑なコミュニケーションを通じて、顧客ニーズと技術実装のギャップを埋め、プロジェクトの成功に貢献します。 業務内容 自社サービスであるJAPAN AI STUDIOを用い、vibe codingに近い手法で機能実装を行う PdMとしてプロダクトの開発方針についての検討・策定を行う 具体的には以下のようなタスクに取り組んでいただきます。 ●AIアプリケーションの実装 ※vibe codingの手法で行うため、エンジニアリング経験不要です ・JAPAN AI STUDIO上でのAIエージェント作成(プロンプト設計、パラメータ調整) ・ワークフロー設計と構築(業務フローの可視化と自動化) ・PAGE機能を使ったUI/UX調整(ユーザーインターフェースの最適化) ・AIエージェントとの対話を通じた仕様の補完と修正 ・データ構造の定義(AIエージェントの補助を活用) ・JSON/Webhook等を使った外部システムとの連携設定 ●品質保証と継続的改善※vibe codingの手法で行うため、エンジニアリング経験不要です ・実装したアプリケーションの機能検証と動作テスト ・ユーザーフィードバックの収集と分析 ・課題の特定と改善案の提案・実装 ・パフォーマンスやユーザビリティの最適化 ●ドキュメント作成とナレッジ共有 ・実装結果の仕様書・手順書作成 ・成功パターンやベストプラクティスのドキュメント化 ・チーム内での知見共有(勉強会、レビュー会等) ・再利用可能なテンプレートやコンポーネントの整備 ●ステークホルダーとの連携 ・顧客やレビュワーとの仕様調整ミーティング ・顧客の業務フローや課題のヒアリングと要件定義 ・開発チームとの技術的な調整と連携 ・プロジェクトの進捗報告と課題共有 ●自社プロダクトの開発優先目標の策定 ・自社プロダクトの開発優先度の検討・策定 ・開発体制の構築や予算管理 ※将来的なタスク ●従事すべき業務の変更の範囲 会社の定める業務 チーム体制 エンジニアおよびPM含め、約99名が開発組織に在籍しています。 PMチームは下記に分かれています。 ・自社 AI Saas PdM : PMFを達成したプロダクトの機能拡充と顧客基盤の拡大に注力 ・AI AGENT PMF : 革新的なAIエージェント群のPMF達成に向けた戦略立案と実行 ・PjM : 自社SaaSおよびAGENTを顧客向けソリューションとして開発/提供 本ポジションはPMF Marketing Domainチームへの配属となります。

JAPAN AI株式会社

●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

JAPAN AI株式会社

●技術オンボーディング・トレーニング FDE から引き継いだ導入済みワークフローの技術オンボーディング設計・実施 顧客の業務ワークフローに合わせた AI 活用方法の設計・提案 トレーニング資料・ベストプラクティスの作成・提供 ●利用定着・ROI実現 成功指標 (KPI) の設計と定期的なROIレビュー 利用状況モニタリングとプロアクティブな改善提案 利用データのダッシュボード構築・定量分析による課題の早期発見 プロンプト最適化・エージェント設定の改善支援 評価基盤 (eval) の運用支援・品質改善 ●テクニカルサポート・問題解決 レポートされた問題の技術的調査・根本原因分析 テクニカルサポートのエスカレーション対応 API/SDK/インテグレーションに関する技術支援 セキュリティ・ガバナンス・コンプライアンス対応 ●プロダクトフィードバック・拡大展開 顧客フィードバックの収集とプロダクトチームへの還元 拡大展開 (アップセル/クロスセル) の技術支援 新規ユースケースの発見・提案 【業務シナリオ例】 ● シナリオ 1 : SaaS 横断ワークフローの利用定着支援 FDE が製造業の顧客に構築した「経費精算自動承認ワークフロー」(楽々精算 → SmartHR 連携) の導入後、利用率が伸び悩んでいる。 利用データを分析し、「現場作業者がスマートフォンから使いにくい」「承認結果の通知が遅い」という課題を特定。 モバイル向けの利用ガイドを作成し、通知設定を最適化。 さらに、現場向けトレーニングを実施。 利用率が 2倍に改善し、月間 400時間の業務削減効果を可視化して経営層に報告。 ● シナリオ 2 : 「企業の脳」の ROI 可視化と全社展開 FDE が金融機関の 1部門に構築した「見込み顧客探索エージェント」の導入後、ROI レビューを実施。 アプローチ数 3倍、受注率 15% 向上という成果を定量化し、経営層向けレポートを作成。 この成果をもとに、他の 5部門への全社展開の意思決定を支援し、アップセルに貢献。 展開先の各部門に合わせたプロンプト最適化とエージェント設定の調整を実施。 ● シナリオ 3 : ワークフロー品質改善のフィードバックループ 小売業の顧客が JAPAN AI AGENT を活用した「稟議承認 AI」で、回答精度に関するフィードバックが増加。 eval 基盤を活用して回答品質を定量分析し、特定の稟議カテゴリで factuality スコアが低いことを特定。 プロンプト最適化とナレッジベースの改善を提案し、回答精度が 15% 向上。 この改善パターンをプロダクトチームにフィードバックし、JAPAN AI AGENT の標準テンプレートとして全顧客に展開。 ●ミッション 「企業の脳」が定着し、成果を出し続ける状態を作る AI プロダクト導入後の顧客成功を技術面から最大化し、利用定着・拡大展開・ROI 実現を推進する。 ●AI Success Engineerとは AI Success Engineerは、OpenAI社やDatabricks社が確立した職種で、AIプロダクトの導入後に顧客の成功を技術面から支援するエンジニアです。 従来のカスタマーサクセスやテクニカルサポートとは異なり、AIプロダクト特有の課題 (プロンプト最適化、eval設計、利用データ分析、ワークフロー改善) を技術的に解決する専門職です。 従来のカスタマーサクセス | AI Success Engineer 利用状況のモニタリング・報告 | 利用データを分析し、プロアクティブに改善提案 機能の使い方を説明する | AIの使い方を設計し、業務ワークフローに組み込む 問い合わせに対応する | 問題の根本原因を技術的に特定・解決する チャーン防止 | ROI実現・拡大展開の推進 ●FDE との分担 FDE | AI Success Engineer 課題発見→PoC→本番導入 | 導入後の定着→活用拡大→ROI 実現 「企業の脳」を実装する | 「企業の脳」が成果を出し続ける状態を作る 新規ワークフローの構築 | 既存ワークフローの改善・最適化 顧客の未来を発見する | 顧客の成功を証明する ●期待する役割について AI Success Engineer として、顧客の AI プロダクト導入後の成功を技術面からリードしていただきます。 FDE が構築した「企業の脳」のワークフローが現場で実際に使われ、成果を出し続ける状態を作る 顧客の業務部門・IT 部門と密接に連携し、AI プロダクトが実際の業務で成果を出し続ける状態を作る 顧客の IT 部門・開発チームと協働し、API 連携やデータ統合の技術支援を行う 利用データの分析に基づくプロアクティブな改善提案を行う レポートされた問題の技術的調査・根本原因分析を行い、エスカレーション対応をリードする 顧客フィードバックをプロダクトチームに還元し、プロダクトの進化に貢献する ●成果責任 (KR/メトリクス) 顧客ヘルススコア (利用率、API呼出数、アクティブユーザー数) チャーン率 ≤ 目標値 拡大展開率 (アップセル/クロスセル貢献) 顧客NPS ≥ 目標値 技術サポートチケット解決時間 (MTTR) ●チーム体制 約120名が開発組織に在籍しています。 AI Success Engineerは以下のチーム・ステークホルダーと密接に連携します: FDE — 導入フェーズからの引き継ぎ Deployment Strategy — 顧客への導入戦略・展開推進 プロダクトチーム — フィードバック還元 サポートチーム — エスカレーション対応 ●開発環境 言語 : Python (自動化・分析), SQL (データ分析) AI / LLM : JAPAN AI STUDIO SDK, プロンプトエンジニアリング, RAG データ : BigQuery, Looker, Pandas インフラ : GCP, Docker (基礎理解レベル) 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

