カジュアル面談可 年収800万円以上のITエンジニア求人・転職情報

システムPMとして、以下を一気通貫でリードいただきます。グリッドでは、AIを使ったシステムを作って終わりにせず、業務に組み込んで本番運用までつなげることを重視しています。 ●クライアントコミュニケーション:顧客の課題発掘・把握、解決策の提案 ●要件定義・設計の統括:業務フロー・ユースケース・非機能要件・外部IF・データ設計まで踏み込んだ要件定義のリード ●プロジェクト推進:AIエンジニア/アプリケーション開発チームとの橋渡し、プロジェクト全体の進行管理 ●品質・リスク管理:レビュー・テスト方針の策定、品質・リスク管理の主体的な推進 ●マネジメント:見積り、スケジュール、コスト、チームリソースのマネジメント 【主なクライアント】 大手企業を中心に、エネルギーインフラ、製造、建設、サプライチェーン業界など(電力会社の発電計画、物流会社の配船計画、運送会社の陸上輸送計画など) 【開発環境】 ・言語:Typescript(FWはReact)、Python、SQL ・IDE:Microsoft VSCode(+Cursor) ・インフラ:AWS(主にECS/ECR、EC2、RDS(MySQLまたはPostgress)) 【開発チーム】 ・システム開発において、経験豊富なメンバーが在籍しています。 ・スタートアップならではの特徴を活かし、カルチャーやルールを共に作り上げていく環境です。仲間とともに汗を流し、一体感のある現場が広がっています。 ・開発メンバーの出身業界は、ゲーム会社、SIer、通信業界からミュージシャンまで多岐にわたります。入社時にAIプロジェクトの経験があったメンバーはほとんどおらず、入社後に必要なスキルや知識を身につけています。

●主にお任せしたいこと ①データ収集・パイプライン領域 ・各DBのデイリーミラーリング取込基盤の運用・改善(ジョブフロー再設計、取込時バリデーション、エラー通知の整合性改善、障害対応と再発防止) ・TROCCO・Cloud Workflows・Cloud Run を用いた非DBデータの取込パイプライン構築・運用 ・生成AIを組み込んだ、書式揺れに強い非構造データ取込パイプラインの構築 ・取込ソース追加のゼロデプロイ化(設定駆動化)など、DE運用工数を構造的に減らす自動化 ・Reverse ETL等の新しいデータ連携要件への対応と、取込基盤の適用範囲拡大 ②データモデリング・提供領域 ・4層モデリング設計方針に基づく staging / dwh(dim・fct)/ mart 各レイヤーのdbtモデル実装と、テストによる品質担保 ・BI(Looker Studio / Lightdash等)へのデータマート提供と、事業部のデータ活用支援 ・各種メタデータを統合的に集約したデータカタログの展開によるヒューマン・AIフレンドリーな意思決定支援の価値最大化 ・セマンティックレイヤーによる指標定義の実装 ・安定した指標提供におけるセマンティックレイヤー自体の費用対効果の技術検証、その他カタログなどのツール間の比較検証などのR&D活動 ・AIエージェント向けアクセス経路の整備やエージェント品質の継続評価・民主化に向けた仕組み作り ③運用・ガバナンス領域 ・GitHub Actions を軸としたCI/CD・自動デプロイ・規約lintの運用・改善 ・BigQueryの利用実態モニタリングとコスト最適化(FinOps)への参画 ・事業部からのデータ要望に対する要求・要件定義、スコープ合意からデリバリーまでの一連の対応 ・Claude Code等のAIエージェントを開発ワークフローに組み込んだ、エンジニアリング業務の生産性改善を通したDataOpsのエンハンス ・アクセス制御(列レベルマスキング・行レベルアクセス・個人情報カラムの自動特定)のdbt/Terraformによる実装 【チームの紹介】 ・全社・事業部でのデータ活用を支えるため、データ基盤の整備・運用、データマートの構築、BIツールの活用支援を担当 ・新データ基盤が本番稼働し旧システム群の停止が完了したことを受け、現在はdbtへの移行やセマンティックレイヤー・データカタログの整備を進め、より多くのメンバーが安心してデータを活用できる環境づくりに注力 ・社内のデータ民主化をさらに進めるとともに、経営課題に対する戦略的な意思決定を支えるデータ分析基盤の高度化にも取り組んでいる 【プロダクト開発環境】 ・インフラ:GCP, AWS ・プロジェクトデザイン:Miro, Figma ・利用言語やフレームワーク:Python, Go, SQL ・ドキュメント管理:Confluence, Google Drive ・チケット管理:Jira ・コミュニケーション:Slack ・コンテナ技術:Docker, Kubernetes ・Data Warehouse:BigQuery ・ETL:Cloud Functions, Dataform ・データコレクタ:Dataflow, Pub/Sub ・Database:Cloud SQL, Cloud Spanner, AlloyDB, PostgreDB(Amazon RDS) ・構成管理:Terraform ・監視:Cloud Monitoring, NewRelic ・ワークフロー:Airflow ・CI/CD:GitHub Actions

FDEチームの一員として、エンジニアと一体で以下を担っていただきます。 ● ドメイン没入と課題設定 ・現場(買取現場・コールセンター・物流倉庫・コーポレート部門)への同行・観察・1次情報収集 ・業務プロセス/顧客/市場の構造を解像度高く理解し、解くべき課題を自ら定義 ● 事業KPIに対する仮説オーナーシップ ・担当ドメインKPI(成果向上・生産性改善)に対する仮説立案、優先順位付け、結果の解釈と次手の設計 ・他領域への波及効果も含めた全体最適視点での意思決定 ● AIネイティブ開発プロセスの推進 ・AIエージェントによる高スピード開発を前提とした要件整理・仮説検証・ナレッジベース構築 ・スピード重視で「未完成のものを早期に実験する」プロトタイピング/PoCの設計と運用 ● エンジニアと一体のプロダクト設計 ・「何を作るか」をエンジニアと協働で決定 ・Cosmosを中心とした新機能開発/業務標準化プロジェクトの企画〜要件整理〜現場接続 ● ステークホルダーマネジメント ・事業責任者・現場リーダーとの合意形成 ・グループ企業(TL/RGT/NKD)への横展開設計 【組織/配属先の特徴】 ・3層構造の技術組織:FDE層(事業ドメイン没入)/プラットフォームエンジニアリング層(FDEの生産性向上)/コアドメイン層(共通API基盤)の3層に再編し、AIネイティブ前提の組織を構築中 ・配属:プロダクトマネジメント部に所属/いずれかのドメインのFDEチームにジョイン ・PdM出身者例:元リクルート・大手事業会社など、事業理解×推進力の強い人材が活躍中 ・規模:PdM・SWE・データサイエンティスト・AIエンジニアなど100名規模 【プロダクト開発環境】 ・開発言語:Golang, React.js (Next.js), TypeScript ・インフラ:GCP (Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GitHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry/APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira/ドキュメント管理:Confluence ・AI活用:Claude Code, Cursor, GitHub Copilot ほか(AIエージェント前提のワークフローを推進中) ・その他:Elastic Cloud, Terraform Cloud, Chromatic

