ストックオプション（信託型等）あり 年収550万円以上のITエンジニア求人・転職情報

会話解析AI「Value Intelligence(VI)」のフルスタックエンジニアとして、企画、設計、開発、運用まで一気通貫でプロダクト開発を担っていただきます。CEOやPdM、ビジネスサイドの担当者と密に連携し、仕様決定の根幹から関わっていただきます。 ●新規アプリケーション・機能の0->1開発: 「Value Map」のコンテキストを活用し、営業担当者へのフィードバック機能やガイド機能、新規Agent機能などのアプリケーションを開発します。基本的には一つの新機能を独立して担当し、LLM機能の仕様検討からフロントエンド、バックエンド、インフラまで全工程を推進します。 ●直近の技術課題である「基盤刷新・パフォーマンス改善」: 大量の商談データに対するパフォーマンス不足の解消、およびデータベース(PostgreSQL / Firebase Data Connect)の最適化。 ●コンテキスト設計・グラフ解析精度向上: Property GraphをLLMに渡すインプットの最適化、および因果パス分析と文字起こしデータのマッチング向上。 ●マルチモデルAI Gateway: 組織単位でのモデル切り替えと品質差の吸収ロジックの構築。 ●AIネイティブな開発プロセスの推進: AIエージェント(Devin)へのIssueベースのタスク委譲環境の整備や、AIコードレビューの自動実行環境のブラッシュアップなど、チーム全体の生産性向上をリード。 【開発環境】 ・MacBook Pro 14インチ(M3 Pro / SSD 1TB / RAM 36GB)貸与 ・パッケージマネージャ:pnpm ・モノレポ管理:Turborepo ・ローカル開発:Firebase Emulator Suite(認証・DB・Functionsをローカル完結) ・リンター / フォーマッター:Biome ・テスト:Jest 【技術スタック】 ・フロントエンド:Next.js 15(App Router) / React 19 / TypeScript ・UI:Tailwind CSS / Radix UI / Framer Motion ・可視化:Three.js / React Three Fiber / XYFlow React ・バックエンド:Firebase Cloud Functions(TypeScript) ・グラフ解析:graphology(因果構造・Value Map分析) ・AI:Anthropic Claude / Google Gemini / OpenAI(マルチモデル対応) 【インフラ・アーキテクチャ】 ・クラウド:Google Cloud(Firebase) ・実行環境:Cloud Run(フロントエンド) / Cloud Functions(API・バッチ) ・データベース:PostgreSQL(Firebase Data Connect) / Cloud Firestore ・認証:Firebase Auth ・モニタリング:Sentry / PostHog ・外部連携:Zoom API ・マルチLLM構成:AI Gatewayを介したモデル切替 【DevOps / CI/CD】 ・リポジトリ:GitHub ・CI/CD:GitHub Actions(ビルド / リント / テスト / デプロイ) ・AIコードレビュー:GitHub Actions上で自動実行 ・環境:dev / stg / prod の3環境 ・ブランチ戦略:deploy/dev → deploy/stg → deploy/prod 【開発プロセス】 ・PRベース開発(GitHub) ・リードタイム:大半が当日マージの高速サイクル ・段階的デプロイ(dev → stg → prod) ・AIコードレビュー / AIリリースノートの自動生成 ・IssueベースでAIエージェントへタスク委譲(devin/issue-* ブランチ) ・Firebase Emulatorによるローカル完結開発

会話解析AI「Value Intelligence(VI)」のフルスタックエンジニアとして、企画、設計、開発、運用まで一気通貫でプロダクト開発を担っていただきます。CEOやPdM、ビジネスサイドの担当者と密に連携し、仕様決定の根幹から関わっていただきます。 ●新規アプリケーション・機能の0->1開発: 「Value Map」のコンテキストを活用し、営業担当者へのフィードバック機能やガイド機能、新規Agent機能などのアプリケーションを開発します。基本的には一つの新機能を独立して担当し、LLM機能の仕様検討からフロントエンド、バックエンド、インフラまで全工程を推進します。 ●直近の技術課題である「基盤刷新・パフォーマンス改善」: 大量の商談データに対するパフォーマンス不足の解消、およびデータベース(PostgreSQL / Firebase Data Connect)の最適化。 ●コンテキスト設計・グラフ解析精度向上: Property GraphをLLMに渡すインプットの最適化、および因果パス分析と文字起こしデータのマッチング向上。 ●マルチモデルAI Gateway: 組織単位でのモデル切り替えと品質差の吸収ロジックの構築。 ●AIネイティブな開発プロセスの推進: AIエージェント(Devin)へのIssueベースのタスク委譲環境の整備や、AIコードレビューの自動実行環境のブラッシュアップなど、チーム全体の生産性向上をリード。 【開発環境】 ・MacBook Pro 14インチ(M3 Pro / SSD 1TB / RAM 36GB)貸与 ・パッケージマネージャ:pnpm ・モノレポ管理:Turborepo ・ローカル開発:Firebase Emulator Suite(認証・DB・Functionsをローカル完結) ・リンター / フォーマッター:Biome ・テスト:Jest 【技術スタック】 ・フロントエンド:Next.js 15(App Router) / React 19 / TypeScript ・UI:Tailwind CSS / Radix UI / Framer Motion ・可視化:Three.js / React Three Fiber / XYFlow React ・バックエンド:Firebase Cloud Functions(TypeScript) ・グラフ解析:graphology(因果構造・Value Map分析) ・AI:Anthropic Claude / Google Gemini / OpenAI(マルチモデル対応) 【インフラ・アーキテクチャ】 ・クラウド:Google Cloud(Firebase) ・実行環境:Cloud Run(フロントエンド) / Cloud Functions(API・バッチ) ・データベース:PostgreSQL(Firebase Data Connect) / Cloud Firestore ・認証:Firebase Auth ・モニタリング:Sentry / PostHog ・外部連携:Zoom API ・マルチLLM構成:AI Gatewayを介したモデル切替 【DevOps / CI/CD】 ・リポジトリ:GitHub ・CI/CD:GitHub Actions(ビルド / リント / テスト / デプロイ) ・AIコードレビュー:GitHub Actions上で自動実行 ・環境:dev / stg / prod の3環境 ・ブランチ戦略:deploy/dev → deploy/stg → deploy/prod 【開発プロセス】 ・PRベース開発(GitHub) ・リードタイム:大半が当日マージの高速サイクル ・段階的デプロイ(dev → stg → prod) ・AIコードレビュー / AIリリースノートの自動生成 ・IssueベースでAIエージェントへタスク委譲(devin/issue-*) ・Firebase Emulatorによるローカル完結開発

●役割・ミッション 〜経営・開発・事業部を繋ぎ、全社的なAI/AX化を完遂する責任者直下のポジション〜 AIネイティブチームの責任者直下で、プロダクト開発チーム(フィリピン拠点)と社内各事業部の間に立ち、現場でのAI導入・PoC検証・業務定着化の完遂を推進いただきます。 各事業現場と密に連携を取り、日常業務に潜む課題やオペレーション上の「不」を能動的に発掘・抽出。 最新のAI技術を活用した解決策を自ら企画・試行し、現場へのデプロイからフィリピン開発チームとの協働によるプロダクト機能化・サービス化までをボトムアップで牽引するリードをお任せします。 単なる指示された機能の実装やトップダウンの業務改善にとどまらず、現場の解像度の高いニーズを起点にスピーディーなPoC検証を回し、将来的なプロダクト外販・新事業化を見据えた社内実証を力強く推進していただきます。 ●具体的な業務内容 事業現場における「不」の発見・課題抽出とAIソリューションの提案 ・各事業部の実業務プロセスに入り込み、ボトルネックや手作業の課題「不」を能動的にヒアリング・発掘 ・最新AI/AIエージェントを活用した課題解決策を企画・提案し、現場主導でのPoCを迅速に実行 フィリピン開発チームとの連携・プロダクトへの昇華 ・現場検証で得られた利用データや解像度の高いニーズを抽出し、フィリピンのグローバル開発チームへ迅速にフィードバック ・検証されたソリューションを共通機能・汎用プロダクトへと昇華させるための仕様 調整および開発ブリッジ 社内AIエージェントの運用定着と外販・サービス化の推進 ・「書類選考AI」「定例資料作成エージェント」「日程調整AI」等の現場定着化を自ら手動で推進 ・ボトムアップで創出した成功事例を「プロダクト外販・新規サービス化」へ繋げる事業化プロジェクトのリード