JAPAN AI株式会社

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

JAPAN AI株式会社

期待する役割 シニアプロジェクトマネージャー (IC) として、以下の3つのミッションを担っていただきます。 1.戦略案件・重要案件のデリバリー責任者 として、複数プロジェクトの成功確率を最大化する 2.AI/LLMプロジェクト 特有の不確実性を前提に、評価設計・運用設計・ガバナンスまで含めてプロジェクトを完遂する 3.プロジェクト運営の型化・標準化 を推進し、組織として再現性のあるデリバリー体制を構築する 業務内容 ●プロジェクト/プログラムマネジメント (中核) ・複数プロジェクト (並行案件) の計画策定、進捗・課題・リスク・依存関係の統合管理 ・顧客経営層・事業責任者との合意形成 (スコープ、優先度、変更管理、検収条件) ・品質管理 (要件の曖昧さを潰す、受け入れ基準の設計、レビュー、手戻り抑制) ・重要インシデント・炎上兆候の早期検知、エスカレーション、収束までの指揮 ・プロジェクトドキュメント (要件定義書・仕様書・WBS等) の作成・レビュー ●AI/LLMプロジェクト特有の設計・推進 ・AI機能の要件定義 (顧客期待値の調整、ユースケース定義、技術的制約の整理) ・品質評価の設計・運用 (評価指標の策定、テスト観点の設計、改善サイクルの構築) ・情報管理・セキュリティ/コンプライアンス要件を踏まえた推進 (社内法務・セキュリティチームとの連携) ・AI特有の不確実性 (精度のばらつき、ハルシネーション等) を前提としたスコープ・スケジュール設計 ●デリバリーオペレーションの型化 (PMO的役割) ・プロジェクト標準の整備 (テンプレート、進行ルール、品質ゲート、WBS粒度、定例体の設計) ・主要メトリクスの設計・可視化 (例:納期遵守率、手戻り率、検収リードタイム、重大障害件数、顧客満足度) ・PMメンバーへのナレッジ共有・レビュー支援・再発防止の仕組み化 ●従事すべき業務の変更の範囲 会社の定める業務 チーム体制 ●開発組織:約70名 (PM/エンジニア/デザイナー/QA等) ●配属:PjM (プロジェクトマネージャー) チーム ・自社SaaS・AIエージェントを顧客向けソリューションとして開発・提供 ・クライアントワークが中心で、顧客折衝・要件定義から納品まで一貫して担当 ●協働メンバー: ・PdMチーム、エンジニア (フロントエンド、バックエンド、AI/ML) 、デザイナー、QAエンジニア ・セールス、カスタマーサクセス、クライアント企業の担当者

