AIエンジニア(DL/機械学習)×地方フルリモートOKのリモートワーク転職・求人情報一覧
79件中 1件~10件
株式会社ナウキャスト
【地方フルリモート/AIフルサイクルエンジニア/生成AI・LLMを活用したプロダクトの開発経験】ビッグデータや生成AIを活用した事業を展開する東大発のスタートアップで大手企業を中心にデータ利活用やDXを支援する企業 のリモートワーク求人
■Finatextグループとは
Finatextグループは「金融を"サービス"として再発明する」をミッションに掲げ、AIエージェント機能の実装を見据えた金融基幹システムの提供を通じて「組込型金融(エンベデッドファイナンス)」を可能にするFintech企業です。
金融のDXを推進し、非金融事業者の金融サービス参入障壁を下げることで、金融がもっと暮らしに寄り添う世の中の実現を目指しています。
■ナウキャストとは
ビッグデータや生成AIを活用した事業を展開する東大発のスタートアップで大手企業を中心にデータ利活用やDXを支援する企業です。
クレジットカードデータやPOSデータ、位置情報データといった様々なオルタナティブデータを活用した企業の意思決定をサポートする事業や データ基盤構築支援や生成AI開発を通じ、世の中の意思決定を円滑にする事業を展開しております。
■募集する背景
ナウキャスト(Finatextグループ)は、各ユニットにおいてLLM(大規模言語モデル)を活用し、業務の効率化や新たな価値創出を目指しています。
現在、新事業の立ち上げや全社的なAI活用組織「AI+(エーアイ・プラス)」の始動など、生成AIを軸とした変革が加速しています。
各プロジェクトをさらに推進するため、生成AI・LLMに精通し、業務課題に特化したAIシステムの開発やAI基盤構築に挑戦したいエンジニアを募集します。
■業務の概要
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
①Financial Research事業
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
・官公庁・機関投資家が独自の分析モデルやAIにそのまま接続して即座に活用できる「AI-readyなデータ活用基盤(データレイヤー)」の設計・構築
・膨大なオルタナティブデータや公開マクロデータをAIが誤認なく正確に読み解くための、データ名寄せ・クレンジングおよび構造化ロジックの整備
②Data AI Service事業
国内最大級の網羅性を誇る独自の法人マスタや多様な3rdパーティデータに、最先端の生成AI技術を掛け合わせることで、企業の営業・開発・データ活用のDXを推進する事業です。
本事業は主に2つの核となるサービス群で構成されています。
Real Estate Unit(商業用不動産・店舗ビジネス向け新規プロダクト )
主に不動産領域におけるデータ活用SaaSであるDataLensHubシリーズを提供する事業です。
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。
<関わるサービス>
・「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
・「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
<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
・Data Holder Unit(法人データ活用基盤・データ販売デリバリー)
・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。
<関わるサービス>
「DataLinc」
ナウキャスト、法人データを名寄せして外部データと統合し、営業活動や与信管理を高度化するDaaS「DataLinc」の提供を開始
<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
③Data AI Solution事業
データ基盤と生成AIを掛け合わせ、企業の意思決定を支援する事業です。
Snowflakeを活用したデータ基盤構築から、AIエージェントのガバナンス基盤(MCPass)、AI協働プラットフォーム(Finstage Cowork)まで、一貫したデータ×AIのスタックを自社で持ち、金融機関を中心としたエンタープライズ向けに展開しています。
<関わるサービス>
・Finatext Advisory Assist シリーズ
金融アドバイザーの提案活動を支援する、生成AI搭載型のアシストツールです。
顧客情報や保険ニーズをもとに、提案資料の自動生成・情報要約・営業ナレッジの活用などを支援しています。
・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
・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。
・NorthCast
データクラウド「Snowflake(スノーフレイク)」をベースにしたモダンデータ基盤とAIデータオペレーションを迅速に構築可能なデータ基盤構築フレームワーク。
各企業の環境や要望に合わせた柔軟な導入が可能。
<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
④Finatext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
・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
・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
・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
・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
■メンバー
・片山 燎平 / 取締役 Data AI Solution 事業責任者
大阪大学電子情報工学科で統計的因果推論を研究。
卒業後、野村総合研究所に入社し、システム開発やデータ分析業務に従事。2017年にナウキャスト入社。
MLエンジニアとして機関投資家の投資銘柄予測モデル構築などを行う。
オルタナティブデータを用いた投資分析サービスの責任者を経て、2024年4月にデータ&AIソリューション(現 Data AI Solution)事業責任者に就任、同年6月からナウキャスト取締役。
テックブログ:https://zenn.dev/fozzhey
・池田 遼太郎 / Data AI Solution事業 LLMエンジニア
東京工業大学にて経営工学を専攻。
学部を卒業後、パーソルプロセス&テクノロジー株式会社に入社し人事系SIerのフルスタックエンジニアとして従事。
生成AI関連のプロジェクトに複数携わる中で生成AIに興味を持ち、さらなるスキルアップを図るためLLMエンジニアとしてナウキャストに入社。
テックブログ:https://zenn.dev/shilla
【業務の変更の範囲】
会社の規定に準ずる
Finatextグループは「金融を"サービス"として再発明する」をミッションに掲げ、AIエージェント機能の実装を見据えた金融基幹システムの提供を通じて「組込型金融(エンベデッドファイナンス)」を可能にするFintech企業です。
金融のDXを推進し、非金融事業者の金融サービス参入障壁を下げることで、金融がもっと暮らしに寄り添う世の中の実現を目指しています。
■ナウキャストとは
ビッグデータや生成AIを活用した事業を展開する東大発のスタートアップで大手企業を中心にデータ利活用やDXを支援する企業です。
クレジットカードデータやPOSデータ、位置情報データといった様々なオルタナティブデータを活用した企業の意思決定をサポートする事業や データ基盤構築支援や生成AI開発を通じ、世の中の意思決定を円滑にする事業を展開しております。
■募集する背景
ナウキャスト(Finatextグループ)は、各ユニットにおいてLLM(大規模言語モデル)を活用し、業務の効率化や新たな価値創出を目指しています。
現在、新事業の立ち上げや全社的なAI活用組織「AI+(エーアイ・プラス)」の始動など、生成AIを軸とした変革が加速しています。
各プロジェクトをさらに推進するため、生成AI・LLMに精通し、業務課題に特化したAIシステムの開発やAI基盤構築に挑戦したいエンジニアを募集します。
■業務の概要
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
①Financial Research事業
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
・官公庁・機関投資家が独自の分析モデルやAIにそのまま接続して即座に活用できる「AI-readyなデータ活用基盤(データレイヤー)」の設計・構築
・膨大なオルタナティブデータや公開マクロデータをAIが誤認なく正確に読み解くための、データ名寄せ・クレンジングおよび構造化ロジックの整備
②Data AI Service事業
国内最大級の網羅性を誇る独自の法人マスタや多様な3rdパーティデータに、最先端の生成AI技術を掛け合わせることで、企業の営業・開発・データ活用のDXを推進する事業です。
本事業は主に2つの核となるサービス群で構成されています。
Real Estate Unit(商業用不動産・店舗ビジネス向け新規プロダクト )
主に不動産領域におけるデータ活用SaaSであるDataLensHubシリーズを提供する事業です。
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。
<関わるサービス>
・「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
・「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
<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
・Data Holder Unit(法人データ活用基盤・データ販売デリバリー)
・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。
<関わるサービス>
「DataLinc」
ナウキャスト、法人データを名寄せして外部データと統合し、営業活動や与信管理を高度化するDaaS「DataLinc」の提供を開始
<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
