プロダクトAI/MLエンジニア

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety（信頼性・安全性）領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 1.マッチング体験の向上 ●マッチングロジックの実装・運用 ：ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて実装し、安定運用と継続的な改善を担う ●マッチングに必要なデータ・特徴量の設計と実装 ：マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら実装・運用する ●ML基盤上での機能実装・運用 ：Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用、およびRecommend API周辺のプロダクト実装・安定運用を担う ●LLMを活用した自律的な改善ループの構築 ：LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを構築する 2. プラットフォームの信頼性・安全性向上 ●AI機能の安全性実装 ：LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能を実装・改善する ●運用を踏まえたリスク制御の設計 ：AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ●リスク予測・異常検知モデルの開発 ：構造化データから、プラットフォームの信頼性を損なうパターンを特定する高精度な分類・回帰モデルの構築、および特徴量エンジニアリング ●データセット設計・品質改善 ：多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成によるモデルの堅牢性強化 3. 共通基盤を活用した実装・改善 ●LLMOps/評価基盤の活用と改善提案：実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善 ●品質・コスト・レイテンシーの継続的な可視化：モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す ▼本ポジションの魅力 スポットワークという、高頻度・高変動・短寿命な需給データを扱う二面市場で、AI/MLを直接プロダクト価値につなげることができます。 単純なモデル精度改善だけでなく、マッチングロジック・安全性・ユーザー体験・現場運用の成立を同時に考える、難易度の高い課題に取り組めます。 マッチングとTrust & Safetyの両領域を横断し、従来の機械学習とLLMの双方を実プロダクトで活用する経験を積むことができます。 モデルやAI機能を作って終わりではなく、評価・監視・継続改善まで含めた運用に責任を持てます。データサイエンティストやMLOpsエンジニアと連携しながら、プロダクトへの価値実装に集中できます。 既存の仕組みを運用するだけでなく、課題設定、評価設計、改善方針の検討まで含めて主体的に関わることができます。 グループのミッション実現に向けて、最適なアルゴリズム、モデル、コード、ツールについてチームで議論・提案しながら前に進める文化があります

将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。

●データ活用による課題解決経験：データ分析・機械学習を用いて、具体的なビジネス課題を解決した実務経験 ●開発・分析基盤の習熟：SQLおよびPython等を用いた大規模データ処理、クラウド（Google Cloud/AWS等）環境での開発・運用、およびGitを用いたチーム開発の実務経験 ●機械学習・統計学の知識：確率論、学習手法、評価指標、および非構造化データの処理に関する理解 ●モデルやAI機能の実装・運用経験：MLパイプラインやCI/CD等の基盤を活用し、モデルやAI機能をプロダクトに実装・運用した経験 ドメイン経験（いずれか1つ以上） ●マッチング・検索・ランキング機能の実装経験 ：マッチング機能や検索・ランキング機能の実装、評価、改善に携わった実務経験 ●Trust & Safety / リスク制御領域の実装・改善をリードした経験 ：安全性や信頼性に関わるAI/ML機能、業務ルール、人による確認フローを含む仕組みの設計・運用をリードした経験 ●リスク予測・異常検知モデルの開発経験 ：構造化データを活用した分類・回帰・異常検知モデルの設計、実装、運用経験 ●基盤モデルを用いたAIアプリケーションの開発経験 ：コンテキストエンジニアリングや評価パイプライン構築、RAGなどの基盤モデルを用いたアプリケーション開発の実務経験 ** 求めるスタンス ●技術と事業の両方を見ながら前進できる方：AI/MLの能力と限界を踏まえ、技術的な論点を非エンジニアにもわかりやすく伝え、合意形成しながら前進できる方 ●不確実性の高い課題を構造化して進められる方：誤検知・見逃し、コスト、レイテンシー、品質などのトレードオフを整理し、優先順位を判断しながら前進できる方 ●複数の関係者と協業しながらやり切れる方：複数チーム・領域にまたがるプロジェクトにおいて、周囲の専門性を巻き込みながら、実装から運用まで推進できる方

●当社のミッション、社会貢献性の高い事業に共感していただける方 ●当社のバリューにフィットする方 ●業界・顧客理解のためにインプットを怠らない方 ●課題解決に向け、自ら考え、手を動かすこともできる方 ●周囲と円滑なコミュニケーションを取り、大胆に巻き込みながら仕事を進められる方 ●ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方

700万円〜1,100万円

●上記年収には賞与が含まれます 賞与：個人の能力発揮によって賞与の金額は変動します。 ●前職年収考慮いたします 昇給：人事考課にて給与改定があります 昇給：実績に応じて昇給有

※年収に賞与を含む

賞与：2回 昇給：2回

・AI・機械学習エンジニア

データサイエンスグループ

▼技術スタック(主要な部分の抜粋) ●クラウド 　・Google Cloud ●開発言語 　・Python ●データ基盤 　・BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 　・Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール 　・Looker / Looker Studio ●IaC 　・Terraform ●開発環境・ツール 　・Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc ▼扱っているデータ 以下のようなデータを扱っています ●アプリユーザーのアクセスログ、募集内容に関する情報 ●マッチングに関する情報 ●レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ●問い合わせに関するデータ ●営業活動情報のデータ

Python

BigQuery

GCP

Datadog

Terraform

正社員

なし

あり（3ヶ月）

フレックスタイム制

9:30〜18:30

11:00〜15:30

東京都港区東新橋1-5-2汐留シティセンター35階

フルリモート（地方在住 不明）

健康保険、労災保険、厚生年金保険、雇用保険

{

受動喫煙防止措置

{

"屋内原則禁煙（建物内喫煙スペース有）"

社員持株会制度

従業員持株会

書籍購入

120日

完全週休二日制、有給休暇、リフレッシュ休暇、年末年始休暇、慶弔休暇

リラックス休暇、慶弔休暇、年末年始休暇

産前産後休暇

{

通勤手当

交通費支給（上限5万円/月）、ダブルタイミーデイ、セミナー費用補助、結婚祝い金