JAPAN AI株式会社

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

JAPAN AI株式会社

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

GO株式会社

仕事概要 タクシー配車サービス『GO』の実現に欠かせない車載アプリ(タクシー車内で動いているAndroidアプリ)の開発と継続的な改善をします。 GO Inc.は技術力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なくプロダクトに向き合うことを大切にしています。 ユーザーの課題やニーズを理解し、より良い体験を追求しながら開発を進めていきます。 今後はタクシー配車にとどまらず、社会課題解決に向けて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。 [「日本の"移動"を止めない」──GO IoT本部が挑む、車載システムの統合と品質の裏側](https://go-on.goinc.jp/n/n03b4732753f9?gs=29fb937a7559) 業務内容 タクシー車両内で動く車載システムがあります。 車載システムは、Androidアプリがいくつかの機器と連携して動くことで機能を実現しています。車載システムは次世代のモビリティ体験を支える新規開発が継続しています。 本ポジションでは、従来のアプリ単体のテストにとどまらず、ハードウェア・ソフトウェアが連携する車載システムの品質向上に向けたテストエンジニアリングをリードしていただきます。不具合の検出だけではなく、開発初期から「品質を作り込む」ための計画づくりと実行がミッションです 解決したい課題 ●ハードウェアエンジニア、ソフトウェアエンジニア、QA、PdMなど各専門領域の知見を統合して品質を作り込むプロセスの構築 ●CI基盤と運用フローの構築・改善 ●テスト自動化によるリリースサイクル低下の防止と向上 開発環境 プログラミング言語 :Kotlin, TypeScript, SQL ライブラリ類等 :Android Jetpack, Kotlin coroutines, Appium, Firebase, GCP, BigQuery, etc. CI/CD :Github Actions、Bitrise 所属組織 ソフトウェアエンジニア4名のチームです。カンバンでタスクの状況を把握できるようにしています。コミュニケーションはSlackとGoogle Meetを使っています。 2名がテストエンジニアとして業務をしています。残りの2名はAndroidアプリエンジニアで内部品質の向上を担っています。

GO株式会社

●GOについて [3分でわかるGO株式会社 会社紹介資料](https://speakerdeck.com/mobilitytechnologies/about-go-inc) [GO Inc. Entrance Book for Engineer](https://fuzzy-margin-4d6.notion.site/GO-Inc-Entrance-Book-for-Engineer-e3e916579fc64696bef64488f4c7e73c) ●仕事概要 タクシー配車サービス『GO』の実現に欠かせない車載アプリ(タクシー車内で動いているAndroidアプリ)の開発と継続的な改善をします。 GO Inc.は技術力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なくプロダクトに向き合うことを大切にしています。 ユーザーの課題やニーズを理解し、より良い体験を追求しながら開発を進めていきます。 今後はタクシー配車にとどまらず、社会課題解決に向けて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。 ●参考記事 タクシーアプリ「JapanTaxi」と「MOV」をわずか5ヶ月で統合―― 開発責任者が語る、新タクシーアプリ「GO」誕生秘話 https://now.mo-t.com/n/nb27de673a061 エンジニア向けイベント「GO Tech Talk」 https://jtx.connpass.com/ ●業務内容 タクシー車内で利用するAndroidアプリの開発をお任せします。 現在開発中の車載アプリは、大きく2つあります。これらの車載アプリは、Bluetoothやシリアル通信といったIoTならではの技術や工夫があります。 ・タクシー業務アプリ タクシー乗務員の日々の営業をサポートするためAndroidアプリを開発しています。このアプリは、ナビのような車を利用する業務で一般的に利用する機能を備えていることはもちろん、タクシー配車アプリ『GO』の注文を受け付ける役割も担っています。『GO』で注文いただいたお客様を、快適に目的地までお送りできるようサポートしています。 ・後部座席設置タブレット向けアプリ タクシー後部座席に設置したAndroid端末向けアプリの開発です。本タブレットは、デジタルサイネージの機能の他、「GO Pay」をはじめとした各種QR決済、クレカや電子マネーによる決済など、乗車いただいたお客様にタクシーをより快適にご利用いただくための機能を提供しています。 ●開発環境 プログラミング言語:Kotlin ライブラリ類等:Android Jetpack, Kotlin coroutines, Firebase, AWS etc. CI/CD:CircleCI, Bitrise, GitHub Actions ●所属組織 各プロダクトごとにAndroidエンジニア5人程度のチームです。プロダクトマネージャーやデザイナー、営業の方など、様々な部門の方と日々一緒に議論を重ねながら開発を進めます。 ●業務内容の変更範囲 会社が指定する業務全般