【主な業務内容】 老朽化UIの刷新:レガシーになりつつあるフロントエンドコードのTypeScript化・Reactでのコンポーネント再設計・リファクタリング ユーザー体験(UX)の向上:B向け管理画面の操作性向上、およびC向けSNS(コミュニティ機能)のレスポンシブ・UI改善 CS(カスタマーサクセス)やデザイナー・プロダクトチームとの連携:ユーザーの声をもとにした画面仕様の検討 生成AIを活用した開発実践:CursorやGitHub Copilot等の生成AIツールをフル活用した効率的なフロントエンド実装・テストの推進 技術的リード・育成:ジュニアエンジニアへのコードレビュー、開発ナレッジの共有、フロントエンド品質基準の策定 ※ご志向に合わせたアサインや挑戦が可能です。 【開発環境・技術スタック】 フロントエンド: React, TypeScript バックエンド: PHP, Laravel インフラ:AWS (EC2, Aurora など) その他: 生成AIツールの積極活用、GitHub、各種クラウドインフラ ※上記スタックの経験年数や種類に強く固執せず、「課題に対して最適な技術を選択・適用できるか」を重視します。 【働き方】 ワークライフバランスの実現 フレックス勤務制度やハイブリッド勤務体制(リモート×出社)を導入 経験者がスムーズに立ち上がれる、オープンな情報共有とナレッジ環境 「助け合い」「情報共有」「ナレッジ活用」を重視し、一人で抱え込まずにキャッチアップできる環境 【キャリアパス】 個人の志向性に合わせた柔軟な評価・キャリア設計 MBO制度を導入しており、半年に一度の目標設定を行っています。会社の目指す方向性と個人のありたい姿から逆算し、今どのような挑戦やキャリアを重ねていくかを上長と相談しながら設定することで、一人ひとりの成長を伴走します。 「役割をゼロから創れる」立ち上げ初期ならではの裁量と柔軟性 現在は国内開発チームの立ち上げ初期フェーズだからこそ、決まった枠組みに縛られる必要はありません。 ご自身の「やりたいこと」や「キャリアの志向性」に合わせて、役割を自ら創り、入っていくことが可能です。 ●描けるキャリア例: テックリード: アーキテクチャ選定や技術的課題の解決を牽引 EM / PL: チームビルディングや開発プロセスの構築・推進 PM・PMO: CSや事業側と深く連携し、プロダクトの企画・仕様検討からコミット

【主な業務内容】 ・オフィシャル・アルムナイの機能開発、運用保守、リファクタリング・バグ修正 ・日本国内チームへの移管に伴うコードベースの品質改善・開発プロセスの再構築 ・生成AI(GitHub Copilot等)を活用した開発スピード(D)・品質(Q)の向上施策 ・業務要件に基づいた技術的なアーキテクチャ選定・設計・実装・テスト ・プロダクトチームやCS(カスタマーサクセス)チームと連携した上流からの仕様検討 ・ジュニアエンジニアのフォロー・ナレッジ共有 ※ご志向に合わせたアサインや挑戦が可能です。 【開発環境・技術スタック】 ・フロントエンド: React, TypeScript ・バックエンド: PHP, Laravel ・インフラ:AWS (EC2, Aurora など) ・その他: 生成AIツールの積極活用、GitHub、各種クラウドインフラ ※上記スタックの経験年数や種類に強く固執せず、「課題に対して最適な技術を選択・適用できるか」を重視します。 【働き方】 ・ワークライフバランスの実現 フレックス勤務制度やハイブリッド勤務体制(リモート×出社)を導入 ・経験者がスムーズに立ち上がれる、オープンな情報共有とナレッジ環境 「助け合い」「情報共有」「ナレッジ活用」を重視し、一人で抱え込まずにキャッチアップできる環境 【キャリアパス】 ・個人の志向性に合わせた柔軟な評価・キャリア設計 MBO制度を導入しており、半年に一度の目標設定を行っています。会社の目指す方向性と個人のありたい姿から逆算し、今どのような挑戦やキャリアを重ねていくかを上長と相談しながら設定することで、一人ひとりの成長を伴走します。 ・「役割をゼロから創れる」立ち上げ初期ならではの裁量と柔軟性 現在は国内開発チームの立ち上げ初期フェーズだからこそ、決まった枠組みに縛られる必要はありません。ご自身の「やりたいこと」や「キャリアの志向性」に合わせて、役割を自ら創り、入っていくことが可能です。 〈描けるキャリア例〉 ・テックリード: アーキテクチャ選定や技術的課題の解決を牽引 ・EM / PL: チームビルディングや開発プロセスの構築・推進 ・PM・PMO: CSや事業側と深く連携し、プロダクトの企画・仕様検討からコミット 【入社後に期待すること】 ・入社直後〜3ヶ月: 不具合修正や小〜中規模開発を通じた、既存コード構造およびプロダクト(ドメイン)の理解 ・半年後: 中規模な機能開発において、要件の整理からリリースまでを自律的に完遂できる状態

●事業概要 医療従事者の過重労働(特に医師の時間外労働の大きな要因となっている医療文書作成)という社会課題に対し、生成AIを活用した「オンプレミス環境で稼働する医療文書DXシステム(NEXT Stage Document Assistant)」を開発・提供しています。 多くの医療機関では、高度な情報セキュリティ維持のため電子カルテがインターネットから分離運用されており、一般的なクラウド型AIサービスをそのまま導入することが困難です。 TXP Medicalでは、社内在籍の現役医師らと連携し、院内の閉域ネットワーク(オンプレミス)上でセキュアかつ高精度に稼働する文書生成システムを構築しています。 この取り組みは「中小企業イノベーション創出推進事業」にも採択されており、医療現場のみならず国からも大きな期待が寄せられています。 当社の急性期医療プラットフォーム(NEXT Stage ER等)は、すでに全国の大病院100施設以上に導入されており、大学病院・救命救急センターにおいて約50%のトップシェアを有しています。 当システムもこの強固な顧客基盤を軸に導入が進んでおり、単なるPoCにとどまらず、全国の基幹病院の実運用へ直結する社会的重要度の高いプロジェクトです。 サービスページ:https://txpmedical.jp/service/next-stage-document-assistant サービス紹介動画:https://youtu.be/SRmW7tV5ViM ●業務内容 医療文書自動生成システム(NSDA)の設計・開発、および病院現場への導入・運用業務ををお任せします。 医療現場のDX課題は多く、新たなプロダクト案も日々生まれているため、新規開発にも携わっていただける環境です。 ・Webアプリケーション開発: Python (FastAPI) や React (TypeScript) を用いたバックエンド・フロントエンドの設計・実装 ・アーキテクチャの改善・運用基盤整備: 導入施設拡大に伴う運用耐性の向上、リファクタリング、CI/CDパイプラインや自動テスト環境の構築 ・オンプレミス・インフラの構築・検証: 病院内の物理GPUサーバ、ローカルLLM環境(vllm等)、および検証用クラウド(AWS)の環境整備 ・現場要件の具体化と導入支援: 社内の現役医師との仕様策定、導入先医療機関への訪問・現地システム接続・運用検証 ※ ご志向に応じて、ローカルLLMのプロンプト最適化・ファインチューニングなどのAIエンジニアリング領域にも深くコミット頂く事も可能です。 ●主な技術スタック ・フロントエンド: React (TypeScript) ・サーバーサイド: Python (FastAPI) ・インフラ:物理GPUサーバ、AWS、Docker、vllm ・データベース:PostgreSQL ・その他: Slack / GitHub / Claude Code ●開発チーム体制 ・エンジニアリングマネージャー:1名 ・Webアプリケーションエンジニア:3名 ・データエンジニア:1名 ・現役医師:2名 本プロダクトの要件定義には医療現場を深く理解する必要があるため、医師とセールスやカスタマーサクセスが一体となり、現場ニーズに即した設計・開発・導入・運用を行います。 専門分野で活躍してきたメンバーが、技術と医療ドメインの深い理解を融合して素早くPDCAを回しているチームです。

