株式会社BALLASのSoftware Engineer, AI Platform (AI/LLM)の求人

AIは人の仕事を代替するのか？

生成AIの進化によって、多くの知的労働が自動化されようとしています。
しかし、巨大産業の現場には依然としてAIが扱えない領域が残されています。

・設計者の判断
・調達担当者の経験
・製作工場のノウハウ
・施工現場の意思決定
これらは長年、人の経験と暗黙知によって支えられてきました。
BALLASが取り組んでいるのは、その暗黙知をAIが理解できる形へ変換することです。

具体的な業務

• 図面・仕様書・見積・発注データを活用したAI機能の企画・開発
• LLMを活用した業務支援機能の設計・実装
• マルチモーダルAIを活用した図面理解・構造化
• AI Agentを活用した業務自動化
• 評価基盤・LLMOpsの設計
• PdM・Biz・設計担当と連携したプロダクト開発

技術環境（2026年6月時点）

フロントエンド

React、Next.js、TypeScript

バックエンド

Python、FastAPI、NestJS、TypeScript、GraphQL、GraphQL

Testing

Jest

AI/ML

Vertex AI、Gemini、Cloud Vision API

Infrastructure

Google Cloud Platform (GCP)、Firebase、Vertex AI、Cloud Vision API、Gemini、Docker、Terraform、PostgreSQL

DevOps

GitHub、Notion、Cursor Agent、Devin、Gemini、Google Cloud Monitoring、Sentry、Google Cloud Monitoring

Design / Collaboration

Figma、Miro、Slack、Notion

このポジションで得られる挑戦

・AI Agent時代におけるリアル産業の新しいオペレーティングシステムの設計
・プロダクト、AI、データ、オペレーションを横断したシステムアーキテクチャ構築
・業務モデリングからプロダクト実装までを一気通貫で推進する経験
・AI Nativeな産業プラットフォームの構築

なぜ、AIだけでは産業は変わらないのか？

多くのAIプロダクトは、既存業務の一部を効率化することに留まっています。
しかし、建設業や製造業のようなリアル産業では、単純な自動化だけでは価値を生み出せません。
そこには
・図面
・仕様書
・見積
・発注
・施工計画
といった膨大な非構造データが存在し、
さらに、
・企業ごとに異なる業務プロセス
・例外だらけの現場判断
・暗黙知に依存した意思決定
が複雑に絡み合っています。

AIが本当に価値を発揮するためには、業務そのものを構造化し、
AIが理解・実行できる状態へ変換する必要があります。
BALLASが取り組んでいるのは、単なるAI活用ではありません。
産業の意思決定をコード化し、再現可能な仕組みとして実装することです。

BALLASとは？

「建設業を最適化し、人々を幸せに。」をミッションに掲げ、建設サプライチェーンをアップグレードするテックカンパニーです。
プラットフォーム運営を通じて設計・調達・製造に携わりながら一次情報を蓄積し、業界の標準化・最適化を推進しています。
リアルなオペレーションをコード化し、AI Nativeな産業インフラの構築を目指しています。

BALLASのプロダクト

BALLASでは「BALLAS SCM」と「BALLAS LINKS」の2つのプロダクトがあります。

・「BALLAS SCM」：自社とパートナー工場様が使うサービスで、設計から製造までのオペレーションをAI Nativeに再設計するためのプロダクトです。
・「BALLAS LINKS」：お客様である建設工事会社様が使うプロダクトです。こちらは、建設工事会社様の内部にある設計・調達プロセスを統合するプロジェクト基盤になります。

今までお客様は、図面の管理にファイルサーバーやクラウド、仕様の協議はメールやチャット、やりとりは口頭と様々なツールを使い分ける状況でした。それを一つに統合することで、認識のズレや余計な工数を大幅に削減できます。さらに、蓄積された作図・購買プロセスデータをもとに、AIによる業務の自動化も進めています。

【参考：BALLASが取り組む課題】
BALLASが挑む建設サプライチェーンの復興──消えゆく町工場と日本の課題
https://youtrust.jp/studio/articles/ballas

代表・木村の起業への想い

なぜBALLASを立ち上げたのか

1400年以上にわたり日本の発展を支えてきた建設業界は、今なお社会インフラを支える巨大産業です。一方で、現場では深刻な職人不足や、アナログで不透明な調達プロセスによる過度な調整負担など、産業全体の生産性を阻害する課題が残されています。

多重請負構造の中で分断されてきた設計・調達・製造・施工のプロセスをデータでつなぎ直し、人とAIが協働できる業務構造へ再設計することで、人が創造的な仕事や本質的な意思決定に集中できる産業を実現したい。