GO株式会社

デバイス管理、アカウント管理、SaaS管理、セキュリティ対応といったITガバナンスに必要な要素の運用や、社内の各種サービス間連携、自部門および全社における業務課題への対応を通じて、従業員が安心かつ効率的に業務を遂行できる環境を構築していただきます。 【具体的な業務内容例】 ・ゼロトラストアーキテクチャに基づくセキュリティ基盤(Entra ID、Intune、Jamf、Microsoft Defender for Endpoint等)の設計、構築、運用・改善 ・ID管理、アクセス制御、認証方式(SAMLおよびOIDCによるSSO、PlatfomSSO、WHfB、証明書など)の深い知識に基づく対応 ・各種デバイス (Mac、Windows、iOS、Android) の管理におけるMDM(Intune、Jamf、Google MDM等)活用や運用・改善(特にモダンな管理手法の推進とキッティング等の自動化) ・Microsoft365、Google Workspace、SlackなどのSaaS運用・改善、および各種システム連携や運用・改善 ・ITインフラ案件におけるベンダーコントロール(要件定義、設計、構築、運用全フェーズでの技術的なリードと調整) ・トラブルシューティングや運用保守・改善(ヘルプデスクはBPOに委託中) ・オフィスネットワークの構築・運用(L3スイッチ、FW、VPN等の設計・構築におけるベンダー連携のリードおよびOSI参照モデル、TCP/IPの理解に基づくトラブルシューティング) ・既存・新規サービスやツールの導入検証、ライセンス管理・コスト見直し、リプレイスのリード 【キャリアパス例】 ご志向性等に応じて様々なパスを検討できる環境です。シニアメンバーとしてご活躍いただいた後、以下のようなキャリアを広げていくことを期待しています。 ・マネジメント志向: 組織マネジメントを担うGM(グループマネージャー)へのステップアップ ・ゼネラリスト志向: コーポレートITの枠を超えた全社的なIT戦略企画や事業課題の解決 ・スペシャリスト志向: IT・セキュリティ領域における高度な専門性の追求 <所属組織> ●IT戦略本部　サービスマネジメントグループ 現在5名程度の組織で、プロジェクトは1〜2名のチームで担当します。 自分の担当領域に線を引かず、テクノロジーを武器に泥臭く課題解決を推進しています。 <参考サイト> ・[3分でわかるGO株式会社](https://speakerdeck.com/mobilitytechnologies/about-go-inc)(会社紹介資料) ・[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) ※業務内容の変更範囲 会社が指定する業務全般

GO株式会社

全社におけるセキュリティの「あるべき姿」を実現するため、ゼロトラストアーキテクチャの高度化、仕組みの開発・実装、インシデント指揮などを主導していただきます。単なる運用にとどまらず、自動化の推進やエンジニアリングによるガバナンス強化を期待しています。 ご自身の専門性や志向に合わせて、以下のいずれかの領域を強みとして軸に持ちつつ、横断的なプロジェクトをリードしていただきます。 【具体的な業務内容例】 ●コーポレートセキュリティ(監視戦略・インシデント指揮) ・ゼロトラストアーキテクチャに基づくセキュリティ基盤(Entra ID、Intune、Jamf、Microsoft Defender for Endpoint、Netskope等)の設計、高度化、運用・改善 ・大規模ログにおける検知ロジックの実装、チューニング、脅威ハンティングの推進 ・インシデント発生時のログ解析、端末フォレンジック、マルウェア解析などの技術調査および全体指揮 ・Python、GAS等を活用した、調査・対応オペレーションおよびSaaS連携の自動化ツールの開発 ●セキュリティガバナンス(エンジニアリングによる効率化・可視化) ・全社セキュリティポリシー・規程の策定・改定と、AI等を活用した社内問い合わせ対応の自動化・効率化 ・各種認証(ISMSなど)の取得・維持に向けたプロジェクトマネジメント、内部監査対応 ●他部門連携・ベンダーコントロール ・プロダクトセキュリティ部門と連携した、自社プロダクトに対する脆弱性診断・ペネトレーションテストの計画立案、外部ベンダーへの発注および進行管理 【キャリアパス例】 ご志向性等に応じて様々なパスを検討できる環境です。シニアメンバーとしてご活躍いただいた後、以下のようなキャリアを広げていくことを期待しています。 ・マネジメント志向: 組織マネジメントを担うGM(グループマネージャー)へのステップアップ ・ゼネラリスト志向: 全社的なセキュリティ戦略企画やリスクマネジメントの主導 ・スペシャリスト志向: IT・セキュリティ領域における高度な専門性の追求 ●業務内容の変更範囲 会社が指定する業務全般 ●解決したい課題 IT戦略本部 セキュリティグループにおいて、これまでのセキュリティ施策を今まで以上に深め、運用の平準化・標準化を推し進めるとともに、AIをはじめとする最新技術を取り巻く新たなリスクに対する対策・戦略立案を牽引していただきたいです。 ・運用基盤の再構築・標準化 ブラックボックス化したシステムと既存ルールを紐解き、最新の組織規模に合わせた運用フローの抜本的な見直し・標準化の推進。 ・最新技術の活用と対策・戦略立案 AI等の最新技術に対する新たなセキュリティ対策や戦略を立案する。また、過去の構築時点では解決が難しかった課題に対し、自動化ツールなどを駆使したアプローチで根本的解決を図る。 ・高度なゼロトラスト環境の確立 多様なデバイスやネットワーク環境からのアクセスに対し、「セキュリティと利便性」の高度なバランスを保ちながら、新たな脅威への対策を実施する。 ●所属組織 IT戦略本部 セキュリティグループ 現在5名程度の組織で、プロジェクトは1〜2名のチームで担当します。 自分の担当領域に線を引かず、テクノロジーを武器に泥臭く課題解決を推進しています。

GO株式会社

・担当プロダクトにおける、管理・実行業務全般 ・品質管理方針およびテスト戦略の立案・遂行 ・品質向上のための業務フローの立案・改善・効率化 ・各部署との調整及びコミュニケーション ・検証ベンダーとのコミュニケーション ※出社日数に決まりはありませんが、入社後のオンボーディング期間中やプロダクトの状況次第で出社が必要になる場合がございます。 ●業務内容の変更範囲 会社が指定する業務全般 ●参考記事 ・[「テストだけのQA」じゃない。 プロダクト開発にもコミットする品質の番人たち](https://go-on.goinc.jp/n/n80d85edff265) ・[QA経験者に惹かれる!クオリティマネジメント部の働き方 #タクシーアプリ『GO』のQAチーム](https://go-on.goinc.jp/n/n80c49e347033) ・[「当事者たれ。 」の気持ちで肩書きを越境していきたい。 若手QAエンジニア対談](https://go-on.goinc.jp/n/n17a4ec19e8c9) ●参考サイト ・[GO Lab (Tech blog) ](https://techblog.goinc.jp/) ・[PdM本部ブログ (#QAエンジニア)](https://go-on.goinc.jp/m/mb5b6511cd661/hashtag/400895) ・[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) ・[タクシー乗車費用を会社が一部補助する「トライアルタクシー制度」 とは](https://go-on.goinc.jp/n/ne45562990510)