③Data AI Solution事業
データ基盤と生成AIを掛け合わせ、企業の意思決定を支援する事業です。
Snowflakeを活用したデータ基盤構築から、AIエージェントのガバナンス基盤(MCPass)、AI協働プラットフォーム(Finstage Cowork)まで、一貫したデータ×AIのスタックを自社で持ち、金融機関を中心としたエンタープライズ向けに展開しています。
<関わるサービス>
・Finatext Advisory Assist シリーズ
金融アドバイザーの提案活動を支援する、生成AI搭載型のアシストツールです。
顧客情報や保険ニーズをもとに、提案資料の自動生成・情報要約・営業ナレッジの活用などを支援しています。
・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
・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。
・NorthCast
データクラウド「Snowflake(スノーフレイク)」をベースにしたモダンデータ基盤とAIデータオペレーションを迅速に構築可能なデータ基盤構築フレームワーク。
各企業の環境や要望に合わせた柔軟な導入が可能。
<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
④Finatext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
・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
・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
・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
・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
■メンバー
・片山 燎平 / 取締役 Data AI Solution 事業責任者
大阪大学電子情報工学科で統計的因果推論を研究。
卒業後、野村総合研究所に入社し、システム開発やデータ分析業務に従事。2017年にナウキャスト入社。
MLエンジニアとして機関投資家の投資銘柄予測モデル構築などを行う。
オルタナティブデータを用いた投資分析サービスの責任者を経て、2024年4月にデータ&AIソリューション(現 Data AI Solution)事業責任者に就任、同年6月からナウキャスト取締役。
テックブログ:https://zenn.dev/fozzhey
・池田 遼太郎 / Data AI Solution事業 LLMエンジニア
東京工業大学にて経営工学を専攻。
学部を卒業後、パーソルプロセス&テクノロジー株式会社に入社し人事系SIerのフルスタックエンジニアとして従事。
生成AI関連のプロジェクトに複数携わる中で生成AIに興味を持ち、さらなるスキルアップを図るためLLMエンジニアとしてナウキャストに入社。
テックブログ:https://zenn.dev/shilla
【業務の変更の範囲】
会社の規定に準ずる
| 想定年収 | 600 〜 1,500 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 勤務形態 | |||
| 企業概要 |
【★事業/サービス内容】
株式会社ナウキャストは、POSデータやクレジットカードの決済データなどのオルタナティブデータを解析し、リアルタイムな経済統計を提供しています。これにより、生活者の消費行動や企業活動を迅速かつ正確に把握することが可能です。主なサービスには、経済動向の分析や投資判断のサポートが含まれ、官公庁や証券会社、シンクタンクなどで利用されています。 【★社風/文化】 データドリブンな意思決定を重視する企業文化を持っています。社員は多様なバックグラウンドを持ち、オープンで協力的な環境で働いています。新しいアイデアやチャレンジを歓迎し、質の高いインサイトを提供することを目指しています。 【★働き方/リモートワーク】 柔軟な働き方を推奨しており、リモートワークも積極的に取り入れています。社員は自宅やオフィスなど、自分に合った環境で働くことができ、生産性とワークライフバランスを両立させることができます。 |
||
| 設立年数 | 12年 | 従業員数 | 70人 |
Thinkings株式会社
【リモート/東京/新規事業プロダクトジュニアエンジニア/Webアプリケーションの開発経験3年以上】2,000社以上の導入企業数である採用管理を効率化するクラウド型システム提供企業! のリモートワーク求人
■お仕事内容
EMやシニアエンジニアのサポートのもと、新規領域のPoC開発、およびその後の製品化に向けた
幅広い開発業務全般(フロントエンド、バックエンド、AIの実装)を担当いただきます。
<具体的な業務イメージ>
現在はPoCフェーズのため、EMや先輩エンジニアと密にコミュニケーションを取りながら、
以下の業務を通じて「顧客の課題を解決する新しい仕組み(ソリューション)」の検証・プロトタイプ実装を行っていただきます。
▼新規領域の設計および実装
全般フロントエンド、バックエンド、データモデリングなど、まずはご自身の得意な技術領域からスタートし、
徐々に幅を広げながらスピード感を持ってプロトタイプを形にしていきます。
▼生成AIを活用した機能の立案・実装
生成AIをプロダクトに組み込み、顧客課題を解決する新しい価値を生み出すための開発
このフェーズで大切にしているのは、「まず作ってみて、検証する(探索を繰り返す)」姿勢です。
正解がわからないからこそ、「こうかもしれない」という仮説をもとにアイデアをスピード感持ってカタチにし、
チーム全員でソリューションを探索していきます。検証によって有効性が確認された仕組みは、
そのまま製品版としてサービス化していくため、モダンな技術をフルスタックに扱いながら、
プロダクトが産声を上げる瞬間をダイレクトに経験できます。
■募集背景
HRTech業界を牽引する『sonar ATS by HRMOS』を展開する当社ですが、現在、さらなる顧客課題の解決に向けて、
自社プラットフォームの可能性を広げる新規領域のプロジェクトをスタートしています。
現在は、強固な自社アセットと最新技術(生成AIなど)を掛け合わせ、「顧客にどんな新しいソリューションを提供できるか」を
少人数で探索・検証(PoC)しているフェーズです。この挑戦を圧倒的なスピードで推し進め、
「攻める開発組織」へと進化させるため、新規事業プロダクトエンジニアチームの拡大を決定しました。
ここで生まれたアイデアを実際にサービス化し、次世代のプロダクトへ育てていくモダンな開発に挑戦したい仲間を募集します。
■配属・チーム構成・フォロー体制
|配属部門・チーム
Tech&Design Center > Product Management Dept. > PoC Team
|チーム構成
新規事業企画チーム、プロダクトマネージャー、エンジニアリングマネージャー、UIUXデザイナー
|フォロー体制
プロダクトマネージャーとエンジニアリングマネージャーでOJT体制でフォロー
■誰と仕事をするのか
・新規事業企画チーム
・プロダクトマネージャー
・エンジニアリングマネージャー
■本ポジションの魅力(得られる経験・スキル)
▼AI時代のフルスタックな開発経験:
フロント・バック・インフラ・データモデリングまで、シニアのサポートを受けながら一気通貫で経験できます。
実装はAIコーディングエージェントを積極活用するスタイルのため、コードを書く力を土台に、設計を考える力と、
AIの出力を理解・検証して責任を持って仕上げる力を磨いていく環境です。
▼「挑戦の数」を讃える評価制度:
「失敗を恐れず、いかに多くのトライ&エラー(探索)を回せたか」を最も重視して評価します。
新規開発においては、動かないコードを考え続けるよりも、小さく試して早く失敗し、
次のアプローチを探ることの方が遥かに価値があります。こだわりすぎて手が止まってしまうことは推奨されませんが、
高速で検証を繰り返す姿勢は、あなたの成長機会としても、人事評価としても大きくプラスに働きます。
▼風通しの良い少人数チーム:
企画メンバーとの距離も近く、「言われたものを作る」のではなく「意見を出して一緒に作る」面白さがあります。
■キャリアパス
・多様な技術を扱い、新規プロダクトを一人で作り上げられるフルスタックエンジニア(スペシャリスト)への道
・プロダクトの企画や要件定義から深くコミットする、プロダクトエンジニアやプロダクトマネージャー(PdM)への道
【業務の変更の範囲】
当社業務全般
EMやシニアエンジニアのサポートのもと、新規領域のPoC開発、およびその後の製品化に向けた
幅広い開発業務全般(フロントエンド、バックエンド、AIの実装)を担当いただきます。
<具体的な業務イメージ>
現在はPoCフェーズのため、EMや先輩エンジニアと密にコミュニケーションを取りながら、
以下の業務を通じて「顧客の課題を解決する新しい仕組み(ソリューション)」の検証・プロトタイプ実装を行っていただきます。
▼新規領域の設計および実装
全般フロントエンド、バックエンド、データモデリングなど、まずはご自身の得意な技術領域からスタートし、
徐々に幅を広げながらスピード感を持ってプロトタイプを形にしていきます。
▼生成AIを活用した機能の立案・実装
生成AIをプロダクトに組み込み、顧客課題を解決する新しい価値を生み出すための開発
このフェーズで大切にしているのは、「まず作ってみて、検証する(探索を繰り返す)」姿勢です。
正解がわからないからこそ、「こうかもしれない」という仮説をもとにアイデアをスピード感持ってカタチにし、
チーム全員でソリューションを探索していきます。検証によって有効性が確認された仕組みは、
そのまま製品版としてサービス化していくため、モダンな技術をフルスタックに扱いながら、
プロダクトが産声を上げる瞬間をダイレクトに経験できます。
■募集背景
HRTech業界を牽引する『sonar ATS by HRMOS』を展開する当社ですが、現在、さらなる顧客課題の解決に向けて、
自社プラットフォームの可能性を広げる新規領域のプロジェクトをスタートしています。
現在は、強固な自社アセットと最新技術(生成AIなど)を掛け合わせ、「顧客にどんな新しいソリューションを提供できるか」を
少人数で探索・検証(PoC)しているフェーズです。この挑戦を圧倒的なスピードで推し進め、
「攻める開発組織」へと進化させるため、新規事業プロダクトエンジニアチームの拡大を決定しました。
ここで生まれたアイデアを実際にサービス化し、次世代のプロダクトへ育てていくモダンな開発に挑戦したい仲間を募集します。
■配属・チーム構成・フォロー体制