その想いから、BALLASを創業しました。

BALLASが目指すのは、顧客・パートナーにDXを強制しないDXです。
建設部材の調達プラットフォーム「BALLAS」は、自らがサプライヤーとして設計・調達・製造に携わりながら一次情報を蓄積し、業界の標準化・最適化を推進しています。「BALLASに頼めば、やり方を変えずに業務が最適化されていく」そんな体験を提供していきたいと考えています。

【参考：サプライヤーBALLASという戦略】
■取締役COO中西「川下から川上へ、サプライチェーンをかえる」
https://note.com/ballas/n/nd8f29e3d2c54

BALLASという組織の3つの魅力

① 産業変革の最前線で、事業と組織の両方をつくるフェーズ

IPOを目指す成長過程にありながら、事業・組織ともに未完成。
仕組みづくりや新たな挑戦の機会が数多くあります。

【参考：投資家対談】
■非住宅分野の工業化（大和ハウス工業とBALLASのチャレンジ）
https://newspicks.com/news/16132298/body/
■AI時代の建設業の在り方(山九株式会社と、BALLASのチャレンジ)
https://note.com/ballas/n/nac0071ddd0dc?magazine_key=m2d2c927dffd6
■建設サプライチェーンを絶やさない(日揮株式会社と、BALLASのチャレンジ)
https://note.com/ballas/n/n231c96e140b5?magazine_key=m2d2c927dffd6

② AI Nativeな働き方を実践する組織

Claude Code、Cursor、Devin、Gemini などの生成AIツールを組織の標準装備として活用しています。
AIを個人の工夫に留めず、組織の生産性向上につなげる取り組みを推進しています。

【参考：投資家対談】
AIと相性のよいBALLASという事業(Z VCからみたBALLAS)
https://note.com/ballas/n/n8e9b32584463

③ 強みを伸ばしながら成長できる人事制度

マトリクス型キャリアモデルを採用。
マネジメントだけでなく、専門性を高めるキャリアも選択できる環境です。
【参考：BALLASの組織開発】
共同創業者 執行役員 コーポレート本部 責任者益田の記事
https://note.com/ballas/n/nbaa4cb59f8d1

• LLMを使うことよりも、AIが解ける問題を設計することに興味がある方
• モデル開発だけでなく、実際の業務への社会実装まで責任を持ちたい方
• AI・ソフトウェア・オペレーションを横断して価値創出に取り組みたい方
• 人の暗黙知を構造化し、再利用可能な資産へ変換することに面白さを感じる方
• AIによって巨大産業のあり方を変えたい方

一緒に働くメンバー

メンバー例

■プロダクト開発部 責任者 濱田
AI Nativeなプロダクト開発
https://note.com/ballas/n/n17474f6ad1c2

■テックリード 片岡
コミュニケーションと情報の最適化で「良いモノづくり」を実現
https://note.com/ballas/n/ncd9a27ac3c4f?magazine_key=mf040e7ab6852

■設計DX 大関
リアル×テックで進化する設計 – 構造から変える、建設業の未来
https://note.com/ballas/n/nda4feb73969f?magazine_key=mf040e7ab6852

TEAM BALLAS

平均年齢は32.4歳。
若い組織でありながら、設計・施工・調達・生産管理など、それぞれの領域で実務経験を積んだプロフェッショナルが集まっています。
職種や役職に関わらず、互いを尊重しながらフラットに議論し、より良い顧客価値の創出に向き合っています。

また、BALLASには11条からなる「BALLAS信条」があり、メンバー一人ひとりが以下のような価値観を大切にしています。

• ゴール思考
• 組織での付加価値最大化
• 他責にしない

こうした価値観を共有しながら、産業変革に挑戦しています。

• 3年以上のバックエンド開発経験、またはそれに相当する能力
• 1つ以上のプログラミング言語に関する理解
• 機械学習の概念への理解
• ソフトウェアエンジニアリングのベストプラクティスへの知識
• 問題解決能力、分析能力、コミュニケーション能力

• コンピュータサイエンス、エンジニアリング、または関連分野の学士または修士
• MLOps・LLMOpsの原則とツールへの精通
• TensorflowやPyTorchなどのエコシステムを使用した、機械学習に携わった経験
• Python または Rust を用いたの開発経験
• Docker等のコンテナ技術を利用したサーバ開発ができる
• AWS、GCP、Azure等のクラウドインフラをInfrastructure as Codeのプラクティスに則り活用できる能力