株式会社SalesNow の全ての求人一覧

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。事業は、AI時代の企業データインフラ「SalesNow」。企業データとAIでBtoBの仕事の進め方を組み替え、1人が生み出せる価値を増やすことに取り組んでいます。PMMは、この事業から生まれるプロダクトを、どの顧客のどの仕事に、どんな価値として届けるかを設計します。土台は、企業・組織・拠点・部署までをユニークに構造化した1,600万件超の法人・組織データベースで、レコード数は80億にのぼります。企業データベース収録件数No.1です（2025年10月期・日本マーケティングリサーチ機構調べ）。顧客の営業企画・マーケティングが、市場規模の算出や、まだ接点のない企業の特定に使えるデータです。PMMも、狙う業界やセグメントの大きさを同じデータで数字にしてから、市場投入の計画づくりに入ります。この規模と粒度は、Webを集めるだけでは組み上がりません。独自の収集網「SalesNow Data Network」は、3つのルートの組み合わせです。AIによるWeb情報の日次更新、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集、月間700万PVの自社メディア（企業版Wikipedia）へのユーザー投稿。アナログな収集は実地調査から紙の資料の読み取りまでを含み、ユーザーのネットワークもその一部を担っています。この集め方そのものが、顧客に「なぜこのデータを信頼できるのか」を示す根拠になります。データそのものにも、言葉にする価値のある独自性があります。独自のJCコードは本社・工場・支社支店・店舗まで拠点ごとに一意のIDを振る体系で、多拠点やグループ会社を正確に串刺しにします。組織図と部署の直通番号も持ち、部署連絡先は750万件超。採用の増加・資金調達・拠点の開設といった企業側の動きはシグナルとして蓄積され、営業が「なぜ今この企業か」をつかむ手がかりになっています。こうした特徴を顧客の業務の言葉に訳し、ポジショニングとメッセージに落とすところから、PMMの仕事は始まります。AIの出力の品質は、参照するデータの品質で決まります。SalesNowはこの企業データを、企業データベース『SalesNow』の画面、Salesforce・HubSpot・kintoneとの連携、商談準備のレポートや議事録のSFA登録を支えるAIワークフロー、Data API（ベータ版）で届けています。2026年3月には、顧客ごとの業務に合わせて組むカスタムAIエージェントの正式提供を始め、同じ月にSalesNow Liteも正式リリースしました。Claude・CursorなどのAIエージェントから企業データを直接使えるSalesNow MCPは、2026年4月に提供を始めています。営業戦略コンサルティング、データ基盤の構築・利活用、AI実装、営業BPOまでを一社で担っており、提供物の幅が広いからこそ、どれを誰に、どう組み合わせて勧めるかの設計が受注を左右します。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。主な顧客は、ナショナルクライアントを含む大手企業・上場企業です。PMMは、こうした企業が導入を決めた理由をたどり、次の顧客に向けた売り方の根拠にします。顧客の窓口は営業出身のコンサルタントとアカウントマネジメントで、その背後でAIエンジニアとデータチーム（AI Ops・データPdM・開発）が分析と実装を支えています。現場の声が届く距離にいるので、推測ではなく商談と運用の事実から、売り方と次のプロダクトの論点を組み立てられる環境です。プロダクト『SalesNow』が扱うのは営業の領域ですが、会社が企業データとAIで組み替えようとしている仕事は、営業に限りません。PMMは、いま売っている営業の領域で勝ち方を固めながら、次にどの仕事へ価値を広げるかを市場の側から見極めます。SalesNowの事業・プロダクト・組織の雰囲気は、採用サイトでも紹介しています。 https://recruit.salesnow.co.jp/＜募集背景＞人を増やした分だけ売上が伸びる時代は、終わりました。 働き手が減るなかで、1人が生み出せる価値を増やす必要があります。SalesNowは組織が大きくなる前に、AI前提の組織へつくり替えました。バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。SalesNowは、AIと働く会社です。AIを前提に開発を進め、社内でつくるものは増え続けています。2026年9月12日時点の実測で、社内の298リポジトリで直近30日にマージされたプルリクエストは2,229本。90日間の4,081本のうち、半分以上がこの1か月に集中しています。現場が自分たちで組んだツールがプロダクトに昇格した例もあり、社内で回している仕組みを顧客の環境に移して、有償で納めてもいます。ただ、つくれることと、売れて使われ続けることは別物です。新しい機能やプロダクトが出るたびに、誰に、どんな価値として、どの形と価格で届けるかを決める人がいなければ、つくったものは事業の伸びにつながりません。外の調査も、同じ方向を指しています。Gartnerは、営業では2028年までにAIエージェントが営業担当者の10倍になると予測し、データ基盤と業務への組み込みがなければ、生産性は伸びにくいと警告しています（2026年7月）。AIとデータを顧客の業務にどう組み込むかを、市場と顧客の側から設計する人として、PMM（プロダクトマーケティングマネージャー）を募集します。PdMが開発の側で何をどうつくるかを担うのに対し、PMMはビジネスの側のハブです。ポジショニング、メッセージ、価格とパッケージの設計を受け持ち、顧客課題の見極めはPdMと組んで進めます。売る現場では、営業・アカウントマネジメント・マーケティング・ADRと顧客をつなぐ役です。ADRは、パートナー・展示会・ウェビナーなどあらゆる手段で商談をつくり、パイプライン管理・ABM・顧問のマネジメントまで担います。PMMは、どのチャネルでも響く訴求と素材をつくります。そこで得た反応をADRと検証し、次に狙う市場の優先順位を見直す役割です。企画書を書いて誰かに形にしてもらうのではなく、自分の手で進める仕事です。AIへの指示でコードをつくり、自分で動作を確かめる進め方を「バイブコーディング」と呼びます。デモ、LP、計測の仕組み、社内ツール。仮説を確かめるのに必要なものは自分でつくって市場に出し、反応を見て直す。そのサイクルを速く回せる方を求めています。＜ミッション＞企業データとAIのプロダクト群について、何が売れるかを見極め、届け先と売り方を設計する。営業・アカウントマネジメント・マーケティング・ADRと連携して、担当するプロダクトの売上を伸ばすことに責任を持つ新しいプロダクト・機能の市場投入をリリース前から設計し、売る側の全員が、同じ言葉と同じ素材で顧客に向き合える状態をつくる顧客の声と商談の結果をプロダクトに返し、次に何をつくるかの判断を、PdMと組んで市場の側から支える＜お任せしたい業務内容＞何が売れるかを見極めるここでの判断はPdM・経営陣と一緒に下し、PMMは市場規模と商談の勝ち負けの側から優先度を示します。顧客インタビュー、商談の記録、アカウントマネジメントとADRが現場で得た一次情報をもとにした、顧客の潜在的な課題の特定業界・セグメントごとの市場規模の見積もりと優先順位付け市場の優先順位をADRと共有し、チャネルごとの訴求に反映する。各チャネルで得た反応をもとに、優先順位を見直す競合の動きと商談の勝ち負けを踏まえ、商談で顧客に何を差として示すかを決めるポジショニングとメッセージの設計新しいプロダクト・機能（カスタムAIエージェント、SalesNow MCP、AIワークフロー、Data APIなど）のターゲット顧客と提供価値の定義どう届けて売るかを決める展示会・ウェビナーなどチャネルの運用とリソース配分はADRが担い、PMMは各チャネルで使う訴求と素材を用意します。リリース前からの市場投入計画の設計と実行（対象顧客、訴求、立ち上げの順序）Webサイト・LP・提案資料・デモ・ホワイトペーパーのメッセージ設計と訴求素材づくり価格とパッケージの設計（経営陣・PdMと合意して決める）画面・CRM連携・AIワークフロー・SalesNow MCP・Data API・支援サービスを、顧客セグメントごとにどう組み合わせて勧めるかの設計売れる状態をつくる営業・アカウントマネジメント・ADRが商談でそのまま使える、導入事例の型と競合との比較の整理受注・失注の商談の振り返りと、勝ちパターンの言語化・チームへの展開新しい機能を出すときの社内への展開（何が変わり、どの顧客にどう話せばよいか）自分の手でつくって確かめるClaude Codeなどを使った、デモ環境・LP・計測の仕組み・社内ツールの構築訴求やパッケージの仮説を小さくつくって市場に出し、商談化・受注の数字で確かめる検証の設計市場投入の結果（商談化率・受注率・更新率など）の計測と、次の打ち手への反映顧客の声をプロダクトに返す商談と導入後の運用で得た顧客の声・失注理由を整理し、PdMと組んでプロダクトの優先順位の判断材料にすること顧客の環境に有償で納めた仕組みのうち、プロダクトとして広げられるものの見極め※従事すべき業務の変更の範囲：有り＜入社後に取り組む課題＞このポジションで向き合うテーマには、例えば次のようなものがあります。2026年4月に提供を始めたSalesNow MCPを、Claude・CursorなどのAIエージェントを使う顧客の、どの業務に向けて、どんな言葉で届けるか顧客ごとの業務に合わせて組むカスタムAIエージェントについて、個別に組んだ事例から、繰り返し提案できる型とパッケージを見つけることData API（ベータ版）のCompany・News・Recruit・Organizationの4種別を、顧客が買う理由になる用途の言葉と、価格・パッケージに落とすこと（どのセグメントに広げるかはPdMと詰める）画面・CRM連携・AIワークフロー・SalesNow MCP・Data API・支援サービスが並ぶなかで、営業・アカウントマネジメント・ADRが迷わず提案できる、顧客セグメントごとの勧め方アップセル機会の検知、業績の下方修正や求人の停止から読む解約の予兆、グループ会社への横展開候補の発見。アカウントマネジメントでのこうした使い方を、既存顧客への提案の型にすること営業本人の入力をほぼゼロにした社内の進め方を、顧客への提案の材料として言語化することどのテーマも、決めた訴求と売り方の成否を、商談化・受注・更新の数字で確かめられます。＜利用するツール・技術＞Claude / Claude Code / Codex / Gemini / Cursor / Figma / GitHub / Salesforce / tl;dv / Slack / Google Workspace / Notion / SQL＜AIを前提にした働き方＞AIツールへの支出は、1人あたり月平均10万円以上（会社負担）です。Claude・Geminiは全員が使え、Codexも併用し、用途でモデルを使い分けます。市場調査からメッセージの案出し、デモの試作まで、ツールの制約で検証の幅を狭めずに取り組める環境です商談準備から議事録作成、CRMへの記録、分析までAIを使い、営業本人の入力はほぼゼロになりました。商談は tl;dv が全文を残し、電話の文字起こしとAI要約が Salesforce に入ります。顧客の言葉と商談の経過を記録から直接たどれるので、勝ちパターンと失注の理由を事実から読み解けますポジショニング案や提案資料、試作したデモは、複数のLLMにレビューを依頼します。指摘を採り入れるかどうかは、PMM自身が根拠を確認して決めます目的と予算を合意したあとは、担当者が進め方を決めます。どの仮説を、どの顧客で、どのツールを使って確かめるかは、PMMの判断です職種を問わず、AIで自分の仕事を組み替えることを求めています。経営陣もコードを書く会社です＜ポジションの魅力＞① 企画書で終わらない。自分でつくったもので、市場の答えを取りにいくSalesNowのPMMは、訴求を試すLPも、商談で見せるデモも、効果を測る仕組みも、自分でつくります。仮説を立てたら、その週のうちにLPやデモとして形にし、商談の反応を見て直す。エンジニアの手が空くのを待たずに、このサイクルを自分のペースで回せます。AIツールへの支出が1人あたり月平均10万円以上ある環境で、プロダクトマーケティングとバイブコーディングの両方が、自分の武器として手に入ります。② ビジネスとプロダクトの境目に立ち、両方を動かす営業・アカウントマネジメント・マーケティング・ADRとは売り方を、PdMやエンジニアとは次につくるものを日々議論する仕事です。展示会で響いたメッセージも、失注の理由も、アカウントマネジメントが拾った顧客の声も、PMMが集めて読み解きます。集まった一次情報をもとに、売り方で解く課題と開発で解く課題をPdMと組んで切り分けます。前者は提案資料と勝ちパターンに、後者は次の開発の判断材料になります。