年収600万円以上のITエンジニア求人・転職情報

Dress Codeは「人とAIが同じ社員IDで働く」AIネイティブ組織 を、自社で第1号として実装しています。 本ポジションはその思想を BPOオペレーション領域 で体現するロールです。 ・メイン:AI Workforceと並走しながら、顧客の技術的つまずきを解消するテクニカルサポート ・サブ①:自社Corporate IT / セキュリティ運用のサポート(弊社は "Zero号案件") ・サブ②:テクニカルサポート(以下TS)/BPO現場で得た知見をプロダクトチームへフィードバック 「TSを人間だけで回す」時代を終わらせ、AIエージェントを主戦力に据えたBPOオペレーションを設計・運用する ─ この挑戦をリードしていただきます。 なぜ「AIネイティブ BPO」なのか: 従来のBPO・TS業務は「人がスケールする」ことを前提に組み立てられてきました。 Dress Codeでは、AIエージェントを "同僚" として組み込んだBPOオペレーション を設計しています。 ・問い合わせの一次分類・回答ドラフト生成 → AIエージェントに任せる ・ナレッジ検索・過去事例参照 → AIが即応、人は判断のみ ・監査ログ集計・レポート生成 → AIが定型化・自動化 ・人はエスカレーション判断・仕組み化・関係構築に集中 日常業務の30-40%をAIに任せた上で、人が担う "判断" と "設計" の質を上げる ─ これがAIネイティブBPOの中身です。 具体的な業務 メイン業務:AIネイティブ・テクニカルサポート(BPOスコープ) ・顧客からの技術的問い合わせの解決(チャット・Email・オンライン対応) ・AIエージェントによる一次分類・回答ドラフト → 人が最終判断・カスタマイズ ・ヘルプページ・ナレッジベースの作成・運用 ・AIによるコンテンツ生成 → 人がキュレーション・構造化 ・ヘルプコンテンツ管理ツールの導入・運用 ・顧客労力(Effort)を削減する仕組みの継続改善 ・BPO発想での業務代行提案:単発サポートで終わらせず、顧客の業務プロセスそのものを仕組み化・引き受け化 ・CSチームと一体となった課題解決・アカウント成長支援 ・AIワークフローの継続的改善:業務の中で「これはAIに任せられる」を発見し続ける サブ業務①:自社Corporate IT / セキュリティ運用サポート Dress Codeのコーポレート部門と連携し、自社のIT・セキュリティ運用を「クライアントワーク」として担っていただきます。 ・社内ITサポート・ヘルプデスク対応 ・AIによる一次対応 → 人がエスカレーション判断 ・Google Workspace / Slack / SaaSツールの管理サポート ・入退社時のITアカウント運用支援 ・SOC 2 Type II / ISMS (ISO27001) / ISO27017 の運用・監査対応のサポート ・AIによる証跡ログ集計 / 監査資料生成の下支え ・情報セキュリティポリシーの運用支援 ・ITオペレーションの仕組み化・業務改善 ※ 情シス責任者級の設計・管理ではなく、「システム知見を持って情シスチームを支える」役割 です。 将来的な範囲拡大は本人の意欲次第。 サブ業務②:プロダクトへのフィードバック ・TS/BPO/自社運用で発見した改善要望をプロダクトチーム(PdM・エンジニア)へ翻訳・共有 ・ユーザー起点の機能要望の優先度整理 ・ヘルプコンテンツ・AI応答ログから拾えるプロダクト改善のヒントの吸い上げ ・AI活用オペレーションの知見をプロダクト機能に還元(AI応答テンプレのプロダクト化等)

