機械学習・データ活用 年収600万円以上のITエンジニア求人・転職情報

CTO管轄のAI技術開発部門となり、様々な分野でAIの技術開発を行っています。 以下一例として、候補者の技術等により、PJテーマをもって頂きながら、従事頂きます。 ※現在も多数のAIに関するPJがスタートしています。 ・ソリューション、サービスに搭載する内製AI技術の研究開発 (ドキュメント認識、画像認識、AIエージェント、LLM/SLM技術開発等) ・ベンチャー企業等との社外技術との組み合わせによる高付加価値化技術の 企画・開発 ・商品化に向けた社内外での検証及びUX開発 ・製品企画部門や開発部門、営業部門との連携によるアジャイル開発の推進 【配属予定(約50名)】 ●配属予定部の同ラボはAI技術に特化して技術開発を行っている2025年新設の部門となります。 ●様々な技術領域においてテーマを持っており、意欲の高いメンバーが揃っています。 ●20代と40～50代のメンバーがいます。 ※30代のメンバーは現在居ません。

【ポジション概要】 世界有数の金融グループであるMUFG(S&Pグローバル,2020年4月)は、3,400万人の個人、100万社の法人のお客さま(MUFGレポート,2024年)のお取引情報をはじめとする膨大なデータを活用し、店舗におけるお客様対応・事務、本部バックオフィス業務も含めた多岐にわたる業務の高度化・効率化のため、画像・音声認識、自然言語処理、ロジック処理などあらゆる形態でAI・MLを活用しています。 三菱UFJ銀行をはじめとする事業部門と至近距離で協働し、ビジネス理解及びデータ分析タスクの設定、モデル構築を主体的に推進し、MUFGのビジネス変革・デジタライゼーション(DX)に大きく貢献いただける方を募集しています。 【業務内容】 (雇入れ直後) ・データ分析テーマの選定、データ分析プロジェクトの企画・推進 ・データ分析業務(設計・構築、データ解析、可視化、データ分析結果の評価等)を通じた業務革新・効率化 ・AIや機械学習を用いたモデル実装、運用を通じた銀行業務高度化 ・データの構造化・加工・分析処理等のデータエンジニアリング ・生成系AIの活用推進・分析への活用 (変更の範囲) 会社の定める業務 【業務内容】※補足 ・データ分析・AIモデル開発に加え、企画〜運用まで一貫して関与 ・ビジネス部門と連携し、課題設定から価値創出まで担うプロジェクト推進 ・不正検知、マーケティング、業務効率化など多様なテーマに対応 ・大規模データ(数千万件規模)を活用した分析・開発 ・MLOps等を用いたモデル運用・改善の高度化 【役割・責任】 ・データ分析案件の担当者として、MUFGの事業部門と協働しビジネス課題からデータ分析タスクの抽出、評価基準策定を支援。 ・データの探索、前処理、モデル構築、モデル評価、プロダクションで稼働しているAIモデルの保守運用 ・エンジニアチームに対する技術的なリーダーシップ提供(ツール・インフラ整備・利用指南・コードレビュー・設計等)、およびコーチング・メンタリング。 【配属想定部署】 データサイエンス部(グループ事業部門・デジタルイノベーション本部配下) 【配属想定部署概要】 ・AI/データサイエンス推進に係る企画・推進・管理・取り纏め(※銀行と協働) ・AI/データサイエンスの人材開発、体制整備 ・データ分析業務 【配属想定部署の人員構成】 約50名が在籍。 若手社員から中堅社員まで幅広く在籍。 ・2022年度、2023年度の中途採用者約10名在籍しており、中途採用者も活躍中 ・20代のメンバーが約4割程度 【おもな関係者】 各業務を所管するMUFG事業部門、社内開発チーム、外部企業等と、マネジメント層・メンバーを問わず、連携いただきます。 また、社内やMUFG全体に対する啓蒙活動や情報発信等を担っていただくため、社内マネジメントとの連携やレポーティング機会も多くあります。 学術機関、外部コミュニティ等との連携も積極的に実施いただきます。 【想定担当案件(例)】 銀行各部門の様々な業務に関連するデータ分析を行っていただきますが、以下のようなプロジェクトに携わっていただきます。 ・セールス部署への顧客動向分析、レコメンデーション提供 ・自然言語処理等を活用した銀行業務高度化 ・生成系AI活用案件 ・金融サービスに係わる不正検知 【インタビュー記事】 https://www.it.mufg.jp/recruiting/career/work/projects.html ・データサイエンス部：[データサイエンスで推進するMUFGのビジネス変革](https://www.bizreach.jp/job-feed/public-advertising/rgpw7g8/)

【ポジション概要】 世界有数の金融グループであるMUFG(S&Pグローバル,2020年4月)は、3,400万人の個人、100万社の法人のお客さま(MUFGレポート,2024年)のお取引情報をはじめとする膨大なデータを活用し、店舗におけるお客様対応・事務、本部バックオフィス業務も含めた多岐にわたる業務の高度化・効率化のため、画像・音声認識、自然言語処理、ロジック処理などあらゆる形態でAI・MLを活用しています。 昨今の生成AI技術の発展に伴い、MUFGにおいても生成AIを用いたアプリケーション開発の需要が急速に高まっていることから、MUITではAI・ML技術を用いたアプリケーションの開発および保守を所掌として組織・ユーザの課題を解決するチームを立ち上げました。 本募集は、このチームでAI・ML技術を用いたシステム開発を上流から下流まで一貫して担えるアプリケーションエンジニアおよびアプリケーションアーキテクトを募集します。 【業務内容】 (雇入れ直後) ・当社で開発している主にAI・MLを用いたアプリケーションの開発(要件定義～リリースまでの全工程)と保守 ・技術負債の解消、新しいアーキテクチャの検討、あるべきアーキテクチャの策定 ・チームビルディングとプロジェクト管理 ・新しい技術の標準化、製品選定および評価 (変更の範囲) 会社の定める業務 【役割・責任】 ■組織(MUFGグループ各社および当社)全体に対する役割・責任 -AIテクノロジーを用いたアプリケーション開発を行うために関係者をリードし、組織内ルール・ガイド等を整備 -AI関連、クラウドネィティブな観点等、アプリケーション開発関連の動向を常に把握しアセットへ反映、現場へフィードバックする -組織内のアプリケーション開発に関するコミュニティやAI関連組織に案件を通じて得られたベストプラクティスをフィードバックする -開発環境を整備、継続的に高度化することで開発生産性を向上させる ■開発案件における役割・責任 -アプリケーションエンジニアとして主体的に開発を担う -(上位の方)プロジェクトマネージャ/スクラムマスターとして開発チームをリード、案件のQCDに責任を持つ -他エンジニアやアーキテクト等関係者と協業して、開発案件の予定通りのリリースに貢献する -課題解決のため、様々なレベルの異なるステークホルダーと調整・折衝を行う -常に最新のテクノロジーに関する情報を収集、自らの知識経験を周囲に伝播し、組織および後進の育成に貢献する 【配属想定部署】 グループ事業部門・デジタルイノベーション本部配下の各部 【配属想定部署概要】 分散系業務開発の標準化および機能集約の企画・推進・管理・運営を担う部署。具体的な業務は以下のとおり。 ■生成AIやデータ分析システムの開発 【配属想定部署の人員構成】 約150名 ※銀行等からの出向者を含む 【おもな関係者】 各業務を所管する三菱UFJ銀行の事業部門、社内開発チーム、外部企業等と、マネジメント層・メンバーを問わず、幅広く関わって頂く機会があります。 【想定担当案件(例)】 2025年度以降、AI領域で数多くの開発案件が予定されている。アプリケーションエンジニアとして特定の案件に参画いただき、アプリ開発保守およびプロジェクト管理を実施頂きます。以下は開発案件の例です。 ■行内チャットアプリ開発 三菱UFJ銀行向けのChatGPTライクな行内チャットアプリの開発、次期アプリのグランドデザイン策定、Graph-RAGなど最先端技術の提案やプロトタイピング ■Visual Studio Code 拡張機能 VSCodeのプラグインとして生成AIを用いたテストコード自動作成機能を開発、社内での普及促進やOSS化の推進

