AIエンジニアの案件一覧

【概要】
・金融機関の人事データを活用したタレントマネジメント／人材配置最適化システム開発に向けた長期ロードマップ策定
・マッチングアルゴリズムのPoC 設計・実装
【主な責務】
・プロジェクト計画…金融機関の人材配置最適化に向けた長期ロードマップ策定、WBS・マイルストーン策定
（スケジュール、要員、品質、スコープ、コミュニケーション、コスト管理含む）
・PoC 設計・実装…マッチングアルゴリズム実装・評価（コンテンツベースフィルタリング、分類・クラスタリング、最適化）

【業務内容】
kintoneをプラットフォームとするFAQシステムとRAGを活用した生成AIの設計・構築・カスタマイズの一連としたAI関連作業の実施。
・既存業務理解
・AIの応答速度やRAG処理の効率化に関する要件検討
・AIアシスタントの作成（ユースケースごとのAIアシスタント開発）
・環境設定、調整（カスタムプロンプト設定など）
・LLM基盤の選定と導入
・生成AIの適合性評価
・ドキュメント構築

・プロンプトエンジニアリングの実務経験
・AI及び生成AI技術に関する基礎知識
・ドキュメント構築

■背景
当社クライアントが確度高く、提案を進めており、(AI領域、金融業、生成AIPoC、規模大)でリソースが必要となった
■内容
・PLもしくはテックリード
※チームは3名~の想定
・要件定義から設計・製造・テストの対応
・RAG構築(クラウド上)
・エンドとの折衝

■背景
当社クライアントが確度高く、提案を進めており、(AI領域、金融業、生成AIPoC、規模大)でリソースが必要となった
■内容
・設計から製造、テストまでの一連
※チームは3名~の想定
・要件定義から設計・製造・テストの対応
・RAG構築(クラウド上)

・設計から製造、テストまでの一連の経験がある方・クラウド上に、生成AIを利用したRAGを構築した経験がある方
・AzureもしくはAWSの以下サービスの構築経験がある方
・Azure Open AI、もしくはAmazon Bedrock
・Azure AI Search、もしくはAmazon Kendra
・コンテナをホストするクラウドマネージドサービス構築経験
　 Amazon Elastic Container Service (Amazon ECS) 、もしくはAWS Elastic Beanstalk
・Pythonの経験がある方

※より多くの経験が望ましい

・生成AI技術を活用し、顧客の業務効率化や自動化を実現に向けたAIエージェントを開発していただきます。
・顧客の業務プロセスを分析し、課題解決に最適なAIエージェントを設計・開発。
・営業支援、カスタマーサポート、データ分析など、様々な業務に特化したAIエージェントの開発。

【参画メリット】
・急成長中のスタートアップ企業なので、今後のキャリアアップにつながる環境です。
・リモート併用案件のため、比較的リラックスした環境で働くことが可能です。
・AIなどの最新技術に携わることが可能です。

◆ 技術スタック
　 TypeScript、React、Next.js、Python、GCP

・Pythonを用いた開発のご経験が2年以上
・Next.jsを用いた開発のご経験が2年以上
・AIやLLM用いたアプリケーション開発経験

当社の既存顧客データベースを元にした、新規ターゲット顧客向けの提案ツールの作成
（新規ターゲット顧客に適した既存顧客の成功事例を抽出し、定量的、定性的に表示させる）
・要件定義（社内業務ヒアリング含む）
・データベース設計・連携（Salesforce、MySQL）
・AIモデル開発・連携（分類モデル/LLM等）
・Webアプリケーション開発（Flask/Django等）
・成果物：プロトタイプコード、仕様書（簡易でOK）

生成AIやRAGを活用した業務プロセス改善プロジェクトです。
クライアントとのコミュニケーションなどを通じ、クライアントの業務内容や課題、
および要件内容を理解、整理し、優先順位付けやスコープ調整を行います。
業務プロセスの整理、データ分析を行い、生成AIを活用した新たな業務プロセスの設計やROIの検証し、
実際のデータ分析、データ加工、生成AI・RAGなどの実装、精度評価、チューニングを実施します。

■業務内容
・クライアントとのコミュニケーションを通じた課題・要件整理
・業務プロセスの可視化・改善提案
・データ分析・データ加工（専門文書含む）
・RAGや生成AIを用いたプロセス設計・実装（API使用）
・精度評価・チューニング（Rewriter, CRAG, Self-RAG, メタデータ付与 等）
・業務効果の試算、フィールドテスト設計 等

・コミュニケーション(顧客要件の優先度付け、スコープ調整)
・報告書/討議資料作成（PPT）
・要件整理
・業務フローの整理
・業務実行時の思考プロセスの紐解き・理解（現状の思考プロセス）
・データ(専門文書の場合あり)の紐解き・理解（業界の専門用語が使われていることが前提となる）
・データ加工要否の判断（RAG処理の知見をベースとした検討）
・処理設計
・処理実装（APIを利用してRAGを実装した経験があること）
・精度評価・チューニング
　（※）rewriter、CRAG、Self-RAG、メタデータ付与等
・活用設計
　業務効果の試算、業務プロセスの整理、フィールドテストの設計
・客先作業できること（オンサイトしないとデータが使えないパターンが存在する為）

【業務内容】
・大手印刷会社における、生成AIを活用したサービスの開発支援
・生成AIのRAGの回答精度を向上させるための仮設立て・検証。

XGBoostやLightGBMなどの機械学習アルゴリズムを用いたモデル構築が可能なエンジニアの方を募集しております
クライアント企業のAIエンジニアがモデルの設計を担当し、その後の開発フェーズにおいてのご支援を想定しております。

本プロジェクトでは、自動車のカメラやセンサーを活用した画像解析の精度向上を目指し、LLM/LMMを活用して、誤検知の削減と認識精度の向上を図ります。

【想定業務内容】：

1. 車両検知精度向上のためのモデル開発
   ・既存のレーダー認識技術から画像解析へ移行し、YOLOやSSDなどの物体検出アルゴリズムを使用して、車両や周辺構造物の正確な識別を実現させる
2. 道路標識認識精度向上
   ・道路標識を他の物体と誤認識しないよう、画像データを用いて標識認識モデルを最適化
   ・臨時標識や地図情報との不一致を解消するため、リアルタイムで地図データと統合