テクノロジーセグメントでは、お客様のDX推進や課題解決に向けて、先進技術を活用したソリューションやサービスを提供しており、当セグメントのソリューションやサービスを開発するエンジニアを募集しています。 テクノロジーセグメント内のエンジニアを募集している下記ポジションの中から、書類上のご経験・適性を踏まえて最適なポジションをご提案いたします。 ご自身に適したポストを検討されたい方はこちらにご応募ください。 ◆テクノロジーセグメントとは NTTデータの事業領域のうち、公共・社会基盤、金融、法人分野は顧客業界特化型である一方、テクノロジーセグメントは業界横断で価値提供しています。 最新のテクノロジーを用いて、お客様の課題解決に向けて伴走している組織です。 中でも当セグメントのエンジニアは、ソリューションやサービスの企画・設計・開発・導入・運用・プロジェクトマネジメント等の様々な経験を積むことが可能です。 ◆提案ポジション例 ・データ分析・活用に向けたプラットフォームの企画・開発 ・DX推進に向けたデータサイエンティスト ・働き方改革ソリューションの企画・開発 ・ゼロトラストを前提としたセキュリティエンジニア 等

●業務内容 データサイエンティストとして、ビッグデータ/情報処理/AI/BI/統計学などの情報科学を活用したお客様の事業課題解決を支援します。 <チームの職務内容> ・お客様の課題の把握 ・適切な評価指標の設定/分析計画策定 ・適切な分析手法や技術の評価・選定 ・分析結果の見える化によるお客様の納得感醸成 <マネージャーポジションの職務内容> ・組織方針/計画を基とした具体的な業務計画立案 ・ステークホルダーとの円滑なコミュニケーション、パートナーとの協業推進 ・適切に情報収集、分析を行いながら課題、テーマを解決 ・チーム内の適切な目標設定を行い、進捗を確認しながらチームを牽引、成果創出 ・所属メンバーの適性、意向を踏まえた業務アサイン、中長期的なキャリア形成支援 ●組織情報 ・お客様企業のデータドリブンカンパニーへの変革に向けて上流の構想立案から実行支援まで幅広く対応。コンサル/データサイエンティスト/エンジニアなど多様な人財で組織されており、データドリブンによるビジネスプロセスイノベーション、ビジネスモデルイノベーション、CXイノベーションを推進しています。

クラウドや生成AIなどの技術を活かし、当社が手がけるデータ分析プラットフォームソリューション(DWH、BI、ETL領域)の企画から提案、開発、導入までの業務や、システムグランドデザイン策定におけるアーキテクチャ検討等の業務を行っていただきます。 ●AI・データの民主化を促進するクラウド型ビッグデータ分析基盤「Trusted Data Foundation」 https://enterprise-aiiot.nttdata.com/service/tdf ●お客様事例 https://www.nttdata.com/jp/ja/data-insight/2020/071001/ https://www.nttdata.com/jp/ja/data-insight/2020/071002/ ●参考URL 『テクノロジー起点で描いた未来をデータとデザインで実装。テクノロジーコンサルティング事業本部が目指す世界』 https://www.nttdata.com/global/ja/recruit/uptodata/articles/1931/ 『最先端のソリューションを探求し、日本のデータ活用のレベルを引き上げる。Snowflakeビジネス推進室の目指す姿とは』 https://www.nttdata.com/global/ja/recruit/uptodata/articles/2173/ 『先進技術とデータの利活用で目指す「デジタルサクセス®」とは 』 https://www.nttdata.com/global/ja/recruit/uptodata/articles/1021/ 『ユニコーン企業の最先端技術の目利きとデータマネジメントを武器に、真の事業変革パートナーへ』 https://www.nttdata.com/global/ja/recruit/uptodata/articles/1099/

CMP装置をはじめ、ドライ真空ポンプ、排ガス処理装置などの半導体製造装置およびコンポーネント製品から取得されるデータを活用した自社プラットフォーム(「X-bility」および「EBANET3」等)の開発・強化業務を担当いただきます。 開発チーム/プロジェクトリーダーとして、装置予知保全やデータ基板・アプリケーションの事業化・顧客への価値提供を推進頂けます。 ・装置・コンポーネント群から収集される各種センサーデータ(高頻度時系列データ)の収集・蓄積・解析・可視化を一体としたデータ基盤・アプリケーションのシステム設計および開発リード ・Chamber間・装置間・コンポーネント間のデータ比較・解析による予防保全機能やパフォーマンス最適化機能、故障予知アルゴリズムの組込み ・収集データを活用した新たなデジタルサービスの企画・アーキテクチャ構築およびグローバル展開の推進 ※変更の範囲:会社の定める業務

マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 ●機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 ・機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 ・機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 ・機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ・ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 ●プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 ・モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり ・モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 ・個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 ●生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 ・プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり ・LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 ・個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 ●データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 ・CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 ・テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 ・個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 ●上記を実現するための非機能要件・運用品質の継続的な改善 ・IaCによるインフラ構築・管理 ・CI/CDによるテスト・デプロイ自動化 ・サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 ・パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 ●社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ●ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 技術スタック(主要な部分の抜粋) ●クラウド ・Google Cloud ●開発言語 ・Python ●データ基盤 ・BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 ・Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール ・Looker / Looker Studio ●IaC ・Terraform ●開発環境・ツール ・Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 扱っているデータ ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ 上記のようなデータを扱っております。

AI・データを活用した複数のプロジェクトをプログラムとして束ね、事業・プロダクト・エンジニアリング・データ専門組織を横断しながら、構想から成果創出・定着までを推進していただきます。 ●事業・プロダクト課題を構造化し、AI・データ戦略、活用テーマ、実行ロードマップを策定 ●複数プロジェクトの優先順位・依存関係・リスクを統合し、組織横断の推進体制と意思決定プロセスを設計 ●PoC・MVPから本番展開、定着、成果検証までを推進し、得られた学びを他領域へ展開 扱っているデータ ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ 技術スタック(主要な部分の抜粋) ●クラウド ・Google Cloud ●開発言語 ・Python / SQL ●データ基盤 ・BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 ・Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール ・Looker / Looker Studio ●IaC ・Terraform ●開発環境・ツール ・Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc

機械製造業のお客様に対して、お客様が抱える経営課題や取り巻く事業環境を踏まえ、基幹システムを中心としたインフラ構築プロジェクトを推進してお客様の事業に貢献することで、お客様と長期的で良好なパートナー関係を構築していただきます。 事業領域は宇宙航空、エネルギー、交通インフラ、機械機器など、重工業領域の顧客のため、高品質で国際競争力を高めるための先端テクノロジーを用いたプロジェクトを推進いただきます。その実現に向け、インフラ構築案件の仕様検討、要件定義など最上流工程から担当いただきます。 ●主なプロジェクト・提案テーマ インフラ基盤(デスクトップ仮想化(VDI)、Office365、ID管理等)のシステム開発プロジェクト

【職務内容】 スクラム開発においてリードエンジニアをとして開発チームを率いる役割を担う。 アジャイル開発(Scrum/SAFe)をベースにマイクロサービスアーキテクチャで法人分野内の自社プロダクト/サービスを開発、展開する。 具体的には、下記の役割を担い、スクラムチーム内における開発を技術力でリードいただきます。 ・モダンな技術(Go/React/Typescript等)を用いた自社プロダクトのアプリケーション開発(マイクロサービス思考) ・サービス全体のアーキテクチャの設計と統制 ・SREと連携したインフラ開発 一つのプロダクト/サービスにこだわらず、複数のサービス開発にアプリケーションレイヤからインフラレイヤまで広く関わっており、希望に応じて一定期間ごとに担当するプロダクトや役割を変えていくことも可能であるため、幅広く技術習得することが可能な環境です。 【アサイン先想定】 ※以下①➁③それぞれに多数の案件がありますので、ご希望やご経験を鑑み、最適な案件アサインを検討いたします。 ①企画型AIサービス開発・展開 ・GenAI/生成AIなどの新技術を活用した自組織の企画型サービスの開発、実案件への導入・展開 ②事業会社内製支援による新規サービスの立上 ・内製化による自社プロダクト開発を進めたい事業会社様に入り込み、プロダクト立上げを行いながらお客様自身でDevOpsを回せるように伴走支援する ③法人分野他組織支援による企画型サービスの立上 ・法人分野の他組織で企画型サービスの立上げに入り込み、企画からプロダクト開発サービスインまで伴走支援する

