機械学習・データ活用 年収800万円以上のITエンジニア求人・転職情報

●組織としての担当業務 データを力に顧客と開発者の体験を革新しソニーの感動創造に貢献する。そのために、ソニーの製品・サービスから収集される様々なデータの収集基盤、AIへのデータ活用、分析環境の開発運用を行う業務です。 社内外の各種データとも連携し、AIや分析に必要となる膨大なデータを柔軟かつ高速に扱うデータ収集分析基盤の開発と運用を通じて、ソニーの新しい顧客体験と開発者体験を一緒に創っていきましょう。 ●担当予定の業務内容 ・各種ログや顧客データを収集し分析を行うデータレイク・分析環境の開発運用 ・高度分析のためのAI/MLや新たな分析環境の開発/検証と導入 ・データをリアルタイム処理し個人最適化に活用可能なシステムの開発運用 ・リーダー職の場合は、国内外の関係者との技術検討、チームリーディング業務を含む

●組織としての担当業務 様々なソニー製品(TV・オーディオ・カメラ・Xperiaなど)やアプリ・サービス(Headphones Connect, BRAVIA Connect, Creators Cloudなど)をお客様が利用した時のログを中心としたビッグデータ分析をする業務です。 分析を通じて、お客様の理解やインサイト獲得を進め、製品・サービスの改善やマーケティング活用を進めています。 全世界の様々なソニー製品・アプリ・サービスからのビッグデータ分析を通じて、ソニーの新しい顧客体験を一緒に創っていきましょう! ●担当予定の業務内容 ・Redshift/BigQueryなどにあるデータを主にTableau/JupyterNotebook(Databricks)を利用して前処理・集計・可視化・分析(機械学習含む)を実施頂く予定です ・分析は、リクエスターの依頼に応じて実施するケース・リクエスターと協業して実施するケース・自発的に実施するケースのバリエーションがあります ・リクエスターは、マーケティング・カスタマーサポート・企画・設計と多岐に渡ります ・リーダー職の場合は、国内外の関係者との技術検討、チームリーディング業務を含む

世界中で利用されている何千万台という様々なソニー製品・アプリ・サービスから来る一日何億以上のビッグデータを活用し、それを新たな顧客価値に変えていく非常に重要な業務です。 また、デバイスやアプリとの連携が多いのも特徴で、クラウド側だけではなく、エッジとクラウドの連携も求められる、難易度の高い業務となっています。 また、最近では生成AIの発展もあり、データ・AI・生成AIと、クラウド・エッジを組み合わせた形での継続的な新しい技術の習得も必要な領域です。 組織文化としては、技術的に強い興味を持っているエンジニアが多く、最新技術の情報共有は勿論のこと、最新技術を用いたプロトタイプの作成や、実際の設計にいち早く適用する、といった活動も活発に行われています。 テレワーク・出社も比較的自由に選ぶことが出来、自由度の高い職場です。 我々の目指すところは、ソフトだけでもハードだけでも実現できない、ソフトとハード、それぞれの技術を高いレベルで組み合わせて初めて実現できる最高の顧客体験の提供です! 豊富な経験と知識を持ったメンバと共に、ソニーの新しい顧客体験をぜひ一緒に創っていきましょう! 想定ポジション 担当者もしくはリーダーの役割を担って頂きます。(希望・スキルに応じて相談) 業務内容 ●組織としての担当業務 私たちの組織では、様々なソニー製品(TV・オーディオ・カメラ・Xperiaなど)やアプリ・サービス(Headphones Connect, BRAVIA Connect, Creators Cloudなど)のログデータを収集しています。これらのログを用いて新しい価値を提案し、実現していく業務です。例えば、パーソナライズした顧客体験を提供したり、新たな外部データを導入し、それと組み合わせることで新たな価値を提供する、といったことを行っています。 全世界の様々なソニー製品・アプリ・サービスからのビッグデータを中心として様々なデータを活用し、ソニーの新しい顧客体験を一緒に創っていきましょう! ●担当予定の業務 ・ソニー製品・アプリ・サービスにおけるデータ・AI/ML・LLM(生成AI)を用いた新規価値提案と設計・実装業務(既に提案済みのものも含む) ・MLOps/LLMOpsを円滑にまわすための仕組み作り ・リーダー職の場合は、国内外の関係者との技術検討、チームリーディング業務を含む