・Scrumチームの1メンバーとして、開発/運用の両方を担っていただきます。 ・1週間のリリースサイクルの中で、投入した案件については、リリースまでに必要な全工程を実施します。 ・バックログの一覧に記載された粗い内容から、実現したい成果を定義し、手段を考え、開発し、リリースまで漕ぎつけます。 ・状況に応じて、コイン、ペア、モブなどの作業スタイルの使い分け、各々の知識/スキルに応じて、相互にスキルアップしながら作業を進めます。 【ミッション】 わたしたちのミッションは、 金融/Fintech分野において、レガシーなディーリング業務をデジタル化(DX化)し、あらゆるサービスに金融機能を付与できる世界を実現していくこと です。 【大切にしている価値観】 私たちは以下3点にこだわりを持っています。 1.プロダクト(事業)の成功にコミットする 2.全権を持ったリーダーは置かず、各々のロールを信頼する 3.各自のモチベーションとミッションを結びつけることでOutputを最大化する 【開発体制・環境】 ●フロント ・React ・Typescript/JavaScript ●バックエンド ・Java×SpringBoot ・Java×独自FW(性能、耐障害性を意識する専門性の高い領域) ●インフラ ・AWS 開発手法 ・Agile/Scrum ●その他 ・Slack、GitHub 【開発メンバーの裁量】 ・OS やエディタ、IDE といった個人の環境は、各自の責任で好きなものを使うことができる 企画を決定する場に、実装を担当する開発メンバーが参加している ・タスクの見積もりは、実装を担当するメンバーが中心となって行う ・全体のスケジュール管理は、途中の成果を随時確認しながら、納期または盛り込む機能を柔軟に調整する形で行う ・プロダクトの開発言語やフレームワークなど主要な構成技術は、基本的に最新版より1年以上ビハインドしていない 【コード品質向上のための取り組み】 ・本番にデプロイされるコードには、全てコードレビューまたはペアプログラミングを実施している ・「リファクタリングは随時行われるべき」という価値観をメンバー全員が共有しており、日常的に実施している ・何らかのコーディング規約をチーム全体で遵守するようにしている ・提出されたコードには自動的にリグレッションテストが実行される環境が構築されている ・コード品質評価ツールを導入して、メンバーが常に確認できるようにしている 【テストの実施度】 ・ほとんどのプロダクトコードに単体テストを記述、実施している ・ほとんどの機能に受け入れテストを記述、実施している ・機能の実装と同時にテストコードを記述している ・想定される複数環境での品質チェックを義務づけている 【アジャイル実践状況】 ・1ヶ月以下の短い期間でのイテレーション開発を実践している ・デイリーでスタンドアップミーティング、またはそれに準じるチーム内の打ち合わせを行っている ・イテレーションの最後などに、定期的にチームでふりかえりミーティングを行っている ・タスク見積もりの単位には絶対量(人日など)ではなく相対ポイントを用い、極力複数人の意見を調整する形で行っている ・継続的なデプロイ(デリバリー)を行っている 【ワークフローの整備】 ・全てのコードをバージョン管理ツールで管理している ・各メンバーが実装したコードのマージは Pull Request ベースで行われる ・自動(=システム化され、1コマンドで実行できる)ビルド、自動デプロイ環境が整備されている ・コードによるインフラ構成管理(Infrastructure as Code)の環境が整備されている 【オープンな情報共有】 ・開発に必要な全ての資料やデータ(個人情報を除く)は、実装を担当するメンバーなら誰でも、上長その他の許可の必要なく自由に閲覧できる ・KPI などチームの目標・実績値について、メンバーの誰もがいつでも閲覧可能になっている ・チャットツールを導入しており、チームのためのチャットルームがある ・専用の情報共有ツールを使って、ノウハウや議事録、日報などの情報共有を行っている ・特定の人だけしかできない業務が存在しない(属人性をなくす取り組みをしている) 【労働環境の自由度】 ・仕事中、イヤホンの装着が許容されている ・フレックスタイム制または裁量労働制を採用している ・リモート勤務を行うことができる(要相談) 【メンバーの多様性】 ・外国籍の開発メンバーがいる ・育児中の開発メンバーが在籍している ・開発メンバーの新卒採用を実施している 【技術カルチャー】 ・CTO またはそれに準じる、技術やワークフローの標準化を行う役割の人・部門が存在する ・取締役(社内)または執行役員として、エンジニアリング部門の人間が経営に参加している ・経営トップがエンジニア出身、または現役のエンジニアである ・エンジニアの人事評価にエンジニアが関わっている ・エンジニアを対象にした勉強会(Simplex Tech Day)、カンファレンスを主催したことがある (雇入れ直後)システムの開発及びコンサルティング (変更の範囲)会社の定める業務 ※雇い入れ直後の業務内容は求人によって異なります。

●HERPの採用企業向けプロダクトのプロダクトマネジメント業務全般 ●中長期のビジョンの具体化 ●HERP Hire/HERP AI Recruiterのプロダクト価値向上に向けたディスカバリー業務 ・プロトタイピング ・ユーザーヒアリングの設計・実行とインサイトマネジメント ・エンジニアとの壁打ちを通じた開発要件への落とし込み ●デリバリー後の効果検証の設計と実行 ●社内外のステークホルダーマネジメント ※事業状況と適性を加味して決めていきます。上記は一例です ※業務内容の変更範囲:会社の定める業務 ●使用ツール ・HERP Hire(採用管理システム) ・Slack(コミュニケーション) ・Linear(チケット管理) ・Notion, Helpfeel Cosense(ドキュメンテーション) ・Google Workspace(グループウェア) ・Salesforce(SFA・MA) ・チャネルトーク(カスタマーサポート)

●HERPのプラットフォームプロダクトのプロダクトマネジメント業務全般 ●中長期のビジョンの具体化 ●HERPのプラットフォームプロダクト価値向上に向けたディスカバリー業務 ・プロトタイピング ・ユーザーヒアリングの設計・実行とインサイトマネジメント ・エンジニアとの壁打ちを通じた開発要件への落とし込み ●デリバリー後の効果検証の設計と実行 ●社内外のステークホルダーマネジメント ※事業状況と適性を加味して決めていきます。上記は一例です ※業務内容の変更範囲:会社の定める業務 <使用ツール> ●HERP Hire(採用管理システム) ●Slack(コミュニケーション) ●Linear(チケット管理) ●Notion, Helpfeel Cosense(ドキュメンテーション) ●Google Workspace(グループウェア) ●Salesforce(SFA・MA) ●チャネルトーク(カスタマーサポート)

ジョブミルのプロダクト価値向上に向けたディスカバリー業務全般の主導 ユーザーヒアリングの設計・実行とインサイトマネジメント ユーザーストーリーマッピングを通じた新機能の具体化 エンジニアとの壁打ちを通じた開発要件への落とし込み プロダクトデザイン領域における情報構造設計と、UI/UXデザイン アウトソースする場合そのマネジメント 開発後の効果検証の設計と実行 ※事業状況と適性を加味して決めていきます。上記は一例です ※業務内容の変更範囲:会社の定める業務 ●キャリアイメージ ジョブミル事業の中長期的な戦略策定と実行をリードし、プロダクトのオーナーシップを持つことで、将来的には事業責任者や、新規事業野立ち上げ、またはマルチプロダクトを横断するPdMマネージャーなど柔軟なキャリア選択肢があります ※上記は一例です。ご要望に応じて、近しいキャリアステップの社内メンバーとのカジュアル面談も設定が可能です ●チーム 日系上場企業・メガベンチャー・スタートアップ・外資コンサル・起業経験者・新卒など幅広いバックグラウンドをもつメンバーが所属しています。 ジョブミル事業責任者 並木インタビュー(https://note.herp.co.jp/n/n77e230eccae5) ジョブミルエンジニア 岩下インタビュー(https://note.herp.co.jp/n/n35e89385f7b6) HERPエンジニアが2026年に取り組んでいる重要技術課題8選(https://taketo957.hatenablog.com/entry/2026/05/19/150000) ●HERPについて 「採用を変え、日本を強く。」をミッションに掲げ、企業・人材紹介会社・求職者の三者に対し、テクノロジーを用いた最適なマッチングと意思決定を支援するHR Tech企業です。 ※ミッションについての弊社代表の思いは[こちら](https://www.fastgrow.jp/articles/herp-shoda-03)をご覧ください。 私たちは、単なる業務効率化ツールとしてのSaaS提供に留まらず、AIとデータを活用して採用におけるマッチング構造そのものをアップデートする「業務支援SaaS × マッチングプラットフォーム」構想を推進しています。 現在は、デジタル人材採用を加速する採用管理システム『HERP Hire』(累計3,000社以上の導入実績)を主軸に、一連の採用プロセスをAIが支援する『HERP AI Recruiter』、人材紹介システム『ジョブミル』、そしてスタートアップ特化型求人メディア『HERP Career』など、採用領域のあらゆるステークホルダーに向けたマルチプロダクトを展開しています。 2026年8月にシリーズCにて総額19億円の資金調達を実施し、マッチング事業を第二の柱へと進化させるとともに、AI領域への投資とプロダクト開発をさらに加速させています。 そして、この事業成長を力強く牽引していくため、2026年10月現在の約100名体制から今後3年間で300名規模への組織拡大(3年で3倍)を目指し、全職種において新たな仲間を精力的に募集しています。プロダクトの飛躍的な進化、新規事業の立ち上げ、組織基盤の構築など、まさに「HERPで働くなら今」と言える、最も手応えと熱量のある「第二の創業期」を迎えています。 100名から300名規模へと躍進するHERPのリアルな空気感や熱量については、採用動画[「HERPで働くなら今」](https://www.youtube.com/watch?v=Srt9ZtATQgo)にて詳しくお伝えしていますので、ぜひご覧ください。