CTO直下の先進開発チームにて、AI駆動によるiOSアプリ群の圧倒的な生産性向上戦略の立案・実行 Web領域におけるAI活用成功事例を応用した、iOS特有の課題解決に向けたアーキテクチャ設計 AIが意図を正確に汲み取り、高品質なコードを生成するための開発環境・プロセスの整備 iOS領域のシニアテックリードとして、複数プロダクトを横断した技術選定および意思決定 中長期的な目線での、AIを活用した「ユーザーの煩雑な業務を代行する」次世代モバイルアプリ体験のリード 経営層や各プロダクト責任者と連携した、技術投資対効果の最大化 業務内容の変更範囲:会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

「freee人事労務」におけるプロダクトの仕様選定、およびスケーラブルなアーキテクチャの設計・実装 Claude Codeをはじめとする最新のLLM・AIエージェントツールを開発プロセスへ自発的に組み込み、チームおよび個人の開発生産性を最大化する取り組みの推進 プロダクトマネージャー(PM)、デザイナー、QAエンジニアとフラットに議論を交わし、仕様のスコープ絞り込みやユーザー価値の定義を主導 データベースの最適化(負荷低減)、自動テストの高速化、CI/CDの改善など、大規模サービスにおける技術的負債の解消とパフォーマンス・チューニングの実行 業務内容の変更範囲:会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

本ポジションは、Salesforceベースの業務システムにおいて、業務要望を構造的に理解し、システム要件へ翻訳したうえで、Salesforce標準を活かした設計・改修・保守判断を行うFunctional Leadを担う。 「要件の質」「設計の方向性」「保守時の判断」を担保し、業務とITDの間に立って設計判断をリードする。 ●Position Summary 本ロールは、ビジネスからの要望や保守・障害対応を、単なる依頼や事象として扱うのではなく、業務プロセス・データ構造・システム挙動として捉え直し、冷静かつ持続可能な判断につなげることを主な責務とする。 Salesforceの技術等、業務に必要な技術を自ら学び、実際に手を動かして検証することで、机上の検討に留まらない現実的な判断を行う。 雇い入れ時：以下に記載の業務 変更の範囲：会社の定める業務

以下の企画・開発を担当して頂きます。プロジェクトにおける具体的な役職・役割については同種のシステム開発経験や技量に応じてアサインします。 公的ICカードOSの開発 　・顧客:官公庁/自治体他、一般国民の利用を想定 　・役割:ITスペシャリスト 　・業務内容:役職・技量等に応じて以下の開発業務からアサインする。 　　- 公的ICカード用OSの商品企画 　　- 公的ICカード用OSの設計・製造管理・試験、試験ツールの開発、セキュリティ認定(CC認証)の取得、PJ管理(QCD管理) 　　- 公的ICカード利用システム開発の技術支援

ITスペシャリスト、ITアーキテクトとしてお客様のニーズ把握、仕様調整、システム全体の処理方式検討・システム基盤設計・構築・テスト等の一連の方式基盤開発について、お客様や他グループ・チームと連携しながら、一定の領域を主管として主体的に取り組み、各プロジェクトの成功に貢献する。

