株式会社U-ZEROの01.エンジニアリング本部 | データサイエンティストの求人

■会社概要
株式会社U-ZEROは、「Unhappyな働く人をゼロにする」ことをミッションに掲げる創業2年目のスタートアップです。
私たちは、従業員の声（VoE：Voice of Employee）を経営の意思決定に活かす「U-ZEROエンゲージメントスイート」を開発・提供しています。
設立間もないながらも、数万人規模の社員を抱える国内有数のエンタープライズ企業からの導入・引き合いが急増しており、組織変革のスタンダードを目指して急成長を遂げています。

▼会社紹介資料
https://speakerdeck.com/u_zero/u-zero-company-profile-for-engineers

■担当プロダクトについて
組織エンゲージメント改革AI SaaS「U-ZEROエンゲージメントスイート」
AIインタビュアーが従業員一人ひとりの「本音」を引き出し、経営層に直接届けることで、迅速かつ的確な組織改革を支援するプラットフォームサービスです。

現在、プラットフォームで稼働するマルチプロダクト開発を推進しております。

• コンストラクティブフィードバック: AIインタビュアーが従業員の声を深掘りし、組織課題を可視化します。
• フィードバックモニタリング：フィードバックモニタリングのサーベイ結果に基づいて、フィードバックスキルの可視化・フィードバック文化の醸成を支援します。
• エンゲージメントサーベイ：会社・組織へのエンゲージメントを把握、組織エンゲージメント改善を行うためのサーベイ実施します。

定量的なエンゲージメントサーベイのデータに加え、AIインタビュアーが収集した膨大な「非構造化テキストデータ」を保有している点が最大の強みです。これらのデータを掛け合わせてインサイトを抽出するだけでなく、マルチエージェント構成による高度なインタビュー体験を継続的に進化させることで、経営層に対する具体的な打ち手の提案までを実現しています。

■募集背景
私たちは創業2年目のスタートアップでありながら、数万人規模の社員が活躍する大手企業からの導入、引き合いが急増しており、事業の急成長フェーズを迎えています。

エンタープライズ企業への導入が進む中、システムには日々膨大なインタビューログが蓄積され続けています。この「宝の山」であるデータを統合・分析して価値あるインサイトを抽出するだけでなく、最新の生成AIを活用してAIインタビュアーの対話体験そのものを進化させることが、今後の事業成長において不可欠です。

そこで、LLMを用いたPoCの高速な実行からプロダクトへの本番実装、そして独自の分析基盤の構築までを横断的にリードしていただけるデータサイエンティストを募集いたします。

■業務内容
U-ZEROのデータサイエンティストとして、AIを活用した組織エンゲージメント改革プラットフォーム「U-ZEROエンゲージメントスイート」で提供される生成AIを用いた機能開発から、社内に蓄積されるデータの分析基盤構築までを包括的にご担当いただきます。

ユーザーがより自然に、より深く本音を語れるよう、LLMの設計・チューニングを通じてAIインタビュアーの応答精度や対話体験（UX）を向上させていくことが重要なミッションです。

さらに、そこから得られたテキストデータに対する分類・要約モデルの構築を行い、検証した技術や分析結果をPdMと共に直接プロダクトへ実装していただきます。

■具体的な業務内容

• 生成AIを活用した機能開発とPoC: 最新のLLM（OpenAI, Claude, Gemini等）を活用し、AIインタビュアーの対話ロジック改善や新機能のPoCを実行し、有効なものをプロダクトへ実装していただきます。
• AIインタビュアーの精度・体験向上: ユーザーの文脈を深く理解し、自然な深掘り質問を行うためのコンテキストエンジニアリングやRAGの設計・チューニングを行っていただきます。
• データパイプラインの設計・構築: サーベイデータと大量のインタビューログを統合し、効率的に分析するためのデータ基盤をメンバーと連携しつつ設計し、実装していただきます。
• 自然言語処理技術の適用: 蓄積された非構造化データ（テキスト・音声ログ）から、従業員の感情や課題の傾向を抽出するモデルを開発していただきます。
• 予測モデル・インサイト抽出ロジックの開発: 複数のデータを掛け合わせ、離職予兆の検知や、組織の強みを自動抽出するアルゴリズムを検証・実装していただきます。

■仕事の進め方
PdMから「解決すべき経営課題」や「向上させたいユーザー体験」など共有を受けて、エンジニア全員で「どのAI技術をどう使えば解決できるか」を議論し、プロトタイプの作成へと進みます。

仮説検証のためのPoCをGoogle Colab等で高速に回し、有効なAIモデルやロジックが見つかれば、すぐにプロダクトの開発チームと連携して本番環境へ実装していただきます。

エンジニアからの技術観点の提案も積極的に行われており、研究や分析だけで終わらず、自身の検証結果がスピーディにユーザーへ提供される実感を得ながら働くことができます。

■技術スタック
私たちは、顧客価値を最大化するために、常に最適な技術選択を追求しています。エンジニア一人ひとりが技術に対して高いアンテナを持ち、積極的に新しいツールや技術を導入・活用しています。

