資格取得支援制度あり 年収600万円以上のITエンジニア求人・転職情報

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

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)

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

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

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

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

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

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

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

【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。

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

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

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

【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

AIコンサルタント/AIテックリードとして、AIモデルの設計・開発・改善を中心に、プロジェクトの技術面をリードしていただきます。 入社後はデータ分析・モデル開発を中心に担当しつつ、徐々に設計や技術方針の検討にも関わっていただきます。 将来的には、AI開発プロジェクトにおけるコンサルタント/テックリードとして、チームを牽引する役割を期待しています。 ●AI/機械学習モデルの設計・開発・改善 ●データ収集・前処理・分析 ●Pythonを用いたAI実装・テスト ●モデル評価および精度改善 ●技術調査・新技術検証 ●エンジニアメンバーの技術サポート

●職務内容 顧客のPRJ発足前から、コンサルティング～開発・構築と一気通貫で支援を行う当社。 拡大期のインフラ部門にてPLとして活躍いただきます。 受託やSES案件にてBPの取りまとめや案件リード等をお任せする予定です。 ●具体的な業務 プロジェクトリーダーとして現場での案件管理やメンバー・BPの取り纏めやリードをお任せします。現在は受諾・SES案件中心ですが、請負・プライム案件にチームで参画できる体制構築を進めています。 また、関係値の深い大手SIerなどの案件にPM,PMOとして参画する機会も多く、上流工程+顧客との関係構築スキルを磨くことができます。コンサル・開発と三位一体となり、ともに事業を成長させましょう。 ※変更の範囲:会社の定める業務

● ポジション概要 航空機関連システムでは、設計・試験・ソフトウェア開発が高度化しており、上流工程から品質を作り込む品質保証(QA)の重要性が非常に高まっています。 要求定義から設計・検証・レビューまでを一貫して管理し、プロジェクト全体の品質を担保する“品質の番人”として活躍いただくポジションです。 ●業務内容(概要) 設計・試験・ソフトウェア開発のプロセス品質保証 技術文書作成・レビュー 信頼性解析・品質指標の分析 プロセス改善・品質レビュー ●業務内容(具体的に) 設計/試験/ソフトウェア開発におけるプロセス品質の管理・改善提案 技術文書(仕様書・設計資料・試験関連文書など)の作成/更新/レビュー 信頼性解析の実施、品質指標の分析、品質改善提案 V字プロセスに基づく品質レビューの企画・実施 設計部門・試験部門・ソフト開発部門・外部メーカーとの調整業務 プロセス監査、課題整理、改善提案 Pythonを用いた品質データの整理・解析(場合により発生) 開発全体を俯瞰し、品質面からプロジェクトを支える重要なポジションです。 ●使用ツール Excel/PowerPoint/Word Python(品質データ処理や分析で使用する場合あり)

●ポジション概要 防衛装備品・航空機関連構造物では、軽量化や高信頼性を実現するため、高精度な加工・組立・工程管理が必須となっています。 そのため、生産準備段階から製造工程を設計し、品質と生産性を両立できる生産技術エンジニアの重要性が高まっています。 本ポジションでは、工程設計、製造性検討、治工具検討、手順書作成、改善提案など、ものづくりの基盤をつくる幅広い業務を担当いただきます。 ●業務内容(概要) 製造工程設計・工法検討 製造性検討・製造工程の構築 生産用治工具の構想・仕様検討・手配 作業手順書・作業標準書の作成 設計部門・製造部門との技術調整 生産改善・品質向上活動 ●業務内容(具体的に) 製品組立に関する工程設計・工法検討 図面・仕様書を基にした製造性の事前検証 治工具の構想・仕様策定・手配計画 作業手順書・標準書の作成および更新 設計部門との技術調整(仕様確認・改善提案など) 製造ラインの改善活動(工程短縮・品質改善など) 測定器を用いた品質確認・データ取り 製造現場の課題把握と改善策の立案・実行 生産現場と設計部門双方の視点を持ちながら、 「作りやすい設計」へフィードバックする重要な役割も担います。 ●使用ツール 各種測定器 Excel/PowerPoint/Word