ディーバの最大の価値 経験豊富なBPOと約1,300社に導入された業界No.1のソフトウェア。連結開示という専門分野に特化した2つのソリューションを持っているユニークネスこそが、私たちディーバの最大の価値です。 連結決算は成熟している市場である反面、実務のやり方は30年前から大きく変わっておらず、根強い属人化・非効率課題が残っています。社会や時代の変化に合わせて絶えず変わりつづける連結開示の「正解」を、BPOを通した実践で見つけ出し、そこで得た知見をもとにソフトウェアをブラッシュアップしていく。この唯一無二のサイクルで、私たちは企業価値向上につながる連結決算開示を提供しています。 業務内容 マーケット(顧客・パートナー)とプロダクト開発の間に立ち、連結開示の「正解」を定義し、具体的な形にして市場へ届ける役割を担います。 (業務詳細) まずはディーバの製品と顧客業務の理解を深めるため、以下の業務からスタートします。 現場でのドメイン理解(入社〜半年): ・BPOサービス部門や顧客からの問い合わせ対応・活用支援 ・自社プロダクトの教育・研修サービス運営 ・寄せられる声(VoC)の背景分析と仕組みによる解決策の考察 企画・設計領域(半年以降): ・業務設計:BPO事業と連携した「連結決算業務の標準化・フロー設計」 ・プロダクト設計:定義された要件に基づき、AI等の技術を活用した高品質かつ革新的な機能の具現化

自社プロダクトであるSaaS「SmartF」の受注が決まったお客さまに対して、経営課題や業務課題をヒアリングし、導入に向けてプロジェクト推進していくポジションとなります。3カ月～半年程かけてシステム導入～運用支援を行います。 システムは、導入することは目的ではなく、導入して利用できて初めて価値を発揮します。 お客さまがシステムを活用し、課題解決ができるよう伴走してくことがミッションです。 ・システム導入に向けた経営・業務課題のヒアリング ・業務改善提案や業務フローに応じたシステム設定 ・システム導入のPM業務(プロジェクトマネジメント) ・現場への運用説明・マニュアル構築 ・機能開発に向けたFBと案件管理(バックログ管理)　等 プロダクトに関する要望を最もいただくポジションでもあり、その声を開発部門へフィードバックをしていき、プロダクトのさらなる成長にも貢献します。 ※従事すべき業務の変更の範囲:会社の定める業務 組織について 導入支援部に配属となります。 ・人数:25名 ・チーム:4チーム(大阪3チーム、東京1チーム) 業務の進め方 お客様ごとにプロジェクトチームを構成します。 コンサルタント、オンボーディング担当、アシスタントで主に構成します。 オンラインでの対応を中心としていますが、必要に応じてお客様のもとに訪問も発生します。 営業から引き継いだらキックオフミーティングを開催し、お客様の要望を落とし込み運用やシステム要件を検討していきます。 教育体制について 入社後はまずは動画コンテンツなどで製造業や生産管理の理解を深めます。 その後、システム理解を深めるための学習コンテンツをおこない、システム利用の基礎を学びます。 インプットをしつつ、実際の案件にも入っていき、実践的に学んでいきます。 この時、バディ制度として先輩社員が教育担当としてつき、約4カ月～半年かけて独りで案件を担当できるようにサポートしていきます。 キャリアパス 皆さんのwill(やりたいこと)に応じて、以下のようなキャリアパスが想定されます。 ・スペシャリスト: 導入コンサルタントとして専門性を磨き、より大規模で複雑な案件をリードするトップコンサルタントを目指す。 ・マネジメント: チームリーダーとしてメンバーの育成やチームの成果最大化に貢献する。 ・プロダクト企画(PdM): 「Smart F」の機能開発や新プロダクトの企画を担うプロダクト企画などにもチャレンジ可能です。 ・事業開発: 導入支援の事業そのものやこれから始める新規事業の企画・推進を担うポジションへの挑戦。 はたらく環境 忙しい中でも仕事もプライベートも料率できるように以下のような制度を整えています。 ・フレックス制(コアタイム10〜16時) ・リモートワーク(出勤と組み合わせたハイブリット勤務が可能) ・時短正社員制度(子供の年齢による制限や、期限等もなし) ・アニバーサリーギフト(家族やパートナー、ペットの特別な日に対し、祝い金と休暇を会社からプレゼント) 実際に時短正社員として、子供を育てながら働いている社員も多数在籍しており、一人一人のライフスタイルに合わせた業務ミッションを任せています。

・Bring Out の対話解析AIを、顧客のシステム基盤(CRM / SFA / 音声解析 / ERPなど)に統合 ・API設計・連携、LLM・RAG・音声認識などの要素を組み合わせた新ユースケースのアーキテクチャ設計 ・複雑な非構造データを処理する解析パイプラインの最適化・汎化設計 ・クライアント課題をもとにした高速PoC〜MVP開発 ・OpenAI / Anthropic / Vertex AI など各種モデルを用いたLLM統合・パフォーマンス検証 ・新しい対話解析ユースケースの技術検証・再利用可能な仕組み化 ・BizDev・AI・Backend チームと協働し、現場実装の知見を設計原則に昇華 ・技術的リスクを特定し、再現性ある開発プロセスを設計 ・技術標準化・共通モジュール化を推進し、プロダクトのスケーラビリティを向上 技術スタック ・バックエンド: Node.js, TypeScript, Python, GraphQL ・データストア: PostgreSQL, AWS S3, DynamoDB ・インフラ系: AWS, Terraform, Docker, CircleCI

Directorは、マッキンゼー、BCG、アクセンチュアなどコンサルファーム出身者を中心に構成される Deployment Strategist 部門をリードします。当部門では、最先端のデータ解析AIを活用して顧客の一次情報を自由自在に解析し、様々な業界・業種の経営課題を解くための新たなユースケースの開拓を担っています。戦略提言に留まらず、見つけ出した経営示唆をプロダクトに埋め込むことで、顧客の意思決定を変革し続けます。 また、業界ごとの変革テーマを定義し、トップマネジメントとの関係を築き、戦略から実装まで一気通貫で事業を組み立てる責任者です。若手・中堅メンバーをリードし、エンジニアを含む各領域のプロフェッショナルと組んだ総力戦チームで顧客に成果を届け、そこから事業ポートフォリオを広げていく。コンサルティング・プロダクト・事業創造を一つの組織で握る役割です。 個別顧客レベルで担う「経営視点 × 現場視点 × AI 実装力」の三点を束ねる経験を、業界 Practice として束ね直す立場でもあります。 対話データ × AI を活用した新規変革テーマの構想 業界別 Practice の立ち上げと、勝ちパターンのユースケース化 事業ポートフォリオ戦略の立案 大企業トップマネジメントとの関係構築 経営アジェンダに基づく提案活動と意思決定リード 戦略パートナーシップの設計 DS(Deployment Strategist)チームを率いた受注案件のデリバリー Prompt Expert / Adaption Success / Engineer との連携による実装品質の担保 経営層レビューと成果検証 各ユースケースのサブプロダクト化・アライアンス形成 メンバー育成・採用への関与 再現性ある成長モデルと組織体制の構築