経営陣もコードを書く会社なので、試作したデモやLPを見せながら、その場で売り方を詰められます。この切り分けを重ねるほど、同じ顧客の声から訴求と開発の両方の打ち手を選ぶ判断力が身につきます。③ 提供を始めたばかりのプロダクトで、誰に・何を・どの言葉で届けるかを決めるカスタムAIエージェントとSalesNow Liteは2026年3月に、SalesNow MCPは2026年4月に提供が始まり、Data APIもベータ版の段階です。SalesNow MCP・カスタムAIエージェント・Data API・SalesNow Liteを、顧客のどの課題に向けて、どんな組み合わせと価格で届けるかを経営陣・PdMと設計し、商談の反応を見て直します。決めた進め方は、次のプロダクトでも使える会社の型に仕上げるところまで担います。大手企業への導入実績がある企業データベース『SalesNow』と組み合わせて、新しいプロダクトをエンタープライズ企業に届ける売り方を設計した経験が積み上がります。④ 検索では出てこないデータを、差別化の言葉に変える数万人規模の調査網と社内の体制によるアナログな収集、自社メディアのユーザー投稿、拠点ごとに一意のIDを振るJCコード、750万件超の部署連絡先。差別化の根拠は、すでに事実として手元にそろっています。PMMはその事実を、1,600万件超・80億レコードのデータで顧客の業務がどう変わるかに結びつけ、顧客が「なぜSalesNowなのか」を社内で説明できる言葉に変えます。検索では手に入らないデータの独自性を、大手企業が導入を決める理由に組み立てた経験は、データとAIのプロダクトを売るPMMとしての実績です。⑤ 売り方の設計が、会社の目標に直結する会社は、2025年11月を起点に社員1人あたりARRを3年で10倍にする目標を置いています。顧客ごとに組んだ仕組みを、毎回組み直さなくても売れる形に整えるほど、1人あたりの成果は増え、この目標に近づきます。市場投入の成否を商談化・受注・更新の数字で検証し、顧客ごとの要望から市場に共通する需要を見抜く力を磨けます。2〜3年後、AIを使えることは当たり前になります。そのときは、AI前提で組織と業務を設計できるかどうかで差がつきます。SalesNowのPMMは、何を売り、どう届けるかという事業の中心の判断を、自分でつくりながら実践するポジションです。＜選考プロセス＞書類選考面接（複数回）リファレンスチェックオファー面談＜SalesNow Information＞会社情報：https://recruit.salesnow.co.jp/全社資料：https://speakerdeck.com/salesnow/company-deckCulture deck：https://speakerdeck.com/salesnow/culture-deckCEO note：https://note.com/atsunori_muraokaCOO note：https://note.com/yosukekume

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。事業はAI時代の企業データインフラで、企業データとAIを使ってBtoBの仕事の進め方を組み替え、1人が生み出せる価値を増やそうとしています。採用人事は、この挑戦に加わる人と一人ずつ会い、社長と二人三脚で入社の決断まで口説き切る仕事を担います。事業の土台は、企業・組織・拠点・部署までをユニークに構造化した1,600万件超の法人・組織データベース（80億レコード）です。SalesNowのデータベースは、企業データベース収録件数No.1です（2025年10月期・日本マーケティングリサーチ機構調べ）。AIの出力の品質は、参照するデータの品質で決まります。SalesNowはこのデータを、AIや営業システムが参照する基盤として供給しています。「AIの時代に、なぜSalesNowなのか」と聞かれたら、この独自のデータを、その人が挑戦したい仕事に結びつけて語ってください。データの集め方は3つのルートの組み合わせです。1つ目は、Web情報をAIで日次更新する基盤。2つ目は、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集です。実地調査から紙の資料の読み取りまで手作業で行い、検索では出てこない情報を取りに行きます。3つ目は自社メディアに集まるユーザー投稿で、ユーザーのネットワークがアナログな収集の一部も担っています。Webの外まで情報を取りに行く事業なので、入社後の仕事も職種ごとに具体的に語れます。エンジニアなら収集と統合の設計、データ人材なら品質の検証、ビジネス職なら検索では出てこない情報を使った提案が、その中身です。提供しているのは、企業データベース『SalesNow』、商談準備や議事録のSFA登録を支えるAIワークフロー、Data API（ベータ版）です。2026年4月には、Claude・CursorなどのAIエージェントから企業データを直接使えるSalesNow MCPの提供を始めました。顧客ごとの業務に合わせて組むカスタムAIエージェントも、2026年3月から正式に提供しています。営業戦略コンサルティング・データ基盤の構築・AI実装・営業BPOまで、一社で手がけています。「AIに本気の会社なのか」と見極めにくる候補者にも、構想ではなく、すでに顧客へ届けているプロダクトで答えられます。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。スタートアップへの転職に迷う候補者とは、こうした実績も材料にしながら、不安を一つずつ話し合っていきます。＜募集背景＞働き手が減るなかで、人を増やした分だけ売上が伸びる時代は、終わりました。SalesNowは組織が大きくなる前に、AI前提の組織へつくり替えました。バリューには「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。迎えたいのは、AIへの適性と稀有なポテンシャルを持つ超エキスパート人材です。1人が生み出す価値で組織を伸ばす会社では、誰が入社するかで事業の伸び方が変わります。候補者と向き合い、入社の決断まで粘る仕事は、ここでは経営そのものです。ありがたいことに、応募は途切れずに届いています。ただ、候補者一人ひとりと深く向き合い、SalesNowの魅力を自分の言葉で伝えられる人が足りません。SalesNowは、AIと働く会社です。職種を問わず、AIで自分の仕事を組み替えることを求めていて、人事も例外ではありません。書類選考やスカウトの下準備にはAIを組み込み、候補者との対話に時間を使える環境を整えています。そこで、候補者と向き合い、口説き切ることに特化した「一人人事」を募集することにしました。人事の経験は問いません。社長（CEO）と二人三脚で、SalesNowの採用の顔になってほしいと考えています。人材紹介のキャリアアドバイザーとして好成績を残してきた方は、まさに私たちが探している人です。＜ミッション＞候補者一人ひとりと向き合い、SalesNowの魅力を伝え、入社の意思決定まで伴走する「AIと働く会社」としてのSalesNowを、オンラインでも対面でも伝え続け、この会社で働く意味を候補者の人生の文脈で語る組織の力を大きく変えられる人材を、経営と同じ目線で口説き切る＜お任せしたい業務内容＞業務時間の半分以上は、候補者との対話です。オンラインの面談が中心で、関係を深めたい相手とは対面でも会います。候補者と向き合う（業務の中心）カジュアル面談・選考中の面談で、候補者の志向やキャリアの悩み・迷いまで聴き、SalesNowで働く意味を一緒に言葉にする動機づけ選考の各段階での候補者フォロー（面接の前後の対話、懸念の解消）オファー面談の実施と、入社の意思決定までのクロージング対面での面談・ランチ・会食の企画と実施応募から入社まで、候補者が「この会社は自分に向き合ってくれた」と感じる候補者体験の設計候補者と向き合うための準備選考の各段階の数字（書類通過・面接通過・オファー承諾）と候補者との対話をもとに社長と決める、採用の優先順位と重要な候補者へのアプローチ各部門の責任者との人物要件のすり合わせと、面談で見極める観点・伝える魅力の設計面談で得た候補者の反応をもとにした、募集要項・スカウト文面・会社紹介の訴求の磨き込み転職エージェントとの定期的なコミュニケーションと、推薦いただく候補者像のすり合わせ応募者への連絡と、選考状況の日次報告・滞留の検知を使った選考の進捗管理AIを組み込んだ採用の仕組みを使いこなすAIの採点案の確認と、書類選考の可否の決定会いたい候補者に届く採用チャネルの選定と候補者リサーチ、AIによる適合度採点と文面の個別化を使った一人ひとりへのスカウト送付仕組みを毎日使う立場からの、候補者と話す時間をさらに増やす改善の提案と実行※従事すべき業務の変更の範囲：有り＜人事の現場で、いま動いていること＞SalesNowの採用は、AIを組み込んだ仕組みの上で動いています。可否も、候補者への向き合い方も、決めるのは人です。書類選考では、AIの採点案を見たうえで可否を決めています。スカウトはAIで候補者の適合度を採点し、一人ひとりに合わせた文面を加えて、複数の採用媒体から送っています選考状況の日次報告と、滞留・重複応募の検知で、フォローが必要な候補者を確認できます。誰にいつ連絡し、どこで会うかは、その一覧を見て組み立てます面談の文字起こしを採用管理ツールに残す仕組みもあります。これを面談の標準にして、メモを取らずに対話へ集中できる形をつくることも、この仕事に含まれますAI同時通訳を使った面接も運用中です。日本語を母語としない候補者とも、同じ面接の場で直接やり取りできます評価項目には、バリュー「AIネイティブ」に対応する項目（情報活用力・設計力）があります。入社後にAIとどう働くのかを、評価の仕組みまで含めて具体的に伝えられます＜利用するツール・技術＞Slack / HERP / Google Workspace / NotionClaude・Geminiは全員が使え、Codexも併用し、用途でモデルを使い分けます募集要項は複数のLLMにレビューさせ、指摘を採り入れるかどうかは人が根拠を確認して決めます＜ポジションの魅力＞① 社長と二人三脚で、会社の未来を決める1人を迎えるこのポジションはCEO直下です。どのポジションに誰を迎えるか、重要な候補者に何を伝えて口説くかを、社長と直接議論します。面談で聞いた候補者の志向や懸念を社長に届け、採用要件や伝え方を一緒に磨く。目的と予算を合意したあとは、あなた自身が進め方を決めます。そうして迎えた1人が、この先数年の事業を動かしていきます。② 口説く相手は、稀有なポテンシャルを持つ超エキスパート人材向き合う候補者は、1,600万件超の法人・組織データベース（80億レコード）をつくるエンジニアやデータ人材から、顧客の業務をAI前提で組み直すビジネス職、経営を担うCxOまで。いずれも会社を選べる立場にいる人たちなので、入社を決めるのは対話の質です。その人が大切にしている条件やキャリアを理解したうえで、SalesNowで挑戦できる仕事と結びつけ、入社を選ぶ理由を、候補者と一緒に見つける仕事です。第一線の人材が何に惹かれ、どこで迷うのかを直接聞き続けるうちに、専門も志向も違う相手に届く伝え方が身につきます。③ CAとして磨いた力を、今度は自分の会社のために使うキャリアアドバイザーとして磨いてきた、相手の本音を引き出して意思決定を後押しする力は、SalesNowでも仕事の中心です。違うのは、迎える先が自分の働く会社だという点です。AIと働く魅力も、日々の採用でAIを使っている実感から語れます。入社した仲間が、AIを前提に組み替えた組織で価値を伸ばしていく姿も、同じ会社の一員としてすぐ隣で見届けられます。次の候補者に伝えるのは、その挑戦を見てきた自分だからこそ語れる、この会社で働く意味です。④ 業務時間の半分以上を、候補者と向き合うことに使える書類選考の採点案やスカウト文面の個別化にはAIを使い、フォローが必要な候補者は検知の結果から確認します。そうして生まれた時間を、人と向き合い、会社の魅力を伝えるという人事の本質に使えます。画面越しで終わらせず、対面で会い、ランチや食事をともにして関係を深めることもよくあります。⑤ AIと働く会社で、AIに詳しい人事になるAIツールへの支出は、1人あたり月平均10万円以上（会社負担）です。経営陣も自分でコードを書く会社で、採用人事にとっても、AIを組み込んだ採用の仕組みは毎日の仕事道具です。書類選考ではAIの採点案を根拠まで確かめてから可否を決め、募集要項は複数のLLMのレビューを見ながら磨きます。AIの出力のどこを採り入れ、どこを直すか。日々の採用で判断を重ねるほど、見極める目は確かになります。候補者と話す時間をもっと増やすために、採用業務そのものを設計し直す経験も積める仕事です。2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうか。そして、その組織に誰を迎えるかです。候補者の人生に真摯に向き合う力に、AIと働く経験を重ねていきませんか。社長の隣で、その仕事を担ってくれる方を待っています。＜選考プロセス＞原則すべてのステップをオンラインで実施します。エントリー書類選考Web面談（2〜5回）リファレンスチェックオファー面談＜SalesNow Information＞会社情報：https://recruit.salesnow.co.jp/全社資料：https://speakerdeck.com/salesnow/company-deckCulture deck：https://speakerdeck.com/salesnow/culture-deckCEO note：https://note.com/atsunori_muraokaCOO note：https://note.com/yosukekume