「OpenCanvas」の企画・エンジニアとして、主に以下業務をご担当いただきます。 ・ソリューション企画/機能追加・開発:お客様のニーズや市場の動向を把握し、新たな機能の企画・開発を行う ・提案・導入支援:豊富なコンテンツやツールを活用し、既存のオンプレミスシステムをクラウド環境へ移行 ・維持・運用:クラウドシステムの運用のサポート、トラブルシューティングや技術支援の実施 ②「Oracle Alloy」サービスの立ち上げと推進 <サービス概要> 2025年12月より、自社クラウドサービス「OpenCanvas」にOracle Alloyを組み込み、ソブリン要件に対応した新たなクラウドサービスの提供を開始します。昨今、データの保護や法令遵守の観点から「自国でデータを管理・運用する」という“ソブリン要件”の重要性が高まっており、高いセキュリティ性を持つクラウド環境へのニーズが急速に拡大しています。一方で、企業はAIをはじめとする先端技術の活用や、柔軟性のある開発・運用環境も求めています。こうした背景のもと、当社では高セキュリティかつ拡張性に優れたクラウドサービスの開発を推進。日本国内の法制度やセキュリティ要件に準拠しながら、クラウドネイティブな技術の活用も可能な”第三のクラウド”として注目を集めています。 <業務内容> 「Oracle Alloy」のサービス提供者として、サービスの立ち上げ・推進に携わっていただきます。 ・障害時やメンテナンス時のサービス利用者とOracle社との仲介、対応方針の策定 ・記を含めたOracle社との調整、機能拡張リクエスト ・Alloyリソースのキャパシティ管理 ・監査対応(ISO27017、ISMAP、FISCなど) ・閉域網引き込みの調整 ・当社Alloyとしての独自サービスの検討・開発 ※年に1回程度、US Oracleとの対面調整ということで海外出張の可能性あり

社内外向けWEBアプリケーション開発業務をご担当頂きます。 WEBアプリケーションは全て自社開発しており、新規の開発依頼が多いのでフルスクラッチで開発頂きます。 また、依頼された内容をそのままシステム化するのではなく利用者の利便性を考え、提案しながら開発することが求められます。 ユーザーからのリクエストを元に要望を聞き、要件定義/基本設計/詳細設計等に時間をかけずにプログラミングしてある程度形になったタイミングで運用開始、問題があったら都度直して完成度を上げていくという開発スタイルが多いです。 新しい技術や言語を用いて開発に携わることが可能です。 【具体的には】 ・要件定義 ・基本設計/詳細設計 ・開発/テスト ・運用/保守 ・サーバー環境設定 ・設計書/手順書作成 ・システム入れ替え検討 等 ※上流(業務提案、業務設計など)から下流(実開発など)まで幅広くご担当頂きます 【開発環境】 ・OS Windows、Linux ・言語 PHP、Java、JavaScript、Python ・DB MySql、PostgreSQL 【業務内容についての補足】 入社当初:各求人票内の業務内容欄記載の業務内容 変更の範囲:弊社就業規則に基づき、異動を命じることがある

当社の中核プロダクトである「freee人事労務」にて新設された関西チームの募集となります。 技術的挑戦に加え、まだ数名程度の組織の基盤構築やカルチャー形成そのものを当事者として楽しめる方を求めています。 多くの地方拠点で起こりがちな「本社からの切り出し業務」ではなく、近い将来には関西チーム単体で機能開発を上流からリードできる自立した組織を目指す方針です。 地方にいながら、仕事のスケール、裁量、年収水準、成長環境において、妥協のないキャリアを築ける環境がここにはあります。 あえて現在の課題を共有し、この複雑でエキサイティングな壁を共に乗り越える仲間を募集します。 業務内容詳細 「freee人事労務」におけるプロダクトの仕様選定、およびスケーラブルなアーキテクチャの設計・実装 Claude Codeをはじめとする最新のLLM・AIエージェントツールを開発プロセスへ自発的に組み込み、チームおよび個人の開発生産性を最大化する取り組みの推進 プロダクトマネージャー（PM）、デザイナー、QAエンジニアとフラットに議論を交わし、仕様のスコープ絞り込みやユーザー価値の定義を主導 データベースの最適化（負荷低減）、自動テストの高速化、CI/CDの改善など、大規模サービスにおける技術的負債の解消とパフォーマンス・チューニングの実行 業務内容の変更範囲：会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