募集部門 ビジネストランスフォーメーション事業本部　DX統括部　データサイエンス部 配属先 当該ポジションが所属するビジネストランスフォーメーション事業本部は、「はたらく人の可能性を拓く」を目指し、顧客事業の変革を一貫して支援できるソリューションを開発・提供しています。 クライアントが保有する膨大なデータを効率的に利活用のために、ニーズ抽出から基盤構築、データの整理、BIツールへの接続まで一連の流れをご対応いただきます。 ●データ抽出要件の整備:クライアント企業の分析要件に基づき、データ抽出の要件を整備します。 ●データ基盤の構築:顧客データ(広告ログ、WEB閲覧ログ、POSデータなどのWEBデータや、位置情報、統計データ、競合他社データなどの外部データ)を活用して、データ基盤(CDP・DMPやDWH)を構築します。 ●中間テーブルの設計・プログラミング:データ基盤から分析ツールやBIへ接続するための中間テーブルを設計し、SQLなどを用いてプログラミングを行います。 開発環境例(担当案件によって異なります) 開発言語:Python, SQL, JavaScript 開発環境:Treasure Data, GCP, AWS, Linux, Jupyter Notebook データベース:Treasure CDP, Redshift, BigQuery, PostgreSQL リポジトリ管理:Git ※データ基盤の構築・運用だけでなく、Salesforceなどのツールを駆使し、ユーザーがデータを扱いやすくする支援も行います。 案件例 1.大手通信会社の基盤構築PJT データ基盤の運用保守、新規構築。 ダッシュボードの構築や分析環境の最適化を担当。 活かせるスキル:ダッシュボード構築スキル、データ基盤構築スキル 2.大手通信会社のデータ活用・分析PJT ペイメント事業のデータ活用。 データ抽出、加工、分析を行い、顧客とコミュニケーションを取りながら対応。 活かせるスキル:クラウド技術、SQL、Python、アジャイル開発、BtoBのデータ分析スキル 3.大手決済サービス会社のSalesforce運用保守PJT Salesforceの運用保守。 保守チケット作業から始め、顧客との要件定義支援業務にもチャレンジ。 活かせるスキル:Salesforceの機能/データ構造理解、顧客交渉スキル、メンバーマネジメント、リスク評価アクション、PJT運用管理能力 働く環境について ・現在、業務はリモート推奨しており、フレックスを取り入れた柔軟な働き方が可能(案件リモート率90%) ・チームメンバーは20代前半の若手新卒から40歳前後まで幅広い年齢層(男女比5:5) ・定例MTGや1on1を実施、疑問解決などについてもチャットツールを活用して気軽にやりとりできるカジュアルな雰囲気

組織説明 ・配属グループは、MGRの元、エンジニアが14名ほど在籍しています。 ・全員中途入社者となり、さまざまなバックグラウンドを持った方が活躍しています。 全社のデータ活用を支える基盤の企画・設計から構築・運用まで一貫して携わっていただきます。 ●データ活用基盤の構想化検討/ロードマップ策定/ソリューション選定 ●現状のデータ活用環境の主要課題の整理/改善策の方針・実施 ●データマネジメント方針策定(ガバナンス、メタデータ管理、品質管理)およびデータ活用プロセスの整備 ●構想化検討後のデータ環境構築またはデータ活用プロジェクト計画の計画・推進(要件定義～運用まで) ●パイプライン開発、ETL/ELT設計 開発環境 【言語】Pythonなど 【データ管理・基盤】Oracle、MySQL、Redshift、BigQuery、Databricksなど 【BI】Looker、Tableau、PowerBIなど 【ソースコード管理】Git 【プロジェクト管理】Backlog 【インフラ】AWS、GCP、Azure 【課題管理、コミュニケーション】Slack、teams 働き方 ●フレックスタイム制度を導入。 子育てと両立しているエンジニアや副業を行っている社員もいるなど、ご自身の裁量で働く時間のコントロールが可能です。 ●リモートワークを推進しており、9割がリモート主体の就業です(必要に応じて出社の必要あり)。 遠隔地にお住まいの方のフルリモート就業も可能です(要相談)。リモート勤務手当の支給、モニターなどの備品貸出のサポートがあります。 ●PC選択(Mac・Windows)が可能。 ●研修受講、イベント登壇、副業など自己研鑽を推奨。マルチクラウドでの技術検証も行え、学習環境も充実しています。 社員インタビュー データマネジメントの重要性を探る―データ総研×パーソルキャリア特別座談会 https://techtekt.persol-career.co.jp/entry/culture/250219_01

データドリブン経営の推進がミッションです。 エンドユーザーが利用するためのデータ整備、データ・AI利活用のための環境整備と、環境を使っていくユーザーに対してのスキルアップの機会を提供します。 下記①、②が主な業務となります。 <①ビジネスサプライ事業のデータ分析基盤構築・運用・利活用促進> 1.データパイプラインの開発・運用 様々なデータソースからデータを収集し、データ分析基盤に連携し、ビジネスユーザーに提供するまでのETL/ELTパイプラインの構築 2.データ分析基盤内のデータ管理 データウェアハウスの設計・構築・運用、データの正確性・一貫性を保つためのデータ品質管理 3.データ分析AIエージェントの提供 データ分析基盤において、セマンティックレイヤーを整備し、それを活用するためのAIエージェントを開発し、エンドユーザーに提供 4.データ分析基盤の設計・構築・運用 ビジネスユーザーと協力しながらデータ活用による課題解決や価値創造につながるユースケースの実現とそれを可能にするデータ環境の整備 5.データ分析環境の提供 ビジネスユーザーやデータアナリスト・データサイエンティストが効率的にデータを分析するためのBIツールやAI環境の整備 <②コクヨグループとパートナー企業へのデジタルスキル向上支援> 6.KOKUYO DIGITAL ACADEMYでの技術支援 AI・IT・データに関する知識の獲得とスキル向上を目的としたプログラム(講座と実践)のテクニカルサポート 【部門について】 <データドリブン推進ユニット> データドリブン推進ユニットは2023年5月に発足し、コクヨ内でデータとテクノロジー利活用において最先端を走るチームです。 私たちは、開発とユーザーサポート活動のスピードと質を継続的に高めるために、アジャイル(スクラム)手法を導入しています。 2週間を1スプリントとし、スプリントプランニング(計画)、スプリントレビュー(成果確認)、レトロスペクティブ(振り返り)のサイクルを回しながら、日々の業務に取り組んでいます。 <組織構成> ①データテクノロジーグループ:ユニット長兼グループリーダー1名、メンバー2名(データエンジニア、データサイエンティスト) ②データアナリティクスグループ:グループリーダー1名、メンバー3名 他、コクヨの人材プログラムである「20%チャレンジ(全工数の20%を社内複業として別ミッションに充てる)」で参画しているメンバーが4名所属 【ビジネスサプライ事業について】 配属先となるビジネスサプライ事業は、文具や家具にとどまらずオフィスで使うものをトータルでお届けする流通事業を担っています。ニーズに合わせてサービスを多角化させながら、オフィス用品購入の効率化と販売店側の受発注業務の効率化をサポートしています。EC購買のニーズが高まっている法人向け通販市場をベースに継続的な事業拡大を目指しています。

「AI開発部」でAIプロダクトマネージャーを担当していただきます。 AI開発部は各プロダクトチームと連携しながら、AIを用いた機能を実験、実装、運用するチームです。将来的には学習パイプライン、各プロダクトで横断的に利用するデータ基盤の整備など、ML/LLMOpsにも取り組みます。 現在は具体的に以下のようなテーマに取り組んでいます。 ・他社プロダクトとのデータ連携の効率化 ・書類からのデータ入力の効率化 ・タレントマネジメント関連データの分析高度化 AIプロダクトマネージャーの役割は、各プロダクトの解決しなければいけない課題を理解し「何をつくるのか」「なぜつくるのか」に責任を持ち、開発チームと一緒に「どのようにつくるか」「どう実現するか」を考え、推進していくことです。 具体的には以下のような活動を行います。 ・各プロダクトチームと認識を揃えるためのドキュメント作成やコミュニケーション、調整 ・中長期ミッション達成のためのチームの目標やロードマップの作成 ・新規のAIを利用したソリューションの企画、実験計画、推進 ・既存のAIを利用したソリューションの企画、実験計画、推進 ・共通モジュール、データパイプライン整備のための企画や設計、推進 ※業務内容変更範囲:会社の定める業務

【ポジション概要】 世界有数の金融グループであるMUFGには、個人3400万人、法人100万社のお客さまのお取引情報をはじめとする膨大なデータが存在します。 (MUFGレポート 2025年) MUFGのビジネス戦略立案にデータは不可欠となり、この5年で管理するビッグデータはペタバイトを優に超え、BI・AIの拡大による開発量は10倍になりました。 ビジネスアジリティを高めるデータを提供するために、人やAIが利用しやすいデータを加工し提供するデータエンジニアと、それを支えるアーキテクト、またシステム全体を統括するデータマネジメントの活躍が重要になります。 加えて、20年来MUFGで稼働しているデータ基盤の大規模な更改を控えており、ゼロからシステム・MUFGの未来を設計・開発できる転換期を迎えています。 三菱UFJ銀行をはじめとする膨大なデータをMUFGすべての事業部門が活用できるデータとプラットフォームを開発し、変化の激しいビジネスに迅速に応える開発を推進するために、データそのものに価値を見いだせる人、MUFGの未来・ビジネス変革に大きく貢献いただける方を募集しています。 【業務内容】 (雇入れ直後) ・データエンジニアとしてデータの構造化・加工・処理高度化等の企画・開発 ・エンタープライズ データプラットフォーム(データウェアハウス・データレイク・マーケットプレイス)の企画・推進 ・データマネジメントとしてデータガバナンス、データアーキテクチャの企画・開発 ・ITアーキテクトとしてデータ活用を支えるプラットフォームの企画・開発 ・超大規模なデータ基盤の更改をはじめとした大中小の開発プロジェクトにおけるプロジェクトマネジメント ・生成系AIの活用推進・システム開発・データエンジニアリングへの活用 (変更の範囲) 会社の定める業務 【役割・責任】 ・膨大なデータの収集から利活用に向けた加工などのデータエンジニアリング開発における小規模から大規模の企画・開発担当及びプロジェクト推進 ・AI-Readyなプラットフォームと利活用のためのポータルWeb開発における中規模から大規模の企画・開発担当及びプロジェクト推進 ・データ基盤の更改における、システムアーキテクチャ、AI活用等、先進技術の適用検討及び、プロジェクト推進 【配属想定部署】 ・データエンジニアリング第一部 ・データエンジニアリング第二部 (共に情報本部配下) 【配属想定部署概要】 ・MUFGのあらゆる情報をビッグデータとして管理し、エンタープライズなデータウェアハウス、データレイクハウスの企画・開発・保守を担う 【配属想定部署の人員構成】 データエンジニアリング第一部、第二部共に約40名(計80名)が在籍。 若手社員から中堅社員まで幅広く在籍。 ・部長をはじめ中途採用者も多く在籍、活躍しており、風通しの良い環境 ・開発需要旺盛で、最新のテクノロジーを採用するなど若手のうちから様々なことにチャレンジできる風土 【おもな関係者】 三菱UFJ銀行のデジタル戦略(AI・BI推進等)及び経営基盤業務(経営情報管理・活用等)の業務・企画部門。 担当するプロジェクトに関わる当社各部及び、当部に在籍し、開発作業の一部をご担当頂くビジネスパートナー各社。 検討、採用する製品の営業、プロダクト担当。 【想定担当案件(例)】 ・MUFG各社で取り扱うデータをビッグデータ基盤に集約し、AIやBIをはじめとした利活用のためのデータを提供するパイプライン構築 ・20年来稼働してきたデータ基盤(メインフレーム)の超大規模更改(オープン化・クラウド化)及び、モダナイズ ・データとAIの融合(AI-Readyなプラットフォーム)及び、データ利活用のためのポータル開発