「ハコベル運送手配」(軽貨物・一般貨物)のフロントエンド領域において、技術方針の策定からアーキテクチャ設計・実装までをリードしていただきます。 現在のフロントエンドはVue.jsで構成されていますが、システムリプレイスプロジェクトが進行中で、React.js + TypeScriptへの移行を進めています。既存コードベースの保守と新アーキテクチャの設計・実装を並行して推進するフェーズであり、中長期の開発速度と品質を両立させるための技術的な意思決定が求められるポジションです。 フロントエンドが主軸ですが、Ruby on Railsで構成されたバックエンドにも拾える範囲で踏み込み、機能開発をフロント〜API層まで一気通貫で完結させることも歓迎しています。PdMやデザイナーとの仕様策定にも深く関わりながら、チーム全体のフロントエンド開発力を底上げする役割を期待しています。 具体的には・・・ ・フロントエンドのアーキテクチャ設計・技術選定・方針策定 ・React.js / TypeScriptを用いた新規設計・実装 ・Vue.jsからReact.jsへのリプレイス計画の推進・実行 ・コードレビューや設計レビューを通じたチームの技術力の底上げ ・パフォーマンス改善、テスト戦略の策定と推進(Jest, Playwright等) ・PdM・デザイナーと連携したUI/UX仕様の検討・フィードバック ・API設計やバックエンドの実装など、フロントエンドに閉じない領域への挑戦 【業務内容】 雇入れ直後:システム開発部 変更の範囲:会社の定める業務 ●開発環境 ・バックエンド: Ruby, Ruby on Rails, Docker ・インフラストラクチャ: AWS(EC2, S3, RDS + Aurora, etc), GCP(Firebase, BigQuery, CloudFunctions, etc) ・フロントエンド: TypeScript, Vue.js, React.js ・テスト環境: Rspec, Jest, Playwright ・バージョン管理: Git/GitHub ・CI/CD: Jenkins, CodeBuild, CircleCI ・開発・運用支援: Sentry, Datadog, GitHub Copilot ・コミュニケーション: Slack, Notion, Google Meet ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 ハコベルでは複数プロダクトを展開しており、プロダクトごとに使用する言語が異なります。 ご希望やポジション状況によって、他言語のプロダクト開発に領域を広げていくことも選択肢としてございます。 ▼キャリア事例 ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています!

エンタープライズ企業(主に東証プライム上場企業)のDX・業務改革を支援する直請けSIerとして、顧客の「0次DX」を実現するためのプロジェクトマネジメントを担っていただきます。 単なるシステム構築や基盤整備に留まらず、顧客の隣でビジネス要求を言語化し、データ活用や最新技術を用いて「顧客のビジネスをどう変えるか」まで踏み込んだ企画・リードがミッションです。 【業務詳細】 ●戦略立案・要件定義:顧客の業務課題を深く理解し、ビジネス判断の根拠となる「データの使いどころ」の整理や、開発を考慮したプロジェクト設計(現状調査、ロードマップ策定など)を行います。 ●全体設計・進行管理:データ収集から分析・活用までを横断した全体設計、およびアジャイル(スクラム)を用いた柔軟なプロジェクト推進・品質管理を担当します。 ●ステークホルダー調整(橋渡し):ビジネス部門・IT部門・エンジニア間の「翻訳」を行い、顧客と対等なパートナーとして意思決定に関与します。 ●チームビルディング・組織成長:自社のエンジニアや専門チーム(インフラ、AI、データエンジニア等)を統率し、組織の成長に向けたチームビルディングや若手育成を行います。 ●新規案件獲得サポート:営業と連携し、見積もり検討や客先訪問を通じて新規案件獲得や案件拡大のサポートを行います 。 【技術スタック・使用ツール】 クラウド: AWS / Azure / GCP など バックエンド: Java (Spring Framework), Go, Python, PHP (Laravel) 手法・ツール: アジャイル/スクラム, Git, Jira, Slack, 生成AIツール (ChatGPT, Claude等)

複数のデジタルツールで建設業界を支援してきた弊社が2019年から取り組んできた「建設 DX Platform」構想。 具体的にいうと、BtoBオンラインマッチングプラットフォームとCMSツールに、新たなSaaSツールを組み合わせることで「建設業がデジタルトランスフォーメーションに舵を切りやすくするための環境」を構築していこう!という取り組みです。 今回、入社していただく方に期待しているのは、以下の3点です。 ①経営層との調整、および経営戦略に紐づいた技術的な方向性の設計と推進 ②社内のエンジニアチームの技術的なマネジメントや制度設計 ③自社サービスのアーキテクチャの設計や構築、またはその運用 弊社のミッションは「スモールビジネスを前進させるブレークスルーカンパニー」。 ビジョンは「建設をテクノロジーでアップデートする」。 日本巨大産業のひとつである建設業界の変革は、他社で経験を積まれた方にとって、とても刺激的かつチャレンジングな仕事になるでしょう。 また社内のエンジニアの技術的なサポートも業務として発生します。 積極的にアウトプットをしながらチーム全体のスキルアップ変化を進められる方を募集します。 開発環境 フロントエンド:TypeScript, Vue.js, Nuxt.js, Sass バックエンド:Ruby, Ruby on Rails, RSpec データベース:MySQL, Redis iOS / Android:Dart, Flutter インフラ:Firebase, AWS, GCP 各種開発ツール:GitHub, Docker, CircleCI タスク管理 / ドキュメント:Slack, Notion, ZenHub 分析 / エラー監視:Sentry, Redash デザインツール:Figma ※プロダクトごとに採用技術が異なります。 ※GitHub Copilotの使用が可能です! https://branu.jp/news/page/230518/

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

エージェント体験 (AX) の設計 エージェント対話フロー・インタラクションパターンの設計 不確実性の可視化・信頼度表示の UI 設計 可逆操作 (Undo / 修正) ・権限付与 UI の設計 エージェント行動のトレーサビリティ表示設計 Human-in-the-Loop 評価 UI・フィードバックループの設計 エージェントのパーソナ (性格・振る舞い・トーン) の設計 ユーザーリサーチ ユーザーインタビュー、ユーザビリティテスト、A/B テストの設計・実施 定性・定量データに基づくデザイン判断 ペルソナ・ジャーニーマップの作成・更新 AI エージェントに対するユーザーの信頼度・満足度の測定 デザインシステム・プロトタイピング AI プロダクト向けデザインシステムの構築・運用 高速プロトタイピング (Figma、コードプロトタイプ等) 情報アーキテクチャ (IA) 設計 デザインパターンのドキュメント化・チーム間共有 【業務シナリオ例 ※以下は想定される業務シナリオの例です ● シナリオ 1 : 稟議承認 AI の信頼度表示 UI 設計 JAPAN AI STUDIO の稟議承認ワークフローで、AI エージェントが「この稟議を承認すべき」と判断した際、ユーザーが「この判断はどの程度信頼できるか」を直感的に判断できる UI を設計。 信頼度スコア、参照した過去の承認パターン、判断根拠の表示方法をプロトタイプし、ユーザビリティテストで検証。 「AI が参照したデータソース (楽々精算の金額データ + SmartHR の部門予算データ)」を可視化することで、エージェント信頼度スコアが 20% 向上。 ● シナリオ 2 : SaaS 横断ワークフローの可逆操作 UI 設計 JAPAN AI STUDIO で AI エージェントが楽々精算 → SmartHR → Salesforce を横断して自律的に実行したアクション (経費承認、人事データ更新、CRM 記録更新) に対し、ユーザーが安心して「取り消し」「修正」できる UI を設計。 複数の SaaS にまたがるアクションの Undo / Redo のインタラクションパターンを定義し、「どの SaaS のどのデータが変更されたか」を一覧で確認できるトレーサビリティ表示を実装。 エラー回復成功率が 35% 向上。 ● シナリオ 3 : 「企業の脳」のデザインシステム構築 9 つのプロダクトで一貫した「企業の脳」体験を提供するため、エージェント対話コンポーネント (チャットバブル、ツール呼び出し表示、SaaS 連携進捗インジケーター、信頼度バッジ、可逆操作ボタン等) を標準化したデザインシステムを構築。 コンポーネント再利用率が 60% 向上し、新機能のデザイン工数を 40% 削減。 ●ミッション 「企業の脳」を信頼できる存在にする 人間と AI エージェントの間に「信頼」を生むインタラクションを設計し、透明性・可逆性・説明可能性を備えたエージェント体験 (AX) を実現する。 ●Human-AI Collaboration Architect とは Human-AI Collaboration Architect は「人と Agent の信頼を設計する人」です。 従来の UX デザイナーとは以下の点で根本的に異なります。 従来のUXデザイン ユーザーの操作に対して確定的な結果を返す UIの動作は予測可能 エラーは明確 (404、入力ミス等) ユーザーが操作する 一貫した UI で信頼を構築 ・Human-AI Collaboration Architect AI の出力は確率的で、毎回異なる可能性がある エージェントの行動は不確実で、説明が必要 エラーは曖昧 (「回答が不正確かもしれない」) エージェントが自律的に行動し、ユーザーが監督する 透明性・可逆性・説明可能性で信頼を構築 ●期待する役割について Human-AI Collaboration Architect として、JAPAN AI の全プロダクト (STUDIO / CHAT / SPEECH / AGENT 等) における AI エージェント体験の設計をリードしていただきます。 エージェントの対話フロー・インタラクションパターンを設計し、ユーザーが AI を信頼して業務に活用できる体験を実現する 不確実性の可視化、信頼度表示、可逆操作 (Undo / 修正)、トレーサビリティ表示など、AI 特有の UX 課題を解決する ユーザーリサーチ (インタビュー、ユーザビリティテスト、A/B テスト) に基づくデータドリブンなデザイン判断を行う AI プロダクト向けデザインシステムを構築・運用し、プロダクト横断で一貫した体験を提供する エンジニア・PM・AI 研究者と密に連携し、技術的制約を理解した上でデザインする ●成果責任 (KR/メトリクス) ユーザータスク完了率 エージェント信頼度スコア (ユーザーサーベイ) エラー回復成功率 (ユーザーが自力で修正できた割合) ユーザーリテンション率 デザインシステムコンポーネント再利用率 ●チーム体制 約120名が開発組織に在籍しています。 密接に連携する役割: Product Manager — プロダクト設計・要件定義 Agentic Product Engineer — エージェント機能開発 AI Quality Scientist — 品質評価・ユーザビリティ Research Engineer — AI 技術の最新動向・制約の理解 ●開発環境 デザイン : Figma, FigJam プロトタイピング : Figma Prototyping, Framer リサーチ : Maze, Hotjar, Google Analytics コラボレーション : Slack, Confluence, Linear, Google Workspace, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