●職務内容 法人分野はビジネススピードが速く、先進的な技術が求められる。 当担当では、主にインフラ領域が主役となるクラウド共通基盤・DX推進などのコンサル～設計構築や、大規模・高難易度のシステム開発のインフラ・方式領域のインテグレーションを行う。 ●具体例 ・各案件における一連の工程において、技術力を活用しプロジェクトリーダとしてプロジェクトを成功に導く ・方式アセスメント、コンサルティング、更改方針策定など開発着手前から参画し、企画・要件定義から移行までの一連の開発工程、並びに運用フェーズでの安定化まで一気通貫でやり遂げる 。 ・開発標準化ソリューションの適用による設計・構築・運用の効率化、並びに実案件ノウハウのフィードバックによるソリューションの整備・拡充 ※事例:大手グループ企業へのグループ横断　共通クラウド基盤の構築

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)

最先端のAI技術を、誰もが直感的に使える形へ。 私たちは、まだ世にない価値をデザインの力で社会に実装するUI/UXデザイナーを募集しています。 アカデミアで研究される最新の機械学習技術と、ビジネスの現場にあるリアルな課題。 その二つを繋ぎ、複雑なソリューションに「使いやすさ」という命を吹き込む、非常に難易度が高く、やりがいのあるポジションです。 各分野のトップランナーである機械学習・システム開発エンジニアやコンサルタントと共に、デザインの力で社会課題を解決しませんか? <業務内容> クライアントが抱える本質的な課題を解決する「カスタムAI」ソリューションのUI/UXデザイン全般をお任せします。 プロジェクトの最上流から参画し、ビジネスとテクノロジー、そしてユーザー体験を繋ぐハブとしての役割を期待しています。 <具体的な業務内容> ・課題発見・要件定義: クライアントへのヒアリングやワークショップを通じて、ビジネス要件とユーザーニーズを深く理解し、解決すべきデザイン課題を定義します。 ・情報設計・プロトタイピング: 複雑なAIのロジックやデータを、ユーザーにとって価値ある体験として再構築するための情報設計、ワイヤーフレーム、プロトタイプの作成を行います。 ・UIデザイン: プロトタイプを元に、ユーザビリティと美しさを両立させたUIデザインを作成します。 デザインシステムの構築・運用にも携わっていただきます。 ・ユーザー検証: ユーザビリティテストなどを計画・実施し、仮説検証を繰り返しながらデザインの品質を高めます。 ・チーム連携: プロジェクトマネージャー、機械学習・システム開発エンジニア、コンサルタントなど、多様な専門性を持つメンバーと密に連携し、プロダクト開発を推進します。 <開発環境・使用ツール> デザインツール: Figma コミュニケーション: Slack, Google Workspace など プロジェクト管理:Backlog など 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 <カスタムAIソリューション事業とは?> 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ●オーダーメイドによるAI開発 ・アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ●企業のコア業務をAIで変革 ・画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 <裁量の大きさについて> 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ●技術者がお客様に対して直接提案をすること ●お客様が設計した問題に対してその問題設計に提言できること ●チームを自ら組閣し案件成功に向けて自ら動くことができること ●会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること <社内活動> エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ●技術勉強会の開催(数理最適化、強化学習 etc...) ●最新技術勉強会の開催(マルチエージェント etc...) ・本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ●チームビルディング施策 ・“チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施

原子力機器の製造に必要とされる品質保証システム(ASME等)および品質マネジメントシステム(ISO等)の確立とその実施体制の整備を行なうとともに、担当工事における品質関連活動の管理･推進、製品品質の検証、品質状況の監視･モニタリングや、その改善のための指示･指導･勧告等を行い、お客様の求める品質レベルの製品の提供を実現するための活動を行います。 具体的には、以下のような業務内容を想定しております。 ・品質システムにかかわる基本計画の策定 ・品質システムの確立および品質システムに関する外部機関等との調整 ・各工事･お客さまに対応した品質システムの確立ならびに品質活動に関するお客さまおよび外部機関との折衝 ・社内各部門における品質活動の推進およびとりまとめ ・社内各部門における品質活動状況の検証,監査、モニタリングおよび改善のための指導･勧告の実施 ・品質にかかわるマネジメントレビューのとりまとめ ・不適合品処置を含む品質不適合の処置業務のとりまとめ ・重大不適合およびその他の重大な品質問題に対する是正処置･予防処置の実施の指示･指導、実施状況の検証およびフォローアップ ・品質システムに関する記録および資料の作成･維持 ・原子力安全にかかわる教育およびそれらの向上に向けた活動の立案･推進 ・品質改善活動の推進事務局 ・購入品調達先および役務外注先の品質システムの指導、審査･監査および認定の実施 【役割】 品質保証担当者 【変更の範囲】会社の定める業務

