大手・エンタープライズ企業のデータ活用・AI活用を支援するプロジェクトにて、課題整理・PoC設計から、データ基盤構築・分析・生成AIアプリ開発・運用まで一貫して担当いただきます。

クライアントと直接コミュニケーションを取りながら、Snowflake/BigQueryを中心としたデータ基盤と、生成AI・RAG・LLMエージェントの開発を一つのチームで手がける点が当社の特徴です。 「データを整えて終わり」「AIをつくって終わり」ではなく、両方を行き来しながら事業成長に直結する成果を出すところまで携わります。 PoC段階から参画することも多く、技術選定やアーキテクチャ検討にも主体的に関われます。運用段階までエンジニアがオーナーシップを持って推進するため、自分の手がけたものが実際にユーザーに使われている実感を得られるはずです！

扱うデータは数十億～数千億レコード規模。そのデータを生成AIがどう使えるかまで設計できるのは、両領域を持つ当社ならではです。

＜具体的な業務内容＞ ※ご経験に応じて、データ側・AI側いずれかに軸足を置いてスタートいただきます。

◆事業価値の創出 ・課題の深掘り、要件化、PoC設計 ・KPI設計、分析・レポーティング、次フェーズ提案 ・事業サイド・プロダクトサイドとの長期伴走支援

◆データ基盤の構築・ETL/ELT ・Snowflake/BigQuery/RedshiftなどDWHの設計・構築、データモデリング ・Airflow/Lambda/Cloud Runなどを用いたパイプライン構築・品質チェック機構の整備 ・クエリチューニング、セキュリティ・権限設計、コスト最適化

◆分析・可視化 ・Tableau/Looker/Amplitudeによるダッシュボード開発、メトリクス定義 ・事業課題に踏み込むインサイト抽出・レポーティング

◆生成AI/RAG/エージェント開発 ・LLM(GPT/Claude/Gemini)を活用した生成AIアプリケーション開発 ・RAGパイプラインの構築（ベクトルDB、前処理、Retriever設計） ・GraphRAG：Neo4jを利用したナレッジグラフ構築、エンティティ抽出・関係性推論 ・プロンプト設計、評価指標策定、ハルシネーション抑制設計、運用改善 ・MCPを用いたエージェントとデータ基盤・社内システムの接続

◆AIモデルの実用化（MLOps） ・AIモデル用データセット作成、特徴量設計・評価指標策定 ・既存AIモデルのクラウドリフト（GCP/AWS）、FastAPI/Cloud RunによるAPI化 ・推論基盤の最適化、ログ収集、評価基盤整備

プロジェクト例・入社後の流れ
＜プロジェクト例＞

▼大手通信キャリア
・数千億レコード規模のビッグデータ分析（Snowflake/Tableauによる分析基盤・可視化）
・AI制御統制システム開発

▼大手小売
・棚割自動生成ロジック開発（数理最適化とルールモデルを組み合わせ、棚割計画を高速自動化）

▼大手アパレルメーカー ・世界中の店舗・ECデータをBigQueryに統合、Airflowによるパイプライン自動化 ・自律的にPDCAを回せる運用体制を構築

▼化粧品メーカー
・AIモデルをクラウドへ移行し、API化して外部システムから利用可能に

▼その他
・リアルタイム異常検知基盤
・社内ナレッジを対象としたLLM/RAGエージェント開発・PoC ほか

◎入社後は、社内Wikiや議事録の確認を通じて既存プロジェクトの理解を深めていただき、案件の背景やデータ構造・技術判断をスムーズに把握できるようサポートします。 その後お持ちの経験やスキルに応じたプロジェクトにジョイン。必ずチームで取り組むため、全体像を掴みながらスムーズに馴染めますのでご安心ください。

