LLMデータエンジニア（シニア / 学習データ / 評価設計）

LLMデータエンジニア（シニア / 学習データ / 評価設計）

仕事概要

\\【この求人を一言でいうと】\\
Recho（レコー）のAIを賢くするための“教材”（学習データ・評価データ）を、実際の業務データから一貫して設計・構築するLLMデータエンジニアのポジションです。通話ログや業務システムから、モデルに何を学ばせるかを考えてデータを作り、品質を担保する仕組み化を担います。今は案件ごとに属人的な工程を、再現性のある標準フローに変えるフェーズです。チーム内の公用語は英語ですが、本ポジションは日本語TTSの品質を扱う性質上、日本語でのコミュニケーション（N2レベルを目安）が必須です。年収は1,000万～2,000万円（応相談）。勤務地は原則として、半蔵門オフィス（ハイブリッド前提）です。ただし、海外居住者や遠方の方からのご応募、フルリモート・ビザ取得サポート等についても柔軟に相談に応じます。

\\■こんな経歴の方に向いています\\

• 基盤モデル企業で、ポストトレーニング用データ（SFT・選好・合成データ）を構築してきた方
• CS・対話AI企業で、実際の業務ログや業務システムと向き合い、学習データを設計してきた方
• データエンジニア／MLエンジニアとして、業務システムとのデータ連携を自ら設計・実装してきた方

\\■役割：実データを起点に、LLMの学習・評価データを一貫して設計・構築する\\
Rechoでは、モデル性能の上限は「報酬とデータの質」で決まると考えています。本ポジションの中心的なミッションは、実データ（通話ログ、業務システム、FAQ・マニュアル等）を起点に、LLMの学習・評価データを一貫して設計・構築することです。
現状は案件ごとにデータを作る工程が属人的で、再現性がありません。これを、実データのクレンジング・匿名化・構造化から、SFT・RL用データの構築（合成データ生成、難易度制御、重複除去、混合比調整）、評価セット・ベンチマーク整備までを、標準化された仕組みにしていただきます。

今後20～30案件への展開を支える土台であり、学習結果のエラー分析からデータを改善する“データフライホイール”の設計・運用まで担います。将来はデータ・評価チームのリードも見据えたポジションです。

\\【このポジションで「やらないこと」】\\

• オンラインサービスのSLA管理、オンコール、インフラ保守を主目的とするポジションではありません
• GPUクラスタの保守運用、一般的なSRE／DevOps業務は主業務ではありません（運用保守は別チームが担当します）
• 学習アルゴリズムや報酬の最終設計そのもの（SFT・RLの手法設計、損失関数の改良）は別ポジション「LLMトレーニングエンジニア」が担当します（本ポジションはデータと評価セットの設計・構築で連携します）
• 顧客業務の要件定義・「正しい応答」の定義そのものは別ポジション「データPM」が担当します（本ポジションはそれを実データに落とし込み、構築します）

\\■お任せしたい主な業務\\
*\1. 実データの調査・設計・整備\*

• 案件ごとの業務システム・実データの調査と、学習・評価データの一貫した設計
• 通話ログ等の実データのクレンジング、匿名化、構造化

*\2. 学習・評価データの構築\*

• SFT・RL用データの構築（合成データ生成、難易度制御、重複除去、混合比の調整）
• 報酬関数・評価セットの実装と、案件ごとのベンチマーク整備

*\3. データフライホイールの運用\*

• 学習結果のエラー分析と、データ改善につなげるループの設計・運用
• 再現性・バージョン管理を担保したデータパイプラインの構築

※より詳細な業務内容については、カジュアル面談や面接の際にお話しさせていただきます。

\\■このポジションの魅力\\
*\1. モデル性能の“上限”を決める側に立てる\*
性能の上限は報酬とデータの質で決まります。「何を覚えさせ、何をプロンプトで渡すか」から設計し、モデルの賢さの土台を自分の手で作れます。

*\2. 属人化を仕組みに変える0→1\*
今は案件ごとにバラバラなデータ構築を、再現性のある標準フロー＝データフライホイールに作り替えます。20～30案件への展開を支える基盤を一から設計できます。

*\3. 実データとプロダクトの最前線\*
実際の通話ログや業務システムと向き合い、CS現場の課題をデータに落とし込む仕事。研究用の綺麗なデータではなく、本番を動かすデータで勝負できます。

\\■利用サービス・技術スタック一覧\\

• 言語・実装：Python（pandas ／ Polars ／ Spark 等）
• データ基盤：ETL ／ バージョン管理 ／ 再現性担保 ／ SQL ／ 各種API・DB連携
• 合成データ・評価：LLM APIによる合成データ生成 ／ LLM-as-a-Judge
• 学習フレームワーク入力：TRL ／ verl（SFT・RL用データの整形）

