株式会社R&D の全ての求人一覧

【業務内容】 AIアプリケーションエンジニアは、事業会社向けにLLM・エージェントを組み込んだ業務システムを開発し、その開発自体にもAIを活用するポジションです。 PMやリードエンジニアが顧客と整理した課題・仕様をもとに、担当機能の実装・テスト・改修を行います。PMやリードエンジニアと相談しながら、経験や担当範囲に応じて設計にも関わっていただきます。 開発は2〜3名のチームで進めることが多く、入社直後は代表・CTOが主導する案件に参画し、開発の進め方を把握しながら担当機能の実装に取り組みます。 事業会社の業務支援システムの開発と、SIerの開発工程へのAI導入支援が広がる中、顧客の開発チームに参画する案件も含め、実装・検証を担うエンジニアを増員します。開発した機能が実際の業務で利用される段階まで関わる仕事です。 ▼具体的な業務内容 ■担当機能の設計・実装 PMやリードエンジニアと仕様・タスクを確認し、担当機能を実装します。経験や担当範囲に応じて、実現方法や設計も相談しながら進めます。TypeScriptまたはPythonを中心に、案件に応じてフロントエンドからバックエンドまで担当します。 ■テストと改修 テストの作成・実行と、不具合の修正を担当します。既存システムの改修では、AIによるコード解析結果をもとに修正箇所を特定し、対応します。 ■LLM・エージェント機能の実装と品質評価 LLM APIやエージェントフレームワーク（LangGraph、Strands Agentsなど）を使った機能を、経験に応じて実装します。入社時点での実務経験は問いません。 また、PMやリードエンジニアと相談しながら、LLMの出力品質を評価する仕組み（eval）やガードレールの整備にも取り組みます。 ■AI駆動開発の実践と知見の共有 Claude CodeやGitHub Copilotなどのコーディング支援ツールを活用し、実装・テストを進めます。開発で得た知見や課題をチームに共有し、開発の進め方を改善します。自社案件で得られた知見は、SIer向けに提供するAI駆動開発のノウハウにもつながります。 ■進捗・課題の共有 担当機能の進捗や課題を顧客・チームに共有し、仕様や実装上の不明点を確認します。日次の打ち合わせでは、代表・CTOに直接相談できます。 【プロジェクト事例】 航空、製造、商社、エネルギー、人材、エンタメなど、幅広い業種のプロジェクトを手がけています。 ①ANA：運航乗務員のスケジュール自動作成システム「AI Scheduler」 ANAと共同で、約2,000名のパイロットの乗務スケジュールを自動作成するシステムを開発しました。乗務資格や休暇希望、航空法規上の制約を、スケジュールの作成条件として組み込んでいます。 2021年から共同開発を進め、約4年間の概念実証を経て2026年4月に本格運用を開始しました。毎月のスケジュール作成にかかる時間を数週間から数時間に短縮し、年間約6,300時間の業務削減を見込んでいます。 ②人材紹介会社：求人マッチングの自動化とSFA/CRMの開発 ATSから出力される求人データをAIで構造化し、条件に合う求人を検索できるようにしました。構造化できない職歴はRAGを用いて求人と照合し、担当者の判断に委ねられていた求人紹介を自動化しています。 ランニング費用と外部連携の制約が課題だったSalesforceから、必要な機能に絞ったSFA/CRMへの移行も約6か月で支援しました。利用者は約50名で、コストは半分以下になっています。 ③複数サイトを運営する企業：問い合わせ対応のAIエージェント サイトごとに回答内容が異なり、問い合わせ対応の外注費が課題になっていました。 プロダクトや顧客の情報、問い合わせ履歴、FAQを参照して回答するAIエージェントを開発しました。 担当者に対応を引き継ぐ機能や、問い合わせ履歴からFAQを追加・更新する機能も実装しました。 【チーム・開発環境】 ■所属・チーム体制 プロジェクトは社員と業務委託メンバーで構成し、2〜3名で進めることが多い体制です。会社全体の従業員数は、業務委託を含めて20名です。代表（PM）、CTO、テックリードと同じプロジェクトに参画し、日次の打ち合わせで開発状況を共有します。 