株式会社NTTデータ

・社会一般に認知度の高い国内大手通信業者様が行う事業は、公共性が高く社会的にも必要とされる社会の仕組みそのものです。そのお客様のコアビジネスである通信事業を支える基幹系システムの開発/更改に取り組んでもらいます。 ・当担当では、お客様のコアビジネスを支える基幹系システムの開発を20年以上にわたり継続しています。お客様のビジネス戦略に直接触れながら、要件を実現するためのシステム開発を実施していくこととなるため、社会を支える大きな仕事がしてみたいと考えている方を募集します。 【主な職務内容】 ・お客様のビジネス創出組織からの要望を実現する方法の検討(システム化検討・提案)およびシステム開発 ・担当する既存システムのハードウェア/ミドルウェアの更改に伴うアプリケーション開発

株式会社日立ハイテク

プロセスシステム製品本部 プロセス装置設計部にて次世代エッチング装置の電気設計をお任せします。 要求性能を満たす電気回路の構想設計、詳細設計、シミュレーション解析、実験・評価をご担当いただきます。 また、半導体デバイスのロードマップを見据えた技術的なニーズの発掘、技術検証(フィジビリスタディ)、顧客提案、改良設計と、世の中にない技術の要素開発から製品化まで幅広くご担当いただきます。 使用ツール:System Capture/E3 <業務の変更範囲>会社の定める業務 ●エッチング装置とは エッチング装置は半導体デバイスの製造プロセスに使われる装置です。 当社が開発する「ドライエッチング装置」は高真空プラズマを利用します。真空容器内でガスをプラズマ化し、化学反応と加速したイオンで薄膜を削って除去します。 ●当社エッチング装置の特徴 ECR(Electron Cyclotron Resonance、電子サイクロトロン共鳴)という技術を用いています。低圧で高密度なプラズマが生成でき、ダメージが少なく微細な加工が可能という特長があります。ECRを用いたエッチング装置を手がけているメーカは少なく、当社はその中で高いシェアを維持しております。

株式会社ログラス

ログラスが掲げる「良い景気を作ろう。」の実現に向けて、複数プロダクトを横断してお客様の継続的な価値提供を支える共通基盤を構築・推進していただきます。このポジションは、各プロダクト機能開発チームとは独立した立場で、横断領域を中心にプロダクト群全体のスケーラビリティと整合性を担保するアーキテクチャ設計と実装、運用をリードします。 ●想定される開発テーマ: ・マルチプロダクト化に対応した認証・認可・SSO・ユーザー管理などの認証認可基盤 ・複数テナント・プロダクトをスムーズに横断するためのグルーピングの機構や契約管理、フィーチャー制御といった機能制御基盤 ・外部サービスとセキュアに連携するための M2M認証・認可、リミット制御、IP アドレス制限などの連携基盤 ●業務内容の変更範囲 会社の定める業務 ●技術スタック/ツール アプリケーション: Go / TypeScript / Kotlin / Rust データベース: PostgreSQL / データレイクハウス技術 インフラ: AWS / K8s / argo / Datadog AIツール: Claude Code / Codex / Gemini コミュニケーション: Slack / FigJam / Notion

JAPAN AI株式会社

このポジションでは、以下の業務に取り組んでいただきます。 ●プロダクト戦略 会社全体のビジョンや事業戦略に基づいたプロダクト戦略の策定 セールス領域における市場調査や競合分析を通じたプロダクトの方向性の決定 プロダクトロードマップの作成および優先順位の設定 KPIの設定と追跡、データに基づく意思決定の推進 ●プロダクト開発 開発チームと連携し、プロダクトの要件定義や仕様策定をリード ユーザーインタビューやデータ分析を通じたプロダクト改善の推進 プロダクトのリリース計画の策定および実行 最新のAI技術動向の把握と自社プロダクトへの応用検討 ●ステークホルダーとの連携 営業やカスタマーサクセスチームとの連携を通じた顧客ニーズの把握とプロダクト改善 顧客との直接的なコミュニケーションを通じたフィードバックの収集 経営層や他部門との連携を通じたプロダクト戦略の共有と調整 多国籍チームとの効果的なコミュニケーションの構築 期待する役割 当ポジションでは、急速に成長するAIプロダクトを適切にハンドリングし、プロジェクトを成功に導くリーダーシップを発揮していただきます。 具体的には以下の役割を担っていただきます。 ●プロダクト戦略の策定と実行 会社のビジョンと事業戦略に基づいた中長期プロダクトロードマップの策定 市場調査・競合分析を通じた差別化戦略の立案 データドリブンな意思決定によるプロダクト優先順位の設定 ●プロダクト開発のリード エンジニアリングチームと連携した要件定義・仕様策定 ユーザーインタビューやデータ分析に基づくプロダクト改善の推進 最新AI技術の理解と実用化への橋渡し ●クロスファンクショナルな連携 営業・カスタマーサクセスチームとの協働による顧客ニーズの把握 経営層への報告と戦略的提案 多国籍・多職種チームのマネジメントとモチベーション向上 チーム体制 エンジニアおよびPM含め、約65名が開発組織に在籍しています。 PMチームは下記に分かれています。 ●自社 AI Saas PdM : PMFを達成したプロダクトの機能拡充と顧客基盤の拡大に注力 ●AI AGENT PMF : 革新的なAIエージェント群のPMF達成に向けた戦略立案と実行 ●PjM : 自社SaaSおよびAGENTを顧客向けソリューションとして開発/提供

