02_LLMエンジニア【正社員】

以下のいずれかの経験・知見が求められます。

• LLM（OpenAI / Anthropic / Gemini等）を用いたアプリケーション開発経験
• RAG（Retrieval-Augmented Generation）の設計・実装経験
• Prompt設計・Function calling・Context管理の実務経験
• Python / Rubyを用いたサーバサイド開発経験
• FastAPI / LangChain / LlamaIndex等のAIフレームワーク活用経験
• REST API設計・外部APIとの連携経験

• 自律的なオーナーシップ:
  仕様が未確定な領域でも自ら課題を定義し、技術的アプローチを提案・推進できる主体性が求められます。
• ビジネス視点での技術判断:
  トークンコストや応答品質のトレードオフを理解し、事業スケールと技術の橋渡し役として最適解を選択できることが期待されます。
• クロスファンクショナルな協働力:
  プロダクト・サーバサイド・デザインの各チームと連携しながら、エンドツーエンドのAI実装を推進できるコミュニケーション力が必要です。
• 継続的な学習意欲:
  変化の速いLLM領域において、最新モデルや手法をキャッチアップし続ける好奇心と学習習慣が求められます。
• ナレッジ共有・文化醸成への貢献:
  チーム内でのAI開発ベストプラクティスの整備や技術共有に積極的に関与し、組織全体のAIリテラシー向上に貢献できる姿勢が重視されます。

• ベクトルDB・埋め込みモデルの活用経験:
  Pinecone / Weaviate / OpenSearch等のベクトルDBを用いたナレッジ検索基盤の構築経験があると尚可です。
• Ruby on Rails開発経験:
  既存のRailsバックエンドとのAIマイクロサービス統合を担うため、Rails 7の開発経験は即戦力として高く評価されます。
• AIマイクロサービスの設計・運用経験:
  Kubernetes / AWS環境でのAIサービス運用やMLOpsの知見があると、既存インフラへの統合がよりスムーズに進められます。
• プロダクトグロースへの関心:
  toC向けアプリのUX改善・機能企画に関心があり、エンジニアリング視点でプロダクト価値向上を議論できる方を歓迎しています。

• LLMアプリケーション設計の実践知識:
  RAGパイプライン・マルチLLM切替・応答品質管理など、プロダクトグレードのLLMアーキテクチャを一から設計・運用することで、高度な実装ノウハウが身に付きます。
• AI × プロダクト開発の事業連携スキル:
  ビジネス要件からAI機能を企画し、プロダクト・デザイン・ビジネスチームとの協業を通じて、技術とビジネスを繋ぐ希少なスキルセットが獲得できます。
• スタートアップの技術組織構築経験:
  AI開発ナレッジの整備やベストプラクティスの策定を担うことで、組織のAI文化を育てる経験が得られます。
• モダンクラウドインフラ活用スキル:
  AWS EKS / Kubernetes / Terraformを活用したインフラ上でのAIサービス展開を経験し、MLOpsに関する実践的な知識が身に付きます。
• 美容・ヘルステックドメイン知識:
  急成長する自由診療マーケットにおけるユーザーインサイトやビジネス構造への深い理解が得られ、専門性の高いドメイン知識がキャリア資産となります。