1148【Dev】RAG / 検索基盤エンジニア（Aconnect AIエージェント開発）

以下のいずれかの経験・知見が求められます。

• OpenSearch / Elasticsearchなどの検索エンジンの構築・運用経験
• 大規模データを扱うバックエンド・インフラ開発経験（AWS環境）
• Python または Ruby を用いたバッチ処理・サーバサイド開発経験
• AWSサービス（ECS / Lambda / Step Functions / Batch等）の実務経験
• VectorDB または RAGシステムの構築・改善経験

• ボトルネック特定と課題解決力:
  検索パフォーマンスや精度に関する課題を自ら調査・分析し、改善施策を立案〜実行まで推進できる能力が求められます。
• クロスファンクショナルな連携力:
  PdM・アプリ開発者・クローラー開発者・SREチームなど、複数のロールと連携しながら仕様策定や実装を進めるコミュニケーション能力が必要です。
• 大規模データ扱いへの耐性と慎重さ:
  Indexの再構築や大量データ投入など、本番環境に影響するオペレーションを慎重かつ確実に遂行できる姿勢が求められます。
• 自律的・能動的な行動力:
  個人の裁量が大きい環境のため、自ら課題を見つけて推進できる自律性が重要です。指示待ちではなく、積極的に提案・実行できる人材が求められます。
• 技術的負債解消への意識:
  既存システムのリアーキテクチャや技術スタックの更新にも積極的に取り組む意識と、長期的な視点でのコード品質維持への関心が必要です。

• 自然言語処理・機械学習の基礎知識:
  RAGやembeddingモデル、リランキングなどNLP領域の知識があると、検索精度改善の施策立案においてより深く貢献できます。
• IaC（Terraform）によるインフラ管理経験:
  本ポジションではTerraformを用いたインフラのコード管理が行われており、IaC経験者は即戦力として活躍できます。
• DatadogやSentryを用いたモニタリング・可観測性の設計経験:
  SREチームとの連携によるサービスモニタリング設計・運用が業務に含まれており、オブザーバビリティツールの経験は歓迎されます。
• Ruby on Railsを用いたWebバックエンド開発経験:
  プロダクトのバックエンドはRuby on Railsで構築されており、既存コードの理解や改善に貢献できます。
• EMR Serverlessなど大規模データ処理基盤の経験:
  数億オーダーのデータを扱うため、AWS EMR ServerlessなどのビッグデータETL処理の経験があると活かせます。

• 大規模RAG基盤の設計・運用スキル:
  数億件規模のデータを扱うOpenSearchベースのRAGシステムを商用環境で構築・改善する実践的な経験が得られます。生成AI時代に需要が急増している希少スキルです。
• AWS上でのフルスタックインフラ構築スキル:
  ECS / Lambda / Step Functions / Batch / EMR Serverlessなど多様なAWSサービスを組み合わせたアーキテクチャ設計・運用スキルが習得できます。
• 生成AI・LLMプロダクト開発の実務経験:
  OpenAI / Azure OpenAI / AWS Bedrock / 自社LLMなど複数のAIプラットフォームを活用したプロダクト開発ノウハウが身につきます。
• 検索パフォーマンスチューニングのノウハウ:
  ベクトル検索・全文検索・ハイブリッド検索における精度・速度改善の実践的な手法を習得できます。
• スタートアップにおけるアジャイル開発・技術的意思決定力:
  少人数チームで裁量を持って開発に携わることで、技術選定・設計判断・リアーキテクチャなどの上流工程に関わる意思決定力が養われます。