＜このポジションについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。応募する職種を決める前に、AI前提で仕事を組み替えている現場の実例を聞いてみませんか。ご自身の経験を生かせる課題と、任される範囲を確かめられる面談です。原則オンライン・30分程度で実施します。 まずは社員と話してみたい方、募集中の職種にご自身の経験や関心に合うものが見つからない方も対象です。事業内容やプロダクト、組織の雰囲気、働き方を、ざっくばらんにお話しします。＜SalesNowについて＞働き手が減るなかで、人を増やした分だけ売上が伸びる時代は、終わりました。BtoBの仕事の進め方を、企業データとAIで組み替え、1人が生み出せる価値を増やす。それがSalesNowの事業です。AI時代の企業データインフラとして、企業・組織・拠点・部署までを構造化した1,600万件超の法人・組織データベース（80億レコード）を持っています。企業データベース収録件数No.1（2025年10月期・日本マーケティングリサーチ機構調べ）です。このデータは、独自の収集網「SalesNow Data Network」の3つのルートから集めています。Web情報をAIで日次更新する基盤、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集、月間700万PVの自社メディアに集まるユーザー投稿。アナログな収集は実地調査から紙の資料の読み取りまで及び、自社メディアのユーザーネットワークもその一部を担います。この3つを組み合わせ、検索では出てこない組織図や部署の直通番号まで取りにいっています。独自のJCコードで、本社・工場・支社支店・店舗まで拠点ごとに一意のIDを振っています。このIDで各拠点の情報を、企業や企業グループごとに結び付けられます。法人番号・社名・住所・電話・URL・メールを照らし合わせ、同じ企業を指す情報を統合します。照合には15段階の優先順位を設けています。データ担当者は、同名企業や住所の揺れをどう見分け、どの条件で同一企業と判断するかを、品質の要件から設計します。このデータが、開発・データ・営業のどの仕事でも土台になります。営業担当者は企業データベース『SalesNow』の画面から、開発者は Data API（ベータ版）から、同じデータを使えます。採用の増加や資金調達、拠点の開設といった企業の動きはシグナルとして捉え、顧客が「なぜ今この企業か」をつかめるようにしています。SalesNow MCP を通せば、Claude や Cursor からも同じデータを扱えます。AIワークフローが商談準備と記録を支え、営業担当者は顧客の課題の理解と関係づくりに時間を使えます。営業戦略コンサルティング、データ基盤の構築、AI実装、営業オペレーションの代行（BPO）も一社で提供しています。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。プロダクト・ビジネス・コーポレートのどの職種でも、1,600万件超のデータを扱う事業の中で自分の仕事の結果を確かめられます。この時代に、職種を問わず自分の仕事をAIで組み替えることが、SalesNowで働く前提です。バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。目的と予算を合意したあとは、担当領域の業務をどう組み替えるかを自分で決めます。＜SalesNowの仕事の例＞募集しているポジションは、プロダクト（PdM・デザイナー・エンジニア）、ビジネス（ADR・セールス・アカウントマネジメント・マーケティング・広報・事業開発・アライアンス）、コーポレート（人事・経理など）に分かれます。仕事の例は次のとおりです。開発：企業データベース『SalesNow』・Data API・SalesNow MCPを開発する。営業担当者とAIエージェント（Claude・Cursorなど）の利用場面をもとに、画面・API・MCPでのデータの届け方を自分で設計する。その設計が、人とAIの双方が使う企業データインフラの形になるデータ：3つのルートから集まる情報を、1,600万件超の法人・組織データベースに束ねる。JCコードを使った拠点単位の名寄せと、多角キーによる照合を設計する。同じ名前の企業をどう見分け、どこまで統合したら使えるデータと言えるかを、自分の基準で決めるADR：狙う市場とチャネルを設計し、商談の創出とパイプライン管理を担う。パートナー・展示会・カンファレンス・ウェビナー・顧問経由・アウトバウンドなどを組み合わせ、リソースを配分する。重点企業ごとに接点と訴求を設計するABMや、顧問のマネジメントにも取り組む。自分が選んだ市場・チャネルごとに、商談創出とパイプラインの進捗を追い、その結果をもとにリソース配分を見直せる営業：主に大手企業・上場企業（ナショナルクライアントを含む）を担当する。商談準備から議事録作成、CRMへの記録、分析までAIを使い、営業本人の入力はほぼゼロ。空いた時間を、顧客の組織を理解し、信頼関係を築く時間に使う。商談準備でAIを使う範囲も自分で決め、営業プロセスの改善を自分の成果で検証できるコーポレート：採用・労務・経理の担当者として、自分の担当業務をAIワークフローに組み直す。書類選考の一次判定では、AIが応募書類の情報を整え、担当者が可否を1件ずつ判断する。情報を整える工程と人が判断する工程の線引きは、採用・労務・経理の実務経験をもとに担当者が決める。エンジニアでなくても、専門業務をAI前提でつくり替えた実績が残る＜ポジションの魅力＞職種を決める前に、任される範囲まで確かめられる応募時に、話してみたい職種や社員の希望を伝えられます。応募を決める前に、希望する職種が全社の生産性向上にどう関わるか、入社後に担当する課題と自分で決められる範囲を聞けます。AI前提でつくり替えた仕事の実例を聞ける書類選考の一次判定、商談準備、データ基盤の開発。どれも実際にAIを組み込んで動いています。どの情報をAIで整理し、何を人が判断しているのか。その分担を担当者がどう決めたのかを、面談で聞くことも可能です。経営陣と直接、業務の設計を議論する経営陣もコードを書く会社です。担当者は、AIをどの工程に組み込むかを経営陣と直接議論します。目的と予算を合意したあとは、自分で進め方を決め、担当業務を組み替えます。1,600万件超の企業データを届ける事業で、プロダクト・顧客業務・組織の仕組みをつくる数万人規模の調査網と社内の体制によるアナログな収集、そして拠点単位のJCコードが、企業データの独自性を支えています。開発：独自の収集網とJCコードを持つ企業データを、画面・API・MCPで届ける方法を設計します。自分の設計が、営業担当者やAIエージェントが本社・工場・支店を区別して企業データを使う入口になりますビジネス：独自の企業データを顧客業務で活用してもらうために、チャネルと訴求を設計します。営業戦略コンサルティングからAI実装・営業BPOまで自社に揃うので、データを渡すだけでなく、業務への組み込みと実行支援まで含めて提案できますコーポレート：社員1人あたりARRを3年で10倍にする全社目標に向け、選考・経費・契約処理をAIワークフローとして組み直します。専門知識をもとに、AIで情報を整える工程と、権限を持つ担当者が判断する工程を決めます＜働く環境＞AIツールへの支出は、1人あたり月平均10万円以上（会社負担）です。Claude・Geminiは全員が使え、Codexも併用し、用途でモデルを使い分けます。自分の業務に合うモデルを比べ、どの工程に組み込むかは担当者が決めます担当者が成果物を複数のLLMにレビューさせ、専門知識と検証の結果で指摘の採否を決めます。採否は人が根拠で決めます。AIの出力が実務に耐えるかを見分ける目は、この往復でつくられます採用なら選考、営業なら商談準備、開発ならデータの届け方と、最初に組み替える業務は自分の専門領域から選べます＜面談概要＞面談は原則オンラインで実施します実施時間は30分程度を予定しています選考を前提とした場ではありませんが、有意義な時間とするため、これまでのご経歴情報（履歴書、職務経歴書、プロフィールURL 等）のご共有をお願いします＜事前にお知らせください＞応募フォーム内の「メッセージ」に、次の内容をご記載ください。ご希望の職種話してみたい職種・社員特に話したいテーマや内容（任意）＜ご留意事項＞業務状況や募集ポジションとのマッチ度により、面談をご案内できない場合があります。ご希望内容が不明瞭な場合なども、面談をお断りする可能性がありますので、あらかじめご了承ください。＜利用するツール・技術＞Slack / Google Workspace / Notion / Salesforce＜選考プロセス＞カジュアル面談は選考の前に行います。面談のあと、選考に進むことを希望される場合は、次の流れで進みます。原則すべてのステップをオンラインで実施します。エントリー書類選考Web面談（2〜5回）リファレンスチェックオファー面談＜SalesNow Information＞採用サイト：https://recruit.salesnow.co.jp/全社資料：https://speakerdeck.com/salesnow/company-deckカルチャーデック：https://speakerdeck.com/salesnow/culture-deckCEO note：https://note.com/atsunori_muraoka代表のビジョン（セールスの未来、SalesNowの大勝負）：https://note.com/atsunori_muraoka/n/n169c38a27294COO note：https://note.com/yosukekume一緒に働くメンバーのインタビュー（ADRのメンバーが、他社の選考が最終まで進んでいた時期にカジュアル面談を受け、入社を決めた経緯を話しています）：https://note.com/salesnow/n/n71b5e92979e6

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。つくっているのは、AI時代の企業データインフラです。BtoBの仕事の進め方を企業データとAIで組み替え、1人が生み出せる価値を増やしています。基盤となるのは、企業・組織・拠点・部署までを構造化した1,600万件超の法人・組織データベース（80億レコード）です。独自のJCコードで、本社・工場・支社支店・店舗を拠点ごとに識別できます。組織図と部署の直通番号も持っています（部署連絡先は750万件超）。Webに出ていない膨大なアナログ・クローズドな情報は、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制で、実地調査から紙の資料の読み取りまでアナログに集めています。自社メディアに集まるユーザー投稿も統合していて、そのユーザーのネットワークがアナログな収集の一部も担っています。検索では出てこないこの情報を使い、大手企業のどの拠点・どの部署と関係を築くかを設計する力を磨けます。企業データベース『SalesNow』（SaaS）の画面に加え、SalesNow MCP と Data API（ベータ版）でも企業データを提供しています。画面での利用から、AIエージェントや顧客のシステムへの組み込みまで、データの届け方を含めて顧客の業務を考えられるのも、この仕事の特徴です。営業担当者が商談に集中できるよう、AIワークフローが準備と記録を支えます。求人・ニュース・資金調達・プレスリリースも日次で反映しているため、採用の増加や拠点の開設といった企業の動きから「なぜ今この企業か」をつかめます。企業データベース収録件数No.1です（2025年10月期・日本マーケティングリサーチ機構調べ）。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。この土台の上で、法人営業で培った顧客理解を、商談づくり・活用支援・マーケティング・広報・企画へ広げられます。大手企業に届いているデータとプロダクトを手札に、キャリアの初期から提案の相手を選べる立場です。＜募集背景＞法人営業2年以上の経験を、企業データとAIを使う仕事へ広げるオープンポジションです。配属先は、適性と希望を踏まえて選考で一緒に見定めます。人を増やした分だけ売上が伸びる時代は、終わりました。 