パーソルキャリア株式会社

新規・グロースフェーズのサービス開発エンジニアとして、ご経験に応じて下記業務を担当いただきます。 ●アプリケーション開発、API開発 ●アーキテクチャの設計、ミドルウェアの選定 ●ユーザーの行動ログなどの定量・定性的な分析による施策効果測定、サービス改善 ●AWSを中心としたクラウドリフト/シフト、新規構築のインフラの設計、検証、構築、運用 ●パーソルキャリアの各事業(doda、doda Xなどの人材紹介事業)に対して、アプリケーションの実行基盤の整備 「はたらく」を取り巻く環境が多様化する中、Mission 達成に向けて、既存のdodaを主軸とする転職支援以外の新しい領域のサービスを企画・開発中です。 ●doda 業界最大級の求人数、豊富なサポート実績を誇る転職サービスです。 登録者数:約934万人(2024年12月末時点)。 エージェントサービスの他には求人情報サービスや転職イベントなど様々なサービスを運営。 ●dodaダイレクト doda/doda Xのデータベースにアクセスし、企業からスカウトを送れるサービス ●doda X 年収600万円以上の方向けのハイクラス転職サービスです。 業界や企業動向に精通したヘッドハンターからスカウトを受け取れます。 ●dodaキャンパス 学生の就職活動を支えるダイレクトリクルーティングサービスです。 大手~ベンチャー企業まで累計契約企業10,000社以上(2024年6月時点)。 オリコン顧客満足度調査にて4年連続学生満足度、総合1位に選出。 ●MIRAIZ キャリアに役立つスキルの習得、プロによるキャリア相談がすべて無料。 学び×JOBをつなげ、転職に留まらず、一人一人に合わせたはたらくを一生涯サポートするサービスです。 ●HR Analyst 最新のテクノロジーで競り負けない採用を実現する人材分析サービス ●HR forecaster 転職マーケットに即した求人要件を作成できるサービスです。 HR アワード 優秀賞受賞、HR テクノロジー大賞 イノベーション賞 受賞。 ●HR Spanner 中途入社者が入社後スムーズに職場環境に馴染み、早期に即戦力として立ち上がれるようにコンディションチェックやコミュニケーションのサポートをするオンボーディングサービス。 簡単な操作と最小限の工数で、中途入社者の不安や悩みを検知し、現場でのコミュニケーションを促進します。

パーソルキャリア株式会社

●担当業務: ・レコメンド/マッチング機能の設計・開発・運用 ・機械学習モデルや推論ロジックを活用したサーバーサイド開発 ・データ活用施策の本番運用・改善 ・Python、SQL等を用いた分析、モデル開発、検証 ・データサイエンティストやPdM等と連携した施策立案・意思決定支援 ・数理統計、機械学習、生成AI/LLM等の技術活用 ・ご経験に応じた技術リード、プロジェクト推進、メンバー育成 ●技術環境: 【言語】Python、SQL 【DB】Amazon Redshift、RDS PostgreSQL、Redis 【クラウドサービス】AWS、Azure、GCP 【ソースコード管理】GitHub 【プロジェクト管理】Backlog、Confluence、JIRA 【課題管理・コミュニケーション】Slack、Teams ●はたらき方: ライフステージに合わせて、はたらき方をご自身でデザインしたい方にマッチする環境です。 ・有給休暇の取得を推奨しており、業務調整のうえ柔軟に活用できます。 ・フレックスタイム制度を導入しており、子育てと両立している社員や副業を行っている社員もいます。 ・大半のメンバーが在宅勤務をしています。ワークスタイルに応じてリモート勤務手当の支給しています。 ・エンジニアとして市場価値を高めるための活動を推奨しており、研修受講やイベント登壇、副業等の活動をしているメンバーもいます ・自己研鑽のための、書籍代の支給やオンライン学習コンテンツなどのフォロー等を行っています。