|配属部門・チーム
Tech&Design Center > Product Management Dept. > PoC Team
|チーム構成
新規事業企画チーム、プロダクトマネージャー、エンジニアリングマネージャー、UIUXデザイナー
|フォロー体制
プロダクトマネージャーとエンジニアリングマネージャーでOJT体制でフォロー
■誰と仕事をするのか
・新規事業企画チーム
・プロダクトマネージャー
・エンジニアリングマネージャー
■本ポジションの魅力(得られる経験・スキル)
▼AI時代のフルスタックな開発経験:
フロント・バック・インフラ・データモデリングまで、シニアのサポートを受けながら一気通貫で経験できます。
実装はAIコーディングエージェントを積極活用するスタイルのため、コードを書く力を土台に、設計を考える力と、
AIの出力を理解・検証して責任を持って仕上げる力を磨いていく環境です。
▼「挑戦の数」を讃える評価制度:
「失敗を恐れず、いかに多くのトライ&エラー(探索)を回せたか」を最も重視して評価します。
新規開発においては、動かないコードを考え続けるよりも、小さく試して早く失敗し、
次のアプローチを探ることの方が遥かに価値があります。こだわりすぎて手が止まってしまうことは推奨されませんが、
高速で検証を繰り返す姿勢は、あなたの成長機会としても、人事評価としても大きくプラスに働きます。
▼風通しの良い少人数チーム:
企画メンバーとの距離も近く、「言われたものを作る」のではなく「意見を出して一緒に作る」面白さがあります。
■キャリアパス
・多様な技術を扱い、新規プロダクトを一人で作り上げられるフルスタックエンジニア(スペシャリスト)への道
・プロダクトの企画や要件定義から深くコミットする、プロダクトエンジニアやプロダクトマネージャー(PdM)への道
【業務の変更の範囲】
当社業務全般
| 想定年収 | 500 〜 750 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 勤務形態 |
作業時間: 標準労働時間:10:00~19:00
コアタイム:11:00~16:00
フレキシブルタイム:無
働き方: フレックス制(コアタイムあり) 時間外労働の有無: 有(月平均15時間) 休憩時間: 60分 |
||
| 企業概要 |
【★事業/サービス内容】
Thinkings株式会社は、HRテクノロジーを活用して企業の採用活動を支援する企業です。主力製品である「sonar ATS」は、SaaS型の採用管理システムで、企業が効率的かつ効果的に採用プロセスを管理できるようサポートします。sonar ATSは、応募者の管理、面接のスケジューリング、評価の記録など、採用活動全般を一元管理できる機能を提供しています。また、AIを活用したエントリーシート選考支援機能も搭載しており、企業の採用活動をさらに効率化します。 【★社風/文化】 Thinkingsの社風は、革新と協力を重視しています。社員一人ひとりが主体的に行動し、新しいアイデアを積極的に提案する文化が根付いています。また、チームワークを大切にし、互いにサポートし合う環境が整っています。 【★働き方/リモートワーク】 柔軟な働き方を推奨しており、リモートワークも積極的に取り入れております。 |
||
| 設立年数 | 7年 | 従業員数 | 60人 |
株式会社ドワンゴ
【正社員/全国フルリモート可/データサイエンス】教育事業◆「ZEN Study」日本最大級の教育事業の開発~ のリモートワーク求人
■お仕事内容
職務内容
様々な授業を受けることができるWeb上の学習サービス「ZEN Study」や教職員向けのコーチング支援Webサービス、また関連する教育サービスの企画開発を担当していただきます。
<サービスの紹介>
私たちは、未来の「当たり前」の教育をつくるため、生徒・学生や教職員の「学ぶ」「教える」体験の最大化を日々目指しています。
2025年4月に開学した日本発の本格的なオンライン大学「ZEN大学」や、3万名を超え日本最大の生徒数であるネットの高校「N高等学校・S高等学校・R高等学校」と連携し、ネットの時代に合わせた教育関連のサービスを開発・運営しています。
【ZEN Study】
ひとつで学習が完結するオールインワン学習アプリです。
主に次のような機能を提供しています。
リアルタイムに先生や仲間の生徒とコミュニケーションを取ることで理解を深める「ライブ授業」
自分のペースで学習を進めることができて一目で進捗率がわかる「教材」
学習者同士の教え合いの場「フォーラム」
【ZEN Compass】
学習者を導く教職員や管理者が利用するコーチング支援Webサービスです。
LMS(Learning Management System)として学習状況を見ることができるだけではなく、より学習者を効率的に支援できるように、さまざまな指標で教職員や管理者を支えます。
<募集背景>
私たち「ZEN Study」の企画開発チームは、企画者とエンジニアの混合チームです。あらゆる学びたい人たちの、ひとりではなかなか学習が継続しないという課題に対して、彼らを自律的に生涯学習ができるような状態にできるようなサービスを目指し、日々企画開発を行っています。
「ZEN Study」に日々蓄積されていくN高等学校・S高等学校・R高等学校の生徒の学習ログなどのデータを元に、それぞれの学習者が効果的に学べる、学び続けることができる学習サイクルをどのように実現していくか検討し、
データを活用した新サービスの技術検証、企画への提案・実際のアプリケーションの設計・実装を行えるようなデータサイエンス領域のソフトウェアエンジニアを募集しています。
<業務内容>
学習サービス「ZEN Study」やコーチ向けの「ZEN Compass」、または関連する教育サービスのデータ解析・技術検証、検証結果の実サービスへの適用に関わる設計・実装を主業務とし、必要に応じて企画者や教材開発者とのコミュニケーションを行なっていただきます。
主業務の一例:
新企画の技術検証・機能開発に向けた設計・実装
新企画構築に向けてさまざまな理論や手法を適用できるかを検証・プロトタイピング
例:学力測定や行動理解のためのデータ分析、アダプティブラーニングやレコメンドなどのデータ活用型アプリケーションの実現など
仮説検証後の課題抽出・企画への提案
データ解析基盤の構築・運用・改善
他チームと協力しながらZEN Studyのデータを収集する部分の 検証・設計・構築
実際に企画検証としてデータ解析を行い不足データの提案・設計・構築
データ駆動アプリケーションを支えるパイプラインの改善・保守・運用
データ解析基盤等を活用したデータ駆動アプリケーションの保守・運用
オペレーション改善のための機能提案や実装
企画開発と企画開発チームのための種々の業務
カジュアル面談や選考への参加などの採用活動
技術や教育領域のサーベイやトレンド調査
【業務の変更の範囲】
会社の定める場所
職務内容
様々な授業を受けることができるWeb上の学習サービス「ZEN Study」や教職員向けのコーチング支援Webサービス、また関連する教育サービスの企画開発を担当していただきます。
<サービスの紹介>
私たちは、未来の「当たり前」の教育をつくるため、生徒・学生や教職員の「学ぶ」「教える」体験の最大化を日々目指しています。
2025年4月に開学した日本発の本格的なオンライン大学「ZEN大学」や、3万名を超え日本最大の生徒数であるネットの高校「N高等学校・S高等学校・R高等学校」と連携し、ネットの時代に合わせた教育関連のサービスを開発・運営しています。
【ZEN Study】
ひとつで学習が完結するオールインワン学習アプリです。
主に次のような機能を提供しています。
リアルタイムに先生や仲間の生徒とコミュニケーションを取ることで理解を深める「ライブ授業」
自分のペースで学習を進めることができて一目で進捗率がわかる「教材」
学習者同士の教え合いの場「フォーラム」
【ZEN Compass】
学習者を導く教職員や管理者が利用するコーチング支援Webサービスです。
LMS(Learning Management System)として学習状況を見ることができるだけではなく、より学習者を効率的に支援できるように、さまざまな指標で教職員や管理者を支えます。
<募集背景>
私たち「ZEN Study」の企画開発チームは、企画者とエンジニアの混合チームです。あらゆる学びたい人たちの、ひとりではなかなか学習が継続しないという課題に対して、彼らを自律的に生涯学習ができるような状態にできるようなサービスを目指し、日々企画開発を行っています。
「ZEN Study」に日々蓄積されていくN高等学校・S高等学校・R高等学校の生徒の学習ログなどのデータを元に、それぞれの学習者が効果的に学べる、学び続けることができる学習サイクルをどのように実現していくか検討し、
データを活用した新サービスの技術検証、企画への提案・実際のアプリケーションの設計・実装を行えるようなデータサイエンス領域のソフトウェアエンジニアを募集しています。
<業務内容>
学習サービス「ZEN Study」やコーチ向けの「ZEN Compass」、または関連する教育サービスのデータ解析・技術検証、検証結果の実サービスへの適用に関わる設計・実装を主業務とし、必要に応じて企画者や教材開発者とのコミュニケーションを行なっていただきます。
主業務の一例:
新企画の技術検証・機能開発に向けた設計・実装
新企画構築に向けてさまざまな理論や手法を適用できるかを検証・プロトタイピング
例:学力測定や行動理解のためのデータ分析、アダプティブラーニングやレコメンドなどのデータ活用型アプリケーションの実現など
仮説検証後の課題抽出・企画への提案
データ解析基盤の構築・運用・改善
他チームと協力しながらZEN Studyのデータを収集する部分の 検証・設計・構築
実際に企画検証としてデータ解析を行い不足データの提案・設計・構築
データ駆動アプリケーションを支えるパイプラインの改善・保守・運用
データ解析基盤等を活用したデータ駆動アプリケーションの保守・運用
オペレーション改善のための機能提案や実装
企画開発と企画開発チームのための種々の業務
カジュアル面談や選考への参加などの採用活動
技術や教育領域のサーベイやトレンド調査
【業務の変更の範囲】
会社の定める場所
| 想定年収 | 590 〜 960 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 勤務形態 | |||
| 設立年数 | 30年 | 従業員数 | 900人 |
株式会社エムニ
【フルリモ/スーパーフレックス/東京・京都/AIプロダクトエンジニア_AI特許ロケット】東大・京大発、学術知見で製造業にAI革新を牽引する企業! のリモートワーク求人
◼️ミッション