<リユースプラットフォーム開発> リユースプラットフォームCosmosのビジョンは、「日本全国誰もが簡単にリユースにアクセスできる世界の構築」を想い描いています。 事業理解と共に、プロダクトと関わるメンバーのサポートをお任せいたします。 ・プロダクトのデリバリーマネジメント ・プロダクトに係るコストの予実管理 ・メンバーとの1on1、メンタリング、コーチング、人事評価、アサイン計画などピープルマネジメント ※変更の範囲なし 【チームの特徴】 ・開発生産性への意識が高く、作業の効率化などを重視できます ・仕様がトップダウンで降りることはなく、エンジニアが「なぜつくるか」を理解して開発します ・業務を通して得た知見をtech blogや外部登壇で発表することを推奨しています ・1プロダクトあたり10人未満のチーム構成 【開発組織の成長に向けた取り組み】 エンジニア組織は35名から90名まで増加しており、今後も拡大を予定しています。 一方で組織横断の知見共有や事業部連携が不足していたり、次世代のEMやTLを育成するスキームが確立していないなど課題が浮かび上がってきました。 私たちは「バイセルテックイシュー」と称して、日々課題解決への取り組みを行なっています。 ・ビジネス理解浸透会 ・社外アウトプットを強めるワーキンググループ作成 ・MVV浸透イベント 【プロダクト開発環境】 ・開発言語:Golang, React.js(Next.js), TypeScript ・インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GItHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry ・APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic

Deployment Strategist の役割 「Deployment Strategist」は、顧客の経営アジェンダを起点に、AI と自社プロダクトを組み合わせて業務を設計し直し、現場で経営判断が変わるところまでを一気通貫で実装する責任者です。マッキンゼー最速AP、アクセンチュア最速SMと共に、日本を代表するエンタープライズ企業の変革をお任せします。 日々の業務では、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ただきます。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。 Claude Code をはじめとする AIを使い倒し、戦略とプロダクトの両方を握って前に進める ― 経営視点 × 現場視点 × AI 実装力の三点を併せ持つ、市場で最も希少な人材を生むキャリアです。

〇 このポジションの役割 フロントエンドエンジニアとして、電力取引プラットフォームのUI/UX設計から実装・運用まで一貫して担っていただきます。 ユーザーが直接触れるインターフェースを開発し、プロダクトの価値を最大化していただくポジションです。 〇 具体的な業務内容 ・電力取引プラットフォームのフロントエンド開発 電力取引(約定):需要家と発電家をマッチングさせる市場のUI開発 需要・発電予測:予測精度を表示するダッシュボードやデータ入出力機能の開発 顧客管理:契約管理や電力量・請求画面等の開発 ・要件定義・モデリング・設計 ・実装・コードレビュー ・障害対応 ・必要に応じてスクラッチでの新規システム開発 〇 使用技術(2026年2月時点) ・JavaScript(TypeScript, ReactJS) ・Python(FastAPI) ・PostgreSQL ・AWS ・GitHub ・Slack ・Notion

デジタルグリッドでは電力取引プラットフォームのバックエンド開発をお願いできるソフトウェアエンジニアを募集しています。 例として以下のようなサービス機能の企画・開発・運用に携わっていただきます。 ■役割 ・電力の需要家と発電家をマッチングさせ、需要家が必要な電力量を売買する市場の取引ロジックを開発します。 ・機械学習エンジニアと連携しながら需要量・発電量を予測するサービスを提供します。MLOps 環境の整備や運用を行います。 ・顧客の各種契約を管理や、顧客が調達した電力量・使用した電力量等に基づいた請求を行います。社内メンバーの運用を効率化し、少ないメンバーでスケールする運用を支える社内ツールの開発も行います。 ■具体的な業務内容 基本的には以下の業務をお願いします。 ・要件定義 ・モデリング ・設計 ・実装 ・コードレビュー ・障害対応 ・ドキュメントの記載と更新 また必要に応じてスクラッチでの新規システム開発が発生します。 2025年7月時点での主要技術スタックと使用しているツールは以下の通りです。 ・Python(FastAPI) ・JavaScript(TypeScript, React) ・PostgreSQL ・AWS ・GitHub ・Slack ・Notion スタートアップやメガベンチャーでウェブアプリケーションの開発を行っていた方はフィットすると思います。 ドメイン知識が固有で広く深く、既存の他社のシステムとの連携もあるため、設計自体も非常にチャレンジングで面白いです。 ぜひ一緒にあーでもないこーでもないと悩みながらスケーラブルなシステムを作っていきましょう! どの職種に応募してよいか不明な場合、事業やポジションについてより詳細に知りたい場合はカジュアル面談を実施しております。 お気軽にご連絡ください。 -2025年4月東証グロース市場へ新規上場いたしました!- 「電力を生む発電家」と「電力を買う需要家」が直接売買できるシステムを備えたプラットフォームを提供しています。 未来の子どもたちがエネルギーの制約にとらわれずに過ごせるように。 電力取引に参入しやすいプラットフォーム=市場を整えることで、人と地球に優しい「再エネ」をスタンダードにすることを目指します。 *ーデジタルグリッドはこんな会社ですー* ●経済情報番組「PIVOT」に出演しました https://www.youtube.com/watch?v=y1z0B97e1j4 ●デジタルグリッド社長の一日に密着～セミナーの裏側を大公開～ https://youtu.be/Ix4fZF_lSHs?si=MlSz4deEvLE2SCgX ●【蓄電所を初公開】いま注目の系統用蓄電池ーデジタルグリッドが蓄電所をつくる理由とはー https://youtu.be/zRDlmHxB0XQ?si=jiu2E7GEtvfYyiYE ●"売るだけじゃない” 営業の仕事と成長の裏側 https://youtu.be/M0NM3kp0Ec0?si=iH-8PSof4TuBJpZV

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 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。 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

