692｜データエンジニア（開発部）

生成AIや大規模言語モデル（LLM）の進化により、AIの社会実装が加速する今、見落とされがちなのが、AIの判断の根拠となる「ナレッジ」です。 AIはモデルやアプリケーション単体では正しく機能せず、"何をもとに答えを導き出すか"、つまり正確に整理された知識のデータ基盤が不可欠です。 Helpfeelは、この「AIナレッジデータ」を支えるAIナレッジ基盤（AIナレッジデータプラットフォーム）を展開するSaaS企業です。企業や自治体、医療機関、教育機関など、幅広い企業や組織のAI活用を支える"情報インフラ"の構築を支援するプロダクトの開発・提供を行っています。 Helpfeelを代表するプロダクトの「Helpfeel」は、iPhoneの日本語入力システムを開発した弊社テクニカルフェロー・増井俊之が発明した「意図予測検索」技術（特許取得済）をコアにしています。 現在はこの技術に加え、生成AIやナレッジ活用の進化に対応する最先端の研究・プロダクト開発を進めており、企業のAI活用基盤としてさらなる進化を続けています。 ※特許番号 第7112155号、第7112156号 プロダクトの成功のためには、データに基づく意思決定支援の仕組みが必要です。Helpfeelの導入により実際に成果が向上していることを証明するため、あるいはデータの活用そのものを競争優位性に繋げるためには、信頼でき、スケーラブルに利用可能であり、拡張可能性の高いデータ分析基盤が必要です。 当ポジションでは、Helpfeelのデータエンジニアとして、ニーズに沿ったデータ収集を行うため、社内・社外のユーザーとの対話を通じて要件を設計し、信頼のある形でデータを収集する仕組みを作るデータエンジニア業務をお任せします。 【業務内容】 ・データ基盤のアーキテクチャ設計・構築・運用 ・Terraform/IaCによるインフラの構成管理 ・Cloud Composer（Apache Airflow）によるデータパイプラインのオーケストレーション設計・運用 ・データパイプラインの信頼性・可観測性の向上 ・データ基盤のセキュリティ・アクセス管理 ・アナリティクスエンジニアと連携したデータモデリング基盤の整備 ・CI/CDパイプラインの構築・改善 ・データ収集の実装、エラー対応 【プロダクトの技術要素】 ・フロントエンド：React, JavaScript/TypeScript ・バックエンド：Node.js, JavaScript/TypeScript, Python ・インフラ：Heroku, Google Cloud Platform, MongoDB Atlas ・開発支援：ESLint, Renovate 【データエンジニアリング環境の技術要素】 ・BI：Looker Studio, Tableau ・Transform Layer：dbt, MetricFlow ・DWH: Google BigQuery ・データソース：Google Analytics 4, Google Spreadsheet, Salesforce, MongoDB Atlas, Google Cloud Logging ・タスク管理：GitHub Projects, GitHubのIssue 【AIの利用環境】 Helpfeelのデータエンジニアリング領域では、AIの存在を前提とした開発フローの再構築を実施しています。主な実施内容は以下のとおりです。 ・Agent Skillsの活用による手続的ワークフローの自動化。現在、リポジトリ内には30個以上のAgent Skillsが実装されています。 ・MCP Serverを利用したAIによるデータアクセスの拡大。BigQuery MCP Serverやdbt MCP Serverの導入により、AIによる自然言語を通じたデータアクセスが可能となっています。 ・Claude CodeやDevinなどのAIの力を最大限に活かすためのハーネスエンジニアリングの実施。 ドキュメンテーションやタスク管理など、コーディングの周辺分野も含めてAIに向けた最適化を進め、AIが真に活躍できる環境を整備しています。 ・AIにとって扱いやすい技術スタックの選定 既存のワークフローを前提とした単なる「AIの導入」ではなく、「AIが存在することを前提としたワークフローの再構築」を実施し、高いスピード感を持って結果を出し、スケーラブルな形で運用できるようにすることを目指しています。

・Google CloudやAWS, Azureなど、クラウドサービスを利用した経験（2年以上） ・SQLに対する理解 ・Terraform等、IaCツールを用いたインフラ構成管理の経験 ・データパイプラインの構築・運用経験 ・Linux環境でのオペレーション、シェルスクリプトの活用経験

・Google Cloud Platformを利用した経験 ・Apache Airflowの運用経験 ・SRE的な視点でのシステム運用改善経験（可観測性の向上、障害対応の効率化、トイルの削減等） ・BigQueryやSnowflakeなど、SQLをベースにしたデータウェアハウスの運用経験 ・Claude CodeやDevinなど、AIによる開発補助ツールを活用し、業務を効率化した経験

AIの存在を前提とした開発フローの再構築が進む中、今までのデータエンジニアリングで頻繁に実施されていた簡単なタスクは、ほとんどがAIに対する指示で完結するようになりました。 Good First Issueとなるようなタスクは、Slackで依頼された瞬間に @Devin このタスクを実行してください と指示するだけで、AIにより自動的にPRが作成され、人間のレビューが終わればマージされ、変更がデプロイされる時代となりつつあります。 一方で、Helpfeelのデータエンジニアリング環境には拡張可能な領域が残されています。ニーズに全て応えられているわけでもありません。 しかし、ニーズを実現するためには、散逸するコンテキストを丁寧に読み解き、技術的なスキルと対人スキルを交互に活用しながら、問題解決に向けてアプローチしていく必要があります。 また、AIが活躍できるようにするための環境整備(ハーネスエンジニアリング)を行い、長期的なスケーラビリティを確保する必要もあります。 データエンジニアリングの専門知識とコミュニケーションスキルを持ち、スピード感を持って本質的な問題解決に貢献しつつ、AIが活躍できるようにするための環境整備(ハーネスエンジニアリング)を行っていくことに興味がある方と共に、事業拡大をしたいと思っております。 ▼選考フロー ・カジュアル面談 ・書類選考 ・1次面接 ・2次面接 ・最終面接 ・オファー面談 ※変更になる可能性もございます。 ※最終面接前にリファレンスチェックをお願いしております。