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、優れた技術や現場知見が数多く存在します。一方で、それらを発明として整理し、特許・知財として保護・活用するプロセスには、専門性の高さ、文書作成の負荷、調査業務の複雑さ、属人性といった課題があります。
AI特許ロケット は、LLM・RAG・自然言語処理・AIエージェント等を活用し、発明情報の整理、特許文書の作成支援、先行技術調査、技術資料の構造化など、特許・知財業務を支援するAIプロダクトです。
本ポジションでは、AIプロダクトエンジニアとして、AI特許ロケットの中核となるAI機能の設計・開発・評価・改善を担っていただきます。
特許・知財という専門性の高い領域において、AIを活用して「技術を守り、活かす」プロセスを変革することがミッションです。
◼️プロダクトの設計思想
AI特許ロケットが目指すのは、単に特許文書を自動生成するツールではありません。
発明者、研究開発者、知財担当者、弁理士など、関係者が持つ情報を整理し、技術的な特徴や差分を明確にし、特許・知財業務の意思決定を支援するプロダクトを目指しています。
特許・知財領域では、言葉の正確性、技術内容の構造化、先行技術との差分把握、根拠に基づいた生成が重要です。
そのため、AI特許ロケットでは以下を重視しています。
- 発明情報・技術資料の構造化
- 特許文書・技術文書の検索・要約・比較
- 先行技術調査を支援するRAG・検索体験
- 技術的特徴・差分・権利化ポイントの整理
- 専門性の高い文書生成における品質管理
- ユーザーが確認・修正しやすいAI出力設計
- 知財業務フローに馴染むAI体験
AIプロダクトエンジニアには、LLMやRAGを使って「それっぽい文章」を生成するだけではなく、専門業務に耐えるAI機能として、精度・根拠・使いやすさを磨き込んでいただきます。
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- AI特許ロケットのAI機能設計・開発・運用
- LLM・RAG・自然言語処理・AIエージェントを活用した機能開発
- 特許文書、技術資料、発明情報、先行技術情報等を扱うAI機能開発
- 発明内容や技術資料をもとにした文書生成・要約・分類・構造化機能の開発
- 特許調査・先行技術調査を支援する検索・RAG機能の開発
- 技術文書・特許文書の比較、差分抽出、論点整理機能の開発
- プロンプト設計、RAG構成設計、評価設計、精度改善
- 知財業務フローを踏まえたAI機能のUX設計、プロトタイピング
- Python、TypeScript、Next.js、FastAPI等を用いたプロダクト開発
- AIエンジニアと連携したAI機能の組み込み、評価、改善
- PM・Bizメンバーとの仕様検討、仮説検証、優先順位整理
- 技術調査、検証、ドキュメント整備
- 必要に応じたコードレビュー、技術支援
◼️開発テーマ例
- 発明情報の構造化・要点抽出機能
- 技術資料をもとにした特許文書作成支援機能
- 特許文書・技術文書の要約・分類機能
- 先行技術調査を支援する検索・RAG機能
- 技術的特徴・差分・権利化ポイントの整理機能
- 発明者へのヒアリング内容をもとにした文書生成機能
- 特許請求の範囲や明細書作成を支援するAI機能
- 関連文献・先行技術との比較支援機能
- AI出力の根拠提示・参照元表示機能
- 知財担当者や研究開発者の業務フローに合わせたAIワークフロー設計
【業務の変更の範囲】
無
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、優れた技術や現場知見が数多く存在します。一方で、それらを発明として整理し、特許・知財として保護・活用するプロセスには、専門性の高さ、文書作成の負荷、調査業務の複雑さ、属人性といった課題があります。
AI特許ロケット は、LLM・RAG・自然言語処理・AIエージェント等を活用し、発明情報の整理、特許文書の作成支援、先行技術調査、技術資料の構造化など、特許・知財業務を支援するAIプロダクトです。
本ポジションでは、AIプロダクトエンジニアとして、AI特許ロケットの中核となるAI機能の設計・開発・評価・改善を担っていただきます。
特許・知財という専門性の高い領域において、AIを活用して「技術を守り、活かす」プロセスを変革することがミッションです。
◼️プロダクトの設計思想
AI特許ロケットが目指すのは、単に特許文書を自動生成するツールではありません。
発明者、研究開発者、知財担当者、弁理士など、関係者が持つ情報を整理し、技術的な特徴や差分を明確にし、特許・知財業務の意思決定を支援するプロダクトを目指しています。
特許・知財領域では、言葉の正確性、技術内容の構造化、先行技術との差分把握、根拠に基づいた生成が重要です。
そのため、AI特許ロケットでは以下を重視しています。
- 発明情報・技術資料の構造化
- 特許文書・技術文書の検索・要約・比較
- 先行技術調査を支援するRAG・検索体験
- 技術的特徴・差分・権利化ポイントの整理
- 専門性の高い文書生成における品質管理
- ユーザーが確認・修正しやすいAI出力設計
- 知財業務フローに馴染むAI体験
AIプロダクトエンジニアには、LLMやRAGを使って「それっぽい文章」を生成するだけではなく、専門業務に耐えるAI機能として、精度・根拠・使いやすさを磨き込んでいただきます。
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- AI特許ロケットのAI機能設計・開発・運用
- LLM・RAG・自然言語処理・AIエージェントを活用した機能開発
- 特許文書、技術資料、発明情報、先行技術情報等を扱うAI機能開発
- 発明内容や技術資料をもとにした文書生成・要約・分類・構造化機能の開発
- 特許調査・先行技術調査を支援する検索・RAG機能の開発
- 技術文書・特許文書の比較、差分抽出、論点整理機能の開発
- プロンプト設計、RAG構成設計、評価設計、精度改善
- 知財業務フローを踏まえたAI機能のUX設計、プロトタイピング
- Python、TypeScript、Next.js、FastAPI等を用いたプロダクト開発
- AIエンジニアと連携したAI機能の組み込み、評価、改善
- PM・Bizメンバーとの仕様検討、仮説検証、優先順位整理
- 技術調査、検証、ドキュメント整備
- 必要に応じたコードレビュー、技術支援
◼️開発テーマ例
- 発明情報の構造化・要点抽出機能
- 技術資料をもとにした特許文書作成支援機能
- 特許文書・技術文書の要約・分類機能
- 先行技術調査を支援する検索・RAG機能
- 技術的特徴・差分・権利化ポイントの整理機能
- 発明者へのヒアリング内容をもとにした文書生成機能
- 特許請求の範囲や明細書作成を支援するAI機能
- 関連文献・先行技術との比較支援機能
- AI出力の根拠提示・参照元表示機能
- 知財担当者や研究開発者の業務フローに合わせたAIワークフロー設計
【業務の変更の範囲】
無
| 想定年収 | 600 〜 1,200 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 |
作業時間: フレックスタイム制
※コアタイムなし
※フレキシブルタイム:5:00~22:00
※スーパーフレックスタイム制
※標準労働時間:1日8時間
※月間所定労働時間:160時間前後
働き方: フルフレックス制 時間外労働の有無: 有(月平均20時間~30時間) 休憩時間: 60分 |
||
| 設立年数 | 4年 | 従業員数 | 151人 |
株式会社エムニ
【フルリモ/スーパーフレックス/東京・京都/AIプロダクトエンジニア_AIインタビュアー】東大・京大発、学術知見で製造業にAI革新を牽引する企業! のリモートワーク求人
◼️ミッション
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
企業活動において、顧客理解、ユーザーインタビュー、採用面談、業務ヒアリング、社内ナレッジ収集など、「人から情報を引き出す」プロセスは非常に重要です。
一方で、インタビューの設計、実施、記録、要約、分析、示唆出しには多くの時間とスキルが必要であり、属人的になりやすい領域でもあります。
AIインタビュアー は、LLM・音声認識・対話AI・RAG・AIエージェント等を活用し、「人に聞く」「深掘る」「整理する」「示唆に変える」というプロセスをAIで支援するプロダクトです。
本ポジションでは、AIプロダクトエンジニアとして、AIインタビュアーの中核となるAI機能の設計・開発・評価・改善を担っていただきます。
単なるチャットボットや議事録ツールではなく、目的に応じて問いを設計し、対話を進め、情報を構造化し、意思決定につながる示唆を生み出すAIプロダクトをつくることがミッションです。
◼️プロダクトの設計思想
AIインタビュアーが目指すのは、単に「会話を文字起こしするツール」ではありません。
重要なのは、ユーザーの目的に応じて、AIが適切に問いを立て、回答に応じて深掘りし、得られた情報を構造化し、次の意思決定に使える形に変換することです。
たとえば、採用面談であれば候補者の経験や価値観を深掘りし、顧客インタビューであれば課題やニーズを引き出し、業務ヒアリングであれば現場の暗黙知や業務フローを整理する必要があります。
そのため、AIインタビュアーでは以下を重視しています。
- 自然で違和感のない対話体験
- 目的に応じた質問設計
- 回答内容に応じた深掘り
- 発話内容の構造化・分類・要約
- 複数インタビューの横断分析
- 意思決定に使えるレポート生成
- ユーザーの業務フローに馴染むAI体験
AIプロダクトエンジニアには、AIの出力品質だけでなく、「ユーザーが本当に使いやすいか」「業務の中で自然に使われるか」まで考えながら、AI体験を磨き込んでいただきます。
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- AIインタビュアーのAI機能設計・開発・運用
- LLM・音声認識・対話AI・RAG・AIエージェントを活用した機能開発
- インタビュー設計、質問生成、深掘り質問、回答分析に関する機能開発
- 回答内容の要約、分類、構造化、レポート生成機能の開発
- 音声認識・文字起こし・要約機能の開発
- プロンプト設計、対話設計、評価設計、精度改善
- ユーザー体験を踏まえたAI機能のUX設計、プロトタイピング
- Python、TypeScript、Next.js、FastAPI等を用いたプロダクト開発
- AIエンジニアと連携したAI機能の組み込み、評価、改善
- ユーザーフィードバックや利用ログを踏まえた機能改善
- PM・Bizメンバーとの仕様検討、仮説検証、優先順位整理
- 技術調査、検証、ドキュメント整備