当社が大手・エンタープライズ企業のデータ活用・AI活用支援で繰り返し出会ってきた現場の課題を、小さな自社プロダクトとして形にし、市場に出していくプロダクトマネージャーを募集します。
「1つの製品を育てる」PdMではありません。候補となる課題は複数あり、どれを・どの順で・どこまで作るかを決めるところから担当いただきます。小さく出し、使われたものに投資を寄せ、使われなかったものは止める。この判断の積み重ねがプロダクト事業の中核になります。
開発チームは、Snowflake/BigQueryなどのデータ基盤と、生成AI・RAG・LLMエージェントの両方を実装レベルで扱えるエンジニアです。顧客案件で実際に動いている仕組みを土台にできるため、ゼロから技術検証を始める必要はなく、「何を作るか」「誰に売るか」に集中できます。
＜具体的な業務内容＞
◆プロダクトの発掘と着手判断 ・顧客案件・社内の知見から、プロダクト化する課題を抽出 ・顧客インタビュー、既存案件のデータをもとにした仮説検証の設計 ・着手順の決定（最終判断は代表との週次ミーティングで）
◆プロダクト開発の推進 ・PRD作成、MVPスコープの決定、受け入れ条件の定義 ・エンジニアチームとの開発推進（スクラム想定） ・Claude Code等のAIツールを使ったプロトタイピング
◆リリース後の判断 ・利用データ・顧客ヒアリングによる効果検証 ・「続ける／止める／広げる」の判断と、代表への提案
◆GTM（市場投入） ・価格設計、営業資料の作成 ・Snowflake／AWS／Anthropicなどパートナー経由の販売設計 ・既存顧客への提案同行
◆プロダクト横断の設計 ・複数プロダクトに共通する部分（認証・課金・データ接続）の要件整理

プロダクト例・入社後の流れ

▼社内ナレッジの検索・回答 ・社内文書・議事録・Slackを横断して引き継ぎ業務を効率化するためのエージェント

▼Web運用・改善業務の生成AIによるPDCA自動化

▼データとAIの接続 ・DWH上のデータに、業務部門が自然言語で問い合わせできる仕組み（セマンティックレイヤー／MCP）

▼旅行体験事業者向け価格最適化エンジン

＜入社後の流れ＞
◎最初の1か月は、既存案件の資料・社内Wikiを通じて「顧客がどこで困っているか」を把握いただきます。並行して、代表・リードエンジニアと候補課題の棚卸しを行います。
◎2〜3か月目で最初のプロダクトの着手判断とPRD作成。小さく出すことを優先し、最初のリリースまでの期間は短く設定します。
◎以降は、開発推進・効果検証・次のプロダクトの発掘を並行して回していただきます。

大手・エンタープライズ企業のAI活用を支援するプロジェクトにて、企画・案件整理から実装・運用まで一貫して担当いただきます。

クライアントと直接コミュニケーションを取りながら、生成AI・RAG・データ分析基盤構築をはじめとした最前線のテーマに取り組める点が当社の特徴です。
PoC段階から参画することも多く、技術選定やアーキテクチャの検討にも主体的に関われる点が魅力。
また、当社は仕組みをつくって終わりではなく、運用段階までエンジニアがオーナーシップを持って推進します。
自分の手がけたものが実際にユーザーに使われ、社会に役立っていることを肌で実感できるやりがいを感じられるはずです！

＜具体的な業務内容＞
◆データ戦略・構想策定
・現状アセスメント（基盤・データ品質・組織・プロセスの診断）
・DWH/レイクハウス選定支援（Snowflake/Databricks/BigQuery等の中立評価）
・データ活用ロードマップ、投資対効果の整理と経営層への提言

◆データマネジメント設計
・データガバナンス体制、データオーナーシップの設計
・メタデータ管理・データ品質管理プロセスの構築
・指標定義の統一（セマンティックレイヤー設計）

◆AI活用構想・導入
・生成AI/RAG/エージェントのユースケース設計と優先順位付け
・PoC設計、評価指標策定、本番移行判断
・AIガバナンス・ガードレール設計支援

◆導入後の定着伴走
・利用部門へのイネーブルメント、運用プロセス定着
・効果測定と次フェーズ提案

＜プロジェクト例＞
▼大手キャリア
全社利用を前提としたAIエージェント基盤設計・開発

▼大手サービス業
複雑な基幹システムのデータを棚卸し→本番化基準を策定→業務効率化のための分析基盤構築

▼大手小売
棚割自動生成ロジック開発
（数理最適化とルールモデルを組み合わせ、棚割計画を高速自動化）

ほか

◎入社後は、社内Wikiや議事録の確認を通じて既存プロジェクトの理解を深めていただき、
AI案件の背景やデータ構造・技術判断をスムーズに把握できるようサポートします。
その後お持ちの経験やスキルに応じたプロジェクトにジョイン。必ずチームで取り組むのでご安心ください。