シニアMLOpsエンジニア

以下のいずれかの経験・知識が必須要件として求められます。

• Pythonを用いた機械学習・LLMシステムの開発経験
• MLパイプライン（学習・評価・デプロイ）の設計・構築経験
• CI/CDパイプラインの設計・構築・運用経験（GitLab CI / GitHub Actions等）
• AWSなどクラウドインフラを活用したシステムの設計・運用経験
• 機械学習モデルのモニタリング・パフォーマンス管理の経験
• LangChain / LangGraph 等のLLMフレームワークの利用経験
• 実験管理・モデル管理基盤の構築・運用経験

• 主体性と自律的な課題解決力:
  1人目のMLOpsエンジニアとして、課題を自ら定義し優先順位をつけて推進していく力が求められます。指示待ちではなく、組織のMLOps体制をゼロから立ち上げるオーナーシップが不可欠です。
• MLエンジニアとの円滑な連携・コミュニケーション力:
  MLエンジニアやデータサイエンティスト等と密接に連携しながら、開発効率やプロダクト品質の向上を支援する役割を担います。技術的な内容を分かりやすく伝え、チーム全体を巻き込む力が重要です。
• 最新技術へのキャッチアップ意欲と知見共有力:
  MLOps・LLMOps領域の技術は急速に進化しており、常に最新動向を把握し、チームに積極的に共有・導入提案できる学習姿勢が求められます。
• 品質・信頼性へのこだわり:
  法律・法務領域という専門性・精度が強く求められる分野において、モデルの評価基盤や監視システムの品質に対して高い責任感を持って取り組める姿勢が必要です。
• ビジネス視点を持った技術判断力:
  MLOpsの技術選定やデプロイ戦略の策定において、プロダクトのビジネス価値・ユーザー価値を考慮した意思決定ができる能力が求められます。

• LLMOps・生成AI運用の実務経験:
  Langfuse等を用いたLLMアプリケーションの評価・モニタリング経験や、プロンプト管理・RAGパイプラインの運用経験があると即戦力として活躍できます。
• グラフデータベース（Neptune等）の知識・活用経験:
  求人票に記載のAmazon Neptuneやグラフ構造のデータ基盤に関する知識・経験は、「リーガルブレイン」のコアアーキテクチャ理解に直結します。
• SageMaker / Vertex AI 等のMLプラットフォームの活用経験:
  AWS SageMakerやGoogle Vertex AI（Gemini）を用いたモデルの学習・デプロイ・管理の実務経験は、即時貢献が見込めるスキルとして歓迎されます。
• リーガルテック・ドメイン知識:
  法律・法務・コンプライアンス領域への関心や知識があれば、プロダクト価値の理解が深まり、より質の高いMLOpsシステム設計に活かすことができます。

• LLMOps・エージェントシステムの実践的ノウハウ:
  LangChain / LangGraph / Langfuse等を活用した生成AIエージェントの本番運用経験を積むことができます。LLM特有の評価・モニタリング手法など、市場価値の高いLLMOpsスキルが習得できます。
• 大規模AIプロダクトのMLパイプライン設計力:
  実際にリリースされた「Legal Brain エージェント」のMLOps基盤を1人目として設計・構築することで、モデルライフサイクル全体のエンドツーエンドな実務経験が得られます。
• AWSを中心としたクラウドネイティブなMLインフラ構築力:
  ECS・Lambda・SageMaker・OpenSearch等を活用した本番グレードのMLインフラ設計・運用スキルを実践的に磨くことができます。
• リーガルドメインの専門知識:
  弁護士・法務部向けプロダクト開発を通じて、法律・判例・ガイドライン等のリーガルデータの特性や、専門職向けAIシステムならではの精度・信頼性要件に関する深い知見が得られます。
• 組織横断のMLOps推進・技術リーダーシップ:
  1人目のMLOpsエンジニアとして組織のMLOps文化を醸成し、技術選定・標準化・知見共有をリードする経験を通じて、テクニカルリーダーとしての実績を積むことができます。