【正社員】インフラエンジニア/SRE

【正社員】インフラエンジニア/SRE — データ基盤を支えるインフラを、アーキテクチャのレベルで進化させる｜80億レコードと1億件規模の検索基盤の信頼性とコストを設計で担う｜フルリモート・フルフレックス

仕事概要

＜SalesNowについて＞

SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。働き手が減る日本で、1人が生み出せる価値をどこまで増やせるか。企業データとAIで、BtoBの仕事の進め方そのものを組み替えることが、SalesNowの事業です。

その土台が、1,600万件超の法人・組織データベースです。企業・組織・拠点・部署までをユニークに構造化し、レコード数は80億。企業データベース収録件数No.1です（2025年10月期・日本マーケティングリサーチ機構調べ）。

この規模と粒度は、Webを集めるだけでは組み上がりません。独自の収集網「SalesNow Data Network」は、3つのルートを組み合わせています。1つ目は、Web情報をAIで日次更新するデジタルの基盤です。2つ目は、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集で、実地調査から紙の資料の読み取りまで、検索では出てこない情報を取りに行きます。3つ目は、月間700万PVの自社メディア（企業版Wikipedia）に集まるユーザー投稿で、このユーザーのネットワークもアナログな収集の一部を担います。

独自のJCコードは、本社・工場・支社支店・店舗まで拠点ごとに一意のIDを振る体系です。組織図と部署の直通番号まで持ち、部署連絡先は750万件超。付与できる情報は50項目超、業種は大業界30件〜／小業界400件〜／事業内容3,000件〜の3層です。この粒度のデータを扱う検索基盤で、クエリとインデックスの設計を見直し、応答性能と運用コストを両立させる経験を積めます。

更新の周期も形式も違う3つの流れを拠点単位のIDで1つに束ね、画面・API・MCPへ同じ品質で届け続ける。この基盤を止めずに動かし、速くし続けることが、SalesNowのSREの仕事です。AIの出力の品質は、参照するデータの品質で決まります。SalesNowは、AIと営業システムにデータを供給する、AI時代の企業データインフラです。

このデータを、企業データベース『SalesNow』の画面、Salesforce・HubSpot・kintoneとの連携、Data API（ベータ版）、Claude・CursorなどのAIエージェントから直接使えるSalesNow MCPで届けています。営業戦略コンサルティング、データ基盤の構築、AI実装、営業BPOまで一社で提供しています。営業の専門性・データ基盤・AIの先進性が揃う環境です。プロダクトが顧客の業務に組み込まれるところまで社内にあるので、顧客の業務への影響とインフラの実測値を結びつけ、信頼性・性能・コストを自分で設計します。

プロダクト『SalesNow』が扱うのは営業の領域です。会社が企業データとAIで組み替えようとしている仕事は、営業に限りません。届ける形も対象の業務も増えるため、SREが設計するのは1つのSaaSの運用ではなく、広がるたびに現れる新しい負荷特性と信頼性です。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。大手企業に届けるサービスの監視・SLO・性能改善を、SREとして設計します。

*\人を増やした分だけ売上が伸びる時代は、終わりました。\* バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。開発者がAIを使って増やした変更を、安全に検証し、本番へ届ける仕組みが要ります。SREは監視・CI/CD・IaCを設計し、信頼性を保ちながらリリースを速めます。

＜募集背景＞

開発者がAIエージェントと実装を進めるSalesNowでは、全社で直近30日に2,229本のPRをマージしており、リポジトリは298あります（2026-09-12計測）。この変更を安全に本番へ届ける監視・CI/CD・IaCを設計することが、SREの挑戦です。

企業データは、企業データベース『SalesNow』の画面に加えて、Data APIと、Claude・CursorなどのAIエージェントから直接使えるSalesNow MCPで提供しています。担当者が商談準備や議事録のSFA登録に使うAIワークフローも提供しています。顧客の日々の業務が、このインフラの稼働にそのまま乗っています。扱うデータはAurora PostgreSQLで80億レコードの規模です。負荷の性質が異なるサービスが増えるなかで、信頼性とパフォーマンスを設計で担保し、コストを事業の成長に見合う水準に保つSREを募集します。

＜入社後に取り組む課題＞

• 1億件規模の検索基盤で、フルリインデックスの時間を縮める。対象はOpenSearchの1.05億ドキュメント・約460GB（ × 3）です。取得側のDBクエリ、投入時の設定、4インデックスの直列処理を見直します
• 55媒体の収集からPostgreSQLへの反映まで、監視・アラートを設計・運用する。対象はMWAA（Airflow）による収集と、DatabricksとDelta LakeのBronze / Silver / Goldの3層による処理です。ジョブ定義とModel Serving endpointはTerraformで管理します
• 媒体ごとに更新の周期も失敗の仕方も違うなかで、どこで止まれば顧客に届くデータが古くなるかを見極め、アラートの閾値とSLOに落とす