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

Agent Harness の設計・実装 エージェント実行エンジン (Graph Runtime / State Machine) の設計・実装 Agent SDK の設計・開発 — 社内エンジニアがエージェントを構築するためのインターフェース セッション管理・チェックポイント・リカバリ機構の実装 ガードレール / ポリシー実行エンジンの構築 — エージェントの行動を制御するルール実行基盤 AI/ML システム統合 モデルルーティング — 複数の LLM プロバイダ / モデルタイプを跨いだ推論リクエストの最適ルーティング コンテキスト管理・メモリ基盤の設計 (長期記憶、ワーキングメモリ、RAG 統合) 推論パイプラインの最適化 (レイテンシ削減、コスト効率化、キャッシュ戦略) Research Engineer と連携した最新研究成果の本番基盤への統合 オーケストレーション・パフォーマンス ワークフローオーケストレーション・キューイングシステムの開発 コスト/性能最適化 (オートスケーリング、キャッシュ、バッチ処理) 推論リクエストのルーティング・ロードバランシング 信頼性・運用 プラットフォーム稼働率 99.9% 以上の維持 インシデント対応・ポストモーテム データアクセス・権限管理基盤の設計 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1: エージェント実行エンジンの設計 JAPAN AI STUDIO 上で顧客が構築する AI エージェントの実行基盤を設計。 Graph Runtime を採用し、エージェントの各ステップを DAG (有向非巡回グラフ) として表現。 チェックポイント機構により、長時間タスクの途中失敗からの自動リカバリを実現。 ● シナリオ 2: モデルルーティングの最適化 複数の LLM プロバイダ (OpenAI / Anthropic / Google 等) を跨いで、タスクの種類・コスト・レイテンシに応じた最適なモデルを自動選択するルーティングエンジンを設計。 推論コストを 25% 削減しつつ、タスク成功率を維持。 ● シナリオ 3: ガードレール実行エンジンの構築 金融機関向けエージェントが「投資助言」に該当する回答を生成しないよう、ポリシー実行エンジンを構築。 ルールベース + LLM ベースのハイブリッド判定により、レイテンシを 50ms 以内に抑えつつポリシー準拠率 99.5% を達成。 ●ミッション 「企業の脳」の心臓部を設計する AI エージェントが安全・高速・確実に動作するための Agent Harness — 実行エンジン、オーケストレーション、ガードレール、メモリ、モデルルーティングを設計・実装する。 JAPAN AI STUDIO 上で動く数百のワークフローの制御基盤を、自社で構築する。 ●Agent Harnessとは Agent Harnessは、AIモデルを包み込む制御・実行基盤レイヤーです。 Agent Framework (LangChain等) がエージェントの「構築」を担うのに対し、Agent Harnessはエージェントの「制御・運用」を担います。 ●Backend Engineer 構築対象 : Web API・マイクロサービスの設計・実装 AI/ML との関わり : ML モデルを API 経由で呼び出す 状態管理 : ステートレスなリクエスト / レスポンス 安全性制御 : 認証・認可・入力バリデーション | ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 ●Agent Harness Engineer 構築対象 : LLM を中核としたエージェント実行エンジン・SDK・オーケストレーターの設計・実装 AI/ML との関わり : モデルルーティング、RAG 統合、コンテキスト注入、推論最適化をシステムレベルで設計 状態管理 : エージェントのセッション管理・チェックポイント・長期記憶・ワーキングメモリの設計 安全性制御 : ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 JAPAN AI では、この Agent Harness を自社開発し、全プロダクト (JAPAN AI STUDIO / CHAT / SPEECH / AGENT 等) の共通基盤として運用しています。 ●期待する役割について Agent Harness Engineer として、AI / ML の知識を活かしながらエージェントの制御・実行基盤を設計・実装していただきます。 LLM / AI エージェントの動作原理を深く理解した上で、実行エンジン (Graph Runtime / State Machine) を設計・実装する モデルルーティング、コンテキスト管理、メモリ基盤 (長期記憶・ワーキングメモリ) など、AI 特有のシステム設計を担う 社内 120名のエンジニアが使う Agent SDK を設計・開発する ガードレール / ポリシー実行エンジンを構築し、エージェントの行動を安全に制御する Research Engineer と連携し、最新の研究成果を本番基盤に統合する ●成果責任 (KR/メトリクス) Agent SDK 採用率 (社内チームの利用率・満足度) エージェント実行成功率 (タスク完了率、チェックポイントからのリカバリ成功率) Harness 起因の障害率 (ガードレール突破率、状態不整合率) 実行レイテンシ P95 / P99 (Harness 層のオーバーヘッド) 推論コスト効率 (モデルルーティングによるコスト最適化) 開発者体験スコア (SDK / API の社内 NPS) ●チーム体制 約120名が開発組織に在籍しています。 Agent Harness Engineerは以下のチームを横断して活動します: Infra — クラウドインフラ・SRE Data — データパイプライン・分析基盤 Agent Harness — エージェント実行フレームワーク 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (SDK のユーザー) Research Engineer — 研究開発・新手法の基盤統合 AI Quality Scientist — 評価パイプラインとの連携 Product Manager — プロダクト設計・非機能要件定義 ●開発環境 言語 : Python, Go (バックエンド・基盤開発) , TypeScript / React / Next.js (フロントエンド部) / NX インフラ : GCP (コンテナ / K8s) , Docker, Terraform メッセージング : Kafka / Pub/Sub 監視 : Prometheus, Grafana, OpenTelemetry ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