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 シニアポジションでは、加えて技術方針の策定、重要テーマの優先順位付け、四半期単位の重要テーマのリード、複数職種をまたいだ推進まで担っていただくことを期待しています。 1.マッチング体験の向上 ●マッチング機能の技術リード ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて設計・実装し、安定運用と継続的な改善をリードする ●マッチングに必要なデータ・特徴量・Feature Store改善の設計と推進 マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら、改善方針の設計から実装・運用までを推進する ●ML基盤近接領域の機能実装・改善 Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用に加え、Recommend API周辺を含む基盤近接領域のプロダクト実装・安定運用をリードする ●LLMを活用した自律的な改善ループの設計・推進 LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを設計・推進する 2.プラットフォームの信頼性・安全性向上 ●AI機能の安全性設計・実装のリード LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能の設計・実装・改善をリードする ●運用を踏まえたリスク制御の設計 AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ●リスク予測・異常検知モデルの開発リード 構造化データから、プラットフォームの信頼性を損なうパターンを特定する分類・回帰・異常検知モデルの設計、実装、評価、運用をリードする ●データセット設計・品質改善の主導 多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成を通じて、評価・学習データセットの品質改善を主導する 3.共通基盤を活用した実装・改善 ●LLMOps/評価基盤の活用と改善提案のリード 実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善を主導する ●品質・コスト・レイテンシーの継続的な可視化と最適化 モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す ●重要テーマの推進 マッチングまたはTrust & Safety領域における重要テーマについて、技術方針の設計、関係者との合意形成、実行計画の具体化、推進管理まで担う 入社後の期待イメージ 入社後3ヶ月 :担当テーマの1つで、モデル・AI機能・業務ロジック・評価設計の改善を本番に反映し、周辺の関係者を巻き込みながら改善サイクルをリードし始めている状態 入社後6ヶ月 :マッチングまたはTrust & Safety領域における重要テーマの1つを自走して前進させ、課題設定、技術方針、評価設計、実装、運用までを一貫して推進しながら、周辺関係者の意思決定にも影響を与え始めている状態 入社後12ヶ月 :マッチングまたはTrust & Safety領域において、複数の重要テーマを横断的にリードし、技術方針・評価設計・運用設計の基準を形にしながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアの意思決定と実行を前進させ、領域全体の改善速度と意思決定の質向上に明確に貢献している状態 【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】 以下のようなデータを扱っています ・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

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 1.マッチング体験の向上 ・マッチングロジックの実装・運用 :ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて実装し、安定運用と継続的な改善を担う ・マッチングに必要なデータ・特徴量の設計と実装 :マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら実装・運用する ・ML基盤上での機能実装・運用 :Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用、およびRecommend API周辺のプロダクト実装・安定運用を担う ・LLMを活用した自律的な改善ループの構築 :LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを構築する 2. プラットフォームの信頼性・安全性向上 ・AI機能の安全性実装 :LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能を実装・改善する ・運用を踏まえたリスク制御の設計 :AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ・リスク予測・異常検知モデルの開発 :構造化データから、プラットフォームの信頼性を損なうパターンを特定する高精度な分類・回帰モデルの構築、および特徴量エンジニアリング ・データセット設計・品質改善 :多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成によるモデルの堅牢性強化 3. 共通基盤を活用した実装・改善 ・LLMOps/評価基盤の活用と改善提案:実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善 ・品質・コスト・レイテンシーの継続的な可視化:モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す 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】 以下のようなデータを扱っています ・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

事業の急拡大期を迎えているタイミーの事業戦略や組織のスケールに伴う、エンジニアリング組織の不足をあらゆる方法を用いて補うことで、開発組織のフロー効率の向上に貢献する専任エンジニアリングマネージャーをお任せいたします。 エンジニアリング組織の生産性を最大化させるためにCTO/VPoEと密に連携しながら、複雑かつ多岐に渡る組織課題に対してチームで連携しながら課題解決に取り組む役割です。組織化されたエンジニアリングマネージャーチームに所属して横断的に動きつつ、担当する機能領域に関してマネージャーとしてお任せしてリードいただくことを期待しております。組織の評価はFourKeysとエンゲージメントを用いており、開発組織のパフォーマンスとチームの精神的なコンディションの変化を指標として観測しています。 また、担当する開発チームのアサインや評価権限を持ってエンジニアやチームに働きかけることで、エンジニア個人のポテンシャルを最大化し、エンジニア組織が変化を観測、状況に合わせてケイパビリティを再構成できるように支援します。 具体的な業務 ●持続可能な状態でスケールできるエンジニアリング組織の設計・構築・運用 ・プロダクト・技術戦略を実現できる組織となるための戦略の立案支援・遂行 ・組織へのアサインメントや役割の創出、フレームの作成 ・開発組織を横断的に見渡し、プロダクトロードマップを実現するために必要な技術やリソースに関する意思決定 ●エンジニア及びエンジニア組織の成長を支援し、成果の最大化を目指したピープルマネジメント ・1on1などによるコンディションチェック、課題の吸い上げ・解決のサポート ・キャリアデザイン支援 ・人事評価制度の改善・運用 ●エンジニア採用活動 ・中途・新卒問わず効率的かつミスマッチの少ない採用プロセスの設計、運用 ・カジュアル面談、面接の実施、改善 ●学習する組織文化の醸成 ・タイミーのエンジニアリング組織のプレゼンスを高め、伝えていくための技術広報 ・社内の学習コミュニティの運営 技術スタック(主要な部分の抜粋) ●Backend 開発言語: Ruby 3.4系 アーキテクチャ: Ruby on Rails 8.0系、RSpec ●Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR ●Mobile（iOS） 開発言語: Swift ●Mobile（Android） 開発言語: Kotlin ●Infrastructure AWS：ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc… Elasticsearch(AWS Marketplace) Google Cloud（一部サービス） IaC：Terraform ログ：Datadog LogsとS3に集約 ●その他 ・AIエージェント・LLMツール： - 開発支援: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code - 開発基盤・運用: Vertex AI, LiteLLM, MLflow, Datadog LLM Observability - その他: Gemini, NotebookLM, NotionAI ・コード管理：GitHub ・ コミュニケーションツール：Slack, Notion

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。

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

【役割】 配属先によって職務内容の詳細は異なりますが、基本的には新機能開発や既存機能の改修を中心として、企画・設計・開発・運用の一連のSaaSプロダクト開発に必要な全てのフェーズに携わっていただきます。 また、風通しの良いオープンな社風を良しとしているため、エンジニアリング領域のみならず全社的・組織的な改善提案や議論についても自由に行うことができ、チームとして課題を解決していくことを最重要視しています。 また、事業拡大に向けたエンジニアの採用も組織として重視しており、様々な形での採用活動への貢献も期待しています。 【具体的な業務の例】 ・ウェブアプリケーション開発 ┗開発関連：実装・自動テストの作成・レビュー・検証・リリースなどプロダクト開発に必要なことを職能に縛られず横断的に行っていただきます ┗問い合わせ対応：仕様確認、不具合調査など ┗仕様検討：チームで行う仕様検討への貢献、ユーザーヒアリングなど ┗プロジェクト進行：多くの場合スクラムをフレームワークとして利用しているため、各種スクラムイベントの進行・改善を通してチームとしてプロジェクト進行に取り組んでいただきます ・採用活動 ┗面談・面接等の選考への参加 ┗テックブログや登壇などの発信活動 【チームについて】 配属先によってチーム構成は異なりますが、ひとつのプロダクト開発チームは多くの場合5〜9名程度で構成され、そこにプロダクトエンジニア、PM、プロダクトデザイナー、QAエンジニア、UXライターといった多様な職能を有するメンバーが所属しています。 各チームはプロダクトの着想からリリースまでを一貫して担えるよう、職能横断的な構成を取っており、また職能を越えた協働も積極的に行われています。 ひとつのチームが着想からリリース、その後の運用といったプロダクトに関する幅広い責任・権限を有することで、チームの自律性を高め、主体的にプロダクトに関わっていける環境を作っています。 ※業務内容変更範囲：会社の定める業務