＜お任せしたい業務内容＞

• AWS / GCPを中心としたクラウドインフラの設計・構築・運用（IaCを含む）
• 監視・アラート基盤の設計・運用と、人の画面操作とAIエージェント経由の利用の両方を測るSLI / SLOの策定
• 利用者が安心して快適に使えるよう、画面・Data API・SalesNow MCPの安定稼働と応答性能を設計する。メトリクスでボトルネックを切り分けて改善します
• 障害対応とポストモーテム
• Aurora PostgreSQL / Elasticsearchのパフォーマンスチューニングと、事業の成長を阻害しないためのインフラコスト最適化。インスタンス配置・キャッシュ・ストレージを含め、インフラ全体の費用を実測して配分を決めます
• CI/CDパイプラインの設計・運用とセキュリティ基盤の整備、サービス運用の仕組み化と効率化。監視・障害対応・CI/CDを対象に、AIと実装を進める開発者が安全に変更を届けられる工程を設計します

※従事すべき業務の変更の範囲：有り

＜利用する技術・ツール＞

• クラウド: AWSが中心（Lambda / ECS / Aurora / OpenSearch / CloudFront / DynamoDB / S3 / Firehose / Athena / MWAA）、一部GCP・Azure、Fastly
• IaC: Terraform、AWS CDK
• 言語: Python（FastAPI）、TypeScript（Next.js）、SQL、Scala
• データ: Scrapy、Airflow、Databricks（Spark / Delta Lake）
• AI・LLM: Amazon Bedrock、Azure OpenAI、Claude、Gemini
• 開発ツール: Claude Code、Codex、Cursor、GitHub Copilot、CodeRabbit、n8n
• 社内ツール: Slack、GitHub、Notion、Asana、Figma、Google Workspace、Salesforce、Pardot

＜AIとの働き方＞

• AIツールへの支出は、1人あたり月平均10万円以上です。Claude・Geminiは全員が使え、Codexも併用します。インフラの調査や設計案の比較に応じてモデルを選び、複数の観点から自分の設計を検証できます
• 成果物は複数のLLMにレビューを依頼し、採否は自分でログやメトリクスを確かめて決めます。AIを使っても、品質に責任を持つのは担当者です
• AIツールは月額契約なので、より良いモデルが出ればすぐ乗り換えられます。データを学習に使わせない設定を守ったうえで、障害調査や設計の検証に一番合うモデルを、その都度自分で選べます
• 成果物をGitHubに残すので、自分の改善をチームが再現し、使い続けられる運用手順に育てられます
• 目的と予算を合意したあとは、担当者が進め方を決めます。どこをAIで調べ、どこを人が判断するか、どのツールを使うかも自分で決めます
• 自らコードを書く経営陣と、プロダクトや組織の設計から議論できます。インフラの改善を、事業の優先順位と結びつけて進められます

＜ポジションの魅力＞

80億レコードと1億件規模の検索基盤を、自分の設計で支える

Aurora PostgreSQLの80億レコードと、企業・拠点・部署を横断して引くOpenSearchの約1.05億ドキュメントを扱います。データ処理と検索基盤の両方に関わり、DBクエリ・投入設定・4インデックスの直列処理まで遡って取得と投入の工程を設計し直し、検索インデックスの再構築にかかる時間を自分の手で縮められます。検索では手に入らない、アナログに集めたデータまで、欠かさず顧客に届け続ける仕組みを担います。収集から配信までを見渡し、各工程のつながりを踏まえてインフラを設計する力が身につきます。

可用性とコストのトレードオフを、担当者として数字で決める

収集（MWAA）、処理（Databricks）、保存（Aurora・S3）、検索（OpenSearch 約460GB・ × 3）。費用のかかる場所が層ごとに違う基盤で、クエリの改善、キャッシュ戦略、インスタンス配置を比較し、性能と費用の実測値から、どの施策を優先するか自分で決めます。その判断が、そのまま事業の収益構造に効きます。改善案を経営陣に説明し、技術上の選択を事業の投資判断につなげられます。

AIと実装を進める開発組織で、変更を安全に届ける仕組みをつくる

監視・CI/CD・IaCを横断して設計し、開発者が変更を本番へ届ける工程そのものを改善できます。AIで1人が出せる変更が増えるほど、本番を守りながら速度を落とさない仕組みの価値は上がります。その仕組みを、経営陣と優先順位から議論し、育てられます。

