エンジニア の求人一覧 - 株式会社エムニ

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。 本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。 単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。 ◼️仕事のやりがい エムニでは、生成AI・LLMを活用した業務変革の最前線で、技術選定からプロトタイピング、実装、改善、運用まで一気通貫で関わることができます。 特に製造業領域では、図面、仕様書、検査記録、作業手順書、問い合わせ履歴、熟練者のナレッジなど、多様かつ複雑なデータを扱います。こうした現場固有の情報をLLMやRAG、AIエージェントと組み合わせ、実務で使えるプロダクト・ソリューションへ落とし込むことが求められます。 技術を深く理解するだけでなく、「誰の、どの業務課題を、どのように解くのか」まで踏み込み、顧客やビジネスサイドと連携しながら価値を形にできる環境です。 ◼️業務内容 - 自社AIプロダクトの設計・構築・精度改善・運用 - ニーズに応じたAIアルゴリズムの選定・最適化・チューニング - クライアント向けAIソリューションの技術検証（PoC）の推進 - 学会論文・最新技術情報の調査、技術トレンドのキャッチアップと応用 - モデルの精度向上・推論速度改善のための実験・検証・実装 スキルや希望に応じて、社内外連携及びチームメンバーへの技術指導・コードレビュー等 ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：FastAPI、Next.js、React、Streamlit - AI/機械学習：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI、PyTorch - クラウド：AWS、Google Cloud、Azure - データベース：PostgreSQL、MySQL - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Gemini、Claude、GitHub Copilot、Figma など

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。 本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。 単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。 ◼️仕事のやりがい エムニでは、生成AI・LLMを活用した業務変革の最前線で、技術選定からプロトタイピング、実装、改善、運用まで一気通貫で関わることができます。 特に製造業領域では、図面、仕様書、検査記録、作業手順書、問い合わせ履歴、熟練者のナレッジなど、多様かつ複雑なデータを扱います。こうした現場固有の情報をLLMやRAG、AIエージェントと組み合わせ、実務で使えるプロダクト・ソリューションへ落とし込むことが求められます。 技術を深く理解するだけでなく、「誰の、どの業務課題を、どのように解くのか」まで踏み込み、顧客やビジネスサイドと連携しながら価値を形にできる環境です。 ◼️役割期待 入社後は、シニアエンジニアやPMと連携しながら、LLM・RAG・AIエージェントを活用したAIシステムの実装、技術検証、精度改善を中心にお任せします。 まずは担当機能の開発やプロンプト設計、データ処理、評価検証などから関わっていただき、徐々に顧客課題の理解、技術設計、要件定義にも挑戦していただきます。 ◼️業務内容 - LLM APIを用いた機能開発 - RAGシステムの実装・改善 - プロンプト設計・検証 - PDF、帳票、図面、マニュアル等のデータ処理 - AI機能の精度評価・改善 - Python/FastAPI/Next.js等を用いたアプリケーション開発 - 技術調査、検証結果のドキュメント化 - コードレビューへの参加、既存機能の改善 ◼️開発例 - 製造業向けナレッジ検索・RAGシステム - 図面・帳票・仕様書などのドキュメント解析AI - 熟練者の暗黙知を活用した業務支援AI - 問い合わせ対応・見積作成・調査業務の自動化 - 業務プロセスを自律的に支援するAIエージェント - 生成AIを活用した社内業務効率化・AI駆動経営の推進 - 製造現場・バックオフィス・営業技術領域におけるAI活用支援 ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：FastAPI、Next.js、React、Streamlit - AI/機械学習：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI、PyTorch - クラウド：AWS、Google Cloud、Azure - データベース：PostgreSQL、MySQL - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Gemini、Claude、GitHub Copilot、Figma など

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。 本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。 単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。 ◼️仕事のやりがい エムニでは、生成AI・LLMを活用した業務変革の最前線で、技術選定からプロトタイピング、実装、改善、運用まで一気通貫で関わることができます。 特に製造業領域では、図面、仕様書、検査記録、作業手順書、問い合わせ履歴、熟練者のナレッジなど、多様かつ複雑なデータを扱います。こうした現場固有の情報をLLMやRAG、AIエージェントと組み合わせ、実務で使えるプロダクト・ソリューションへ落とし込むことが求められます。 技術を深く理解するだけでなく、「誰の、どの業務課題を、どのように解くのか」まで踏み込み、顧客やビジネスサイドと連携しながら価値を形にできる環境です。 ◼️役割期待 入社後は、シニアエンジニアやPMと連携しながら、LLM・RAG・AIエージェントを活用したAIシステムの実装、技術検証、精度改善を中心にお任せします。 まずは担当機能の開発やプロンプト設計、データ処理、評価検証などから関わっていただき、徐々に顧客課題の理解、技術設計、要件定義にも挑戦していただきます。 ◼️業務内容 - LLM APIを用いた機能開発 - RAGシステムの実装・改善 - プロンプト設計・検証 - PDF、帳票、図面、マニュアル等のデータ処理 - AI機能の精度評価・改善 - Python/FastAPI/Next.js等を用いたアプリケーション開発 - 技術調査、検証結果のドキュメント化 - コードレビューへの参加、既存機能の改善 ◼️開発例 - 製造業向けナレッジ検索・RAGシステム - 図面・帳票・仕様書などのドキュメント解析AI - 熟練者の暗黙知を活用した業務支援AI - 問い合わせ対応・見積作成・調査業務の自動化 - 業務プロセスを自律的に支援するAIエージェント - 生成AIを活用した社内業務効率化・AI駆動経営の推進 - 製造現場・バックオフィス・営業技術領域におけるAI活用支援 ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：FastAPI、Next.js、React、Streamlit - AI/機械学習：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI、PyTorch - クラウド：AWS、Google Cloud、Azure - データベース：PostgreSQL、MySQL - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Gemini、Claude、GitHub Copilot、Figma など ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※面接はオンラインで実施します。 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります

研究か、社会実装か。 その二択を、エムニは求めません。 博士課程に進むと、多くの方が次の選択を迫られます。 ・研究に集中し続けるか ・研究を離れて社会実装・事業に向かうか エムニは、この問いそのものが時代遅れになりつつあると考えています。 研究で培った力を、社会実装の現場で使い、 社会実装の問いを、再び研究に持ち帰る。 その往復こそが、これからの博士人材のキャリアアップだと私たちは考えています。 ◼️エムニについて 株式会社エムニは、 AI × 製造業を軸に、研究と実装を分断せずに価値を生み出すスタートアップです。 ・研究で終わらせない ・PoCで終わらせない ・現場で使われ、意思決定を変えるAIをつくる そのために、博士課程で培われる仮説設定・検証・評価・説明の力を、事業とプロダクトの中核に据えています。 ◼️募集背景 『社会人博士を「キャリアの途中」にするために』 博士課程に在籍しながら働きたい方の多くが、 ・業務委託や非常勤扱いになる ・時短＝責任の小さい仕事しか任されない ・研究は「業務外」とされ、評価されない という構造に直面しています。 エムニでは、博士課程に在籍していることを前提に、短い労働時間でも正社員としてキャリアアップを描ける制度設計を行っています。 ◼️業務内容 研究と社会実装を横断しながら、 エンジニアリング組織の中核メンバーとして以下を担っていただきます。 - 自社AIプロダクトの設計・構築・精度改善・運用 - ニーズに応じたAIアルゴリズムの選定・最適化・チューニング - クライアント向けAIソリューションの技術検証（PoC）の推進 - 学会論文・最新技術情報の調査、技術トレンドのキャッチアップと応用 - モデルの精度向上・推論速度改善のための実験・検証・実装 スキルや希望に応じて、社内外連携及びチームメンバーへの技術指導・コードレビュー等 ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：FastAPI、Next.js、React、Streamlit - AI/機械学習：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI、PyTorch - クラウド：AWS、Google Cloud、Azure - データベース：PostgreSQL、MySQL - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Gemini、Claude、GitHub Copilot、Figma など ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※面接はオンラインで実施します。 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 企業活動において、顧客理解、ユーザーインタビュー、採用面談、業務ヒアリング、社内ナレッジ収集など、「人から情報を引き出す」プロセスは非常に重要です。 一方で、インタビューの設計、実施、記録、要約、分析、示唆出しには多くの時間とスキルが必要であり、属人的になりやすい領域でもあります。 AIインタビュアー は、LLM・音声認識・対話AI・RAG・AIエージェント等を活用し、「人に聞く」「深掘る」「整理する」「示唆に変える」というプロセスをAIで支援するプロダクトです。 本ポジションでは、AIプロダクトエンジニアとして、AIインタビュアーの中核となるAI機能の設計・開発・評価・改善を担っていただきます。 単なるチャットボットや議事録ツールではなく、目的に応じて問いを設計し、対話を進め、情報を構造化し、意思決定につながる示唆を生み出すAIプロダクトをつくることがミッションです。 ◼️プロダクトの設計思想 AIインタビュアーが目指すのは、単に「会話を文字起こしするツール」ではありません。 重要なのは、ユーザーの目的に応じて、AIが適切に問いを立て、回答に応じて深掘りし、得られた情報を構造化し、次の意思決定に使える形に変換することです。 たとえば、採用面談であれば候補者の経験や価値観を深掘りし、顧客インタビューであれば課題やニーズを引き出し、業務ヒアリングであれば現場の暗黙知や業務フローを整理する必要があります。 そのため、AIインタビュアーでは以下を重視しています。 - 自然で違和感のない対話体験 - 目的に応じた質問設計 - 回答内容に応じた深掘り - 発話内容の構造化・分類・要約 - 複数インタビューの横断分析 - 意思決定に使えるレポート生成 - ユーザーの業務フローに馴染むAI体験 AIプロダクトエンジニアには、AIの出力品質だけでなく、「ユーザーが本当に使いやすいか」「業務の中で自然に使われるか」まで考えながら、AI体験を磨き込んでいただきます。 ◼️業務内容 スキルやご経験、ご志向に応じて、以下のような業務をお任せします。 - AIインタビュアーのAI機能設計・開発・運用 - LLM・音声認識・対話AI・RAG・AIエージェントを活用した機能開発 - インタビュー設計、質問生成、深掘り質問、回答分析に関する機能開発 - 回答内容の要約、分類、構造化、レポート生成機能の開発 - 音声認識・文字起こし・要約機能の開発 - プロンプト設計、対話設計、評価設計、精度改善 - ユーザー体験を踏まえたAI機能のUX設計、プロトタイピング - Python、TypeScript、Next.js、FastAPI等を用いたプロダクト開発 - AIエンジニアと連携したAI機能の組み込み、評価、改善 - ユーザーフィードバックや利用ログを踏まえた機能改善 - PM・Bizメンバーとの仕様検討、仮説検証、優先順位整理 - 技術調査、検証、ドキュメント整備 - 必要に応じたコードレビュー、技術支援 ◼️開発テーマ例 - AIによるインタビュー設計・質問生成機能 - 回答内容に応じた自動深掘り質問機能 - 音声認識・文字起こし・要約機能 - インタビュー結果の構造化・タグ付け・分類機能 - 複数インタビュー結果を横断した分析・示唆抽出機能 - 面談・ヒアリング内容の自動レポート生成 - ユーザーごとの目的に応じたAIインタビュー体験の最適化 - AIによる業務ヒアリング・社内ナレッジ収集支援 - 回答品質・質問品質を評価するための評価基盤づくり - ユーザーの発話・回答データを活用したAI機能改善 ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：React、FastAPI, Django - クラウド：AWS、Google Cloud - データベース：PostgreSQL - コード管理：GitHub - コミュニケーションツール：Slack、Notion, Linear - その他：cursor、ChatGPT、Figma, Claude Code ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※面接はオンラインで実施します。 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、優れた技術や現場知見が数多く存在します。一方で、それらを発明として整理し、特許・知財として保護・活用するプロセスには、専門性の高さ、文書作成の負荷、調査業務の複雑さ、属人性といった課題があります。 AI特許ロケット は、LLM・RAG・自然言語処理・AIエージェント等を活用し、発明情報の整理、特許文書の作成支援、先行技術調査、技術資料の構造化など、特許・知財業務を支援するAIプロダクトです。 本ポジションでは、AIプロダクトエンジニアとして、AI特許ロケットの中核となるAI機能の設計・開発・評価・改善を担っていただきます。 特許・知財という専門性の高い領域において、AIを活用して「技術を守り、活かす」プロセスを変革することがミッションです。 ◼️プロダクトの設計思想 AI特許ロケットが目指すのは、単に特許文書を自動生成するツールではありません。 発明者、研究開発者、知財担当者、弁理士など、関係者が持つ情報を整理し、技術的な特徴や差分を明確にし、特許・知財業務の意思決定を支援するプロダクトを目指しています。 特許・知財領域では、言葉の正確性、技術内容の構造化、先行技術との差分把握、根拠に基づいた生成が重要です。 そのため、AI特許ロケットでは以下を重視しています。 - 発明情報・技術資料の構造化 - 特許文書・技術文書の検索・要約・比較 - 先行技術調査を支援するRAG・検索体験 - 技術的特徴・差分・権利化ポイントの整理 - 専門性の高い文書生成における品質管理 - ユーザーが確認・修正しやすいAI出力設計 - 知財業務フローに馴染むAI体験 AIプロダクトエンジニアには、LLMやRAGを使って「それっぽい文章」を生成するだけではなく、専門業務に耐えるAI機能として、精度・根拠・使いやすさを磨き込んでいただきます。 ◼️業務内容 スキルやご経験、ご志向に応じて、以下のような業務をお任せします。 - AI特許ロケットのAI機能設計・開発・運用 - LLM・RAG・自然言語処理・AIエージェントを活用した機能開発 - 特許文書、技術資料、発明情報、先行技術情報等を扱うAI機能開発 - 発明内容や技術資料をもとにした文書生成・要約・分類・構造化機能の開発 - 特許調査・先行技術調査を支援する検索・RAG機能の開発 - 技術文書・特許文書の比較、差分抽出、論点整理機能の開発 - プロンプト設計、RAG構成設計、評価設計、精度改善 - 知財業務フローを踏まえたAI機能のUX設計、プロトタイピング - Python、TypeScript、Next.js、FastAPI等を用いたプロダクト開発 - AIエンジニアと連携したAI機能の組み込み、評価、改善 - PM・Bizメンバーとの仕様検討、仮説検証、優先順位整理 - 技術調査、検証、ドキュメント整備 - 必要に応じたコードレビュー、技術支援 ◼️開発テーマ例 - 発明情報の構造化・要点抽出機能 - 技術資料をもとにした特許文書作成支援機能 - 特許文書・技術文書の要約・分類機能 - 先行技術調査を支援する検索・RAG機能 - 技術的特徴・差分・権利化ポイントの整理機能 - 発明者へのヒアリング内容をもとにした文書生成機能 - 特許請求の範囲や明細書作成を支援するAI機能 - 関連文献・先行技術との比較支援機能 - AI出力の根拠提示・参照元表示機能 - 知財担当者や研究開発者の業務フローに合わせたAIワークフロー設計 ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：React、FastAPI, Django - クラウド：AWS、Google Cloud - データベース：PostgreSQL - コード管理：GitHub - コミュニケーションツール：Slack、Notion, Linear - その他：cursor、ChatGPT、Figma, Claude Code ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※面接はオンラインで実施します。 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります

プロダクト品質を“工程”ではなく“設計”するポジション ■募集背景 エムニのプロダクトは、以下の特性を持っています。 ・ AIモデルを含む複雑なシステム構成 ・ 製造業の業務・現場制約を前提とした仕様 ・ 長期運用を前提とした信頼性要求 そのため、 仕様・設計段階から品質観点で関与できるQAエンジニアを、 開発チームの中核メンバーとして迎えたいと考えています。 ◼️仕事のやりがい QAエンジニアとして、プロダクトの品質をゼロから設計し、価値を形にしていく挑戦ができます。 製造業×AIという複雑な領域で、 「品質が事業を動かす」現場に深く関わることができます。 テスト工程にとどまらず、仕様・設計・開発プロセス全体に関与し、 品質の観点からプロダクトの意思決定を前に進める経験を積める環境です。 チームで積み上げた品質が、長期運用されるプロダクトとして現場に根づく社会を支えていく実感と達成感を得られます。 ◼️業務内容 開発チームと並走しながら、プロダクト全体の品質を設計・維持する役割を担っていただきます。 - 要件定義・仕様策定段階での品質観点レビュー - テスト計画・テスト設計の策定 - 手動テスト・探索的テストの実施 - 自動テスト（E2E / API 等）の設計・運用方針策定 - 不具合分析・再発防止の仕組みづくり - 開発チームと連携した品質改善プロセスの構築 単なるテスト実行担当ではなく、 「どうすれば品質を担保できるか」を考え、仕組みに落とす役割です。 ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、AIによって解決できる課題が数多く存在します。 本ポジションでは、AIエンジニアやPM、ビジネスサイドと連携しながら、LLM・RAG・画像認識・音声認識などのAI技術を活用したWebアプリケーションの開発を担っていただきます。 現時点でAI開発の実務経験がなくても問題ありません。Webアプリケーション開発の経験を活かしながら、AIプロダクト・AIアプリケーション開発に挑戦できるポジションです。 ◼️本ポジションについて Webエンジニア（ジュニア〜ミドル）には、まずは担当機能の実装、テスト、改善を中心にお任せします。 シニアエンジニアやテックリード、AIエンジニアと連携しながら、AI機能をWebアプリケーションとして使いやすい形に落とし込んでいただきます。 単に仕様どおりに実装するだけではなく、「ユーザーが使いやすいか」「業務の中で本当に使われるか」を考えながら、継続的に改善していくことを期待しています。 将来的には、設計、技術選定、開発リード、テックリードなど、より大きな役割にも挑戦いただけます。 ◼️仕事のやりがい - Web開発経験を活かして、AIプロダクト開発に挑戦できる - LLM、RAG、画像認識、音声認識など、先端技術を実務に組み込む経験ができる - AIエンジニアやPMと連携しながら、プロダクト開発を進められる - フロントエンド・バックエンドを横断してスキルを伸ばせる - 顧客の業務課題を解決する、社会実装型の開発に関われる - 実装者から、シニアエンジニア、リードエンジニア、テックリードへと成長できる - フルリモート・フレックスの環境で、自律的に働ける ◼️業務内容 スキルやご経験、ご志向に応じて、以下のような業務をお任せします。 - AI機能を組み込んだWebアプリケーションの開発 - Next.js、React、FastAPI等を用いたフロントエンド・バックエンド開発 - LLM/RAG/画像認識/音声認識等を活用した機能開発 - AIエンジニアと連携したAPI連携、データ連携、画面実装 - 顧客業務に合わせた画面設計、機能改善、UI/UX改善 - Webアプリケーションのテスト、バグ修正、リファクタリング - データベース設計、API設計、管理画面の開発 - 技術調査、ドキュメント作成、開発ナレッジの共有 - コードレビュー、設計レビューへの参加 - 既存機能の改善、品質向上、技術負債の解消 ◼️開発テーマ例 - 製造業向けAI業務支援アプリケーション - LLM/RAGを活用したナレッジ検索・文書生成システム - 図面・帳票・PDF・マニュアル等を扱うWebアプリケーション - 画像認識・異常検知・分類モデルを組み込んだ業務支援システム - AIエージェントを活用した業務自動化アプリケーション - 自社AIプロダクトの管理画面・ユーザー画面・API開発 - 利用ログやユーザーフィードバックをもとにしたUI/UX改善 ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：Next.js、React、FastAPI、Streamlit - AI/機械学習：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI、PyTorch - クラウド：AWS、Google Cloud、Azure - データベース：PostgreSQL、MySQL - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Claude、Gemini、GitHub Copilot、Figma など ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※面接はオンラインで実施します。 ※職種やポジションに応じて、リファレンスチェックを実施させていただく可能性があります。

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、AIによって解決できる課題が数多く存在します。 本ポジションでは、AIエンジニアやPM、ビジネスサイドと連携しながら、LLM・RAG・画像認識・音声認識などのAI技術を活用したWebアプリケーションの開発を担っていただきます。 現時点でAI開発の実務経験がなくても問題ありません。Webアプリケーション開発の経験を活かしながら、AIプロダクト・AIアプリケーション開発に挑戦できるポジションです。 ◼️本ポジションについて Webエンジニア（ジュニア〜ミドル）には、まずは担当機能の実装、テスト、改善を中心にお任せします。 シニアエンジニアやテックリード、AIエンジニアと連携しながら、AI機能をWebアプリケーションとして使いやすい形に落とし込んでいただきます。 単に仕様どおりに実装するだけではなく、「ユーザーが使いやすいか」「業務の中で本当に使われるか」を考えながら、継続的に改善していくことを期待しています。 将来的には、設計、技術選定、開発リード、テックリードなど、より大きな役割にも挑戦いただけます。 ◼️仕事のやりがい - Web開発経験を活かして、AIプロダクト開発に挑戦できる - LLM、RAG、画像認識、音声認識など、先端技術を実務に組み込む経験ができる - AIエンジニアやPMと連携しながら、プロダクト開発を進められる - フロントエンド・バックエンドを横断してスキルを伸ばせる - 顧客の業務課題を解決する、社会実装型の開発に関われる - 実装者から、シニアエンジニア、リードエンジニア、テックリードへと成長できる - フルリモート・フレックスの環境で、自律的に働ける ◼️業務内容 スキルやご経験、ご志向に応じて、以下のような業務をお任せします。 - AI機能を組み込んだWebアプリケーションの開発 - Next.js、React、FastAPI等を用いたフロントエンド・バックエンド開発 - LLM/RAG/画像認識/音声認識等を活用した機能開発 - AIエンジニアと連携したAPI連携、データ連携、画面実装 - 顧客業務に合わせた画面設計、機能改善、UI/UX改善 - Webアプリケーションのテスト、バグ修正、リファクタリング - データベース設計、API設計、管理画面の開発 - 技術調査、ドキュメント作成、開発ナレッジの共有 - コードレビュー、設計レビューへの参加 - 既存機能の改善、品質向上、技術負債の解消 ◼️開発テーマ例 - 製造業向けAI業務支援アプリケーション - LLM/RAGを活用したナレッジ検索・文書生成システム - 図面・帳票・PDF・マニュアル等を扱うWebアプリケーション - 画像認識・異常検知・分類モデルを組み込んだ業務支援システム - AIエージェントを活用した業務自動化アプリケーション - 自社AIプロダクトの管理画面・ユーザー画面・API開発 - 利用ログやユーザーフィードバックをもとにしたUI/UX改善 ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：Next.js、React、FastAPI、Streamlit - AI/機械学習：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI、PyTorch - クラウド：AWS、Google Cloud、Azure - データベース：PostgreSQL、MySQL - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Claude、Gemini、GitHub Copilot、Figma など ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※面接はオンラインで実施します。 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります。

