ストックオプション（信託型等）あり 年収700万円以上のITエンジニア求人・転職情報

●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)

・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

●技術基盤の構築・開発プロセスの進化 LLM活用型の開発プロセス設計・推進(Devin等のAIペアプログラミングツールの導入・運用最適化) アーキテクチャ設計・技術選定のリード(新規プロダクト・既存プロダクト横断) 開発基盤の整備(CI/CD、モノレポ構成の最適化、コードの内部品質向上) セキュリティ・ガバナンス基盤の構築(クラウドインフラの権限管理、アカウント統制、セキュリティチェック対応) DevOps/SREの仕組みづくり(監視、障害対応フロー、インシデント管理) ●プロダクト開発 新規プロダクト「Value Intelligence(VI)」の機能開発(LLM × 商談解析 × ナレッジグラフ) 既存プロダクト(Sync/Visualize)の機能開発・パフォーマンス改善・技術的負債解消 フロントエンド〜バックエンド〜インフラまでフルスタックでの開発実務 コードレビュー、設計レビューを通じたチーム全体のコード品質向上 ●組織設計・チームビルディング エンジニア採用への関与(技術面接、候補者の魅力付け) ビジネスサイド(CEO/PdM/セールス等)との要件調整・技術的な翻訳 開発チームの運営改善 将来的な評価制度・育成の仕組みづくりへの関与 ●ミッション エンジニアとして高い実装力を発揮しながら、開発プロセス・インフラ基盤・セキュリティの仕組みづくりをリードする。 CEO直下のポジションで、技術戦略からアーキテクチャ設計、チーム体制の進化まで幅広い裁量を持って推進する。

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、コンサルタントや営業といったビジネスサイドの担当者と密に連携し、顧客の生の声をダイレクトに開発へ活かしていく役割です。 ●新規アプリケーション開発 ・VIの「Value Map」が持つ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といった、新たな価値を提供するアプリケーションをゼロから開発します。 ・基本的には、一つの新機能を独立して担当していただきます。担当領域は、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、開発の全工程に及びます。 ●既存アプリケーションの改修・改善 ・自身が開発した新規アプリケーションの継続的な機能改善や、顧客やCEO、営業、コンサルタントなどビジネスサイドの声に基づいた既存アプリケーションの改修を担当します。 ●AIネイティブな開発プロセスの推進 ・Claude Code, GitHub Copilot等の活用、Devinによる自動化やコンテキストエンジニアリング環境の整備など、チーム全体の生産性向上をリードしていただきます。 技術スタック(参考:既存SaaSプロダクト) ・フロントエンド: TypeScript, Next.js, TailwindCSS ・バックエンド: TypeScript, Node.js, PostgreSQL, BigQuery ・インフラ: GCP, Firebase ・AI: ClaudeCode, Codex, Devin, OpenAI, Claude, Gemini

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。

●業務の概要 クレジットカードデータをはじめとする複数のビッグデータを用いて官公庁や地方自治体の課題解決をするチームにジョインしていただきます。 具体的には、官公庁のデータ分析や生成AI活用に関する入札案件や地方自治体向けにオルタナティブデータを活用して経済動向の把握や観光・消費分析を主導いただきます。 ●具体的な業務内容 ・課題に応じたデータ分析を行い、データドリブンな意思決定をサポート ・クライアントや社内のステークホルダーと連携し、課題解決に向けたインサイトを提供 ・複雑なデータセットを活用して、分析から施策提案まで幅広い業務を推進

私たちは今、大きな転換期を迎えています。 当社は、2025年12月に東証マザーズへの上場が決定しました。 上場によって得た資本を開発部門へ重点投資することで、 サービスラインナップを大幅に拡大し「CAREECON Platform」を 業界全体を支える建設DXプラットフォームへと進化させていく段階であり 現在は、複数プロダクトを横断して共通基盤を整備し、 アーキテクチャを刷新しながらスケールする仕組みを構築しています。 本ポジションでは、この変革を支えるテックリードとして 技術的な意思決定をリードし、チームを導くコアメンバーとして活躍していただきます。 ・「設計から運用まで」を横断的にリード ・若手エンジニアの技術支援・レビュー・教育 ・プロダクト横断の技術課題を自ら発見・解決 ・EM/PdMと連携し、技術面から事業戦略を推進 変革期の中心でこれらのミッションをリードいただくため、 「どう作るか」を超えて「なぜ・何を作るか」まで踏み込みながら、 技術と事業の両輪でリーダーシップを発揮できるポジションです。 具体的な業務内容 バックエンドAPI/サーバーサイドアプリケーションの設計・開発・運用 プロダクト横断のアーキテクチャ設計、技術選定 技術的負債の解消・リファクタリング・品質向上施策の実行 コードレビュー・技術指導・育成 EM・PdMとの協働による開発ロードマップ策定 新規機能開発における要件定義〜リリースまでの技術推進 プロダクト全体のパフォーマンス最適化・セキュリティ改善 開発プロセス・テスト・CI/CD環境の整備・改善 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/