世界各国にグローバル展開しているMUFGでは、各種市場商品の金融サービス(為替/資金/金利デリバティブ等)もまたグローバルに活用されています。 MUFGのお客さま向けの市場金融サービス、ポジション・収益管理、商品横断のリスク管理、各国の規制・報告やコンプライアンス順守等、MUFGの市場業務もまた多岐にわたり、その広範な業務を支えるシステムソリューションへのニーズは年々増加傾向にあります。 そんな背景の中、激動の金融市場を勝ち抜いていくためのシステム創りで、MUFGの市場業務を共に支えていく仲間を募集しています。 (雇入れ直後) 三菱UFJ銀行及びMUFGグループの市場業務を支える以下システムの企画、設計、開発や、プロジェクトマネジメントをご担当頂きます。 ・為替予約の顧客チャネルシステム(国内、海外) ・為替電子取引・プライシングプラットフォーム ・為替資金、先物、通貨オプション、金利デリバティブ、債券等の社内業務システム ・情報系システム、規制報告・コンプライアンスモニタリングシステム ・リスク管理システム(市場リスク、信用リスク) (変更の範囲) 会社の定める業務 経験・適性に応じた役割をアサインし、システム化の企画検討や、要件定義からシステムリリースまで一貫したシステム開発によるソリューション実現、大小並行するグローバルに推進するプロジェクトの牽引・コントロールなどを行っていただきます。 ユーザーと近い距離で、その期待に応えていく為、得られる達成感、やりがいも大きな仕事です。 市場本部 本部全体で、約200名のMUIT社員と、約500名のビジネスパートナー各社社員が協業する計700名規模の組織です。 国内金融機関の中でも常にフロントランナーとして道を開き、先進的なプロダクト、サービス、技術に挑戦する、各エリアのエキスパート達と切磋琢磨しあえる刺激的な環境です。 グローバルに広がるユーザー組織、IT組織、ビジネスパートナー、外部機関、そしてMUIT社内各部署の、それぞれのトップ・マネジメントから個々のチームメンバーまで、幅広い人たちと協業しながら仕事を進めます。 国内金融機関の中でも常にフロントランナーとして道を開き、先進的なプロダクト、サービス、技術に挑戦する、各エリアのエキスパート達と切磋琢磨しあえる刺激的な環境です。 ・為替予約の顧客チャネルシステム(国内、海外) 機能レベルアップ、海外拠点展開 ・為替電子取引・プライシングプラットフォーム プライス提供先の拡大 ・為替資金、先物、通貨オプション、金利デリバティブ、外国債券等の社内業務システム 新商品対応、ISO等制度対応、各国規制対応、基幹系システムの更改 ・情報系システム、規制報告・コンプライアンスモニタリングシステム AWS環境への準リアルタイムDB構築、データ利活用拡大、各国規制対応 ・リスク管理システム(市場リスク、信用リスク) 新商品対応、与信管理高度化、海外拠点展開

【ポジション概要】 世界有数の金融グループであるMUFG(S&Pグローバル,2020年4月)は、3,400万人の個人、100万社の法人のお客さま(MUFGレポート,2024年)のお取引情報をはじめとする膨大なデータを活用し、店舗におけるお客様対応・事務、本部バックオフィス業務も含めた多岐にわたる業務の高度化・効率化のため、画像・音声認識、自然言語処理、ロジック処理などあらゆる形態でAI・MLを活用しています。 三菱UFJ銀行をはじめとする事業部門と至近距離で協働し、ビジネス理解及びデータ分析タスクの設定、モデル構築を主体的に推進し、MUFGのビジネス変革・デジタライゼーション(DX)に大きく貢献いただける方を募集しています。 【業務内容】 (雇入れ直後) ・データ分析テーマの選定、データ分析プロジェクトの企画・推進 ・データ分析業務(設計・構築、データ解析、可視化、データ分析結果の評価等)を通じた業務革新・効率化 ・AIや機械学習を用いたモデル実装、運用を通じた銀行業務高度化 ・データの構造化・加工・分析処理等のデータエンジニアリング ・生成系AIの活用推進・分析への活用 (変更の範囲) 会社の定める業務 【業務内容】※補足 ・データ分析・AIモデル開発に加え、企画〜運用まで一貫して関与 ・ビジネス部門と連携し、課題設定から価値創出まで担うプロジェクト推進 ・不正検知、マーケティング、業務効率化など多様なテーマに対応 ・大規模データ(数千万件規模)を活用した分析・開発 ・MLOps等を用いたモデル運用・改善の高度化 【役割・責任】 ・MUFG事業部門と協働し、ビジネス課題からデータ分析タスクの抽出、評価基準を設定 ・データの前処理、モデル構築、モデル評価 ・業務特性を鑑みてモデルの運用、評価基準を設定および最適なシステムアーキテクチャを検討する ・当該領域の高い知識とスキルを持つプロフェッショナルとして、組織全体のデータサイエンスやデータエンジニアリングに関するスキル・知識の啓蒙・伝搬を担う。 ・開発エンジニアチームに対する技術的なリーダーシップ提供(ツール・インフラ整備・利用指南・コードレビュー・設計等)、およびコーチング・メンタリング。 【配属想定部署】 データサイエンス部(グループ事業部門・デジタルイノベーション本部配下) 【配属想定部署概要】 ・AI/データサイエンス推進に係る企画・推進・管理・取り纏め(※銀行と協働) ・AI/データサイエンスの人材開発、体制整備 ・データ分析業務 【配属想定部署の人員構成】 約50名が在籍。 若手社員から中堅社員まで幅広く在籍。 ・20代-30代のメンバーが大半 【おもな関係者】 各業務を所管するMUFG事業部門、社内開発チーム、外部企業等と、マネジメント層・メンバーを問わず、連携いただきます。 また、社内やMUFG全体に対する啓蒙活動や情報発信等を担っていただくため、社内マネジメントとの連携やレポーティング機会も多くあります。 学術機関、外部コミュニティ等との連携も積極的に実施いただきます。 【想定担当案件(例)】 銀行各部門の様々な業務に関連するデータ分析を行っていただきますが、以下のようなプロジェクトに携わっていただきます。 ・セールス部署への顧客動向分析、レコメンデーション提供 ・自然言語処理等を活用した銀行業務高度化 ・生成系AI活用案件 ・金融サービスに係わる不正検知 【インタビュー記事】 https://www.it.mufg.jp/recruiting/career/work/projects.html ・データサイエンス部：[データサイエンスで推進するMUFGのビジネス変革](https://www.bizreach.jp/job-feed/public-advertising/rgpw7g8/)

以下の中から個々のスキルや事業状況に応じた業務を担当いただきます。 ●ABEJA Platform / ABEJA LLM Series / ABEJA Insight for Retail などのプロダクトに関連する開発・運用業務の実施 ・AIパイプライン基盤、LLMOps基盤、数千台のカメラ・センサーデバイス等のデータ分析・可視化 B2B SaaS プロダクトなどの強化活動にバックエンドエンジニアとして参画し、提供価値を最大化、定期的なメンテナンス活動を実施 ●プロダクト研究・開発に必要な技術検証業務の実施 ・以下一例、スキルに応じて ・LLM/生成AIに関する技術検証 ・新しいフレームワーク、新しい基盤の技術検証 ・新しいIoTデバイスの価値検証 ●各種スクラムイベントへの参加 ・スプリントレビュー、レトロスペクティブ、スプリントプランニングの定例会議への参加 ・開発進行に関する議論に参加 ●サービスレベル改善と運用効率化業務(SRE業務)の実施 ・KAIZEN DAY(週1回)に参加し、デプロイ頻度の向上、変更リードタイムの短縮、変更障害率の低減を実現 ●その他の業務 ・エンジニアチームの強化のための採用活動や勉強会登壇などに積極的に参加 ・技術スタック一覧(StackShare)に基づいた開発や技術の選択と活用 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