働き手が減るなかで、1人が生み出せる価値を増やすことが、どの会社にも求められています。SalesNowはバリューに「AIネイティブ」を掲げ、AIを前提に業務を組んでいます。2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。この目標に向けて、担当者自身がAIを使う工程と人が判断する工程を設計し、仕事の進め方から成果を変えることに挑めます。キャリア初期から、顧客への提案や接点づくりだけでなく、その進め方を自分で設計する仕事に挑めます。次のような志向の方に合う環境です。シリーズB目前の拡大期に参画し、事業と組織の型を自分の手でつくる側に回りたい経験は浅くても、80億レコードの企業データとAIを武器に、大手企業を相手にした成果で勝負したい働き手が減る日本で、1人が生み出す価値を増やす仕組みを、自分の手でつくりたい＜お任せしたい業務内容＞配属は、選考のなかで過去の成果の出し方と志望を聞いたうえで決めます。想定される職種の例は次のとおりです。ADR（あらゆるチャネルから商談が生まれる仕組みを設計し、パイプラインを動かす仕事）フィールドセールス（AE・エンタープライズセールス）アカウントマネジメントマーケティング広報営業企画、事業企画、経営企画ADR提案の主な相手は、ナショナルクライアントを含む大手企業・上場企業の営業組織です。ADRは、あらゆるチャネルを使って商談を生み出します。Salesforceとのアライアンスを含むパートナー施策や、顧問経由の接点を生かします。展示会・カンファレンス・ウェビナー・ホワイトペーパーで接点をつくり、インバウンド・過去リードの掘り起こし・アウトバウンドも組み合わせます。目標予算から逆算してチャネルごとの計画を立て、どこに誰の時間を充てるかを日次で見直します。商談の進捗と見込みを追うパイプライン管理、重点企業を定めて攻略するABM（アカウントベースドマーケティング）、顧問のマネジメントもADRの仕事です。資金調達や海外進出、従業員の増加といったシグナルから、どの企業に、どのチャネルで、どの部署・拠点から入るかを決めます。組織図と部署の直通番号まで自社で持っているため、ABMで狙う企業の攻略図を細かく描けます。展示会やウェビナーでどのメッセージが響いたかを見て、狙う市場と訴求を磨き込んでいきます。フィールドセールス（AE・エンタープライズセールス）決裁の構造と関係者を洗い出し、どの部署から入ってどう広げるかを決めます。それをアカウントプランに落とします。提案の前には、顧客がどこで成果につながらない動きをしているかを聞きます。そのうえで、企業データとAIワークフローの組み合わせまで含めて提案を組み立てます。担当者は商談をtl;dvに、電話をZoom PhoneとAmptalkに記録し、文字起こしとAI要約をSalesforceへ残します。名刺は担当者が写真をSlackに送れば、読み取りと重複の照合を経て、見込み客として登録できます。営業本人の入力はほぼゼロで、空いた時間を商談戦略と交渉に使います。アカウントマネジメント導入企業の窓口を担います。AIエンジニア・データチームと組み、顧客の業務に合わせてデータ基盤を構築します。名寄せやハウスリスト分析に加え、営業活動と案件を管理するシステム（SFA）との連携やAI実装も、この仕事の範囲です。たとえば、受注パターンに合う企業を選び、シグナルを検知したらSFAにToDoを起票する流れを、導入企業の営業担当者が使える形にします。業績の下方修正や求人の停止といったシグナルからは解約の予兆をつかみ、手を打ちます。逆に、採用の増加や拠点の開設といった動きは、活用を広げる提案の機会として拾います。マーケティング受注につながった企業の共通点から狙う条件を設計し、企業データベース『SalesNow』とClaudeでターゲットリストをつくります。リストごとの商談化率を見て条件を組み替え、次にアプローチする企業群を決めます。イベント・記事・広告といったリード獲得の手段ごとの商談化率も自分で見て、予算の配分と次の打ち手を決めるところまでが担当範囲です。広報自社の企業データを一次情報として使えることが、この職種の違いです。資金調達や拠点開設といったシグナルの集計から、その時期に読まれる切り口を自分で見つけ、記事や発信の題材にします。導入企業の成果、AI前提でつくり替えた社内の働き方も題材です。出したあとは記事の反響を見て、次に取り上げる題材を決めます。営業企画・事業企画・経営企画受注実績から狙う市場・企業規模を検討し、リード獲得から受注、導入後の活用までの移行率を確かめます。案件が進みにくい工程を特定し、対象企業の条件、訴求、AIを使う工程の改善案をつくります。営業企画では次の四半期の営業の進め方に落とし込み、事業企画・経営企画では狙う市場と改善案を経営陣に提案します。目的と予算を合意したあとの進め方は、担当者に委ねられています。※従事すべき業務の変更の範囲：有り＜利用するツール・技術＞SlackGoogle WorkspaceNotionSalesforcetl;dvZoom PhoneAmptalk＜AIを前提にした働き方＞AIツールへの支出は、1人あたり月平均10万円以上（会社負担）です。Claude・Geminiは全員が使え、Codexも併用します。どのモデルをどの業務に使うかは、担当者が選びます担当者が成果物のレビューを複数のLLMに依頼します。指摘を比較し、根拠を確認したうえで、提案や施策へ反映する内容を決めます職種を問わず、AIで自分の仕事を組み替えることを求めています。営業でも、リストの抽出や商談準備の手順を自分で組み直します。経営陣もコードを書きます＜ポジションの魅力＞応募時に職種を決めなくていい。選考で強みと希望を確かめ、成果を出せる場所を一緒に選ぶADR、営業、アカウントマネジメント、マーケティング、広報、企画のどこで最初の成果をつくるかを、面談を重ねながら一緒に見定めます。法人営業で培った顧客理解を、『SalesNow』とClaudeによるターゲット設計や、独自の企業データを使った広報企画へ広げられます。キャリアの初期から、大企業の営業組織を変える当事者になれる主な顧客は、ナショナルクライアントを含む大手企業・上場企業です。提案の土台は、80億レコードの企業データです。拠点ごとのJCコードと、検索では出てこない組織図・部署の直通番号を使い、どの部署と関係を築き、どの拠点へ提案を広げるかまで設計できます。大手企業の決裁構造を読み、接点づくりから提案までを設計する力を磨けます。データ提供からコンサルティング・データ基盤の構築・AI実装・BPOまで一社で揃っているので、営業やアカウントマネジメントでは、提案の範囲を自分で決められます。ADRは、あらゆるチャネルの設計からパイプライン管理、ABMまでを担い、事業の伸びを自分の設計で動かします。目的と予算を合意したあとは、担当者が進め方を決めるADRでは拠点・部署ごとのデータから攻略対象を選び、広報では独自データの集計から発信の切り口を決めます。職種に応じて商談数・商談化率・受注への寄与などの指標を合意します。施策を選んだ理由と結果を数字で説明し、次にどこへ投資するかを提案するところまで、キャリアの初期から任されます。AI前提でつくり替えた組織で、仕事の型を最初から身につけられる営業では商談準備、マーケティングではリストの抽出、アカウントマネジメントでは顧客の業務の設計に、担当者自身がAIを組み込みます。経営陣もコードを書き、AIツールには1人あたり月平均10万円以上を会社負担で使っています。複数のLLMの指摘を根拠で検証し、提案や施策のどこを直すかを見極めるのは、担当者自身です。2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。この目標に向けて自分の担当業務をどう組み替えるかを、入社1年目から自分で考えて実行します。働き手が減るなかで求められるのは、1人が生み出す価値を増やす設計力です。活躍次第で、他職種やマネージャーに挑戦できる担当業務で出した成果を根拠に、他職種への転換もチームを率いる役割も、自分から手を挙げられます。事業と組織の型がこれから固まる段階なので、任される範囲は成果に応じて広がります。経営陣との距離が近く、事業の数字を同じ場で見ながら次の打ち手を議論し、若いうちから意思決定の場に立てます。ADRで培うチャネルへのリソース配分とパイプライン管理の経験を、営業企画・事業企画への挑戦につなげられます。身につくものADR: チャネルごとの成果とパイプラインの進捗を読み、目標予算から逆算して、次にどの市場・手段へリソースを配分するかを決める力営業: 記録の負担が小さい環境で商談戦略と交渉に時間を使い、企業データとAIワークフローを組み合わせた提案の有効性を、自分の受注数字で検証した経験アカウントマネジメント: 顧客の営業業務に合わせて企業データ・SFA・AIワークフローの使い方を設計し、AIエンジニア・データチームと実装から現場での活用まで進めた経験マーケティング: 受注データから狙う市場を定義し、『SalesNow』とClaudeで対象企業を抽出した経験。商談化率と受注への寄与から、次に狙う企業群と施策への予算配分を決める判断基準広報: 自社の企業データから、資金調達や拠点の開設といった動きを捉えて発信を企画した経験。反響を見て次の題材を選び、読まれる切り口を自分で見つける目企画: 受注データと工程ごとの歩留まりから、次に狙う市場と改善すべき工程を経営陣に提案した経験。人とAIの役割分担まで含めて打ち手を設計し、1人が生み出す価値を増やす視点2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。＜選考プロセス＞原則すべてのステップをオンラインで実施しますエントリー書類選考Web面談(2~5回)リファレンスチェックオファー面談＜SalesNow Information＞採用サイト: https://recruit.salesnow.co.jp/全社資料: https://speakerdeck.com/salesnow/company-deckカルチャーデック: https://speakerdeck.com/salesnow/culture-deckCEO note: https://note.com/atsunori_muraokaCOO note: https://note.com/yosukekume一緒に働くメンバーのインタビュー（ADRとして入社し、Salesforceとのアライアンス強化と、セミナー・展示会での商談創出を担うメンバー）: https://note.com/salesnow/n/n71b5e92979e6

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。企業データとAIで、BtoBの仕事の進め方を組み替えています。目指すのは、1人が生み出せる価値を増やすことです。現在はシリーズB目前で、大企業への導入実績を一件ずつ積み上げている段階です。担当する1社ごとの結果が、次に狙う市場の判断材料になります。事業の土台は、企業・組織・拠点・部署までをユニークに構造化した1,600万件超の法人・組織データベース（80億レコード）です。このデータを、AI・営業システムが参照するAI時代の企業データインフラとして供給しています。企業データベース収録件数No.1（2025年10月期・日本マーケティングリサーチ機構調べ）のデータが、大企業の部長・役員への提案を裏付ける材料になります。データの集め方は3つのルートの組み合わせです。1つ目は、Web情報をAIで日次更新する基盤です。数百万件規模のタスクをLLMを含む技術で処理しています。2つ目は、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集です。実地調査から紙の資料の読み取りまで手作業で行うので、検索では出てこない情報まで大企業への提案に使えます。3つ目は、自社メディアに集まるユーザー投稿です。ユーザーのネットワークがアナログな収集の一部も担っていて、Webに出ていない膨大なアナログ・クローズドな情報が自社に貯まり続けます。独自のJCコードで、本社・工場・支社支店・店舗を拠点ごとに識別できます。多拠点企業やグループ会社を正確に捉え、どの拠点から開拓し、どこへ提案を広げるかを設計できます。組織図と750万件超の部署連絡先を使い、公開情報だけでは捉えにくい拠点・部署の接点を見つけることも可能です。部署の直通番号から、代表電話を経由せずにアプローチできます。採用の増加や資金調達、拠点の開設といった企業側の動きも、日次で反映されます。この動きを手がかりに、なぜ今この企業に提案するのかを自分の言葉で語ることが可能です。提供しているのは、企業データベース『SalesNow』、商談準備や議事録のSFA登録を支えるAIワークフロー、SalesNow MCP、Data API（ベータ版）です。営業戦略コンサルティング、データ基盤の構築、AI実装、営業BPOまで一社で提供しているので、エンタープライズセールスはツールの売り込みにとどまりません。顧客の営業の戦略から実行までをまとめて提案できます。