【募集背景】 リユース市場の拡大とともに、BuySell Technologiesは「出張買取・店舗・コールセンター・EC」など多様なチャネルを展開し、M&Aを通じてグループ企業を統合してきました。事業のスケールが急拡大する一方、現場ごとに業務フローやデータ構造が異なり、個別最適から全社最適×データ駆動×AI実装による事業変革を本格的に推進するフェーズへと移行しています。 その中核に据えているのが、自社開発プラットフォーム「Cosmos」と、2026年4月に組成したFDE（Forward-Deployed Engineer）体制です。FDEは、「事業ドメインに没入し、事業KPIを動かすところまでオーナーシップを持つチーム」をテクノロジー組織の中核に据えるための再編で、事業ドメイン単位に配置し、事業の仕組みそのものをプロダクト化・AI化していきます。 特に、AI/MLが実装可能な領域は急速に広がっています。 例： ・査定アルゴリズムの高度化（価格推定、真趋判定など） ・オペレーション効率化（需要予測、スケジューリング、業務自動化） ・営業生産性向上（顧客スコアリング、レコメンド） ・在庫・物流最適化（最適配分、回転率の改善） ・マルチチャネル横断のデータ統合による意思決定の精度向上 など このフェーズで不足しているのが、事業構造を理解・設計し、AIエンジニア／データサイエンティストと一体で「どのAIをどう事業に落とし込むか」を高速に決め切るAIプロダクトマネージャーです。要件をまとめて渡すPdMではなく、現場と数字に没入し、AIで動かすKPIの仮説を起点から作るPdM——FDE体制でAI実装を本気で前に進めるために、その役割を担っていただける方を募集します。 例： ・査定アルゴリズムの高度化（価格推定、真贋判定など） ・オペレーション効率化（需要予測、スケジューリング、業務自動化） ・営業生産性向上（顧客スコアリング、レコメンド） ・在庫・物流最適化（最適配分、回転率の改善） ・マルチチャネル横断のデータ統合による意思決定の精度向上など これまでに、AIエンジニアやデータサイエンティストは着実に増えており、技術基盤も年々強化されていますが、「事業構造を理解し、AI技術をどう事業に落とし込むか」を設計し、プロダクトとして実装まで導けるPdMはまだ充分ではありません。事業・現場・経営・技術をつなぎ、事業の仕組みそのものをアップデートするプロダクトを共に創り上げていただく仲間を募集しています。 【ご入社後に期待する成果】 〜6ヶ月後 ・配属FDEチームの担当ドメイン（例：出張買取／店舗買取／SCM／コーポレート等）の業務プロセス・現場オペレーション・データ構造を、現場同行と1次情報の収集を通じて自分の言葉で説明できる ・担当ドメインの事業KPI（売上／単価／効率性 等）に対する仮説のオーナーシップを確立し、ボトルネックと打ち手の優先順位を提示できる ・AI／データ活用で解決すべき課題を構造化し、PoC〜プロダクト化のロードマップを策定できる ・上流工程からAIエージェントを最大限活用した開発プロセス構築のための、業務コンテキスト、ナレッジベース化を推進できる 〜1年後 ・AI／機械学習を用いた新機能・業務変革プロジェクトを主導し、担当ドメインの事業KPIを定量的に動かしたファクトを1件以上保有 ・「ビジネス要件 → 仮説 → AIモデル設計 → 実装」を再現可能なAIネイティブ開発プロセスとしてチームで型化し、他FDEチーム／グループ企業へ横展開できる ・本部長／事業責任者と直接議論し、AI／データ投資の優先順位とロードマップに対して影響力を持って意思決定に参画できる 【職務内容】 FDEチームの一員として、エンジニア／DS／AIエンジニアと一体で以下を担っていただきます。 ● ドメイン没入と課題設定 ・現場（買取現場・コールセンター・物流倉庫・コーポレート部門）への同行・観察・1次情報収集 ・業務プロセス／顧客／市場の構造を解像度高く理解し、AI／データで解くべき課題を自ら定義 ● 事業KPIに対する仮説オーナーシップ ・担当ドメインKPI（成果向上・生産性改善）に対する仮説立案、優先順位付け、結果の解釈と次手の設計 ・他領域への波及効果も含めた全体最適視点での意思決定 ● AIプロダクトの企画〜実装リード ・AI／データ活用プロダクト（需要予測、査定モデル、業務自動化、レコメンド 等）の企画〜要件定義〜プロダクト実装ディレクション ・AIモデル開発の要件整理（学習データ要件、評価指標、MLOps連携、モニタリング設計） ● AIネイティブ開発プロセスの推進 ・AIエージェントによる高スピード開発を前提とした要件整理・仮説検証・ナレッジベース構築 ・スピード重視で「未完成のものを早期に実験する」プロトタイピング／PoCの設計と運用 ● エンジニアと一体のプロダクト設計 ・「何を作るか」をエンジニア／DS／AIエンジニアと協働で決定 ・Cosmosを中心とした新機能開発／業務標準化プロジェクトの企画〜要件整理〜現場接続 ● ステークホルダーマネジメント ・事業責任者・現場リーダーとの合意形成 ・グループ企業（TL／RGT／NKD）への横展開設計 ● データ／ユーザーインタビューを通じた継続的改善 【組織／配属先の特徴】 ・3層構造の技術組織：FDE層（事業ドメイン没入）／プラットフォームエンジニアリング層（FDEの生産性向上）／コアドメイン層（共通API基盤）の3層に再編し、AIネイティブ前提の組織を構築中 ・配属：データ・AI戦略推進部に所属／いずれかのドメインのFDEチームにジョイン ・PdM出身者例：元リクルート・大手事業会社など、事業理解×推進力の強い人材が活躍中 ・規模：PdM・SWE・データサイエンティスト・AIエンジニアなど約 80名規模 【あなたに提供できる価値】 ・事業KPIを直接動かすAIプロダクトマネジメント経験（P&L直結のフィードバックループ） ・リユース事業のフルバリューチェーン（マーケティング→リード獲得→査定→在庫→販売→CRM）に触れられる多ドメイン経験 ・AI・データを前提とした業務変革経験（AIエージェント／自社ナレッジベース／MLOps） ・完全なビジネスシステムの再構築体験（Cosmosプロジェクト） ・本部長レイヤーと連携しながら戦略から実行まで裁量を持って動ける環境 【キャリアパス】 ・AI/データ領域のプロダクト責任者（複数PJ横断） ・事業とAIを統合した新規事業リード ・本部長・プロダクト統括ポジション 【プロダクト開発環境】 ・開発言語：Golang, React.js (Next.js), TypeScript, Python（AI/ML） ・インフラ：GCP (Cloud Run, BigQuery, Cloud SQL, Vertex AI...), Terraform, Docker ・CI/CD：GitHub Actions ・テスト：MagicPod, Storybook ・バージョン管理：GitHub ・エラー管理：Sentry／APM：NewRelic ・開発生産性管理：Findy Team+ ・課題管理：Jira／ドキュメント管理：Confluence ・AI活用：Claude Code, Cursor, GitHub Copilot ほか（AIエージェント前提のワークフローを推進中） ・その他：Elastic Cloud, Terraform Cloud, Chromatic 【選考プロセス】 （カジュアル面談）＞書類選考＞面接（1回）＞（フォロー面談）＞最終面接＞オファー面談 ※基本オンライン。希望に応じてオフィス見学・対面面接も可。