●組織の役割 ・「S.RIDE(株)」は、ソニーと大手タクシー会社が共同設立した事業会社(JV)で、ソニーが有する人工知能(AI)技術、イメージング/センシング技術を活用し、タクシーの配車サービス(S.RIDE)や決済代行サービス、後部座席広告サービス(GROWTH)などを行っています。 通常のアプリサービスに留まらず、車というIoTデバイスと連携した実社会に直接インパクトを及ぼす顧客体験を提供していきます。 <S.RIDEについて>　https://www.sride.jp/jp/ ※本組織のメンバーは、ソニーグループ(株)雇用で「S.RIDE(株)」への出向となります。 (本籍はソニーグループ(株)) ●担当予定の業務内容 S.RIDEを次のステージへ成長させるバックエンドシステムエンジニアとして、サービスを支えるバックエンドシステムの開発・運用を担当頂きます。 今後予定している様々な高付加価値サービスなどのメジャーアップデート開発、KPI・ログデータを基に日々企画・デザインと一緒に改善していくサービスグロースハック、AIを活用した機能実現をサーバーシステム開発から主導して頂きます。 ●開発環境 ・開発言語: Python, Java ・フレームワーク: Django, Spting Boot ・インフラ: AWS, GCP ・その他: GitHub, Slack, Teams ●想定ポジション チームリーダーまたは開発メンバーとしてバックエンドシステムの開発・運用を担当 ※本求人はジェネラル・エンプロイメント・コントラクト社員での採用となるため 将来的に別の職務領域や技術領域に異動の可能性がございます。 合わせて、全国の支社、工場、営業所への転勤可能性がございます。

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

●職務内容・担当業務 ・ソフトウェア開発の一連の工程(要求定義、設計、実装、テスト)、アジャイル開発も積極的に導入 ・先進機能の研究開発(ROS、C++、生成AI、データエンジニアリング) ・量産向け制御ソフトウェア開発(C++、MATLAB/Simulink) ・開発環境・開発支援ツールの開発(AWS、Python、MLOps、DataOps、各種開発・検証ツール) ※ 業務経験・スキル、希望に沿って担当業務を決定します ●研修 ・業務開始までに必要な研修を受講していただきます。具体的には、IT基礎、C/C++/Python、MATLAB/Simulink、自動車工学基礎、自動運転基礎、AIなどの研修プログラムを準備しています。 ・業務開始後も必要に応じて、IT、モビリティ、ビジネススキルに関連する教育が受講可能です。

AIの企画・開発・運用からAIガバナンスまでAIに関するあらゆる業務を一手に引き受けており、社内の各部署とコミュニケーションをしながら10倍規模を実現するAIドリブンな事業基盤の構築を目指しています。 ●AIドリブンな事業基盤の戦略策定・実行 ・全社AIプロジェクト企画と推進 ・プロジェクト企画と評価のためのデータ分析 ●AIによるビジネス課題の特定と解決 ・社内各部署とのコミュニケーションを通じた業務課題の特定とAIによる改善施策の立案 ・プロダクトチームとのコミュニケーションを通じたAI導入プロジェクトの推進 ・プロジェクト企画と評価のためのデータ分析 ●AIドリブンな事業基盤の開発・運用(DevOps) ・AIモデルを中心としたAIシステムの要件定義・設計・開発・運用 ●AIガバナンス ・AI導入時のリスク分析・評価およびリスク管理施策の検討・運用 ・AIを安全かつ最大限に活用するための社内ルール整備、社員教育の推進 ※AIは統計モデル、機械学習、LLMを含む学習モデル全般を意味する 期待する役割 グループ責任者やチーム責任者と共に業務効率化と顧客体験向上のプロジェクト企画や推進を担っていただきます。チームを牽引するリーダーとしてご活躍いただくことを期待しています。 ●AIプロジェクトへの積極的な参画: 各プロジェクトにおいて、自身の専門知識を活かしてAI技術の導入とその適用をサポートし、プロジェクトの目標達成に貢献する。 ●部門間コミュニケーションの担い手: 社内の他部門と円滑にコミュニケーションを取り、部門間協力を促進してAIシステムの適切な導入を支援する。 ●チームで成果を出す: チームメンバーのフォローと育成。 ●投資対効果の高い施策の見極め: データに基づく根拠をもとに、プロジェクト企画や評価を行っていただき、投資対効果の高い施策を見極めて、施策優先度を適切に判断 ●バランスを考慮した推進: AIを安全かつ最大限に活用するための社内ルール整備、リテラシー向上や活用促進のための社員教育の推進 技術スタック ・クラウドサービス: AWS(実行環境やBedrockの利用), Azure(OpenAIの利用), GCP(Geminiの利用や分析基盤) ・実行環境:AWS ECS, AWS EKS, AWS Lambda ・データベース:AWS Aurora MySQL, AWS DynamoDB ・開発言語:Python ・コード管理:GitHub ・CI/CD:GitHub Actions, ArgoCD ・コンテナオーケストレーション:Kubernetes ・外部サービス:Datadog ・分析基盤:BigQuery ・ドキュメンテーション:Notion ・エディタ:VSCode ・開発支援AI:GitHub Copilot, GPT-4o(Azure OpenAI Service経由) ・生成AI API:Azure OpenAI Service, AWS Bedrock, Gemini API

