エンジニア / AIエンジニア

以下のいずれかの経験・知見が求められます。

• LLM（大規模言語モデル）を用いたシステム開発経験
• AIエージェント・自律型AIの設計・実装経験
• PythonなどAI開発に用いるプログラミングスキル
• 機械学習・深層学習の実装・モデル運用経験
• データパイプライン設計・データ基盤構築経験
• クラウド環境（AWS / GCP / Azure）でのAI開発・デプロイ経験

• 仮説思考と素早い検証力:
  曖昧な要件から仮説を立て、スピード感を持ってPoCを回せる実行力が求められます。不確実性が高いAI開発領域において、迅速な意思決定と学習サイクルが重要です。
• 自律的なオーナーシップ:
  リモートワーク主体の環境において、自ら課題を発見し、責任を持って推進できる主体性が不可欠です。成果重視の評価制度のもとで、自律的に動ける姿勢が求められます。
• 技術的なコミュニケーション能力:
  技術検証の結果やアーキテクチャ設計について、エンジニア以外のメンバーにも分かりやすく伝えられる能力が必要です。
• 継続的な学習意欲:
  AI技術は急速に進化しており、LLMやマルチモーダルモデルの最新動向を常にキャッチアップする姿勢が求められます。
• ゲームへの理解・関心:
  ゲームの構造やユーザー行動を深く理解することがAIエージェント設計の土台となります。ゲームへの興味・知識があることが業務の質に直結します。

• マルチモーダルAIの活用経験:
  画像・テキスト・動画などを横断したマルチモーダルモデルの実装・活用経験があると、ゲームコンテンツの高度な解析において即戦力として活躍できます。
• RAG・エージェントフレームワークの活用経験:
  LangChainやLlamaIndex等のエージェントフレームワークを用いた開発経験は、自律型AIエージェント構築において大きなアドバンテージとなります。
• 大規模Webサービスの開発・運用経験:
  高トラフィックなWebサービス環境での開発経験があると、本番環境へのAI組み込みや運用改善において強みを発揮できます。
• データエンジニアリング経験:
  AIが学習・推論しやすいデータ構造の設計やデータパイプライン構築の経験は、データ資産化戦略の推進において歓迎されます。

• 自律型AIエージェント開発の実践知識:
  ゲームという複雑なドメインにおける自律型AIエージェントの設計・実装を通じて、最先端のAIエンジニアリングスキルを実践レベルで習得できます。
• データ資産化・AI基盤設計のノウハウ:
  メディアが持つ大量の実データを活用したデータ構造設計やAI学習基盤の構築経験を積むことができます。
• PoC〜プロダクト実装の一気通貫経験:
  技術検証から実サービスへの組み込み、運用・改善まで一貫して担当することで、AIプロダクト開発の全工程を俯瞰できるエンジニアとして成長できます。
• ゲームドメイン特化のAI知識:
  ゲームの構造理解・意思決定AIという特殊ドメインでの開発を通じて、ゲームテック領域における希少なAI専門性を身につけられます。