株式会社enechainのTech.08_AIエージェント基盤エンジニアの求人

■ このポジションについて

本番で動いている社内のLLM Gatewayを起点に、AIエージェントの実行環境、社内データやツールをAIから使うためのMCP基盤、AI出力の評価基盤を、1つの仕組みとして設計し、育てていくポジションです。

enechainは、AIエージェントに任せられる作業を広げ、エンジニアが設計と判断に使える時間を増やす、AI-Nativeな開発組織への転換を進めています。
次に目指すのは、人が仕様と品質の基準を決め、AIエージェントが実装・テスト・レビューへの対応までを進める開発のやり方です。業務の現場でも、AIエージェントが社内のデータやツールを呼び出して仕事を進めるようになります。そのどちらも、この社内AI基盤の上で動きます。

LLM Gatewayへは、社内のAI利用を順次切り替えています。評価基盤とMCP基盤は、設計方針の文書や一部のチームでの稼働はあるものの、全社で使える共通の基盤にはなっていません。AIエージェントの共通の実行環境は、これから作ります。

所属はEMを含む2名のチームです。社内の調整はEMと一緒に進め、Kubernetesクラスタやネットワークは同じ部門のプラットフォームチームと、セキュリティの判断はセキュリティ部門と組んで進めます。

■ このポジションで挑戦できること

1. LLM Gatewayと3つの基盤を、1つの仕組みとしてまとめる
   多くの組織では、AIエージェントの実行環境、MCP基盤、AI出力の評価基盤を、別々のチームが別々の時期に作り、後からつなぎ合わせます。enechainでは、稼働中のLLM Gatewayと合わせて、1つの仕組みとして設計できます。たとえば、Gatewayで集めている利用ログを評価やコストの分析にそのまま使う、エージェントに許す操作とMCP基盤で公開するデータを同じ方針で決める、といった作り方ができます。

2. 電力取引という失敗が許されない領域で、AI-Nativeな基盤を構築する
   enechainは、国内最大のエネルギーマーケットプレイスを運営しています。エネルギーという社会インフラの取引を支え、経済産業省の許認可のもとで事業をしているため、システムには高い品質と、止まらないことが求められます。こうした業界では、品質を守るには人の手で確かめるしかない、という前提が根強く残りがちです。enechainはその前提を見直し、品質の要求を下げずに、開発と運用のやり方をAI-Nativeに作り変えていきます。規制が厳しく失敗が許されない業界でもここまでできる、という例を、国内で先頭に立って示すことを目指しています。このポジションは、その土台を作る役割です。

   汎用的なAI基盤の機能は、モデルやクラウドの事業者が次々と製品にしていきます。一方で、高い品質が求められる業務を、AIを前提に作り変える設計は、製品では置き換えられません。

3. AIエージェントが社員と並んで働く時代の、会社の土台を先に作る
   数年のうちに、社内ではAIエージェントが開発や業務の多くの仕事を受け持つようになります。そのとき必要になるのは、エージェント一つひとつの身元と権限、仕事の記録、出力の品質を確かめる方法です。社員には当たり前にある入社の手続き、権限の付与、仕事の評価に当たるものを、AIエージェントのために設計する。まだどの会社にも決まった答えが無い領域で、これからの会社の作り方そのものに関わる経験を積めます。

■ 決められること

• 設計と技術選定: 基盤の設計から使う技術まで、ご自身が中心になって決めます
• 優先順位: 利用状況やコスト、障害の傾向から次の課題を見つけ、EMと優先順位を決めます
• チームをまたぐ変更: Kubernetesやネットワークに手を入れたほうが早ければ、プラットフォームチームのレビューを経て、自分で変更を出せます

新しいサービスの導入と社内データの扱いのルールは、セキュリティ部門とEMの確認を経て決めます。

■ 業務内容

• LLM Gatewayの開発・運用: 社内Gatewayの改善・障害対応。使えるモデルの制御、利用者ごとの予算管理、APIキーの管理方法の改善、監査ログの収集・管理
• AIエージェント実行環境の設計・構築・運用: AIエージェントごとに、何を実行してよいか、どのデータやシステムにアクセスしてよいかを設計し、安全な実行環境を作る。特定のエージェント製品に依存せず、製品を差し替えられる作りにする
• MCP基盤の整備: 社内の各チームがMCPサーバーを公開するときの基準と、認証・利用記録の仕組みを、関係チームと一緒に作る
• AI出力の評価基盤の運用・展開: LLM-as-a-Judgeなどを使った、本番リリース前の品質判定の仕組みを運用する。そのうえで、各プロダクトチームが自分たちで評価できるように、全社に広げる
• AIコスト・利用状況の見える化と最適化: プロバイダ別・チーム別のコストとトークン利用量を見える化し、予算管理や投資の判断に使うダッシュボードを作り、運用する