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

組織情報 <組織のミッション> customer success enabler (顧客ビジネスの成功を牽引する) <職場環境> 本部、室のトップが全社的にも若い組織で、上司・部下関係なく議論が活発に行われ、風通しの良い、チャレンジをいとわない雰囲気です。 リモートワーク率は40%ほどで、Teamsのチャットや電話でコミュニケーションをとっています。(会議もほとんどがTeams会議です) 密なコミュニケーションをとったほうが良い期間は、豊洲出社で対面で議論しながら業務を進めます。 【職務の内容】 当組織はメガバンク、大手証券会社、大手信託会社など金融業界のTier1のお客様を持っています。 これらお客様の共通ニーズとし、データドリブン経営・データドリブン営業の実現があり、この高度な課題をNTTDとして解決する手段を提供しお客様ビジネスの拡大に貢献することが、私たち組織のミッションです。 また、Tier1顧客とのビジネスを通じてメソドロジとデータサイエンティストリソースをアセット(金融版デジタルサクセス)として整備し、金融分野全体への提供を目指します。 顧客のデータドリブン経営の実現、社内/顧客含めた人材育成、社内のデータ活用ビジネス拡大を一緒に推進してくれる仲間を募集します。 【具体的実施業務】 ①データ分析に関する経験、知見を駆使し、当事業部におけるデータ分析ビジネスの戦略、方針に対し専門家としての提言を行い、意思決定に関与する ②コンサルティング・データ分析案件での実務的な案件推進を担い、プロジェクト全体の推進と、データ活用領域のタスクをexpertとして対応 ③自身の持つ高度な知識の資料化と公開、講演を通じて、当社アセットとしての整備、及びそのアセットを活用した新規案件のプリセールスを実施。 ④各組織のステークホルダー(チームメンバー)に対してデータ分析、コンサルティングの考え方や実運営に関するノウハウを伝承し、後進育成を行う 【事例紹介】 大手銀行向けのデータプラットフォーム基盤構築後の活用推進(人財育成含む)の実施 【想定役職】 課長代理 , TG

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)

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

タイミーのプロダクト組織におけるプロダクトマネジメントチームの運営を担い、その有効性と効率性を最大限に高めることがミッションになります。具体的には、プロダクト戦略をプロダクト開発の現場に浸透させ、実行される体制を構築・推進をお任せします。 プロダクトマネージャーチームの育成やコーチング、部門横断での連携強化、そしてプロダクトマネジメントプロセスの最適化を通じて、プロダクト組織全体の生産性とアウトカムの向上に責任を持っていただきます。また、プロダクト開発の運用プロセスを最適化し、プロダクトマネージャーが戦略的な価値創造に集中できる環境を整えることで、プロダクト組織の生産性向上と事業目標達成に貢献していただきます。 具体的な業務内容 ●プロダクト組織の強化と人材育成 ・プロダクトマネージャーなど、プロダクト関連職種の採用、オンボーディング、育成の支援 ・プロダクトゴールと主要KPIの策定をサポートし、トラッキングを通じて適切なコーチングの実施 ・プロダクト戦略とその意図をメンバーやステークホルダーに伝達し、円滑なコミュニケーションと目標設定の実現 ●データドリブンな意思決定の支援 ・プロダクトの主要KPIの仕組み構築、データ分析(トレンドや変動要因の特定)、プロダクトパフォーマンスに関する明確なレポートの作成、関係者への報告 ・プロダクトチームの目標(OKRなど)や成果の進捗を効率的に可視化する仕組みを設計・実装、リソース配分や計画策定に役立つレポートの作成 ・プロダクト分析プラットフォームを整備・運用に責任を持ち、組織全体のデータに基づいた意思決定の促進 ●プロダクトマネジメントプロセスの設計・運用と最適化 ・意思決定の質を向上を目的としたプロダクト戦略の展開やロードマップレビューなど、重要な会議体の設計・運営 ・プロダクトチーム横断で必要な戦略実行のプロセスを標準化、必要なツール群を整備・最適化 ・円滑な連携の実現のためのプロダクト、エンジニアリング、デザインなど多様なチーム間のコミュニケーションハブとして機能 技術スタック(主要な部分の抜粋) ●Backend ・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 ●Monitoring ・Datadog, Sentry ●CI/CD ・GitHub Actions, Dependabot ●その他 ・コード管理: GitHub ・コミュニケーションツール: Slack, Notion ・その他: Firebase, twilio, ImageFlux, OneSignal, Figma etc… ・AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code