金融サービスのシステム開発のプロジェクトに要件定義からリリースまで携わっていただきます。 顧客の要件ヒアリング、技術サポート、実現性への調査、ドキュメント作成、サービスのリリース後は、技術仕様を元に顧客やパートナーからの技術的な問い合わせ対応をお任せします。 アーキテクトとして以下を担当、またはチームとしてサポートして頂きます。 ・ビジネス要件を理解し、上流工程の設計から複数の実現方法のメリット・デメリットをロジカルに整理する。 ・適切なアーキテクチャーや技術選択、コードレビューや品質管理等、開発に関わる調整や実装等の対応をする。 【開発環境】 ・Amazon Web Services ・Terraform ・Docker ・Go ・MySQL (Aurora)

※すべての業務においてAIネイティブ化を進めています。 Fintech SHIFT事業におけるWebサービスやアプリのサービス設計~デザイン、開発フェーズまでのディレクションを担当していただきます。 企画・要件定義フェーズから、デザイン、開発、テスト、リリース、グロースフェーズまで幅広くご経験いただけるポジションです。 ※担当プロジェクトにより業務内容は異なります。 【具体的な業務内容】 ・パートナー企業からの要求ヒアリング、顧客折衝、ファシリテーション ・ターゲット設定とターゲットに沿った体験設計 ・UXを考慮したワイヤーフレームの作成 ・ デザイナー作成時のディレクション ・提案資料等のドキュメント作成 ・ エンジニア等の関係者を巻き込み、施策内容の技術的な実現可能性、スケジュール面の調整

・グループの展開する金融インフラ(資産運用、保険、その他)の開発もしくは、そのプラットフォーム上で稼働するアプリケーションの設計、開発、運用 ・新規金融インフラビジネスの立ち上げ、開発、運用 ・開発チームにおける技術検証・技術選定・技術的問題解決等のリード ・チームメンバーへの技術面でのサポート 【使用技術】 <サーバーサイド> Amazon Web Services Terraform / Packer Docker Go MySQL (Aurora) <フロントエンド> TypeScript (Vue.js / React.js) Webpack 5 【使用サービス】 Google Workspace Slack 1Password GitHub Kibela Backlog Datadog Opsgenie Bitrise

CADDiのプロダクトセキュリティチームは、顧客から預かる機密性の高い図面データやCADデータなど大容量で特殊な知的財産を守りつつ、開発スピードを最大化するためDevSecOpsの推進とセキュリティ基盤の構築と運用を担っています。 本ポジションでは、「セキュリティ領域での実務経験」と「開発チームと伴走できる経験と知識」を求めています。 脆弱性を検知・指摘しレビューし、自らコードを書き、仕組みで解決するチームを目指しています。 セキュリティエンジニアとしての専門経験と、深いアプリケーションの設計・開発・運用経験を重視しています。 ●具体的な業務内容 1.脆弱性マネジメントの自動化と高度化 検知された脆弱性のトリアージ、開発チームへの展開、および修正のトラッキングを通じたリスクの早期発見と最小化を推進しています。 ・SCA/SBOMを活用したサプライチェーン・セキュリティの構築と運用 ・CSPMを用いたクラウドインフラ(GCP等)の構成不備の自動検知と是正 ・検知からトリアージ、修正トラッキングまでのワークフローの自動化推進 2.セキュリティエンジニアリングとシフトレフト シフトレフトを推進し開発組織全体のセキュリティレベルを底上げします。 ・ADR/Design Docに基づく、設計フェーズからのセキュリティアーキテクチャレビュー ・開発者が自律的にセキュアなコードを書くためのガイドライン整備と、AIを活用したレビューシステムの開発 3.検知・応答基盤の構築と運用・インシデント対応力の強化 異常を早期に検知し、万が一の事態に迅速に対応できる体制を整備します。 ・SIEM/クラウドネイティブな監視ツールを用いた、異常検知ロジックの設計・構築・運用 ・インシデント発生を前提とした、フォレンジック環境の整備やレスポンス・プレイブックのコード化(SOARの検討など) 4.トラストセンター(信頼性の可視化) 顧客や社会に対する「信頼」を技術とプロセスの両面から支えます。 ・SOC2等の認証維持を通じたセキュリティ・コンプライアンスのコード化 ・顧客の技術審査に対する、技術的裏付けを持ったソリューション提案と信頼構築