- 必要に応じたコードレビュー、技術支援
◼️開発テーマ例
- AIによるインタビュー設計・質問生成機能
- 回答内容に応じた自動深掘り質問機能
- 音声認識・文字起こし・要約機能
- インタビュー結果の構造化・タグ付け・分類機能
- 複数インタビュー結果を横断した分析・示唆抽出機能
- 面談・ヒアリング内容の自動レポート生成
- ユーザーごとの目的に応じたAIインタビュー体験の最適化
- AIによる業務ヒアリング・社内ナレッジ収集支援
- 回答品質・質問品質を評価するための評価基盤づくり
- ユーザーの発話・回答データを活用したAI機能改善
【業務の変更の範囲】
無
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
企業活動において、顧客理解、ユーザーインタビュー、採用面談、業務ヒアリング、社内ナレッジ収集など、「人から情報を引き出す」プロセスは非常に重要です。
一方で、インタビューの設計、実施、記録、要約、分析、示唆出しには多くの時間とスキルが必要であり、属人的になりやすい領域でもあります。
AIインタビュアー は、LLM・音声認識・対話AI・RAG・AIエージェント等を活用し、「人に聞く」「深掘る」「整理する」「示唆に変える」というプロセスをAIで支援するプロダクトです。
本ポジションでは、AIプロダクトエンジニアとして、AIインタビュアーの中核となるAI機能の設計・開発・評価・改善を担っていただきます。
単なるチャットボットや議事録ツールではなく、目的に応じて問いを設計し、対話を進め、情報を構造化し、意思決定につながる示唆を生み出すAIプロダクトをつくることがミッションです。
◼️プロダクトの設計思想
AIインタビュアーが目指すのは、単に「会話を文字起こしするツール」ではありません。
重要なのは、ユーザーの目的に応じて、AIが適切に問いを立て、回答に応じて深掘りし、得られた情報を構造化し、次の意思決定に使える形に変換することです。
たとえば、採用面談であれば候補者の経験や価値観を深掘りし、顧客インタビューであれば課題やニーズを引き出し、業務ヒアリングであれば現場の暗黙知や業務フローを整理する必要があります。
そのため、AIインタビュアーでは以下を重視しています。
- 自然で違和感のない対話体験
- 目的に応じた質問設計
- 回答内容に応じた深掘り
- 発話内容の構造化・分類・要約
- 複数インタビューの横断分析
- 意思決定に使えるレポート生成
- ユーザーの業務フローに馴染むAI体験
AIプロダクトエンジニアには、AIの出力品質だけでなく、「ユーザーが本当に使いやすいか」「業務の中で自然に使われるか」まで考えながら、AI体験を磨き込んでいただきます。
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- AIインタビュアーのAI機能設計・開発・運用
- LLM・音声認識・対話AI・RAG・AIエージェントを活用した機能開発
- インタビュー設計、質問生成、深掘り質問、回答分析に関する機能開発
- 回答内容の要約、分類、構造化、レポート生成機能の開発
- 音声認識・文字起こし・要約機能の開発
- プロンプト設計、対話設計、評価設計、精度改善
- ユーザー体験を踏まえたAI機能のUX設計、プロトタイピング
- Python、TypeScript、Next.js、FastAPI等を用いたプロダクト開発
- AIエンジニアと連携したAI機能の組み込み、評価、改善
- ユーザーフィードバックや利用ログを踏まえた機能改善
- PM・Bizメンバーとの仕様検討、仮説検証、優先順位整理
- 技術調査、検証、ドキュメント整備
- 必要に応じたコードレビュー、技術支援
◼️開発テーマ例
- AIによるインタビュー設計・質問生成機能
- 回答内容に応じた自動深掘り質問機能
- 音声認識・文字起こし・要約機能
- インタビュー結果の構造化・タグ付け・分類機能
- 複数インタビュー結果を横断した分析・示唆抽出機能
- 面談・ヒアリング内容の自動レポート生成
- ユーザーごとの目的に応じたAIインタビュー体験の最適化
- AIによる業務ヒアリング・社内ナレッジ収集支援
- 回答品質・質問品質を評価するための評価基盤づくり
- ユーザーの発話・回答データを活用したAI機能改善
【業務の変更の範囲】
無
| 想定年収 | 600 〜 1,200 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 |
作業時間: フレックスタイム制
※コアタイムなし
※フレキシブルタイム:5:00~22:00
※スーパーフレックスタイム制
※標準労働時間:1日8時間
※月間所定労働時間:160時間前後
働き方: フルフレックス制 時間外労働の有無: 有(月平均20時間~30時間) 休憩時間: 60分 |
||
| 設立年数 | 4年 | 従業員数 | 151人 |
株式会社エムニ
【フルリモ/スーパーフレックス/東京・京都/AI/LLMエンジニア】東大・京大発、学術知見で製造業にAI革新を牽引する企業! のリモートワーク求人
◼️ミッション
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。
本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。
単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。
◼️仕事のやりがい
エムニでは、生成AI・LLMを活用した業務変革の最前線で、技術選定からプロトタイピング、実装、改善、運用まで一気通貫で関わることができます。
特に製造業領域では、図面、仕様書、検査記録、作業手順書、問い合わせ履歴、熟練者のナレッジなど、多様かつ複雑なデータを扱います。こうした現場固有の情報をLLMやRAG、AIエージェントと組み合わせ、実務で使えるプロダクト・ソリューションへ落とし込むことが求められます。
技術を深く理解するだけでなく、「誰の、どの業務課題を、どのように解くのか」まで踏み込み、顧客やビジネスサイドと連携しながら価値を形にできる環境です。
◼️役割期待
入社後は、シニアエンジニアやPMと連携しながら、LLM・RAG・AIエージェントを活用したAIシステムの実装、技術検証、精度改善を中心にお任せします。
まずは担当機能の開発やプロンプト設計、データ処理、評価検証などから関わっていただき、徐々に顧客課題の理解、技術設計、要件定義にも挑戦していただきます。
◼️業務内容
- LLM APIを用いた機能開発
- RAGシステムの実装・改善
- プロンプト設計・検証
- PDF、帳票、図面、マニュアル等のデータ処理
- AI機能の精度評価・改善
- Python/FastAPI/Next.js等を用いたアプリケーション開発
- 技術調査、検証結果のドキュメント化
- コードレビューへの参加、既存機能の改善
◼️開発例
- 製造業向けナレッジ検索・RAGシステム
- 図面・帳票・仕様書などのドキュメント解析AI
- 熟練者の暗黙知を活用した業務支援AI
- 問い合わせ対応・見積作成・調査業務の自動化
- 業務プロセスを自律的に支援するAIエージェント
- 生成AIを活用した社内業務効率化・AI駆動経営の推進
- 製造現場・バックオフィス・営業技術領域におけるAI活用支援
【業務の変更の範囲】
無
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。
本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。
単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。
◼️仕事のやりがい
エムニでは、生成AI・LLMを活用した業務変革の最前線で、技術選定からプロトタイピング、実装、改善、運用まで一気通貫で関わることができます。
特に製造業領域では、図面、仕様書、検査記録、作業手順書、問い合わせ履歴、熟練者のナレッジなど、多様かつ複雑なデータを扱います。こうした現場固有の情報をLLMやRAG、AIエージェントと組み合わせ、実務で使えるプロダクト・ソリューションへ落とし込むことが求められます。
技術を深く理解するだけでなく、「誰の、どの業務課題を、どのように解くのか」まで踏み込み、顧客やビジネスサイドと連携しながら価値を形にできる環境です。
◼️役割期待
入社後は、シニアエンジニアやPMと連携しながら、LLM・RAG・AIエージェントを活用したAIシステムの実装、技術検証、精度改善を中心にお任せします。
まずは担当機能の開発やプロンプト設計、データ処理、評価検証などから関わっていただき、徐々に顧客課題の理解、技術設計、要件定義にも挑戦していただきます。
◼️業務内容
- LLM APIを用いた機能開発
- RAGシステムの実装・改善
- プロンプト設計・検証
- PDF、帳票、図面、マニュアル等のデータ処理
- AI機能の精度評価・改善
- Python/FastAPI/Next.js等を用いたアプリケーション開発
- 技術調査、検証結果のドキュメント化
- コードレビューへの参加、既存機能の改善
◼️開発例
- 製造業向けナレッジ検索・RAGシステム
- 図面・帳票・仕様書などのドキュメント解析AI
- 熟練者の暗黙知を活用した業務支援AI
- 問い合わせ対応・見積作成・調査業務の自動化
- 業務プロセスを自律的に支援するAIエージェント
- 生成AIを活用した社内業務効率化・AI駆動経営の推進
- 製造現場・バックオフィス・営業技術領域におけるAI活用支援
【業務の変更の範囲】
無
| 想定年収 | 400 〜 800 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 |
作業時間: フレックスタイム制
※コアタイムなし
※フレキシブルタイム:5:00~22:00
※スーパーフレックスタイム制
※標準労働時間:1日8時間
※月間所定労働時間:160時間前後
働き方: フルフレックス制 時間外労働の有無: 有(月平均20時間~30時間) 休憩時間: 60分 |
||
| 設立年数 | 4年 | 従業員数 | 151人 |
株式会社エムニ
【フルリモ/スーパーフレックス/東京・京都/機械学習エンジニア】東大・京大発、学術知見で製造業にAI革新を牽引する企業! のリモートワーク求人
◼️ミッション
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。
本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。
単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。