\\■プロダクトの優位性について\\
人間と区別がつかないレベルの自然な対話を実現する「Recho AI Voice Platform」の開発と、大手企業への「Voice AI Agent」の導入・運用支援を行っています。
最大の強みは、高品質なAI Agentを効率よく構築・改善できるプロダクト基盤にあります。業界の暗黙知を吸収し、ユーザーからのフィードバックデータをもとに、継続改善のサイクルを圧倒的な速度で回せる仕組みです。この技術により、金融・メーカー・行政などの実業務において複雑で大規模なコールセンターのAI化が急速に拡大しており、人間のオペレーターへの引き継ぎゼロ（完結率100%）を達成したプロジェクト実績もあります。

\\■面接・選考プロセス\\
カジュアル面談 ⇒ ケース課題・一次面接 ⇒ トライアル業務委託* ⇒ 最終面接 ⇒ オファー面談
*トライアル業務委託は、1日〜連続2日間オフィスにお越しいただき、実際にオフィスで業務に取り組んでいただく機会です（有償）。メンバーと協働し、カルチャーマッチと業務理解を確認し合う期間です。
\※場合によってリファレンスチェックを依頼させていただくことがございます\
\※スケジュールや副業規定で業務委託が難しい場合には、ご相談くださいませ\

\\■Rechoについて\\
Rechoは、カスタマーサポート領域の効率化を牽引する「AI Agent」の基盤モデル開発から、顧客への実装・プロジェクトデリバリーまでを同一組織内で一気通貫で行うテクノロジー企業です。

現在は、フルスクラッチで自社開発した「音声AI」技術を最大の強みとし、業界の長年の課題であった品質とコストのトレードオフを解消するソリューションをエンタープライズ向けに提供しています 。シリーズAで約7億円の資金調達を完了し、SBI新生銀行やKDDIといった大手企業のシビアな本番環境への社会実装を急進させているフェーズです。

Rechoについて詳しく知りたい方に向けて、会社やプロダクトに関する公開情報をまとめたページをご用意しました。このページでは、弊社の事業内容やプロダクトの詳細、所属メンバーについてご覧いただけます。

\\■参考情報\\

• コーポレートサイト
• チームメンバーのインタビューnote
• Company deck
• 事例：KDDI、アルティウスリンクと協業
• 導入事例：SBI新生銀行様

※2分程度の音声デモもぜひお聞きください※

必須スキル

\\【この求人を一言でいうと】\\
Recho（レコー）のAIを賢くするための“教材”（学習データ・評価データ）を、実際の業務データから一貫して設計・構築するLLMデータエンジニアのポジションです。通話ログや業務システムから、モデルに何を学ばせるかを考えてデータを作り、品質を担保する仕組み化を担います。今は案件ごとに属人的な工程を、再現性のある標準フローに変えるフェーズです。チーム内の公用語は英語ですが、本ポジションは日本語TTSの品質を扱う性質上、日本語でのコミュニケーション（N2レベルを目安）が必須です。年収は1,000万～2,000万円（応相談）。勤務地は原則として、半蔵門オフィス（ハイブリッド前提）です。ただし、海外居住者や遠方の方からのご応募、フルリモート・ビザ取得サポート等についても柔軟に相談に応じます。

\\■こんな経歴の方に向いています\\

• 基盤モデル企業で、ポストトレーニング用データ（SFT・選好・合成データ）を構築してきた方
• CS・対話AI企業で、実際の業務ログや業務システムと向き合い、学習データを設計してきた方
• データエンジニア／MLエンジニアとして、業務システムとのデータ連携を自ら設計・実装してきた方

\\■役割：実データを起点に、LLMの学習・評価データを一貫して設計・構築する\\
Rechoでは、モデル性能の上限は「報酬とデータの質」で決まると考えています。本ポジションの中心的なミッションは、実データ（通話ログ、業務システム、FAQ・マニュアル等）を起点に、LLMの学習・評価データを一貫して設計・構築することです。
現状は案件ごとにデータを作る工程が属人的で、再現性がありません。これを、実データのクレンジング・匿名化・構造化から、SFT・RL用データの構築（合成データ生成、難易度制御、重複除去、混合比調整）、評価セット・ベンチマーク整備までを、標準化された仕組みにしていただきます。

今後20～30案件への展開を支える土台であり、学習結果のエラー分析からデータを改善する“データフライホイール”の設計・運用まで担います。将来はデータ・評価チームのリードも見据えたポジションです。

