AI Operation Manager（AI業務改革 / AI Ops）

【募集背景】 RightTouchでは、GTM（営業〜受注〜オンボーディング）および関連する社内オペレーションを、 Salesforce / Notion / Slack / Google Workspace（Drive・Sheets）等で運用しています。 一方で、フェーズにより手作業（転記・確認・資料作成・調整）が残るポイントがあり、スピードと品質の両面で改善余地があります。 生成AI/LLMの成熟により、単なる効率化ではなく 「AI前提で業務を再設計（AI BPR）」し、 AIと人が協働するオペレーションを標準化・運用する」ことが現実的になりました。 本ポジションは、部門横断でAI活用を“企画で終わらせず”、設計→実装→運用→改善までやり切るPMポジションです。 【ミッション】 RightTouchの業務を AI-first に再設計し、AIワークフロー/AIエージェントを組み込んだオペレーションを「安定稼働」させ、 継続的に改善することで、生産性・品質・スピードを飛躍的に高める。 【業務内容】 1) AI BPR（業務の再設計） ・セールス/CS/コーポレートの業務プロセスを可視化（As-Is） ・生成AI・自動化を前提に、To-Be業務フローを設計 ・効果（工数削減・品質向上・リードタイム短縮・リスク低減）を見積もり、優先順位付けしてロードマップ化 2) AIワークフローの構築（プロトタイプ〜本番運用） ・Salesforce / Notion / Slack / Google Drive・Sheets 等をつなぎ、AIを組み込んだワークフローを構築 ・例： - 会議/通話 → 要約・決定事項・ToDo抽出 → Notion商談ログ化 → Salesforce活動/項目へ自動反映 - 稟議・上申フェーズの「稟議パック（エグゼクティブサマリ/ROI/想定QA）」自動生成 - 受注前手続きの「見積・申込URL・APIキー等の整合チェック」「契約関連の論点抽出」自動化 - 更新前の状況整理・アラート・アクション提案（更新確認依頼の高度化） ・iPaaS / Workflow / API / Webhook を活用し、必要に応じて軽量な内製ツール（スクリプト/小アプリ）も実装 3) LLM運用（LLMOps/PromptOpsの実務） ・プロンプト設計、評価指標設計、ログ設計、改善サイクル（A/B、回帰テスト）を運用 ・コスト管理（トークン/実行回数/キャッシュ等）と、品質・安全性（ガードレール、機密情報対策）を両立 ・インシデント/ヒヤリハット（誤送信、幻覚、PII混入等）に備えた運用設計 4) 効果測定（KPI設計・可視化・継続改善） ・施策ごとにKPIを定義し、導入前後で定量評価 ・ダッシュボード/定例レポートで経営・現場へ共有し、改善を回す ・使われないAIを作らず、現場の定着まで伴走 5) 社内イネーブルメント（AI活用の標準化） ・ベストプラクティスのドキュメント化、テンプレート化 ・社内向けのミニトレーニング、ガイドライン整備、相談窓口（Ask AI Ops）的な役割 【主要なアウトプット（期待成果物）】 - AI BPRロードマップ（優先順位/費用対効果/リスク/実装計画） - AIワークフロー（設計図・実装・テスト・監視・運用手順） - プロンプト/評価/ログの標準（PromptOpsの型、回帰テスト、リリース手順） - KPIダッシュボード（工数、リードタイム、ミス率、利用率、コスト） - 社内ナレッジ（テンプレ、手順書、教育資料）

- 生成AI/LLMへの強い関心と、業務に落とし込んだ実践経験（ツール利用でも可。実運用での試行錯誤を重視） - 業務プロセスの分析・設計・改善経験 - 部門横断プロジェクトの推進経験 - 関係者（現場〜経営）との合意形成・コミュニケーション能力

- Salesforce/RevOps/SalesOps/CSOps領域での業務設計・運用経験 - Dify / Zapier / Make / n8n などを用いたワークフロー構築経験 - OpenAI/Claude/Gemini 等のAPI利用、またはPython/JavaScript等での軽量実装経験 - RAG（社内ナレッジ検索）・ベクトルDB・検索品質改善の経験 - LLMの評価設計（回帰テスト、品質メトリクス、監視）やPromptOps運用 - セキュリティ・法務・個人情報保護を踏まえた運用設計の経験 - スタートアップ/事業グロース環境での0→1、1→10の業務改革経験 【望ましいツール/技術スタック】 - SaaS/業務基盤：Salesforce、Notion、Slack、Google Workspace（Drive/Sheets） - AI：ChatGPT / Claude / Gemini、（API：OpenAI等）、Dify等のLLMアプリ基盤 - 開発補助：Cursor / GitHub Copilot 等 - 自動化：Zapier / Make / n8n / Webhook / API - データ：SQL、スプレッドシート、簡易BI（Looker Studio等）

- 「現場で負荷なく実装できること」を重視し、設計だけでなく安定運用まで考えられる - 様々な部署の要望を吸い上げつつ最適解を導くことのできる柔軟さ - 80%で素早く出し、フィードバックで改善していける - 不確実性の高い領域で、仮説検証を回すのが得意 - “AIすごい”ではなく 業務成果（KPI）で語れる 【成功指標（KPI例）】 - 商談〜受注におけるリードタイム短縮 - 手作業（転記/確認/資料作成）の削減時間（時間/月） - オペレーションミス率（誤送信、入力漏れ、整合性不一致）の低下 - AIワークフローの利用率・定着率（対象者の週次利用率など） - AIコスト（実行回数/トークン）と成果のバランス - プロンプト/ワークフローの回帰テスト合格率・障害件数