◼️本ポジションについて
エムニでは、製造業を中心とした顧客向けに、オーダーメイドAIの開発・導入を行っています。
MLエンジニアには、データサイエンティストやAIプロジェクトマネージャーが整理した顧客課題・検証テーマをもとに、機械学習モデルの設計、学習、評価、改善、本番実装、運用設計まで担っていただきます。
扱うテーマは、外観検査画像を用いた不良検知、設備ログを用いた異常検知・予兆保全、生産実績や需要データを用いた予測、文書や記録データを用いた分類など、多岐にわたります。
また、LLM/RAG/AIエージェントなどの生成AI技術と、従来型の機械学習モデルを組み合わせることで、より高度な業務支援システムを構築する機会もあります。
Webエンジニア、インフラエンジニア、AI/LLMエンジニアと連携しながら、モデルを本番環境で安定して届けるところまで責任を持っていただくポジションです。
◼️仕事のやりがい
- 製造業の現場で実際に使われる機械学習モデル・AIシステムを開発できる
- 画像認識、異常検知、時系列予測、需要予測など、産業課題に直結するテーマに挑戦できる
- PoCで精度を示すだけでなく、API化・本番導入・監視・継続改善まで担える
- データサイエンティスト、Webエンジニア、インフラエンジニア、PMと連携して社会実装を進められる
- MLOps、推論基盤、再学習、モデル監視など、運用を見据えたML開発に関われる
- LLM/RAG等の生成AIと機械学習を組み合わせた、新しいAIシステムに挑戦できる
- 将来的にはMLテックリード、MLOps責任者、AIソリューションの技術リードを目指せる
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- 製造業を中心とした顧客課題に対する機械学習モデル・アルゴリズムの設計、開発、評価
- 画像認識、異常検知、時系列予測、需要予測、分類、回帰、最適化等のモデル開発
- データ前処理、特徴量設計、学習データ設計、評価指標設計
- モデル精度の改善、エラー分析、ロバスト性向上
- 推論速度、処理性能、コスト、安定性を踏まえたモデル・処理方式の改善
- 機械学習モデルのAPI化、Webアプリケーション・業務システムへの組み込み
- 学習・推論パイプライン、バッチ処理、再学習フローの設計・開発
- モデル監視、性能劣化検知、データドリフト検知、バージョン管理
- クラウド・GPU環境を活用した学習・推論基盤の構築支援
- インフラエンジニアと連携したMLOps・運用基盤の整備
- AI/LLMエンジニアと連携した、LLM/RAGと機械学習モデルを組み合わせた機能開発
- PM・データサイエンティスト・顧客への技術説明、検証結果共有
- 最新論文・技術トレンドの調査、実装検証、社内ナレッジ共有
◼️取り組むテーマ例
- 検査画像・外観画像を用いた不良検知・分類モデルの開発
- 設備ログ・センサーデータを用いた異常検知・予兆保全モデルの開発
- 受注・生産・在庫データを用いた需要予測・生産計画支援モデルの開発
- 品質データを用いた不良発生予測・品質改善支援
- 作業データや工程データを用いた効率化・最適化モデルの開発
- 文書・帳票・記録データを活用した分類・抽出モデルの開発
- 学習済みモデルの推論API化と業務アプリケーションへの組み込み
- 本番導入後のモデル監視・再学習・性能改善
- LLM/RAGと予測モデル・分類モデルを組み合わせた業務支援AI
- 複数顧客・複数案件に横展開可能なML開発・運用基盤の整備
◼️このポジションで期待する成果
- 顧客課題に対して、適切なモデル方式・評価方法を設計できる
- PoCでのモデル検証から、本番システムへの組み込みまで推進できる
- 精度だけでなく、推論速度、コスト、可用性、保守性を意識して開発できる
- 運用開始後の性能監視や再学習を含め、継続的に改善できる仕組みをつくれる
- Webエンジニアやインフラエンジニアと連携し、AIモデルを安定した機能として提供できる
- 技術的な検討内容や制約を、顧客・PM・非技術者にもわかりやすく説明できる
【業務の変更の範囲】
無
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。
本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。
単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。
◼️本ポジションについて
エムニでは、製造業を中心とした顧客向けに、オーダーメイドAIの開発・導入を行っています。
MLエンジニアには、データサイエンティストやAIプロジェクトマネージャーが整理した顧客課題・検証テーマをもとに、機械学習モデルの設計、学習、評価、改善、本番実装、運用設計まで担っていただきます。
扱うテーマは、外観検査画像を用いた不良検知、設備ログを用いた異常検知・予兆保全、生産実績や需要データを用いた予測、文書や記録データを用いた分類など、多岐にわたります。
また、LLM/RAG/AIエージェントなどの生成AI技術と、従来型の機械学習モデルを組み合わせることで、より高度な業務支援システムを構築する機会もあります。
Webエンジニア、インフラエンジニア、AI/LLMエンジニアと連携しながら、モデルを本番環境で安定して届けるところまで責任を持っていただくポジションです。
◼️仕事のやりがい
- 製造業の現場で実際に使われる機械学習モデル・AIシステムを開発できる
- 画像認識、異常検知、時系列予測、需要予測など、産業課題に直結するテーマに挑戦できる
- PoCで精度を示すだけでなく、API化・本番導入・監視・継続改善まで担える
- データサイエンティスト、Webエンジニア、インフラエンジニア、PMと連携して社会実装を進められる
- MLOps、推論基盤、再学習、モデル監視など、運用を見据えたML開発に関われる
- LLM/RAG等の生成AIと機械学習を組み合わせた、新しいAIシステムに挑戦できる
- 将来的にはMLテックリード、MLOps責任者、AIソリューションの技術リードを目指せる
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- 製造業を中心とした顧客課題に対する機械学習モデル・アルゴリズムの設計、開発、評価
- 画像認識、異常検知、時系列予測、需要予測、分類、回帰、最適化等のモデル開発
- データ前処理、特徴量設計、学習データ設計、評価指標設計
- モデル精度の改善、エラー分析、ロバスト性向上
- 推論速度、処理性能、コスト、安定性を踏まえたモデル・処理方式の改善
- 機械学習モデルのAPI化、Webアプリケーション・業務システムへの組み込み
- 学習・推論パイプライン、バッチ処理、再学習フローの設計・開発
- モデル監視、性能劣化検知、データドリフト検知、バージョン管理
- クラウド・GPU環境を活用した学習・推論基盤の構築支援
- インフラエンジニアと連携したMLOps・運用基盤の整備
- AI/LLMエンジニアと連携した、LLM/RAGと機械学習モデルを組み合わせた機能開発
- PM・データサイエンティスト・顧客への技術説明、検証結果共有
- 最新論文・技術トレンドの調査、実装検証、社内ナレッジ共有
◼️取り組むテーマ例
- 検査画像・外観画像を用いた不良検知・分類モデルの開発
- 設備ログ・センサーデータを用いた異常検知・予兆保全モデルの開発
- 受注・生産・在庫データを用いた需要予測・生産計画支援モデルの開発
- 品質データを用いた不良発生予測・品質改善支援
- 作業データや工程データを用いた効率化・最適化モデルの開発
- 文書・帳票・記録データを活用した分類・抽出モデルの開発
- 学習済みモデルの推論API化と業務アプリケーションへの組み込み
- 本番導入後のモデル監視・再学習・性能改善
- LLM/RAGと予測モデル・分類モデルを組み合わせた業務支援AI
- 複数顧客・複数案件に横展開可能なML開発・運用基盤の整備
◼️このポジションで期待する成果
- 顧客課題に対して、適切なモデル方式・評価方法を設計できる
- PoCでのモデル検証から、本番システムへの組み込みまで推進できる
- 精度だけでなく、推論速度、コスト、可用性、保守性を意識して開発できる
- 運用開始後の性能監視や再学習を含め、継続的に改善できる仕組みをつくれる
- Webエンジニアやインフラエンジニアと連携し、AIモデルを安定した機能として提供できる
- 技術的な検討内容や制約を、顧客・PM・非技術者にもわかりやすく説明できる
【業務の変更の範囲】
無
| 想定年収 | 600 〜 1,000 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 |
作業時間: フレックスタイム制
※コアタイムなし
※フレキシブルタイム:5:00~22:00
※スーパーフレックスタイム制
※標準労働時間:1日8時間
※月間所定労働時間:160時間前後
働き方: フルフレックス制 時間外労働の有無: 有(月平均20時間~30時間) 休憩時間: 60分 |
||
| 設立年数 | 4年 | 従業員数 | 151人 |
株式会社エムニ
【フルリモ/スーパーフレックス/東京・京都/シニアAI/LLMエンジニア】東大・京大発、学術知見で製造業にAI革新を牽引する企業! のリモートワーク求人
◼️ミッション
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。
本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。
単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。
◼️仕事のやりがい
エムニでは、生成AI・LLMを活用した業務変革の最前線で、技術選定からプロトタイピング、実装、改善、運用まで一気通貫で関わることができます。
特に製造業領域では、図面、仕様書、検査記録、作業手順書、問い合わせ履歴、熟練者のナレッジなど、多様かつ複雑なデータを扱います。こうした現場固有の情報をLLMやRAG、AIエージェントと組み合わせ、実務で使えるプロダクト・ソリューションへ落とし込むことが求められます。
技術を深く理解するだけでなく、「誰の、どの業務課題を、どのように解くのか」まで踏み込み、顧客やビジネスサイドと連携しながら価値を形にできる環境です。
◼️役割期待
入社後は、製造業を中心とした顧客の業務課題を理解し、LLM・RAG・AIエージェント等を活用したAIシステムの技術設計・開発リードをお任せします。
単なる実装にとどまらず、技術選定、アーキテクチャ設計、評価設計、PoCから本番運用までのロードマップ設計、顧客への技術提案、チームメンバーの育成まで、AI社会実装の中核を担っていただきます。
