資格取得支援制度あり 年収500万円以上のITエンジニア求人・転職情報

株式会社Works Human Intelligence

●運用保守業務のチームリード 自社開発したシステムの保守・運用全般をリードし、プロジェクトを成功に導くためのリーダーシップを発揮していただきます。 具体的には、「COMPANY」と外部システムのデータ連携に関連する要件変更に対する戦略的判断を行い、プログラム改修、サーバーのリプレイス作業、システムのバージョンアップ対応を主担当として実行、指揮します。 入社後のフォロー体制 ●研修プログラム 入社後は、教育コンテンツを基にした研修からスタート。安定してキャッチアップできる環境を整えています。「COMPANY」の機能・設定、社内ルールについての研修は自習コンテンツ中心です。 ●コミュニケーションとチームサポートの促進 リーダーシップトレーニングや1on1、チームMTGで業務上の悩みや課題解決をサポートします。 具体的なキャッチアップスケジュールとアサイン 入社後1か月: 基礎技術や社内ルールについての研修 入社後2か月目～: プロジェクトへのアサイン開始。初期はメンバーとしてマネージャーや周囲のフォローを受けつつ、お客様とのやり取りを学びます。豊富な経験を活かして、重要なプロジェクトにすぐにアサインされます。 キャリアプラン ●ピープルマネジメント リーダーとしてチームの成長を促進し、メンタリングを通じて部下の育成にも寄与頂きます。能力次第で早期にマネージャーに昇格することが可能です。 ●コンサルタント 人事業務知識や技術力を活かして、システム導入のプロジェクトマネジメントやカスタマーサクセスコンサルタントを目指すことが可能です。 ●技術スペシャリスト リーダーシップを発揮しつつ、高度な技術の知識を高め、難度の高いプロジェクトを牽引するスペシャリストとしてのキャリアを築くことができます。 ●幅広いキャリアの実現 年に一度の全社公募制度(Career Ownership制度)を利用して、他部門のポジションへチャレンジすることができ、幅広いキャリア実現をサポートしています。 職種について 変更の範囲:入社後は本職種に従事いただきます。 その後、ご本人の適性等により当社業務全般に変更の可能性があります。

株式会社Works Human Intelligence

●主な職務内容 大手法人向け統合人事システム「COMPANY」の製品品質の改善を行います. 外部・内部品質の向上の為、自動化を推進します. ●具体的な業務内容 ・自動テストの推進・運用・改善 └ユニット、E2E、パフォーマンスなど ・自動テスト環境の構築・運用 ・コード品質改善ツールの推進・運用・改善 └静的解析(SonarQube)、Linter、フォーマッターなど ・テスト設計、マニュアル作成支援 ・品質改善計画の策定・実行 ・開発、QA、DevOpsチームとの連携 ●SETとQAの違い どちらもソフトウェアの品質を向上させる役割を担う職種ですが、 SETはソフトウェアテストの自動化を担当するエンジニアであり、 QAはソフトウェアの品質管理全般を担当する職種です. ●技術スタック サーバーサイド: Java, TypeScript, Kotlin, COBOL フロントエンド: 開発言語:HTML, CSS, JavaScript, TypeScript ライブラリ:jQuery, Vue.js, React, LESS データストア: Oracle Database, PostgreSQL, Amazon DynamoDB ミドルウェア: Nginx, Apache Tomcat, IBM WebSphere クラウド: AWS, GCP, Azure, OCI CI/CD: Jenkins, AWS CodeBuild, Gradle, Maven, Ant モニタリング: CloudWatch, Zabbix, AppDynamics, Datadog デザインツール: Figma ソースコード管理: GitHub, AWS CodeCommit, Gitlab, Subversion タスク管理: GitHub issues, GitLab issues, Redmine, Trac 開発ツール: Visual Studio Code, Eclipse コミュニケーション: Slack, Google Workspace 【キャリアパス】 ご経験・適性に応じて担当業務を決めます。 半年後には主担当へ、2年後にはリーダーへのステップアップを期待します。 手挙げ制度や年1回の全社公募制度もあるため、 ご希望に応じて幅広いキャリアパスの提供が可能です。 <事例> ・エンジニアリーダー→マネージャー(プロダクト責任者)またはスペシャリスト ※年齢での評価は行っていないため、入社後数年でリーダー→5年を目安にマネージャーを目指していただける環境です。 ・プロダクト開発、テックリード、SREなど他職種への異動 ・導入コンサル、採用人事などエンジニア以外の組織へ異動 【入社後のフォロー体制】 ・1か月程度の教育(インプット)期間の後、1～3か月のOJTでの軽微な修正や開発を行い、3～6か月程度でひとり立ちしていただきます。 ・運用マニュアルや業務wiki、先輩などの有識者へ気軽に聞ける環境が整っていますので、 ご経験が浅い方でも安心して業務を遂行できます。 ・入社直後は経験豊富なメンターの指導を受けながら開発・運用に従事いただき、 徐々に企画・設計などの裁量の大きい仕事へとチャレンジしていただくことが可能です。 【職種について】 変更の範囲:入社後は本職種に従事いただきます。 その後、ご本人の適性等により当社業務全般に変更の可能性があります。

