FastLabel株式会社の生成AIエンジニア・ソリューションアーキテクトの求人

■主な業務内容
弊社は社会の「AIインフラ」を創造すべく、AIデータ基盤「FastLabel」の開発、教師データ作成代行に加え、生成AI/RAG・LLM活用を支えるAIデータプロジェクトを展開しています。生成AIのエンタープライズ活用が急速に広がる中で、PoCを本番品質へ引き上げるためには、LLM/VLMそのものの知見だけでなく、検索精度、評価設計、データ構造化、ドキュメント処理に関する深い技術理解が不可欠です。

FastLabelにおける生成AIエンジニアは、RAG、エージェント、LLM/VLM、ドキュメントAIなどの最新技術を社内に取り込み、お客様プロジェクトにおける生成AIシステムの開発・評価設計を推進するとともに、社内R&Dを通じて弊社が提供するサービスの技術的競争力を高める存在です。

会社全体の更なる成長のため、エンタープライズの生成AI実装を支えるデータインフラの進化をリードし、事業拡大の原動力となる生成AIエンジニアを募集します。

■具体的な業務内容
生成AIの登場以降、エンタープライズにおけるAI活用は新たなフェーズに突入しました。LLM/VLMを業務に組み込むRAG（Retrieval-Augmented Generation）、エージェント、ドキュメント処理など、適用領域は急速に拡大しています。一方で、エンタープライズ実装の現場では「PoCは動くが本番品質に到達しない」という課題が顕在化しており、その根本原因の多くは、検索精度、評価設計、データ品質に起因しています。「どのデータをどう構造化するか」「どの評価軸でモデル性能を測るか」が、生成AIシステムの成否を決定づけます。FastLabelは、AIデータのプロフェッショナル企業として、エンタープライズの生成AI実装を支えるデータインフラを提供しており、大手企業のRAG・LLM活用プロジェクトを多数支援しています。本ポジションでは、お客様プロジェクトにおけるRAG/LLMシステムの開発・評価設計と、社内R&Dにおける技術検証の両輪を担っていただき、生成AI領域の技術開発をリードし、事業拡大に貢献していただきます。

《具体的な業務内容》
生成AI/RAG領域のAIデータプロジェクトにおいて、お客様プロジェクトと社内R&Dの両方に携わっていただきます。

【お客様プロジェクト】
・詳細要件定義：お客様の業務課題、対象ドキュメント、ユースケース、評価基準を踏まえたRAG/LLMシステムの要件定義をPMと協力して実施
・システム開発：RAGパイプライン構築（チャンキング、埋め込み、検索、リランキング、生成）、LLM/VLMのファインチューニング、エージェント実装
・評価設計・改善：Evalsフレームワーク設計、評価データセット構築、エラー分析、ボトルネック特定（Retrieval精度 vs. Generation精度の切り分け等）、継続的な精度改善
・技術コンサルティング：データ設計、モデル選定、アーキテクチャ設計、運用要件に関する技術的助言、お客様への報告

【R&D】
・RAG技術検証：チャンキング戦略、ハイブリッド検索、リランキング、Contextual Retrieval、Agentic RAG等の効果検証
・日本語特有課題への対応：日本語トークナイゼーション、形態素解析、複合語処理、業界用語対応等の検証
・ドキュメント処理：PDF・スキャン文書・表・図表を含む複雑なドキュメントからの構造化抽出技術の検証（Unstructured.io、Docling、Reducto等の評価）
・LLM/VLMファインチューニング：SFT、DPO、継続事前学習などの実装・評価
・エージェント技術：Tool Use、Multi-Agent、長期記憶、Computer Use等の最新技術の検証
・最新論文サーベイ、実装、社内ナレッジ化
変更の範囲：上記の業務をご経験頂いたのちは、適正や希望に応じて当社業務全般に変更の可能性があります。

■募集背景
生成AI事業の急拡大に伴う技術組織の強化のため。
FastLabelは大手エンタープライズ顧客の生成AI/RAGプロジェクトを多数支援しており、案件数・難易度ともに急速に拡大しています。エンタープライズの生成AI実装は、単にLLMを呼び出すだけでは到達できない品質要件（業界特有のドキュメント構造、日本語特有の検索課題、厳格な評価基準、運用時のガバナンス等）が求められ、データ設計・評価設計の専門性を持つエンジニアの需要が高まっています。
技術的中核を担い、お客様の生成AI実装を成功に導くMLエンジニアを募集します。
※必要に応じてコーディング課題を実施させていただきます。

