クラウドの案件一覧

【概要】
インフラ・SRE基盤の整備、可観測性の向上、IaC推進、バッチ・監視基盤の改善などをリードいただきます。
可視化、指標設計、アラート改善・自動化、障害対応プロセスの標準化、IaC推進、ミドルウェア設定見直し、開発チームからの問合せ対応および各種ドキュメント整備等を担当します。

– クラウド環境（AWS/GCP/Azure等）におけるインフラ設計/構築/運用経験（5年以上）
– ネットワーク、仮想サーバー、データベース、コンテナサービス、サーバーレス環境、監視サービス等の基盤構築・運用経験
– IaCツールを用いたコード管理経験
– 監視環境構築/運用経験
– 自律的な課題発見・改善推進力、技術的ファシリテーション能力

• 学習データ作成のためのデータ収集および整備
• 機械学習モデルの学習および評価（学習結果の不具合分析を含む）
• 前処理／後処理を含めた、学習結果を改善する技術の検証および実装
• 機械学習を効果的に活用するための周辺技術開発

– OS環境の使用経験（2年以上）
– スクリプト言語の使用経験（2年以上）
– 自然言語処理分野の修士号もしくは自然言語処理技術を用いた開発/運用における実務経験（1年以上）
– ビジネスレベルの日本語力
– 分析を行える英語読解力

■具体的な業務

• スクリプト言語・Webフレームワーク・RDBMSによる、サーバー側、API、管理画面の開発。
• WebUIライブラリによる画面側追加開発。
• 詳細設計/製造/単体テスト。プロジェクトによっては保守・運用までを含む。
• スキルとプロジェクトによって基本設計、技術担当として顧客打ち合わせ同席の可能性あり。
  ■開発環境・使用技術など
• Ruby、Webフレームワーク、JavaScript、RDBMS/一部クラウド基盤
• インメモリキャッシュ、検索エンジン
• 非同期通信、認証技術、APIアーキテクチャ、サーバーレス構造など。
• 貸与端末にて開発作業

– Webフレームワーク（Ruby on Rails）の開発経験（3年以上）
– 顧客との仕様検討、要件検討などの折衝経験
– 一般消費者向けWebサービス開発経験（2年以上）
– データベース設計、詳細設計、テストケース設計などの経験
– 中期開発プロジェクト（4ヶ月～6ヶ月程度）の経験
– 開発を行うにあたって明確な方針を持っていること

– 4名以上の開発チーム、または複数職種が関わるプロダクト開発における技術リード相当の経験（2年以上）
– 技術選定、構造設計、設計方針決定、コードレビューを主導した経験
– 現在も主要機能の設計・実装・コードレビューを継続して担当している方
– TypeScriptを用いたUIライブラリ／Webフレームワークでの画面側設計・開発経験
– RDBMSにおける設計・運用・改善経験
– 生成AI／大規模言語モデルを活用したプロダクト、またはAI機能を組み込んだWebアプリケーションの開発経験
– 自社向け・業務向けプロダクト等で技術課題や不具合を恒久的な改善につなげた経験
– 日本国内在住かつ平日日中に月160時間程度フルコミット可能な方

【案件概要】
カスタマーサポート領域のAIプロダクトにおいて、サービスのコアとなる生成AI機能の設計・開発を担当いただく案件です。
大規模言語モデル連携、RAG、ベクトル検索、AIエージェント等を活用し、試作段階から本番プロダクトへの実装、品質評価・改善まで一気通貫で携わっていただきます。
AIの品質・速度・コストを意識しながら、プロダクトに直結するAI機能の改善を主体的に推進できる方を募集しています。
【業務内容】

• 大規模言語モデルAPIを活用したAI機能の設計・実装
• モデル選定、指示文最適化、品質評価
• RAG／AIエージェントの設計・実装
• ベクトルデータベースを用いたベクトル検索、インデキシング、検索精度改善
• 推論パイプラインの設計・最適化
• 品質評価基盤、A/Bテスト、自動評価メトリクスの実装
• AIソリューションの提案、技術検証、試作開発の主導
• FAQ、業務マニュアル、会話ログ等のデータ取得・分析・加工
  【備考】
• 開発環境：Python、TypeScript、フロントエンドフレームワーク、バックエンドフレームワーク、ORM、RDBMS、ベクトルデータベース、AWS/GCP/Azure等、IaCツール、CI/CDツール、SaaS型監視ツール
• 商用大規模言語モデルAPI等を活用
• AIの試作開発だけでなく、本番実装・品質改善まで携われるポジション

– 大規模言語モデルに関する知見
– データ分析の実務経験
– Webアプリケーション開発経験
– OS基礎、バージョン管理ツール、コンテナ技術、データベース等の基礎技術の理解・利用経験
– RAGまたはAIエージェントの設計・実装経験
– Pythonを用いた実務レベルの開発経験
– アルゴリズム、データ構造に関する実装能力
– 平日月160時間フルコミット可能な方

