生成AIエンジニア（経験者）

以下のいずれかの経験・知見が求められます。

• RAG（検索拡張生成）の設計・実装経験
• LLM（大規模言語モデル）を活用したシステム開発経験
• クラウド上でのアーキテクチャ設計・実装経験（AWS / Azure / GCP等）
• API設計・実装経験（セキュリティ・権限・コスト最適化を含む）
• プロンプトエンジニアリングの実務経験
• 自動評価システムや回帰テストの構築経験
• Python等による機械学習・AI関連の開発経験

• 業務課題の要件整理力:
  生成AIをただ導入するのではなく、業務自動化の範囲や人的介入ポイントを整理し、実際の課題解決に落とし込む能力が求められます。
• 本番運用を見据えた設計思考:
  セキュリティ・監視・性能・障害対応など、PoC段階だけでなく本番運用を前提とした総合的な設計視点を持てることが必要です。
• チームへの技術横展開力:
  自身の実装パターンや知識を再利用可能な形で整備し、チームメンバーと共有・標準化していける推進力が求められます。
• 継続的改善への取り組み姿勢:
  プロンプトや検索の精度向上を継続的に改善するサイクルを回す習慣と、定量的に評価する姿勢が必要です。
• コミュニケーション能力と協調性:
  多職種のチームメンバーや顧客と連携しながらプロジェクトを推進するため、明確な言語化・情報共有力が求められます。

• AIエージェント・マルチエージェント構築経験:
  RAGの次のステップとして注目されるAIエージェント技術の実装経験があると、プロジェクトでの即戦力として高く評価されます。
• MLOps・LLMOpsの知識・経験:
  LLMを安定して本番運用するためのCI/CD・モニタリング・バージョン管理などのMLOps基盤構築経験は歓迎されます。
• ファインチューニングの実装経験:
  LLMを特定業務・ドメインに適応させるファインチューニングの知識があると、提案の幅が広がります。
• クラウド認定資格（AWS / Azure / GCP）の保有:
  クラウドの設計・コスト最適化に関する体系的な知識を証明できる資格は評価の対象となります。
• 上流工程（要件定義・基本設計）の経験:
  ユースケース整理や業務課題のヒアリングから設計まで担える上流経験があると、より裁量の大きな役割を担えます。

• RAG/LLM本番運用エンジニアリングスキル:
  セキュリティ・監視・障害設計を含めた本番品質のRAG/LLMシステムを設計・実装するスキルは、業界内で非常に高い市場価値を持ちます。
• 生成AI評価基盤の設計・運用スキル:
  自動評価システムの構築や回帰テスト、継続的改善サイクルの設計・運用を通じて、AI品質保証の専門スキルを習得できます。
• クラウドアーキテクチャ設計力:
  API・データ・権限・コスト最適化を含むクラウド設計の実践的な知識を、実案件を通じて体系的に身につけることができます。
• 技術リーダーシップ・標準化推進力:
  実装標準の確立やナレッジ共有、再利用可能部品の整備を主導することで、技術チームをリードするマネジメントスキルの基礎が培われます。
• 業務分析・AI適用設計スキル:
  業務自動化の範囲と人的介入ポイントを整理する要件整理経験を通じ、ビジネス課題をAIで解くための上流設計力が身につきます。