◼️業務内容
- 業務要件の整理、技術要件への落とし込み
- LLM/RAG/AIエージェントを活用したソリューション設計
- AIシステム全体のアーキテクチャ設計
- 技術選定、評価設計、品質基準の策定
- PoC設計、本番運用を見据えた開発リード
- 顧客やビジネスサイドとの技術的な議論・提案
- コードレビュー、設計レビュー、技術的意思決定
- ジュニア〜ミドルメンバーの育成・技術支援
- 社内のAI開発ナレッジやベストプラクティスの整備
◼️開発例
- 製造業向けナレッジ検索・RAGシステム
- 図面・帳票・仕様書などのドキュメント解析AI
- 熟練者の暗黙知を活用した業務支援AI
- 問い合わせ対応・見積作成・調査業務の自動化
- 業務プロセスを自律的に支援するAIエージェント
- 生成AIを活用した社内業務効率化・AI駆動経営の推進
- 製造現場・バックオフィス・営業技術領域におけるAI活用支援
【業務の変更の範囲】
無
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。
本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。
単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。
◼️仕事のやりがい
エムニでは、生成AI・LLMを活用した業務変革の最前線で、技術選定からプロトタイピング、実装、改善、運用まで一気通貫で関わることができます。
特に製造業領域では、図面、仕様書、検査記録、作業手順書、問い合わせ履歴、熟練者のナレッジなど、多様かつ複雑なデータを扱います。こうした現場固有の情報をLLMやRAG、AIエージェントと組み合わせ、実務で使えるプロダクト・ソリューションへ落とし込むことが求められます。
技術を深く理解するだけでなく、「誰の、どの業務課題を、どのように解くのか」まで踏み込み、顧客やビジネスサイドと連携しながら価値を形にできる環境です。
◼️役割期待
入社後は、製造業を中心とした顧客の業務課題を理解し、LLM・RAG・AIエージェント等を活用したAIシステムの技術設計・開発リードをお任せします。
単なる実装にとどまらず、技術選定、アーキテクチャ設計、評価設計、PoCから本番運用までのロードマップ設計、顧客への技術提案、チームメンバーの育成まで、AI社会実装の中核を担っていただきます。
◼️業務内容
- 業務要件の整理、技術要件への落とし込み
- LLM/RAG/AIエージェントを活用したソリューション設計
- AIシステム全体のアーキテクチャ設計
- 技術選定、評価設計、品質基準の策定
- PoC設計、本番運用を見据えた開発リード
- 顧客やビジネスサイドとの技術的な議論・提案
- コードレビュー、設計レビュー、技術的意思決定
- ジュニア〜ミドルメンバーの育成・技術支援
- 社内のAI開発ナレッジやベストプラクティスの整備
◼️開発例
- 製造業向けナレッジ検索・RAGシステム
- 図面・帳票・仕様書などのドキュメント解析AI
- 熟練者の暗黙知を活用した業務支援AI
- 問い合わせ対応・見積作成・調査業務の自動化
- 業務プロセスを自律的に支援するAIエージェント
- 生成AIを活用した社内業務効率化・AI駆動経営の推進
- 製造現場・バックオフィス・営業技術領域におけるAI活用支援
【業務の変更の範囲】
無
| 想定年収 | 800 〜 1,200 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 |
作業時間: フレックスタイム制
※コアタイムなし
※フレキシブルタイム:5:00~22:00
※スーパーフレックスタイム制
※標準労働時間:1日8時間
※月間所定労働時間:160時間前後
働き方: フルフレックス制 時間外労働の有無: 有(月平均20時間~30時間) 休憩時間: 60分 |
||
| 設立年数 | 4年 | 従業員数 | 151人 |
株式会社プレイド
【フルリモ相談可◎データサイエンティスト】有名CXプラットフォームSaaS展開/東証グロース上場!福利厚生◎ のリモートワーク求人
■お仕事内容
クライアントのデータ活用プロジェクトにおいて、基盤構築支援から高度な分析モデルの開発、施策検証まで、データサイエンスの側面からリードしていただきます。
1. 施策PDCA・統計的効果検証
・マーケティング施策のKPI設計と、統計的仮説検定を用いたA/Bテストの評価
・BIツール(Looker Studio, Tableau, Codatum等)を用いたダッシュボード構築とモニタリング環境の整備
2. 多様な手法を用いたモデリング・実装
・Python / R / SQL などを用いた探索的データ分析によるインサイトの抽出
・機械学習モデル(予測、クラスタリング、レコメンデーション等)の構築と、KARTEへの推論結果の実装
・生成AI(LLM)を活用した新しい顧客体験ソリューションのプロトタイピングと実戦投入
3. データパイプライン設計・基盤構築支援
・クライアントのDWH(BigQuery, Databricks, Snowflake等)とKARTEの連携設計・実装
・SQLを用いた高度なデータ加工(ETL/ELT)、分析用データマートの構築
・データ品質管理とクエリパフォーマンスの最適化
■募集背景
エンタープライズ企業のDXが進む今、最大の課題は「データの利活用」の深刻化にあります。
プレイドが目指すのは、AIや機械学習を単なる予測で終わらせない、実アクションに直結する「Actionable(実行可能)」なデータエコシステムの構築です。
KARTEを軸に、モダンデータスタックの最新技術を柔軟に取り入れながら、クライアントと共に「データによる意思決定と実行」の新しいスタンダードを創り上げる。
データの「蓄積」から「価値創出」へ。ラストワンマイルを突破する専門家を募集しています。
■ポジションの魅力
Actionable AIの実践
・自分の作った予測モデルが、KARTEを通じて即座にWebサイトのポップアップやアプリ通知としてユーザーに届きます。
「分析して終わり」ではない、リアルなフィードバックループとビジネスインパクトを肌で感じられます。
Modern Data Stackへの深い関与
・Google Cloudのプレミアパートナーであり、Databricks等とも強力なパートナーシップを結んでいます。
最新のクラウドネイティブな環境で、技術的な制約に縛られず最適なアーキテクチャを追求できます。
多様な業界のドメイン知識とデータ
・EC、金融、人材、メディアなど、日本を代表する企業の多種多様な1st Party Dataに触れることができます。
特定業界に閉じない、汎用性の高いデータサイエンス力を養うには最高の環境です。
「自走支援」という視座
・単なる受託分析ではなく、クライアント組織が自らデータを利活用できる文化を作ることを目指します。
技術提供の先にある「組織変革」に携わる醍醐味があります。
■関連インタビュー記事
PLAID ALPHAについて(https://recruit.plaid.co.jp/plaid-alpha)
CGO桑野 × ALPHA責任者・濵﨑対談インタビュー(https://blog.plaid.co.jp/n/n560ecdda3a18)
ALPHA責任者・濵﨑 × Team Head古市対談インタビュー(https://wired.jp/branded/2025/09/09/plaid-1/)
【業務の変更の範囲】
業務に関連する他の部署への変更/グループ会社内外への出向も含めた兼務の可能性あり
クライアントのデータ活用プロジェクトにおいて、基盤構築支援から高度な分析モデルの開発、施策検証まで、データサイエンスの側面からリードしていただきます。
1. 施策PDCA・統計的効果検証
・マーケティング施策のKPI設計と、統計的仮説検定を用いたA/Bテストの評価
・BIツール(Looker Studio, Tableau, Codatum等)を用いたダッシュボード構築とモニタリング環境の整備
2. 多様な手法を用いたモデリング・実装
・Python / R / SQL などを用いた探索的データ分析によるインサイトの抽出
・機械学習モデル(予測、クラスタリング、レコメンデーション等)の構築と、KARTEへの推論結果の実装
・生成AI(LLM)を活用した新しい顧客体験ソリューションのプロトタイピングと実戦投入
3. データパイプライン設計・基盤構築支援
・クライアントのDWH(BigQuery, Databricks, Snowflake等)とKARTEの連携設計・実装
・SQLを用いた高度なデータ加工(ETL/ELT)、分析用データマートの構築
・データ品質管理とクエリパフォーマンスの最適化
■募集背景
エンタープライズ企業のDXが進む今、最大の課題は「データの利活用」の深刻化にあります。
プレイドが目指すのは、AIや機械学習を単なる予測で終わらせない、実アクションに直結する「Actionable(実行可能)」なデータエコシステムの構築です。
KARTEを軸に、モダンデータスタックの最新技術を柔軟に取り入れながら、クライアントと共に「データによる意思決定と実行」の新しいスタンダードを創り上げる。
データの「蓄積」から「価値創出」へ。ラストワンマイルを突破する専門家を募集しています。
■ポジションの魅力
Actionable AIの実践
・自分の作った予測モデルが、KARTEを通じて即座にWebサイトのポップアップやアプリ通知としてユーザーに届きます。
「分析して終わり」ではない、リアルなフィードバックループとビジネスインパクトを肌で感じられます。
Modern Data Stackへの深い関与
・Google Cloudのプレミアパートナーであり、Databricks等とも強力なパートナーシップを結んでいます。
最新のクラウドネイティブな環境で、技術的な制約に縛られず最適なアーキテクチャを追求できます。
多様な業界のドメイン知識とデータ
・EC、金融、人材、メディアなど、日本を代表する企業の多種多様な1st Party Dataに触れることができます。
特定業界に閉じない、汎用性の高いデータサイエンス力を養うには最高の環境です。
「自走支援」という視座
・単なる受託分析ではなく、クライアント組織が自らデータを利活用できる文化を作ることを目指します。
技術提供の先にある「組織変革」に携わる醍醐味があります。
■関連インタビュー記事
PLAID ALPHAについて(https://recruit.plaid.co.jp/plaid-alpha)
CGO桑野 × ALPHA責任者・濵﨑対談インタビュー(https://blog.plaid.co.jp/n/n560ecdda3a18)