・WEBプロダクトのプロダクトマネジメント経験、または事業会社でのプロジェクトマネジメント経験（5年以上） ・データまたはAI／機械学習技術を用いたプロダクト開発／機能改善の推進経験 ・事業KPI（売上／粗利／単価／効率性 等）に対するオーナーシップを持って取り組み、定量的に成果を出した経験 ・業務プロセスや顧客行動など、現場の1次情報に踏み込んで課題を構造化した経験 ・事業ドメインに深く入り込み、業務オペレーション設計・SOP整備までリードした経験 ・AI Agent、生成AIを日常的に活用した業務経験 ・企画・開発・運用のPDCAサイクルを自走で回した経験 ・エンジニア・データサイエンティスト・他職種・社外パートナーと連携してプロダクト開発を推進した経験 ・ステークホルダー（営業担当・業務推進（BizOps）担当・経営層）との合意形成経験

・WEBアプリケーションの開発実務経験（エンジニア出身者、ないし手を動かして検証できる方／AI/ML経験尚歓迎） ・AI/MLプロジェクトの要件定義やモデル運用（MLOps）の理解 ・データ基盤（DWH／BigQuery 等）を前提にしたプロダクト設計経験 ・機械学習モデルの評価指標・モデル改善サイクルの基礎知識 ・自然言語処理／予測モデル／最適化モデルなどの知見 ・生成AI／AIエージェント／LLMをプロダクトや業務プロセスに組み込んだ経験 ・機械学習モデルの実装・運用 ・大規模事業の業務プロセス再設計の経験 ・データ分析（BIツール／SQL）、A/Bテスト、効果検証の経験 ・スクラム等のアジャイル開発経験 ・UI/UXデザインの経験 ・リユース・小売・物流・CRM領域の業務経験

・事業課題を構造的に分解し、データ／AI観点で解決策を描ける：表層の要望ではなく、業務構造・KPI構造・データ構造を捉え、AIで解くべき課題を切り出せる ・ドメイン没入の意欲：現場に入り、自分の足と耳で1次情報を取りに行ける ・KPIオーナーシップ：「動かしたい数字」を握り、AIプロダクトの結果に責任を持つ ・現場オペレーションとAI技術の橋渡し：技術的な妥当性と現場の運用可能性を両立させられる ・スピード × 実験スタンス：未完成でも早期に世に出し、ファクトを取りに行ける ・AI活用前提の思考：「人間がやるべきこと」「AIに任せるべきこと」を切り分けて設計できる ・建設的な議論力：他部署・他チームと前向きに議論し、物事を前進させられる ・未整備な環境を楽しめる推進力：型がない領域を自ら型化していくことに面白みを感じる