入社直後は、代表・CTOが主導する案件で、割り当てられた機能の実装・テスト・改修を担当します。その後は本人の志向と案件の状況に応じて、担当範囲の設計、顧客への説明、ジュニアメンバーやAIエージェントへの作業分担まで、業務の範囲を広げていきます。 ■AI駆動開発の進め方 開発工程ごとにAIが処理する範囲と人が判断する範囲を定め、コーディングエージェントを前提とした開発の進め方を自社の案件で試しています。 SIer向けの支援でも、この進め方の導入に取り組んでいます。 ■要件から実装までの流れ 1.打ち合わせの文字起こしから、仕様・タスク・受け入れ条件をAIで整理する 2.要件定義の段階で動作するモックを作成し、顧客による操作・確認を通じて仕様を固める（工場の点検記録の案件では、この進め方で現場の暗黙知を引き出しました） 3.設計情報をもとに、コーディングエージェント（Claude Code、Codexなど）でコードとテストを生成する。テストは要件から導き、コードからは生成しない 4.人がコードレビューと受け入れ判断を行い、修正する 5.E2EテストのシナリオをAIで構築し、人は実際の業務で期待する動作を満たすかの確認に時間を充てる ■AI駆動開発で大切にしていること AIが生成するコードには担当者ごとのばらつきがあり、AI自身による検証だけでは不備を見落とす可能性があります。 そのため、コードの生成時に適用するルールと、生成後の検証基準を分けて設ける構成を案件で構築しています。 これらの取り組みは、案件ごとに改善を続けています。 ・生成側：コード規約、インポート、DB、セキュリティなどのルールを明文化し、AIに参照させる。レビューやPR作成、E2Eテスト追加などの手順をスキルとして定義する ・検証側：CI（GitHub Actions）で静的解析、依存パッケージの脆弱性、複雑度、E2Eテストを自動で検証し、結果をPRにコメントする。しきい値を超えた場合はマージを停止する ・要件・実装・テストの対応表を自動生成し、各要件がどの実装・テストに対応するかを追跡できるようにする ■開発環境 LLM・エージェント：OpenAI、Anthropic、Geminiの各API、Strands Agents、LangGraph フロントエンド：React、Next.js、TypeScript バックエンド：Node.js（Hono、Express）、Python（FastAPI、Flask、Django） インフラ・DB：AWS、Google Cloud、Azure、Vercel、PostgreSQL、MySQL 開発ツール：Claude Code、Codex、GitHub Copilot（利用費用は会社負担） コラボレーション：Slack 記載したすべての技術の使用経験は求めません。 TypeScriptまたはPythonでの開発経験を生かしながら、他の技術も案件を通じて習得していけます。 【ポジションの魅力】 ・これまでの開発経験を、生成AIの実務につなげられる TypeScriptまたはPythonで培った実装経験をもとに、LLM APIやエージェントフレームワークを用いた機能開発に取り組めます。 入社後は経験に応じた実装・テスト・改修から担当し、LLMの出力評価やガードレールの整備にも、PM・リードエンジニアと相談しながら関わっていきます。 ・AIを組み込む開発と、AIを使う開発の両方を経験できる 業務システムにAIを組み込むだけでなく、そのシステムを開発する工程にもAIを活用します。 実案件で新しい手法を試し、得られた知見をチームで共有しながら開発方法を改善できます。その知見は、SIer向けのAI駆動開発支援にも生かされます。 ・実装から、設計や顧客への説明へと担当を広げられる 代表やCTO、テックリードと同じ案件に参画し、設計や顧客対応について日次の打ち合わせで直接相談できます。 ご志向と案件の状況に応じて、担当範囲の設計、顧客への説明、AIエージェントへの作業分担へと業務を広げていきます。 ・経営陣の近くで、開発以外の事業づくりも学べる 経営陣は全員エンジニア出身で、学生起業からM&Aまで経験しています。 開発だけでなく、営業や事業の立ち上げがどのように進むのかを、経営陣の近くで見て学べる環境です。 【選考フロー】 カジュアル面談→ 書類選考→ 一次面接 →二次面接 → 最終面接 → オファー ※状況に応じて変更になる場合がございます