ミッション 「テクノロジーの力で産業構造を変革する」 お客様の抱える経営課題/事業課題を、機械学習(LLM含む)・統計・数理最適などデータサイエンスの力を駆使することで根本から解決へ導きます。 そのために、本ポジションでは、プロジェクトマネージャなどのビジネスサイドやエンジニアと密に連携しながら、要件定義・技術選定・モデル開発・運用まで、一連の流れを率いていただきます。 また、組織全体のパフォーマンスを最大化するため、メンバー育成やカルチャー醸成など多方面でリーダーシップを発揮し、ABEJAが描く未来を共に創っていただきます。 業務内容 プロジェクトマネージャやエンジニアと連携しながら、様々なデータサイエンス技術を駆使して、お客様の経営課題/事業課題を解決に導いていただくポジションです。 グループ全体のアウトプットが顧客満足に繋がるよう、シニアメンバーと共にその品質向上に務め、価値提供に向けて必要なアクションを取っていただきます。 ●データ分析、モデル作成データ要件の整理、技術スタック選定 ・データの前処理、EDA、可視化 ・最適な手法の調査・選定 ・モデルの作成、精度・性能評価 ・ディープラーニングを含む機械学習(画像・自然言語・構造化データ) ・大規模言語モデル(LLM)の活用(学習、推論含む) ・統計解析・因果推論などの統計モデリング ・数理最適化などの数理モデリング ●エンジニアと連携したモデルの商用実装 ・定期的なモデルのパフォーマンス評価、パフォーマンスの維持・向上(ML ops / LLM ops) ●提案活動、提案内容レビュー ・受注前のプロジェクトにおける顧客との折衝、プロジェクトの要件整理 ・整理した要件に基づく、提案内容のレビュー、実現可否判断 ・提案を魅力的にするための最新技術知見を踏まえた示唆だし ●技術の横展開・技術ブランディング ・実装ロジックの汎用化およびプロダクト化 ・技術ナレッジの公開(論文投稿・学会発表・勉強会登壇・Meetup、テックブログ等)

●ミッション 「テクノロジーの力で産業構造を変革する」 生成AIが業務の中核へ入り込む時代において、ミッションクリティカル領域でも安心して使えるLLMを研究開発し、社会実装可能な形で届けることで、お客様の経営課題/事業課題を根本から解決へ導きます。 そのために本ポジションでは、大規模言語モデル(視覚言語モデルを含む)の研究開発を推進し、データ設計・学習/評価・推論最適化・運用を見据えた開発基盤整備までを一体で担います。プロジェクトマネージャなどのビジネスサイド、プロダクト/プラットフォームを支えるエンジニアと密に連携しながら、要件に沿ったモデル方針の策定から、品質を担保するベンチマーク設計、継続的な改善サイクルの確立まで、価値提供の中核をリードしていただきます。 また、組織として研究開発力を継続的に高めるため、知見の体系化や開発プロセスの標準化、メンバー育成やカルチャー醸成にも主体的に関わり、ABEJAが描く未来を共に創っていただきます。 ●業務内容 高い性能と利便性を両立する国産大規模言語モデルの開発、改善、研究を中核として推進いただくポジションです。単にモデルを作って終わりではなく、得られた成果をプロダクトやソリューションへ落とし込み、業務価値として継続的に届け切るところまで一気通貫で担っていただきます。 ・大規模言語モデル(LLM)の開発・改善・研究 　-モデルアーキテクチャ、学習手法、推論最適化に関する調査・設計・実装 　-継続事前学習、指示チューニング、アライメント、強化学習等による性能向上 　-長文対応、ツール利用、エージェント化を見据えた能力拡張の検討 　-日本語および業務特化領域での品質・安全性・信頼性の向上に向けた改善サイクルの確立 ・評価・ベンチマーク設計 　-日本語/業務ドメインに即したベンチマークの設計・運用 　-オフライン評価とオンライン評価の設計、継続的な性能モニタリングと劣化検知 　-ハルシネーション、情報漏洩、プライバシー等のリスクを踏まえた検証と対策 ・開発基盤・データ基盤の整備 　-学習/評価/推論のパイプライン設計・運用、再現性の高い実験環境の構築 　-データ収集、品質管理、フィルタリング、アノテーション方針の策定と運用 　-コストやスループットを意識した推論環境の最適化、LLM Opsの整備 ・プロダクト/ソリューションへの接続 　-PM/PdMと連携した要求整理、ロードマップへの反映、要件に沿ったモデル方針の策定 　-エンジニアと連携した商用実装(API化、周辺機能、運用設計)、クライアント環境での導入支援(オンプレミス含む) 　-業務プロセスへの組み込み、検証設計、運用定着までの伴走と改善 　-再利用可能なコンポーネント化やプロダクト化による横展開 ・チームリーディング、技術横展開・技術発信 　-技術アプローチレビュー、コードレビュー、ナレッジ共有を通じた開発品質の向上 　-メンバー育成やカルチャー醸成への貢献 　-技術ナレッジの公開(論文投稿・学会発表・勉強会登壇・テックブログ等) 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

●ミッション 「テクノロジーの力で産業構造を変革する」 フィジカル領域にも生成AIの波が押し寄せる中で、大規模基盤モデルによるロボット制御・ロボット動作生成等に関する研究開発を推進し、実現場で安全かつ安定して価値を発揮する形で社会実装することで、お客様の現場課題を根本から解決へ導きます。 そのために本ポジションでは、Embodied AI/VLA(Vision-Language-Action)を含む大規模基盤モデルの研究開発を中核として、データ設計・学習/評価・推論最適化・運用を見据えた開発基盤整備までを一体で担います。 プロジェクトマネージャなどのビジネスサイド、プロダクト/プラットフォームを支えるエンジニアと密に連携しながら、現場要件に沿ったモデル方針の策定から、品質を担保する評価設計、継続的な改善サイクルの確立まで、価値提供の中核をリードしていただきます。 また、組織としての研究開発力を継続的に高めるため、知見の体系化や開発プロセスの標準化、メンバー育成やカルチャー醸成にも主体的に関わり、ABEJAが描く未来を共に創っていただきます。 ●業務内容 大規模基盤モデルによるロボット制御・ロボット動作生成等に関する研究開発を中核として推進いただくポジションです。単にモデルを作って終わりではなく、学習データ収集からシミュレーション構築、sim2real、実機での検証・改善を回しながら、得られた成果をプロダクトやソリューションへ落とし込み、現場価値として継続的に届け切るところまで一気通貫で担っていただきます。 ・Embodied AI / VLAの研究開発 　ｰEmbodied AI/VLAを用いたロボット制御・動作生成の調査、設計、学習、実装 　ｰ模倣学習や強化学習等を用いたエンドツーエンド方策の開発、実験設計、性能評価 　ｰ実機制約(レイテンシ、計算資源、安全性)を踏まえた推論最適化、モデル軽量化・高速化、バスト性向上(ノイズ/外乱/環境変化への耐性) ・学習データ収集・データ基盤整備 　ｰ実機・現場からのセンサデータ/操作ログ/デモの収集設計(テレオペ、デモ収集、計測設計)、評価用データ整備と継続的なデータ更新 　ｰデータ品質管理、アノテーション方針、学習/評価に使える形への整形・再現性確保(データセット/メタデータ設計) 　ｰ合成データの作成戦略作りおよび活用 ・シミュレーション環境構築 　ｰ物理シミュレーション/閉ループシミュレーションの開発・運用、学習や評価を回せる環境・ツールの整備(キャリブレーション、センサ/アクチュエータ/制御のモデリング含む) ・評価・ベンチマーク設計 　ｰタスク成功率だけでなく、安全性、異常系耐性、環境変動への頑健性、運用時の安定性を含めた評価設計 　ｰオフライン評価(ログ/リプレイ/シミュレーション)とオンライン評価(実機/現場)を組み合わせた継続的な性能モニタリング 　ｰデータ収集と評価を一体で回し、改善の根拠を定量化 ・プロダクト/現場価値への接続(価値提供まで一気通貫) プロジェクトマネージャと連携した現課題の整理、要件定義(安全・品質・コスト・運用制約)とモデル方針への落とし込み 　ｰプロダクト/プラットフォームを支えるエンジニアと連携し、学習・評価・推論のパイプライン、運用設計、現場導入、改善運用(再学習/再評価/リリース)まで推進 　ｰ導入後の運用データを活用した継続改善、再利用可能なコンポーネント化・横展開 ・チームリーディング、技術横展開・技術発信 　ｰ技術アプローチレビュー、コードレビュー、ナレッジ共有を通じた開発品質の向上 　ｰメンバー育成やカルチャー醸成への貢献 　ｰ技術ナレッジの公開(論文投稿・学会発表・勉強会登壇・テックブログ等) 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

●フロントからバックエンドまで、ソフトのみならずハードウェア・IoTデバイスも含めたフルスタックなDXプロジェクトの要件定義 ●プロトタイプのAI・機械学習モデルを実運用可能な形にするためのデータパイプライン・インフラ基盤構築の設計およびサービス/システムの開発 ●運用保守を見据えたデプロイ環境構築(クラウド・エッジ含む) ・こちらのブログにて、業務やチームの取り組みについてご紹介しています。 https://tech-blog.abeja.asia/entry/abeja-system-dev-team-202112 ・技術スタックについては、こちらをご覧ください。 https://stackshare.io/abeja/abeja-system-dev