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

【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。

製造業向けローコード開発ツール「Tulip」の開発スケーラビリティを担保するため、テーブル構造やアプリ間連携、外部システムとの接続設計など、ロジック・アーキテクト業務を担っていただきます。 ●担当業務 ・テーブル設計(物理・論理アーティファクトのモデリング)​ ・コネクター/外部API連携設計​ ・トリガ・変数・集計等の技術指導​ ・データ標準化/命名規約の整備​ ・開発ガイドラインの作成 ●導入事例 ・大手工作機器メーカー　組み立て工程手順書のデジタル化

タクシーアプリ『GO』は、全国に1,100社以上のネットワークを持ち、3,500万ダウンロードを突破したタクシーアプリです。 今後は単なるタクシー配車にとどまらず、相乗りなどのより複雑なシステムを含めたモビリティプラットフォームを作り上げていきます。 また、GO事業以外にもGX(グリーントランスフォーメーション)事業や人材事業など、モビリティ領域を中心にしつつも様々な事業を新たに展開しており、それらの新規事業においても必要に応じてプロダクトの内製開発を行っています。 GO Inc.は技術を強みとしていますが、技術そのものを目的とした会社ではありません。 技術は課題解決の手段であるため、プロダクトに向き合うことが重要です。 言われたものをそのまま作るのではなく、ユーザーの課題やニーズを理解した上で、より良い体験を追求するための議論をしながら開発を進めていただける方をお待ちしています。 ●ポジション一覧 ・toB、toC向けのWebプロダクト開発(フルスタックエンジニア) ┗タクシーアプリ『GO』の事業者向けWebプロダクト『GO管理画面』 ┗タクシーアプリ『GO』の法人向けサービス『GO BUSINESS』 ┗その他、様々なWebプロダクト開発を行うポジションもございます。 ・『GO』の決済及び請求基盤の開発(バックエンドエンジニア) ●業務内容の変更範囲 会社が指定する業務全般 <参考> [【会長×社長対談】Valueアップデート!次の未来へGOするための、GOらしい働き方・価値観](https://go-on.goinc.jp/n/ncca95a79fbfd) <生成AIの活用方針> セキュリティやコスト等のリスクを抑えつつ、開発業務から一般業務まで全社員・全エンジニアが活用しています。 一部のプロダクトでは生成AIを使った機能を提供しています。生成AIの早い変化に対応するため、エンジニア向けおよび全社員向けの生成AI活用推進チームが手順やツール利用環境を日々整備し、新しい有用なツールが利用できるようにしています。 ●利用可能な主なAIツール・サービス ・Google Gemini / Google NotebookLM / Azure OpenAI / GitHub Copilot / Cursor / Claude Code / Bedrock / OpenAI API ●主な活用状況 ・日常業務の効率化(ドキュメント作成、翻訳、議事録要約、メール作成など) ・ソフトウェア開発支援(コーディング支援、コードレビュー、テストコード生成、デバッグなど) ・サービス・プロダクトへの応用(自社サービスへのAIチャットボット導入、要約機能の実装、コンテンツ生成など) ●学習・コミュニティ活動や利用支援制度 ・有償AIツールのアカウントを全社/部署単位で付与 ・有償AIツールの利用料金の会社負担・補助制度あり ・高性能なPCやGPU環境の提供あり ・業務内外問わず、個人のツール利用に対する費用補助制度あり ・生成AIに限らず様々な補助制度、環境の提供あり ・生成AIに関するテーマで社内外の勉強会を実施 <参考記事> ・[社会を動かすエンジニアリングって?GO開発トップが語る過去と未来|惠良×長谷 対談](https://go-on.goinc.jp/n/n5c60f6de0daa) ・[Webで移動にまつわる課題を解決へと導く。Webプロダクト開発チーム立ち上げの全貌](https://go-on.goinc.jp/n/ne993d2000196) ・[顧客の声をワンチームで実現する。『GO BUSINESS』事業企画×PdM×開発の越境対談](https://go-on.goinc.jp/n/nde99f7e20e61) <参考サイト> ・[GO Inc. Entrance Book for Engineer](https://fuzzy-margin-4d6.notion.site/GO-Inc-Entrance-Book-for-Engineer-e3e916579fc64696bef64488f4c7e73c)(まずはじめに知っていただきたいGO Inc.の情報) ・[GO Tech Blog](https://techblog.goinc.jp/) (GO Inc.のエンジニアが技術情報を紹介するブログ) ・[GO-on](https://go-on.goinc.jp/)(GO Inc.の人や組織、事業について知れるブログ) ・[オフィスフリー制度](https://go-on.goinc.jp/n/nece2dde0c633)(全国どこからでも勤務できる制度) ・[トライアルタクシー制度](https://go-on.goinc.jp/n/ne45562990510) (タクシー乗車費用を会社が一部補助する制度) ・[Engineer Challenge Week](https://go-on.goinc.jp/n/n03e1ca85aacd)(半年に2週間、業務を離れてスキルアップに集中できるプログラム)