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

エージェント研究開発 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 新しい推論・計画・検索手法の研究開発 マルチモーダル・長文コンテキスト対応の技術開発 最新論文の調査・再現・改良実装 評価・ベンチマーク 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 合成データ生成・評価ベンチマーク設計 モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体) プロダクション課題の解決 推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等) モデル学習用データミックスの作成・最適化 エージェント評価フレームワークの高度化 本番環境での品質改善・パフォーマンスチューニング 技術移転・発信 Agentic Product Engineer チームへの技術移転・メンタリング 学術機関・OSS コミュニティとの連携 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1 : SaaS 横断検索のためのナレッジグラフ RAG の研究開発 JAPAN AI STUDIO が「企業の脳」として機能するには、顧客の全 SaaS に散在する情報を横断的に検索・統合する必要がある。 既存の RAG では「Aプロダクト の従業員データ」と「Bプロダクト の商談データ」の関係性を捉えられず、回答精度が低い。 ナレッジグラフベースの RAG アーキテクチャを研究・開発し、エンティティ間の関係性を構造化。 SaaS 横断検索の回答精度を 40% 向上させ、Agentic Product Engineer チームに技術移転して全プロダクトに展開。 ●ミッション Agentが降参する問題を解く 現在の AI エージェントでは解決できないフロンティア課題に挑み、新しい推論手法・検索 / 計画・長期記憶・ツール利用の品質限界を突破する。 JAPAN AI STUDIO 上で動く数百のワークフローが、より賢く・速く・安全に動作する未来を、研究で切り拓く。 ●期待する役割について Research Engineer として、AI/LLM/ML の最先端研究と応用研究をリードしていただきます。 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 モデルとプロンプトの自動評価を支援し、学習からプロダクトライフサイクル全体にわたって品質を担保 プロダクト組織と協力し、エージェントをプロダクトに適用するうえでの最も困難な課題を解決 モデル学習用データミックスの作成・最適化により、エージェントタスクにおける性能と使いやすさを向上 研究成果を Agentic Product Engineer チームに移転し、プロダクト全体の品質を底上げ 論文を書くことがゴールではありません。 研究成果をプロダクションに適用し、約 200 社が利用する本番環境でユーザーに届けることを重視します。 ●成果責任 (KR/メトリクス) ベンチマークスコア改善率 (社内 / 公開ベンチマーク) 新手法のプロダクション適用数 (四半期あたり) 推論レイテンシ / コスト改善率 論文・技術ブログ発表数 社内技術移転完了数 ●チーム体制 約120名が開発組織に在籍しています。 Research Engineerは以下のプロジェクトを横断して活動します: JAI Lab — AI研究開発 AI&Model — モデル学習・最適化 Voice & Tel — 音声AI・電話システム 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (技術移転先) Agent Harness Engineer — エージェント実行基盤 AI Quality Scientist Specialist — 評価パイプラインとの連携 Product Manager — プロダクト設計 ●開発環境 言語 : Python (研究・フレームワーク部), TypeScript / React / Next.js (フロントエンド部) / NX ML / AI : PyTorch, JAX, Transformers, vLLM, Weights & Biases インフラ : GCP (コンテナ / K8s), Docker ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon), デュアルモニタ対応

期待する役割 事業横断での全社AX/DX推進をリードしていただきます。 ●AI活用による事業変革の推進 ・AIを核とした既存事業の再構築、新規事業創出の企画・実行 ●全社横断プロジェクトのリード ・経営層・事業部門・エンジニアを巻き込み、部門横断的なAI活用プロジェクトを推進 ●戦略立案と実行 ・AI活用戦略の策定から、データ基盤構築、AIエージェント導入まで一貫してリード ●業務自律化の実現 ・AIエージェントによる業務プロセスの自動化・自律化を推進し、生産性・実績UPを実現 業務内容 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。 ●AI活用戦略の立案・推進 ・経営層と連携し、AI活用による事業変革戦略を策定 ・既存事業の課題分析とAI活用による解決策の企画・実行 ・全社的なAI活用ロードマップの策定と進捗管理 ●AIエージェントによる業務自律化の推進 ・業務プロセス全体を俯瞰し、AI活用による自律化領域を特定 ・AIエージェントの企画・構築・導入を推進 ・全社AI内製化体制の構築とトレーニング実施 ●AIデータ基盤の設計・構築 ・データモデル設計とアーキテクチャ最適化 ・AIを最大に活かしたデータ連携基盤の構築推進 ・データ統合・クレンジング方針策定 ●データガバナンス・運用体制の構築 ・データ品質管理、セキュリティポリシーの策定 ・アクセス制御、監査ログ管理、バックアップ体制の確立 ・運用マニュアル整備とモニタリング体制の構築 チーム体制 AXDX担当:現在3名(コンサル含む)在籍しています。 AXDX推進PJ:事業含め約30名 ※AXDX担当は、事業メンバーを取りまとめ、推進していく役割を担います。 従事すべき業務の変更の範囲 会社の定める業務

【チームの目標/ミッション】 当社は、「一企業に一つオリジナルのAIを持つ時代を創る。そしてAIは働く人をサポートし、圧倒的な生産性を実現する。」というビジョンを掲げ、日々事業運営をしております。 本ポジションのミッションは、パートナー経由で受注した顧客の成功を実現し、パートナー企業とエンドユーザー顧客のWin-Win-Winの協業体制を強化することです。 具体的には、以下3つの役割を担います： 1.パートナー経由顧客へのカスタマーサクセス支援：導入・活用支援、技術サポート、成果創出 2.パートナー企業への提言・支援：技術情報の共有、課題解決支援 3.パートナーサクセスの仕組み構築：0→1でオペレーション・プロセスを設計し、再現性ある支援体制を確立 【業務内容】 『～日本一になりたい方へ～AIで日本に革命を起こしませんか？』 現在トレンド真っ只中のAI産業。生成AIの台頭により、何十年に一度の産業革命が起こると言われており、何百社もの生成AIスタートアップが誕生しています。 その中で当社こそがAI革命を起こす企業だと確信し、全社一丸となって日々業務に取り組んでいます。 本ポジションは、パートナー経由で受注した顧客の成功を支援しながら、パートナー企業との協業を強化する、新設ポジションです。 ●パートナー経由顧客へのカスタマーサクセス支援 ・パートナー経由で受注した顧客の導入支援、オンボーディング ・AIエージェントの活用方法のトレーニング、ベストプラクティスの共有 ・技術的な問い合わせ対応（生成AIサービス特有のテクニカルサポート） ・顧客のニーズに応じたカスタマイズされたプロンプトの作成や設計を代行 ・顧客の成功事例の創出、導入効果の可視化 ●パートナー企業への提言・支援 ・パートナー企業への技術情報、活用提案の提供、勉強会の実施 ・パートナー企業との期待値調整、座組・商流の最適化 ●パートナーサクセスの仕組み構築（0→1） ・パートナーサクセスのオペレーション・プロセス設計 ・パートナー向けマニュアル・資料の作成 ・パートナーサクセスのKPI設計、効果測定 ・プロダクトチームへのフィードバック、改善提案 ●描けるキャリアパス ・入社後、半年～1年後：成果次第で、リーダー～マネージャーへ昇格 パートナーサクセスの仕組み構築（0→1）をリードし、実績を創出 パートナー企業との信頼関係を構築し、協業を拡大 パートナー経由顧客の成功事例を創出 →成果・ 実力次第で、入社後1年でマネージャーへの昇格も可能です。 ※全社として大幅な増員計画があり、パートナーサクセスは立ち上げフェーズで今後増員の可能性が高いため、チームの細分化に伴いポストがどんどん空きます。実力次第で、圧倒的なスピードでキャリアアップが可能です。 ●配属予定部署 【カスタマーサクセス部 20名】 ・事業本部長:1名 ・エンタープライズチーム:6名 ・Opsチーム:2名 ・アダプションチーム:6名 ・オンボーディングチーム:5名 【連携部門】 ・セールス部門(エンタープライズセールス、インサイドセールス) ・プロダクト開発部門(PdM、エンジニア) ・マーケティング部門 ●従事すべき業務の変更の範囲 会社の定める業務