●ミッション 本ポジションのミッションは、Physical AIシステムにおけるソフトウェアレイヤー全体を設計・実装し、ロボット、データ、AIが一貫してつながる状態を実現することです。 ハードウェアおよびミドルウェアの制約条件を理解したうえで、データ収集から学習、推論、現場での運用までを支えるソフトウェア基盤を構築し、プロジェクトを技術的にリードしていただきます。 ●業務内容 ・ロボットシステム全体を俯瞰し、ハードウェア、ミドルウェア、AIモデル、アプリケーションをつなぐソフトウェアアーキテクチャを設計する業務 ・ロボットから取得されるセンサデータやログを安定的に収集・管理するためのデータ収集基盤およびパイプラインを設計・実装する業務 ・学習および推論システムと連携するバックエンドサービスやAPIを設計し、ロボット実機や上位アプリケーションと接続する業務 ・ロボットにインテグレーションされるアプリケーションやサービスレイヤーを開発し、現場運用を前提とした機能実装や改善を行う業務 ・クラウドおよびオンプレミスを含むインフラ構成を設計し、開発・検証・運用を支える基盤を整備する業務 ・顧客ごとに開発した内容を抽象化し、共通するプロダクト開発を行う業務 ・実機検証や顧客導入の過程で明らかになる要件や制約を踏まえ、ソフトウェア設計や実装を柔軟に見直しながら改善を進める業務 ・ハードウェアエンジニア、ミドルウェアエンジニア、データサイエンティスト、プロジェクトマネージャーと連携し、技術的な意思決定や設計方針を主導する業務 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

●データプラットフォームの企画、アーキテクチャ設計 ●プロジェクトの技術面におけるリードデータパイプラインの設計・構築 　・データ分析のためのBIの開発・運用 　・継続的なモニタリングプロセスの構築・運用 　・顧客のデータ活用の実態や関連業務、ドメイン知識の理解 ●プロトタイプのAI・機械学習モデルを実運用可能な形にするためのデータパイプライン・インフラ基盤構築の設計およびサービス/システムの開発 ●プロジェクトマネージャーと協力し、プロジェクトの目的・方針・計画などを策定 ●運用保守を見据えたデプロイ環境構築(クラウド・エッジ含む) 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

日本を代表する大手自動車メーカー様におけるマーケティングから販売、アフターサービス、モビリティサービス利用に至るまでの全てのカスタマータッチポイントをつなげ、新たな顧客体験を創り上げることが我々のミッションになります。 カスタマージャーニー全体をデザインした上で、CMS、MA、CRM、ビッグデータ分析、認証等、多様なデジタルソリューション・テクノロジーを活用して顧客体験とそれを支えるバックエンドの仕組みを提供していきます。 複数のチームがクライアントの状況にあわせて戦略的に活動を行っていますので、チームに参画して徐々に業務に慣れて頂きながら、多様なプロジェクトを経験頂けます。 組織情報 製造業向けのプロジェクトを主導するシステムインテグレーション事業本部内において、大手自動車メーカー、tier1メーカー等をクライアントとしている事業部になります。 また、nttデータグループ内で自動車業界向けビジネスを展開するグループ会社を主導しプロジェクトを推進する役割も担います。

地域金融機関のユーザー利便性向上や業務効率化を実現するAI(生成AI含む)を用いたソリューションを提供するため、当社の保有資産/スキルや商品を(必要に応じて他社商品も)組み合わせて実際に形にしていく、これらに必要なプラットフォームの設計、構築、開発を行います。システムの基盤となる基本的なプラットフォームの設計、構築、導入または、各種技術やソフトウェアを用いたアーキテクチャの設計、構築、導入をお任せします。また、さらなるビジネス拡大に向けて、サービスを拡充していく必要があるため、企画から携わっていただくことも可能です。 具体的な仕事内容 ・システムの基盤となる基本的なプラットフォームの設計、構築、導入 または、各種技術やソフトウェアを用いたアーキテクチャの設計、構築、導入 ・開発協力会社や社内関連部門との連携・調整 ・新規ソリューション・サービスの企画、要件定義、設計

担当するサービスについて、次の5つを担っていただきます。 出発点は「1. 捉える」で、経営の構想を売れるサービスに落とし込む「3. 形にする」も同じ比重です。サービスとして最も大切なのは「5. 型にする」です。 【1. 捉える ― 技術トレンドを誰よりも早くキャッチし、自社での実践につなげる】 ・AIエージェント・生成AI・データ基盤の新しい技術・サービス・トピックスを、国内外の情報源から誰よりも早くキャッチし、何が変わるのか、いまの仕組みを置き換えられるのか、判断の軸を整理します。 ・見極めた技術を、立ち上げリーダーとともに自社の情報システム部門・問い合わせ対応などの社内の環境で実践し、効果と課題を確かめます。 ・AIの中核は先端企業の進化に任せ、当社はその周辺のどこで価値を出すか。 その切り分けと、サービスのアーキテクチャを考えます。 【2. けん引する ― 立ち上げリーダーを、技術でリードする】 ・キャッチした情報と判断の軸、実践の結果をチームに広げ、メンバーそれぞれの情報収集を、チームの知見と技術の標準に変えます。 ・立ち上げリーダーの相談相手として、技術の選定・組み合わせ、セキュリティ・権限・運用のしやすさを含めた要となる判断をリードします。 ・相談相手として関わる範囲は、立ち上げリーダー層に絞ります。 メンバーのマネジメントは立ち上げリーダーが担い、顧客先に分かれて働く多数のエンジニアを直接管理することは求めません。 【3. 形にする ― 経営の構想と顧客の課題を、売れるサービスに設計する】 ・経営トップや顧客の構想・要望の意図をくみ取り、誰のどの課題を解くか、どの範囲で、どの順番で出すかを決め、優先順位をつけてエンジニアが動ける単位に落とし込みます。 ・経営トップの構想や新しい提案について、技術と市場の両面から実現性を確かめて優先順位をつけ、「いま何をやるか」を決めて、チームが迷わず進める状態をつくります。 ・価値(工数削減・期間短縮などの効果を数字で示す)、段階別のメニューと対象範囲、成果物、価格と契約の形、収支と体制を設計します。 ・段階ごとの計画と、進めるかどうかの判断の基準を決め、経営層とすり合わせながら進めます。 出発点は技術ではなく顧客の課題で、最新の技術はそれを解く手段として選びます。 【4. 出して磨く ― 自社・既存顧客で試行し、事業として育てる】 ・自社・既存顧客での試行で効果を測り、本格的な提供へ広げるかを経営と判断します。 ・入り口となる提案メニュー(診断・アセスメントなど)、提案書、導入事例、価格表を整え、営業担当と組んで顧客の前に立ち、技術を語れるプリセールスとして提案と最初の提供を担います。 ・提供を始めたあとも、粗利・受注件数・継続率などの指標を追い、顧客の声をサービスに組み込み、メニュー・提供方法・価格を見直し続けます。 【5. 型にする ― 誰が提供しても同じ品質で届けられる状態にする】 ・提供の手順、成果物のテンプレート、規模別の見積りの算定表、品質の基準、AIの仕組みの構築・運用手順を「型」として整え、立ち上げリーダーとともに現場に広げます。 ・案件ごとの学びを型に戻し、提供するたびにサービスが強くなる仕組みをつくります。 【入社後のロードマップ】 【入社〜3ヶ月】 進行中のサービス(AIの利用ルールの運用支援、AIヘルプデスクなど)と経営の構想をつかみ、使っている技術を棚卸しします。 技術の最新の動向を捉え、自社の環境での実践につなげながら、最初に出すサービスの対象・範囲・優先順位を経営層とすり合わせて決めます。 【3〜6ヶ月】 自社・既存顧客で試行し、効果を測ります。 価値・メニュー・価格・提案書を固め、営業担当とともに既存の顧客に提案します。 技術の判断の軸をチームに広げ、立ち上げリーダーの技術の標準をそろえます。 【6ヶ月〜1年】 社外の顧客への提供実績をつくります。 提供の手順・見積り・品質の型を整え、指標を追いながら、メニュー・価格を改善します。 【1年〜】 サービスの責任者(オファリングオーナー)として、サービスとチームを育てていただきます。 技術の先端を取り込み、AI導入の伴走など次のサービスの立ち上げもリードいただきます。 ※ 進む速さはご経験と成果によって変わります。 どこから担っていただくかは、ご経験をうかがったうえで一緒に決めます。 【あえてお伝えしたい「厳しいリアル」】 【最新の技術を追い続けることが、仕事そのものです】 AIエージェント・データ基盤の領域は、数か月で前提が変わります。 業務の中で情報を集め、見極め続けることが仕事の一部です。 それを楽しめる方には面白く、そうでない方には負担の大きい環境です。 【サービスの形は、これから一緒につくります】 どのサービスを、どの範囲で、どの順番で出すかは、経営と議論しながら具体化している段階です。 決まった計画をなぞる仕事ではなく、経営の構想と市場の動きを踏まえて、目的に立ち返りながら優先順位をつけ、前に進める力が求められます。 【チームのメンバーは、顧客の案件と兼務の人がほとんどです】 運用・ヘルプデスクのエンジニアの多くは、顧客の情報システム部門の現場で日々の業務を担っています。 サービスづくりに関わる時間は、事業の責任者と調整しながら確保します。 【営業を一人で背負う必要はありませんが、顧客の前には立っていただきます】 営業担当と組む体制で進めます。 一方で、試行の段階の提案と最初の提供では、ご自身が技術を語れる立場として顧客と直接向き合います。 【原則「出社」の環境です(リモートワーク不可)】 立ち上げの段階は、経営層・チームのエンジニアとの密なコミュニケーションと、速い意思決定が欠かせないと考えているためです。 【担当していただくサービス】 【サービスの方向性】 情報システム部門の業務を、生成AIを組み込んだ「型のある商品(オファリング)」として届ける(人月の支援からの転換) 【サービスの中身(例)】 ① AIの利用ルールの運用支援:当社のAI活用の知見をもとに、生成AIの利用規程の策定と運用を、実際に動く画面とあわせて提供(顧問・研修へも展開) ② AIヘルプデスク:社内の問い合わせ対応へのAIの組み込み。 対応記録の蓄積と分析、ナレッジ(RAG)・AIエージェントを使った回答の自動化 ③ 情報システム部門の運用の標準メニュー:既存の顧客の業務を棚卸しし、標準メニュー・運用手順・サービスレベル・価格にまとめる 【立ち上げの進め方】 課題の発見 → 対象と提供範囲の絞り込み → 事業計画(価値・価格・収支・体制)→ 型づくり(手順・テンプレート・ツール)→ 自社・既存顧客での試行と効果測定 → 販売開始と改善。 段階ごとに、経営と「進めるか、直すか」を判断しながら進めます。 【いまの進み方】 立ち上げリーダーが自ら手を動かして、サービスの形をつくっています。 自社の情報システム部門・人事の問い合わせ対応と、その記録の蓄積も進めています。 サービスの形は経営と議論しながら具体化している段階で、顧客に出してフィードバックを得るサイクルは、これからつくります。 【一緒に動くメンバー】 サービスの立ち上げリーダー、営業担当、経営層。 必要に応じて、顧客の情報システム部門で運用・ヘルプデスクを担う社内のエンジニア、システム開発のエンジニア ※ どのサービスから担っていただくかは、ご経験をうかがったうえで一緒に決めます。 将来は、AI導入の伴走など、次のサービスの立ち上げにも広げていきます。 【技術環境】 【生成AI】 Microsoft 365 Copilot、Copilot Studio、Azure OpenAI、Dify(LLM/RAG/AIエージェント) 【データ】 Databricks、問い合わせ対応の記録を蓄積・分析するデータ分析基盤 【Microsoft 365】 Microsoft 365、Entra ID、Intune、Exchange Online、SharePoint、Teams 【自動化】 Power Automate、Power Apps、PowerShell 【運用】 ITサービスマネジメント(ITSM)、AIOps 【AI開発ツール】 Cursor、Claude Code ※ 上記にとらわれず、新しい技術・サービスを試し、取り入れることを歓迎します。 従事すべき業務の変更の範囲 →会社の定める業務