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

当社のデータアナリティクス部門にて、データアナリストとしてご活躍いただきます。ご本人の志向性やこれまでのご経験を考慮し、以下「中核事業」または「新規事業」のいずれかの領域へ配属となります。 中核事業 タイミーの中核である「スポットワーク領域」において、ToB・ToCの膨大なデータを武器に事業を牽引。抽出したインサイトをもとに、プロダクトからビジネス展開まで全方位の意思決定を支援し、顧客への提供価値を最大化し続けます ▼分析を通した事業貢献 ・各種データから事業課題を特定し、データに基づいた サービス改善による顧客体験の向上に貢献 ・分析から事業成長の鍵となるビジネスレバーを導き出し、より 確度の高い事業戦略の実行を後押し ・定性情報からユーザーへの深い理解を促し、ユーザーに刺さる プロダクト開発・マーケティング施策の創出に貢献 ▼データを用いた仕組みづくり ・既存機能や施策に対する効果検証の設計、および検証業務の推進 ・大規模データを活用した、継続的な事業モニタリングや意思決定の標準化 新規事業 タイミーの次なる柱となる「新規事業領域全般」を担当。既存事業の膨大なデータ資産と分析知見を武器に、ゼロからの事業立ち上げに挑戦。不確実性の高い環境下でも精緻な仮説検証と高速なPDCAを回し、事業のスケールを力強く牽引します。 ▼分析を通した事業貢献 ・新規事業の立ち上げ・初期フェーズにおける事業課題をデータから特定し、 ゼロからの事業創出と早期のトラクション獲得を牽引 ・不確実性の高い環境下での分析から勝ち筋(ビジネスレバー)を発見し、 新規事業の早期マネタイズやスケールをリード ・限られた初期データからインサイトを抽出し、 不確実な事業の方向性を決定づける、精度の高い戦略策定に貢献 ▼データを用いた仕組みづくり ・事業の立ち上げフェーズに適した、データ収集・検証・意思決定の仕組みのゼロからの構築 ・新規施策に対するスピード感を持ったA/Bテスト等の効果検証の設計と検証 扱っているデータ ●アプリユーザーのアクセスログ ●募集内容やマッチングに関する各種データ ●地理空間データ ●レビュー情報や評価データ ●広告データ ●SFA/CRMツールによる営業活動に関するデータ ●アンケートやサーベイデータ

本ポジションでは、単なるAI機能の実装にとどまらず、 「どの業務課題にAIを適用することで本質的な価値を生むか」から設計し、プロダクトに実装・運用するところまでを一貫して担っていただきます。 プロダクトはすべて立ち上げ〜グロース初期フェーズにあり、AIを前提としたプロダクト設計・再構築を推進していく重要なポジションです。 ・業務課題に対するAI活用の企画・価値設計 ・LLM / MLを用いた機能設計・実装・改善 ・RAG構成の設計、チューニング、評価基盤の構築 ・モデルの学習・推論パイプラインの設計・運用 ・プロダクトへのAI機能の本番実装(PoCで終わらせない) ・パフォーマンス・精度・コストの最適化 ・継続的な改善のためのログ設計・評価指標設計 ・プロダクトチーム(PM / エンジニア / デザイナー)との協働 プロダクトフェーズ Dress Code株式会社はワークフォースマネジメントプラットフォーム「DRESS CODE」を開発・提供するスタートアップです。 人事・労務・採用・情シス・総務といった複数業務領域を横断し、分断された業務データ・プロセスを統合することで、企業の生産性を構造的に改善するプロダクト群を開発しています。 顧客価値を根本から見直し、引き算思考で 『DRESS CODE』 を開発し、企業ごとにカスタム機能を作るのではなく、泥臭く業務シナリオを徹底的に洗い出し、全てを標準装備として実装しています。 Dress Code創業 - 「誰もやらないから、挑戦する意義がある」(https://note.com/dresscode/n/n5a808cbf3d46) シードで累計14.1億円を調達済み(https://prtimes.jp/main/html/rd/p/000000001.000160565.html) 日本・インドネシア・ベトナム・タイ・シンガポールなど、アジアを中心にグローバル展開 200社を超える顧客を獲得 ●開発環境 アジャイル・スクラム（2週間スプリント）を採用 Feature（価値・機能）単位でフルスタックに開発 ペアプロ・モブプロは積極的に採用 イベントストーミング・ドメインモデリングは特に注力 ●バックエンド ・NestJS ・Prisma RustエンジンからTSネイティブアダプタへ移行 ・Aurora PostgreSQL v17 Blue/Green Deployments でメジャーアップデートを運用 ・モジュラモノリス Force分割 ・ECS Fargate ●非同期・バッチ基盤 ・AWS Batch on Fargate ・EventBridge ・S3トリガー ・Noisy Neighbor 対策 ●参照系・整合性の設計 ・CQRS ・QueryService + DTO パターン ・Choreography → Orchestration Saga ・Event Sourcing 的なデータ設計 ・Prisma の onCommit フック ●フロントエンド・BFF ・Next.js SSR / BFF ・React Compiler annotationモード＋Oxlintで段階導入 約7,500ファイル規模のTypeScriptプロジェクト ・TanStack Query ・Dexie.js ・Server-Driven UI（SDUI）による台帳画面の運用 ・型共有：oRPC OpenAPIコード生成からの移行 ●認証・権限基盤 ・Ory Kratos 将来 Ory Hydra を検討 ・Permission & Roles プロダクト横断の権限共通基盤 Default Deny / Default Allow の設計判断 ●インフラ ・AWS WAF v2 ALB ECS Fargate Graviton（ARM64） Secrets Manager Bedrock ・IaC：AWS CDK ・GCP連携 Service Account Workload Identity Federation Domain-wide Delegation によるキーレス認証 ●CI/CD ・GitHub Actions self-hosted ARM64 ランナー ・Docker buildx ・SOCI デプロイ時間を約50%短縮 ●開発手法・QA・AI活用 ・仕様駆動開発 OpenSpec ・ADR ・Playwright ・runn ・AIコーディング Cursor Claude Code Claude Code in Chrome ・AIが書いたコードのPRレビュー／Approveのメンタルモデルづくり ●AI環境 AIへの投資を惜しまない開発環境です。 「顧客への提供価値が向上するなら、もっと投資していい」という代表の方針のもと、必要性を説明できれば使いたいAIツールをためらわず導入できます。 AI開発合宿のように、意図的に集中して挑戦する機会もあります。 Cursor / Claude Code に加え、Claude Code in Chrome でのブラウザ操作の自動化や、AIが書いたコードをどうレビュー・Approveするかといった「AIと協働する開発文化」そのものを、チームで議論・更新しています。