<期待する役割> ご自身の専門性と組織課題が最も合致する領域からスタートしていただきます。その後は、経営・CTO・各開発責任者と連携し、その時々で解決すべき「最も解きごたえのある壁」に向き合っていただきます。 <想定される業務例> ●戦略的プロダクト開発・刷新への参画 ・成長痛に直面しているプロダクトに入り込み、ボトルネックの特定からアーキテクチャの再設計、難易度の高い実装までを牽引する。 ●全社横断的な「技術的突破口」の作成 ・特定のチームだけでは解決できない共通基盤(認証、データ連携、CI/CD等)の課題に対し、全社最適なソリューションを構築・展開する。 ●技術的意思決定のリードと品質の担保 ・複数チームが関わる複雑なシステムデザインのレビューや、セキュリティ・スケーラビリティ等の高い基準の策定と実行。 ●技術組織の成熟化への寄与 ・課題解決を通じて、次世代のリードエンジニアを育成し、組織全体の「壁を乗り越える力」を底上げする。 <開発環境> ●フロントエンド:TypeScript,React,Next.js ●バックエンド:Rust(axum),TypeScript,Node.js(Express,Fastify,NestJS) ●機械学習・アルゴリズム:Rust,Python,OpenCV,PyTorch,TorchServe,Elasticsearch,Vertex AI ●インフラ:Google Cloud,Google Kubernetes Engine,Anthos Service Mesh,Istio,Cloudflare,Argo Workflows ●Event Bus:Cloud Pub/Sub ●DevOps:GitHub,GitHub Actions,ArgoCD,Kustomize,Helm,Terraform,Datadog,MixPanel,Sentry ●Data:CloudSQL(PostgreSQL),AlloyDB,BigQuery,dbt,trocco ●API:GraphQL,REST,gRPC ●認証: Auth0 ●開発ツール:GitHub Copilot,Figma,Storybook ●コミュニケーションツール:Slack,Discord,JIRA,Miro,Confluence