主な顧客は、ナショナルクライアントを含む大手企業・上場企業です。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。物流・製造・金融・人材などへの導入実績を土台に、業界をまたぐ大企業の開拓と、担当者から役員までの合意形成を経験できます。＜募集背景＞人を増やした分だけ売上が伸びる時代は、終わりました。 働き手が減るなかで、1人が生み出せる価値を増やす必要があります。仕事の進め方を企業データとAIで組み替えることが、その答えです。その変革を顧客の営業組織に届けるのがプロダクト『SalesNow』で、エンタープライズセールスは、大企業の営業のあり方を変える提案を最前線で担います。私たち自身も、組織が大きくなる前に、AI前提の組織へつくり替えました。バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。営業では、商談準備から議事録作成、CRMへの記録、分析までAIを使い、営業本人の入力はほぼゼロになりました。エンタープライズセールスは、担当者だけでなく部長や役員も巻き込み、業界を限らず大企業の全社課題に踏み込んで受注まで進めるポジションです。将来的には幹部・CxO・部門責任者をお任せすることも視野に入れています。＜ミッション＞1,600万件超の法人・組織データベース（80億レコード）とAIを使い、エンタープライズ企業の営業組織と業務の変革を提案し、受注する担当者から役員層まで巻き込む大型案件をリードし、顧客の事業成長とSalesNowの売上拡大を同時に実現する経営陣・営業メンバーとともに事業戦略・営業戦略を進め、リード・商談・受注・売上の予実を管理して事業計画を達成する＜お任せしたい業務内容＞受注までを前に進めるインバウンドリードをはじめ、あらゆるチャネルから生まれた商談の、初回商談からクロージングまでの営業活動自らSalesNowを使って新規商談を創出し、契約まで進めるプレイヤーとして、担当者から役員まで関係を築き、顧客の課題とニーズをつかむ顧客の事業戦略・営業課題のヒアリングと、データに基づく課題仮説の構築1,600万件超の法人・組織データベースで拠点・部署まで絞り込んだカスタマイズ提案と、担当者・部長・役員へのプレゼンテーション契約条件の交渉・クロージングと、アップセル・クロスセルの推進勝ち筋を型にする商談データの分析をもとにした、営業プロセスの型化とプレイブックの構築ADR・アカウントマネジメント・プロダクトチームと顧客の課題を共有し、狙う市場と訴求、提案と機能の改善につなげる戦略と数字に関わる事業計画（PL）の達成に向け、経営陣・ビジネスメンバーと営業・マーケティング戦略を立案・実行するTier管理・セグメント戦略で新規開拓の顧客ターゲットを絞り込み、エンタープライズ企業との商談設定と導入実績づくりを進めるSalesforceを使った、中長期を見据えた営業オペレーションの構築リード獲得から契約・更新までを含めた事業全体の予実管理と、売上の最大化※従事すべき業務の変更の範囲：有り＜利用するツール・技術＞Slack / Google Workspace / Notion / Salesforce / tl;dv / Zoom Phone / Amptalk / Claude / Gemini / Codex＜ポジションの魅力＞営業戦略からデータ基盤・AI実装まで、大企業への提案を設計できる担当するのは、担当者だけでなく部長や役員を巻き込み、営業組織と業務の変革そのものを提案する商談です。手札は、企業データベース『SalesNow』とAIワークフロー、SalesNow MCP、Data APIに加え、営業戦略コンサルティング、データ基盤の構築、AI実装、営業BPOまであります。顧客の課題に合わせ、これらの提供物をどう組み合わせ、どこまで提案するかを自分で設計できます。顧客の営業組織をどう変えるかという役員の議題に、戦略・データ・実装をそろえた提案で入っていけます。初回商談の前に、仮説を持てる前日のうちに整った商談準備を土台に、担当者は企業データと直近の求人、組織図を読み込み、商談で確かめる仮説を磨く時間を取れます。採用の増加や資金調達といったシグナルから「なぜ今この企業か」を語れる状態で臨めるので、初回から顧客の事業課題に踏み込んだ対話ができるのも、この仕事の特徴です。顧客との対話と提案に集中できる担当者は、商談の記録をほとんど入力しません。商談の全文は tl;dv に残り、電話の文字起こしとAI要約は Zoom Phone と Amptalk から Salesforce に入ります。名刺は写真を Slack に送れば、リード登録まで進みます。フォローメールの下書きも揃うので、担当者は内容を確かめて送り、空いた時間を提案と交渉に使えます。勝ち負けの差を、自分の商談データで確かめられる商談の記録が全文で残っているので、受注した商談と失注した商談を比べ、どこで差がついたかを確かめられます。経験談ではなくデータから勝ち筋を言葉にし、プレイブックとしてチームの型にしていけます。売るプロダクトを、自分の商談で使い込める自分の新規商談づくりに、売っているプロダクトをそのまま使います。使い込んだ側だけが語れる具体（どの条件で絞ると商談につながる企業を見つけられるか、どの使い方が成果に効いたか）を、そのまま顧客への提案に持ち込めます。導入後の運用まで踏み込んだ話ができるので、提案の説得力が変わります。進め方は自分で決め、戦略は経営陣と立てる目的と予算を合意したあとは、型にとらわれず、売り方や市場開拓の方法を担当者が考え、試行錯誤しながら進めます。準備でAIを使う範囲も自分で選び、自分なりの営業スタイルを確立することが可能です。事業計画（PL）の達成に向けた営業・マーケティング戦略は、経営陣と一緒に立てます。商談の現場で見えた勝ち筋を、会社の戦略に反映できる距離です。成果を出してきたメンバーのなかで、伸びしろを引き上げられるセールスチームには、事業部長の経験者など、各領域で成果を出してきた人が集まっています。大型案件の商談設計やクロージングの判断を、進行中の自分の案件について直接もらえます。だからこそ採用では、これまでの営業経験に加えて熱意と伸びしろも重く見ています。難しい商談ほど、チームで解決策を組み立てる部長・役員を巻き込む商談では、ADR・アカウントマネジメント・プロダクトのメンバーと同じ顧客を見ます。ADRとは、展示会・ウェビナー・ABMで得た反応から市場と訴求を検討します。アカウントマネジメントと導入後の成果やグループ会社への展開余地を確認し、プロダクトとは機能改善の見通しをすり合わせます。その材料を使い、現場の活用から役員が期待する事業成果までをつないで、合意形成を進める提案を組み立てられます。業界を限らず、あらゆる業種の経営課題に踏み込める担当する顧客の業種は限りません。物流、製造、金融、人材と相手が変わるたびに、企業データとヒアリングから経営課題の仮説を立て直します。同じプロダクトでも、物流で刺さった訴求が金融で通じるとは限りません。業種ごとに勝ち筋を立て直した経験が、そのまま次の業界を開ける手札になります。商談を重ねながら、異なる業界で営業組織の変革を提案する力を磨けます。AI前提の営業組織で、1人が生み出す価値の上限を自分で押し上げるSalesNowは組織が大きくなる前に、AI前提の組織へつくり替えました。1人が生み出せる価値を増やす仕組みを、自分たちの営業組織でも実践しています。会社は2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。部長・役員を巻き込む大型案件を、AI前提の進め方で受注する。それが、この目標を営業の現場で実証する仕事そのものです。その設計の経験は、AI前提の営業組織を率いる側に回るときの武器になります。業界調査から役員の想定問答まで、複数のAIを使って自分で準備できるAIツールへの支出は、1人あたり月平均10万円以上です。Claude・Geminiは全員が使え、Codexも併用します。業界の調べものや提案の構成、想定問答づくりに合わせてモデルを選べるので、業界情報を踏まえ、役員の疑問への回答まで用意して提案に臨めます。成果物は複数のLLMにレビューを依頼し、採否は人が根拠を確認したうえで判断します。経営陣もコードを書く会社で、あなた自身も営業の進め方を組み替えます。幹部・CxO・部門責任者へのキャリア個人の受注に加え、経営陣との営業・マーケティング戦略づくりや、契約・更新まで含む事業全体の予実管理を担います。商談で得た知見を事業計画の達成につなげる経験を積み、将来は幹部・CxO・部門責任者を目指す道があります。いま向き合っている課題AIで資料準備の時間は短くなりましたが、取り組むことも増え、忙しさは減っていません。資料準備で生まれた時間を、長期商談のどの提案や交渉に使えば受注につながるか。その進め方を、担当者自身が設計し、検証していきます。AI導入時に見込んだ1人あたりの担当社数には届きませんでした。増えたのは、提案できる内容のほうです。エンタープライズセールスとして挑むのは、AIで広がった提案の可能性を、長い検討期間のなかで受注につなげる営業プロセスの設計です。ここで確立した進め方は、プレイブックとしてチームの型になり、AI前提の営業組織の標準をつくる側に立てます。2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。その設計を、大企業の全社課題を動かす商談のなかで試せるのがこのポジションです。一緒に働くメンバーのインタビュー受注後に顧客を支えるアカウントマネジメントのメンバーの記事です。導入後の顧客にどう伴走し、「困ったときに一番に頼ってもらえる存在」をどう目指しているかを語っています。 https://note.com/salesnow/n/n0b0a473a4856＜選考プロセス＞原則すべてのステップをオンラインで実施します。エントリー書類選考Web面談（2~5回）リファレンスチェックオファー面談＜SalesNow Information＞会社情報：https://recruit.salesnow.co.jp/全社資料：https://speakerdeck.com/salesnow/company-deckCulture deck：https://speakerdeck.com/salesnow/culture-deckCEO note：https://note.com/atsunori_muraokaCOO note：https://note.com/yosukekume

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。企業データとAIで、BtoBの仕事の進め方そのものを組み替え、1人が生み出せる価値を増やすことに取り組む、シリーズB目前のスタートアップです。事業の土台は、企業・組織・拠点・部署までをユニークに構造化した1,600万件超の法人・組織データベース（80億レコード）です。このデータを、AI・営業システムが参照するAI時代の企業データインフラとして供給しています。企業データベース収録件数No.1（2025年10月期・日本マーケティングリサーチ機構調べ）のデータが、大企業の部長・役員への提案を裏付ける材料になります。データの集め方は3つのルートの組み合わせです。1つ目は、Web情報をAIで日次更新する基盤です。2つ目は、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集です。実地調査から紙の資料の読み取りまで手作業で行い、検索では出てこない情報を取りに行きます。3つ目は、自社メディアに集まるユーザー投稿です。ユーザーのネットワークが、アナログな収集の一部も担っています。検索では出てこない情報まで含めて提案を組み立てられるので、顧客が自社で調べた内容の一歩先から議論を始められます。独自のJCコードで、本社・工場・支社支店・店舗を拠点単位で識別可能です。複数拠点やグループ会社を持つ顧客でも、企業同士の関係と提案先を整理し、アカウントプランを組み立てられます。750万件超の部署連絡先を使い、代表電話を経由せず、狙う部署への接点を自分で開拓できます。採用の増加や資金調達、拠点の開設といった企業側の動きも、日次で反映されます。この動きを手がかりに、なぜ今この企業に提案するのかを自分の言葉で語ることが可能です。提供しているのは、企業データベース『SalesNow』、商談準備や議事録のSFA登録を支えるAIワークフロー、SalesNow MCP、Data API（ベータ版）です。営業戦略コンサルティング、データ基盤の構築、AI実装、営業BPOまで一社で提供しているので、AEはツールの売り込みにとどまりません。顧客の営業の戦略から実行までをまとめて提案できます。主な顧客は、ナショナルクライアントを含む大手企業・上場企業です。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。この実績を示しながら、次の顧客の部長・役員と、その企業での導入や活用を具体的に議論できます。＜募集背景＞人を増やした分だけ売上が伸びる時代は、終わりました。 