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 AIインタビュアーは、インタビュー・ヒアリング・面談・調査業務をAIで支援する新規プロダクトです。 LLM・音声認識・対話AIを活用した体験価値が中核となる一方で、プロダクトが複数企業・複数ユーザーに安定して使われ続けるためには、堅牢なWebアプリケーション基盤が不可欠です。 本ポジションでは、Webプロダクトエンジニアとして、AIインタビュアーの長期開発を見据えたアーキテクチャ設計、マルチテナント設計、認証・認可、セキュリティ、AI基盤の安定化、高トラフィック対応、運用性の高いWeb基盤づくりを担っていただきます。 AIインタビュアーを「便利なAI機能」から「企業が安心して使い続けられるSaaSプロダクト」へ進化させることがミッションです。 ◼️プロダクトの設計思想 AIインタビュアーは、会話データ・音声データ・回答データ・分析結果など、機密性の高い情報を扱うプロダクトです。 そのため、プロダクト設計においては、AI体験の良さだけでなく、企業利用に耐えるセキュリティ、データ管理、権限管理、監査性、可用性が重要です。 また、AIインタビューでは、文字起こし、要約、分析、レポート生成など、時間のかかる処理や外部AI APIとの連携が多く発生します。これらを安定して処理するためには、非同期処理、ジョブ管理、リトライ制御、ログ設計、コスト管理が必要になります。 Webプロダクトエンジニアには、以下のような観点でプロダクトの土台を設計・改善していただきます。 - 長期開発を見据えたアーキテクチャ設計 - マルチテナントSaaSとしてのデータ分離 - 企業・部署・ユーザー単位の権限管理 - 音声・会話データを扱うセキュリティ設計 - AI処理の非同期化・安定化 - 高トラフィック時のスケーラビリティ - 監視・ログ・監査ログの整備 - プロダクト利用状況の可視化 ◼️業務内容 スキルやご経験、ご志向に応じて、以下のような業務をお任せします。 - AIインタビュアーのWebアプリケーション設計・開発・運用 - 長期開発を見据えたアーキテクチャ設計、技術選定 - Next.js、React、FastAPI等を用いたフロントエンド・バックエンド開発 - マルチテナントSaaSとしてのデータ設計、認証・認可、権限管理の設計・実装 - 企業・部署・ユーザー単位でのデータ分離、アクセス制御、監査ログ設計 - 音声データ、文字起こしデータ、回答データ、分析結果を扱うセキュリティ設計 - AI機能を安定的に提供するためのAPI設計、非同期処理、ジョブ管理、エラーハンドリング - LLM API・音声認識API利用を前提とした可用性・リトライ・コスト管理設計 - 高トラフィックや利用拡大を見据えたパフォーマンス改善、スケーラビリティ向上 - インフラエンジニアと連携したクラウド構成、CI/CD、監視、ログ、アラート設計 - AIプロダクトエンジニアと連携したAI機能のWebアプリケーションへの組み込み - 技術負債の整理、リファクタリング、開発基盤の整備 - テスト設計、品質改善、障害対応、運用改善 - コードレビュー、技術ドキュメント整備、開発プロセス改善 ◼️開発テーマ例 - AIインタビュアーのWebアプリケーション基盤開発 - マルチテナント対応の認証・認可・権限管理設計 - 企業・部署・ユーザー単位でのデータ分離、アクセス制御 - 音声・会話データを扱うセキュリティ設計 - AI利用ログ、監査ログ、操作ログの設計・実装 - LLM API・音声認識API利用を前提とした非同期処理・ジョブキュー・リトライ制御 - 文字起こし・要約・レポート生成処理の安定実行基盤 - 高トラフィックに耐えるAPI・DB・キャッシュ設計 - プロダクト利用状況を可視化する管理画面・ダッシュボード - セキュリティ、パフォーマンス、保守性を高めるリファクタリング ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：React、FastAPI, Django - クラウド：AWS、Google Cloud - データベース：PostgreSQL - コード管理：GitHub - コミュニケーションツール：Slack、Notion, Linear - その他：cursor、ChatGPT、Figma, Claude Code ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※面接はオンラインで実施します。 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 AI特許ロケットは、特許・知財業務をAIで支援する自社プロダクトです。 特許・知財領域では、発明情報、技術資料、特許文書、先行技術情報など、機密性・専門性の高いデータを扱います。プロダクトとして長期的に価値を提供するためには、AI機能の精度だけでなく、堅牢なWeb基盤、セキュリティ、権限管理、データ管理、監査性、スケーラビリティが不可欠です。 本ポジションでは、Webプロダクトエンジニアとして、AI特許ロケットの長期開発を見据えたアーキテクチャ設計、マルチテナント設計、認証・認可、セキュリティ、AI基盤の安定化、高トラフィック対応、保守性・拡張性の高いWebプロダクト開発を担っていただきます。 AI特許ロケットを「AIで文書を生成するツール」ではなく、「企業の知財業務に安心して組み込めるSaaSプロダクト」へ進化させることがミッションです。 ◼️プロダクトの設計思想 AI特許ロケットは、特許・知財という専門性の高い業務を扱うプロダクトです。 この領域では、情報の正確性、根拠の明確さ、データの機密性、アクセス制御、履歴管理が非常に重要になります。 また、発明情報や技術資料は企業にとって極めて重要な知的資産であり、ユーザーや組織ごとに適切な権限管理・データ分離・監査ログが求められます。 Webプロダクトエンジニアには、以下のような観点でプロダクトの土台を設計・改善していただきます。 - 長期開発を見据えたアーキテクチャ設計 - マルチテナントSaaSとしてのデータ分離 - 企業・部署・プロジェクト・ユーザー単位の権限管理 - 発明情報・技術資料・特許文書を扱うセキュリティ設計 - AI処理の非同期化・安定化 - 文書生成・検索・比較処理の安定実行基盤 - 監査ログ・操作ログ・変更履歴の設計 - 高トラフィック・大量文書処理を見据えたスケーラビリティ - 知財業務に耐える信頼性・保守性 ◼️業務内容 スキルやご経験、ご志向に応じて、以下のような業務をお任せします。 - AI特許ロケットのWebアプリケーション設計・開発・運用 - 長期開発を見据えたアーキテクチャ設計、技術選定 - Next.js、React、FastAPI等を用いたフロントエンド・バックエンド開発 - マルチテナントSaaSとしてのデータ設計、認証・認可、権限管理の設計・実装 - 企業・部署・プロジェクト・ユーザー単位でのデータ分離、アクセス制御、監査ログ設計 - 発明情報、技術資料、特許文書、先行技術情報を扱うセキュリティ設計 - AI機能を安定的に提供するためのAPI設計、非同期処理、ジョブ管理、エラーハンドリング - LLM API・検索基盤利用を前提とした可用性・リトライ・コスト管理設計 - 大量文書処理、高トラフィック、利用拡大を見据えたパフォーマンス改善、スケーラビリティ向上 - インフラエンジニアと連携したクラウド構成、CI/CD、監視、ログ、アラート設計 - AIプロダクトエンジニアと連携したAI機能のWebアプリケーションへの組み込み - 技術負債の整理、リファクタリング、開発基盤の整備 - テスト設計、品質改善、障害対応、運用改善 - コードレビュー、技術ドキュメント整備、開発プロセス改善 ◼️開発テーマ例 - AI特許ロケットのWebアプリケーション基盤開発 - マルチテナント対応の認証・認可・権限管理設計 - 企業・部署・プロジェクト・ユーザー単位でのデータ分離、アクセス制御 - 発明情報・技術資料・特許文書を扱うセキュリティ設計 - AI利用ログ、監査ログ、操作ログ、変更履歴の設計・実装 - LLM API・検索基盤利用を前提とした非同期処理・ジョブキュー・リトライ制御 - 文書生成、検索、比較、要約処理の安定実行基盤 - 大量文書データに耐えるAPI・DB・検索・キャッシュ設計 - 知財業務向けの管理画面・権限管理画面・利用状況ダッシュボード - セキュリティ、パフォーマンス、保守性を高めるリファクタリング - 将来的なプロダクト横断基盤・共通コンポーネント設計 ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：React、FastAPI, Django - クラウド：AWS、Google Cloud - データベース：PostgreSQL - コード管理：GitHub - コミュニケーションツール：Slack、Notion, Linear - その他：cursor、ChatGPT、Figma, Claude Code ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※面接はオンラインで実施します。 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります

◼️ミッション PoCフェーズから本番環境への移行、LLMを用いた高負荷・高信頼性システムの運用が本格化する中で、 AIプロダクトを安定的かつスケーラブルに支えるインフラ基盤の強化が急務となっています。 研究者・AIエンジニアと密に連携しながら、インフラの設計・構築・運用をリードいただける方を募集します。 ◼️このポジションの魅力 - AI・LLMプロダクトの中核インフラを設計段階から担える - 研究者・AIエンジニアと近い距離で開発できる - 技術選定・設計の裁量が大きい - PoC〜本番・スケールまで一貫して関われる - 「AIを社会で使える形にする」現場に直接関われる ◼️業務内容 AIプロダクトのライフサイクル全体を支えるインフラ業務をお任せします。 - GPU / 高性能計算環境を含む計算基盤の構築・最適化 - CI/CD パイプラインの設計・改善（モデル・アプリ両面） - Kubernetes 等を用いたコンテナ基盤の運用 - 可観測性（Monitoring / Logging / Alerting）の設計・運用 - セキュリティ・権限管理・コスト最適化 - 障害対応、パフォーマンスチューニング、SRE活動 - AIエンジニア・研究者と連携した開発基盤の改善 ※志向や経験に応じて、MLOps / Platform / SRE寄りの役割設計も可能です。 ◼️開発環境 - クラウド: AWS / Google Cloud / Azure - コンテナ: Docker, Kubernetes - 構成管理: Terraform, AWS CDK - CI/CD: GitHub Actions, GitLab CI - 監視: Prometheus, Grafana, CloudWatch - AI / ML: Python, PyTorch, Hugging Face, LLM API ※導入技術は課題に応じて柔軟に選定します。 ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、AIによって解決できる課題が数多く存在します。 エムニでは、LLM・RAG・画像認識・音声認識・AIエージェントなどの技術を活用し、製造業を中心とした顧客の業務変革や、自社AIプロダクトの開発に取り組んでいます。 本ポジションでは、エンジニアリングマネージャーとして、AIエンジニア・Webエンジニア・プロダクトエンジニアなどが高いパフォーマンスを発揮できる開発組織づくりを担っていただきます。 単なるピープルマネジメントにとどまらず、採用、育成、評価、開発プロセス改善、チーム設計、技術組織の文化づくりまで、エムニの事業成長を支えるエンジニアリング組織の中核を担うポジションです。 ◼️本ポジションについて エムニは現在、AIソリューション開発と自社AIプロダクト開発の両軸で事業を拡大しています。 事業成長に伴い、AIエンジニア、Webエンジニア、プロダクトエンジニアなど、開発組織の人数・役割・プロジェクト数が増えています。 これまでは個々の高い自走力や少数精鋭の推進力によって開発を進めてきましたが、今後さらに組織として再現性高く成果を出すためには、開発プロセス、育成、技術ナレッジ共有、採用、評価、チーム体制を整えていく必要があります。 本ポジションでは、経営陣、PM、テックリード、AIエンジニア、Webエンジニアと連携しながら、エンジニアが集中して価値創出できる環境をつくっていただきます。 テックリードが主に「技術方針・設計判断・技術品質」に責任を持つのに対し、エンジニアリングマネージャーは「人・組織・プロセス・採用・成長」に責任を持つ役割です。 ◼️仕事のやりがい - 急成長するAIスタートアップで、開発組織づくりの初期フェーズから関われる - AIエンジニア、Webエンジニア、プロダクトエンジニアなど多様な専門性を持つメンバーの成長を支援できる - 採用、育成、評価、開発プロセス改善など、組織の土台づくりに広く関われる - 経営陣や事業責任者と近い距離で、事業成長に直結する組織課題に向き合える - フルリモート・フレックス環境における、強い開発組織のあり方を設計できる - AI社会実装を支えるエンジニアリング組織の文化・仕組みを自らつくれる - 将来的にはVPoE、開発本部長、CTO候補など、より大きな組織責任を担うキャリアも目指せる ◼️業務内容 - スキルやご経験、ご志向に応じて、以下のような業務をお任せします。 - エンジニア組織のマネジメント、チームビルディング - AIエンジニア、Webエンジニア、プロダクトエンジニアの1on1、目標設定、成長支援 - エンジニアの評価、フィードバック、キャリア支援 - 開発チームの体制設計、役割定義、アサイン調整 - 開発プロセスの改善、スクラム・カンバン等の運用改善 - プロジェクトの進行状況や開発課題の可視化、ボトルネック解消 - テックリードやPMと連携した開発品質・生産性の向上 - 採用要件の定義、求人票作成、カジュアル面談、面接、候補者フォロー - オンボーディング設計、育成プログラム、ナレッジ共有の仕組みづくり - フルリモート環境におけるコミュニケーション設計、チーム文化づくり - 技術負債、開発基盤、品質課題に関する組織的な改善推進 - 経営陣への組織課題の共有、改善提案、実行 - 必要に応じた技術的な意思決定支援、設計レビュー、コードレビュー ◼️関わるチーム・職種 - AIエンジニア - AI/LLMエンジニア - Webエンジニア - シニアWebエンジニア - テックリード／リードWebエンジニア - プロダクトエンジニア - プロダクトマネージャー - AIプロジェクトマネージャー - BizDev、セールス、コンサルタント - 経営陣 ◼️開発・組織テーマ例 - AIソリューション開発チームの体制設計 - 自社AIプロダクト開発チームの開発プロセス改善 - AIエンジニアとWebエンジニアが協働しやすい開発体制づくり - ジュニア〜ミドルエンジニアの育成・レビュー体制づくり - テックリード・シニアエンジニアの役割定義 - フルリモート環境における開発コミュニケーション設計 - 採用基準、面接設計、技術課題、評価基準の整備 - 開発ナレッジ共有、ドキュメント文化、レビュー文化の醸成 - 開発生産性、品質、納期、顧客価値を両立するプロセスづくり - IPOを見据えた開発組織・エンジニアリングガバナンスの整備 ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：Next.js、React、FastAPI、Streamlit - AI/機械学習：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI、PyTorch - クラウド：AWS、Google Cloud、Azure - データベース：PostgreSQL、MySQL - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Claude、Gemini、GitHub Copilot、Figma など

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、AIによって解決できる課題が数多く存在します。 エムニでは、LLM・RAG・画像認識・音声認識・AIエージェントなどの技術を活用し、製造業を中心とした顧客の業務変革や、自社AIプロダクトの開発に取り組んでいます。 本ポジションでは、エンジニアリングマネージャーとして、AIエンジニア・Webエンジニア・プロダクトエンジニアなどが高いパフォーマンスを発揮できる開発組織づくりを担っていただきます。 単なるピープルマネジメントにとどまらず、採用、育成、評価、開発プロセス改善、チーム設計、技術組織の文化づくりまで、エムニの事業成長を支えるエンジニアリング組織の中核を担うポジションです。 ◼️本ポジションについて エムニは現在、AIソリューション開発と自社AIプロダクト開発の両軸で事業を拡大しています。 事業成長に伴い、AIエンジニア、Webエンジニア、プロダクトエンジニアなど、開発組織の人数・役割・プロジェクト数が増えています。 これまでは個々の高い自走力や少数精鋭の推進力によって開発を進めてきましたが、今後さらに組織として再現性高く成果を出すためには、開発プロセス、育成、技術ナレッジ共有、採用、評価、チーム体制を整えていく必要があります。 本ポジションでは、経営陣、PM、テックリード、AIエンジニア、Webエンジニアと連携しながら、エンジニアが集中して価値創出できる環境をつくっていただきます。 テックリードが主に「技術方針・設計判断・技術品質」に責任を持つのに対し、エンジニアリングマネージャーは「人・組織・プロセス・採用・成長」に責任を持つ役割です。 ◼️仕事のやりがい - 急成長するAIスタートアップで、開発組織づくりの初期フェーズから関われる - AIエンジニア、Webエンジニア、プロダクトエンジニアなど多様な専門性を持つメンバーの成長を支援できる - 採用、育成、評価、開発プロセス改善など、組織の土台づくりに広く関われる - 経営陣や事業責任者と近い距離で、事業成長に直結する組織課題に向き合える - フルリモート・フレックス環境における、強い開発組織のあり方を設計できる - AI社会実装を支えるエンジニアリング組織の文化・仕組みを自らつくれる - 将来的にはVPoE、開発本部長、CTO候補など、より大きな組織責任を担うキャリアも目指せる ◼️業務内容 - スキルやご経験、ご志向に応じて、以下のような業務をお任せします。 - エンジニア組織のマネジメント、チームビルディング - AIエンジニア、Webエンジニア、プロダクトエンジニアの1on1、目標設定、成長支援 - エンジニアの評価、フィードバック、キャリア支援 - 開発チームの体制設計、役割定義、アサイン調整 - 開発プロセスの改善、スクラム・カンバン等の運用改善 - プロジェクトの進行状況や開発課題の可視化、ボトルネック解消 - テックリードやPMと連携した開発品質・生産性の向上 - 採用要件の定義、求人票作成、カジュアル面談、面接、候補者フォロー - オンボーディング設計、育成プログラム、ナレッジ共有の仕組みづくり - フルリモート環境におけるコミュニケーション設計、チーム文化づくり - 技術負債、開発基盤、品質課題に関する組織的な改善推進 - 経営陣への組織課題の共有、改善提案、実行 - 必要に応じた技術的な意思決定支援、設計レビュー、コードレビュー ◼️関わるチーム・職種 - AIエンジニア - AI/LLMエンジニア - Webエンジニア - シニアWebエンジニア - テックリード／リードWebエンジニア - プロダクトエンジニア - プロダクトマネージャー - AIプロジェクトマネージャー - BizDev、セールス、コンサルタント - 経営陣 ◼️開発・組織テーマ例 - AIソリューション開発チームの体制設計 - 自社AIプロダクト開発チームの開発プロセス改善 - AIエンジニアとWebエンジニアが協働しやすい開発体制づくり - ジュニア〜ミドルエンジニアの育成・レビュー体制づくり - テックリード・シニアエンジニアの役割定義 - フルリモート環境における開発コミュニケーション設計 - 採用基準、面接設計、技術課題、評価基準の整備 - 開発ナレッジ共有、ドキュメント文化、レビュー文化の醸成 - 開発生産性、品質、納期、顧客価値を両立するプロセスづくり - IPOを見据えた開発組織・エンジニアリングガバナンスの整備 ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：Next.js、React、FastAPI、Streamlit - AI/機械学習：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI、PyTorch - クラウド：AWS、Google Cloud、Azure - データベース：PostgreSQL、MySQL - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Claude、Gemini、GitHub Copilot、Figma など ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※面接はオンラインで実施します。 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります

