日本経済新聞社は新聞事業を中心に、電子メディアやデータベースなど様々な分野で情報サービスを提供する企業です。我々の強みである多様なビジネス情報を活用し、お客様の課題を解決する法人向けデジタル情報サービスの開発・展開を積極的に進めています。近年では、日経リスク＆コンプライアンス（取引先スクリーニングツール）、NIKKEI The KNOWLEDGE（ナレッジマネジメント）、NIKKEI KAI（プロフェッショナル向け生成AIサービス）などの新規サービスを立ち上げてきました。 ・情報サービスユニットの事業紹介サイト　https://nkbb.nikkei.co.jp/about/ ■業務内容 生成AIを核に据えたプロダクト開発チームで、RAG・エージェント系ワークフローの設計・実装・運用を担うエンジニアを募集します。 私たちのチームが日常的に解いている問題は、LLMの出力を「プロトタイプ品質」から「本番品質」に引き上げることです。プロトタイプで検証した機能を、本番の運用制約（同時実行・スループット・コスト・SLO・後方互換性）に耐えるアーキテクチャへ作り直す、といった課題に向き合っています。 曖昧な企画要件から自分で問題を分解し、複数のアーキテクチャ案を出してトレードオフを評価し、スケール試算とともに設計判断を言語化してチームの合意を形成する——この一連を自律的に回せる方を求めています。 ＜具体的な業務＞ ・LLMワークフロー・ツールの実装：LangGraph を用いたマルチステップエージェントワークフローの設計・開発・改善、MCP（Model Context Protocol）等によるツール開発 ・RAGシステムの構築・改善：全文検索／ベクトル検索エンジン（Elasticsearch / OpenSearch 等）を用いた検索の実装、リランキング、クエリ書き換え、引用管理による精度改善 ・本番アーキテクチャの設計：企画要件から本番構成を自分で設計する。リアルタイム応答に加え、定期実行・非同期バッチによる生成基盤など、ユーザー入力をトリガーとしない処理形態も対象。複数案のトレードオフ評価とスケール試算を行い、設計判断を文書化して合意を形成する ・品質保証・評価：評価用データセットの設計、精度指標（適合率・再現率・引用一致率等）の定義、プロンプトテスト・回帰テストの自動化 ・実行環境との接合：サーバーレス／コンテナ等の実行環境がもつ制約（コールドスタート・タイムアウト・同時実行上限・メモリ）を踏まえたパフォーマンス設計、クラウドサービスとの統合 ■利用技術 ・言語：Python 3.10+ ・フレームワーク：FastAPI, LangChain, LangGraph ・LLM：Azure OpenAI, Google Vertex AI ・検索：Elasticsearch（KNN + 全文検索）, Google Cloud Discovery Engine ・インフラ：AWS Lambda, GCP（Vertex AI, Cloud Discovery Engine） IaC Terraform ・ログ・監視：Datadog（メトリクス・ログ・APM）, OpenSearch（ログ分析） ・品質管理：ruff, mypy, pytest（inline snapshot、LLMプロンプトテスト） ・コーディングエージェント：Claude Code, Cursor, GitHub Copilot, Codex ・バージョン管理 Git（サブモジュール構成） ■チームの概要 ・チームは20〜30代のメンバーが中心で、業務委託を含めエンジニア5名程度の少数精鋭のチームで開発を進めています。 ・フロントエンド、サーバーサイド、API、UI/UX、インフラ、データドリブン、課金など、さまざまな技術開発要素があります。 ・社員主導で開発を進めながら、適宜外部のパートナー様とも連携しています。 ■仕事の魅力 ・自社の大規模データ（記事1億本超＋企業・金融・マクロ統計データ）を題材に、生成AI機能の設計から実装・運用・改善までを一気通貫で担うことができます。 ・事業、企画、UXとの距離が近く、ユーザーストーリーの段階から関与しながら、それを技術仕様や実装計画へ落とし込むプロセスに携わることができます。 ・モダンな技術スタックに加え、Claude Code や Cursor といったコーディングエージェントを日常的に活用する文化の中で、開発に取り組むことができます。 ・機能単位で大きな裁量が与えられ、設計から実装、評価、改善までの一連のサイクルを主体的にリードすることができます。 ★こちらもぜひご覧ください！ ・採用サイト「日本経済新聞社 デジタル人材採用」　https://hack.nikkei.com/ ・テックブログ　https://hack.nikkei.com/blog/ 　弊社エンジニアが開発組織やエンジニアリングについてお届けしています。 ・Xアカウント「NIKKEI Developers」https://x.com/nikkeideveloper 　日経の技術についてつぶやいています。 ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー 【応募資格】 ・社会人として勤務経験がある方が対象です。 ・日本語ビジネス会話レベル以上を必須とします。 ・以前に当社を受験したことがある方も応募できます。 【選考方法】 下記を予定しています。状況に応じて変更となる場合があります。 ・書類選考 ・現場面接(2,3回)＋適性検査 ・人事面接：事前に所定のエントリーシートを提出いただきます。 ・最終面接：事前にリファレンスチェック(※)を実施します。面接は弊社（大手町）にて対面で実施します。 ・オファー面談 ※「back check」を使用します。現職もしくは前職の業務で関わりがあった方から、候補者様に関する情報をアンケート形式で回答いただきます。 【その他】 ・株式や投機性の高い金融商品の取引には制限があります（就業規則で規定）。 ・業務内容の変更の範囲：（雇入れ直後）情報サービスユニットにおける業務（変更の範囲）会社の定める業務

・LLMエージェント / ツール開発経験（LangChain / LangGraph, MCP など） ・RAGシステムの実務開発経験（チャンク設計・検索・リランキング・引用管理などで回答精度を改善した経験） ・Python によるバックエンド・API 開発経験（FastAPI 等。テスト設計・自動化を含む） ・プロトタイプを本番品質へ引き上げた経験（本番運用制約を踏まえた設計、要件分解から検証までを自走）

・非同期処理・リアルタイム通信の設計・実装経験（SSE / WebSocket, SQS 等による非同期ジョブ・バッチ処理） ・LLM評価指標の設計経験（適合率・再現率・引用一致率 等の定義、評価パイプラインの構築） ・クラウド・IaC・監視ツールの実務経験（AWS / GCP, Terraform, Datadog 等）

・LLMの性質（非決定性、コスト、レイテンシ）を踏まえた現実的な設計判断ができる方 ・不確実性の高い課題を構造的に分解し、検証サイクルを自律的に回せる方 ・本番品質への執着がある（型安全性・テスト・後方互換性を当然のものとして担保する）方