JBS が担当するプロジェクトの大規模化、複雑化にともない、部門をまたがるプロジェクトが増えており、その中で、QCD を守ってプロジェクトを成功に導くプロジェクトマネージャーの重要性はますます高まっています。プロジェクトを推進できる人材を強化しノウハウを共有することで、プロジェクト全体の品質向上を目指したいと考えています。 JBS には、プロジェクトマネージャーの経験豊富なメンバーを集めた組織があり、営業や各デリバリー部門と協力してプロジェクトを推進し、プロジェクトマネジメントのプロとしてのキャリアを築いていただきます。 【仕事概要】 ・プロジェクト推進(PM) ・提案活動における顧客調整、および社内の各ソリューションチームの取りまとめ ＜プロジェクト例＞ ◆Microsoft 365、Azure、AWS をはじめとしたクラウド活用、移行プロジェクト、マイクロソフト系の最新技術を用いた案件 ◆VMware、Xen、Hyper-V などの仮想化技術を活かしたソリューション案件 ◆シンクライアント、次世代端末(iPad・iPhone など)の導入案件 ◆Microsoft 365認証基盤更改プロジェクト(グローバル案件) ◆そのほか　Windows 10展開プロジェクト、インフラ基盤刷新プロジェクトなど 【入社後のイメージ】 OJT で JBS のプロジェクトの進め方を学んでいただきながら、豊富な社内研修(PMP(Project Management Professional)取得支援や技術力向上)を利用し、必要な知識を習得いただきます。

国内の労働人口減少や近年の物価高といった社会情勢に対して、企業は DX による解決を求め、IT 投資を増加させています。 また、JBS は 2023 年の上場以来、市場からの期待が高まり、それにともない、ご相談をいただくプロジェクトの規模はさらに大きくなり、複雑性も増しています。 より一層、高度なプロジェクトマネジメント能力を有する人材を必要としており、このハイクラス募集枠を設けました。 クラウドインテグレーションは JBS の重要な事業の柱であり、「大企業のお客さま向けクラウドインテグレーションのプロジェクトマネージャー(ハイクラス)」は、その中でも最重要な役割です。 プライムベンダーとしてお客さまと直接折衝し、プロジェクトチームを適切にマネジメントしたうえでプロジェクトを成功に導くことは、お客さまからもチームからも評価される、大変やりがいのあるうえに達成感を得られる仕事です。 ・プロジェクトチーム 20～30 人(案件規模 2 億円程度以上)のプロジェクトマネージャーを担っていただきます。(ラインマネージャー業務は必須ではありません) ・Microsoft を中心とした複数のクラウドサービスのインテグレーションプロジェクトが主な対象です。 ・主に扱うソリューション例:Microsoft Azure / Microsoft 365 / Entra ID / Microsoft 365 Copilot / クライアントデバイス / MDM など ・新規または継続 SI プロジェクトの提案対応をすることもあります。 ・プロジェクトマネージャー育成チームでの PM ナレッジ還元や若手指導、コミュニティ活動などにもご協力ください。 ＜プロジェクト例＞ 金融・製造・通信・流通・サービス・メディア・エンターテインメント・公共など、さまざまな分野です。 大手製造業 新会社向けシステム環境構築(役務 17 億円、150 名体制)、大手メーカーの Microsoft 365 テナント分離(役務 4 億円、30 名体制)、大手地銀 Microsoft 365 導入(役務 5 億円、30 名体制) ※ いずれも JBS がプライムベンダーです。

今後、労働生産人口の減少や嗜好の多様化にともない、さらにDXへの意識が高くなっていくことが予想されます。JBSも言われたものをただ作るだけでなく、顧客のビジネス成長に向けてともに考え、遂行していく必要があります。そのために、業務アプリケーションやデータ基盤構築経験といったIT知見を持つ人材を採用し、体制強化を図りたいと考えています。 【仕事概要】 ビジネスアーキテクトとして、以下の業務をお任せします。 ・お客さまの経営課題や事業課題を紐解き、IT / DX 戦略の立案を担う ・IT導入やDX推進に伴うBPRとして、業務自体の見直しと改革を推進する ・データドリブン経営に向けたデータ利活用企画やPoCを担う 【具体的な業務内容】 従来のSIサービスを軸とし収益獲得する労働集約型から、ビジネスおよび技術の変化の把握をとらえながら、 お客さまの売上向上とコスト削減に向けた企画提案を能動的に実施し収益獲得する知識集約型へのシフトを推進していきます。 ■実施内容 ・各提案活動 - 業界分析から課題(仮説)および解決策案をもって、JBSから提案を行います。 ・各プロジェクト実施 - システム化構想策定プロジェクト 売上向上、コスト削減の課題を経営者および現場、システムの課題を明確化しシステム化による解決策を策定します。 また解決策を実施した際の定量的な効果を算出し、システム化におけるスケジュール・リソースなどの計画を策定します。 - BPRプロジェクト ツール導入以前に業務の在り方から無理・無駄を整理しながら、ツール・システム導入の価値を最大化させます。 - データ利活用企画・PoC クラウドに依存しないデータ領域を軸として、PaaSを中心としたクラウドネイティブ化のためのサービス開発、コンサルティングを実施します。 ＜プロジェクト例＞ ・間接業務効率化に向けたBPR ・SCM改革に向けたデータ利活用 ・システム化構想案件 【組織構成】 8 名の組織です。過去に IT / DX 戦略立案・開発経験、コンサルティング・提案営業経験、業務アプリケーションやデータ基盤の構築・運用・保守などを経験したメンバーで構成されています。