●業務の概要 ナウキャストでは、従来の経済指標や市場調査では捉えきれない「多様でユニークなデータ」を活用し、不動産・流通・金融など幅広い業界でクライアントの意思決定を支援しています。 アナリティクスエンジニアは、単なる分析に留まらず、データ分析、データ基盤の整備、プロダクト開発から導入支援までを一気通貫で担うポジションです。 具体的には以下事業のいずれかの配属を想定しております。 ※社内の配属先はご経験やご希望を踏まえた上でご本人様とご相談しながら決定いたします ①商業用不動産・店舗ビジネス向け新規プロダクト(DataLensHubシリーズ) 2024年3月に新規事業として、商業用不動産・店舗ビジネス向けに「DataLens商業リーシング」「DataLens商圏分析」「DataLens店舗開発」の提供を開始し、現在販路の拡大を行っております。 今後とも新たな3rdパーティデータや生成AI技術を活用して「DataLensHub」を継続的にアップデートするとともに、商業用不動産ビジネス以外にも展開することを検討しています。 https://nowcast.co.jp/news/20250205/ ・DataLens店舗開発 　人流データや決済データなどの3rdパーティデータをベースとした商圏分析機能に当社の生成AI技術を組み合わせた店舗開発DXツール 　https://lp.datalenshub.com/ja-jp/property 　https://nowcast.co.jp/news/20260409/ ・DataLensオフィス営業 　AIとビッグデータを活用し「オフィス移転の可能性が高い企業」を特定できる営業支援サービス 　https://lp.datalenshub.com/office ②機関投資家・パブリックセクター向けの指数開発/分析・生成AI活用ソリューション POSデータやクレジットカードデータ等を用い、機関投資家向けの個別銘柄の売上動向指数、パブリックセクター向けの民間統計の開発のほか、生成AIの活用やデータ分析に関する官公庁の調査分析事業にてデータ分析のスペシャリストとして参画いただきます。 また、地方自治体向けのオルタナティブデータを活用した経済動向の把握、観光・消費分析などを主導いただきます。 ③金融機関向け法人与信DXソリューション 金融機関の「法人与信業務」を高度化するプロジェクトです。 既存システムで分断された情報を法人番号をキーに統合し、3rdパーティデータと組み合わせることで「限度額引き上げサジェスト」等の能動的な途上与信を実現するデータ基盤・アルゴリズムを構築します。 【具体的な業務内容】 ・不動産企業から官公庁・自治体まで、幅広い業界の課題に対しデータ分析を通じて課題解決を支援 ・不動産領域では、需要予測・商圏分析・営業リスト作成などの分析を実施し、「DataLens店舗開発」などプロダクトへ知見を実装 ・データマート開発やバックエンド実装を担い、エンジニア・デザイナーと連携したUI設計も推進 ・官公庁・自治体では、データドリブンな意思決定支援や施策提案を実施し、課題解決に向けたインサイトを提供 ●社員インタビュー ・「DataLens店舗開発」が特許を取得 ──AIで店舗出店の常識を変える挑戦の裏側 　https://finatext.com/recruit/finalog/interview_datalens_storedevelopment ・“ 分析×エンジニアリング ”で新規プロダクトを「創って、育てる」アナリティクスエンジニアの挑戦 　https://finatext.com/recruit/finalog/interview_hiromasa_hayashi ・【入社エントリー】データアナリストからデータエンジニアへの挑戦 　https://finatext.com/recruit/finalog/entry_yamamoto ●事例 ・DataLens店舗開発 ナウキャストの「DataLens店舗開発」、RIZAPがコンビニジム「chocoZAP」などの出店加速に向けて導入 https://nowcast.co.jp/news/20260410/ ゴーゴーカレーグループ、ナウキャストの店舗開発DXツール「DataLens店舗開発」を導入し、AIによる物件情報の自動取り込み機能で物件選定の作業効率を約3割向上 https://nowcast.co.jp/news/20251211/ ファーストキッチン、ナウキャストの店舗開発DXツール「DataLens店舗開発」を導入し、「ウェンディーズ・ファーストキッチン」の新規出店戦略に活用 https://nowcast.co.jp/news/20251029/ ・DataLensオフィス営業 総合不動産デベロッパーのDXを支えるカスタマイズ性。「オフィス営業」×「サードパーティデータ」が開いた可能性 https://nowcast.co.jp/case-studies/20250826/ 徹底した企業研究の仕組み化に取り組む住友不動産のオフィス営業哲学 https://nowcast.co.jp/case-studies/20250826-2