株式会社Works Human Intelligence

担当プロダクト(モジュール単位のグループ)に所属し、画面設計からデザインシステムの運用、AI体験の検証までをお任せします。 ● 次世代プロダクトおよびAI機能のUI/UX設計 ・AIチャットボットやAIサジェスト機能を組み込んだ、次世代HRテックのUXリサーチおよび画面設計 ・新規機能のオブジェクト指向UIに基づく画面モデリング、および既存の機能過多な業務画面のSaaS型リファクタリング ・労務・給与計算担当者へのデプスヒアリング、および社内営業・コンサルタント経由でのUXリサーチの主導 ・ワイヤーフレーム、およびインタラクションプロトタイプの作成・検証 ● デザインシステム・文化の組織実装 ・プロダクト横断のUI/UXデザインガイドラインの確立・運用 ・大規模のプロダクトエンジニアに対するUI/UXデザインレビュー、および実装支援 ・既存製品へウェブアクセシビリティの観点を組み込む全社的推進 ・UI/UXの定量評価(データによる体験の可視化)の指標づくりと実行 ・グループ内の若手デザイナーに対するメンタリング・育成支援 ●配属組織 ※2026年6月時点 ・製品開発部門約600名 ※協力会社社員含む └各製品/開発領域で組織が分かれ、それぞれ数⼗名程度在籍 └モジュール単位でそれぞれ数名程度グループ在籍 ●技術スタック ・デザインツール:　Adobe XD, Figma ・開発ツール:　Git ・言語:　HTML, CSS, JavaScript(Vue, React, jQuery) ・コミュニケーションツール:　Slack, Gsuite ・AIツール:　GitHub Copilot, Gemini ●デザイン環境 ・デザインツール:　Figma ・言語:　HTML、CSS、JavaScript (Vue, React, jQuery) ・コミュニケーションツール:　Slack, Google Workspace

株式会社Works Human Intelligence

大手法人向け統合人事システム「COMPANY」のDevOpsサイクルの改善を担い、AIを活用した開発効率化(AI for Development)と開発者体験(DevEx)の向上を推進します。 ●具体的な業務内容 ・担当製品の業務理解、機能把握、技術理解 ・GitHub Copilot等のAIツールの社内普及・活用推進 ・AIを活用した「自動コードレビュー」や「テストコード自動生成」を組み込んだ、次世代CI/CDパイプラインの構築・運用 ・既存CI/CDパイプラインの運用・改善、ビルド・テスト・デプロイの自動化 ・開発、検証環境の構築・運用 ・開発者体験(DevEx)と開発生産性指標(Four Keys等)の計測・可視化と、それに基づく改善 ・開発、SET、QAチームとの連携、クラウド環境の運用管理 リーダー候補の方には、上記に加えてチーム内の技術的なリードや若手メンバーの育成にも携わっていただきます。 ●配属組織 製品開発部門 約600名/配属先は4～5名のチーム ●技術スタック サーバーサイド: Java, Python フロントエンド(言語):HTML, CSS, JavaScript フロントエンド(ライブラリ):Vue.js データストア: Oracle Database, PostgreSQL, Amazon DynamoDB ミドルウェア: Nginx, Apache Tomcat クラウド: Amazon Web Service CI/CD: Jenkins, AWS CodeBuild, AWS CodePipeline 構成管理:AWS CloudFormation, AWS CDK, Ansible モニタリング:CloudWatch, AppDynamics, Datadog ソースコード管理: Git, Gitlab, GitHub タスク管理:Redmine 開発ツール:Visual Studio Code コミュニケーション: Slack, Google Workspace