人とAIの両方から使われるサービスのインフラを設計する

人が使う画面、Data API、Claude・CursorなどのAIエージェントから使われるSalesNow MCP。人の1回の検索と、エージェントが連続で叩くAPIでは、負荷の性質がまったく違います。この3つを、同じ80億レコードのデータ基盤の上で同時に成り立たせるインフラを、形にできます。あなたの設計の良し悪しが、そのまま顧客企業の仕事が進む速さになります。

数年後、AIを使えることは当たり前になります。差がつくのは、AI前提で仕事と組織を設計し直せるかどうかです。2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標へ、SREとして挑みます。開発者が安全に届けられる変更を増やし、インフラの改善を1人あたりの生産性につなげる仕事です。

＜選考プロセス＞

原則すべてのステップをオンラインで実施します。

1. エントリー
2. 書類選考
3. Web面談（2〜5回）
4. リファレンスチェック
5. オファー面談

＜SalesNow Information＞

• 採用サイト：
• 全社資料：
• Culture deck：
• CEO note：
• COO note：

必須スキル

＜SalesNowについて＞

SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。働き手が減る日本で、1人が生み出せる価値をどこまで増やせるか。企業データとAIで、BtoBの仕事の進め方そのものを組み替えることが、SalesNowの事業です。

その土台が、1,600万件超の法人・組織データベースです。企業・組織・拠点・部署までをユニークに構造化し、レコード数は80億。企業データベース収録件数No.1です（2025年10月期・日本マーケティングリサーチ機構調べ）。

この規模と粒度は、Webを集めるだけでは組み上がりません。独自の収集網「SalesNow Data Network」は、3つのルートを組み合わせています。1つ目は、Web情報をAIで日次更新するデジタルの基盤です。2つ目は、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集で、実地調査から紙の資料の読み取りまで、検索では出てこない情報を取りに行きます。3つ目は、月間700万PVの自社メディア（企業版Wikipedia）に集まるユーザー投稿で、このユーザーのネットワークもアナログな収集の一部を担います。

独自のJCコードは、本社・工場・支社支店・店舗まで拠点ごとに一意のIDを振る体系です。組織図と部署の直通番号まで持ち、部署連絡先は750万件超。付与できる情報は50項目超、業種は大業界30件〜／小業界400件〜／事業内容3,000件〜の3層です。この粒度のデータを扱う検索基盤で、クエリとインデックスの設計を見直し、応答性能と運用コストを両立させる経験を積めます。

更新の周期も形式も違う3つの流れを拠点単位のIDで1つに束ね、画面・API・MCPへ同じ品質で届け続ける。この基盤を止めずに動かし、速くし続けることが、SalesNowのSREの仕事です。AIの出力の品質は、参照するデータの品質で決まります。SalesNowは、AIと営業システムにデータを供給する、AI時代の企業データインフラです。

このデータを、企業データベース『SalesNow』の画面、Salesforce・HubSpot・kintoneとの連携、Data API（ベータ版）、Claude・CursorなどのAIエージェントから直接使えるSalesNow MCPで届けています。営業戦略コンサルティング、データ基盤の構築、AI実装、営業BPOまで一社で提供しています。営業の専門性・データ基盤・AIの先進性が揃う環境です。プロダクトが顧客の業務に組み込まれるところまで社内にあるので、顧客の業務への影響とインフラの実測値を結びつけ、信頼性・性能・コストを自分で設計します。

プロダクト『SalesNow』が扱うのは営業の領域です。会社が企業データとAIで組み替えようとしている仕事は、営業に限りません。届ける形も対象の業務も増えるため、SREが設計するのは1つのSaaSの運用ではなく、広がるたびに現れる新しい負荷特性と信頼性です。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。大手企業に届けるサービスの監視・SLO・性能改善を、SREとして設計します。

*\人を増やした分だけ売上が伸びる時代は、終わりました。\* バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。開発者がAIを使って増やした変更を、安全に検証し、本番へ届ける仕組みが要ります。SREは監視・CI/CD・IaCを設計し、信頼性を保ちながらリリースを速めます。

＜募集背景＞

開発者がAIエージェントと実装を進めるSalesNowでは、全社で直近30日に2,229本のPRをマージしており、リポジトリは298あります（2026-09-12計測）。この変更を安全に本番へ届ける監視・CI/CD・IaCを設計することが、SREの挑戦です。