◼️ミッション コーポレートエンジニアのミッションは、エムニの事業成長を支えるコーポレートIT基盤を構築・進化させ、社員がAI開発や価値創出に集中できる環境をつくることです。 急成長する組織において、IT・セキュリティ・業務基盤を整備し、スピードと安全性を両立した働き方を実現していただきます。 ◼️ポジションの魅力 単なる情シス業務にとどまらず、経営や各部門と密に連携しながら、事業成長を支えるIT戦略・業務改善を推進していただきます。IT基盤の整備やセキュリティ強化、社内DXの推進は、開発スピードや働きやすさ、ひいてはプロダクト価値にも直結する重要な役割であり、会社の成長に直接インパクトを与えている実感を得られる環境です。 ◼️業務内容 ・社内IT基盤の設計・運用 Google Workspace / Microsoft 365 の設計・運用 ID管理（入退社対応、権限設計、SSO） デバイス管理（Mac / Windows / モバイル） ・SaaS・クラウドツール管理 利用SaaSの選定・導入・運用 アカウント・権限のライフサイクル管理 SaaSコストの可視化・最適化 ・セキュリティ・ガバナンス 情報セキュリティポリシーの策定・運用 セキュリティツール導入（EDR, MDM, CASB 等） 脆弱性対応、インシデント対応 ・社内業務の自動化・改善 入退社フローの自動化 権限申請・承認フロー整備 ノーコード / スクリプトを用いた業務改善 AIツール（社内GPT等）の導入・活用推進 ・社内問い合わせ対応・ITサポート 社員からのIT関連問い合わせ対応 障害・トラブルシューティング ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：React、Next.js、PyTorch、Streamlit、FastAPI - クラウド：Azure、AWS、Google Cloud、Amazon Bedrock、Azure OpenAI Service - データベース：MySQL、PostgreSQL - コード管理：GitHub - コミュニケーションツール：Slack、Notion - その他：cursor、ChatGPT、Gemini、Claude、GitHub Copilot、Vertex AI、Figma　等 ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。 本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。 単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。 ◼️仕事のやりがい エムニでは、生成AI・LLMを活用した業務変革の最前線で、技術選定からプロトタイピング、実装、改善、運用まで一気通貫で関わることができます。 特に製造業領域では、図面、仕様書、検査記録、作業手順書、問い合わせ履歴、熟練者のナレッジなど、多様かつ複雑なデータを扱います。こうした現場固有の情報をLLMやRAG、AIエージェントと組み合わせ、実務で使えるプロダクト・ソリューションへ落とし込むことが求められます。 技術を深く理解するだけでなく、「誰の、どの業務課題を、どのように解くのか」まで踏み込み、顧客やビジネスサイドと連携しながら価値を形にできる環境です。 ◼️役割期待 入社後は、製造業を中心とした顧客の業務課題を理解し、LLM・RAG・AIエージェント等を活用したAIシステムの技術設計・開発リードをお任せします。 単なる実装にとどまらず、技術選定、アーキテクチャ設計、評価設計、PoCから本番運用までのロードマップ設計、顧客への技術提案、チームメンバーの育成まで、AI社会実装の中核を担っていただきます。 ◼️業務内容 - 業務要件の整理、技術要件への落とし込み - LLM/RAG/AIエージェントを活用したソリューション設計 - AIシステム全体のアーキテクチャ設計 - 技術選定、評価設計、品質基準の策定 - PoC設計、本番運用を見据えた開発リード - 顧客やビジネスサイドとの技術的な議論・提案 - コードレビュー、設計レビュー、技術的意思決定 - ジュニア〜ミドルメンバーの育成・技術支援 - 社内のAI開発ナレッジやベストプラクティスの整備 ◼️開発例 - 製造業向けナレッジ検索・RAGシステム - 図面・帳票・仕様書などのドキュメント解析AI - 熟練者の暗黙知を活用した業務支援AI - 問い合わせ対応・見積作成・調査業務の自動化 - 業務プロセスを自律的に支援するAIエージェント - 生成AIを活用した社内業務効率化・AI駆動経営の推進 - 製造現場・バックオフィス・営業技術領域におけるAI活用支援 ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：FastAPI、Next.js、React、Streamlit - AI/機械学習：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI、PyTorch - クラウド：AWS、Google Cloud、Azure - データベース：PostgreSQL、MySQL - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Gemini、Claude、GitHub Copilot、Figma など

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。 本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。 単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。 ◼️仕事のやりがい エムニでは、生成AI・LLMを活用した業務変革の最前線で、技術選定からプロトタイピング、実装、改善、運用まで一気通貫で関わることができます。 特に製造業領域では、図面、仕様書、検査記録、作業手順書、問い合わせ履歴、熟練者のナレッジなど、多様かつ複雑なデータを扱います。こうした現場固有の情報をLLMやRAG、AIエージェントと組み合わせ、実務で使えるプロダクト・ソリューションへ落とし込むことが求められます。 技術を深く理解するだけでなく、「誰の、どの業務課題を、どのように解くのか」まで踏み込み、顧客やビジネスサイドと連携しながら価値を形にできる環境です。 ◼️役割期待 入社後は、製造業を中心とした顧客の業務課題を理解し、LLM・RAG・AIエージェント等を活用したAIシステムの技術設計・開発リードをお任せします。 単なる実装にとどまらず、技術選定、アーキテクチャ設計、評価設計、PoCから本番運用までのロードマップ設計、顧客への技術提案、チームメンバーの育成まで、AI社会実装の中核を担っていただきます。 ◼️業務内容 - 業務要件の整理、技術要件への落とし込み - LLM/RAG/AIエージェントを活用したソリューション設計 - AIシステム全体のアーキテクチャ設計 - 技術選定、評価設計、品質基準の策定 - PoC設計、本番運用を見据えた開発リード - 顧客やビジネスサイドとの技術的な議論・提案 - コードレビュー、設計レビュー、技術的意思決定 - ジュニア〜ミドルメンバーの育成・技術支援 - 社内のAI開発ナレッジやベストプラクティスの整備 ◼️開発例 - 製造業向けナレッジ検索・RAGシステム - 図面・帳票・仕様書などのドキュメント解析AI - 熟練者の暗黙知を活用した業務支援AI - 問い合わせ対応・見積作成・調査業務の自動化 - 業務プロセスを自律的に支援するAIエージェント - 生成AIを活用した社内業務効率化・AI駆動経営の推進 - 製造現場・バックオフィス・営業技術領域におけるAI活用支援 ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：FastAPI、Next.js、React、Streamlit - AI/機械学習：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI、PyTorch - クラウド：AWS、Google Cloud、Azure - データベース：PostgreSQL、MySQL - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Gemini、Claude、GitHub Copilot、Figma など ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※面接はオンラインで実施します。 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります。

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、AIによって解決できる課題が数多く存在します。 本ポジションでは、AIエンジニアやPM、ビジネスサイドと連携しながら、LLM・RAG・画像認識・音声認識などのAI技術を、ユーザーが実際に使えるWebアプリケーションとして設計・実装・改善していただきます。 単なるWeb開発ではなく、AI技術を実業務に組み込み、顧客の業務変革につながるプロダクト・システムをつくることがミッションです。 ◼️本ポジションについて シニアWebエンジニアには、AIアプリケーション開発における設計・実装・改善を自走して推進いただくことを期待しています。 フロントエンド、バックエンド、API、データベース、クラウド環境などを横断しながら、AI機能をユーザーにとって使いやすく、安定して運用できる形に落とし込んでいただきます。 AIエンジニアが開発したモデルやLLM/RAG機能を、現場で使われるWebサービス・業務システムとして成立させる、非常に重要なポジションです。 また、担当領域においては、設計判断、コードレビュー、技術調査、品質改善なども担っていただきます。将来的にはリードWebエンジニアやテックリードとして、より大きな技術責任を担うことも可能です。 ◼️仕事のやりがい - AI技術を、実際に業務で使われるWebアプリケーションとして社会実装できる - LLM、RAG、画像認識、音声認識などを組み込んだAIプロダクト開発に関われる - フロントエンド・バックエンド・インフラを横断したフルスタックな開発経験を活かせる - PMやAIエンジニアと近い距離で、仕様検討から実装・改善まで一気通貫で関われる - 製造業の現場課題を解決する、社会的意義の大きいプロダクト開発に携われる - 担当領域の技術的な難所を解き、チームの開発品質向上に貢献できる - 将来的にはテックリードや開発組織の中核メンバーとしてのキャリアも目指せる ◼️業務内容 スキルやご経験、ご志向に応じて、以下のような業務をお任せします。 - AI機能を組み込んだWebアプリケーションの設計・開発・運用 - Next.js、React、FastAPI等を用いたフロントエンド・バックエンド開発 - LLM/RAG/画像認識/音声認識等を活用したAIアプリケーション開発 - AIエンジニアと連携したAPI設計、データ連携、推論結果の表示・活用設計 - 要件や仕様をもとにした画面設計、API設計、データベース設計 - 顧客やユーザーの業務フローを踏まえたUI/UX改善 - パフォーマンス、セキュリティ、保守性、運用性を意識した実装改善 - クラウド環境を活用したアプリケーションの構築・運用 - コードレビュー、技術調査、ドキュメント整備 - PM、AIエンジニア、ビジネスサイドとの仕様調整・技術相談 - 既存プロダクト・既存システムの技術負債の解消、品質改善 - ジュニア〜ミドルメンバーへの技術支援 ◼️開発テーマ例 - 製造業向けAI業務支援アプリケーション - LLM/RAGを活用したナレッジ検索・文書生成システム - 図面・帳票・PDF・マニュアル等を扱うWebアプリケーション - 画像認識・異常検知・分類モデルを組み込んだ業務支援システム - AIエージェントを活用した業務自動化アプリケーション - 自社AIプロダクトの管理画面・ユーザー画面・API開発 - 社内外の利用ログをもとにしたプロダクト改善・グロース施策 ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：Next.js、React、FastAPI、Streamlit - AI/機械学習：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI、PyTorch - クラウド：AWS、Google Cloud、Azure - データベース：PostgreSQL、MySQL - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Claude、Gemini、GitHub Copilot、Figma など ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※面接はオンラインで実施します。 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります。

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。 本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。 単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。 ◼️本ポジションについて エムニでは、LLM・RAG・画像認識・機械学習・AIエージェントなどの技術を活用し、製造業の現場課題に応じたオーダーメイドAI開発・導入支援を行っています。 その中でデータサイエンティストは、AI開発の出発点となる重要な役割を担います。 顧客の業務を理解し、利用可能なデータを確認し、分析可能性やデータ品質を見極め、どのテーマに取り組むことで業務成果につながるかを整理します。必要に応じて予測モデルや分類モデル等の初期検証を行い、PoCや本番開発へつなげていきます。 扱うデータは、テーブルデータ、時系列データ、画像、自然言語、設備ログ、検査記録、生産実績、品質データ、問い合わせ履歴など多岐にわたります。 AIプロジェクトマネージャー、MLエンジニア、AI/LLMエンジニア、Webエンジニア、Bizメンバーと連携しながら、データから価値ある課題を発見し、実際のAI導入・業務改善につなげていただきます。 ◼️仕事のやりがい - 製造業の現場データをもとに、実際の業務課題の発見・改善に関われる - 顧客ヒアリングからデータ分析、AI活用テーマ設計、効果検証まで一気通貫で担える - テーブルデータ、時系列データ、画像、自然言語など、多様なデータに向き合える - 分析結果をレポートで終わらせず、AI導入や業務変革につなげられる - 需要予測、品質改善、異常検知、要因分析など、製造業に直結するテーマに挑戦できる - MLエンジニアやAI/LLMエンジニアと連携し、分析・検証結果を本番システムにつなげられる - LLMや生成AIと従来型のデータ分析・機械学習を組み合わせた、新しい課題解決に挑戦できる ◼️業務内容 スキルやご経験、ご志向に応じて、以下のような業務をお任せします。 - 製造業を中心としたクライアントの業務課題・データ課題のヒアリング、整理、構造化 - 生産データ、品質データ、設備ログ、検査記録、需要データ等の探索的データ分析 - データの可視化、傾向分析、ボトルネック分析、要因分析 - AI導入余地の見極め、ユースケース設計、PoCテーマの立案 - KPI・効果指標の設計、導入前後の効果検証方針の策定 - 需要予測、異常検知、分類、回帰、品質予測等の初期モデル検証 - データ品質、欠損、偏り、取得方法、活用可能性の評価 - 顧客向け分析報告、検証結果の説明、改善施策の提案 - AIプロジェクトマネージャー、MLエンジニア、Webエンジニアとのプロジェクト推進 - LLM/RAG/AIエージェントと構造化データ分析を組み合わせた活用テーマの検討 分析手法、検証結果、顧客課題に関するナレッジの社内共有 - 自社プロダクトや今後の新規事業に活用可能なデータ分析・検証 ◼️取り組むテーマ例 - 品質不良データの分析による、不良要因・改善ポイントの特定 - 設備ログやセンサーデータを用いた、故障予兆・異常傾向の分析 - 生産実績・受注・在庫データを用いた、需要予測・生産計画高度化の検証 - 検査工程における画像データ活用可能性の評価 - 作業記録、問い合わせ履歴、報告書等の分析による、業務効率化テーマの探索 - 熟練者の判断や現場ノウハウをデータ化・可視化するための分析設計 - AI導入前後の効果測定設計、KPIモニタリング - 複数工場・複数拠点のデータを活用した横断分析 - LLMと構造化データを組み合わせた、意思決定支援・分析支援機能の検討 ◼️このポジションで期待する成果 - 顧客の業務課題を理解し、データをもとに解くべき論点を整理できる - AI活用が有効なテーマと、データ不足等により難しいテーマを適切に見極められる - 分析・検証結果を、顧客や非技術者にもわかりやすく説明できる - モデル精度だけでなく、業務成果や導入効果を踏まえて提案できる - MLエンジニア等と連携し、分析・PoCから本番導入へつなげられる - 顧客現場の一次情報を重視し、実効性のある改善テーマを生み出せる ◼️開発環境 - 言語：Python、SQL、R - データ分析・統計：Pandas、NumPy、SciPy、scikit-learn、statsmodels - 機械学習：scikit-learn、PyTorch、TensorFlow - 可視化・BI：Matplotlib、Plotly、Tableau、Looker Studio など - AI/生成AI：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI - クラウド：AWS、Google Cloud、Azure - データベース・データ基盤：PostgreSQL、MySQL、BigQuery - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Claude、Gemini、GitHub Copilot など ※利用技術はプロジェクトや課題に応じて柔軟に選定します。

