【HR】HRTech領域 AIアプリケーション開発エンジニア

以下のいずれかの経験・知見が求められます。

• Python・SQLを用いたアプリケーション開発経験
• LLM（大規模言語モデル）を活用したシステム・アプリケーション開発経験
• RAGアーキテクチャの設計・構築経験
• Google Cloud / BigQueryを用いたデータ基盤との連携経験
• プロンプトエンジニアリングの実務経験
• RDB等のデータソースを活用したバックエンド開発経験

• 自律的に課題を定義し推進する力:
  正解が曖昧なHR領域において、自ら問いを立て、技術的アプローチを設計・検証できる自律性が求められます。
• クロスファンクショナルな連携・折衝力:
  プロダクトマネージャー・デザイナー・他部門ステークホルダーと連携し、データソースの調整や要件定義を円滑に進める調整力が必要です。
• 曖昧な課題を構造化する思考力:
  「人の評価」や「組織の相性」という定性的なテーマをAIで扱うため、問題を適切に構造化・定量化して技術的解決策に落とし込む力が重要です。
• 継続的な学習意欲と技術キャッチアップ力:
  LLM領域は技術進化が速く、最新のモデルや手法を常に追い、実業務へ応用する姿勢が求められます。
• ユーザー視点でのプロダクト思考:
  "使い手にとっての価値"を追求するDeNAの文化に合わせ、技術の実装だけでなくUX/UIの品質向上にも積極的に関与する意識が必要です。

• RLHFやファインチューニングの実装経験:
  ポストトレーニング（RLHF・プリファレンス学習・ファインチューニング）の実務経験があると、より高度な技術的貢献が可能です。
• AI評価基盤の設計・構築経験:
  LLMの出力精度を評価する手法の設計や評価サイクルの構築経験があると、本ポジションのコアミッションにより早期から貢献できます。
• HR・人材開発領域のドメイン知識:
  人事・人材開発・組織開発の業務知識や経験があると、課題理解が深まりAIとHRを効果的に組み合わせたソリューション開発に活きます。
• スクラム・アジャイル開発の実務経験:
  チームがスクラムスタイルで運営されているため、アジャイル開発の経験があるとチームへのスムーズな参画が期待できます。

• HRTech特化のLLMアプリケーション開発スキル:
  人事・人材開発・組織開発という専門ドメインでのLLM実装を通じ、汎用的なAIエンジニアとは一線を画すドメイン特化型のスキルが身につきます。
• AI評価設計・評価基盤構築のノウハウ:
  正解が曖昧なHR領域でのAI評価手法を一から設計・構築する経験は、他の生成AIプロジェクトにも応用可能な汎用的な評価設計力として蓄積されます。
• データ戦略立案・ステークホルダーマネジメント経験:
  AI精度向上に必要なデータ定義から収集・拡充計画まで担い、他部門との折衝も経験することで、エンジニアとしての上流工程への関与力が高まります。
• テックリード・EMへのキャリアに直結するリード経験:
  技術選定からアーキテクチャ設計まで裁量を持って推進する経験を通じ、テックリードやエンジニアリングマネージャーへのキャリアに必要なリード力が養われます。
• HR×AIプロダクトマネジメントの素養:
  プロダクトマネージャーやデザイナーと連携してUX/UIの磨き込みを行う経験により、AIプロダクトマネージャーへのキャリアチェンジに必要な視点とスキルが蓄積されます。