• AI / ML:
  • LLM: Azure OpenAI, Gemini
  • AIパイプライン/制御: Google Cloud Speech-to-Text / Text-to-Speech, Silero VAD, PyTorch
  • 埋め込み・検索: SentenceTransformers
  • プロトタイピング環境: Google Colab, Jupytext
• フロントエンド: TypeScript, Next.js
• バックエンド:
  • 新規プロダクト Ruby on Rails
  • 既存プロダクト Kotlin (Spring Boot)
  • AIエージェント Python (FastAPI)
• データベース: Cloud SQL for PostgreSQL
• インフラ: Google Cloud
• 認証基盤: Keycloak
• バージョン管理: GitHub
• CI/CD: GitHub Actions
• ツール: Slack, Notion,JIRA, BOX
• AIツール: Claude Code, ChatGPT, NotebookLM, CodeRabbit, Devinなど

■働き方

• リモートワークでもコミュニケーションが取りやすいように、GoogleMeetを繋いだ任意参加の常設URLなどもあり、同期的なコミュニケーションも取りやすい環境です。
• 裁量労働制を採用しているため、中抜けや勤務時間の調整は自由度が高く、個人のパフォーマンスやライフスタイルに合わせたフレキシブルな働き方が可能です。小さいお子様がいるメンバーも、お子様の送り迎えに合わせて中抜けやMTG実施時間の調整をするなど、柔軟な働き方を実現しており「メリハリをつけて働ける」と好評です。
• 開発チームは、ローンチ前などのフェーズによって忙しさの波があり、繁忙期には時間外労働が発生することもあります。（役割、タイミングによって異なりますが月40時間程度）
• 残業はあくまでも「期日を守るため」に必要な場合に行っており、無意味に長時間働くことを推奨しているわけではありません。また、休日出勤が発生した場合は代休を取得していただくなど、無理のない働き方の実現に配慮しており、今後より一層働きやすい環境を整えていく方針です。
• まだ仕組みづくりの途中にある組織だからこそ、パフォーマンスを高めるため施策の提案や改善などもこれから一緒に形にしていけるフェーズです。自由度高い環境を活かし、メンバー一人一人が組織作りも楽しんでいます。

■このポジションが向き合う挑戦

• ノイズの多い非構造データからの特徴抽出: 人間の自然な発話（音声・テキスト）という、ノイズが多く文脈依存性の高い非構造データに挑みます。単なる文字起こしではなく、感情や「ためらい」などのマルチモーダルな情報から、組織課題の真因となるインサイトを抽出する高度な自然言語処理の設計が求められます。
• 「正解」のない指標設計とLLMの品質評価: 「エンゲージメントの向上」といった定性的な概念に対し、ビジネス価値と紐づく定量的な評価指標を自ら定義する難易度の高いミッションです。出力が揺らぐLLMシステムにおいて、LLM-as-a-Judge等の手法を取り入れながら、品質を継続的に評価・改善する仕組みをゼロから構築します。

■このポジションの面白さ

• ノートブックを飛び出し、事業を牽引するAIエンジニアへ: データサイエンスの知見を分析やPoCに留めず、STT/LLM/TTSを統合したリアルタイム対話パイプラインの本番実装まで踏み込めます。モデルの検証からデプロイ、MLOps/LLMOpsの運用までを一気通貫で経験し、市場価値の極めて高いキャリアを築けます。
• データとモデル起点のボトムアップな価値創造: 「このEmbeddingモデルに変えれば検索精度が上がる」「このLLMの組み合わせならレイテンシとコストを最適化できる」といった、データサイエンティストならではの技術的視点が直接プロダクトの競争力になります。複数モデルを適材適所で使い分け、最良のアーキテクチャを追求できる環境です。
• 「バイブコーディング」で本質的な検証とモデリングに集中: Claude Code等を駆使し、データ前処理のスクリプトやパイプラインの定型コード作成を極限まで自動化。データサイエンティストが本来時間を割くべき「仮説検証」「モデルの評価」「高度なプロンプト設計」に没頭し、圧倒的な生産性の中で価値の実現に集中できる環境です。

• データ分析にとどまらず、最新の生成AIを活用したプロダクト実装まで幅広く手を動かすことに情熱を注げる方
• 整っていない環境や不確実性を楽しみ、自らAI技術の検証とデータ整備を推進できる方
• 技術的なアプローチや検証結果の妥当性を、ビジネスサイドにも分かりやすく説明できる方
• 最新のAIトレンドや機械学習の手法を常にキャッチアップし、実業務へ応用する意欲が高い方

• Pythonを用いた機械学習モデルの開発、および実運用環境への導入経験
• LLM（大規模言語モデル）を活用したアプリケーションのPoC、またはプロダクトへの実装経験
• 自然言語処理（NLP）に関する専門的な知識と、テキストデータを用いた分析・モデリングの実務経験
• ビジネス課題を理解し、適切なAI技術や分析手法を選択して解決に導くことができる方

• プロンプトエンジニアリングやRAGの設計を通じ、AIの応答精度や対話体験を向上させた経験
• 複数のデータソースを統合するためのデータパイプライン構築に関わった経験
• エンタープライズ企業向けのデータ分析基盤の設計・構築経験
• Webアプリケーション（FastAPI等）を通じたAI機能のAPI化やバックエンド開発経験