企業データは、企業データベース『SalesNow』の画面に加えて、Data APIと、Claude・CursorなどのAIエージェントから直接使えるSalesNow MCPで提供しています。担当者が商談準備や議事録のSFA登録に使うAIワークフローも提供しています。顧客の日々の業務が、このインフラの稼働にそのまま乗っています。扱うデータはAurora PostgreSQLで80億レコードの規模です。負荷の性質が異なるサービスが増えるなかで、信頼性とパフォーマンスを設計で担保し、コストを事業の成長に見合う水準に保つSREを募集します。

＜入社後に取り組む課題＞

• 1億件規模の検索基盤で、フルリインデックスの時間を縮める。対象はOpenSearchの1.05億ドキュメント・約460GB（ × 3）です。取得側のDBクエリ、投入時の設定、4インデックスの直列処理を見直します
• 55媒体の収集からPostgreSQLへの反映まで、監視・アラートを設計・運用する。対象はMWAA（Airflow）による収集と、DatabricksとDelta LakeのBronze / Silver / Goldの3層による処理です。ジョブ定義とModel Serving endpointはTerraformで管理します
• 媒体ごとに更新の周期も失敗の仕方も違うなかで、どこで止まれば顧客に届くデータが古くなるかを見極め、アラートの閾値とSLOに落とす

＜お任せしたい業務内容＞

• AWS / GCPを中心としたクラウドインフラの設計・構築・運用（IaCを含む）
• 監視・アラート基盤の設計・運用と、人の画面操作とAIエージェント経由の利用の両方を測るSLI / SLOの策定
• 利用者が安心して快適に使えるよう、画面・Data API・SalesNow MCPの安定稼働と応答性能を設計する。メトリクスでボトルネックを切り分けて改善します
• 障害対応とポストモーテム
• Aurora PostgreSQL / Elasticsearchのパフォーマンスチューニングと、事業の成長を阻害しないためのインフラコスト最適化。インスタンス配置・キャッシュ・ストレージを含め、インフラ全体の費用を実測して配分を決めます
• CI/CDパイプラインの設計・運用とセキュリティ基盤の整備、サービス運用の仕組み化と効率化。監視・障害対応・CI/CDを対象に、AIと実装を進める開発者が安全に変更を届けられる工程を設計します

※従事すべき業務の変更の範囲：有り

＜利用する技術・ツール＞

• クラウド: AWSが中心（Lambda / ECS / Aurora / OpenSearch / CloudFront / DynamoDB / S3 / Firehose / Athena / MWAA）、一部GCP・Azure、Fastly
• IaC: Terraform、AWS CDK
• 言語: Python（FastAPI）、TypeScript（Next.js）、SQL、Scala
• データ: Scrapy、Airflow、Databricks（Spark / Delta Lake）
• AI・LLM: Amazon Bedrock、Azure OpenAI、Claude、Gemini
• 開発ツール: Claude Code、Codex、Cursor、GitHub Copilot、CodeRabbit、n8n
• 社内ツール: Slack、GitHub、Notion、Asana、Figma、Google Workspace、Salesforce、Pardot

＜AIとの働き方＞

• AIツールへの支出は、1人あたり月平均10万円以上です。Claude・Geminiは全員が使え、Codexも併用します。インフラの調査や設計案の比較に応じてモデルを選び、複数の観点から自分の設計を検証できます
• 成果物は複数のLLMにレビューを依頼し、採否は自分でログやメトリクスを確かめて決めます。AIを使っても、品質に責任を持つのは担当者です
• AIツールは月額契約なので、より良いモデルが出ればすぐ乗り換えられます。データを学習に使わせない設定を守ったうえで、障害調査や設計の検証に一番合うモデルを、その都度自分で選べます
• 成果物をGitHubに残すので、自分の改善をチームが再現し、使い続けられる運用手順に育てられます
• 目的と予算を合意したあとは、担当者が進め方を決めます。どこをAIで調べ、どこを人が判断するか、どのツールを使うかも自分で決めます
• 自らコードを書く経営陣と、プロダクトや組織の設計から議論できます。インフラの改善を、事業の優先順位と結びつけて進められます

＜ポジションの魅力＞

80億レコードと1億件規模の検索基盤を、自分の設計で支える

Aurora PostgreSQLの80億レコードと、企業・拠点・部署を横断して引くOpenSearchの約1.05億ドキュメントを扱います。データ処理と検索基盤の両方に関わり、DBクエリ・投入設定・4インデックスの直列処理まで遡って取得と投入の工程を設計し直し、検索インデックスの再構築にかかる時間を自分の手で縮められます。検索では手に入らない、アナログに集めたデータまで、欠かさず顧客に届け続ける仕組みを担います。収集から配信までを見渡し、各工程のつながりを踏まえてインフラを設計する力が身につきます。