●業務の概要 ①生成AIを用いたプロダクト (Data AI Solution事業) 2024年4月に始動した新事業ユニットです。 生成AIを活用したデータ基盤の構築や、クライアントの業務課題を解決するカスタムシステムの開発を推進しています。 <具体的な業務内容> ・LLMを活用した業務システムの設計・開発 ・生成AIを活用したデータ基盤の構築 ・AI技術のリサーチ、プロトタイピング、および実用化支援 <関わるサービス> ・Finatext Advisory Assistシリーズ 　資産運用業務に特化した営業支援基幹システム 　1stパーティーデータ × 基幹システム × 生成AIを融合し、金融機関の営業業務の高度化と効率化を実現 　https://nowcast.co.jp/news/20240419/ 　https://nowcast.co.jp/news/20240905/ 　https://finatext.com/news/20250404/ ・MCPass(新規立ち上げ) 　組織内のAIエージェント接続を一元管理し、ガバナンスとセキュリティを支える「MCPゲートウェイ」プラットフォームの開発。 　金融機関を中心としたエンタープライズ向けプロダクトとして外部展開を目指して開発中です。 　https://nowcast.co.jp/news/20260417/ 　https://zenn.dev/finatext/articles/mcp-gateway-nowcast 　https://speakerdeck.com/mtpooh/mcpass-intro-dataopsnight10 ・Finstage Cowork(企業向けAI協働プラットフォーム) 　企業向けにAI×業務協働(バイブワーキング)の環境を提供する自社プロダクト。 　チャットから業務依頼・承認制御・実行までを一元化し、金融・規制業務でも導入しやすいガバナンスを備えたエンタープライズ向けのAI協働基盤です。 　MCPプロダクトと組み合わせ、現場のAI活用とIT部門の統制を両立します。 　https://finatext.com/finstage/cowork ②商業用不動産・店舗ビジネス向け新規プロダクト (Real Estate Unit) 2024年3月に新規事業として不動産業界向けのデータ活用プロダクトを展開。マイソク(物件概要書)の読み取り、ショッピングセンターのスクレイピング、営業自動化などの分野でLLMを活用していただきます。 <具体的な業務内容> ・不動産業界向けプロダクト(マイソク読み取り・SCスクレイピング・営業自動化など)の開発 ・LLMを活用した不動産データ解析および営業支援システムの開発 ・新規プロダクトにおける生成AIの活用検討・実装 <関わるサービス> ・「DataLens店舗開発」 　人流データや決済データなどの3rdパーティデータをベースとした商圏分析機能に当社の生成AI技術を組み合わせた店舗開発DXツール 　https://lp.datalenshub.com/ja-jp/property 　https://nowcast.co.jp/news/20260409/ ・「DataLensオフィス営業」 　AIとビッグデータを活用し「オフィス移転の可能性が高い企業」を特定できる営業支援サービス 　https://lp.datalenshub.com/office ③投資家向けソリューション (Financial Reserch Unit) オルタナティブデータを軸としたデータサービス事業を展開するユニット。 機関投資家向け個別銘柄分析サービス「AlternaData」や民間統計サービスを提供。現在はAIを活用し、投資家の意思決定や業務プロセスの高度化支援へと領域を拡大しています。 <具体的な業務内容> ・LLMを活用した決算説明資料等からの定量指標の抽出、およびデータパイプラインの構築 ・決算速報レポートの自動生成(IR支援、Paid Research向け) ・投資判断に有用なデータ(ECサイトの商品単価や予約サイトの待ち時間等)のスクレイピング・構造化 ・Excel等の財務モデルとAIを連携させたレポーティング業務の自動化 ④法人関連データの収集・構造化・プロダクト化 (Data Holder Unit) 法人関連データへの社内外からのニーズ増加に伴い、内製によるデータ収集・構造化を推進し、高頻度・高精度なデータプロダクトの提供を目指しています。 有価証券報告書や適時開示などのPDF/XBRLや企業HP等からの情報を抽出するミッションを、「LLMを情報の構造化における手段」と定義し、専属でデータパイプラインの設計・運用を担うエンジニアを募集しています。 <具体的な業務内容> ・データパイプライン構築: スクレイピングやOCR、LLMを組み合わせ、非構造化データ(有価証券報告書・適時開示・Webページ等)から情報を抽出・構造化するETL基盤の設計・運用 ・LLMOps/品質監視: LLMの確率的な出力に対する精度評価システムの構築および、モデル更新時の精度変化を継続的にモニタリングする監視体制の整備 ・品質保証の仕組み化: オペレーターによるチェックとAI自動評価を連携させ、大規模なデータ抽出における信頼性と効率性を両立する仕組み作り ⑤Finatextグループ ・証券ビジネスプラットフォーム「BaaS」 ・保険ビジネスプラットフォーム「Inspire」 ・クレジットビジネスプラットフォーム「Crest」 ●その他プロジェクト事例 エンタープライズ企業との共創による実運用フェーズの生成AIプロジェクトにも多数取り組んでいます。 ・ニッセイアセットマネジメントの社員発アイデアをもとにした生成AI社内アプリケーションを開発 　https://nowcast.co.jp/news/20240731 ・ナウキャスト、エムエスティ保険サービスの社員専用生成AI環境「AI-MO」を構築 　https://nowcast.co.jp/news/20250716/ ・ナウキャスト、東京海上アセットマネジメント社員専用の生成AIアプリケーション 「TMAM AI」を開発 　https://nowcast.co.jp/news/20250819/ ・ナウキャスト、大和アセットマネジメント専用の生成AIアプリケーション「DAM-AICore」を開発 　https://nowcast.co.jp/news/20260107/ ・ナウキャスト、三菱地所の全社データ分析基盤「SoDA」に生成AI駆動型のアプリケーション開発環境を構築 　https://nowcast.co.jp/news/20260218/ ●社員インタビュー ・刺激のある環境で成長速度を加速したい。裁量のある環境で挑戦し、視座を高めるLLMエンジニア 　https://finatext.com/recruit/finalog/interview_ikeda ●技術スタック Python、dbt、Airflow、Snowflake、Redshift、Terraform、Vue.js、React、AWS、Google Cloud、Azure、OpenAI