機械学習領域の技術方針・技術判断 ・事業課題・プロダクト要件を踏まえた機械学習の活用方針の検討 ・機械学習を使用する/使用しない判断を含む技術的な実現方法の選定 ・モデル・アルゴリズム・特徴量等の選定と技術的な妥当性の検証 ・複数の機械学習テーマを見据えた技術方針・開発優先順位の検討 ・精度、開発工数、運用負荷、保守性、コストを考慮した技術的な意思決定 大規模LLMとの連携・活用に向けた技術設計・開発 ・業務要件やユースケースに応じた大規模MLMの選定・評価および技術的な活用方針の策定 ・大規模LLMとのAPI連携や既存システムへの組み込みを見据えたアーキテクチャの設計・実装 ・Pythonを用いたモデル連携機能の開発および推論処理・データ連携の最適化 ・出力精度・応答速度・コストなどの評価指標の設計および検証結果に基づく継続的な改善 ・大規模LLMのプロダクション環境への導入・運用における技術的課題の解決や難易度の高い開発テーマのリード システム設計・MLOpsの推進 ・機械学習モデルをプロダクトに組み込むためのAPI・バッチ処理・推論基盤の設計 ・データ処理・学習・推論パイプラインの設計・構築 ・モデルの本番環境への導入、監視、運用改善 ・精度低下やデータ変化を踏まえた再学習・改善プロセスの設計 ・再現性、可観測性、保守性、運用コストを考慮したMLシステムの改善 開発品質・技術基盤の整備 ・モデル・コード・実験結果・評価設計に関する技術レビュー ・モデルの評価方法や開発手順の標準化 ・技術的負債や運用課題の可視化、改善方針の策定 ・実験管理、CI/CD、モデル監視等を含む開発・運用環境の改善 ・機械学習領域における技術知見のドキュメント化・共有 関係部門との連携・技術支援 ・PdMや事業側と連携した課題整理、技術的な実現可能性の検討 ・アプリケーションエンジニア等との連携によるプロダクトへの機械学習機能の実装 ・AIデータ品質担当との連携による学習・評価データの品質向上 ・開発メンバーへの技術レビューや設計・実装面での支援 ・技術選定の理由、評価結果、リスク等の関係者への説明 ※人員管理や組織マネジメントはEM等と役割を分け、本ポジションでは機械学習領域の技術的な意思決定と開発・運用品質を中心に担っていただきます。 課題や事業上の優先順位はPdM等と連携し、AIデータ品質担当とはデータ品質に関する役割を分担します。

当ポジションのミッションは、GTNが展開する複数事業の課題やユーザー行動データをもとに、 「次に何を作るべきか」を定義し、プロダクトを通じて事業成長を実現することです。 GTNでは、外国人が日本で安心して暮らすための「信頼創造プラットフォーム」の構築を目指し、 住まい・金融・通信・生活支援など、外国人の暮らしに関わる複数領域でサービスを展開しています。 今後さらに事業を拡大していくためには、事業部から上がってくる要望をそのまま開発に渡すのではなく、 ユーザー価値、事業インパクト、開発コスト、緊急度を踏まえ、 何を優先して作るべきかを見極めるプロダクトマネジメント機能が重要になります。 本ポジションでは、経営層・事業責任者・開発チーム・デザイナーと連携しながら、 事業KPIやユーザー行動データを読み解き、プロダクトの方向性、 優先度、仕様、ロードマップを設計していただきます。 単なる要件整理や進行管理ではなく、「言われたものを作る」のではなく、 「事業成長とユーザー価値のために何を作るべきか」を意思決定するポジションです。 ●プロダクト戦略・ロードマップの設計 ・複数事業・複数チームから上がる課題や要望の整理 ・事業KPI、ユーザー行動データ、現場課題を踏まえたプロダクト課題の特定 ・事業インパクト、ユーザー価値、開発コスト、緊急度を踏まえた優先度設計 ・経営層・事業責任者・開発責任者との合意形成 ●仮説検証・データ分析・グロース企画 ・CVR、LTV、契約数、利用率などの事業KPIをもとにした課題分析 ・SQL、GA等を活用したデータ確認、分析 ・プロダクト主導での事業KPI改善に向けた施策立案 ●要件定義・仕様策定 ・抽象的な事業要望を、ユーザー価値とビジネスインパクトの両面から整理 ・実装すべき機能、対象ユーザー、提供価値、期待効果の定義 ・ワイヤーフレーム、プロトタイプ、機能要件の作成 ・リリース後の効果測定を見据えた要件設計 ●ステークホルダーとの合意形成 ・経営層、事業責任者、ビジネスサイドとの優先度調整 ・開発チーム、デザイナー、PjMとの連携 ・優先度のトレードオフ設計 ・プロダクト方針やロードマップに関する社内説明 ●プロダクト品質・UXへの関与 ・ユーザー体験を踏まえたプロダクト改善提案 ・リリース前の仕様確認、品質確認 ・サービス利用者・社内利用者双方にとって使いやすいプロダクト設計の推進 ※変更の範囲:当社で発生するすべての業務

【まずお任せしたいこと】 入社後まず注力いただくのは、ジョブメドレーにおけるレコメンド・検索領域の ML システム開発と MLOps 基盤整備です。 データ基盤の構築整備が急ピッチで進んでおり、内部のデータ分析だけでなくプロダクト機能としての価値提供に差し掛かる中で、以下の取り組みに着手しています。 -レコメンドエンジンの設計・開発・改善(協調フィルタリング、コンテンツベース、深層学習ベースなど) -検索ランキングの最適化・パーソナライゼーション -Google Cloud(BigQuery, Vertex AI, Cloud Run 等)を中心としたMLインフラ(特徴量ストア・モデルレジストリ・実験管理基盤等)の設計・開発・運用 -学習・推論パイプラインの設計・構築・自動化(CI/CD) 例えば、レコメンドエンジンに関しては基盤の刷新を進めていることもあり、アーキテクチャの設計段階から携わることができます。 【バックグラウンドや志向に応じた広がり】 上記を中心としつつ、ご経験や志向に応じて以下のような領域にも携わっていただけます。 ●データサイエンス寄りの方には: -ジョブメドレーが保持する様々なデータを活用した新たなマッチングモデルの検証・開発 -事業指標予測、LTV 予測など事業課題に直結する予測モデルの構築と改善 -A/B テストの設計・実施・効果検証によるプロダクト改善サイクルの推進 ●データエンジニア寄りの方には: -dbt を用いた特徴量生成・分析用データモデルの設計・開発 -KPI設計・効果測定のための分析基盤・BI 環境(Metabase x 生成 AI)整備 -プロダクト開発を始めとする他部署と連携した仮説検証のためのデータ整備 -いずれの志向であっても、事業課題の発見・具体化から成果の創出まで一貫して関わることを期待しています。 ※業務の変更の範囲:会社の定める業務