【業務内容】 AI開発プロジェクトマネージャーは、事業会社向けのAIシステム開発において、顧客の業務課題の整理から開発方針の合意、要件・タスクの具体化、開発・導入の推進まで担います。また、SIer向けにAI駆動開発のノウハウを提供する際には、SIer側のPMとの協業を担当します。 顧客の業務を理解し、技術的な実現可能性と必要な工数を踏まえて、開発する内容と優先順位を整理します。CTOやリードエンジニアと連携しながら、LLMで解ける範囲と、最適化など他の手法を用いる範囲を見極め、実際に現場で使われるシステムの開発を進めます。 現在は代表・CTOが顧客との方針・要件の合意を担っており、顧客への提案から開発の推進までを任せられるPMを増員します。コードを書く割合は本人の志向に合わせて相談します。 ▼具体的な業務内容 ■業務課題の把握と整理 顧客の業務内容や目的、要望をヒアリングし、課題を整理します。AIで支援する業務と優先順位を検討し、開発する内容を定めます。 ■開発方針・スコープの合意 プロジェクトの方針、進め方、開発範囲、スケジュールを定め、顧客と合意します。AIが処理する範囲と人が判断する範囲も検討します。SIer向け支援では、どの開発工程からAIを導入するかを顧客と検討します。 ■技術的な実現方法と工数を踏まえた調整 CTO・リードエンジニアと連携し、LLMで解ける範囲と、最適化など他の手法で解く範囲を見極めます。技術的な実現可能性と必要な工数を踏まえ、顧客と開発範囲や優先順位を調整します。 ■要件・タスク・受け入れ条件の具体化 顧客との合意内容を、リードエンジニア・エンジニアが開発に着手できる要件・タスク・受け入れ条件に整理します。これらをもとに、AIを活用した実装・テストを進めます。 ■開発プロジェクトの推進 開発メンバーとタスクや進捗を確認し、開発中に生じた仕様変更や課題について顧客と調整します。必要に応じてCTOに技術面の判断を相談しながら、対応方針を決めます。本人の志向に応じて、プロトタイプの作成やLLM・エージェント機能を含む一部の実装にも関わります。 ■SIer側PMとの協業 SIer向けのAI駆動開発ノウハウの提供において、SIer側のPMと連携します。顧客の開発工程を理解し、AIを導入する範囲や進め方をすり合わせながら、導入・改善を進めます。 【プロジェクト事例】 航空、製造、商社、エネルギー、人材、エンタメなど、幅広い業種のプロジェクトを手がけています。 ①ANA：運航乗務員のスケジュール自動作成システム「AI Scheduler」 ANAと共同で、約2,000名のパイロットの乗務スケジュールを自動作成するシステムを開発しました。乗務資格や休暇希望、航空法規上の制約を、スケジュールの作成条件として組み込んでいます。 2021年から共同開発を進め、約4年間の概念実証を経て2026年4月に本格運用を開始しました。毎月のスケジュール作成にかかる時間を数週間から数時間に短縮し、年間約6,300時間の業務削減を見込んでいます。 ②人材紹介会社：求人マッチングの自動化とSFA/CRMの開発 ATSから出力される求人データをAIで構造化し、条件に合う求人を検索できるようにしました。構造化できない職歴はRAGを用いて求人と照合し、担当者の判断に委ねられていた求人紹介を自動化しています。 ランニング費用と外部連携の制約が課題だったSalesforceから、必要な機能に絞ったSFA/CRMへの移行も約6か月で支援しました。利用者は約50名で、コストは半分以下になっています。 ③複数サイトを運営する企業：問い合わせ対応のAIエージェント サイトごとに回答内容が異なり、問い合わせ対応の外注費が課題になっていました。 プロダクトや顧客の情報、問い合わせ履歴、FAQを参照して回答するAIエージェントを開発しました。 担当者に対応を引き継ぐ機能や、問い合わせ履歴からFAQを追加・更新する機能も実装しました。 