「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

●このポジションについて GROWTH VERSEのテックリードは、自社プロダクトの課題に向き合い、的確なテクニカルロードマップを描き、それを遂行する役割です。 特定の言語や技術への習熟よりも、設計・アーキテクチャへの造詣の深さを大切にしています。 私たちが大切にしているのは、言われたものを作ることではありません。 顧客がプロダクトを使ったうえで、どのような状態にたどり着きたいのかを自分たちで考え抜き、その先にある感動(Wow)を体験として届けることです。 プロダクトは、顧客が実現したいビジネス活動の一部です。 その中で、私たちのプロダクトが欠かせない役割を担っている状態を、私たちが主導してつくりにいきます。 このポジションで担うこと プロダクトと、その利用者の業務を深く理解する プロダクトが使われる現場の業務に入り込み、業務の流れと課題の構造を理解する 業種が変わっても、相手よりも深く理解することを目指す プロダクトのテクニカルロードマップを描く 事業の目標から逆算して、プロダクトのテクニカルロードマップを描く 設計・アーキテクチャの観点から、何をどの順で進めるかを判断する ロードマップをチームで遂行する 描いたロードマップを、計画で終わらせずにチームを率いて遂行する 進めながら状況を見て、設計・アーキテクチャの判断を重ねる キャリアパス プロダクトのテックリードとして経験を積んだ先に、事業の現場へ入り込む2つの道があります。 M&A先の企業に入り込む道:グループに加わった企業のシステムと開発体制を統合し(PMI)、自社のAI Agentやプロダクトを組み込んで、事業の価値を引き上げる クライアントに入り込む道(FDE):クライアントの現場に入り込み、AI Agentを設計・実装して、業務の成果につなげる また、テックリードマネージャー(Tech Lead Manager)へと役割を広げ、その先にM&Aで加わった事業を担う事業部CTOという選択肢も検討できます。 いずれも決まったものではありません。 ご本人の志向を伺いながら、一緒に検討します。 技術スタック クラウド: AWSがメイン(ECS / Lambda / S3 / Terraform / GitHub Actions) データ基盤: Snowflake などのデータウェアハウス・分析基盤 AI/LLM: Python / LangChain / AI Agent開発フレームワーク 開発文化: IaC / SRE思想 / Agentic SRE / 生成AI活用 / 品質最優先 AI駆動開発: ハーネスエンジニアリングなど、最新のグッドプラクティスにも柔軟に取り組む 社内の開発運用そのものも、すでにAI Agentで回しています。 スプリントのチェックイン、放置されたPRのリマインド、クラウドコストの週次レポートなど、 誰かが手でやっていた定期業務をAgentに移してきました。 いまはそれを Agent Platform として作り直している最中です。 #### 成長環境:DAX Boost Lab 同じClaudeを使っていても、エンジニアのアウトプットには差が出ます。 社内でその差が起きたとき、それを「個人の才能」で片付けず、成長要素を分解して カリキュラム化しました。 教えているのは「ツールの使い方」ではありません。 重点は 事業数値を伸ばすためにAI Agentが最大のパフォーマンスを出せる環境をどう設計するか 教材は空想上のアプリではなく、実際の開発現場に近い課題を扱います 設計しているのは現役の技術責任者(VP of Technology)です 到達段階は3つのPhaseで整理しています。 Phase 1 プレイヤー:自分でAIを動かし、ほぼ最高速度に近い開発ができる状態 Phase 2 マネージャー:複数のAIと周囲のメンバーをマネジメントし、チームとして成果を出す状態 Phase 3 事業部CTO:AI Agentが開発・運用の一部を担う前提で、事業がより少人数で回る環境全体をアーキテクトする状態 学び合いと、アウトプットの文化 TGIF(月次) — Tech部全体で集まるLT会。 2026年7月に第1回を開催しました。 指名枠に加えて有志のLT枠があり、テーマは自由。 1人5分。 オンライン参加もできます 社内勉強会 — プロダクトをまたいだナレッジシェアの場をオンラインで開いています。 ここで話したことが、そのまま社外での登壇のネタになる導線があります 外部イベントへの登壇・共同運営 — 2026年8月には golang.tokyo #44 を共同運営し、 GROWTH VERSEのエンジニアが登壇しました 働き方(正直にお伝えします) 出社を基本としつつ、リモートワークも可能です(基本は出社推奨ですが絶対ではなく、 実際にフルリモートのメンバーもいます) 専門業務型裁量労働制(労働時間の制度であり、出社/リモートとは別の話です) 成果責任型の文化。 時間管理より成果で評価します 必須の対面イベントがあります 全社集会・懇親会(半期/四半期に1回) エンジニアTGIF等(月1回程度)

▶︎担当可能性のあるプロダクト ・ココナラスキルマーケット ・ココナラ募集 ・ココナラスカウト ・ココナラコンテンツマーケット プロダクトを主導する立場で、事業KPIに責任を持ち、事業成長のための施策、機能開発企画の立案と実行をご担当いただきます。 実行の際は、データアナリスト・デザイナー・エンジニア・カスタマーサポートなど、クロスファンクショナルチームによって行われる開発プロジェクトを責任者としてリード。 PJTミッションと成功条件を定義・共有し、成功に向けてプロジェクトを推進していただきます。 ●業務内容変更範囲 会社の指定する業務

