Automation / AI Engineer

以下のいずれかの経験・知見が求められます。

• LLMを活用したアプリケーション・パイプラインの設計・開発経験
• RAG（Retrieval-Augmented Generation）の実装・運用経験
• OpenAI API / Claude API 等の外部LLM APIを用いたシステム構築経験
• プロンプトエンジニアリングの実務経験
• PythonによるAPI連携・自動化スクリプトの開発経験
• 業務プロセスのデジタル化・自動化に関するシステム設計経験

• ビジネス課題を技術に落とし込む力:
  マーケティング・セールス・カスタマーサクセスといった現場の業務課題を正確にヒアリングし、LLMパイプラインとして実装に変換できるブリッジ思考が求められます。
• 自律的なオーナーシップ:
  指示待ちではなく、自ら課題を発見し動く姿勢が文化として根付いています。プロとしての高い当事者意識を持ち、成果へのコミットを自発的に行えることが重要です。
• 現場との継続的なコミュニケーション力:
  実運用され続ける仕組みを作るために、ビジネス現場からのフィードバックを継続的に取り込む姿勢と、関係者への丁寧なコミュニケーションが不可欠です。
• PDCAを素早く回す実行力:
  急成長フェーズのスタートアップとして、素早いサイクルで仮説検証・改善を繰り返す能力が求められます。完璧を目指すより、まず動かして磨くマインドセットが適しています。
• 変化への適応力・学習継続力:
  LLM・生成AI技術は進化が速く、新しい技術トレンドを積極的にキャッチアップし続ける姿勢が求められます。技術的好奇心を持ち続けられる人材が活躍できます。

• n8n・Dify・LangChain等のオーケストレーションツールの活用経験:
  LLMパイプラインの設計・運用において、ワークフロー自動化ツールやLLMフレームワークを活用した実務経験があると即戦力として活躍できます。
• SaaS・HRTech領域のドメイン知識:
  人事・組織管理・タレントマネジメントなど、HRドメインへの理解があると、顧客・社内の業務課題への解像度が高まり、より本質的な自動化設計が可能になります。
• データ分析・BIツールの活用経験:
  LLMが生成したアウトプットの品質評価や業務効率改善の定量化に、データ分析やBIツール（BigQuery、Looker等）の知見があると価値を発揮できます。
• マーケティング・セールス・CS業務への理解:
  自動化・効率化の対象となるビジネス現場（リード獲得、商談、オンボーディング等）について実務経験や知識があると、より実効性の高いソリューション設計が可能です。

• 実運用LLMパイプラインの設計・改善スキル:
  RAG・API連携・プロンプト設計・業務設計を統合し、実際に現場で稼働し続けるLLMパイプラインの構築・改善ノウハウを実務を通じて深く習得できます。
• ビジネスプロセスリエンジニアリングの実践力:
  技術実装にとどまらず、マーケティング・セールス・CSといった業務プロセスそのものを変革する視点と経験を積むことができ、エンジニアとしての市場価値が大きく高まります。
• HRTechドメイン×AI活用の専門知識:
  急成長するHRTechクラウド市場（2027年度に3,200億円規模見込み）において、人事・組織管理領域のドメイン知識とAI活用の専門性を掛け合わせたユニークなスキルセットが身につきます。
• スタートアップにおけるAIプロダクトマネジメントの素養:
  少数精鋭チームで現場フィードバックを直接取り込みながらプロダクト改善を回す経験を通じて、AIを活用したプロダクトマネジメントの素養を自然に習得できます。
• 最新生成AI技術のキャッチアップ力:
  OpenAI社と接点を持つ（社外取締役にOpenAI Japan長崎氏が就任）先進的な企業環境で、最新のLLM・生成AI技術のトレンドを実務で学び続けることができます。