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。 本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。 単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。 ◼️本ポジションについて エムニでは、LLM・RAG・画像認識・機械学習・AIエージェントなどの技術を活用し、製造業の現場課題に応じたオーダーメイドAI開発・導入支援を行っています。 その中でデータサイエンティストは、AI開発の出発点となる重要な役割を担います。 顧客の業務を理解し、利用可能なデータを確認し、分析可能性やデータ品質を見極め、どのテーマに取り組むことで業務成果につながるかを整理します。必要に応じて予測モデルや分類モデル等の初期検証を行い、PoCや本番開発へつなげていきます。 扱うデータは、テーブルデータ、時系列データ、画像、自然言語、設備ログ、検査記録、生産実績、品質データ、問い合わせ履歴など多岐にわたります。 AIプロジェクトマネージャー、MLエンジニア、AI/LLMエンジニア、Webエンジニア、Bizメンバーと連携しながら、データから価値ある課題を発見し、実際のAI導入・業務改善につなげていただきます。 ◼️仕事のやりがい - 製造業の現場データをもとに、実際の業務課題の発見・改善に関われる - 顧客ヒアリングからデータ分析、AI活用テーマ設計、効果検証まで一気通貫で担える - テーブルデータ、時系列データ、画像、自然言語など、多様なデータに向き合える - 分析結果をレポートで終わらせず、AI導入や業務変革につなげられる - 需要予測、品質改善、異常検知、要因分析など、製造業に直結するテーマに挑戦できる - MLエンジニアやAI/LLMエンジニアと連携し、分析・検証結果を本番システムにつなげられる - LLMや生成AIと従来型のデータ分析・機械学習を組み合わせた、新しい課題解決に挑戦できる ◼️業務内容 スキルやご経験、ご志向に応じて、以下のような業務をお任せします。 - 製造業を中心としたクライアントの業務課題・データ課題のヒアリング、整理、構造化 - 生産データ、品質データ、設備ログ、検査記録、需要データ等の探索的データ分析 - データの可視化、傾向分析、ボトルネック分析、要因分析 - AI導入余地の見極め、ユースケース設計、PoCテーマの立案 - KPI・効果指標の設計、導入前後の効果検証方針の策定 - 需要予測、異常検知、分類、回帰、品質予測等の初期モデル検証 - データ品質、欠損、偏り、取得方法、活用可能性の評価 - 顧客向け分析報告、検証結果の説明、改善施策の提案 - AIプロジェクトマネージャー、MLエンジニア、Webエンジニアとのプロジェクト推進 - LLM/RAG/AIエージェントと構造化データ分析を組み合わせた活用テーマの検討 分析手法、検証結果、顧客課題に関するナレッジの社内共有 - 自社プロダクトや今後の新規事業に活用可能なデータ分析・検証 ◼️取り組むテーマ例 - 品質不良データの分析による、不良要因・改善ポイントの特定 - 設備ログやセンサーデータを用いた、故障予兆・異常傾向の分析 - 生産実績・受注・在庫データを用いた、需要予測・生産計画高度化の検証 - 検査工程における画像データ活用可能性の評価 - 作業記録、問い合わせ履歴、報告書等の分析による、業務効率化テーマの探索 - 熟練者の判断や現場ノウハウをデータ化・可視化するための分析設計 - AI導入前後の効果測定設計、KPIモニタリング - 複数工場・複数拠点のデータを活用した横断分析 - LLMと構造化データを組み合わせた、意思決定支援・分析支援機能の検討 ◼️このポジションで期待する成果 - 顧客の業務課題を理解し、データをもとに解くべき論点を整理できる - AI活用が有効なテーマと、データ不足等により難しいテーマを適切に見極められる - 分析・検証結果を、顧客や非技術者にもわかりやすく説明できる - モデル精度だけでなく、業務成果や導入効果を踏まえて提案できる - MLエンジニア等と連携し、分析・PoCから本番導入へつなげられる - 顧客現場の一次情報を重視し、実効性のある改善テーマを生み出せる ◼️開発環境 - 言語：Python、SQL、R - データ分析・統計：Pandas、NumPy、SciPy、scikit-learn、statsmodels - 機械学習：scikit-learn、PyTorch、TensorFlow - 可視化・BI：Matplotlib、Plotly、Tableau、Looker Studio など - AI/生成AI：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI - クラウド：AWS、Google Cloud、Azure - データベース・データ基盤：PostgreSQL、MySQL、BigQuery - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Claude、Gemini、GitHub Copilot など ※利用技術はプロジェクトや課題に応じて柔軟に選定します。 ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※面接はオンラインで実施します。 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、AIによって解決できる課題が数多く存在します。 本ポジションでは、Web領域の技術責任者候補として、AIエンジニア、PM、Bizメンバーと連携しながら、AI機能を組み込んだWebアプリケーション全体の技術設計・開発推進を担っていただきます。 単なる実装担当ではなく、技術選定、アーキテクチャ設計、開発プロセス改善、メンバー支援まで含めて、AIアプリケーション開発を技術面からリードすることがミッションです。 ◼️本ポジションについて テックリード／リードWebエンジニアには、Webアプリケーション開発における技術方針・設計判断・開発品質に責任を持っていただくことを期待しています。 エムニでは、LLM、RAG、画像認識、音声認識、AIエージェントなど、さまざまなAI技術を顧客の業務に組み込み、実際に使われるWebシステムとして提供しています。 そのため、AIエンジニアが開発したモデルやAI機能を、フロントエンド・バックエンド・インフラを横断して、プロダクト全体として成立する形にまとめ上げる役割が非常に重要です。 PMやBizメンバーと連携しながら、要件定義・仕様策定の段階から技術的な論点を整理し、品質・スピード・保守性のバランスを取りながら開発を前に進めていただきます。 ◼️仕事のやりがい - Web領域の技術責任者候補として、技術方針や設計判断に関われる - AI開発とWeb開発を接続し、顧客に価値が届くプロダクトとして形にできる - LLM、RAG、画像認識、音声認識などを組み込んだAIアプリケーション全体の設計に関われる - フロントエンド・バックエンド・インフラを横断し、全体最適の技術判断ができる - PM、AIエンジニア、Bizメンバーと連携しながら、プロジェクトの成功確度を高められる - 開発プロセス、技術標準、レビュー文化など、開発組織の土台づくりに関われる - 将来的にVPoE、CTO、エンジニアリングマネージャーなどを目指せる ◼️業務内容 - スキルやご経験、ご志向に応じて、以下のような業務をお任せします。 - Web領域における技術方針・設計方針の策定 - AI機能を組み込んだWebアプリケーション全体のアーキテクチャ設計 - フロントエンド・バックエンド・インフラを横断した技術判断 - LLM/RAG/画像認識/音声認識/AIエージェントとWebアプリケーションの接続設計 - 要件定義・仕様策定における技術的な論点整理 - 非機能要件、セキュリティ、パフォーマンス、運用性を踏まえた設計 - PM、AIエンジニア、Bizメンバーとの技術的な合意形成 - プロジェクトの開発推進、技術的な課題解決、意思決定 - コードレビュー、設計レビュー、技術的意思決定 - ジュニア〜シニアメンバーへの技術支援・育成 - 開発プロセス、開発基盤、技術標準の整備 - 技術負債の可視化と解消方針の策定 - 必要に応じた実装、プロトタイピング、技術検証 ◼️開発テーマ例 - 製造業向けAI業務支援アプリケーション全体の技術設計 - LLM/RAGを活用したナレッジ検索・文書生成システムの設計・開発 - 図面・帳票・PDF・マニュアル等を扱うWebアプリケーション基盤 - 画像認識・異常検知・分類モデルを組み込んだ業務支援システム - AIエージェントを活用した業務自動化アプリケーション - 自社AIプロダクトのアーキテクチャ設計、技術選定、開発基盤整備 - 複数プロジェクトで再利用できる開発テンプレート・共通基盤の整備 - 開発品質・生産性向上に向けた技術標準化、レビュー体制づくり ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：Next.js、React、FastAPI、Streamlit - AI/機械学習：OpenAI API、Azure OpenAI Service、Anthropic Claude、- Gemini、Amazon Bedrock、Vertex AI、PyTorch - クラウド：AWS、Google Cloud、Azure - データベース：PostgreSQL、MySQL - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Claude、Gemini、GitHub Copilot、Figma など ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※面接はオンラインで実施します。 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります。