可用性とコストのトレードオフを、担当者として数字で決める

収集（MWAA）、処理（Databricks）、保存（Aurora・S3）、検索（OpenSearch 約460GB・ × 3）。費用のかかる場所が層ごとに違う基盤で、クエリの改善、キャッシュ戦略、インスタンス配置を比較し、性能と費用の実測値から、どの施策を優先するか自分で決めます。その判断が、そのまま事業の収益構造に効きます。改善案を経営陣に説明し、技術上の選択を事業の投資判断につなげられます。

AIと実装を進める開発組織で、変更を安全に届ける仕組みをつくる

監視・CI/CD・IaCを横断して設計し、開発者が変更を本番へ届ける工程そのものを改善できます。AIで1人が出せる変更が増えるほど、本番を守りながら速度を落とさない仕組みの価値は上がります。その仕組みを、経営陣と優先順位から議論し、育てられます。

人とAIの両方から使われるサービスのインフラを設計する

人が使う画面、Data API、Claude・CursorなどのAIエージェントから使われるSalesNow MCP。人の1回の検索と、エージェントが連続で叩くAPIでは、負荷の性質がまったく違います。この3つを、同じ80億レコードのデータ基盤の上で同時に成り立たせるインフラを、形にできます。あなたの設計の良し悪しが、そのまま顧客企業の仕事が進む速さになります。

数年後、AIを使えることは当たり前になります。差がつくのは、AI前提で仕事と組織を設計し直せるかどうかです。2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標へ、SREとして挑みます。開発者が安全に届けられる変更を増やし、インフラの改善を1人あたりの生産性につなげる仕事です。

＜選考プロセス＞

原則すべてのステップをオンラインで実施します。

1. エントリー
2. 書類選考
3. Web面談（2〜5回）
4. リファレンスチェック
5. オファー面談

＜SalesNow Information＞

• 採用サイト：
• 全社資料：
• Culture deck：
• CEO note：
• COO note：

歓迎スキル

• Aurora PostgreSQL / Elasticsearch / OpenSearchの運用・チューニング経験
• GCPの設計・運用経験
• SLA / SLI / SLOの策定・運用経験
• Webサービスのセキュリティに関する知見
• インフラコストを定期的に削減する施策の企画・実行経験

求める人物像

• ミッション・バリュー（AIネイティブ・コト志向・最高品質）に共感し、AIを使いこなす意志がある方
• シリーズB目前のスタートアップならではのスピード感を楽しみ、変化の中でも目的から考えて課題を発見し、解決に導ける方
• 誠実さとオーナーシップを持って、チームや顧客に向き合える方
• 新しい技術を自ら試して身に付け、前提を疑いながら本質的な設計判断ができる方
• 可用性・パフォーマンス・コストのバランスを俯瞰し、推測で手を入れずにメトリクスでボトルネックを切り分けてから直せる方
• 顧客やビジネス職の声を真摯に受け止め、チームに情報を共有しながら改善に導ける方

応募概要

給与

年収500〜1,500万円

勤務地

渋谷オフィス（リモートワーク可）
※就業場所の変更の範囲：無し

雇用形態

正社員

勤務体系

勤務形態

• フルリモート勤務（東京近郊：月1回の出社推奨日あり／地方在住：年1〜2回の全社イベント出席のみ）
• 地方在住者の全社イベント出席時：交通費・宿泊費全額支給
• SlackやGoogle Meetを中心としたオンラインコミュニケーション
• ※就業場所の変更の範囲：無し

勤務時間

• フルフレックスタイム制（コアタイムなし）
• 1日の標準労働時間：8時間

休日・休暇

• 完全週休2日制（土日祝）
• 年末年始休暇
• 夏季休暇
• 有給休暇（入社6ヶ月後10日付与、最大20日まで繰り越し可）
• female休暇（年5日）
• 慶弔休暇
• 産前産後休暇・育児休業
• 介護休業

試用期間

あり（3ヶ月）

福利厚生

各種手当

• 交通費全額支給
• 読書支援手当（上限5,000円／月）
• スキルアップ・生産性向上支援（上限10,000円／月）
• 飲みニケーション手当
• リファラル採用手当
• 残業手当

健康・安心サポート

• 社会保険完備（健康保険・厚生年金・労災保険・雇用保険）
• ベビーシッター補助制度
• 人間ドック（隔年／40歳以上対象）

その他

• ストックオプション制度
• AIツールへの支出は、1人あたり月平均10万円以上（会社負担）