●ミッション 当社は、急速な事業成長とグループ拡大、従業員数の組織拡大に伴い、社内IT環境やセキュリティポリシーの高度化、複数エンティティ間に跨るITガバナンスの構築、そしてM&Aに伴うITシステムの迅速な統合(PMI)が経営上の重要課題となっています。 コーポレートIT部門において、全社ITインフラのZero Trust化、生成AIやSaaS連携を活用した業務自動化、強固なITガバナンスとセキュリティの確立を通じて、全従業員が最も安全かつ効率的に価値を創出できる環境を実現していただきたいです。 ●仕事概要 グループ全体のコーポレートIT(情報システム・インフラ・セキュリティ・ITガバナンス)を統括するCIO候補ポジションです。 現在、第二創業期におけるさらなる成長のため、組織体制を「RENOSY」「ITANDI」「海外不動産」のドメインへ集約する大きな転換期を迎えており、多角化・グローバル化が進むグループ全体のIT基盤を再構築・強化していただきます。 本ポジションは、経営視点での全社ITロードマップ策定や組織マネジメントにとどまらず、必要に応じて自ら現場に降りてアーキテクチャ選定やプロジェクトのボトルネック解消へ手を動かす、ハンズオンの実行力が必要となります。 ●具体的な業務内容 ・コーポレートIT・ITガバナンス戦略の策定および実行 ・グループ全社のITロードマップ策定、IT予算の最適化、全社ITガバナンスおよびセキュリティポリシーの設計と運用 ・Zero Trustネットワークアーキテクチャの推進、IdP・MDM・SaaS統合管理ツールの評価・導入・運用 ・M&Aに伴うIT統合(PMI)およびマルチエンティティ統合管理 ・IT環境・セキュリティ監査およびシステム統合プロジェクトの主導 ・生成AIや自動化ツールの社内導入支援、業務プロセスの効率化・自動化の推進 ・約20名規模のコーポレートIT組織のピープルマネジメント、採用、育成、評価 ●組織体制 当組織は「世界トップのテック企業として最高の”Employee Experience”となるIT環境を実現・提供する」をミッションとして掲げております。 特に下記の3つの価値観を重視しています。 ・安心:セキュリティ対策向上とシステムの安定性(事業継続性)を高める ・簡単:従業員体験(EX)の向上、使いやすさを向上させる ・最適:リソース(コスト、パフォーマンス)の効率化を行う 現在、情報システム部門は、IT企画・コーポレートエンジニアリング・サービスデスクの3チーム、約10名体制となっています。 ※経営状況、配属先の状況等を総合的に勘案し、会社の指定する部署への配置転換及び会社が指定する業務内容へ変更する場合がございます。 (グループ会社等への出向及び転籍を含む)

●役割 ・3C×STPを踏まえて全社DX・AI活用の中長期戦略と年度実行計画を策定し、経営会議・取締役会で合意形成したうえで、事業成果に直結する実行まで統括する ・デジタル本部を率い、正社員エンジニア・コーポレートIT・業務委託パートナーを含む組織の採用・育成・組織設計を通じて、少数精鋭でQCDを高める開発・IT体制を構築する ・ホームケア事業・リネンサプライ事業・新規事業のDXプログラムをKPI、投資対効果、リードタイム、品質の観点でモニタリングし、経営層・事業部門と連携しながら成果最大化に向けて介入する ・AIエージェント基盤、Skill/Harness等を活用し、属人ナレッジを組織資産化する仕組みを構築する ・ITアーキテクチャ、コーポレートIT、情報セキュリティ、生成AIセキュリティの方針を定め、全社ガバナンスと初動体制を整備する ・営業所・工場・事業部門・経営層の間に入り、現場業務と顧客価値に根ざしたAI・DXの定着を進め、テクノロジーを事業変革の実装力へ変える

SmartHRは「well-working 労働にまつわる社会課題をなくし、誰もがその人らしく働ける社会を作る。」をミッションに掲げ、クラウド人事労務ソフト「SmartHR」を開発・提供しています。 今後、SmartHRが目指すのは「人事労務の効率化ツール」ではなく、日本の働き方そのものを変える社会インフラです。給与・勤怠・タレントマネジメントを横断する「人的資本経営プラットフォーム」への進化を挑戦し、企業が「人」に投資できる社会の実現を目指しています。 数百万人のユーザーに支えられるプロダクトがすでにありながら、日本全法人へのカバー率はまだ数パーセント。解くべき課題の広さは、市場の広さそのものです。2030年に売上1,000億円を目標に掲げ、「日本全体の企業とそこで働く人々の当たり前を変える」という大きな挑戦に挑んでいます。 ● 参考情報 ・[AIでSaaSは死なないし、業務システムをAIで内製化してはいけない](https://real.smarthr.co.jp/articles/times_serizawa_0008) ・[「人的資本経営プラットフォーム」へ進化。2030年売上1000億円を目指し、新たな事業戦略を発表](https://smarthr.co.jp/news/press/20250603_jigyousenryaku/) ・[2030年に向けた事業戦略─CEOが語る「働く人を支えるインフラ」への挑戦 - YouTube](https://www.youtube.com/watch?v=isrl9YdOjgQ) 具体的な技術に関する情報は「[歴史に残る模範的なソフトウェアを作ろう](https://hello-world.smarthr.co.jp/)」をご覧ください。 ● 役割 情シス領域の複数の開発ユニットを束ねるエンジニアリングマネージャー候補として、人・組織・技術・プロセスの観点から事業目標の達成を支えます。チーフやプロダクトマネージャーなど各職能と連携し、チームがユーザー価値に集中して自律的に意思決定できる環境を整えることが役割です。組織課題を構造化し、採用・育成・評価と開発プロセス改善を通じて、情シスプロダクトの継続的な成長をリードしていただきます。 ● 具体的な業務 ・事業目標・プロダクトロードマップを踏まえた開発組織の方針・体制設計 ・複数ユニットにまたがる技術・開発プロセス・コミュニケーション上のボトルネックの特定と解消 ・チーフおよびメンバーの目標設定・評価・育成・キャリア支援 ・エンジニア採用とオンボーディングの推進 ・プロダクトマネージャー、デザイナー、QAなど他職能との連携強化 ・アーキテクチャや技術的意思決定への支援、開発チームが自律的に意思決定できる仕組みづくり ・心理的安全性と情報の透明性を大切にした組織文化づくり ● 開発規模・開発体制 ・情シス領域の複数の開発ユニットを対象に、チーフと連携しながら組織運営を担います ・各チームはエンジニア、プロダクトマネージャー、プロダクトデザイナー、QAなどが協働する職能横断型の体制です ・チームが着想からリリース、運用・改善まで一貫して責任と権限を持ち、自律的に意思決定します ・リモート環境を前提に、ドキュメントとオープンなコミュニケーションを重視しています ・具体的な担当範囲・人数・レポートラインは、経験や志向を踏まえて選考の中ですり合わせます ● 配属先 選考を通して、経験や志向性などをもとに配属先を決定しています。現在募集している配属先は以下です。 ・情シスプロダクト開発本部 / 情シスプロダクト開発部 / 情シスプロダクト開発ユニット └ [SmartHR、ID管理で情シス領域に参入。業務効率化とセキュリティ向上を実現する「IdP機能」を提供](https://smarthr.co.jp/news/press/27127/) └ [SmartHR、SaaSアカウント管理を効率化する「ID管理」機能を今夏提供](https://smarthr.co.jp/news/press/20250520_idkanri/) └ [強くてニューゲームなメンバーと挑む、情シス領域のプロダクト開発の今までとこれから](https://tech.smarthr.jp/entry/2024/11/12/121708) ● 現在取り組んでいる課題 ・2030年の事業目標から逆算した、新たな顧客価値の創出と市場への提供 ・ID管理をはじめとする情シスプロダクトの成長と認知拡大 ・入社・異動・退職などの人事イベントとアカウント・権限情報をつなぎ、不要アカウントや過剰権限を検知・是正できる、より高度なID統制への発展 ・複数チームが自律的かつ継続的に成果を出せる組織体制、開発プロセス、コミュニケーションの整備 ・事業とプロダクトの拡大を支えるエンジニア採用・育成と、次世代リーダーの輩出 ● 業務内容変更範囲 会社の定める業務