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセス、複雑な業務フローなど、AIによって解決できる課題が数多く存在します。 本ポジションでは、プロジェクトマネージャーとして、製造業を中心としたクライアントの事業・業務課題を深く理解し、AIエンジニア、Webエンジニア、データサイエンティスト、ビジネスメンバーと連携しながら、オーダーメイドAIの開発・導入プロジェクトを推進していただきます。 単なる進行管理ではなく、顧客課題の整理、AI活用テーマの設計、要件定義、開発マネジメント、導入支援、運用改善まで一気通貫で担い、AIの社会実装をリードすることがミッションです。 ◼️ポジションの魅力 エムニでは、LLM・RAG・画像認識・音声認識・機械学習・AIエージェントなどの技術を活用し、クライアントごとの課題に合わせた「オーダーメイドAI」の開発・導入を行っています。 プロジェクトマネージャーには、顧客の業務課題を理解し、AIで解くべき課題を見極め、社内のエンジニアチームと連携しながらプロジェクトを成功に導く役割を期待しています。 AIの専門知識だけでなく、顧客との合意形成、要件定義、プロジェクト計画、スケジュール・品質・コスト管理、チーム連携、導入後の定着支援など、複数の要素をバランスよく推進する力が求められます。 また、エムニは急成長フェーズにあるため、個別プロジェクトの推進だけでなく、プロジェクト運営の型化、開発プロセス改善、ナレッジ共有、チームの仕組み化にも関わっていただきます。 ◼️仕事のやりがい - 製造業を中心とした大きな産業課題に対して、AIの社会実装を推進できる - LLM・RAG・画像認識・機械学習など、最先端技術を顧客価値に変換する経験ができる - 顧客課題の整理から、要件定義、開発、導入、運用改善まで一気通貫で関われる - AIエンジニア、Webエンジニア、データサイエンティストと連携し、技術とビジネスの橋渡しができる - PoCで終わらず、顧客の業務に定着するAIシステムづくりに関われる - プロジェクト運営の仕組み化や組織づくりにも関われる - 将来的には、複数プロジェクトの統括、事業責任者、プロダクト責任者、AIコンサルティング組織の責任者などのキャリアも目指せる ◼️業務内容 スキルやご経験、ご志向に応じて、以下のような業務をお任せします。 - 製造業を中心としたクライアントへのAI活用コンサルティング - 顧客の事業課題・業務課題のヒアリング、整理、構造化 - AI活用テーマの企画、ユースケース設計、プロジェクト提案 - プロジェクト計画の策定、スコープ定義、スケジュール管理 - 要件定義、仕様策定、開発優先順位の整理 - AIエンジニア、Webエンジニア、データサイエンティストとの開発推進 - LLM・RAG・画像認識・機械学習等を活用したAI開発プロジェクトのマネジメント - 顧客や社内ステークホルダーとの合意形成、期待値調整 - プロジェクトの進捗管理、課題管理、リスク管理、品質管理 - 顧客向け資料、提案資料、要件定義書、報告資料の作成 - 開発成果物のレビュー、受入確認、導入支援 - 導入後の効果検証、改善提案、運用定着支援 - プロジェクト運営の標準化、ナレッジ共有、業務の仕組み化 - チームのアウトプット最大化に向けたプロセス改善 - 必要に応じたメンバー支援、ピープルマネジメント ◼️担当するプロジェクト例 - 製造業向けナレッジ検索・RAGシステムの開発導入 - 図面、帳票、仕様書、マニュアル等を活用した文書解析AIの開発 - 熟練者の暗黙知を活用した業務支援AIの導入 - 検査画像・設備ログを活用した異常検知・予兆保全プロジェクト - 問い合わせ対応、見積作成、調査業務の自動化 - AIエージェントを活用した業務プロセス自動化 - 顧客企業の生成AI活用方針策定、業務適用支援 - AI導入後の運用設計、定着支援、効果検証 - 自社AIプロダクトと連携した顧客向け導入プロジェクト ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：React、Next.js、PyTorch、Streamlit、FastAPI - クラウド：Azure、AWS、Google Cloud、Amazon Bedrock、Azure OpenAI Service - AI/機械学習：OpenAI API、Anthropic Claude、Gemini、Vertex AI など - データベース：MySQL、PostgreSQL - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Gemini、Claude、GitHub Copilot、Figma など

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセス、複雑な業務フローなど、AIによって解決できる課題が数多く存在します。 本ポジションでは、プロジェクトマネージャーとして、製造業を中心としたクライアントの事業・業務課題を深く理解し、AIエンジニア、Webエンジニア、データサイエンティスト、ビジネスメンバーと連携しながら、オーダーメイドAIの開発・導入プロジェクトを推進していただきます。 単なる進行管理ではなく、顧客課題の整理、AI活用テーマの設計、要件定義、開発マネジメント、導入支援、運用改善まで一気通貫で担い、AIの社会実装をリードすることがミッションです。 ◼️ポジションの魅力 エムニでは、LLM・RAG・画像認識・音声認識・機械学習・AIエージェントなどの技術を活用し、クライアントごとの課題に合わせた「オーダーメイドAI」の開発・導入を行っています。 プロジェクトマネージャーには、顧客の業務課題を理解し、AIで解くべき課題を見極め、社内のエンジニアチームと連携しながらプロジェクトを成功に導く役割を期待しています。 AIの専門知識だけでなく、顧客との合意形成、要件定義、プロジェクト計画、スケジュール・品質・コスト管理、チーム連携、導入後の定着支援など、複数の要素をバランスよく推進する力が求められます。 また、エムニは急成長フェーズにあるため、個別プロジェクトの推進だけでなく、プロジェクト運営の型化、開発プロセス改善、ナレッジ共有、チームの仕組み化にも関わっていただきます。 ◼️仕事のやりがい - 製造業を中心とした大きな産業課題に対して、AIの社会実装を推進できる - LLM・RAG・画像認識・機械学習など、最先端技術を顧客価値に変換する経験ができる - 顧客課題の整理から、要件定義、開発、導入、運用改善まで一気通貫で関われる - AIエンジニア、Webエンジニア、データサイエンティストと連携し、技術とビジネスの橋渡しができる - PoCで終わらず、顧客の業務に定着するAIシステムづくりに関われる - プロジェクト運営の仕組み化や組織づくりにも関われる - 将来的には、複数プロジェクトの統括、事業責任者、プロダクト責任者、AIコンサルティング組織の責任者などのキャリアも目指せる ◼️業務内容 スキルやご経験、ご志向に応じて、以下のような業務をお任せします。 - 製造業を中心としたクライアントへのAI活用コンサルティング - 顧客の事業課題・業務課題のヒアリング、整理、構造化 - AI活用テーマの企画、ユースケース設計、プロジェクト提案 - プロジェクト計画の策定、スコープ定義、スケジュール管理 - 要件定義、仕様策定、開発優先順位の整理 - AIエンジニア、Webエンジニア、データサイエンティストとの開発推進 - LLM・RAG・画像認識・機械学習等を活用したAI開発プロジェクトのマネジメント - 顧客や社内ステークホルダーとの合意形成、期待値調整 - プロジェクトの進捗管理、課題管理、リスク管理、品質管理 - 顧客向け資料、提案資料、要件定義書、報告資料の作成 - 開発成果物のレビュー、受入確認、導入支援 - 導入後の効果検証、改善提案、運用定着支援 - プロジェクト運営の標準化、ナレッジ共有、業務の仕組み化 - チームのアウトプット最大化に向けたプロセス改善 - 必要に応じたメンバー支援、ピープルマネジメント ◼️担当するプロジェクト例 - 製造業向けナレッジ検索・RAGシステムの開発導入 - 図面、帳票、仕様書、マニュアル等を活用した文書解析AIの開発 - 熟練者の暗黙知を活用した業務支援AIの導入 - 検査画像・設備ログを活用した異常検知・予兆保全プロジェクト - 問い合わせ対応、見積作成、調査業務の自動化 - AIエージェントを活用した業務プロセス自動化 - 顧客企業の生成AI活用方針策定、業務適用支援 - AI導入後の運用設計、定着支援、効果検証 - 自社AIプロダクトと連携した顧客向け導入プロジェクト ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：React、Next.js、PyTorch、Streamlit、FastAPI - クラウド：Azure、AWS、Google Cloud、Amazon Bedrock、Azure OpenAI Service - AI/機械学習：OpenAI API、Anthropic Claude、Gemini、Vertex AI など - データベース：MySQL、PostgreSQL - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Gemini、Claude、GitHub Copilot、Figma など ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※面接はオンラインで実施します。 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、AIによって解決できる課題が数多く存在します。 エムニでは、LLM・RAG・画像認識・音声認識・AIエージェントなどの技術を活用し、製造業を中心とした顧客の業務変革や、自社AIプロダクトの開発に取り組んでいます。 本ポジションでは、プロダクトマネージャーとして、顧客・ユーザーの課題探索から、プロダクト戦略、要件定義、仕様策定、開発推進、リリース後の改善まで一気通貫で担っていただきます。 単なる仕様管理ではなく、AI技術をどのように顧客価値・事業価値に変換するかを考え、プロダクトを成長させることがミッションです。 ◼️ポジションの魅力 エムニは現在、AIソリューション開発と自社AIプロダクト開発の両軸で事業を拡大しています。 自社プロダクトとしては、特許・知財業務を支援する AI特許ロケット や、ヒアリング・面談・調査業務を支援する AIインタビュアー など、生成AIを活用した新規プロダクト開発を進めています。 PdMには、こうしたプロダクトの0→1・1→10フェーズにおいて、ユーザー課題を深く理解し、AIエンジニア・Webエンジニア・Bizメンバーと連携しながら、価値あるプロダクトに磨き込んでいく役割を期待しています。 AI技術そのものを理解することも重要ですが、それ以上に「誰の、どの業務課題を、どのように解くのか」を定義し、プロダクトとして成立させる力が求められます。 ◼️仕事のやりがい - AIプロダクトの0→1・1→10フェーズに深く関われる - 製造業を中心としたリアルな業務課題に向き合い、AIで解決策を形にできる - LLM・RAG・AIエージェントなどの最新技術を、顧客価値に変換する経験ができる - CEO・COO・BizDev・AIエンジニア・Webエンジニアと近い距離でプロダクト開発を推進できる - 顧客ヒアリング、仮説検証、仕様策定、開発推進、改善まで一気通貫で関われる - PMF前後のプロダクトを、自らの意思決定で成長させる経験ができる - 将来的にはプロダクト責任者、事業責任者、CPO候補などのキャリアも目指せる ◼️業務内容 スキルやご経験、ご志向に応じて、以下のような業務をお任せします。 - 自社AIプロダクトのプロダクト戦略・ロードマップ策定 - 顧客・ユーザーへのヒアリング、業務課題の整理、仮説検証 - 市場調査、競合調査、ユーザー課題の分析 - プロダクトビジョン、提供価値、ターゲットユーザーの整理 - 要件定義、仕様策定、画面設計、ユーザーストーリー作成 - AIエンジニア、Webエンジニア、デザイナー、Bizメンバーとの開発推進 - LLM・RAG・AIエージェント等を活用した機能企画 - プロトタイプ作成、ユーザーテスト、フィードバック収集 - 開発優先順位の決定、バックログ管理、リリース管理 - 利用データ、ユーザーフィードバックをもとにしたプロダクト改善 - 営業・CS・マーケティングと連携したGo To Market推進 - プロダクトKPIの設計、モニタリング、改善施策の立案 - 必要に応じた顧客提案、導入支援、社内外へのプロダクト説明 ◼️担当するプロジェクト例 - AI特許ロケット 　特許・知財業務を支援するAIプロダクト 　発明情報、技術資料、特許文書などを扱う検索・要約・生成・構造化機能 　知財担当者・研究開発者の業務フロー改善 - AIインタビュアー 　ヒアリング・面談・調査業務を支援するAIプロダクト 　質問生成、深掘り、回答分析、要約、レポート生成 　採用、人事、営業、CS、調査、コンサルティング領域への展開 - 製造業向けAI業務支援プロダクト 　図面、帳票、PDF、マニュアル、問い合わせ履歴などを扱うAIアプリケーション 　熟練者の暗黙知や社内ナレッジを活用するRAG・AIエージェント 　現場業務の効率化、脱属人化、品質向上を支援するプロダクト ◼️開発環境 - 言語：Python、TypeScript - フレームワーク：React、FastAPI, Django - クラウド：AWS、Google Cloud - データベース：PostgreSQL - コード管理：GitHub - コミュニケーションツール：Slack、Notion, Linear - その他：cursor、ChatGPT、Figma, Claude Code　など ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※面接はオンラインで実施します。 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。 本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。 単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。 ◼️本ポジションについて エムニでは、製造業を中心とした顧客向けに、オーダーメイドAIの開発・導入を行っています。 MLエンジニアには、データサイエンティストやAIプロジェクトマネージャーが整理した顧客課題・検証テーマをもとに、機械学習モデルの設計、学習、評価、改善、本番実装、運用設計まで担っていただきます。 扱うテーマは、外観検査画像を用いた不良検知、設備ログを用いた異常検知・予兆保全、生産実績や需要データを用いた予測、文書や記録データを用いた分類など、多岐にわたります。 また、LLM/RAG/AIエージェントなどの生成AI技術と、従来型の機械学習モデルを組み合わせることで、より高度な業務支援システムを構築する機会もあります。 Webエンジニア、インフラエンジニア、AI/LLMエンジニアと連携しながら、モデルを本番環境で安定して届けるところまで責任を持っていただくポジションです。 ◼️仕事のやりがい - 製造業の現場で実際に使われる機械学習モデル・AIシステムを開発できる - 画像認識、異常検知、時系列予測、需要予測など、産業課題に直結するテーマに挑戦できる - PoCで精度を示すだけでなく、API化・本番導入・監視・継続改善まで担える - データサイエンティスト、Webエンジニア、インフラエンジニア、PMと連携して社会実装を進められる - MLOps、推論基盤、再学習、モデル監視など、運用を見据えたML開発に関われる - LLM/RAG等の生成AIと機械学習を組み合わせた、新しいAIシステムに挑戦できる - 将来的にはMLテックリード、MLOps責任者、AIソリューションの技術リードを目指せる ◼️業務内容 スキルやご経験、ご志向に応じて、以下のような業務をお任せします。 - 製造業を中心とした顧客課題に対する機械学習モデル・アルゴリズムの設計、開発、評価 - 画像認識、異常検知、時系列予測、需要予測、分類、回帰、最適化等のモデル開発 - データ前処理、特徴量設計、学習データ設計、評価指標設計 - モデル精度の改善、エラー分析、ロバスト性向上 - 推論速度、処理性能、コスト、安定性を踏まえたモデル・処理方式の改善 - 機械学習モデルのAPI化、Webアプリケーション・業務システムへの組み込み - 学習・推論パイプライン、バッチ処理、再学習フローの設計・開発 - モデル監視、性能劣化検知、データドリフト検知、バージョン管理 - クラウド・GPU環境を活用した学習・推論基盤の構築支援 - インフラエンジニアと連携したMLOps・運用基盤の整備 - AI/LLMエンジニアと連携した、LLM/RAGと機械学習モデルを組み合わせた機能開発 - PM・データサイエンティスト・顧客への技術説明、検証結果共有 - 最新論文・技術トレンドの調査、実装検証、社内ナレッジ共有 ◼️取り組むテーマ例 - 検査画像・外観画像を用いた不良検知・分類モデルの開発 - 設備ログ・センサーデータを用いた異常検知・予兆保全モデルの開発 - 受注・生産・在庫データを用いた需要予測・生産計画支援モデルの開発 - 品質データを用いた不良発生予測・品質改善支援 - 作業データや工程データを用いた効率化・最適化モデルの開発 - 文書・帳票・記録データを活用した分類・抽出モデルの開発 - 学習済みモデルの推論API化と業務アプリケーションへの組み込み - 本番導入後のモデル監視・再学習・性能改善 - LLM/RAGと予測モデル・分類モデルを組み合わせた業務支援AI - 複数顧客・複数案件に横展開可能なML開発・運用基盤の整備 ◼️このポジションで期待する成果 - 顧客課題に対して、適切なモデル方式・評価方法を設計できる - PoCでのモデル検証から、本番システムへの組み込みまで推進できる - 精度だけでなく、推論速度、コスト、可用性、保守性を意識して開発できる - 運用開始後の性能監視や再学習を含め、継続的に改善できる仕組みをつくれる - Webエンジニアやインフラエンジニアと連携し、AIモデルを安定した機能として提供できる - 技術的な検討内容や制約を、顧客・PM・非技術者にもわかりやすく説明できる ◼️開発環境 - 言語：Python、SQL、TypeScript - 機械学習・深層学習：PyTorch、TensorFlow、scikit-learn、Hugging Face - データ処理：Pandas、NumPy、SciPy - API・アプリケーション：FastAPI、Next.js、React、Streamlit - AI/生成AI：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI - クラウド：AWS、Google Cloud、Azure - コンテナ・運用：Docker、CI/CD、各種監視サービス - データベース・データ基盤：PostgreSQL、MySQL、BigQuery - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Claude、Gemini、GitHub Copilot など ※利用技術はプロジェクトや課題に応じて柔軟に選定します。

