AIエンジニア

本ポジションについて 本ポジションのミッションは、「研究開発されたAIモデルをプロダクションレベルで実装し、安定的かつスケーラブルに運用できる基盤を構築すること」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 主力事業であるAI議事録ツール「SecureMemo/SecureMemoCloud」は昨年比200%成長を遂げており、政府系機関からエンタープライズ企業まで、幅広い組織にプロダクトを提供しています。 事業拡大に伴い、音声認識・話者認識・LLMを活用したプロダクトの開発スピードを加速させるとともに、本番環境での安定運用とスケーラブルなML基盤の構築が急務となっています。 そこで、AIモデルのプロダクト実装から運用基盤の整備まで、一気通貫で担えるAIエンジニアを募集します。

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 知見共有が盛んで高いレベルで切磋琢磨できる環境 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 音声認識・話者認識・LLMのプロダクション実装と、ML/LLMOps基盤の構築・運用を一気通貫で担うこと モデルのデプロイ・監視・最適化を通じて、AIが安定してユーザーに届く仕組みを作り続けること エンタープライズ向けAIソリューションの設計・実装にも関与し、顧客課題を技術で解決すること 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 Python を用いた機械学習モデルのプロダクション実装経験（2年以上） Web APIなどのサーバーサイドの設計・開発経験 Docker を用いたコンテナ化の経験 Git を用いたチーム開発の経験 クラウドサービス（AWS/Azure/GCP）の利用経験 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エンジニアリング 音声処理・自然言語処理モデルの実装経験 LLMを活用したアプリケーション開発経験 モデルの推論最適化経験（量子化、TensorRT、ONNX等） FastAPI / Flask での本番運用経験 MLOps/LLMOps Kubernetes / ECS でのコンテナオーケストレーション経験 CI/CD パイプラインの構築経験（GitHub Actions, GitLab CI等） MLflow / Weights & Biases 等の実験管理ツールの運用経験 LangfuseなどのLLMのモニタリングツールの運用経験 その他 オンプレミス環境でのシステム構築・運用経験 AWS, GCP, Azureでの開発経験 エンタープライズ向けシステム開発経験 コンサルティング・受託開発案件の遂行経験 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 研究開発されたモデルをプロダクションレベルに落とし込み、安定運用させることにやりがいを感じる方 いち早くプロダクトに実装しユーザーに価値を届けることと、技術的負債を作らない設計のバランスを取れる方 新たな技術（特にMLOps/LLMOps）について、関心を持ち、触って楽しみ、プロダクトに取り込もうという気持ちのある方 他のエンジニアやプロダクトマネージャーと協働し、合意形成しながらプロジェクトを進められる方 自ら学び続け、技術的な課題に対して主体的に取り組める方 キャリアパス 入社直後〜中期 モデルのプロダクション実装やML基盤構築を通じて、以下のスキルを伸ばしていただきます。

音声認識・話者認識・LLMのプロダクション実装スキル MLOps（CI/CD、モニタリング、インフラ管理）のスキル チームで協働するスキル（技術的なコミュニケーション、コードレビュー等） 顧客折衝スキル（技術提案、アーキテクチャ設計の説明等） 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。 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 開発チームのマネジャー 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