プロダクトセキュリティを中心に、BuySell Technologiesおよびグループ会社が抱えるセキュリティ課題に取り組んでいただきます。 Platform Engineering Teamに所属し、各プロダクト開発チーム、情報システム部門、リスク・コンプライアンス部門と優先順位を決めながら、次の3領域を推進していただきます。 ●プロダクトセキュリティ戦略と脆弱性管理 ・事業とプロダクトの状況を踏まえたセキュリティ戦略およびロードマップの策定と推進 ・プロダクトやシステムを横断した脆弱性の把握、評価、優先順位付けから、改善計画の策定支援、実行状況の確認までを継続的に行う仕組みの構築 ●開発プロセスとAIエージェントへのセキュリティの組み込み ・設計段階におけるセキュリティレビュー、脅威モデリング、認証認可、データ保護に関する設計支援 ・SAST、SCA、シークレット検知などのセキュリティツールの選定とCI/CDへの組み込み、および検出結果のトリアージ、例外管理、継続的な改善 ・AIエージェントを活用したプロダクト開発およびAIエージェント自体の開発に向けた、権限設計、データの取り扱い、安全性評価、操作ログと監査に関する基準の策定および導入支援 ●事業全体のセキュリティ体制とインシデント対応 ・情報システム部門やグループ各社と連携した、IT資産とサービスの把握、セキュリティ基準の整備、改善活動の推進 ・全社、各部門、グループ会社を対象としたセキュリティ教育と啓発施策の企画、実施、継続的な改善 ・セキュリティインシデントに必要な監視と検知の要件整理、報告から初動、影響調査、復旧、再発防止までの対応手順の整備、および訓練と振り返りによる継続的な改善 ・リスク・コンプライアンス部門が推進する全社的なリスク管理への技術面からの参画と、セキュリティ課題の評価および対応支援 ＜組織/配属先の特徴＞ ・本部長(プロダクト責任者)や事業部と密接に連携 ・PdM・SWE・データサイエンティスト・AIエンジニアなど100名規模の技術組織 ・PdM・AIエンジニア・SREと協働し、事業課題に直結する開発を推進 ・開発生産性への意識が高く、フルスタックな働き方が好まれる ・仕様がトップダウンで降りることはなく、エンジニアが「なぜつくるか」を理解して開発 ・業務を通して得た知見をtech blogや外部登壇で発表することを推奨 ・1プロダクトあたり10人未満のチーム構成 ＜プロダクト開発環境＞ ・開発言語:Golang, React.js(Next.js), TypeScript ・インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GItHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry ・APM:NewRelic ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic

【期待役割】 ・当社の事業課題に向き合い、AI・機械学習を活用して事業成果につなげるところまで、一貫して担っていただきます。 ・与えられた要件に対してモデルを開発するだけではなく、事業・業務を深く理解した上で、解くべき課題を見極め、機械学習・統計・数理最適化・生成AIなどを用いて扱える問題へと落とし込み、適切なアプローチを設計・実装していただきます。 ・単なる「検証(PoC)」にとどまらず、事業の粗利向上や生産性向上、顧客体験の改善につながる仕組みを実際のプロダクトや業務フローに組み込み、継続的に改善していくところまでを担っていただきます。 【具体的なプロジェクト例】 現在、以下のようなAI・データ活用プロジェクトが進行中であり、これらのさらなる磨き込みや新規ユースケースの立ち上げをお任せします。 ・コールセンター業務のAI化(LLM / 音声認識等) ・数理最適化による訪問ルート最適化 ・画像認識を用いた査定のAI化 ・データ基盤・MLOps構築 【主な業務内容】 ・ビジネスサイド(事業部等)の抽象的な課題を整理し、機械学習・生成AIを活用した問題設定・テーマの企画立案 ・課題特性(自然言語、画像、テーブルデータ、最適化問題など)に応じた最適なモデル・アルゴリズムの技術選定および設計 ・PoC・オフライン検証による実現性の見極めから、本番環境へのデプロイ、実運用を見据えたモデル開発 ・モデルの精度だけでなく、業務KPIや事業成果を踏まえた評価設計・効果検証、および継続的な改善 ・モデルの監視・評価・再学習など、継続的な運用・改善を可能にするMLOps環境や開発プロセスの設計・改善 【プロダクト開発環境】 ・開発言語:Golang, React.js(Next.js), TypeScript ・インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GItHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry ・APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic

【職務内容】 全リユース事業プロセスを支える基幹プラットフォーム「Cosmos」のフロントエンド開発をリード AI自動査定やコール業務のAI化など、現場オペレーションを変える新機能のUI/UX設計・実装 EM・PdMと連携した高品質なプロダクト開発、DX向上や技術的負債解消の計画・実行 フロントエンドアーキテクチャの設計、開発ガイドラインの策定、モニタリング体制の強化 AIエージェントによる業務オペレーション基盤への進化を見据えた、AI活用前提の開発体制構築 【組織/配属先の特徴】 PdM・SWE・データサイエンティスト・AIエンジニアなど約100名規模の技術組織 PdM・AIエンジニアと協働し、事業課題に直結する開発を推進 AIによるコーディング率46.07%、開発量+41%など、生産性改善を定量管理 開発生産性への意識が高く、フルスタックな働き方が好まれる 仕様がトップダウンで降りることはなく、エンジニアが「なぜつくるか」を理解して開発 業務を通して得た知見をtech blogや外部登壇で発表することを推奨 【プロダクト開発環境】 開発言語:Golang, React.js(Next.js), TypeScript インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker CI/CD:GItHub Actions テスト:MagicPod, Storybook バージョン管理:GitHub エラー管理:Sentry APM:NewRelic 課題管理:Jira ドキュメント管理:Confluence その他:Elastic Cloud, Terraform Cloud, Chromatic