GOのデータ基盤では、3,500万ダウンロードのタクシーアプリ『GO』のデータなど、1日に10億レコード規模のデータを収集し、活用しています。 データの主な活用方法は二つあります。 一つはデータプロダクトの開発であり、データをもとにAIや高度なアルゴリズムを開発しタクシーアプリ『GO』に機能として組み込んでいます。 もう一つは意思決定支援であり、約30名のデータアナリストやデータサイエンティストがデータ分析し、その結果を元にビジネス担当やプロダクトマネージャがプロジェクトの効果測定や意思決定をしています。 本ポジションは、このデータ基盤を支えるデータエンジニアです。 仕事内容 データ基盤とデータプロダクトの実行基盤を担当いただきます。 ●データ基盤 ・大規模な車両データをDataflow等を用いてBigQueryに収集 ・3,500万ダウンロードのアプリケーションのDBとログのデータをBigQueryに収集 ・地図を始めとした外部データをデータ基盤に収集 ・データ加工バッチの開発・運用、Google Cloudの様々なサービスを用いて実現 ・StreamlitやLookerなど分析ツールのホスティング ・100人規模の利用者の管理、セキュリティコントロール ●データプロダクト実行基盤 ・タクシーアプリ『GO』でAIや高度なアルゴリズムを用いたデータプロダクトの実行基盤を設計・開発・運用 ・データサイエンティストの開発支援 ・AIモデルの学習バッチや、本番での推論サービング ・高性能かつ高可用性を担保するための設計・実装・システム運用 ・24/365のオンコール体制(待機なし・システム障害時に当番順にコールがあり対応) ●業務内容の変更範囲 会社が指定する業務全般 開発環境 ●データ基盤 ・データストア: BigQuery ・ETL: Dataflow, 独自開発(Python) ・SQLフレームワーク: Dataform ・ワークフローエンジン: Cloud Composer(Airflow) + GKE ・メタデータ管理:Dataplex ・その他ツール: Streamlit, Kepler.gl, Kubeflow ・言語: Python ●データプロダクト実行基盤 ・データストア:Redis, AWS Aurora(MySQL, PostgreSQL) ・実行基盤:AWS:AKE etc ・言語: Go, Python ・モニタリング: Grafana, Sentry ・その他ツール:Feast ●開発環境 ・LLM: Github Copilot, Claude code, gemini, MCPs etc ・IDE: VS Code etc ・CI / CD: GitHub Action ・VCS: GitHub ・その他 Google Workspace, Slack 所属組織 AI技術開発部 データプラットフォームグループ:4名 ※関連チーム ・データサイエンティスト:20名 ・データアナリスト:8名 ・データアーキテクト:5名

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