\\【このポジションで「やらないこと」】\\

• オンラインサービスのSLA管理、オンコール、インフラ保守を主目的とするポジションではありません
• GPUクラスタの保守運用、一般的なSRE／DevOps業務は主業務ではありません（運用保守は別チームが担当します）
• 学習アルゴリズムや報酬の最終設計そのもの（SFT・RLの手法設計、損失関数の改良）は別ポジション「LLMトレーニングエンジニア」が担当します（本ポジションはデータと評価セットの設計・構築で連携します）
• 顧客業務の要件定義・「正しい応答」の定義そのものは別ポジション「データPM」が担当します（本ポジションはそれを実データに落とし込み、構築します）

\\■お任せしたい主な業務\\
*\1. 実データの調査・設計・整備\*

• 案件ごとの業務システム・実データの調査と、学習・評価データの一貫した設計
• 通話ログ等の実データのクレンジング、匿名化、構造化

*\2. 学習・評価データの構築\*

• SFT・RL用データの構築（合成データ生成、難易度制御、重複除去、混合比の調整）
• 報酬関数・評価セットの実装と、案件ごとのベンチマーク整備

*\3. データフライホイールの運用\*

• 学習結果のエラー分析と、データ改善につなげるループの設計・運用
• 再現性・バージョン管理を担保したデータパイプラインの構築

※より詳細な業務内容については、カジュアル面談や面接の際にお話しさせていただきます。

\\■このポジションの魅力\\
*\1. モデル性能の“上限”を決める側に立てる\*
性能の上限は報酬とデータの質で決まります。「何を覚えさせ、何をプロンプトで渡すか」から設計し、モデルの賢さの土台を自分の手で作れます。

*\2. 属人化を仕組みに変える0→1\*
今は案件ごとにバラバラなデータ構築を、再現性のある標準フロー＝データフライホイールに作り替えます。20～30案件への展開を支える基盤を一から設計できます。

*\3. 実データとプロダクトの最前線\*
実際の通話ログや業務システムと向き合い、CS現場の課題をデータに落とし込む仕事。研究用の綺麗なデータではなく、本番を動かすデータで勝負できます。

\\■利用サービス・技術スタック一覧\\

• 言語・実装：Python（pandas ／ Polars ／ Spark 等）
• データ基盤：ETL ／ バージョン管理 ／ 再現性担保 ／ SQL ／ 各種API・DB連携
• 合成データ・評価：LLM APIによる合成データ生成 ／ LLM-as-a-Judge
• 学習フレームワーク入力：TRL ／ verl（SFT・RL用データの整形）

\\■プロダクトの優位性について\\
人間と区別がつかないレベルの自然な対話を実現する「Recho AI Voice Platform」の開発と、大手企業への「Voice AI Agent」の導入・運用支援を行っています。
最大の強みは、高品質なAI Agentを効率よく構築・改善できるプロダクト基盤にあります。業界の暗黙知を吸収し、ユーザーからのフィードバックデータをもとに、継続改善のサイクルを圧倒的な速度で回せる仕組みです。この技術により、金融・メーカー・行政などの実業務において複雑で大規模なコールセンターのAI化が急速に拡大しており、人間のオペレーターへの引き継ぎゼロ（完結率100%）を達成したプロジェクト実績もあります。

\\■面接・選考プロセス\\
カジュアル面談 ⇒ ケース課題・一次面接 ⇒ トライアル業務委託* ⇒ 最終面接 ⇒ オファー面談
*トライアル業務委託は、1日〜連続2日間オフィスにお越しいただき、実際にオフィスで業務に取り組んでいただく機会です（有償）。メンバーと協働し、カルチャーマッチと業務理解を確認し合う期間です。
\※場合によってリファレンスチェックを依頼させていただくことがございます\
\※スケジュールや副業規定で業務委託が難しい場合には、ご相談くださいませ\

\\■Rechoについて\\
Rechoは、カスタマーサポート領域の効率化を牽引する「AI Agent」の基盤モデル開発から、顧客への実装・プロジェクトデリバリーまでを同一組織内で一気通貫で行うテクノロジー企業です。

現在は、フルスクラッチで自社開発した「音声AI」技術を最大の強みとし、業界の長年の課題であった品質とコストのトレードオフを解消するソリューションをエンタープライズ向けに提供しています 。シリーズAで約7億円の資金調達を完了し、SBI新生銀行やKDDIといった大手企業のシビアな本番環境への社会実装を急進させているフェーズです。

Rechoについて詳しく知りたい方に向けて、会社やプロダクトに関する公開情報をまとめたページをご用意しました。このページでは、弊社の事業内容やプロダクトの詳細、所属メンバーについてご覧いただけます。