パーソルキャリア株式会社

新規・グロースフェーズのサービス開発エンジニアとして、ご経験に応じて下記業務を担当いただきます。 ●アプリケーション開発、API開発 ●アーキテクチャの設計、ミドルウェアの選定 ●ユーザーの行動ログなどの定量・定性的な分析による施策効果測定、サービス改善 ●AWSを中心としたクラウドリフト/シフト、新規構築のインフラの設計、検証、構築、運用 ●パーソルキャリアの各事業(doda、doda Xなどの人材紹介事業)に対して、アプリケーションの実行基盤の整備 Webサービスについて 「はたらく」を取り巻く環境が多様化する中、Mission 達成に向けて、既存のdodaを主軸とする転職支援以外の新しい領域のサービスを企画・開発中です。 ●doda 業界最大級の求人数、豊富なサポート実績を誇る転職サービスです。登録者数:約934万人(2024年12月末時点)。 エージェントサービスの他には求人情報サービスや転職イベントなど様々なサービスを運営。 ●dodaダイレクト doda/doda Xのデータベースにアクセスし、企業からスカウトを送れるサービス ●doda X 年収600万円以上の方向けのハイクラス転職サービスです。業界や企業動向に精通したヘッドハンターからスカウトを受け取れます。 ●dodaキャンパス 学生の就職活動を支えるダイレクトリクルーティングサービスです。 大手~ベンチャー企業まで累計契約企業10,000社以上(2024年6月時点)。 オリコン顧客満足度調査にて4年連続学生満足度、総合1位に選出。 ●MIRAIZ キャリアに役立つスキルの習得、プロによるキャリア相談がすべて無料。 学び×JOBをつなげ、転職に留まらず、一人一人に合わせたはたらくを一生涯サポートするサービスです。 ●HR Analyst 最新のテクノロジーで競り負けない採用を実現する人材分析サービス ●HR forecaster 転職マーケットに即した求人要件を作成できるサービスです。HR アワード 優秀賞受賞、HR テクノロジー大賞 イノベーション賞 受賞。 ●HR Spanner 中途入社者が入社後スムーズに職場環境に馴染み、早期に即戦力として立ち上がれるようにコンディションチェックやコミュニケーションのサポートをするオンボーディングサービス。簡単な操作と最小限の工数で、中途入社者の不安や悩みを検知し、現場でのコミュニケーションを促進します。 使用技術(一例) 言語: Java,C#,JavaScript, TypeScript, Dart, Python, ShellScript, HDL フレームワーク:Vue, Echo, Flutter ミドルウェア: Terraform, Kubernetes, Docker, クラウドサービス:AWS,Azure,Google Cloud Platform 実行環境: Kubernetes Engine, App Engine, Cloud Function, Cloud Run データベース・ストレージ: BigQuery, CloudSQL, Cloud Firesore, Cloud Storage その他: Cloud Logging, Cloud Monitoring, Cloud Trace, Cloud Pub/Sub, Google Tag Manager アクセス集計: Google Analytics はたらく環境 PC: Windows ノート (標準支給), MacBook Pro 15/16 インチモデル エディター: JetBrains IntelliJ IDEA 等のお好きな IDE, エディター ナレッジサービス: esa コミュニケーションツール: Slack, Zoom, Google Meet グループウェア: Microsoft Offi ce 365, Google Workspace 開発向けサービス: GitHub, ZenHub

<具体的な業務内容> 以下のような2輪車のシミュレーションに関する車両モデル・制御モデル・各種インファーフェース設計に関する業務をお任せする予定です。 ・2輪ADASシステムとシミュレーションの接続環境の構築 ・データセンターでのシミュレーションプラットフォームの展開作業 ・テストケース自動選定、テスト自動化 ・外部センサのモデル化 ・各アクチュエーターのプラントモデル・制御モデルのアップデート ・制御システムとの統合シミュレーション ●入社後すぐの業務 まずはご経験に合わせて、可能な範囲から先輩社員とのモデル作成や社内外の協力メンバーとの折衝を通じて業務習熟して頂きます。 入社3～5か月程度でMatlab/Simulinkを使ったシミュレーションモデルのアップデートなどは1人で進められるようになっていただくことを期待しています。 ●入社6か月～1年以降 業務に慣れてきましたら、設計報告書の作成など、上司や顧客に提出するデータやレポートをまとめていただきます。 徐々に顧客との打ち合わせにも参加いただき、数年後には販売先との折衝はシミュレーションプラットフォーム開発のリーダーポジションを担って頂きます。 <携わる製品の名称・特徴> 2輪ADAS ECU / 2輪車用統合シミュレーションプラットフォーム 【業務内容についての補足】 ・雇入れ直後:「求人内容」において、会社の定めた業務 ・変更後の範囲:会社の定める業務

株式会社ログラス

【仕事内容】 生成AIが進化をし続けている今、プロダクトの開発プロセスが大きく変わってきています。 ログラスの描く未来のために必要となる高いプロダクト品質水準の実現と、それを直結する開発の生産性向上に向けて、開発組織全体の思想に基づいたQA技術・組織戦略の立場からQA技術基盤の整備までリードする戦略QA業務をお任せいたします。 ログラスは主力プロダクトである「Loglass 経営管理」を2020年から提供開始した後、マルチプロダクト展開にも注力し、現在では生成AIの進化を最大限に活かせる経営データベース・プラットフォームの開発を行っています。Loglassは経営データを中心に扱っている以上、数値上のミスは許されません。確率論的な生成AIと不確実性も伴う経営意思決定、そこにミスの許されない数値データを組み合わせていくなんとも面白いチャレンジが待ち受けております。 そこで、現在のログラスのプロダクト開発は仕様策定から実装まで多くのフローでAIが活用されています。品質保証フローの全体もAI前提で作っていくことも必須であり、その牽引をお任せいたします。 また、開発スピードと品質を両立させる仕組みとして、高質なプロダクトをスケーラブルかつ再現可能な形で提供するための品質保証プロセスの設計によるガバナンス最適化、プロダクト品質の可視化と計測、テスト自動化基盤の構築など、組織横断テーマをオーナーシップを持って推進していただくことを期待しています。 【具体的な業務内容】 プロダクト戦略に沿った課題設定、QA戦略立案、技術選定、導入の推進 生成AIを前提とした品質保証フローの設計、構築とその後の展開 QA技術基盤構築における課題の整理、優先順位の設計 顧客価値に基づくプロダクト品質の計測観点の整理、手法の検討、仕組みの構築 QA組織の体制強化に向けた採用、ブランディング活動 ●業務内容の変更範囲:会社の定める業務 開発に使っている主なツール インフラ Terraform, Fargate, ECR DB Aurora PostgreSQL サーバーサイド Kotlin, SpringBoot フロントエンド React, Next.js, TypeScript テストツール Datadog synthetics , Playwright