【チーム・開発環境】 ■所属・チーム体制 開発チームは2〜3名で構成されることが多く、社員のほか、業務委託のエンジニアも参画しています。入社直後は代表やCTOと同じ案件に入り、顧客への提案や要件整理、開発の進め方を共有しながら、PMとして担当する範囲を分担します。 案件ごとに毎日打ち合わせを行い、リードエンジニア・エンジニアと進捗や課題を共有します。技術的な判断はCTOやリードエンジニアと相談しながら、顧客との調整とプロジェクト推進を担います。 ■AI駆動開発の進め方 開発工程ごとにAIが処理する範囲と人が判断する範囲を定め、コーディングエージェントを前提とした開発の進め方を自社の案件で試しています。 SIer向けの支援でも、この進め方の導入に取り組んでいます。 ■要件から実装までの流れ 1.打ち合わせの文字起こしから、仕様・タスク・受け入れ条件をAIで整理する 2.要件定義の段階で動作するモックを作成し、顧客による操作・確認を通じて仕様を固める（工場の点検記録の案件では、この進め方で現場の暗黙知を引き出しました） 3.設計情報をもとに、コーディングエージェント（Claude Code、Codexなど）でコードとテストを生成する。テストは要件から導き、コードからは生成しない 4.人がコードレビューと受け入れ判断を行い、修正する 5.E2EテストのシナリオをAIで構築し、人は実際の業務で期待する動作を満たすかの確認に時間を充てる ■AI駆動開発で大切にしていること AIが生成するコードには担当者ごとのばらつきがあり、AI自身による検証だけでは不備を見落とす可能性があります。 そのため、コードの生成時に適用するルールと、生成後の検証基準を分けて設ける構成を案件で構築しています。 これらの取り組みは、案件ごとに改善を続けています。 ・生成側：コード規約、インポート、DB、セキュリティなどのルールを明文化し、AIに参照させる。レビューやPR作成、E2Eテスト追加などの手順をスキルとして定義する ・検証側：CI（GitHub Actions）で静的解析、依存パッケージの脆弱性、複雑度、E2Eテストを自動で検証し、結果をPRにコメントする。しきい値を超えた場合はマージを停止する ・要件・実装・テストの対応表を自動生成し、各要件がどの実装・テストに対応するかを追跡できるようにする ■開発環境 LLM・エージェント：OpenAI、Anthropic、Geminiの各API、Strands Agents、LangGraph フロントエンド：React、Next.js、TypeScript バックエンド：Node.js（Hono、Express）、Python（FastAPI、Flask、Django） インフラ・DB：AWS、Google Cloud、Azure、Vercel、PostgreSQL、MySQL 開発ツール：Claude Code、Codex、GitHub Copilot（利用費用は会社負担） コラボレーション：Slack 記載したすべての技術の使用経験は求めません。 TypeScriptまたはPythonでの開発経験を生かしながら、他の技術も案件を通じて習得していけます。 【ポジションの魅力】 ・顧客の課題整理から、開発・導入まで一貫して関われる 進捗管理や報告だけでなく、顧客の業務を理解し、何を開発するか、どこから取り組むかを提案・合意する段階から関われます。少人数の開発チームと連携し、実際に現場で使われるシステムの開発を推進するポジションです。 ・技術的な実現方法の検討にも関われる LLMで解ける範囲や、最適化など他の手法を用いる範囲を、CTO・リードエンジニアと議論しながら検討できます。ご自身の開発経験や技術的な知見を生かし、本人の志向に応じてプロトタイプ作成や一部の実装にも関われます。 ・事業会社向け案件と、SIerとの協業の両方を経験できる 事業会社向けのAIシステム開発では顧客との折衝から導入までを推進し、SIer向けのAI駆動開発支援ではSIer側のPMと協業します。顧客の業務と開発工程の双方を理解し、AIを活用する方法を提案する経験を積めます。 ・経営陣の近くで、営業や事業の立ち上げにも関われる 経営陣は全員エンジニア出身で、学生起業からM&Aまで経験しています。