働き手が減るなかで、1人が生み出せる価値を増やす必要があります。仕事の進め方を企業データとAIで組み替えることが、その答えです。その変革を顧客の営業組織に届けるのがプロダクト『SalesNow』です。AEは商談で、ツールの機能にとどまらず、顧客の営業組織で1人が生み出せる価値をどう増やすかを扱います。企業データとAIを前提に営業の働き方を組み替える提案を、大企業の部長・役員と議論してつくります。私たち自身も、組織が大きくなる前に、AI前提の組織へつくり替えました。バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。営業では、商談準備から議事録作成、CRMへの記録、分析までAIを使い、営業本人の入力はほぼゼロになりました。アカウントエグゼクティブ（AE）は、担当者だけでなく部長や役員も巻き込み、業界を限らず顧客の事業課題に踏み込んで受注まで進めるポジションです。将来的には幹部・CxO・部門責任者をお任せすることも視野に入れています。＜ミッション＞1,600万件超の法人・組織データベース（80億レコード）とAIを使い、エンタープライズ企業の営業組織と業務の変革を提案し、受注する担当者から役員層まで巻き込む大型案件をリードし、顧客の事業成長とSalesNowの売上拡大を同時に実現する経営陣・営業メンバーとともに事業戦略・営業戦略を進め、リード・商談・受注・売上の予実を管理して事業計画を達成する＜お任せしたい業務内容＞受注までを前に進めるインバウンドリードをはじめ、あらゆるチャネルから生まれた商談の、初回商談からクロージングまでの営業活動自らSalesNowを使って新規商談を創出し、契約まで進めるプレイヤーとして、担当者から役員まで関係を築き、顧客の課題とニーズをつかむ顧客の事業戦略・営業課題のヒアリングと、データに基づく課題仮説の構築1,600万件超の法人・組織データベースで拠点・部署まで絞り込んだカスタマイズ提案と、担当者・部長・役員へのプレゼンテーション契約条件の交渉・クロージングと、アップセル・クロスセルの推進勝ち筋を型にする商談データの分析をもとにした、営業プロセスの型化とプレイブックの構築ADR・アカウントマネジメント・プロダクトチームと顧客の課題を共有し、狙う市場と訴求、提案と機能の改善につなげる戦略と数字に関わる事業計画（PL）の達成に向け、経営陣・ビジネスメンバーと営業・マーケティング戦略を立案・実行するTier管理・セグメント戦略で新規開拓の顧客ターゲットを絞り込み、エンタープライズ企業との商談設定と導入実績づくりを進めるSalesforceを使った、中長期を見据えた営業オペレーションの構築リード獲得から契約・更新までを含めた事業全体の予実管理と、売上の最大化※従事すべき業務の変更の範囲：有り＜利用するツール・技術＞Slack / Google Workspace / Notion / Salesforce / tl;dv / Zoom Phone / Amptalk / Claude / Gemini / Codex＜ポジションの魅力＞営業戦略からデータ基盤・AI実装まで、大企業への提案を設計できる主な顧客は、ナショナルクライアントを含む大手企業・上場企業です。担当者だけでなく部長や役員を巻き込み、営業組織と業務の変革そのものを提案します。手札は、企業データベース『SalesNow』とAIワークフロー、SalesNow MCP、Data APIに加え、営業戦略コンサルティング、データ基盤の構築、AI実装、営業BPOまであります。顧客の課題に合わせ、これらの提供物をどう組み合わせ、どこまで提案するかを自分で設計できます。営業本人の入力をほぼゼロにした自社の営業の進め方も、提案の材料になります。初回商談の前に、仮説を持てる前日のうちに整った商談準備を土台に、担当者は企業データと直近の求人、組織図を読み込み、商談で確かめる仮説を磨く時間を取れます。採用の増加や資金調達といったシグナルから「なぜ今この企業か」を語れる状態で臨めるので、初回から顧客の事業課題に踏み込んだ対話ができるのも、この仕事の特徴です。顧客との対話と提案に集中できる担当者は、商談の記録をほとんど入力しません。商談の全文は tl;dv に残り、電話の文字起こしとAI要約は Zoom Phone と Amptalk から Salesforce に入ります。名刺は写真を Slack に送れば、リード登録まで進みます。フォローメールの下書きも揃うので、担当者は内容を確かめて送り、空いた時間を提案と交渉に使えます。勝ち負けの差を、自分の商談データで確かめられる商談の記録が全文で残っているので、受注した商談と失注した商談を比べ、どこで差がついたかを確かめられます。経験談ではなくデータから勝ち筋を言葉にし、プレイブックとしてチームの型にしていけます。売るプロダクトを、自分の商談で使い込める自分の新規商談づくりに、売っているプロダクトをそのまま使います。使い込んだ側だけが語れる具体（どの条件で絞ると当たりが増えるか、どの使い方が成果に効いたか）を、そのまま顧客への提案に持ち込めます。導入後の運用まで踏み込んだ話ができるので、提案の説得力が変わります。進め方は自分で決め、戦略は経営陣と立てる目的と予算を合意したあとは、型にとらわれず、売り方や市場開拓の方法を担当者が考え、試行錯誤しながら進めます。準備でAIを使う範囲も自分で選び、自分なりの営業スタイルを確立することが可能です。事業計画（PL）の達成に向けた営業・マーケティング戦略は、経営陣と一緒に立てます。商談の現場で見えた勝ち筋を、会社の戦略に反映できる距離です。難しい商談ほど、チームで解決策を組み立てる部長・役員を巻き込む商談では、ADR・アカウントマネジメント・プロダクトのメンバーと同じ顧客を見ます。ADRが市場分析や展示会・ウェビナー・ABMで得た知見を、顧客への訴求に生かせます。アカウントマネジメントと顧客の活用課題を共有し、提案を磨くことも可能です。プロダクトチームには商談で得たニーズを届け、顧客への提案と機能改善の両方に関われます。成果を出してきたメンバーのなかで、伸びしろを引き上げられるセールスチームには、事業部長経験者やエンタープライズセールスの第一線で成果を出してきたメンバーが集まっています。大型案件の商談設計やクロージングの判断を、進行中の自分の案件について直接もらえます。だからこそ採用では、これまでの営業経験に加えて伸びしろも重く見ています。業界を限らず、あらゆる業種の経営課題に踏み込める担当する顧客の業種は限りません。物流、製造、金融、人材と相手が変わるたびに、企業データとヒアリングから経営課題の仮説を立て直します。1つの業界の型に閉じない提案力が、商談を重ねるほど身につきます。AI前提の営業組織で、1人が生み出す価値の上限を自分で押し上げるSalesNowは組織が大きくなる前に、AI前提の組織へつくり替えました。1人が生み出せる価値を増やす仕組みは、自分たちの営業組織でも実践しています。会社は2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。部長・役員を巻き込む大型案件を、AI前提の進め方で受注する。それが、この目標を営業の現場で実証する仕事そのものです。その設計の経験は、AI前提の営業組織を率いる側に回るときの武器になります。業界調査から役員の想定問答まで、複数のAIで提案を磨けるAIツールへの支出は、1人あたり月平均10万円以上です。Claude・Geminiは全員が使え、Codexも併用します。業界の調べものや提案の構成、想定問答づくりに合わせてモデルを選べるので、業界調査を課題仮説に結びつけ、役員からの想定質問への回答まで、自分で準備できます。成果物は複数のLLMにレビューを依頼し、採否は人が根拠を確認して決めます。経営陣もコードを書き、職種を問わず仕事の進め方を組み替えています。身につくものこうした提案力と業務設計の経験は、人を増やした分だけ売上が伸びる時代が終わったあとに、営業の市場価値を決める力です。プレイヤーとしての成果の先には、幹部・CxO・部門責任者として営業組織そのものを設計する道があります。いま向き合っている課題AEが挑むのは、限られた時間で大企業の受注を最大にする営業プロセスの設計です。AIで資料準備の時間は短くなりましたが、取り組むことも増え、忙しさは減っていません。社内では、AI導入時に見込んだ1人あたりの担当社数にも届いていません。増えたのは、提案できる内容のほうでした。どこに時間を寄せると受注が増えるかは、まだ社内に正解のない問いです。商談準備・提案・交渉への時間配分を自分で決め、全文で残る商談記録でその設計を検証できます。ここで確立した進め方は、プレイブックとしてチームの型になり、AI前提の営業組織の標準をつくる側に立てます。2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。その設計を、大企業の全社課題を動かす商談のなかで試せるのがこのポジションです。一緒に働くメンバーのインタビュー受注後に顧客を支えるアカウントマネジメントのメンバーの記事です。導入後の顧客にどう伴走し、「困ったときに一番に頼ってもらえる存在」をどう目指しているかを語っています。 https://note.com/salesnow/n/n0b0a473a4856＜選考プロセス＞エントリー書類選考Web面談（2~5回）リファレンスチェックオファー面談

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。企業データとAIで、BtoBの仕事の進め方そのものを組み替え、1人が生み出せる価値を増やすことに取り組んでいます。事業の土台は、企業・組織・拠点・部署までをユニークに構造化した1,600万件超の法人・組織データベース（80億レコード）です。このデータを、AI・営業システムが参照するAI時代の企業データインフラとして供給しています。企業データベース収録件数No.1（2025年10月期・日本マーケティングリサーチ機構調べ）の基盤を使い、ADRはターゲット企業の選定から、接点をつくる拠点・部署の特定まで踏み込めます。データの集め方は3つのルートの組み合わせです。1つ目は、Web情報をAIで日次更新する基盤です。2つ目は、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集です。実地調査から紙の資料の読み取りまで手作業で行い、検索では出てこない情報を取りに行きます。3つ目は、自社メディアに集まるユーザー投稿です。ユーザーのネットワークは、外からは見えないクローズドな情報に加え、アナログな収集の一部も担っています。ADRが立てる仮説は、誰でも検索で見られる公開情報だけでなく、この3つのルートで集めたアナログ・クローズドな情報の上に乗ります。独自のJCコードは本社・工場・支社支店・店舗まで拠点ごとに一意のIDを振るので、多拠点のグループ企業を串刺しで攻略できます。組織図に加え、部署の直通番号など部署連絡先を750万件超持っているので、代表電話を経由せず、狙う部署の担当者に直接つながります。採用の増加や資金調達、拠点の開設といった企業側の動きは日次で反映されます。「なぜ今この企業か」を勘ではなく企業側の動きから言えるので、重点アカウントの優先順位も、接点をつくる時期も、根拠を持って決められます。データは企業データベース『SalesNow』の画面に加え、Data API（ベータ版）やSalesNow MCPからも届けています。顧客のシステム連携やAI活用まで切り口にできるので、開拓の仮説も1つの売り方に縛られません。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。大手企業に選ばれてきたプロダクトを手に、次に開拓する市場と、その顧客への接点をADRが自ら設計できます。SalesNowの事業・プロダクト・組織の雰囲気は、採用サイトでも紹介しています。 https://recruit.salesnow.co.jp/＜募集背景＞人を増やした分だけ売上が伸びる時代は、終わりました。 働き手が減るなかで、1人が生み出せる価値を増やす必要があります。SalesNowは、組織が大きくなる前に、AI前提の組織へつくり替えました。バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。営業では、商談準備から議事録作成、CRMへの記録、分析までAIを使い、営業本人の入力はほぼゼロになりました。ADRポジションについてSalesNowのADR（Account Development Representative）は、事業の成長に直結するパイプラインを、自ら設計して動かすポジションです。市場全体と競合のなかでの自社の立ち位置を読み、どの市場を、どのチャネルで、どんな訴求で攻めるかを決めます。使う手段を限定しません。Salesforceとのアライアンスをはじめとするパートナー、展示会、カンファレンス、ウェビナー・セミナー、ホワイトペーパー、インバウンド、過去リードの掘り起こし、顧問経由、アウトバウンド。どのチャネルに誰の時間を充てるかは、状況に応じて日次で見直します。