《具体的な業務内容》
制御領域のAIデータプロジェクトにおいて、幅広い業務を担っていただきます。
・技術検証プロジェクト：大手企業における技術検証等の受託プロジェクトを推進するR&Dプロジェクト
・関連プロダクト開発：自社開発プロダクトの制御機能の開発協力、オープンソースソフトウェアの機能強化・普及促進のための各種活動
【受託プロジェクト】
・例1）技術検証（要件定義/モデル開発/評価/レポーティング）
・プロジェクトの目的、使用する機器、タスク、評価基準など開発背景を理解し、プロジェクト管理担当と協力して要件定義を行う。
・収集したデータでAIモデルなどを学習し作成したモデルを使って評価を行う（実機およびシミュレーション）
・報告資料の作成およびクライアントへの報告を行う
・例2）制御系AI開発に関する技術コンサルティング
・AI開発におけるデータ作成やクライアント所有の機器を使った開発方針の助言、最先端のAI領域の技術調査
・シミュレーションデータの作成や活用方法について、社内R&Dの知見などを元に助言を行う
【R&D】

• AIモデルなどを用いて実機を制御するための実装
• さまざまな条件を比較し、どのようにモデルの性能向上を実現できるのか調査する
  【オープンソースソフトウェア活動】
  開発を進めているデータ収集アプリケーションの要件定義、開発
  【その他業務】
• 顧客提案活動における技術的支援
• イベントの出展や準備、情報発信用のコンテンツ制作などの技術広報活動
  ■仕事の醍醐味
  【物理制御 × AI の深い理解と実践的スキルの習得】
  AIモデルや基盤モデルといった最新技術を扱うだけでなく、データ設計から学習、実機制御までを一気通貫で手掛けます。
  【最先端技術を「実社会」へ応用する経験】
  R&Dで検証した最先端の論文技術やアルゴリズムを、実際の顧客プロジェクトに応用・実装します。
  【産業を支える大規模プロジェクトへの貢献】
  製造業や物流業など、産業基盤を支える大手企業のプロジェクトに参画します。
  【開発のリアルを開拓する面白さ】
  不確実性の高い中で仮説検証を繰り返し、自らの手で開発フローや成功パターンを作り上げていく現場経験が得られます。

– Pythonを用いた開発実務経験
– Linux環境での開発経験、およびバージョン管理ツールを用いたチーム開発経験
– コンテナ技術を用いた環境構築経験
– クラウド（AWS/GCP/Azure等）を活用した開発・運用経験

【プロジェクト概要】
すでに構築・検証が完了している生成AI・大規模言語モデルを活用した試作モデルを、実際の業務で活用するための本番運用環境への移行、事前検証、および必要な追加機能の拡張開発を一貫して担当するプロジェクトです。
アプリの主機能は、社内情報や引き継ぎ事項を一つのデータ領域に蓄積し、指示文に応じて迅速に検索・回答ができるRAGシステム（対話形式）を想定しています。
【チーム体制・環境】

• 体制：社内推進体制（情報システム部門など）と連携しながら、外部パートナーが作成した試作モデルを引き継ぎ、運用体制を詰めて開発を進めていただきます。
• 技術環境：
  クラウド：AWS/GCP/Azure等
  アプリケーション言語：Python（アプリ改修に使用）
  AI技術：大規模言語モデル、RAG（検索拡張生成）等
  【具体的な業務内容】
  ① 試作モデルの本番移行・実装
  他社が作成した既存の試作モデルをクラウド環境に載せ替え、本番環境で動作するよう構成を整えて実装します。
  Pythonで書かれたアプリケーションのソースコード回収・本番化対応。
  ② 事前運用と機能拡張
  モデルを本番環境へ載せた後、テスト運用として実際の業務で動作するか検証を行います。
  業務範囲や現場の追加要件に応じて、必要な機能拡張（応答精度向上、画面連携など）を定義し、追加開発を行います。

– Pythonを用いたWebアプリケーション開発・改修の実務経験
– クラウド環境（AWS/GCP/Azure等）上でのアプリケーション構築・運用経験
– 大規模言語モデル、RAG（検索拡張生成）などを活用したAIアプリ開発、指示文調整の実務知識または経験
– 指示された機能単位で、設計～実装～テストまで自律的に完遂できること

顧客から提示される抽象度の高い運用要求を整理・具体化し、インフラおよびクラウド環境を対象として、運用プロセス・体制・責任分界・手続等を設計する。
また、顧客・関係チーム・技術チーム・外部パートナー等の関係者との調整を自律的に行い、運用設計から運用開始に向けた推進をリードできる人材。

