株式会社APTOの【AI Data事業部】Fullstack Engineerの求人

■ 募集背景
AIの性能を決定づけるのはモデルだけではなく、その学習に用いられるデータの質と量も大事です。
しかし現実のAI開発においては、データ収集・生成・アノテーション・品質管理といった工程が依然として属人的かつ非効率なプロセスに依存しており、この領域がAI活用の最大のボトルネックとなっています。

APTOは、この構造的な課題を解決するため、AIデータ生成・管理を一元的に扱うデータ基盤プラットフォームを開発・提供しています。

現在、プロダクトはPoCフェーズを越え本番利用が急速に拡大しており、取り扱うデータ量・ユースケース・機能要件の複雑性が同時に増大しています。

その中で、

・データ規模の急増に耐えうる設計の必要性
・長期的な拡張性を見据えたアーキテクチャ再設計
・プロダクト全体を俯瞰した技術意思決定

といった課題が顕在化しており、単なる実装ではなく、基盤設計をリードできるエンジニアが不足しています。
そこで今回、AIデータプラットフォームの中核を担うプロダクトエンジニアを募集します。

■ このポジションの本質
本ポジションは、一般的なWebサービス開発とは異なります。
開発するのはユーザー向けのアプリケーションではなく、AI開発に必要なデータを生み出すためのプラットフォームそのものです。

扱う対象の一例としては、

・生成され続ける大規模データ
・構造が一定でない非定型データ
・人手作業とシステム処理が混在するワークフロー

といった、AI開発特有の複雑性を持つ領域です。

このポジションでは、
・データがどのように生成され
・どのように処理され
・どのように品質管理され
・どのようにAI開発へ流れるか

という、データの生成から評価・改善に至る一連のプロセス設計を担っていただくポジションです。
単なる機能実装ではなく、プロダクトの長期的な進化を見据えた基盤設計を行うことが求められます。

■ 具体的な業務内容
・AIデータ基盤（Backend / API / DB）の設計・改善
・大規模データ処理を前提としたアーキテクチャ設計
・データ生成・管理ワークフローのシステム設計
・プロダクトスケールに伴う技術的課題の解消
・クラウドインフラの設計・運用改善
・技術選定および設計方針の意思決定

■ このポジションの難易度と面白さ
本ポジションでは、一般的なWeb開発では扱わない課題に直面します。
例えば、

・正解が存在しないデータ構造の設計
・継続的に増え続けるデータの運用設計
・人手によるアノテーション工程のシステム化
・多様なAIユースケースに対応する汎用基盤の設計

といった、AIデータ領域特有の問題を解く必要があります。
一方でこれらを解決することは、AI開発の根幹を支える基盤を作ることを意味し、社会におけるAI活用の広がりに直接的な影響を与えるインパクトを持つポジションです。

■ 主軸（最も期待する領域）
・Python（Django）を中心としたバックエンド設計
・PostgreSQL 等のデータ設計・運用
・大規模データを扱う基盤設計
・スケーラブルなアーキテクチャ設計

■ 周辺技術
・フロントエンド：TypeScript / React / Next.js
・モバイル：React Native
・インフラ：AWS / GCP / Docker / Kubernetes
・CI/CD：GitHub Actions
・AI連携：Vertex AI / SageMaker

■ 任せたい裁量
・技術選定および設計方針の決定
・基盤アーキテクチャの進化の主導
・プロダクトスケールに伴う構成変更の判断

エンジニア起点でプロダクトの構造を進化させることを期待しています。

■ このポジションで得られるもの
・AI開発の根幹を支えるデータ基盤設計の経験。
・プロダクトの長期的進化を見据えたアーキテクチャ設計経験。
・技術意思決定を担うポジションでの成長機会。
・将来的なTech Lead / アーキテクトへのキャリアパス。

• AIデータ基盤を 設計 → スケール → 改善 まで一貫して経験できる
• 実際に使われるAIプロダクトの失敗と改善に向き合える
• 技術的意思決定を任されるポジションでの成長
• 将来の Tech Lead / アーキテクトへのキャリアパス

• 業務要件をもとに、Webアプリケーションのバックエンドを設計・実装・運用してきた経験（目安：3年以上）がある方。
• Python（Django等）またはTypeScript を用いたAPI開発・業務ロジック実装・既存機能の改修経験があり、実運用を前提に保守性や変更容易性を意識して開発してきた方。
• PostgreSQL 等のRDBMSにおいて、テーブル設計・インデックス設計・クエリ作成を行い、パフォーマンスを意識した運用改善（例：遅いクエリの特定と改善、スキーマ変更、負荷対策）に関わった経験がある方。
• AWS または GCP 環境で、アプリケーションのデプロイ、設定変更、障害対応、運用改善を行った経験がある方。
• 「データを作る／増える／変わる」ことを前提に、データのライフサイクル（生成・管理・更新・品質・権限・監査）を意識したシステム設計に関心があり、AI/機械学習に関連するデータやシステムに触れた経験（実務/プロジェクト/プロダクトいずれでも可）がある方。

• プロダクトの将来を見据えたアーキテクチャ設計・技術選定に主体的に関与した経験がある方。
• 大量データ・非定型データ・継続的増加を前提にした基盤設計や運用改善の経験がある方（例：バッチ/ストリーミング処理、ジョブ設計、キュー、分散処理、ストレージ設計など）。
• データの品質管理を仕組みに落とし込んだ経験がある方（例：検品フロー、ラベル品質評価、アノテーションガイドライン管理、差分管理、監査ログ、権限制御など）。
• Docker / Kubernetes を用いた開発・運用経験がある方。
• CI/CD（GitHub Actions等）の設計・改善により、リリース頻度や品質を上げた経験がある方。
• AI連携基盤の実装経験がある方（例：Vertex AI / SageMaker / Feature Store / Embeddings / 推論API連携など）。
• MLOps・データパイプライン（ETL/ELT、データバリデーション、データカタログ等）への関心、または構築経験がある方。