パイプライン管理、ABM（アカウントベースドマーケティング）、顧問のマネジメントも、ADRの仕事です。事業が広がるにつれ、開拓すべきエンタープライズ企業の数は急速に増えています。届けられるものも、企業データベース『SalesNow』からAIワークフロー、営業戦略コンサルティングやAI実装の支援まで広がりました。量をこなすアプローチだけでは追いつきません。何を有効商談とするかを定義し直し、リードチャネルごとに計画を立て、Salesforceを導入している企業への開拓オペレーションもつくります。目指すのは、受注につながる商談が、チャネルごとに再現性をもって生まれ続ける状態です。＜ミッション＞あらゆるチャネルから、エンタープライズ企業との受注につながる質の高い商談を創出する市場とターゲットの選定から、チャネルの設計、仮説構築、アプローチの実行、パイプライン管理までを一気通貫で担い、事業計画の達成に直結するパイプラインをつくる顧客セグメントとチャネルごとに、再現性のある開拓パターンを確立する＜お任せしたい業務内容＞市場・競合分析（競合の動きやターゲット市場の特性を調べ、狙う市場と訴求の設計に返す）目標予算から逆算した、チャネルごとの計画づくりと、リソース配分の日次での調整パートナー（Salesforceとのアライアンスなど）、展示会、カンファレンス、ウェビナー・セミナー、ホワイトペーパー、過去リードの掘り起こしなど、『The model』を軸にした商談獲得チャネルの開拓顧問のマネジメントと、顧問経由でのエンタープライズ企業との接点づくりABM（重点アカウントごとの攻略仮説と、接点の設計）パイプライン管理（商談の創出から受注までを数字で追い、チャネルと打ち手を見直す）1,600万件超の法人・組織データベースで拠点・部署まで絞り込んだターゲットリストの策定と優先順位付けターゲット企業の業界動向・経営課題の調査と、仮説に基づくアプローチシナリオの設計メール・電話・SNSを組み合わせた、マルチチャネルでのアウトバウンドアプローチ初回商談の獲得と、商談の設定・事前準備見込み顧客の育成（定期的な情報提供とフォローアップで関係を保ち、商談化を進める）オンライン／オフラインを組み合わせたマーケティング実務アプローチ結果を分析し、開拓オペレーションを設計し直して改善を速く回すこと展示会などで得た一次情報（どのメッセージが響いたか、どの業界・職種に刺さったか）を、プロダクトや他の職種に還元すること※従事すべき業務の変更の範囲：有り＜利用するツール・技術＞Slack / Google Workspace / Notion / Salesforce / Claude / Gemini / Codex＜ポジションの魅力＞① 商談の件数ではなく、事業の伸びに責任を持てる目標予算から逆算し、事業計画の達成に向けたチャネル別・経路別の目標を自ら設計します。その達成に向けて、パートナー、展示会、カンファレンス、ウェビナー、顧問経由、アウトバウンドのどこに誰の時間を充てるかを決めます。「このチャネルにどれだけ投下すれば、どれだけの受注につながるか」を自分の手で型にする経験は、マーケティングと営業をまとめて設計する力として、そのままキャリアの武器になります。目的と予算を合意したあとは、チャネルの配分も重点市場の見直しも、担当者が決めます。経営陣との距離が近く、事業の数字と現場の一次情報を同じ場で見ながら、次の打ち手を議論できます。会社は、社員1人あたりARRを3年で10倍にする目標を置いています。チャネルごとの投入時間と受注への寄与を検証し、どこに時間を配分すれば1人あたりの成果が伸びるかを判断する力を磨けるのも、この仕事の特徴です。② パイプライン・ABM・顧問まで、商談が生まれる仕組みの全体を握れるSalesNowの組織図・部署データに顧問の知見と人脈を組み合わせ、重点アカウントのどの部署・意思決定者に、どのチャネルで接点をつくるかを設計できます。顧問とは、狙うアカウントと訴求をすり合わせ、どの顧問にどのアカウントを託すかまで自分で決めます。社外の力をどう使うかまで含めて商談の生まれ方を設計するので、自分1人の行動量では届かない相手にも手が届きます。自分が設計した接点から商談化・受注までを追い、重点アカウントへの打ち手を磨き続けられます。③ 1,600万件超・80億レコードのデータで、「なぜ今この企業か」を語れる企業データベース『SalesNow』で、受注パターンに合う企業を選び、部署・拠点・キーマンまで特定します。組織図と部署の直通番号は検索では出てこないので、代表電話で止まらずに狙った相手へ届きます。採用の増加や資金調達などのシグナルを手がかりに、「なぜ今この企業に連絡するのか」という仮説を立てます。仮説は商談化と受注の結果で検証し、どのセグメントにどの切り口が効くかを、チームで使える開拓の型として残します。④ 市場の一次情報を、訴求とプロダクトに返せる展示会やウェビナーで得た業界・職種別の反応と商談化の数字を基に、どの市場へ、どの提供価値を打ち出すかをプロダクトやマーケティングに提案できます。SalesNowは、企業データベースに加え、AIワークフロー・営業戦略コンサルティング・AI実装まで提供しているので、提案できる価値の幅も広いです。自分が展示会で拾った反応が、次にどの市場へ何を打ち出すかの判断材料になります。営業の一次情報で事業の向きを動かせる距離にいます。⑤ 下準備はAIで整え、判断に時間を使えるリスト作成や情報収集、レポーティングの下準備はAIで整えます。企業データベース『SalesNow』には、シグナルを検知してSFAにToDoを起票し、1to1のメールや架電スクリプトの作成につなげる使い方があります。ADRは、どの企業に、いつ、どの切り口で連絡するかを、企業側の動きと自社の受注パターンから組み立てます。空いた時間を、重点アカウントへの切り口の設計や、顧問・パートナーとの打ち手づくり、その結果の検証に使えます。⑥ ADRで磨いた事業設計の力を、他職種やマネジメントへ広げられるチャネル配分・ABM・顧問のマネジメントまで回した経験は、事業の数字を自分で動かした実績になります。その実績次第で、AEへのキャリアステップも用意されています。重点アカウントの攻略を設計した経験が、大手企業との商談を進める土台になります。チャネルごとに施策を検証した経験はマーケティングに、目標から逆算してリソースを配分した経験はマネジメントにつながります。⑦ AIネイティブな組織で、仕事の進め方を自分で組み替えられるAIツールへの支出は、1人あたり月平均10万円以上です。Claude・Geminiは全員が使え、Codexも併用し、用途でモデルを使い分けます。ADRは、市場調査・リスト作成・アプローチ準備・結果の分析までを一続きの工程として設計し、用途に応じてAIの使い方を試し直せます。市場調査やアプローチ仮説は複数のLLMにレビューを依頼し、採否は自ら根拠を確認して決めます。異なる見立てを突き合わせるほど、重点アカウントへの攻略仮説は鋭くなります。目的と予算を合意したあとは、担当者が仕事の進め方を決めます。AIで下準備する範囲も、自分で判断する範囲も、自ら設計できます。経営陣もコードを書きます。職種を問わず、AIで自分の仕事を組み替えることを求めています。その成果は自分の数字で検証します。2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。SalesNowのADRは、チャネル設計からABM・顧問のマネジメントまでの仕事で、その設計を実践できます。＜選考プロセス＞書類選考面接（複数回）リファレンスチェックオファー面談＜参考リンク＞カルチャーデック: https://speakerdeck.com/salesnow/culture-deck一緒に働くメンバー（ADR）のインタビュー: https://note.com/salesnow/n/n123ddea1bbfb

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。つくっているのは、AI時代の企業データインフラです。BtoBの仕事の進め方を企業データとAIで組み替え、1人が生み出せる価値を増やすことが、この会社の事業です。土台は、企業・組織・拠点・部署までをユニークに構造化した1,600万件超の法人・組織データベースで、レコード数は80億です。独自のJCコードで、本社・工場・支社支店・店舗まで拠点ごとに一意のIDを振っています。組織図と部署の直通番号も持っています（部署連絡先は750万件超）。Webに出ていない膨大なアナログ・クローズドな情報は、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制で、実地調査から紙の資料の読み取りまでアナログに集めています。自社メディアに集まるユーザー投稿も統合していて、そのユーザーのネットワークがアナログな収集の一部も担っています。検索では出てこない情報まで手元にあるので、顧客への提案は「調べれば分かること」の先から始まります。求人・ニュース・資金調達・プレスリリースは日次で反映しています。アカウントマネージャーは、採用の増加や拠点の開設といった企業の動きを手掛かりに、顧客が狙う企業とアプローチの時期を提案できます。データは、企業データベース『SalesNow』、SalesNow MCP、Data API（ベータ版）で提供しています。提供形態が複数あるので、顧客の営業戦略と体制に合わせた使い方の組み立てが可能です。顧客のハウスリストは1件ずつ、法人番号・社名・住所・電話・URLなどの複数の情報で自社データと照合します。同じ企業を指す情報をまとめ、企業ごとに整理したうえで、業種・売上・従業員数の増減・拠点・連絡先などの項目を付けて返せます。担当者が商談に集中できるよう、商談準備のレポートや議事録のSFA登録はAIワークフローが支えます。営業戦略コンサルティング、データ基盤の構築、SFA連携・AI実装、営業BPOまでを一社で担います。提案したことは、社内の専門チームと組んで実装・運用まで進めます。企業データベース収録件数No.1（2025年10月期・日本マーケティングリサーチ機構調べ）のデータがあるため、未接触の企業も、グループ会社や拠点単位への横展開の候補も、推測ではなく企業名を挙げて提案できます。提案の説得力を、データの厚みで支えられる立場です。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。人を増やした分だけ売上が伸びる時代は、終わりました。 働き手が減るなかで事業を伸ばす手段は、1人あたりの生産性を上げることです。SalesNowは、組織をAI前提でつくり替えました。バリューに「AIネイティブ」を掲げ、自社で先に実践した業務設計を、顧客への提案の材料にしています。＜募集背景＞エンタープライズ企業からの導入と問い合わせが増え、求められる支援の水準が上がっています。ツールの使い方を教えるだけでは、顧客の成果は動きません。そこで、エンタープライズ顧客に個別に深く入り、業務の変革まで伴走するハイタッチ型のアカウントマネジメント体制を強化します。導入支援や問い合わせ対応にとどまらず、顧客とともにありたい姿を描き、営業組織の変革を実現するアカウントマネージャーを募集します。SalesNowは、データの提供に加えて、SFA連携やAI実装の開発まで一社で担います。顧客ごとに、企業データを使う工程とSFA連携・AI実装の進め方を設計します。社内の専門チームと実装・定着まで伴走し、大手企業の営業組織を変える経験を積めます。＜ミッション＞アカウントマネージャーとして、顧客の営業・マーケティングの業務をAI前提で組み直し、SalesNowのデータを組み込んだ仕組みとして現場に定着させること。その結果として顧客の事業成果を引き上げ、取引の継続と拡大につなげます。＜お任せしたい業務内容＞エンタープライズ企業へのオンボーディング設計・実行（導入プロジェクトのリード）顧客の営業戦略・組織課題のヒアリングと、データ活用による解決策の提案顧客の事業フェーズや営業戦略に合わせたKPI設計・活用ロードマップの策定支援定例ミーティングや活用レポート等を通じた継続的な関係構築・信頼醸成利用状況のモニタリングと、先手を打ったリスク検知・対応解約の予兆を捉える仕組みと、継続率を高める打ち手の設計（顧客ごとの対応は担当者が決定）アップセル・クロスセル機会の創出とAEとの連携顧客内でのプロダクト活用の成功事例化・他部署展開に向けた伴走顧客の成功事例の体系化と、横展開可能なベストプラクティスの構築顧客の声をプロダクトチーム・営業チームへフィードバックし、機能改善やサービス改善を提案 ※従事すべき業務の変更の範囲：有り＜入社後に解く課題＞顧客の窓口はアカウントマネージャーと営業出身のコンサルタントが担い、その背後でAIエンジニアとデータチームが分析と実装を支えます。アカウントマネージャーの仕事は、この体制の起点として顧客の業務を分解することです。SalesNowを利用する顧客との取引を広げるため、アップセルの機会や、顧客のグループ会社への横展開候補を見つけます。