【生成AIエンジニア】実装で終わらない。LLM/RAGを業務価値に変える“運用前提”の開発へ。

募集背景 生成AIは、単なる“ツール”ではなく、業務の設計そのものを変える技術になりました。 価値が出るのは「モデルを触れる人」ではなく、課題設定→検証→実装→運用までやり切れる人です。 スカイウイルでは、生成AIを活用した提案・PoC・開発の相談が増え、チームで再現性ある実装パターンを育てています。 だから今回、実務経験の有無に関わらず“価値に着地させる”仲間を増やします。 入社後は、小さく作って学び、次に提案・改善へ。あなたの成長が、そのままチームの武器になります。 このポジションのミッション ・LLM/RAGを業務課題に落とし込み、PoC→本番を完走させる ・再現性ある実装パターンをチームの資産にする 業務イメージ ・RAG/LLMを本番運用前提で設計・実装（セキュリティ、監視、性能、障害時の設計） ・ユースケースの要件整理と設計（“何を自動化し、どこを人が見るか”の線引き） ・評価基盤の整備（自動評価、回帰テスト、プロンプト/検索の改善サイクル） ・クラウド上でのアーキ設計・実装（API、データ、権限、コスト最適化） ・チームの型づくり（実装標準、ナレッジ、再利用可能な部品・テンプレ整備） 案件事例はこちら 得られるキャリア・ベネフィット ・RAG/LLM実装を“本番運用前提”で磨ける（設計・セキュリティ・監視/評価まで） ・業務価値に変える実装経験が積める（要件整理→検証→実装→改善サイクル） ・クラウド×生成AIで再現性のあるアーキ設計が身につく ・キャリアの分岐が広い（生成AIアーキ/AIプロダクト開発/AI-PM など） ・キャリアを逆算したアサイン：伸ばしたい軸（上流/技術深掘り/リード）から役割を設計します ・複数の視点で成長を支える体制：定期面談やレビューで、次の一手を一緒に決めます 仕事の難しさ ・本番運用前提で、セキュリティ・監視・性能・コストのトレードオフ判断が発生します。 ・評価（回帰）を作らないと品質が崩れるため、仕組みとして改善サイクルを回す必要があります。 ・関係者が多く、期待値調整と合意形成がプロジェクトのスピードに直結します。 応募要件 【必須】 ・生成AIを活用したシステム開発もしくはデータ分析の実務経験　1年以上 ・ディープラーニングを利用したAIモデル構築経験　1年以上 【歓迎】 ・生成AIを活用するための技術知識を有している └例：プロンプトエンジニアリング，ファインチューニング，RAG，エージェントなど ・大規模言語モデル（LLM）に関する知見を有している ・PoC／プロトタイプ開発の実務経験 求める人物像 ・本番運用を前提に、品質・セキュリティ・運用まで含めて設計したい ・曖昧さを整理し、関係者と合意しながら前に進められる ・改善サイクルを仕組みとして回し、継続的に価値を上げたい