株式会社ログラス

【仕事概要】 本ポジションでは、営業領域のLLM新規プロダクトにおいて、PdM・デザイナー・エンジニア・事業メンバーと連携しながら、ディスカバリーからデリバリーまで一気通貫でプロダクト開発に携わっていただきます。 単に仕様通りに開発するのではなく、顧客課題や業務プロセスを深く理解し、「どのようなプロダクト体験であれば営業活動の成果につながるのか」をチームで探索しながら、LLMを活用した機能開発、アーキテクチャ設計、技術品質の向上、開発プロセス改善を推進いただく役割です。 また、開発チームではCursorやClaude Codeなどを活用したAI駆動開発を積極的に推進しています。AIプロダクトを、AIネイティブな開発プロセスで高速に作り、PMF達成と事業成長に直接コミットすることができます。 【業務内容】 ●LLMを活用したコア機能の設計・実装 ・商談データや営業活動データなど、マルチモーダルな情報を活用したプロダクト機能の設計・実装 ・プロンプトエンジニアリング / コンテキストエンジニアリングを含む、LLM活用機能の改善 ・Kotlin / Python / Next.js / TypeScript を用いた継続的な機能開発 ●PMF達成に向けたプロダクト開発 ・PdMや事業メンバーと連携した顧客課題の探索、要求整理、仕様検討 ・ユーザーフィードバックや利用状況を踏まえた改善仮説の立案・実装 ・顧客価値と事業成果につながるプロダクト体験の継続的な磨き込み ●アーキテクチャ設計・技術品質の向上 ・将来のスケールと保守性を見据えたアーキテクチャ設計 ・技術的負債の解消、パフォーマンス改善、セキュリティ・信頼性向上 ・コードレビューや設計レビューを通じた開発品質の向上 ●AI駆動開発・開発生産性の向上 ・Cursor、Claude Code、Geminiなどを活用した開発プロセスの高速化 ・チームの生産性を高めるための自動化、開発フロー改善、ナレッジ共有 ・AIを活用した開発体験・開発組織の進化に向けた取り組み ●外部サービス・データ連携の設計・実装 ・Salesforceなど外部SaaS / API連携の設計・実装 ・顧客環境や業務データを踏まえたプロダクト連携の改善 【開発環境】 ・サーバーサイド 　Kotlin / Python ・フロントエンド 　React / Next.js / TypeScript ・インフラ 　AWS / Terraform / Fargate / ECR ・DB 　Aurora PostgreSQL ・テストツール 　Datadog synthetics / Playwright ・コミュニケーションツール他 　Slack / Gather / Figma / Findy team+ / Notion / diaglams.net / Cursor / Claude Code / Gemini ※業務内容の変更範囲 :会社の定める業務

株式会社エクストリーム

あなたにお任せしたいお仕事は、システムエンジニア業務のお仕事になります。 ・既存システムのリプレイス ・通信業界の”ビッグデータ”を活用したデータ分析基盤の開発 ・動画配信サービスのシステム開発 アクセンチュア、NTTデータ、富士ソフトなど、IT業界を牽引するトップ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様々なクライアントのプロジェクトに参画。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! ●取引先 エクストリームは上場企業の知名度と信用力をベースに、大手IT企業をはじめとし、東京都内の多くの企業と取引をしています。WEBサービスやアプリ開発など様々なプロジェクトに関われるのでスキルアップにつながります! 【取引先例】 ・株式会社NTTデータ ・SCSK株式会社 ・株式会社システナ ・株式会社日本取引所 ・株式会社シャノン ・伊藤忠テクノソリューションズ株式会社 ・Sky株式会社 ・鈴与株式会社 ・セイコーグループ株式会社 ・帝人株式会社 ・TDCソフト株式会社 ・デジタル・インフォメーション・テクノロジー株式会社 ・株式会社TOKAI ・日本郵便株式会社 ・富士ソフト株式会社 ・三菱総研DCS株式会社

株式会社PKSHA Technology

事業拡大に伴い、機械学習アルゴリズムの開発を担っていただくエンジニアを募集します。 テーブルデータ・自然言語・画像などの幅広いデータを用いて、クライアントの課題を解決する機械学習アルゴリズムを中心に設計・実装していただきます。 コンサルタント、ソフトウェアエンジニアとチームを組み、金融、小売、製造業など、様々な業界の課題を解決するソリューション/プロダクトを開発していただきます。 AIの検証に留まらず、最先端技術をクライアントが利用し続けるソフトウェアの形にして社会実装し、未来のビジネスを実現するプロセスに関心がある方を歓迎します。 ●ビジネス上の課題、制約条件に適したアルゴリズムの提案 ●ユースケースに合わせた機械学習モジュールの設計、実装 ●クライアントに対する分析結果等のレポーティング ●ソフトウェアエンジニアと協力して、Web API等へのアルゴリズムの組み込み ●最先端技術を社会実装可能なレベルに引き上げるR&D ●自身の開発したアルゴリズムの他業界への横展開や自社プロダクトへの組み込み ※過去事例:クレジットカード不正検知、個人与信推定、小売や流通における需要予測とオペレーションの最適化、教育における出題最適化、レコメンドエンジン、不正投稿監視、コールセンターソリューション(チャット・音声・テキスト)等多岐に渡る