顧客に直接価値を届けているプロダクトの現場へ深く入り込み、各領域のテックリード・エンジニアとともに手を動かし、事業やコード、アーキテクチャを理解しながら、難易度の高い技術課題を解決していただきます。 その上で、徐々にプロダクト間やデータ基盤との接続へとスコープを広げ、DX管轄全体の技術的な進化につなげていくことを期待しています。 ●Phase 1|4つのプロダクト領域に入り込み、技術課題を解く まずは、 コンテンツメディア・EC・LINE・ソーシャル領域を担う4プロダクト を中心に、それぞれのプロダクト・エンジニアリングチームと伴走していただきます。 事業や顧客課題、既存のコード・アーキテクチャを理解したうえで、例えば以下のようなテーマに取り組みます。 難易度の高い技術課題に対する設計・実装 中長期の技術方針・アーキテクチャ設計 技術選定や、個別実装/共通化の境界に関する意思決定 技術的負債やスケーラビリティを踏まえた改善 PoC・プロトタイプを通じた新しい技術的アプローチの検証 レビューやアドバイスに留まらず、自らコードを書き、難易度の高い技術課題を解くことで、 現場を牽引し、周囲のエンジニアに新たな技術的視点や選択肢を示していくこと を期待しています。 ●Phase 2|プロダクトを横断し、データ・技術をつなぐ 各プロダクトへの理解を深めた後は、個々のプロダクトに閉じているデータや技術を、DX管轄全体の事業価値へつなげていきます。 例えば、 プロダクトに蓄積されたデータと内製データ基盤を接続し、他のプロダクトや営業・プランニング、AIを活用した新しい機能・業務へ展開する こともテーマの一つです。 また、各プロダクトで個別に持つべきものと、共通機能・共通基盤として持つべきものを見極め、プロダクトを横断したアーキテクチャや仕組みを設計していきます。 ●その先|DX管轄全体の技術的な進化へ さらに将来的には、コアプラットフォーム・エンジニアリング局やコーポレートITガバナンス局とも連携し、単一プロダクトでは解決できないDX管轄横断の技術課題へと影響範囲を広げていただきます。 一つのプロダクトで得た技術的な知見や設計思想を他領域へ展開したり、プロダクト・データ・共通基盤をつなぐ新しいアーキテクチャを構想・実装したりすることで、 個々のプロダクトの改善に留まらず、CARTA ZEROの事業活動そのものを技術で進化させていくこと を目指します。 ピープルマネジメントを主務とするポジションではありません。 スタッフエンジニアとして技術に深く入りながら、 プロダクトからプロダクト横断、そしてDX管轄全体へと技術的な影響範囲を広げていくポジション です。 ●変更の範囲:会社の定める業務(出向先会社での業務を含む)

担当プロダクトの責任者として、「何をつくるか」を決め、事業を動かす役割です。 プロダクト戦略はもちろん、時には営業やCSを巻き込み、事業戦略まで担っていただきます。 担当領域は、ご経験とご希望を踏まえて入社時に決定します。 ●コンセプト・価値定義:生徒・先生・企業の課題から、解くべきテーマと提供価値を定める ●指標設計:担当プロダクトの事業指標を定義し、データ分析から改善につなげる ●体験設計:デザイナーとともに、ユーザー体験を具体化する ●システム要求の策定:必要な機能と優先順位を決め、エンジニアと実装方針を議論する ●効果検証:リリース後の数字を追い、次の打ち手につなげる

当社のミッションは「デジタルの力でチャレンジする人が報われる社会を作る」こと。 Web黎明期から25年の歴史を持つ700名規模のIT企業として、常に時代の変化を捉え、現在はAXによる事業変革支援を軸に事業を拡大しています。 ●具体的な業務内容 ITコンサルティング、UXデザイン、システム開発まで自社の多様な専門メンバーがチームを組み、お客様のパートナーとして深く伴走するスタイルです。 ・業界を問わず、Webアプリ、スマホアプリ、業務アプリの新規開発および大規模エンハンスプロジェクトにおける技術リード ・顧客の事業課題を深く理解し、要件定義・基本設計などの上流工程において、エンドツーエンドのシステムアーキテクチャの構想・設計を主導 ・バックエンド(Java、Kotlin、Go、Python等)とフロントエンド(React、Vue.js、Next.js等)またはインフラ(AWS、Azure、GCP、Docker/Kubernetes)を横断した最適な技術選定をエンジニア主導で行い、クライアントに提案・推進 ・大規模データ処理基盤やAI連携システム(例:法人向けAIナレッジマネジメントシステム)の設計・開発におけるフルスタックな実装、技術指導および品質保証 ・開発チームの技術指導、フロント/バック/インフラ各層のコード・設計レビュー、開発生産性向上に向けたCI/CD環境構築・プロセス改善 ●【主な開発環境】 言語:Java、Kotlin、Go、PHP、TypeScript、JavaScript、Python フレームワーク:Spring、Gin、Laravel、Next.js、Nuxt.js、React.js、Vue.js DB:MySQL、PostgreSQL、Oracle インフラ・クラウド:AWS、Azure、GCP、Linux その他:Docker(Kubernetes)、GitHub Enterprise、Atlassian Confluence、Jira、backlog、CI/CDツール 開発手法:ウォーターフォール、アジャイル、プロトタイプ開発 ツール:Gemini、Claude Code、Cursor、Copilot 等 ●【ポジションのミッション】 大手ナショナルクライアントの事業成長を加速させるため、領域を限定せず(「バックエンド×フロントエンド」または「バックエンド×インフラ・DevOps」)、高度なシステムアーキテクチャの設計・開発を主導し、技術的な専門性とリーダーシップをもってプロジェクトを成功に導くことをミッションとします。 特に、AI活用を含めた事業変革を全方位的な技術面から推進し、顧客のビジネス価値最大化に貢献いただきます。

ビジネスプロセス・トランスフォーメーション本部 事業推進部の中核として、 全社横断の業務・システムアーキテクチャの改編と、IS〜Sales〜CSを横断するRevOps/BizOpsの機能を担っていただきます。 数千万円規模のシステム導入・リプレイスを企画から設計・実装まで内製で主導し、経営層との議論から現場との要件詰め、泥臭いデータ加工までを往復していただくポジションです。 1)業務内容 ・大規模システム導入・リプレイスの内製主導:数千万円規模のシステム導入/リプレイスの企画立案・要件定義・設計・実装・推進を、外注任せにせず内製で完遂 ・営業〜販売管理プロセス改革(Theモデル/Q2C):Salesforceを用いた営業業務改善、受注〜販売管理〜会計接続(Q2C)の設計・最適化。サブスク管理/SF連携ツールの選定・導入・運用 ・RevOps〜BizOps/目標設計・計数管理:IS〜営業〜CSの各ファネルのオペレーション設計・改善、組織のKGI/KPI設計・目標分解、予算策定〜予実管理・KPIモニタリング ・全社横断の業務・システム改革:部門を跨ぐ業務プロセス改善、システムアーキテクチャの改編企画・推進、事業統合(分社化・M&A・PMI・DD)に伴う制度/システム統合 ・事業分析・データ基盤〜AI基盤:データ収集・加工・整形(名寄せ・クレンジング・突合・集計等)、分析による意思決定支援、データ基盤の構築からAI活用基盤への発展構想と実装 ・AI基盤の全レイヤー設計・実装:AIエージェントが企業データ上で機能するための三層(データ層/意味定義・オントロジー層/ハーネス層)を一気通貫で設計・実装。全社データの"AI Ready"化 ・クラウドアプリケーション/自動化開発:GCP(Cloud Run等)上でのアプリケーション開発、AI Bot・SFA連携アプリ・Chrome拡張の開発、RPA/iPaaS/GAS、LLM/MCP連携等を用いた業務自動化 ・コスト最適化:SaaSライセンス/システム費用の最適化(利用実態分析、重複・過剰ライセンスの整理、契約更改・ベンダー交渉、投資対効果の評価) ・情報セキュリティ・内部統制:ISMS(ISO27001)/SOC2等の取得・維持プロセスの企画・推進 ・経営層との連携・部門調整:経営層とのディスカッション、社内稟議・部門間調整の推進 ・運用・データ整備:Salesforce/各SaaSのデータメンテナンス、細かい改修・バッチ処理・不整合是正など、地に足のついた運用改善 ※チームマネジメントは必須業務ではありませんが、状況に応じてメンバー育成・チーム牽引を担っていただきます 2)システム・ツール ・CRM:Salesforce / Gainsight / HubSpot / Zendesk ・データ基盤/ETL:GCP(BigQuery・Cloud Run等)/ dbt / trocco ・LLM/AI:Anthropic(Claude)/ Gemini ・Automation:UiPath / AUTORO / Power Automate / Google Apps Script / AskOne ・開発/コラボレーション:VS Code / GitHub / Slack / Backlog / Zoom

株式会社ラクーンホールディングスで採用後、出向となります。 BtoB決済サービス「Paid(ペイド)」のプロダクトマネージャーとして、数値分析や仮説をもとにしたサービス改善、施策立案、開発チームの牽引、プロジェクトの実行管理をお任せします。開発チームや事業部と連携しながら、ユーザーに沢山の価値を届けていくことがミッションとなります。 <具体的な業務内容> ・BtoB決済サービス『Paid(ペイド)』のプロダクト戦略の検討 ・目的を達成するための要件定義 ・プロジェクトマネジメント ・質の高いUI/UXの提供による満足度の向上 ・データ収集・分析 『Paid(ペイド)』とは? 企業間の請求業務の手間と未回収リスクをゼロにするBtoB決済サービスで、「掛売り(後払い)」を導入することができる決済サービスです。 与信管理、請求書発行、入金管理、未入金時の督促といった煩雑な請求業務を丸ごと代行し、取引代金を100%保証。Paidを導入することで売り手企業は、手間がかかりリスクのある請求業務から解放されるため、事務的業務の効率化を実現できます。 昨今はコロナ禍による与信不安、労働人口減少による生産性向上や業務DX化、働き方改革、脱炭素など多くの社会課題がありますが、これらの課題解決に貢献できるFintechサービスとしても注目を受け、導入企業数は5,000社を超えて増え続けています。 業務内容の変更範囲:当社業務全般(出向先/転籍先等も含む)

