【第二新卒歓迎】AIエンジニア

本ポジションについて 「AI技術に本気で向き合い、プロダクションの現場で実力をつけたい」——そんな想いを持つ方に向けたポジションです。 音声認識・話者認識・LLMを実際のプロダクトに組み込むプロダクトのMLOps/LLMOps関連の領域と、顧客向けのプライベートAI・ソリューションの開発の両面で活躍いただきます。 ※ご本人の適性や希望、案件状況を総合的に鑑みて、担当を決めます。 募集背景 当社の主力プロダクトである「SecureMemo/SecureMemoCloud」の事業拡大に伴い、プロダクトが解決すべきAI技術の課題も増え続けています。 音声認識精度のさらなる向上、話者分離の高精度化、LLMによる要約・校正品質の改善、推論パフォーマンスの最適化——取り組みたいテーマは数多くあり、一緒に取り組めるエンジニアを募集し、チームとして挑戦できるテーマの幅を広げていきたいと考えています。 第二新卒の方も歓迎します。「実務経験はまだ浅いが、AI技術への関心が高く、自ら手を動かして学んできた」という方にぜひお会いしたいです。 雇用形態 雇用形態は正社員を想定していますが、業務委託・副業から始めて、お互いの相性を確認した上で正社員に移行するステップも用意しています。「いきなり転職は不安」「まず一緒に働いてみたい」という方もお気軽にご相談ください。 事業・ポジションの魅力 技術が事業の中核にあるプロダクト AI技術がプロダクトの競争力そのもの 業界最高水準の精度を実現する音声認識・話者認識技術をプロダクションで運用 特許を取得したLLMによる校正技術の実装・運用に携わる 最新のAI技術をプロダクションレベルで実装する経験が積める 成長性と安定性を併せ持つ事業基盤 昨年比200%成長のスタートアップフェーズ 官公庁向け大規模案件を通じた安定した事業基盤 国のインフラを支える責任あるシステムで使用されるAIの運用に関われる環境 政府系機関からエンタープライズまで、多様な顧客への導入実績 知見共有が盛んで、AIエンジニアとして実力が伸びる環境 AIエンジニア・リサーチエンジニアはKaggleでメダル獲得、上位入賞の実績のあるメンバーで構成 毎週水曜には「よもやま定例」という名の技術勉強会でR&Dやエンジニアリングのナレッジや意見交換を実施 最新の論文・技術トレンドをキャッチアップし、実務に活かす文化 AIエンジニアとして幅広い経験が積める モデル実装からインフラまで一気通貫で担当 オンプレミス・クラウド両方の環境での開発経験 AWS/Azure/GCPのマルチクラウド環境での運用経験 0→1のフェーズでML基盤を構築できる 具体的に期待する役割 まずは先輩のAIエンジニアのフォローの元で業務に取り組み、徐々に主担当として任される範囲を広げていきます。 業務内容 プロダクトのMLOps/LLMOps モデル実装・最適化 音声認識モデル・話者分離モデルのプロダクション実装 LLMを活用した機能（要約、校正、翻訳等）の実装・最適化 推論パフォーマンス最適化（量子化、蒸留、バッチ処理等） ML/LLM基盤・パイプライン構築 モデル学習パイプラインの構築・自動化 実験管理基盤の整備（MLflow, Weights & Biases等） モデル・プロンプトテンプレートのバージョン管理 データバージョニング・管理基盤の整備 CI/CD・デプロイメント モデル・プロンプトのテスト自動化（精度検証、出力品質評価） デプロイパイプラインの構築・運用 モニタリング・インフラ運用AIモデルのパフォーマンス監視（精度、レイテンシ、スループット） プロンプト・出力品質の継続的評価 ダッシュボード構築・運用（Langfuse, Grafana等） AWS/GCPでのインフラ運用・コスト最適化 コンテナオーケストレーション（ECS, Kubernetes） プライベートAI/ソリューション開発 カスタマイズ開発 顧客要件に応じた音声認識AI・LLM処理のカスタマイズ エンタープライズ向けAIソリューションの設計・実装 コンサルティングプロジェクト推進 課題ヒアリング・要件定義 データ分析・モデル構築・評価 技術レポーティング・提案資料作成 プロトタイプ開発・PoC実施 ソリューション開発案件事例 小売系企業 課題：ドキュメント・チャット履歴からFAQを自動生成し、変更に追従してメンテナンスを効率化・品質向上したい 支援内容：生成AIによるFAQ自動生成システムを構築。ドキュメント更新を検知してFAQの追加・更新・削除を自動判断。画像理解によるドキュメント構造解析で高品質化を実現 化粧品企業 課題：製品広告の薬機法・景表法チェックに工数がかかり、見落としを減らして確認品質を向上したい 支援内容：Few-shot learningにより、使用体験談中の法令抵触表現（効果効能訴求等）を自動検出する生成AIアプリケーションを開発 技術スタック SecureMemo（オンプレミス版） プログラミング言語・フレームワーク: Python, FastAPI, Flutter AI/ML: 音声認識AI、話者分離AI、大規模言語モデル、自然言語処理 開発ツール: Git, Docker インフラ: Windows OS, AWS（LLM Fine-Tuning用途） SecureMemoCloud（クラウド版） プログラミング言語・フレームワーク: Python, FastAPI, TypeScript, React, Next.js AI/ML: 音声認識AI、話者分離AI、大規模言語モデル、自然言語処理 開発ツール: Git, Docker, Langfuse インフラ: AWS（ECS, RDS, S3, SageMaker, Lambda）, Azure（Azure OpenAI Service）, GCP（BigQuery） 必須要件 PyTorch / Hugging Face 等を用いたモデル学習の経験（個人・研究・業務いずれも可） 機械学習の基本的な評価指標（Precision, Recall, F1等）と評価手法（交差検証等）を理解していること ソフトウェア開発の実務経験（1年以上） Pythonの基礎、Gitの基本操作、Linuxのコマンドラインの基本操作を理解している 日本語の業務文書を理解し、ビジネスレベルの日本語に堪能であること 歓迎要件 AIモデルの性能評価や精度改善に取り組んだ経験（研究・業務いずれも可） 音声処理・LLMをはじめとする自然言語処理の実装経験 受託開発・コンサルティング案件の遂行経験 Kaggle等のコンペティションでの入賞・メダル獲得 Web APIの設計・開発経験（FastAPI, Flask等） クラウドサービス（AWS/Azure/GCP）の利用経験 こんな人と働きたい 「最終的にエンドユーザーに届いたものの価値が最重要」という意識のもとで、技術選定・実装を行える方 まだ経験が少なくても、足りない部分を自ら埋めていこうという主体性のある方 先輩のAIエンジニアからのフィードバックを素直に吸収し、次に活かせる方 AI技術の進歩にワクワクし、新しいモデルやツールを触って楽しめる方 他のエンジニアやプロダクトマネージャーと協働し、チームで成果を出すことに価値を感じる方 キャリアパス 入社直後〜中期 先輩エンジニアのフォローの元、特定領域（モデル実装、MLOps、ソリューション開発のいずれか）で検証・開発を行い、段々と１人で主導できるようになることを目指します。 将来 ご本人の志向性に応じて、以下のキャリアパスを想定しています。 AIエンジニアとしての専門性深化（音声AI / LLM / MLOps） プロダクト開発チーム・ソリューション開発プロジェクトのリード 選考プロセス カジュアル面談 ▼ 書類選考 ▼ 技術面接（1回） ▼ 最終面接（代表との面接） ▼ 内定