\\■参考情報\\

• コーポレートサイト
• チームメンバーのインタビューnote
• Company deck
• 事例：KDDI、アルティウスリンクと協業
• 導入事例：SBI新生銀行様

※2分程度の音声デモもぜひお聞きください※

歓迎スキル

*\データ・手法\*

• SFT・選好データ・RL用データの構築経験
• 報酬関数・評価セットの設計経験
• 個人情報を含むデータの匿名化・管理の経験

*\ドメイン\*

• CS・コンタクトセンター・音声対話領域の業務知識

求める人物像

\\■求める人物像\\

• \\「何を学ばせるか」から考える：\\ データを「集めて整える」だけでなく、「モデルに何を学ばせるか」から考えられる方
• *\地道な分析から本質を掴む：\* 地道な実データの分析をいとわず、そこから本質を見つけられる方
• *\曖昧な要件をデータに落とす：\* 業務側の担当者と対話し、曖昧な要件を具体的なデータに落とし込める方
• *\手を動かし仕組み化する：\* 自ら手を動かしながら仕組み化できる方

\\■大切にしている4つの価値観に共感いただける方\\
Rechoの提供価値を最速で最大化するために、チームで大切にしているバリューをご紹介します。

*\Exceed Expectations\*
顧客と仲間の期待を、スピードと品質の両立で超え続ける。

*\Team-First\*
一人ひとりがプロとしての責任を果たし、個人ではなくチームの成果を最大化する。

*\Continuous Feedback\*
成果のために本気で向き合い、率直に伝え合う。言いにくいことこそ、敬意と配慮をもって誠実に伝え続ける。

*\Earn Trust\*
信頼は、すべての協力と挑戦の土台である。道徳的に判断し、公私混同しない。信頼を築くのには時間がかかり、失うのは一瞬。

応募概要

給与

前職の給与水準、スキルレベル等を総合して報酬を決定いたします。

• 年俸制：1,000万円 ～ 2,000万円
• 昇給： あり（年1回を基本とし、本人の貢献、会社の業績によって決定）
• SO（ストックオプション）制度あり

勤務地

半蔵門WeWork（東京都千代田区麹町2-3-2 半蔵門PREX North）
出社推奨（一部リモートワーク可能）

雇用形態

正社員

勤務体系

\\■勤務時間\\

• 勤務時間（専門業務型裁量労働制）
• みなし労働時間：1日9時間
• 始業・終業時刻：労働者の決定に委ねる（業務上の必要に応じて10:00～19:00を基本勤務時間帯として運用）

\\■職務内容・就業場所について\\

• 業務内容：（雇入れ直後）LLM学習・評価データの設計・構築業務

（変更の範囲）会社の定める業務

• 就業場所：（雇入れ直後）半蔵門WeWork（一部リモート相談可能）

（変更の範囲）会社の定める場所

\\■休日休暇\\
土日、祝日、年末年始（12月29日〜1月3日）、特別休暇、有給休暇（初年度10日）

試用期間

3ヶ月間（条件変更なし）

福利厚生

\\■保険・制度\\

• 各種社会保険完備
• 通勤手当有（月額25,000円まで）

\\■オフィス環境\\

• WeWork入居（半蔵門駅徒歩2分／占有フロア・集中ブース・会議室完備）
• 館内ドリンク無料（コーヒー・ソフトドリンクに加え、アルコールも利用可）
• 高品質オフィスチェア完備
• MacBook Air + 外部ディスプレイ貸与

\\■生産性向上サポート\\
AIを届ける会社だからこそ、働き方もAIネイティブに。

• AI活用支援制度
• エンジニア職：Claude Code・Codex 最上位プラン支給
• ビジネス・PM職：チームでコンテキストを共有できる組織プラン支給
• Amazon Business アカウント利用可（業務上必要な書籍・備品購入）

\\■コミュニケーション施策\\
各プロジェクトのミーティングや、Slackなどの日常的なやり取りに加え、全社の進捗を全員で共有・議論する場や、懇親の機会を定期的に設けています。

• 1. Monday Kickoff：毎週月曜日に業務進捗から、ちょっとした出来事まで共有できる場
• 2. 全体定例：毎月月初の金曜日に各部門の前月の成果共有をする会。終業後には軽食を囲んで、懇親を図ります。
• 3. All Hands：半期に1度開催する、全社方針や中長期ビジョンを共有する場です。組織全体の一体感を高めます。

\\■受動喫煙防止措置\\
屋内原則禁煙（屋外に喫煙所あり）