株式会社Works Human Intelligence

●役割 アドバンスドテクノロジー部門のコアメンバーとして、当社のAI戦略の土台と最前線の両方を担っていただきます。 「どのLLMを使うか」という外部依存の設計ではなく、GPT, Claude, Geminiなどをコストやレイテンシーに応じて動的にルーティングする自社ゲートウェイや、570万超の人事データを絶対に他社と混ざらないよう分離制御するセキュアなRAG基盤をあなた自身の設計でゼロから生み出す、エンジニアとしての最高峰の挑戦ができるポジションです。 ●職務内容 Webアプリケーション基盤の設計から、新製品への組み込み(PoC〜本番化)までを一気通貫でリードしていただきます。 ● 共通AI/Webアプリケーション基盤の開発 ・AI Readyなデータ基盤のアーキテクチャ設計、開発 ・各種LLM(OpenAI, Anthropic, Amazon Bedrock等)のAPI統合、およびモデルの柔軟な切り替えを可能にするオーケストレーション基盤の構築 ・エンタープライズSaaSに必須となるマルチテナント性やデータ分離(他社データを混在させない強固なセキュリティ)を徹底した、セキュアなAIデータパイプラインの構築 ● フルスタック開発・スケーリングの主導 ・プロトタイプの高速な開発(PoC)による仮説検証のリード ・PoCで得たロジックを、数万人以上のユーザーが同時に利用する本番環境へ耐えうるアーキテクチャに昇華させるスケーラブルな実装・パフォーマンスチューニング ・フロントエンドの状態管理(ストリーミング応答のUI/UX等)から、非同期処理・インフラ構築に至る全レイヤーの実装 ●技術スタック チームによって異なるため、以下のいずれか(参考まで) 言語:Java/TypeScript/Kotlin/Python Cloud: AWS/Google Cloud/Azure/OCI DB: PostgreSQL/Oracle DB/Amazon Aurora/Amazon DynamoDB FW: SpringBoot/Severless Framework/React/Vue3/Svelte/Kotlin Multiplatform 開発インフラ: GitHub/Sonarqube/Jira/Redmine/Zenhub/Figma 生成AI: GitHub Copilot/Gemini for Google Workspaces/Azure OpenAI Service/AWS Bedrock/Google VertexAI/AWS KIRO/Claude Cowork

株式会社Works Human Intelligence

【役割】 配属先の組織によって詳細な職務内容は異なりますが、基本的には新機能開発や既存機能の改修を中心としています。 企画・設計・開発・運用の一連のSaaSプロダクト開発に必要な全てのフェーズに携わっていただきます。 また、個人の主体性を歓迎する文化のため、業務領域のみならず、組織的な改善提案や議論についても自由に行うことができ、本質的な課題を解決していくことを重要視しています。 【主な職務内容】 自社パッケージソフト「COMPANY」の企画・設計・開発・運用業務 基本的にはサブシステムの単位で企画～運用まですべてのフェーズをチームで担当していただきます。 ・(AI活用も含めた)既存プロダクトの機能強化/改善案件 ・当社コンサルタント/サポートセンターからの製品に起因する問題の調査・解決支援 ・新規サービス(マイクロサービス)の企画開発 ご希望や適性に応じて、人事・給与・勤怠・ID管理・タレントマネジメントいずれかの開発チームに所属していただきます。 具体的には、5~10名程度のチームで、1ヶ月単位で設計～テストのサイクルを繰り返します。 ・担当プロダクトへの、AIを活用した新機能および業務アシスタント機能の企画・実装 ・堅牢なバックエンド処理(非同期キュー、ストリーミング処理など)の設計・開発 ・非決定的なAIの挙動を前提とした、最適なフロントエンドの状態管理およびUI/UXの設計(UIUXチームと連携) ・複雑な業務要件をAIに正しくハンドリングさせるための、アプリケーションレイヤーでのコンテキスト制御やプロンプトエンジニアリング ・サービス企画の立案 ・要件定義、詳細設計、レビュー等 ・UIUXデザイン(UIUXチームとの連携)、レビュー等 ・実装、レビュー等 ・テスト設計、テスト実施(自動化)、レビュー等 ・コンサル/サポートセンターからの問い合わせ対応 ・チームメンバーのマネジメント業務(スクラム、1on1、各種面談含)※必要や役職に応じて 【職種について】 変更の範囲:入社後は本職種に従事いただきます。その後、ご本人の適性等により当社業務全般に変更の可能性があります。 ●技術スタック ・Main development languages: Java, Python, JavaScript, TypeScript, Kotlin, Delphi, COBOL ・Cloud Service: Amazon Web Services, Google Cloud Platform, Microsoft Azure, Oracle Cloud Infrastructure ・CI/CD: GitHub Actions, Jenkins, GitLab CI, AWS CodeBuild ・Build automation tools: Gradle, Maven, Ant ・Source code control: GitHub, GitLab, AWS CodeCommit, Subversion ・Task management: GitHub issues, Redmine, Jira Software, Trac ・IDE: Visual Studio Code, Eclipse, IntelliJ ・Communication: Slack, Google Workspace, Zoom/Google meet ・Data store: Oracle Database, PostgreSQL, DynamoDB ・Middleware: Nginx, Apache Tomcat, IBM WebSphere ・Monitoring: CloudWatch, AppDynamics, Datadog ・Design: Figma, Adobe Creative Cloud ・Front-end Framework: React, Vue ・Front-end Library: MUI, Vuetify, Bootstrap, jQuery ・AI tool: Devin, GitHub Copilot, Gemini