【職務内容】 ・全リユース事業プロセスを支える基幹プラットフォーム「Cosmos」のバックエンド開発 ・AI自動査定(画像情報から商品特定・真贋判定・プライシングまでを自動化)やコール業務のAI自動化など、業務オペレーションへのAI実装を支えるアーキテクチャ設計 ・グループ買取在庫の統合、AIを活用した商材別最適販路選定など、データドリブン経営を支えるデータ基盤・API設計 ・EM・PdMと連携したプロダクト開発、技術的負債解消とDX推進の計画・実行 ・開発ガイドラインの策定、オブザーバビリティ強化などエンジニアリング組織の基盤づくり ・事業部と一体で開発を進めるFDE組織における次世代テックリードの創出・育成 【組織/配属先の特徴】 ・本部長(プロダクト責任者)や事業部と密接に連携 ・PdM・SWE・データサイエンティスト・AIエンジニアなど100名規模の技術組織 ・PdM・AIエンジニア・SREと協働し、事業課題に直結する開発を推進 ・AIによるコーディング率46.07%、開発量+41%など、生産性改善を定量管理 ・開発生産性への意識が高く、フルスタックな働き方が好まれる ・仕様がトップダウンで降りることはなく、エンジニアが「なぜつくるか」を理解して開発 ・業務を通して得た知見をtech blogや外部登壇で発表することを推奨 ・1プロダクトあたり10人未満のチーム構成 【プロダクト開発環境】 ・開発言語:Golang, React.js(Next.js), TypeScript ・インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GItHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry ・APM:NewRelic ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic

FDEチームの一員として、エンジニア/DS/AIエンジニアと一体で以下を担っていただきます。 ● ドメイン没入と課題設定 ・現場(買取現場・コールセンター・物流倉庫・コーポレート部門)への同行・観察・1次情報収集 ・業務プロセス/顧客/市場の構造を解像度高く理解し、AI/データで解くべき課題を自ら定義 ● 事業KPIに対する仮説オーナーシップ ・担当ドメインKPI(成果向上・生産性改善)に対する仮説立案、優先順位付け、結果の解釈と次手の設計 ・他領域への波及効果も含めた全体最適視点での意思決定 ● AIプロダクトの企画〜実装リード ・AI/データ活用プロダクト(需要予測、査定モデル、業務自動化、レコメンド 等)の企画〜要件定義〜プロダクト実装ディレクション ・AIモデル開発の要件整理(学習データ要件、評価指標、MLOps連携、モニタリング設計) ● AIネイティブ開発プロセスの推進 ・AIエージェントによる高スピード開発を前提とした要件整理・仮説検証・ナレッジベース構築 ・スピード重視で「未完成のものを早期に実験する」プロトタイピング/PoCの設計と運用 ● エンジニアと一体のプロダクト設計 ・「何を作るか」をエンジニア/DS/AIエンジニアと協働で決定 ・Cosmosを中心とした新機能開発/業務標準化プロジェクトの企画〜要件整理〜現場接続 ● ステークホルダーマネジメント ・事業責任者・現場リーダーとの合意形成 ・グループ企業(TL/RGT/NKD)への横展開設計 ● データ/ユーザーインタビューを通じた継続的改善 【組織/配属先の特徴】 ・3層構造の技術組織:FDE層(事業ドメイン没入)/プラットフォームエンジニアリング層(FDEの生産性向上)/コアドメイン層(共通API基盤)の3層に再編し、AIネイティブ前提の組織を構築中 ・配属:データ・AI戦略推進部に所属/いずれかのドメインのFDEチームにジョイン ・PdM出身者例:元リクルート・大手事業会社など、事業理解×推進力の強い人材が活躍中 ・規模:PdM・SWE・データサイエンティスト・AIエンジニアなど約 80名規模 【プロダクト開発環境】 ・開発言語:Golang, React.js (Next.js), TypeScript, Python(AI/ML) ・インフラ:GCP (Cloud Run, BigQuery, Cloud SQL, Vertex AI...), Terraform, Docker ・CI/CD:GitHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry/APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira/ドキュメント管理:Confluence ・AI活用:Claude Code, Cursor, GitHub Copilot ほか(AIエージェント前提のワークフローを推進中) ・その他:Elastic Cloud, Terraform Cloud, Chromatic

事業の急拡大期を迎えているタイミーの事業戦略や組織のスケールに伴う、エンジニアリング組織の不足をあらゆる方法を用いて補うことで、開発組織のフロー効率の向上を目指していただきます。 エンジニアリング組織の生産性を最大化させるためにCTO/VPoEと密に連携しながら、複雑かつ多岐に渡る組織課題に対してチームで連携しながら課題解決をリードしていただく役割です。 組織横断的に動きつつ、担当する機能領域をリードいただくことを期待しております。 業務例 ・Ruby on Railsを使用したWebアプリケーションの設計、開発、レビュー、リリース ・チーム内外の技術的な課題発見、解決策の提案・実行 ・担当領域に関する仕様確認、技術的調査を含めた問い合わせ対応 ・各種スクラムイベントへの参加 ●開発環境(配属先により一部異なります) Backend ・開発言語: Ruby 3.4系 ・アーキテクチャ: Ruby on Rails 8.0系、RSpec Frontend ・開発言語: TypeScript ・アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR Mobile(iOS) ・開発言語: Swift Mobile(Android) ・開発言語: Kotlin Infrastructure ・AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc… └Elasticsearch(AWS Marketplace) ・Google Cloud(一部サービス) ・IaC:Terraform ・ログ:Datadog LogsとS3に集約 その他 ・AIエージェント・LLMツール: 　-開発支援: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code 　-開発基盤・運用: Vertex AI, LiteLLM, MLflow, Datadog LLM Observability 　-その他: Gemini, NotebookLM, NotionAI ・コード管理:GitHub ・ コミュニケーションツール:Slack, Notion

【業務内容】 ●運用・開発プロセスの仕組み化と自動化の推進 ・運用業務の課題の特定 ・技術・自動化の仕組みの提案・導入 ●マルチプロジェクトのデリバリー管理とリスクの早期コントロール ・案件進捗の可視化やボトルネック解消 ・関係者との合意形成・スケジュール調整 ●Java/Spring Boot領域の技術的リードと品質担保 ・標準的なベストプラクティスに基づいた設計・コード・テストケースレビュー ・新卒・若手メンバーも含めたチーム全体の技術底上げ ・技術的負債の戦略的解消の推進 ●メンバー育成や組織ビルディング ・定期1on1 ・採用活動 【技術スタック】 ・言語:Java, Kotlin ・フレームワーク:Spring Boot ・インフラ:AWS, Datadog ・DB:MySQL (Aurora) ・IDE: IntelliJ