◼️ミッション エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。 日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。 本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。 単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。 ◼️本ポジションについて エムニでは、製造業を中心とした顧客向けに、オーダーメイドAIの開発・導入を行っています。 MLエンジニアには、データサイエンティストやAIプロジェクトマネージャーが整理した顧客課題・検証テーマをもとに、機械学習モデルの設計、学習、評価、改善、本番実装、運用設計まで担っていただきます。 扱うテーマは、外観検査画像を用いた不良検知、設備ログを用いた異常検知・予兆保全、生産実績や需要データを用いた予測、文書や記録データを用いた分類など、多岐にわたります。 また、LLM/RAG/AIエージェントなどの生成AI技術と、従来型の機械学習モデルを組み合わせることで、より高度な業務支援システムを構築する機会もあります。 Webエンジニア、インフラエンジニア、AI/LLMエンジニアと連携しながら、モデルを本番環境で安定して届けるところまで責任を持っていただくポジションです。 ◼️仕事のやりがい - 製造業の現場で実際に使われる機械学習モデル・AIシステムを開発できる - 画像認識、異常検知、時系列予測、需要予測など、産業課題に直結するテーマに挑戦できる - PoCで精度を示すだけでなく、API化・本番導入・監視・継続改善まで担える - データサイエンティスト、Webエンジニア、インフラエンジニア、PMと連携して社会実装を進められる - MLOps、推論基盤、再学習、モデル監視など、運用を見据えたML開発に関われる - LLM/RAG等の生成AIと機械学習を組み合わせた、新しいAIシステムに挑戦できる - 将来的にはMLテックリード、MLOps責任者、AIソリューションの技術リードを目指せる ◼️業務内容 スキルやご経験、ご志向に応じて、以下のような業務をお任せします。 - 製造業を中心とした顧客課題に対する機械学習モデル・アルゴリズムの設計、開発、評価 - 画像認識、異常検知、時系列予測、需要予測、分類、回帰、最適化等のモデル開発 - データ前処理、特徴量設計、学習データ設計、評価指標設計 - モデル精度の改善、エラー分析、ロバスト性向上 - 推論速度、処理性能、コスト、安定性を踏まえたモデル・処理方式の改善 - 機械学習モデルのAPI化、Webアプリケーション・業務システムへの組み込み - 学習・推論パイプライン、バッチ処理、再学習フローの設計・開発 - モデル監視、性能劣化検知、データドリフト検知、バージョン管理 - クラウド・GPU環境を活用した学習・推論基盤の構築支援 - インフラエンジニアと連携したMLOps・運用基盤の整備 - AI/LLMエンジニアと連携した、LLM/RAGと機械学習モデルを組み合わせた機能開発 - PM・データサイエンティスト・顧客への技術説明、検証結果共有 - 最新論文・技術トレンドの調査、実装検証、社内ナレッジ共有 ◼️取り組むテーマ例 - 検査画像・外観画像を用いた不良検知・分類モデルの開発 - 設備ログ・センサーデータを用いた異常検知・予兆保全モデルの開発 - 受注・生産・在庫データを用いた需要予測・生産計画支援モデルの開発 - 品質データを用いた不良発生予測・品質改善支援 - 作業データや工程データを用いた効率化・最適化モデルの開発 - 文書・帳票・記録データを活用した分類・抽出モデルの開発 - 学習済みモデルの推論API化と業務アプリケーションへの組み込み - 本番導入後のモデル監視・再学習・性能改善 - LLM/RAGと予測モデル・分類モデルを組み合わせた業務支援AI - 複数顧客・複数案件に横展開可能なML開発・運用基盤の整備 ◼️このポジションで期待する成果 - 顧客課題に対して、適切なモデル方式・評価方法を設計できる - PoCでのモデル検証から、本番システムへの組み込みまで推進できる - 精度だけでなく、推論速度、コスト、可用性、保守性を意識して開発できる - 運用開始後の性能監視や再学習を含め、継続的に改善できる仕組みをつくれる - Webエンジニアやインフラエンジニアと連携し、AIモデルを安定した機能として提供できる - 技術的な検討内容や制約を、顧客・PM・非技術者にもわかりやすく説明できる ◼️開発環境 - 言語：Python、SQL、TypeScript - 機械学習・深層学習：PyTorch、TensorFlow、scikit-learn、Hugging Face - データ処理：Pandas、NumPy、SciPy - API・アプリケーション：FastAPI、Next.js、React、Streamlit - AI/生成AI：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI - クラウド：AWS、Google Cloud、Azure - コンテナ・運用：Docker、CI/CD、各種監視サービス - データベース・データ基盤：PostgreSQL、MySQL、BigQuery - コード管理：GitHub - コミュニケーション：Slack、Notion - その他：Cursor、ChatGPT、Claude、Gemini、GitHub Copilot など ※利用技術はプロジェクトや課題に応じて柔軟に選定します。 ◼️選考フロー 書類選考→面接（2～3回/オンライン実施）→内定 ※面接はオンラインで実施します。 ※職種やポジションに応じてリファレンスチェックを実施させていただく可能性があります