– 運用設計（運用要件・プロセス・体制・役割分担を設計）
– 顧客折衝（抽象的・困難な要求を整理して現実的な形にする）
– プロジェクトリード（自ら論点・課題を見つけて関係者を動かす）
– インフラ知識（ネットワーク／サーバー／クラウドを横断的に理解）
– クラウド知識（AWS/GCP/Azure等の環境の運用を理解している）
– 公共分野経験（公共特有の要求・調整・ドキュメント文化への対応）
– 運用基盤構築（監視、自動化、運用管理ツール等を実装）

大手金融機関の営業を支援する、情報基盤構築およびAI連携アプリケーションの開発プロジェクト
■業務内容・期待役割
クラウド環境（AWS/GCP/Azure等）やデータ分析基盤上で、情報基盤とAI処理の中核ロジック（構造化・知識体系化・コンテキスト設計・検索・推論フロー）の設計・実装・精度改善を担当いただきます。ソフトウェア開発を担当するエンジニアと連携し推進します。

• 情報基盤（データ構造化・知識体系化・検索等）およびAI処理フローの設計
• Pythonによる実装、出力品質・精度の検証と改善サイクルの推進
• 既存ロジックの改修・パフォーマンス改善
• 設計・仕様ドキュメントの作成、顧客および社内メンバーとの仕様調整
• 他メンバーとの技術連携、コードレビュー
• (技術責任者を担当する場合) 技術方針・設計の意思決定、および他メンバーの設計・実装に対する技術レビュー
  ■ 求める人物像
• 異なる専門性・意見を尊重した上で、職種や立場を越えて建設的に議論し合意形成できる方
• お客様の業務要件の理解に努め、関係者と円滑なコミュニケーションが取れる方

– 以下いずれかの実務経験（3年以上）
– AI / 機械学習領域での開発経験（Pythonでの実装を含む）
– ソフトウェア開発経験（Pythonでの実装を含む）
– 上記に加えて、生成AIアプリケーション等の開発経験（1年以上）
– コンテキスト制御の実務経験（指示文設計、検索・文脈設計、評価設計のいずれも一定の経験があること）
– 仮説検証を回して品質・精度を改善した経験（何をどう改善し、どの指標がどう変化したかを定量的に説明できること）
– 東京都内のオフィスへの常駐勤務が可能であること

• クラウド環境（AWS/GCP/Azure等）上に、プラントの分散データ（RDBMS・ファイル等）を統合する基盤をゼロから構築します
• 決まった仕様を作るのではなく、現場ヒアリングで要件を形にしていくフェーズから伴走いただきます
• 機能単位で設計〜実装〜テストまで一貫してお任せします
  ■ プロジェクト背景・目的
  現場の日報・分析値・在庫データが部署ごとに各種ファイルや基幹DBに分散しており、月次集計に多くの工数がかかっている。
  これらを統合基盤に集約し、BIツールなどで即時に確認できる状態にすると共に、AIなどのより高度な活用を見据えた基盤を整える。
  ■ 担当業務
  主担当（稼働の大半）
• クラウド環境（AWS/GCP/Azure等）上のデータ基盤／データマートの構築
• データ取り込み処理の実装（連携元：RDBMS／ファイル等）
• データマートからのファイル出力機能の実装
• BIツールでの可視化画面（レポート・ダッシュボード）の実装
  併せてお願いする業務
• 実ユーザーへの要件ヒアリング
• リリース作業、稼働後のモニタリングおよび課題対応
• 既存資料をベースにしたトレーニング資料の作成、ユーザーへのレクチャー支援
  進め方
  機能単位でアサイン → 現場担当者へのヒアリング → 設計 → 実装 → テストまで一貫して担当いただきます。
  週次の定例で進捗・課題をご自身から報告いただく形です。
  各種作業については支援ツールによる開発を進めます。
  ■ 技術環境
• クラウド：AWS/GCP/Azure等（分析サービス／RDBMS／サーバーレス実行環境／ストレージ／仮想マシン）
• データソース：RDBMS、各種ファイル
• BI：分析ツール
• 言語：SQL／Python
  ■ 体制・働き方
• 募集人数：1名
• 体制：PM1名／リーダー1名／開発メンバー3名(予定)
• 報告ライン：週次定例＋チャットツールで随時
• 稼働場所：原則リモート（在宅）。打合せはWeb会議
• 出張：東京都内または岐阜県内へ月1回程度／宿泊を伴う出張の可能性あり／出張費実費支給

– 指示された機能単位で、設計〜実装〜単体テストまで逐次フォローなしに完遂できること（システム開発またはデータ基盤構築の実務経験3年以上が目安）
– SQLでの中程度のデータ加工経験（複数テーブル結合／集計／ウィンドウ関数）
– 業務ユーザーへの直接ヒアリング経験（要件が固まっていない状態からの整理を含む）
– 進捗・課題を定例で自ら報告し、遅延やリスクを早期にエスカレーションできること