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。

●これまでのご経験を活かして、法人分野における様々な業界(小売、自動車、食品、製薬、メディア等)のお客様の課題やニーズに対し、データ収集基盤の構築やデータ整形、データ活用、BIによる付加価値ある提案を関係者とまとめ、お客様への提案活動に参画すると共に、プロジェクトをリードする役割を期待しております。 ●データエンジニアリングの活動を通じて、将来はDX推進リード、プログラムマネージャや特定業務や業界の知見に基づき、データ活用における業務コンサルや、より深いテクノロジーコンサルとして、お客様の変革プランの策定・実行を推進するポジションへのステップも可能です。さらにデータサイエンティストへの幅出しも可能です。 ●業界・業種に強みのあるデータエンジニアリング経験者、また特定の業務への知見がない方でもテクノロジー視点で経験がある方を、広く募集しております。 【プロジェクト事例】 主な事例は以下の通り。 ① 小売業のビッグデータ活用を支えるデータ基盤の構築と販売、調達の高度化を支援 ② 製造業のSAPシステムにて発生する基幹システムデータをもとに、お客様の経営管理基盤としての数値可視化と経営高度化を支援 ③ 製造業におけるデータ仮想化を実現することで、お客様のデータ活用のサイロ化を回避し、利活用促進を支援

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

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

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

概要 本ポジションは親会社である大手通信会社やグループ会社内のDX推進やAIを用いたプロジェクトに対し、プロジェクトの遂行に留まらず、データを活用した事業変革パートナーとして戦略的な視点をもって、プロジェクトのQCDを守り、KDDIグループのシナジーの最大化/DX推進の横展開を目指していくポジションです。 さらにPjMの役割は、ビジネス価値提供のみならず、社内外のステークホルダーと連携し、プロジェクトメンバーのエンゲージメントを高く維持しながら、チーム一丸となってデータドリブンな変革を牽引することにあります。テクノロジーとビジネスを繋ぐ架け橋となり、クライアントと共に未来を創り上げるリーダーシップが求められます。 私たちは、データとAIの力を最大限に活用し、意思決定を進化させ、社会全体にインパクトをもたらすプロジェクトを共に推進する仲間を求めています。データがもたらす新たな可能性を解き放ち、企業と社会の未来を創造する挑戦に、あなたも参加しませんか? 【戦略的なデータ活用の推進とクライアントの変革支援】 ・クライアントの事業課題を深く理解し、データとAIを活用した新たなビジネス価値創出の戦略を描く ・組織横断的な視点を持ち、社内外のステークホルダーと協力しながら、単なるデータ活用に留まらず、経営レベルでの変革を支援 ・会社のビジョン / 戦略を踏まえ、Conata™ を活用した 業界標準となるデータドリブンなソリューションの提供をリード 【複雑で大規模なプロジェクトのマネジメントと成功の牽引】 ・複数の大規模 / 複雑なプロジェクトを横断的にマネジメントし、成果の最大化を図る ・プロジェクトの 計画 / 実行 / 監視 / 改善 の各フェーズを主導し、組織の戦略目標に貢献 ・QCD(品質 / コスト / 納期)管理を徹底 し、プロジェクトのリスクマネジメントを推進 ・技術動向や最新のベストプラクティスを取り入れ、プロジェクトの成功確率を向上 【組織全体に影響を与える意思決定とガバナンス強化】 ・会社のミッション / 目標を深く理解し、事業の成長を加速させるデータ活用戦略の策定 / 実行を主導 ・組織内のリソース配分を最適化 し、事業価値を最大化するプロジェクト推進を実現 ・経営層や他の部門と連携し、重要な意思決定に対する戦略的な提言を行う ・組織の標準化、プロジェクト管理手法の確立に貢献し、持続可能な成長を支える基盤を構築 【テクノロジーの進化を取り入れたデータドリブンな変革の実践】 ・生成AI、RAG(Retrieval-Augmented Generation)、需要予測、レコメンドエンジンなどの最新技術を活用 し、企業のデータ活用を進化させる ・クラウド環境(AWS, GCP, Azure)やデータプラットフォームを活用し、最先端のデータエコシステムの導入を推進 ・プロダクトチーム、エンジニアリングチームと連携し、プロジェクトの技術的な成功要因を確立 【チーム / 組織の成長を牽引し、影響力を拡大】 ・社内外のエンジニア、データコンサルタント、プロダクトチームと連携し、プロジェクト成功のための最適なチームを構築 ・チームメンバーのエンゲージメントを高く維持し、組織全体の生産性と品質を向上させるリーダーシップを発揮 ・マネージャー、メンバーの採用 / 育成に貢献し、次世代リーダーの育成を推進 開発環境 開発言語:Java, Python フレームワーク:Micronaut Framework, Spring Framework, flask, gRPC, OpenAPI モニタリング:Prometheus ミドルウェア/インフラ:MySQL, Redis, Docker, Kubernetes, fluentd, Pulsar, bazel, github クラウド: AWS, GCP, Azure プロジェクトマネジメントツール Jira / Confluence / Google Workspace / Miro / Looker Studio / Slack