開発プロジェクトの推進にとどまらず、営業や事業の立ち上げにも、経営陣の近くで関われる環境です。 【役員紹介】 ■CEO & Founder 伊藤 博隆 慶應大学医学部卒業。在学中にプログラミングを独学し、iOSアプリを多数作成。 その後、株式会社R&Dを設立し、ベンチャー企業におけるITプロダクトの作成や大企業のDX化に従事。 大企業・ベンチャー問わず新規プロダクトの仮説検証の支援やDX化による費用・工数の削減を得意とする。 ■COO& Founder 伊藤 義隆 東京大学工学部物理工学科卒業。 学部時代は量子コンピューティングを専門とし共著国際論文執筆。同大学院にてAIを用いた超音波CTの画像解析に従事。 その後、株式会社R&Dを設立。同社では主にテクノロジーを用いたコンサルティングや要件定義、プロジェクトマネジメントを担当する。 現在ではクライアントの新規事業の企画、運用の支援も実施している。 ■CTO& Founder 畑田 大毅 慶應義塾大学医学部卒業。 在学中にSwiftを習得し、iOSエンジニアになる。その後、株式会社R&Dを設立し、エンジニアとしてwebアプリやモバイルアプリ、業務効率化システムを構築。 技術に対する深い知見を活かし、現在では主に数千人のユーザーが利用するシステムや秘匿性の高い情報を扱うプロジェクトのテックリードを担当する。

【業務内容】 リードエンジニアは、事業会社向けのAIシステム開発において、設計方針の検討から実装・テスト・品質改善まで担います。また、SIer向けにAI駆動開発のノウハウを提供する際には、AIを開発工程に組み込む仕組みの構築・改善を担当します。 PMと顧客の業務や要件を共有し、CTOと相談しながら、技術選定やアプリケーションの設計を進めます。LLMやAIエージェントを活用する範囲と、最適化など他の手法を用いる範囲を検討し、ご自身でもコードを書きながら、実際に現場で使われるシステムを開発します。 顧客との方針・開発範囲・スケジュールの調整はPMが主導します。リードエンジニアは、顧客が実現したいことや運用上の制約を踏まえ、設計・実装・検証を技術面から進めます。 2026年3月には、M&Aによりインテリジェントフォースグループに参画しました。現在はグループのコンサルティング部門と顧客への共同提案を進めながら、AIシステム開発とAI駆動開発支援の両方を広げています。これに伴い、システムの開発と開発方法の改善に取り組むエンジニアを募集します。 リード経験のある方に加え、設計・実装の経験を活かして、これからリードに挑戦したい方も対象です。経験に応じて担当範囲を決め、CTOと相談しながら開発を進めていただきます。 ▼具体的な業務内容 ■設計方針の検討・技術選定 顧客の業務フローや要件、運用上の制約をPMと確認し、アプリケーション構成、API、データモデルなどを設計します。CTOと連携し、LLM・AIエージェント・数理最適化など、それぞれの手法をどの範囲で用いるかを検討します。 ■AIシステムの実装・テスト TypeScriptまたはPythonを用いて、アプリケーションや外部API連携、LLM・エージェント機能などを実装します。バックエンド・フロントエンドの担当は案件や経験に応じて分担し、単体テスト、結合テスト、E2Eテスト、リリースまで対応します。 ■開発タスクの具体化・レビュー 要件や設計内容を実装可能なタスクに分け、依存関係や実装順序、受け入れ条件を整理します。経験に応じて、メンバーへの作業分担、コードレビュー、技術的な課題のフォローも担当します。 ■AI駆動開発の仕組みづくり 開発工程ごとにAIに任せる作業と、人が判断・確認する箇所を整理します。コード規約、成果物の検証基準、自動テスト、動作を制御するガードレールなどを整え、コーディングエージェントを活用した開発の仕組みを構築・改善します。 ■品質・運用の改善 開発中やリリース後に発生した不具合を調査し、設計・実装・テストを見直します。レビューやテストの自動化、開発手順の整備などを通じて、品質を保ちながら開発を進められるようにします。 ■開発ノウハウの整理・展開 自社案件で試したAIの使い方や、設計・テスト・レビューの進め方を整理し、チーム内で共有します。