●このポジションの3つの特徴 01　「本番で信頼できるAIエージェント」をサービスにします LLM・RAGを使ったAIエージェントを作るだけでなく、評価・品質の担保まで含めて顧客に届けます。作る側(AI開発)と確かめる側(品質保証)が同じ組織にあるからこそできるサービスです。 02　AI開発・品質保証のエンジニアを率いて、サービスをつくります 一人で作り込む仕事ではありません。社内のエンジニアでチームを組み、役割を分け、設計とレビューを担い、技術の判断をしながら開発を進めます。ご自身も手を動かし、チームに見本を示します。 03　仕事のキモは「チームで提供できる」状態をつくることです 作って終わりではありません。開発の型(AI駆動開発の標準・品質ゲート)と評価の型に落とし、誰が作っても品質を落とさずに提供できるチームをつくることが、このポジションの成果です。 ●このポジションで得られるもの ・AIエージェント×品質保証という、まだ勝者の決まっていない領域で、サービスを立ち上げる経験。 ・作る(AI開発)・確かめる(品質保証)・直すがひとつの組織にそろった環境で、チームを率いて開発できること。 ・自分たちがつくった型に価格がつき、チームで顧客に届く経験。 ・サービスの責任者として、サービスとチームを育てていく道。 ## 業務内容 担当するサービスについて、次の5つを担っていただきます。どれも切り離せない仕事ですが、最も大切にしていただきたいのは「4. チームで提供できるようにする」です。作って終わりではなく、ご自身がいなくても、チームが同じ品質で提供できる状態をつくることが、このポジションの成果です。 【1. 決める ― サービスの中身と、提供の形を決める】 ・顧客の業務と課題から、AIエージェントで何を解き、どの水準の品質を約束するかを決めます。 ・提供メニュー・手順・品質基準・価格の考え方を、事業の責任者と相談しながら決めます。 【2. 作る ― 自らも手を動かし、技術の判断を担う】 ・AIエージェントの設計、RAG・データ基盤との連携、評価の仕組みなど、要となる部分はご自身でも作り、試します。 ・担当する範囲のアーキテクチャ・技術選定・品質の基準について、技術の判断を担います。 【3. 率いる ― AI開発・品質保証のエンジニアを動かして開発する】 ・社内のAI開発・品質保証のエンジニアでチームを組み、役割を分け、開発を進めます。 ・設計・コードのレビュー、評価結果の確認を通じて、チームの成果物の品質に責任を持ちます。 【4. チームで提供できるようにする ― 型にして、誰が作っても品質を落とさない状態にする】 ・開発の手順、AI駆動開発の標準、品質ゲート、評価の設計を「型」として書き起こし、チームで使える状態にします。 ・型をメンバーに教え、ご自身がいなくても、チームが同じ品質でサービスを作り、提供できるようにします。 【5. 届ける ― 顧客の前に立ち、最初の提供をやり切る】 ・営業担当と組み、技術面の提案を担います。 ・最初の案件では、チームを率いて導入・提供をやり切り、社外の実績をつくります。 #### ●技術環境 【言語 / フレームワーク】 React、TypeScript(フロントエンド)/Python、C#(バックエンド) 【クラウド】 Azure(AWS・GCPのご経験も歓迎) 【データベース / 基盤】 PostgreSQL、Databricks 【AI領域】 生成AI(LLM/RAG/AIエージェント)を活用したAI駆動開発 【AI開発ツール】 Claude Code、Cursor、GitHub Copilot、Codex、CodeRabbit 【品質保証・評価】 テスト設計、テスト自動化、CIの品質ゲート、AIの評価設計(評価データセット・自動評価・回帰評価) ●入社後のロードマップ 【入社〜3ヶ月】 進行中のAIエージェント基盤・品質担保の型づくりに加わり、チームと技術の現状をつかみます。あわせて、自社の業務を題材にしたAIエージェントの開発を、評価の設計まで含めてリードし、サービスの原型を1つ形にしていただきます(例:営業支援のAIを、品質の基準まで含めて自社で使える状態にする)。 【3〜6ヶ月】 自社で確かめた結果をもとに、提供メニュー・品質基準・価格の案を固め、営業担当とともに既存の顧客に提案します。開発と評価の手順を、チームの型として書き起こします。 【6ヶ月〜1年】 社外の顧客への提供実績をつくります。チームのメンバーが型に沿って、品質を落とさずに作れる状態にします。 【1年〜】 サービスの責任者として、サービスとチームを育てていただきます。次のサービスの立ち上げや、型を使えるエンジニアの育成もリードいただきます。 ※ 進む速さはご経験と成果によって変わります。どこから担っていただくかは、ご経験をうかがったうえで一緒に決めます。 ●あえてお伝えしたい「厳しいリアル」 【サービスはまだ「売れる形」になっていません】 社外への提供は、最初の1件をつくる段階です。提供メニュー・価格・品質基準は整備の途中で、何を型にするかを決めるところから関わっていただきます。 【チームのメンバーは、顧客の案件と兼務の人もいます】 サービス開発に関わるエンジニアの稼働は、事業の責任者と調整しながら確保します。限られた時間の中で、役割を分け、成果につなげるリードが求められます。 【立ち上げの段階は、ご自身が手を動かす場面も多くあります】 チームを率いる役割ですが、型ができるまでは、要となる部分をご自身で作り、見本を示す場面が多くなります。 【営業を一人で背負う必要はありませんが、顧客の前には立っていただきます】 営業担当と組む体制で進めます。一方で、技術面の提案や最初の提供では、ご自身が顧客と直接向き合います。 【原則「出社」の環境です(リモートワーク不可)】 立ち上げの段階は、事業の責任者・チームのエンジニアとの密なコミュニケーションと、速い意思決定が欠かせないと考えているためです。 ●このポジションではないこと ミスマッチを防ぐため、あらかじめお伝えします。 ・全社のDX・変革を企画し、推進する役割ではありません。担っていただくのは、AIエージェント×品質保証のサービスです。 ・資料づくりや取りまとめが中心の、PMO・企画の役割ではありません。技術の判断と、ご自身が手を動かすことが欠かせません。 ・一人で作り込むスペシャリストの役割でもありません。エンジニアのチームを動かし、チームで提供できる状態をつくることが仕事の中心です。 ●担当していただくサービス 【サービスの方向性】 本番で信頼できると担保されたAIエージェントを、顧客に届けるサービス 【サービスの中身(例)】 ① AIエージェントの構築:業務の分解から、AIエージェント・ワークフロー型AIの設計・構築、既存システム・データとの連携(LLM・RAG、AIエージェントを支えるデータ基盤を含む)、運用まで ② 品質の担保:正確性・タスクの完了・権限・安定性・安全性・業務への適合の観点での評価設計、評価データセットと自動評価、モデル更新時の回帰評価 ③ 作り方の型:AI駆動開発で、速く、品質を落とさずに作るための開発標準・レビュー基準・品質ゲート 【いまの進み方】 複数のチームが並行して、AIエージェント基盤と品質担保の型づくりを進めています。自社の業務(営業支援のAIなど)を題材に作り、まず自社で効果を確かめてから社外へ届けます。大手SIerのプロジェクトにはチームで参画し、AIエージェントを支えるデータ基盤の開発も進めています。 【一緒に動くメンバー】 社内のAIソリューション開発のエンジニア、品質保証(QA・テスト)のエンジニア、営業担当 【いまの状態】 社外への提供は、最初の1件をつくる段階です。提供メニュー・価格・品質基準は整備の途中です。 ※ どこから担っていただくか、サービスの中身をどう広げるか、社内のリードエンジニアとどう役割を分けるかは、ご経験と得意な領域をうかがったうえで一緒に決めます。 ●従事すべき業務の変更の範囲 →会社の定める業務

本ポジションのミッション AIを活用した新機能および新規プロダクトの企画から、要件定義・設計、開発チームのディレクション、リリース後のKPI運用までを一貫して担い、「求職者・企業・エージェント」三者の体験(UX)と事業成果を最大化することがミッションです。 AIを活用したプロダクトあるいはJoBinsプラットフォーム上の既存プロダクトの改善や新規プロダクトの企画・開発を担っていただきます。 決められた仕様を実装するのではなく、ユーザーの行動データから課題そのものを定義し、プロダクトをどう価値に変えるかを構想するところから携わっていただきます。 仕事内容 ・既存プロダクトの改善やAIを活用した新規プロダクトの企画・要件定義・改善など ・ユーザー(求職者・企業・エージェント)の行動データ分析および課題特定 ・開発チーム(エンジニア・QA・UI/UXデザイナー)へのディレクション ・ワイヤーフレームの設計 ・開発ロードマップの策定およびプロジェクト全体の進捗管理 ・経営陣やビジネスサイドとのすり合わせ ・KPI設計・運用