ソフトウェアエンジニアは、専門性およびプロジェクトのニーズに合わせて幅広い業務を行っております。以下に一例を示します。 ●Conata の製品群を操作・閲覧する Web フロントエンドおよびそのバックエンド (BFF)について、共通部分・ライブラリの開発および改善、各案件向けカスタマイズのサポート ●上記業務プロダクトのUI/UX設計 ●データ収集 └パートナー・クライアントとのデータの受け渡しをするためのインテグレーションシステムの構築 ●データ処理 └データの ETL/ELT 処理の開発。また安定的に動作させるためのデータ処理パイプラインの構築 └バッチ / ストリーミングベースのシナリオに対応したシステムの開発と運用 ●データ管理 └収集したデータ、処理済みデータを保存・活用するためのデータウェアハウスの設計と構築 └センシティブなデータを安全に処理可能にするためのシステム設計・構築 ●負荷試験、セキュリティー対策 ●データベース設計 ●サービスの安定提供を24時間365日、維持するためのシステム運用 ●開発環境や運用の整備・改善 └インフラ、開発ツールチェイン、社内情報管理ツール開発・最適化。 従事すべき業務の変更の範囲:なし 開発環境 クラウド:AWS 開発言語:Kotlin、Python、TypeScript フレームワーク・ミドルウェア等:React、Next.js、MySQL、Redis、Elasticsearch、Snowflake、Micronaut、gRPC、Apache Pulsar、Amazon S3、Amazon Athena、Dagster、Bazel、Amazon EKS(Kubernetes)、Terraform SaaS:Auth0、Vercel 組織とポジションについて ●配属予定組織 ・Product Architectチーム 大規模商用化に適したプロダクトの基幹設計・開発・保守を担います。 ・Core Technologyチーム エンジニアリングチームを横断し、技術の一貫性・効率・革新を促進します。 ・Technical Planning & Enablement チーム 開発プランニング(プロダクト開発計画の策定)、チーム連携(各チーム間のブリッジ役)、プロダクトのデリバリー支援・活用、プロダクトの品質評価や改善等を担います。 シニアソフトウェアエンジニアは、顧客のデータ活用における課題解決をメインミッションとして、日々拡大しているデータの量・種類に技術をもって対応しながら、安定した価値提供に取り組んでいます。また、運用性・安全性の向上、技術課題の解決や支援を通じてチームの発展と顧客への高付加価値なソリューション提供を実現します。

LLM専属のエンジニアとして、弊社のソリューションデザイナ(顧客折衝やプロジェクトマネジメント等を担当)と連携しながら、データ分析、LLMモデルの検証/開発/改善、結果のレポーティング、LLMを用いたシステムの開発等に関わっていただきます。(プロジェクトごとに、リードエンジニアが1名サポートにつきます。) またLLMに関連する最新技術のキャッチアップ、社内への展開、及びマルチエージェントシステムのためのフレームワーク開発などをお任せする予定です。 上記に加え、他プロジェクトのLLMエンジニアのスーパーバイズおよび組織運営にも携わっていただきます。 ●具体的な業務内容 ・LLMを用いたクライアントプロジェクトへの参画、及びソリューションの開発 ・LLMに関連する最新技術のキャッチアップ、社内への展開 ・マルチエージェントシステムのためのフレームワーク開発 ・社内プロジェクトメンバーや顧客への技術的な説明 ・LLMを用いたシステム開発PJにおけるLLMの精度検証・チューニング ・LLMエンジニアが担当するプロジェクトのスーパーバイズ ・エンジニアリング部の組織運営に関わる業務(採用、評価、育成等) ● 業務の変更範囲:なし 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。 ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV(スーパーバイザー)がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●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 ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・データ分析全般(NumPy, pandas, Matplotlib, seaborn, plotly, Streamlit) ・機械学習(sckit-learn, statsmodelsm, OPTUNA, SHAP, LightGBM) ・Deep Learning(PyTorch, TensorFlow, Hugging Face, OpenAI, LangChain) ・実験管理(Kedro, mlflow, Kubeflow) ・開発言語(Python, Rust, Javascript) ・インフラ(AWS, Azure, Google Cloud, 社内GCPサーバ) ・開発ツール(Visual Studio, GitHub) ・その他ツール(Slack, Backlog, Cacoo, Google Meet) ●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