この先の広がりとして、基盤が全社の標準になるにつれて、社内のAI利用の統制ルールや、新しいモデル・ツールを全社で採るかの判断にも関わる場面が増えていきます。

■ 開発・業務で使えるAIツール

• コーディング・開発: Claude Code、Codex、GitHub Copilot、Cursor、Devin
• 調査・ドキュメント作成・業務効率化: ChatGPT、Gemini、Notion AI、NotebookLM、Microsoft Copilot、Slack AI

■ 会社概要
2019年の創業以来、エネルギー事業者向けにオンラインのマーケットプレイスを提供し、大手電力会社を含むマーケットの95％のシェアを占める法人企業が参加する国内最大の取引市場へと成長しました。GTV (取扱高) は3兆円に迫り、今後は単年度の取扱高で100兆円市場の実現を目指しています。

2026年1月にはシリーズB追加ラウンドで総額50.5億円の調達を実施し、さらに開発チームへと積極投資しています (累計取扱高3兆円を突破。今後はグローバル水準の機能開発、セキュリティ投資、AI活用を加速)。
https://enechain.co.jp/news/enechain-raises-5billion-jpy-in-series-b-extension

■ プロダクト
1/ eSquare: トレーディングプラットフォーム
国内初のオンラインでエネルギーを自由に売買できる本格的なトレーディングプラットフォーム (経産省による許認可事業)
2/ eCompass: マーケットデータプラットフォーム
電力取引に必要な、電力価格や燃料価格の市況データなど、エネルギーに関するあらゆるデータ・マーケット情報を提供するデータプラットフォーム
3/ eScan: マーケットのリスク管理ツール
取引状況や市況データから事業上のリスク量を可視化する日本電力に特化したETRＭ(Energy Trading Risk Management System)
4/ JCEX: 環境価値取引のマーケットプレイス
気候変動の緩和や日本におけるカーボンニュートラルの実現を後押しする、国内の環境価値や海外ボランタリークレジットをオンライン上で売り買いできるマーケットプレイス
-> プロダクト情報: https://enechain.co.jp/services

• 基盤を作って終わりにせず、利用状況、コストの推移、障害の傾向を分析し続け、自分から改善を続けられる方
• 非決定論的な振る舞いをするAIの出力を、数値で測り、挙動を後から追えるようにする仕組みづくりに知的好奇心を持てる方
• エネルギー市場や脱炭素化が社会に与える影響、あるいは市場で価格が決まる仕組みに興味を持てる方
• "Building Energy Markets, Coloring Our Society" という enechain のミッションに共感し、その実現に向けて周囲と協働できる方

• Kubernetes上で、複数のチームが使う共通基盤を、アーキテクチャの設計から運用・障害対応まで、自分が中心になって担当した経験
• PythonまたはGoで、本番で動くシステムを開発した経験
• 業務か個人開発かを問わず、LLMのAPIを使ったシステムを作り、動かした経験
• Claude Code、Codex、CursorなどのAIコーディングエージェントを日常の開発で使い込んでいること
• 日本語での業務遂行能力（日本語能力試験N1相当以上）

• ドキュメント整備や移行支援を通じて、社内向け基盤を使うチームを増やした経験
• LLM Gateway、LLMの出力評価、利用コスト管理など、LLMを使った本番システムの運用経験
• MCPサーバーの構築経験、またはAIエージェントによる外部ツール連携基盤の開発経験
• 評価用データセットの設計、LLM-as-a-Judgeの実装、本番での品質監視など、LLMの出力評価の経験
• 認証・認可、シークレット管理、監査ログ収集など、高度なセキュリティ要件を満たす基盤の設計・構築経験
• GitHub ActionsのSelf-hosted runnerなど、CI環境で安全に動く実行基盤の構築・運用経験