『～日本一になりたい方へ～AIで日本に革命を起こしませんか?』 現在トレンド真っ只中のAI産業。 生成AIの台頭により、何十年に一度の産業革命が起こると言われており、何百社もの生成AIスタートアップが誕生しています。 その中で当社こそがAI革命を起こす企業だと確信し、全社一丸となって日々業務に取り組んでいます。 カスタマーサクセス部は、当社のサービスにご期待いただいた顧客が最大限の価値を受け取れるよう支援する重要な役割を担っています。 カスタマーサクセス担当として、以下業務をお任せいたします。 ●顧客オンボーディング 新規顧客の導入支援を担当します。プロダクトの使い方や機能の説明にとどまらず、顧客側のAI導入プロジェクト責任者や推進担当者を巻き込み、導入プロジェクトそのものを推進します。プロジェクトのゴール設定や推進体制づくりを顧客と共に行い、利用開始から社内定着までを伴走します。 ●顧客の成功のための戦略立案 顧客のビジネス目標や課題を深く理解し、全社的なAI活用・AIDXの推進を支援します。ツールの導入を目的とするのではなく、顧客の事業課題の解決を起点に、AIをどう活用すれば成果につながるかを設計・提案します。 ●エクスパンション (アップセル / クロスセル) の機会の特定と提案 顧客の利用状況やニーズを分析し、ライセンス(ID)拡大に向けた活用提案を行います。汎用型のAIツールから業界・業種特化型のツールまで、顧客の業務を最も理解しているCSの立場から、最適なプランを提案し、顧客の事業成長と当社の収益拡大の双方を実現します。 ●顧客向けプロンプトの作成代行と設計 必要に応じて、顧客の業務フローを理解した上で、ニーズに合わせたプロンプトの作成・設計を代行します。求める成果を出せるプロンプトを具体的な設計に落とし込みます。 ●技術サポート 生成AIやプロダクトの仕様に関する質問に対応します。プロダクトチームやカスタマーサポート部門と連携しながら、顧客が製品を効果的に活用できるよう支援します。 ●CSの各種仕組みづくりや企画 CSプロセスの改善や、顧客エンゲージメントを高めるためのイベント・セミナーの企画など、顧客の成功を支援する仕組みづくりに携わります。 ●配属予定部署 【カスタマーサクセス部 20名】 ・事業本部長:1名 ・エンタープライズチーム:6名 ・Opsチーム:2名 ・アダプションチーム:6名 ・オンボーディングチーム:5名 【連携部門】 ・セールス部門(エンタープライズセールス、インサイドセールス) ・プロダクト開発部門(PdM、エンジニア) ・マーケティング部門

ミッション(優先度順) クライアント事業変革の技術的な主体となる クライアント(主に金融・規制産業の大手企業)の現場に深く入り込み、まだプロダクトのない事業・業務領域でも課題を発見・定義し、AI Agentによる解を設計・実装・定着まで一気通貫で担う技術の当事者となること。 AI AgentソリューションのゼロからのPoCおよび社会実装を完遂する プロダクト未整備領域でのAI Agentゼロ設計から本番運用まで、「使われる状態・成果が出る状態」まで確実に持ち込む。概念実証(PoC)で終わらせない。 クライアントとの技術的信頼関係を築き、案件を次フェーズへ拡張する 単なる導入・実装担当ではなく、クライアントの技術パートナーとして機能し、案件スコープの拡大・長期継続につなげる。 FDEとしての知見を組織に還元する クライアント現場で得た課題・解決策・失敗から学んだことを社内ナレッジとして体系化し、後続メンバーの立ち上がりを加速させる。 主な業務内容 [顧客業務のAI Agent化・Platform構築] ・顧客先の業務・意思決定プロセスを理解し、AI Agent で構築できる形に分解・再設計 ・GV の Agent Platform を土台に、顧客固有の AI Agent ソリューションをゼロから設計・実装・本番運用 ・LLM・RAG を活用した業務自動化アーキテクチャの設計(PoC ではなく本番実装) ・予測・最適化モデル(需要予測・LTV最大化・顧客離反予測等)の設計・社会実装 ・運用定着KPIの設定とモニタリング(活用率・業務インパクトの数値化) [顧客への伴走・定着] ・課題定義・要件定義・提案(技術担当者〜経営層まで幅広いオーディエンスへの説明) ・定例MTGのファシリテーション、進捗管理、リスク管理 ・顧客担当者(非エンジニア含む)へのハンズオン・研修設計 ・障害対応・問合せ対応・継続改善の仕組みづくり [セキュリティ・コンプライアンス対応] ・金融機関・規制産業特有のセキュリティ要件(ネットワーク分離、データ保護、監査ログ等)への対応 ・クライアント側のセキュリティ審査・NDA・情報取扱規程への準拠 活用する技術スタック(例) AIエージェント:OpenAI・Claude 等の LLM を用いた設計・実装 言語:Python / TypeScript が中心(実装言語は案件により異なります) クラウド:AWS 等(クラウド種別は顧客環境により異なります) Webアプリケーション開発・運用、クラウドインフラ構築・運用 LLM / RAG を活用した本番システム開発(PoC ではなく本番実装) ※実際の技術構成は案件特性により異なり、入場後に最適な技術選定を行います。 チーム構成 FDEは、案件ごとに4〜5名程度のチームを組成して対応します。案件の特性・フェーズに応じて最適なメンバーでチームを編成し、課題定義から AI Agent の設計・実装・定着までをチーム一体で担います。

ご経験と志向性に合わせて、プレイングリードからマネジメント、技術選定まで流動的に役割を担っていただく想定です。 ＜具体例＞ ・技術組織の牽引: レビュアーとしてコード品質を担保し、若手エンジニア育成や開発文化醸成へ関与 ・バックエンド開発: Go言語での信頼性・可用性を重視したシステム開発・運用 ・リアーキテクチャの推進: 将来的なスケールを見据えた、拡張性の高いシステム設計および実装 ・インフラ最適化: GCPの運用管理、コスト改善 ■ 技術スタック ・フロントエンド: React、TypeScript ・バックエンド: Go、Echo、Python ・インフラ: GCP (Cloud Run、Cloud SQL等) ・データベース: Cloud SQL(PostgreSQL) ・開発環境: GitHub、Docker、GitHub Actions、Cloud Build、Terraform、Cursor、Claude Code ■ 開発スタイル/働き方 ・フルリモート、フレックスで柔軟な働き方 ・1週間スプリントでのアジャイル/スクラム開発 ・Cursorなどの生成AIを活用した効率的な開発

●職務概要 最先端の統計解析、機械学習、そしてLLM(大規模言語モデル)をはじめとする生成AI技術を駆使し、ビジネス課題の解決を推進します。 単なる分析PoC(概念実証)で終わらせるのではなく、データから得た示唆をアルゴリズムとして実装し、システム化・プロダクト化することで、「継続的なビジネス成果」を創出することがミッションです。 ●業務内容 プロジェクトの最上流から参画し、ビジネス課題の特定からアルゴリズムの選定、実装、社会実装まで一気通貫で携わっていただきます。 ・生成AI・LLM活用: RAG(検索拡張生成)を用いた社内知見の活用支援や、LLMによる業務自動化・コンテンツ生成アルゴリズムの技術検証およびシステム開発。 ・予測・最適化モデル構築: 需要予測、顧客離反予測、LTV最大化、マーケティング最適化など、大規模データを活用した数理モデルの設計。 ・社会実装とMLOps: 構築したモデルをWeb API等へ組み込み、運用・改善サイクルを回すことで、実ビジネスで活用され続ける仕組みの構築。 ・研究開発(R&D): 最新論文の調査・トレースを行い、最先端技術を商用利用可能なレベルまで引き上げる研究開発。 ・ステークホルダーとの折衝: クライアントや事業部門に対し、分析結果のレポーティングや、技術的背景に基づいた戦略的な意思決定の支援。

業務内容 【お任せしたいこと】 ショッピングアシストアプリ『PLUG』の開発をリードいただきたいです。 PLUGはユーザーから見ると拡張機能アプリの1つですが、開発領域が広い且つ複雑性も高く、開発難易度が非常に高いです。 プロダクトのURLドメイン内だけが機能の提供領域ではなく、様々なサイトにも表示されて使われる奥深さがあるため、プロダクトの開発領域はインターネット全般になっていきます。 その分、ユーザーとの接点が増えるため、インタフェースがより重要になります。 高度な技術を駆使しつつ最高のインタフェース作りに一緒に挑戦していきたい方からのご応募をお待ちしております。 【具体的な業務内容】 ●プロダクト開発の全体的な技術リード ●システムアーキテクチャの設計・改善 ●システム開発・運用 └フロントエンド開発 └バックエンド開発 └クラウドインフラの管理・運用 ●新しい技術の導入・評価 └コードレビューと品質管理 └データ収集・分析によるグロースハックの推進 └今後のエンジニアチームの構築とマネジメント └エンジニアリング文化の醸成と推進 以下記事に直近開発チームが取り組んできたことをまとめていますので、よろしければご参照ください。 https://note.com/stract/n/n494994a6292b #開発環境 ・TypeScriptの全面採用 弊社は、主要言語としてTypeScriptを全面採用しており、フロントエンド・バックエンド・インフラ定義において全面的にTypeScriptを用いています。 monorepoで基本的にすべてのpackageを一つのリポジトリで管理しており、コードの共通化ができております。 ・テクノロジースタック iOSアプリは、Web Componentで記述されているので、基本的にはReactを書いているのと感覚は同じです。他は、Next.js + Tailwind CSS + Vercel の組み合わせがメインとなっています。