担当プロジェクトのメインエンジニアとして、弊社のソリューションデザイナ(顧客折衝やプロジェクトマネジメント等を担当)と連携しながら、データ分析、モデル開発/改善、結果のレポーティング等を実施していただきます。 また、それに加え、他プロジェクトの機械学習エンジニアのスーパーバイズおよび組織運営にも携わっていただきます。 <具体的な業務内容> ・ディープラーニング等の機械学習技術を用いたソリューションの開発(機械学習エンジニアと同様) ・プロジェクト提案段階での技術観点からの評価やアドバイス ・機械学習エンジニアが担当するプロジェクトのスーパーバイズ ・エンジニアリング部の組織運営に関わる業務(採用、評価、育成等) ●このような想いを実現されたい方にご応募いただきたいです。 1.機械学習を用いた社会実装、産業実装を自分の手で担いたい方 弊社が担当する案件は社会や産業そのものに影響を与えるものが中心です。 技術はあくまでツールとして捉え、ソリューションを提供することを主眼に置いていることを重要視する集団です。 2.自身が担当している案件がPoCのみで終わることや実際に世に出て行かないことに不安を感じる方 弊社の案件継続率は70%と他社と比較して比較的高いと自負しています。 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。 ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV(スーパーバイザー)がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●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 ●キャリアパスについて 右記のような流れでキャリアを歩んでいただく想定です。(スタッフ→リーダー→マネージャー→部長) 一方で弊社のエンジニア組織は50名未満とまだまだ成長の余地しかなく、キャリアパスは完全に決まりきっているの部分は少ないです。 今後もキャリアパスは社員の想いや組織の成長段階によって変化し続けると認識しています。 そのため「キャリアは自ら切り開きたい」と思える方にご参画いただきたいですし、弊社としてはその様な想いを支えられる組織として存在できればと考えております。 ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・データ分析全般(NumPy, pandas, Matplotlib, seaborn, plotly, Streamlit) ・機械学習(sckit-learn, statsmodelsm, OPTUNA, SHAP, LightGBM) ・Deep Learning(PyTorch, TensorFlow, Hugging Face, OpenAI, LangChain) ・実験管理(Kedro, mlflow, Kubeflow) ●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 ● 業務の変更範囲:なし

kubellでは「Chatwork」を中心に、BPaaSや新規事業など複数の事業を展開しており、日々膨大なデータが蓄積されています。 データアナリストは、これらのデータを活用して事業KPIの可視化や分析を行い、インサイトを提供することで、迅速かつ的確な意思決定を支援します。 また、シニアメンバーと協働して高度な技術やベストプラクティスを吸収しながら、データマートやデータモデルの設計・構築にも携わっていただきます。 ビジネスサイドと連携し、データの力で意思決定を支援するとともに、自律的に分析プロジェクトを推進していただく役割です。 <具体的には> 1.データマートとデータモデルの設計・構築 メダリオンアーキテクチャに基づいた、スケーラブルで分析しやすいデータモデルの設計・構築(シニアメンバーとの連携・協働) dbtを用いたデータモデリングの実装 横断セールス/マーケティングデータマートの構築支援 事業管理をはじめとするトラストデータの整備支援 2.データ分析とインサイト提供 ビジネス/プロダクトの現場課題に対し、分析テーマを提案・実行 戦略的示唆の抽出による意思決定支援 ユーザー行動分析、顧客セグメンテーション、施策効果測定 事業KPI・財務指標(CAC/LTV/MRRなど)の可視化と分析 3.ダッシュボード・BIツールの開発・運用 Lookerを用いたダッシュボードやレポートの設計・構築・運用 事業管理ダッシュボード、セールス/マーケティングモニタリング環境の構築 レポーティング業務の効率化と自動化 4.チーム協業とステークホルダー連携 ビジネス/プロダクトの現場部門へのデータ利活用の推進 ビジネス部門とのコミュニケーションを通じた、データドリブンな意思決定の支援 データソリューションの現場提供に向けたSalesforceエンジニア、CRMアーキテクト、BizOpsとの連携 クロスファンクショナルチームでのプロジェクト推進、ステークホルダーとの定期的なミーティング 【変更の範囲】 ・部署異動等により当社業務全般へ変更する場合があります(出向含む) 使用技術・ツール <プログラミング言語> ・SQL(Hive、Presto、など) ・Python <インフラ> ・Snowflake ・TreasureData <ツール> ・データエンジニアリング:dbt ・コード管理:GitHub ・BI:Looker Studio、exploratory、Google Spreadsheet、Excel等 <タスク管理> ・JIRA <情報共有> ・Chatwork ・Confluence ・Miro ・Slack