SIer向け支援では、PMと連携し、顧客の開発環境に合わせて仕組みを構築・検証します。 【プロジェクト事例】 航空、製造、商社、エネルギー、人材、エンタメなど、幅広い業種のプロジェクトを手がけています。 ①ANA：運航乗務員のスケジュール自動作成システム「AI Scheduler」 ANAと共同で、約2,000名のパイロットの乗務スケジュールを自動作成するシステムを開発しました。乗務資格や休暇希望、航空法規上の制約を、スケジュールの作成条件として組み込んでいます。 2021年から共同開発を進め、約4年間の概念実証を経て2026年4月に本格運用を開始しました。毎月のスケジュール作成にかかる時間を数週間から数時間に短縮し、年間約6,300時間の業務削減を見込んでいます。 ②人材紹介会社：求人マッチングの自動化とSFA/CRMの開発 ATSから出力される求人データをAIで構造化し、条件に合う求人を検索できるようにしました。構造化できない職歴はRAGを用いて求人と照合し、担当者の判断に委ねられていた求人紹介を自動化しています。 ランニング費用と外部連携の制約が課題だったSalesforceから、必要な機能に絞ったSFA/CRMへの移行も約6か月で支援しました。利用者は約50名で、コストは半分以下になっています。 ③複数サイトを運営する企業：問い合わせ対応のAIエージェント サイトごとに回答内容が異なり、問い合わせ対応の外注費が課題になっていました。 プロダクトや顧客の情報、問い合わせ履歴、FAQを参照して回答するAIエージェントを開発しました。 担当者に対応を引き継ぐ機能や、問い合わせ履歴からFAQを追加・更新する機能も実装しました。 【チーム・開発環境】 ■所属・チーム体制 開発チームは2〜3名で構成されることが多く、社員のほか、業務委託のエンジニアも参画しています。入社直後は代表やCTOと同じ案件に入り、顧客の業務や要件、開発の進め方を共有しながら、経験に合った範囲を担当します。 案件ごとに毎日打ち合わせを行い、PMや開発メンバーと進捗・課題を共有します。設計や技術選定はCTOに相談し、要件や優先順位の確認はPMと連携して進めます。 リード経験のある方には、設計方針の検討、技術選定、レビューなどを担いながら、ご自身でも開発に取り組んでいただきます。これからリードに挑戦する方は、機能単位の設計・実装・テストから担当し、経験に応じてレビューや開発プロセスの改善へと担当範囲を広げていただきます。 ■AI駆動開発の進め方 開発工程ごとにAIが処理する範囲と人が判断する範囲を定め、コーディングエージェントを前提とした開発の進め方を自社の案件で試しています。 SIer向けの支援でも、この進め方の導入に取り組んでいます。 ■要件から実装までの流れ 1.打ち合わせの文字起こしから、仕様・タスク・受け入れ条件をAIで整理する 2.要件定義の段階で動作するモックを作成し、顧客による操作・確認を通じて仕様を固める（工場の点検記録の案件では、この進め方で現場の暗黙知を引き出しました） 3.設計情報をもとに、コーディングエージェント（Claude Code、Codexなど）でコードとテストを生成する。テストは要件から導き、コードからは生成しない 4.人がコードレビューと受け入れ判断を行い、修正する 5.E2EテストのシナリオをAIで構築し、人は実際の業務で期待する動作を満たすかの確認に時間を充てる ■AI駆動開発で大切にしていること AIが生成するコードには担当者ごとのばらつきがあり、AI自身による検証だけでは不備を見落とす可能性があります。 そのため、コードの生成時に適用するルールと、生成後の検証基準を分けて設ける構成を案件で構築しています。 これらの取り組みは、案件ごとに改善を続けています。 ・生成側：コード規約、インポート、DB、セキュリティなどのルールを明文化し、AIに参照させる。レビューやPR作成、E2Eテスト追加などの手順をスキルとして定義する ・検証側：CI（GitHub Actions）で静的解析、依存パッケージの脆弱性、複雑度、E2Eテストを自動で検証し、結果をPRにコメントする。