1156【Dev】AI/NLPエンジニア（LLM新規事業）

以下のいずれかの経験・知見が求められます。

• LLM・自然言語処理（NLP）の研究開発または実務経験
• RAGパイプラインの設計・実装経験
• Pythonを用いた機械学習・AIシステムの開発経験
• AWS・AzureなどクラウドサービスでのAIシステム構築経験
• 機械学習モデルの評価・改善サイクルの実践経験
• アルゴリズム設計およびAPIの設計・実装経験

• 自律的な検証・実装推進力:
  課題に対して自ら仮説を立て、独立して検証・実装を進める行動力が求められます。PMFフェーズにおいては、指示を待つのではなく自分でアジェンダを設定し動ける姿勢が不可欠です。
• 顧客課題を技術に落とし込む翻訳力:
  プロダクトマネージャーや顧客と対話しながら、ビジネス課題を技術的仮説・アプローチに変換できる能力が必要です。エンタープライズ向けPoCを技術リードとして牽引することが期待されています。
• クロスファンクショナルなコミュニケーション力:
  機械学習エンジニア・プロダクトエンジニア・PdMなど多様な職種と協力してリソース要件やインターフェースを定義し、開発を推進する場面が多く、円滑な連携が求められます。
• 不確実性の高い環境でのタフネス:
  PMFを目指す新規事業フェーズにおいては、試行錯誤の繰り返しや方向転換が日常的に発生します。泥臭い検証プロセスを楽しめる粘り強さと変化適応力が必要です。
• 最新技術のキャッチアップと応用力:
  LLM・マルチモーダルAI領域は技術進化が極めて速く、世界最新の研究論文や技術動向を継続的にインプットし、プロダクトへ活かせる学習意欲と応用力が求められます。

• VLM・マルチモーダルAIの研究・実装経験:
  Vision-Language Modelを活用したビジネス文書解析やマルチモーダル処理の研究・評価経験があると即戦力として活躍できます。
• Agentic RAG・Deep Researchの設計・実装経験:
  Agentic RAGの各コンポーネント設計や、Deep Researchシステムの実装経験がある方は、SATの中核技術開発で特に高く評価されます。
• LLMOps・MLOpsの設計・推進経験:
  評価基盤の構築、自動化・スケーリングを含むLLMOpsの設計・運用経験があると、本ポジションの業務範囲に直結して活躍できます。
• ナレッジグラフや構造化技術の知識・経験:
  非構造データの構造化、ナレッジグラフ設計などの技術的背景があると、SATプロダクトの中核機能開発に貢献しやすくなります。
• エンタープライズ向けPoCのリード経験:
  大手企業向けにPoC設計・技術検証・実装をリードした経験を持つ方は、顧客課題対応の観点で高く評価されます。

• 国産LLMのフルスクラッチ開発ノウハウ:
  1,000億パラメータ規模のLLM開発を手がけた組織で、モデル設計・構築・評価の実践知識を習得できます。海外モデルの利用にとどまらず、アーキテクチャレベルからの深い技術理解が身につきます。
• RAG・Agentic RAGシステムの設計・運用スキル:
  実際のエンタープライズ顧客課題を起点とするRAGパイプラインの改善・新規設計を繰り返すことで、高度な実装スキルと評価・改善サイクルの実践力が得られます。
• ビジネス文書解析・マルチモーダルAIの実装力:
  VLMを活用した業務文書解析という業界でも希少な領域の実装経験を積むことができ、汎用LLMでは解けない高度課題への技術的アプローチ力が身につきます。
• LLMOps・AIプロダクト運用の実践力:
  評価基盤の設計から自動化・スケーリングまで、AIシステムを実サービスとして安定運用するためのLLMOpsの実践力を習得できます。
• エンタープライズ技術リードとしての課題解決力:
  日経225クラスの大手製造業を中心とした顧客と直接対話しながら、技術仮説の設計・検証・実装をリードする経験を通じて、ビジネス課題を技術で解決するコンサルティング的スキルが身につきます。