キリンビジネスシステム株式会社

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)

株式会社NTTデータ

【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/

株式会社EMS

お任せしたいミッション 本ポジションの最大のミッションは、単なる利用定着の支援にとどまらず、利益を生み出すCS組織の構築を実現することです。 受け身のサポートではなく、顧客の事業課題に深く入り込み、アップセル・クロスセルを通じたLTVの最大化を図ります。 法人顧客の複雑な意思決定プロセスを理解し、商談パイプラインを緻密に管理しながらパートナーとして伴走していただきます。 CSという枠組みを超え、事業責任者の視座でビジネスモデルをハックし、組織そのものを創り上げる非常に裁量とやりがいのあるポジションです。 業務詳細 【最重要】プロフィットセンター化の牽引: 年内に利益を生み出すCS組織・体制への変革に向けた全体戦略の策定と実行 LTV最大化に向けた深耕営業: 既存顧客に対するアップセル・クロスセル戦略の立案と、商談機会の創出・クロージング 商談・数値のマネジメント: 商談パイプラインの構築・管理、目標(KPI/KGI)の設計・進捗管理と達成へのコミット 顧客支援プロセスの高度化: オンボーディングから活用促進、チャーン(解約)抑制に向けた一連の仕組みづくり 組織の運営と仕組み化: メンバーの育成・評価、採用、データ分析に基づく運営基盤の構築 部門間連携: 開発・営業・販促部門と密に連携し、顧客の声をプロダクト開発へフィードバックする体制の構築

キリンビジネスシステム株式会社

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)

キリンビジネスシステム株式会社

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

jinjer株式会社

「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

jinjer株式会社

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

jinjer株式会社

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

株式会社NTTデータ

◆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。

株式会社NTTデータ

【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。

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

株式会社NTTデータ

【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関する業務仕様の調整・業務アプリケーションの開発推進（要件定義・設計～運用保守）をご担当頂きます。プロジェクトにおける具体的な役割については、ご本人の意向やシステム開発経験、技量に応じて決定します。 　（プロジェクト例） 　ーマイナンバーカードの海外利用に関する仕組みの検討・システム開発 　ーマイナンバーカードの利便性向上に関する仕組みの検討・システム開発 　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検討・システム開発 【特徴について】 ・案件の性質に合わせてウォーターフォール開発、アジャイル開発を採用しながら開発が行われています。 ・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る職場です。 ・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。

アイリスオーヤマ株式会社

IoT製品システムのソフトウェア開発を担当します。 ・各種センサー(電力、温度、湿度、照度、CO₂、流量等)の選定・評価 ・LED照明の制御による省エネ促進 ・各種IoT機器向け組込みソフトウェア開発 ・センサーデータ収集・分析システムの開発 ・クラウド連携システムの設計・実装 ・Webアプリケーションおよび管理画面の開発 ・エネルギー使用量可視化ダッシュボードの開発 ・省エネ制御アルゴリズムの開発 ・システム評価・品質改善 ・プロジェクトマネジメント ・顧客要件のヒアリングおよび要件定義 ・プロジェクト計画策定 ・開発スケジュール管理 ・開発メンバーへのタスク管理・進捗管理 ・協力会社・ベンダーとの調整 ・品質・コスト・納期管理 ・顧客提案および技術折衝 ・PoCから本格導入までのプロジェクト推進 【開発可能性のある商品例】 ・当社カタログ品照明器具のソフトウェア開発(組込ソフト) ・物件毎の特注照明のソフトウェア開発(組込ソフト) ・各種センサ/ゲートウェイを始めとしたIoT製品のソフトウェア開発(組込ソフト) ・Webアプリ、クラウドアプリ、スマホアプリの開発 など