しきい値を超えた場合はマージを停止する ・要件・実装・テストの対応表を自動生成し、各要件がどの実装・テストに対応するかを追跡できるようにする ■開発環境 LLM・エージェント：OpenAI、Anthropic、Geminiの各API、Strands Agents、LangGraph フロントエンド：React、Next.js、TypeScript バックエンド：Node.js（Hono、Express）、Python（FastAPI、Flask、Django） インフラ・DB：AWS、Google Cloud、Azure、Vercel、PostgreSQL、MySQL 開発ツール：Claude Code、Codex、GitHub Copilot（利用費用は会社負担） コラボレーション：Slack 記載したすべての技術の使用経験は求めません。 TypeScriptまたはPythonでの開発経験を生かしながら、他の技術も案件を通じて習得していけます。 【ポジションの魅力】 ■顧客の業務を理解し、設計・実装に反映できる R&Dは、「知能労働を良くする」ことをひとつのテーマにしています。現場で積み重ねられてきた判断や経験則を理解し、業務上の制約を設計に落とし込む仕事です。 PMと顧客の課題を共有し、自分が作ったものが現場でどう使われ、役に立つのかを考えながら開発に取り組めます。 ■AIシステムの開発と、AIを使った開発の両方に取り組める LLMやAIエージェントを組み込んだシステムを開発しながら、自分たちの開発工程にもAIを取り入れています。 AIに任せる範囲や成果物の検証方法、人が確認する箇所を、実案件を通じて検討・改善できます。 ■開発で得た知見を、ほかのチームや企業でも活かせる 自社案件で試した設計・実装・テストの進め方は、SIer向けに提供する開発ノウハウにもつながります。 自分の担当するシステムで得た工夫を、チーム内や顧客の開発現場にも展開できます。 ■自ら開発に取り組みながら、技術面の担当範囲を広げられる 機能単位の設計・実装から、技術選定、コードレビュー、開発プロセスの整備まで、経験に応じて担当できます。 リード経験のある方も、ご自身でコードを書きながら、チームの設計や品質改善に関わる役割です。 ■創業メンバーの近くで、技術や事業について議論できる 代表の伊藤は、学生時代にプログラミングの面白さを知り、アプリを作り始めたことをきっかけに創業しました。 どうすればもっと効率よく、よりよいソフトウェアを作れるかを、現在も実案件を通じて考えています。 創業メンバー3名は全員エンジニアで、学生時代の起業から事業売却・M&Aまで経験してきました。 CTOの畑田が技術面を、COOの伊藤義隆がコンサルティングやプロジェクトマネジメントを担当しています。 近い距離で技術的な議論をしながら、顧客への提案や営業、事業を立ち上げる方法についても学べる環境です。 【選考フロー】 カジュアル面談→ 書類選考→ 一次面接 →二次面接 → 最終面接 → オファー ※状況に応じて変更になる場合がございます 【役員紹介】 ■CEO & Founder 伊藤 博隆 慶應大学医学部卒業。在学中にプログラミングを独学し、iOSアプリを多数作成。 その後、株式会社R&Dを設立し、ベンチャー企業におけるITプロダクトの作成や大企業のDX化に従事。 大企業・ベンチャー問わず新規プロダクトの仮説検証の支援やDX化による費用・工数の削減を得意とする。 ■COO& Founder 伊藤 義隆 東京大学工学部物理工学科卒業。 学部時代は量子コンピューティングを専門とし共著国際論文執筆。同大学院にてAIを用いた超音波CTの画像解析に従事。 その後、株式会社R&Dを設立。同社では主にテクノロジーを用いたコンサルティングや要件定義、プロジェクトマネジメントを担当する。 現在ではクライアントの新規事業の企画、運用の支援も実施している。 ■CTO& Founder 畑田 大毅 慶應義塾大学医学部卒業。 在学中にSwiftを習得し、iOSエンジニアになる。その後、株式会社R&Dを設立し、エンジニアとしてwebアプリやモバイルアプリ、業務効率化システムを構築。 技術に対する深い知見を活かし、現在では主に数千人のユーザーが利用するシステムや秘匿性の高い情報を扱うプロジェクトのテックリードを担当する。