株式会社タイミーのプロダクトAI/MLエンジニアの求人

事業内容

当社は「『はたらく』を通じて人生の可能性を広げるインフラをつくる」をミッションに掲げ、スキマバイトアプリ「タイミー」などの事業を展開しております。
近年、少子高齢化に伴い、労働に従事する人口の不足が深刻化し、それと同時に働き手に対する負荷が大きくなっています。
当社が提供している「タイミー」は、人手不足の解消や職場環境の改善など、企業が抱える「人」に関する経営課題を解決することができます。 また、人々の働き方を根底から変え、従来のアルバイトや派遣業界が抱えていた課題を解決し、一人一人が好きな時に働き、様々な仕事を経験することで人生の可能性を広げ、自分の時間をより豊かにできる世界を目指します。
サービスリリースから約6年経過した現在、

・ワーカー数：1,340万人
・事業者数：226,000社
・事業所数：440,000拠点
※2026年1月末時点

今後は、スポットワークをさらに世の中に広げることで国内の労働市場における課題を解決することを主軸としつつ、「はたらく」に留まらない多様なアプローチで、「一人ひとりの時間を豊かに」する挑戦を続けていきます。

採用特設LP
https://corp.timee.co.jp/special-recruit/

会社説明動画
https://youtu.be/0JzkjwqK4Vg

※シニア求人も並行して募集中です

募集背景

当社は「『はたらく』を通じて人生の可能性を広げるインフラをつくる」というミッションのもと、スポットワーク市場のリーディングカンパニーとして急速な事業成長を遂げています。この成長を支え、さらに加速させるためには、AI/MLの力でプロダクトの価値を直接高める「プロダクトAI/MLエンジニア」の存在が不可欠です。

現在、データサイエンスグループでは、ワーカーと事業者の最適なマッチング体験の実現から、プラットフォームの信頼性・安全性の向上まで、多岐にわたる領域でAI/MLを活用した課題解決に取り組んでいます。これらの取り組みでは、LLM等の基盤モデルを活用した高度な解釈・制御を行う「AIエンジニアリング」と、従来の機械学習を用いた高精度なパターン認識・最適化による「MLエンジニアリング」の両輪が求められます。

私たちはこれらの技術を適切に組み合わせ、プロダクトの課題を技術で解決し、事業インパクトを生み出せる「プロダクトAI/MLエンジニア」を募集しています。

業務内容

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

入社後の期待イメージ

• 入社後3ヶ月 ：担当ユースケースの1つで、モデル・AI機能・業務ロジックの改善を本番に反映し、評価・監視・運用まで含めた改善サイクルを回し始めている状態
• 入社後6ヶ月 ：マッチングまたはTrust & Safety領域において、課題設定、評価設計、改善方針の検討、実装、運用までを主体的にリードし、継続的な改善ループの高度化に貢献している状態
• 入社後12ヶ月 ：マッチングまたはTrust & Safety領域で複数の関係者を巻き込みながら改善テーマを継続的に推進し、改善ループの高度化や技術的な意思決定の質向上に明確に貢献している状態

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

データエンジニアリング部の特徴

・データエンジニアリング部全体で頻繁に勉強会を実施しています。部署を跨いでの勉強会も実施されており、興味がある人は参加できる形を取っているので、興味がある分野について学べる機会が多いです。

・一人ひとりが自律的に技術力向上に取り組めるように成長をサポートする制度があります。

・フレックス×リモートでの勤務が可能なため、自分自身が集中して働ける環境を選べます。
※各自の在宅環境をリモートワークに最適化することを支援する制度があります。

・心理的安全性が高い組織なため、相談しやすい環境が整っています。
※参考記事「心理的安全性の勉強会を開催しました」

・データを利活用する土壌が整っております。また、経営陣含め、データの大切さを理解している社員が多いです。

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。

インタビュー記事

採用要件

MUST

必須経験・スキル

• 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 ：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

WANT

• マッチングシステム・マーケットデザインの知見 ：Two-Sided Marketにおけるマッチング最適化、推薦・ランキング設計、運用経験
• データセットエンジニアリングの実務経験 ：大規模なデータの収集、クリーニング、重複排除、およびアノテーションプロセスの設計・管理経験
• AIを活用したデータ生成・評価経験 ：AIを用いた合成データ生成や、AI as a Judgeによる自動データ検証システムの構築経験
• MLパイプライン・Feature Store上でのプロダクト実装経験 ：Vertex AI Pipelines等のMLパイプラインやFeature Storeを活用し、プロダクトへのモデル実装・安定運用を行った経験
• エンドツーエンドの運用設計能力 ：ビジネスや現場のオペレーション要件から逆算し、モデルの推論だけでなく、異常時の対応フローや監視体制、現場運用への定着・適用プロセスを含めた実用的な運用設計を行った経験

求める人物像

• 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