三菱UFJ銀行を中心にMUFG各社と連携し、AI技術を活用した業務の効率化・高度化を実現するプロジェクトにおいて、データ分析業務を担っていただきます。 具体的には以下のような業務があります。 ・MUFGにおけるビジネス課題解決のためのデータ分析や機械学習モデルの開発 ・顧客への分析結果の説明 ・AIに関する最新技術の調査・研究 ●プロジェクト例 ・市場動向分析モデルの構築 ・市場部門のフロント部署のための機械学習ツール開発 ・オルタナティブデータを用いた与信モデルの構築 ・アンチマネーロンダリング(AML)分野における分析支援 ●変更の範囲 場所:会社の定める場所(在宅勤務を行う場所を含む)

●概要 サプライチェーンリスク管理SaaS「Resilire(レジリア)」において、ユーザーに価値を届ける開発業務をお任せします。 フロントエンド・バックエンド・インフラの区分にとらわれず、プロダクトの成功に必要な開発を幅広く推進していただきます。 社内で創出される多様な事業アイデアを、CEOやチームメンバーと密に連携しながらスピード感を持ってプロダクトに昇華させる機会もあり、技術選定から設計・実装・改善に至るまで、広い裁量と責任を持って取り組んでいただける環境です。 ●業務内容 当社サービスResilireのソフトウェア開発(フロントエンド・バックエンド・インフラの開発をスキルに応じて担当) 顧客フィードバックや利用ログを元にした機能改善・追加 PdMやデザイナーなどのステークホルダーとのOwnershipを持った協働 事業拡大に伴うデータ量・トラフィック増大に対するスケーリング戦略の策定と実装 AIエージェント活用を前提としたアーキテクチャの整理・品質統制の仕組みづくり 監視・ログ・障害対応を含む運用の自動化・高度化 テスト戦略の策定やリリースプロセスの設計を通じた品質の構造的な作り込み 仕様が固まっていない段階からの探索的な開発と推進 チーム全体の生産性向上に向けた開発・運用プロセスの継続的改善 技術広報・採用活動を通じた対外発信 【シニアエンジニアへの期待】 Resilireのエンジニアには、プロダクトの成功に対する高いコミットメントと貢献を期待しています。 すべての活動の前提として、下記のような姿勢で取り組むことにやり甲斐をを感じられる方を求めています プロダクトとドメインに深く入り込み、高い解像度と当事者意識を持って課題に向き合う ビジネスと開発などの垣根を超えた、幅広いステークホルダーとの越境コミュニケーション ソフトウェアエンジニアとしての技術力を活かした課題発見と解決 その上で、シニアエンジニアには以下の3つの軸のいずれか、または複数において強みを発揮し、プロダクトおよび組織の成長を牽引していただくことを期待しています。 1.システムのスケール データ量やトラフィックの増大に耐えうる設計と、AIエージェントを前提としたスケーラブルなアーキテクチャの実現を牽引していただきます。 UXや運用コストの最適化を図りながら、事業の急成長を技術面から支える根幹を担っていただくことを期待しています。 2.組織のスケール 開発の最前線で手を動かしながら、品質と生産性を両立し、継続的に高いアウトプットを生み出すエンジニアリング組織の強化を牽引していただきます。 また、技術広報や採用活動といった外部発信にも積極的に関与していただくことを期待しています。 3.プロダクトのスケール 事業課題と顧客価値を深く理解し、不確実性の高い状況下でも仮説検証をリードしながらプロダクト開発を推進していただきます。 新規・既存を問わずUXと事業KPIの最大化にコミットし、AIやデータ活用による非連続なプロダクトの成長を牽引していただくことを期待しています。 ●技術スタック FE 言語:TypeScript/JavaScript FW:React.js BE 言語:Go(API), Python(クローラ) DB:CloudSQL(PostgreSQL), BigQuery インフラ GCP, GKE, Terraform, Sentry, k8s ツール Github, Slack, notion, Figma, miro AIツール Claude Code, Cursor, Github Copilot, Jetbrains AI Assistant, Devin, n8n, Dify, ChatGPT, Gemini, NotebookLM, PLAUD.AI ※エンジニア・デザイナーの意見を積極的に採用し、ツール導入を行なっている ●開発フロー プロダクトオーナー (CEO) を中心に関係者で開発要件を検討 スクラム開発をベースとしてデイリーと週末のレトロスペクティブで同期 週1のリリースサイクル、今後はデイリーリリース化を念頭に準備中 ●技術的チャレンジ Multi vertical SaaSとして業界横断でPMFするための画面・機能実装 グローバルに事業展開していくためのプロダクト開発 データで定量的にプロダクト成長・ユーザーサクセスを実現するための仕組み作り APIや仕組みの整っていない各国の状況でいかにグローバルにリスク情報を取ってきてユーザーに価値を届けるか

●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。