具体的な技術に関する情報は「歴史に残る模範的なソフトウェアを作ろう(https://hello-world.smarthr.co.jp/)　」をご覧ください。 ●役割 ID管理は、企業の情報セキュリティを支える重要なプロダクトであり、高い安定性と信頼性が求められます。 既存機能の安定化と拡張を進めながら、設計や技術的な意思決定にも深く関わり、チームとともにプロダクトを次のステージへ進める役割です。 情シス担当者の業務やドメインを深く理解し、技術で課題を解決することを期待します。 ●具体的な業務 ID管理プロダクトの機能開発・改善を担当し、仕様や事業ドメインを理解しながら自律的にタスクを推進していただきます。 API連携に対応していないものを含む多様なSaaSからアカウント情報を安定的かつ安全に収集する仕組みづくりや、AIを活用したWeb画面解析・ブラウザ自動操作の高度化、SLO/SLIに基づく可用性・信頼性の向上など、挑戦的なテーマに取り組んでいただきます。 将来的には、プロダクトのアーキテクチャや仕様の意思決定を担う存在として活躍いただくことを期待します。 ●開発規模・開発体制 チーム構成:バックエンドエンジニア3名 / エンジニアリングマネージャー1名 一人ひとりの裁量が大きく、設計から実装・運用まで一貫して関われます フルリモートで働くメンバーも活躍しています ●事業概要 SmartHRは「well-working 労働にまつわる社会課題をなくし、誰もがその人らしく働ける社会を作る。 」をミッションに掲げ、人と組織のためのバックオフィスシステム「SmartHR」を開発・提供しています。 働くことは、人生の多くの時間を占め、自分や周囲に大きな影響を与える大切なものです。 だからこそ、誰もがその人らしく働ける社会を実現したい。 そのために、労働にまつわる複雑な社会課題を、テクノロジーと創意工夫で一歩ずつ解決しています。 SmartHRが目指すのは「人事労務の効率化ツール」ではなく、日本の働き方そのものを変える社会インフラです。 給与・勤怠・タレントマネジメントを横断する「人的資本経営プラットフォーム」への進化を挑戦し、企業が「人」に投資できる社会の実現を目指しています。 数百万人のユーザーに支えられるプロダクトがすでにありながら、日本全法人へのカバー率はまだ数パーセント。 解くべき課題の広さは、市場の広さそのものです。 2030年に売上1,000億円を目標に掲げ、「日本全体の企業とそこで働く人々の当たり前を変える」という大きな挑戦に挑んでいます。 ●参考情報 AIでSaaSは死なないし、業務システムをAIで内製化してはいけない(https://real.smarthr.co.jp/articles/times_serizawa_0008) SmartHRが「人的資本経営プラットフォーム」へ進化。 2030年売上1000億円を目指し、新たな事業戦略を発表(https://smarthr.co.jp/news/press/20250603_jigyousenryaku/) 2030年に向けた事業戦略─CEOが語る「働く人を支えるインフラ」への挑戦 - YouTube(https://www.youtube.com/watch?v=isrl9YdOjgQ) ●配属先 選考を通して、経験や志向性などをもとに配属先を決定しています。 現在募集している配属先は以下です。 ●情シスプロダクト開発本部 / 情シスプロダクト開発部 / 情シスプロダクト開発ユニット SmartHR、ID管理で情シス領域に参入。 業務効率化とセキュリティ向上を実現する「IdP機能」を提供(https://smarthr.co.jp/news/press/27127/) SmartHR、SaaSアカウント管理を効率化する「ID管理」機能を今夏提供 (https://smarthr.co.jp/news/press/20250520_idkanri/) 開発者として、ユーザーの課題解決に誠実に向き合い続ける — 小林 悟朗さん(https://real.smarthr.co.jp/articles/rolemodel_23) ●現在取り組んでいる課題 API連携に対応していないものを含む多様なSaaSのアカウント情報を、安定的かつ安全に収集する仕組みの構築 AIによるWeb画面・DOM構造の解析と、ブラウザ自動操作の高度化 入社・異動・退職などの人事イベントと実際のアカウント・権限情報を継続的に照合し、不要アカウントや過剰権限を検知・是正できる、より高度なID統制(IGA)プロダクトへの発展 SLO/SLIに基づく可用性・信頼性の向上 MCPの公開によるAIエージェントとの連携拡張 業務内容変更範囲 会社の定める業務 参考資料 SmartHR 会社紹介資料 / We are hiring(https://speakerdeck.com/smarthr_pr/smarthr-company-introduction1) SmartHR プロダクトデザイン](https://note.com/smarthr_co/m/m0b87dcc52cb0) SmartHR note(https://note.com/smarthr_co) GPTW Japanの「働きがい認定企業」に選出(https://smarthr.co.jp/news/press/27057/)

●解決したい課題 今後デジタルバンクの立ち上げや新会社設立に伴いユーザーの急増が見込まれる中、技術基盤の刷新が追いついていない壁に直面しています。 サービスが急拡大する中、社内業務システムのスケーラブル化が急務です。 弊社の強みである充実したサポート体制を支え、CSや事務・経理メンバーが顧客体験の向上に100%集中できる環境を、システム面から守り抜く必要があります。 現在のシステムはフルスクラッチの内製開発しており、メニュー数180超の大規模なシングルモノリスとなっています。 今後のビジネス全体の成長を加速させるため、現在はマイクロサービス化などを見据えた次世代の基盤づくりに着手するフェーズを迎えています。 正解のない不確実な状況において、既存の枠組みに縛られず、最適なシステム構造・アーキテクチャの選定・設計から実装まで牽引していただける方を求めています。 ●お任せしたいこと 1.アーキテクチャ設計〜実装までの一貫した開発 ・100以上のメニューを持つモノリシックなシステムの改善計画、およびスケーラブルなアーキテクチャの選定・設計および実装 ・移行期における新旧システムの並行稼働戦略の立案・実行 2.他部門との協業リード ・ビジネスサイド・インフラ・セキュリティ等を巻き込み、全体最適を踏まえたプロジェクトの推進 ・顧客獲得や継続利用の向上に直結する施策を、技術的なアプローチから実現可能にするための要件定義〜実装 3.エンジニアリングと開発文化の底上げ ・開発メンバーへの技術的フォロー、設計レビュー、コードクオリティの担保 ・複雑なビジネスドメインを整理し、チーム全体が迷わず開発できる基盤の構築 ・ベストプラクティスや専門知識を自発的にチームへ発信・共有し、メンバーの成長支援やチーム全体の技術水準の向上 ●技術スタック 言語:Java, Kotlin フレームワーク:Spring Boot インフラ:AWS, Datadog DB:MySQL (Aurora) IDE: IntelliJ