Wano株式会社のAIプロダクトエンジニアの求人

▼TuneCore Japanのサービスについて
自分で作った楽曲を利用者であれば、“誰でも”世界中（185ヶ国以上）で55以上の配信ストア・プラットフォームへ配信できる米音楽配信ディストリビューションサービス『TuneCore』の日本版。2012年10月より日本でのサービスを開始。アーティストへの還元総額は700億円を突破しました！「あなたの音楽でセカイを紡ぐ」のビジョンのもとアーティストをサポートし、音楽の素晴らしさを世界中に広めるため、積極的にサービスを展開しています。

＼＼ポジションの魅力／／
◎AIを「研究」ではなく「プロダクト価値」に変える仕事
整った社内 AI 活用カルチャーを次のフェーズとしてユーザー向けプロダクト機能への LLM 組み込みを本格化する経験ができます！

◎LLMプロダクトの企画・技術選定から実装までリード可能
プロダクトに最適な技術を選び、設計・実装・改善まで一気通貫で携われます。

◎最新のAI技術を実プロダクトで試せる
社内AIエージェント基盤や既存のAI活用ノウハウをベースに、次のAI活用をプロダクト領域へ広げていくフェーズです！
＿＿＿＿＿＿＿＿＿＿＿＿

▼業務内容
LLM API をプロダクト機能への統合をお願いします。モデルトレーニング・MLOps ではなく、LLM API を呼び出しプロダクト価値を生む機能設計・実装が主務。バックエンド実装言語は問いません（TypeScript / Python / Go など既存プロダクト構成に合わせるため）。

• LLM API 統合機能の設計・実装
  （Amazon Bedrock / OpenAI / Anthropic Claude / Google Gemini など）

• 社内 AI エージェント基盤の機能拡張・改善・運用

• MCP（Model Context Protocol）サーバーの設計・実装・社内エコシステムへの統合

• バックエンドサービスへの AI 機能組み込み
  （ストリーミング・非同期処理・エラーハンドリング設計含む）

• RAG（Retrieval-Augmented Generation）パイプラインの構築（ベクトル DB 選定・検索精度改善）

• プロンプトエンジニアリング・AI 機能の品質評価サイクルの仕組み化

• 最新 LLM サービス・OSS のキャッチアップおよびチームへの技術共有

▼開発ツール
◎技術スタック

• TypeScript / Go / React / Next.js / Node.js / OpenAPI / AWS

◎開発スタイル

• スクラム / GitHub / Notion / Claude Code / GitHub Copilot などの AI コーディングツール

＿＿＿＿＿＿＿＿＿＿＿＿

<変更の範囲>
*仕事内容
ご入社直後：上記内容
変更時の範囲：会社の定める業務

*勤務地
ご入社直後：東京本社
変更時の範囲：会社の定める場所

＜採用活動におけるハラスメントに関する相談窓口のご案内＞
https://sites.google.com/wano.co.jp/harassment-prevention/

• 音楽が好きな方、または音楽サービスに関心がある方
• LLM を「研究」ではなく「プロダクト価値創出のツール」として捉えることができる方
• ビジネス課題から AI 機能の仕様を逆算できる FDE（Forward Deployed Engineer）型の方
• 最新 LLM 動向をキャッチアップし続け、チームに技術共有できる方

◎AIプロダクト開発・運用

• LLM などの AI 機能を組み込んだプロダクトの本番開発・運用経験
  　
  ◎LLM最適化ノウハウ
• LLM API 利用におけるパフォーマンス・コスト最適化の知見および実装経験（トークン数削減、Prompt Caching、モデルの選定・使い分け、ストリーミング処理など）
  　
  ◎バックエンド & クラウド開発
• REST API の設計・実装経験 およびクラウド（AWS / GCP）環境でのアプリケーション構築・デプロイ経験

◎TuneCore Japan のビジョン・バリュー・ミッションに共感いただける方
　
◎バックエンド・FE 開発

• Go言語を用いたバックエンド開発経験（プロダクトの主要バックエンドが Go のため）

• TypeScript / Node.js / Python によるバックエンド開発経験

• React / Next.js を用いたフロントエンド開発経験（AI機能のUI実装）

◎LLM / AI エージェント

• MCP（Model Context Protocol）サーバーの実装・統合経験

• AIエージェント・マルチエージェントシステムの実装経験

• RAG・ベクトル検索（pgvector・Qdrant など）の実装経験

• プロンプトエンジニアリングの実務経験（評価・A/B テスト・自動評価メトリクス構築）

◎LLM 基盤・エコシステム

• Claude Code・Claude API などの Anthropic エコシステムへの深い理解

• Amazon Bedrockの利用経験（LLM 基盤の採用候補として検討中）

◎データ活用

• データウェアハウス・BIツールを用いた AI 活用分析経験