ALPHA責任者・濵﨑 × Team Head古市対談インタビュー(https://wired.jp/branded/2025/09/09/plaid-1/)
【業務の変更の範囲】
業務に関連する他の部署への変更/グループ会社内外への出向も含めた兼務の可能性あり
| 想定年収 | 600 〜 1,500 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 勤務形態 |
作業時間: ■フルフレックスタイム制
・コアタイム:なし
・フレキシブルタイム:7:00〜22:00
・標準労働時間:9:00~18:00(休憩時間 60分)
働き方: フルフレックス制 時間外労働の有無: 有(月平均20時間) 休憩時間: 60分 |
||
| 設立年数 | 16年 | 従業員数 | 466人 |
株式会社プレイド
【フルリモ相談可◎AIエンジニア】有名CXプラットフォームSaaS展開/東証グロース上場!(AIプロダクト開発) のリモートワーク求人
■お仕事内容
<業務内容の一例>
・データ基盤の設計・構築・運用:
・数百億UU規模の1st Party Dataを収集・蓄積・処理・活用するためのスケーラブルかつ高信頼なデータ基盤の設計、構築、運用
・データ分析および顧客への価値提供:
・構築したデータ基盤を活用し、顧客のビジネス課題解決に繋がるデータ分析、レポーティング、示唆抽出。必要に応じて顧客へのヒアリングや分析結果の説明も実施
・多様な行動ログや属性データを組み合わせた多角的な分析による、新規顧客セグメントの発見やマーケティング施策に繋がるインサイトの提供
・機械学習を使ったアルゴリズムの設計 / 実装:
・行動データを活用した、高精度なユーザーモデル(クラスタリング、LTV予測、推薦モデル等)構築
・機械学習モデルの学習・推論に必要なデータフローを自動化・効率化するためのデータパイプライン(学習データセット作成、特徴量ストア連携等)の設計・構築
・弊社独自の貴重な1st Party Dataを最大限に活用するためのデータ戦略立案や新規データソースの検討
■募集背景
プレイドでは「データによって人の価値を最大化する」をミッションとして掲げており、
主要なプロダクトであるKARTEでは、利用いただいているさまざまな企業・サービスの膨大な1st Party Customer Dataを保持しております。
この膨大なデータを活用し、AIによる価値提供を最大化するためのデータ基盤の設計・構築から、データ分析、
さらには機械学習モデル開発のためのデータ準備まで、データに関わる幅広い領域でご活躍いただくデータエンジニアを募集しています。
本ポジションでは、Data Mindの中核である「Context Lake」をリードしていただきます。
Context Lakeは、社内に散らばるあらゆるデータを繋ぎ合わせ、事業成長と顧客体験の向上を直結させる「データAI戦略基盤」です。
Context Lakeの詳細については、是非プレスリリース(https://plaid.co.jp/news/20251110/)をご覧ください。
■ポジションの魅力
・解析UU数が数百億規模にのぼるデータをすでに保持しているため、貴重な経験が積め、また分析の深さや機械学習モデルの精度向上が期待できる
・データ基盤の技術選定やアーキテクチャ設計において、大きな裁量を持って取り組める
・データに関するさまざまな業務を経験できるため、データエンジニアとしてのキャリアの幅を広げられる
・先進的なAI開発プロジェクトにデータ面から深く関与できる
■関連インタビュー記事
Engineer Blog(https://tech.plaid.co.jp/)
【業務の変更の範囲】
業務に関連する他の部署への変更/グループ会社内外への出向も含めた兼務の可能性あり
<業務内容の一例>
・データ基盤の設計・構築・運用:
・数百億UU規模の1st Party Dataを収集・蓄積・処理・活用するためのスケーラブルかつ高信頼なデータ基盤の設計、構築、運用
・データ分析および顧客への価値提供:
・構築したデータ基盤を活用し、顧客のビジネス課題解決に繋がるデータ分析、レポーティング、示唆抽出。必要に応じて顧客へのヒアリングや分析結果の説明も実施
・多様な行動ログや属性データを組み合わせた多角的な分析による、新規顧客セグメントの発見やマーケティング施策に繋がるインサイトの提供
・機械学習を使ったアルゴリズムの設計 / 実装:
・行動データを活用した、高精度なユーザーモデル(クラスタリング、LTV予測、推薦モデル等)構築
・機械学習モデルの学習・推論に必要なデータフローを自動化・効率化するためのデータパイプライン(学習データセット作成、特徴量ストア連携等)の設計・構築
・弊社独自の貴重な1st Party Dataを最大限に活用するためのデータ戦略立案や新規データソースの検討
■募集背景
プレイドでは「データによって人の価値を最大化する」をミッションとして掲げており、
主要なプロダクトであるKARTEでは、利用いただいているさまざまな企業・サービスの膨大な1st Party Customer Dataを保持しております。
この膨大なデータを活用し、AIによる価値提供を最大化するためのデータ基盤の設計・構築から、データ分析、
さらには機械学習モデル開発のためのデータ準備まで、データに関わる幅広い領域でご活躍いただくデータエンジニアを募集しています。
本ポジションでは、Data Mindの中核である「Context Lake」をリードしていただきます。
Context Lakeは、社内に散らばるあらゆるデータを繋ぎ合わせ、事業成長と顧客体験の向上を直結させる「データAI戦略基盤」です。
Context Lakeの詳細については、是非プレスリリース(https://plaid.co.jp/news/20251110/)をご覧ください。
■ポジションの魅力
・解析UU数が数百億規模にのぼるデータをすでに保持しているため、貴重な経験が積め、また分析の深さや機械学習モデルの精度向上が期待できる
・データ基盤の技術選定やアーキテクチャ設計において、大きな裁量を持って取り組める
・データに関するさまざまな業務を経験できるため、データエンジニアとしてのキャリアの幅を広げられる
・先進的なAI開発プロジェクトにデータ面から深く関与できる
■関連インタビュー記事
Engineer Blog(https://tech.plaid.co.jp/)
【業務の変更の範囲】
業務に関連する他の部署への変更/グループ会社内外への出向も含めた兼務の可能性あり
| 想定年収 | 600 〜 1,500 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 勤務形態 |
作業時間: ■フルフレックスタイム制
・コアタイム:なし
・フレキシブルタイム:7:00〜22:00
・標準労働時間:9:00~18:00(休憩時間 60分)
働き方: フルフレックス制 時間外労働の有無: 有(月平均20時間) 休憩時間: 60分 |
||
| 設立年数 | 16年 | 従業員数 | 466人 |
79件中 1件~10件
リモートワーク求人を探す
職種からリモートワーク求人を探す
- CTO
- VPoE
- テックリード
- ITコンサルタント
- ITアーキテクト
- プロジェクトマネージャー
- プロダクトマネージャー
- スクラムマスター
- PMO
- ブリッジSE
- プロジェクトリーダー
- webデザイナー
- UIUXデザイナー
- webディレクター
- デジタルマーケター
- ゲームデザイナー
- CGデザイナー
- インフラエンジニア
- SRE
- ネットワークエンジニア
- サーバーエンジニア
- セキュリティエンジニア
- システムエンジニア
- システムディレクター
- サーバーサイドエンジニア
- フロントエンドエンジニア
- マークアップコーダー
- iOSエンジニア
- Androidエンジニア
- ゲームエンジニア
- ゲームプランナー
- QAエンジニア
- テストエンジニア
- テスター
- AIエンジニア(DL/機械学習)
- データサイエンティスト
- データアナリスト
- BIエンジニア
- データベースエンジニア
- 社内SE
- ヘルプデスク
- テクニカルサポート
- CRE
開発経験からリモートワーク求人を探す
- Access
- ActionScript
- AD
- Android(Java)
- Angular
- Ansible
- AWS
- Azure
- C#
- C++
- CakePHP
- COBOL
- Cordova
- C言語
- Django
- EC-CUBE
- Electron
- Elixir
- Express.js
- Figma
- Firebase
- Flask
- Flutter
- FuelPHP
- GCP
- Go
- HTML/CSS
- Illustrator
- Java
- JavaScript
- Kotlin
- Kubernetes
- Laravel
- Linux
- MySQL
- Next.js
- Node.js
- Nuxt.js
- Objective-C
- Oracle
- Perl
- Photoshop
- PHP
- PL/SQL
- PostgreSQL
- Python
- R
- React
- React Native
- RPA(Biz Robo)
- RPA(UiPath)
- RPA(WinActor)
- Ruby on Rails
- Rust
- Salesforce
- SAP
- Scala
- Seasar2
- Sketch
- Spring
- Spring Boot
- SQL
- SQL Server
- Struts
- Swift
- Symfony
- Tableau
- Tensorflow
- Terraform
- Tresure Data
- TypeScript
- Unity
- VB
- VBA
- Vue.js
- WordPress
- Xamarin
- XD
働き方からリモートワーク求人を探す
リモートワークタイプからリモートワーク求人を探す
語学・国籍からリモートワーク求人を探す
Jobのタイトルが入ります
こちらの求人に応募します
Jobのタイトルが入ります
こちらの求人に応募します
への応募が完了しました。
ご応募ありがとうございます。
担当エージェントからの連絡をお待ちください。
Jobのタイトルが入ります
こちらの求人を辞退しますが間違いないですか?
への辞退が完了しました。
またのご応募お待ちしています。
既に応募済みの案件です。
求人への応募には
リラシクの利用を開始してください。
求人への応募にはご住所の入力が必要です。
予期せぬエラーが発生しました。