完成車メーカーの開発部門にて、以下の業務を担当いただきます。 ●要素探索テーマのプロジェクトマネジメント ・新技術・要素探索テーマに関するプロジェクト進捗管理 ・間接業務の進捗管理、課題整理、関係者調整 ●機種PLサポート ・車両機種プロジェクトリーダー(PL)の補佐業務 ・タスク管理、会議運営、報告資料作成 ●開発効率化・AI活用推進 ・自動化・AI導入、データ管理(構造化・モデル化・収集) ・CAE代替化技術構築に関するマネジメント業務 ・AI技術を活用した自動車開発プロジェクトの推進支援 → 部品設計部門・性能設計部門・AI技術開発部門との連携 → プロジェクトマネージャー補佐(進捗管理・課題整理・技術的橋渡し) ●物レス開発推進 ・テスト代替手法検討(CAE/サロゲートモデル/MBS/1D) ・部門ヒアリングサポート、検討結果の整理 ●eAxle適合テストサポート ・車両駆動用eAxleの実車適合テストに関する進捗管理・調整

●業務内容 エンタープライズ向けネットワークインフラの設計・構築・運用において、要件定義から導入・最適化まで一貫してご担当いただきます。 ベテランエンジニアとして技術面のリードを中心に、ご経験に応じてプロジェクト推進にも関与いただきます。 ●ネットワーク(LAN/WAN)の設計・構築・更改対応 Cisco機器(Router/Switch等)の設計・設定・検証 L2/L3設計(VLAN、OSPF/BGP等) FW/ロードバランサの導入・設定 ネットワーク障害の切り分け/原因分析/対応 設計書/構築手順書/運用ドキュメント作成 ●PM/PL補助業務(経験に応じて) プロジェクト進捗管理/課題管理のサポート 顧客との簡易的な調整・報告対応 メンバー間の作業調整・レビュー ベンダーとの調整業務補助 変更の範囲:会社の定める業務

●全社システムの設計・構築・運用 ・クラウド上のサービスやOSSを組み合わせた基盤システムの設計、構築・運用 ・クラウド上での Kubernetes クラスタの構築と運用 ・データベース・データウェアハウスの運用 ・システムメトリクスの可視化、監視、障害対応 ・負荷試験、セキュリティー対策、ボトルネック調査、アーキテクチャの改善、クラウドコスト削減 ●社内エンジニアの生産性向上に関するシステムの設計・構築・運用 ・CI/CD パイプラインの構築 ・データパイプラインのテストシステム設計 ・社内認証基盤の設計 ●他のエンジニア職と共通の業務 ・サービスの安定提供を24時間365日、維持するためのシステム運用 ・システムの技術的な問題の発見と解決 ・運用を自動化あるいは低コストにするためのツールの開発 ※従事すべき業務の変更の範囲:なし ポジションについて 膨大なデータを扱っている フライウィールのプロダクト及びクライアントにとって、データをエネルギーとしたビジネスインパクト実現のために欠かせない技術的要件として、日々の安定したシステム稼働が求められています。 そのために、クラウドサービスとOSSをフル活用し、複数のクライアントへ効率的、安定的にサービス提供が可能なシステムインフラの構築や、マルチテナントに対して様々なソリューションを効率的に提供できるフライウィール共通基盤の構築に取り組んでいます。 今まで、検索、レコメンド、広告配信、クーポン配信、店頭在庫最適化、チラシの最適化等々、主に機械学習の技術を実世界に適用してきました。 さまざまな顧客に効率よく、素早く結果を出すためには、顧客のビジネスモデルをデータで把握した上で、やるべきことのどこまでを顧客にカスタマイズした手法で届け、どこまでを共通モジュールで行うかのバランスが重要なポイントになります。そのためにはソフトウェアエンジニア、データサイエンティスト、プロダクトマネージャー、そしてビジネスチームと連携を取りながら進めることが必須となります。 上記のようなフライウィールのビジネスならではの要求に対して、柔軟で拡張可能、かつ安定的に稼働する「持続可能なシステム」の構築がインフラチームのミッションになります。 開発環境 ●クラウド:AWS ●Infrustructure:Amazon EKS(Kubernetes), Terraform, Prometheus, Grafana ●DevOps:Bazel, GitHub, GitHub Actions