■仕事の醍醐味
【エンタープライズ生成AIの最前線の経験】
生成AIのPoCは比較的容易に立ち上がる一方、本番品質に到達するシステムは限られています。本ポジションでは、表面的なデモではなく、エンタープライズの本番運用に耐える品質をどう実現するかという、生成AI実装における最も本質的な課題に取り組めます。
【データ起点でAI開発の本質に踏み込む経験】
モデル選択肢が拡大する中、システム性能を決めるのはデータの設計と評価の設計です。本ポジションでは、業界最高水準のデータ品質基準を作る側に立ち、お客様の生成AI実装の成否を左右する本質的な意思決定に関与できます。
【日本語×エンタープライズという独自領域の専門性構築】
英語圏の標準的なRAG実装をそのまま日本語に適用しても精度が出ないケースが多く、日本語特有の課題（トークナイゼーション、業界用語、複雑なドキュメント構造）に深く取り組める機会は限られています。本ポジションでは、グローバルでは得られない日本語エンタープライズ生成AIの専門性を構築できます。
【R&Dと顧客プロジェクトの両輪を回す醍醐味】
社内R&Dで検証した最新技術を実プロジェクトに適用し、現場で得た課題をR&Dに還流させるサイクルを自ら作っていく経験ができます。論文・OSS動向の追跡と、現場での実装・評価を両立させることで、研究開発エンジニアとして高い市場価値を築けます。
【日本を代表する大手企業の生成AI実装に深く関与】
製造業、金融、通信、医療、自動車など、日本の産業基盤を支える大手企業の生成AIプロジェクトに参画します。業務インパクトの大きいプロジェクトに技術観点から深く関与でき、AI実装による産業変革の手応えを直接感じられます。

■キャリアパス
【生成AIスペシャリスト / テックリード】
RAG、LLM/VLMファインチューニング、エージェントなどの専門性を深め、プロジェクトの技術的責任者・テックリードとしてキャリアを構築できます。エンタープライズ生成AI実装の知見は、グローバルでも需要が高まる希少なスキルセットです。

【エンジニアリングマネージャー (EM) 】
チーム拡大に伴い、エンジニア組織のマネジメント、採用、育成を担うリーダーポジションを目指すことができます。

・顧客課題を深く理解し、研究開発に留まらずに技術の社会実装を考えられる方
・不確実性の高いテーマでも、自ら論点を整理し、手を動かしながら前進できる方
・周囲を巻き込みながら、主体的にプロジェクトを推進できる方
・新しい市場や技術に対する知的好奇心が強く、継続的に学べる方
・FastLabelのパーパスに共感し、産業変革の当事者としてコミットできる方

【開発経験】
・Pythonを用いた開発実務経験
・Linux環境での開発経験、およびGit/GitHubを用いたチーム開発経験
・Dockerなどのコンテナ技術を用いた環境構築経験
・クラウド（AWS, GCP, Azure等）を活用した開発・運用経験

【専門領域（以下のいずれか必須）】
・機械学習・深層学習の社会実装経験
　・PyTorch, TensorFlow, JAX等のフレームワークを用いたモデルの学習・推論・評価パイプライン構築経験
　・統計、機械学習、コンピュータビジョン、自然言語処理いずれかの理論的知識
・生成AI/LLM活用の実務経験
　・LLM API（OpenAI, Anthropic, Google等）を用いたアプリケーション開発経験
　・RAGシステムの設計・実装・運用経験
　・プロンプトエンジニアリング、Function Calling、Tool Useの実装経験

【ソフトスキル・スタンス】

・社内外のステークホルダー（PM、顧客、アノテータ等）と技術的な要件をすり合わせるコミュニケーション能力
・未踏の技術課題に対し、論文調査や仮説検証を通じて自走して解決策を導き出せる問題解決能力

【LLM/VLM・モデル開発】
・LLM/VLMのファインチューニング経験（SFT, DPO, RLHF等）
・Transformers, PEFT（LoRA/QLoRA）, Unsloth, vLLM, SGLang, TensorRT-LLM等のライブラリ使用経験
・量子化（GPTQ, AWQ, GGUF等）、蒸留、推論最適化の経験
・オープンモデル（Llama, Qwen, gpt-oss等）の活用・カスタマイズ経験
・VLM（GPT-4V, Claude, Gemini, Qwen-VL, InternVL等）を用いたマルチモーダル処理経験

【RAG・検索技術】
・ベクトル検索エンジン（Qdrant, Weaviate, Milvus, pgvector等）の構築・運用経験
・ハイブリッド検索（BM25 + ベクトル検索）の実装経験
・リランキング（Cross-Encoder, Cohere Rerank, BGE-reranker等）の実装経験
・Contextual Retrieval、HyDE、Query Rewriting等の高度な検索手法の知見
・日本語特有の検索課題（トークナイゼーション、形態素解析、複合語処理等）への対応経験
・LangChain, LlamaIndex, Dify, Haystack等のフレームワーク使用経験

【ドキュメント処理】
・PDF・スキャン文書・表・図表を含む複雑なドキュメントの構造化抽出経験
・Unstructured.io、Docling、Reducto、LayoutLM、Nougat等のツール・モデルの使用経験
・OCR、レイアウト解析、表抽出の実装経験

【評価・LLMOps】
・LLM評価フレームワーク（lm-evaluation-harness, OpenCompass, RAGAS等）の使用経験
・LLMOps基盤（Langfuse, LangSmith, Phoenix等）を用いた評価・運用経験
・LLM-as-a-Judge、人手評価設計の経験
・ドメイン特化評価データセットの構築経験
・RAGの精度分解分析（Retrieval vs Generation）、エラー分析の実践経験