業績の下方修正や求人の停止から解約の予兆を捉え、継続に向けた支援も設計します。顧客の新規開拓の業務設計では、受注パターンに合う企業の選び方、部署・拠点・キーマンの特定、シグナルを検知したときにSFAへToDoを起票する流れまでを、顧客と一緒に組み立てます。どこにデータとAIを組み込み、どこを担当者が判断するかを顧客と決めます。合意した内容はAIエンジニア・データチームと実装し、現場に定着するまで伴走します。＜利用するツール・技術＞Slack / Salesforce / Google / NotionClaude / Gemini / Codexその他、顧客に合わせた各種コミュニケーションツール＜ポジションの魅力＞顧客の営業組織が変わるまでを担う顧客の営業・マーケティングの業務を分解するところから始めます。データとAIを組み込む工程と、担当者が判断する範囲を顧客と決めます。KPI設計から現場への定着まで、一貫して伴走します。1,600万件超の法人・組織データベースを根拠に、狙う企業とアプローチの時期まで提案し、合意したKPIで結果を確かめます。提案のどこが成果につながったのかを、数字で説明できる状態にします。提案を、現場で動く仕組みにまで届けられる主な顧客は、ナショナルクライアントを含む大手企業・上場企業です。大手企業の営業組織の変革を構想するのはアカウントマネージャーで、それをSFA連携やAI実装として形にするAIエンジニア・データチームが社内にいます。描いた構想を一緒に実装し、提案書で終わらせずに成果まで持っていけます。一部署で成果が出た支援を、グループ会社や他部署へ広げるところまでが担当範囲です。テンプレートではなく、1社ごとの支援を自分で設計する顧客の営業戦略と体制に合わせ、企業データの活用からSFA連携・AI実装まで支援を設計します。目的と予算を合意したあとは、支援の順番と使うツールを自分で決めます。個社の支援で見えた課題を根拠にプロダクトチームへ機能改善を提案し、一社のために考えたことを、他の顧客にも届く改善に変えることも可能です。支援で見えた課題は経営陣と直接議論し、支援の方針や組織の打ち手に反映できます。シリーズB目前のいまは、個社で成果につながった支援方法を体系化し、アカウントマネジメント組織の支援手法として自分で形にする段階です。顧客に提案する働き方を、自社で先に実践している社内では、商談は tl;dv が全文を残します。電話の文字起こしとAI要約はSalesforceに記録され、名刺は写真をSlackに送るだけでリード登録まで進みます。営業本人の入力は、ほぼゼロです。アカウントマネージャーは、自社で毎日動いているこの運用を見本として顧客に見せられます。資料の上の構想ではなく、動いている現場を根拠に、大手企業の営業組織へ提案できます。AIツールへの支出は、1人あたり月平均10万円以上。Claude・Geminiは全員が使え、Codexも併用します。用途に合うモデルを選び、顧客への活用提案や支援の設計に使うことも可能です。成果物は複数のLLMにレビューを依頼し、自分で根拠を確認して採否を決めます。経営陣もコードを書く組織で、アカウントマネージャー自身も支援業務をAI前提で組み替えます。会社は2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。1人で担える顧客の数と支援の深さをAIで広げることが、アカウントマネージャーにとっての挑戦です。働き手が減る日本で、1人が生み出せる価値をどこまで増やせるか。その答えを自分の担当顧客で先に示し、顧客の組織にも持ち込むのがこの仕事です。身につくもの顧客の利用状況と、業績の下方修正や求人の停止といった企業の動きを1,600万件超のデータで重ね合わせ、解約の予兆と拡大の機会を先に読んで打ち手を設計する力が身につきます。顧客と合意したKPIで支援の成果を検証し、他部署への展開やアップセル・クロスセルの提案につなげます。大手企業の営業組織を、データとAIでどう組み替えたか。その事例を自分の実績として語れるようになります。2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。アカウントマネージャーは、その設計を顧客の現場で担います。一緒に働くメンバーのインタビュー一社ごとに最適な活用方法を顧客と一緒に考え、成果が出るまで伴走するアカウントマネジメントの日々を、メンバー本人が語っています。入社後にどう働くことになるのかを、具体的に知れます。 https://note.com/salesnow/n/n0b0a473a4856＜選考プロセス＞原則すべてのステップをオンラインで実施します。エントリー書類選考Web面談(3~5回)リファレンスチェックオファー面談＜SalesNow Information＞会社情報：https://recruit.salesnow.co.jp/全社資料：https://speakerdeck.com/salesnow/company-deckCulture deck：https://speakerdeck.com/salesnow/culture-deckCEO note：https://note.com/atsunori_muraokaCOO note：https://note.com/yosukekume

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。企業データとAIで、BtoBの仕事の進め方そのものを組み替え、1人が生み出せる価値を増やすことに取り組むData AI Companyです。土台は、企業・組織・拠点・部署までをユニークに構造化した1,600万件超の法人・組織データベース（80億レコード）です。このデータを、AI・営業システムが参照するAI時代の企業データインフラとして供給しています。データは3つのルートで集めています。Web情報をAIで日次更新する基盤、数万人規模の調査網と社内の体制によるアナログな収集（実地調査から紙の資料の読み取りまで）、自社メディアに集まるユーザー投稿です。ユーザーのネットワークも、アナログな収集の一部を担っています。検索では得られない情報まで取りに行くため、パートナーには、Web情報だけでは組み立てられない共同提案を持ち込めます。名寄せでは、法人番号・社名・住所・電話・URL・メールを組み合わせて照合し、同じ企業の情報を統合します。独自のJCコードは、本社・工場・支社支店・店舗まで、拠点ごとに一意のIDを付ける仕組みです。この名寄せとJCコードを使い、インプリパートナーと組んで、顧客のCRMに散らばった企業データを1社・1拠点単位で整え直す提案までできます。企業データベース『SalesNow』では、条件検索でターゲット企業を特定し、採用の増加や資金調達、拠点の開設といった企業の動きをシグナルとして、アプローチの時期をつかめます。AIワークフロー、SalesNow MCP、Data API（ベータ版）に加え、営業戦略コンサルティングからAI実装・営業BPOまでを一社で提供しており、戦略立案から実行まで担えることが、パートナーと組むときの強みになります。企業データベース収録件数No.1です（2025年10月期・日本マーケティングリサーチ機構調べ）。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。このデータ基盤と導入実績を材料に、Salesforce社やインプリパートナーと大手企業向けの共同販売を設計できます。人を増やした分だけ売上が伸びる時代は、終わりました。 働き手が減るなかで伸び続けられるのは、1人ひとりの仕事をAI前提で組み替えた組織です。SalesNowは組織が大きくなる前に、AI前提の組織へつくり替えました。バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。＜募集背景＞SalesNowは、Salesforce AppExchangeパートナーです。企業データベース『SalesNow』はSalesforceと連携し、企業データの付与と名寄せを行います。2024年にはSalesforce社と共催イベント「SalesforceとSalesNowで実現する営業組織改革」を開きました。協業の土台はすでにあります。このポジションでは、その土台を売上の経路に変える段階から担えます。Salesforceとの連携は、当社の経営戦略の中核を成すテーマです。ナショナルクライアントを含む大手企業・上場企業の開拓では、特に重要です。Salesforceを使う大手企業との接点を、自社の人数に頼らず広げられるかどうかは、このアライアンスの設計で決まります。そこで、Salesforce社との協業を専任で設計・推進し、パートナー経由の売上を事業の柱に育てるアライアンス責任者候補のポジションを、CEO直下で新設しました。＜ミッション＞Salesforce社との共同販売・共同マーケティング・技術連携を深め、パートナー経由の売上拡大を牽引するSalesforceの中にSalesNowの企業データを組み込み、日本の営業組織が企業データを前提に動く状態をつくる＜お任せしたい業務内容＞Salesforce社とのパートナーリレーションシップの構築・深化Salesforce組織の中でもEBU（エンタープライズ営業）を中心としたAEとのリレーション構築共同販売（Co-Sell）の推進：Salesforce AEとの商談連携、紹介スキームの設計・運用共同マーケティング（Co-Marketing）の企画・実行：World Tour、Dreamforce等への登壇・出展Salesforceコンサルティングパートナーとの連携構築AppExchange / インプリパートナーとの連携・協業強化パートナー経由パイプラインのKPI設計・管理・レポーティングアライアンス戦略の設計から実行までの推進（中長期ロードマップの策定を含む） ※従事すべき業務の変更の範囲：有り＜入社後に解く課題＞Salesforce社のAEやパートナーが、自分の顧客にSalesNowを紹介する理由をつくることです。顧客は、企業データをこう使っています。新規の商談をつくる担当者: 受注パターンに合う企業を選び、シグナルを検知したらSFAにToDoを起票する既存顧客を担当する人: 解約の予兆やアップセルの機会をつかむこうした使い方から、Salesforceを使う顧客のどの業務でSalesNowのデータが効くかを整理し、紹介スキームと共同販売の型にします。EBUのAEとの関係づくりとインプリパートナーとの協業を通じて、紹介が商談に変わる条件を見極めます。取り組む順序と注力する協業先を設計します。紹介件数・商談化率・パートナー経由の受注比率といった指標も、自分で定義します。その数字をもとに、協業先への時間配分を決めます。Salesforce社のAEに紹介の価値を説明するときは、SalesNow自身の運用を事例として示せます。SalesNowの営業はSalesforceを記録の中心に置き、商談の全文記録には tl;dv を使います。電話の文字起こしとAI要約はSalesforceに記録され、名刺は写真をSlackに送るとリード登録まで進みます。営業本人の入力は、ほぼゼロです。顧客は、AIワークフローで商談準備のレポート作成や議事録のSFA登録を実行し、CRM・Slack・Notionと連携させて実行します。この運用そのものが、Salesforceを使う顧客への提案材料になります。＜ポジションの魅力＞アライアンスという事業の柱を、一人目として立ち上げる経営戦略の中核にあるSalesforceとのアライアンスを、専任の一人目として担います。CEO直下で、紹介スキーム・共同販売の進め方・追う指標を、これから自分で設計します。目的と予算を合意したあとは、どのパートナーに時間を使うか、Salesforce社と何を共同で仕掛けるかを、自分で決められます。共同販売・共同マーケティング・技術連携をどう組み合わせて事業を広げるかまで、CEOと直接議論できます。1つの協業が、人数に比例しない売上の経路になるSalesforce AEとの紹介スキームや共同販売の型を一度つくれば、それが繰り返し商談を生む経路になります。SalesNowは社員1人あたりARRを3年で10倍にする目標を置いています（2025年11月起点）。アライアンスを、会社全体の生産性を高める事業として設計する経験が積めます。Salesforceへの企業データの付与・名寄せにとどまらず、顧客の企業選定や商談準備まで踏み込んだ共同販売を設計できます。同じ会社が別々の表記で登録されていても1社としてまとめる名寄せと、拠点ごとに一意のJCコードは、Salesforceを使う大手企業のハウスリストを整える提案に、そのまま使える材料です。80億レコードの企業データと、ヤマト運輸・パナソニック・LINEヤフーなどへの導入実績を手に、Salesforceの担当者と対等に提案を組み立てることが可能です。日本法人と米国本社、Dreamforceまで関われるSalesNowには、AppExchangeパートナーとしてDreamforceへの招待やWorld Tour登壇の実績があります。この協業実績を足場に、Salesforce社の日本法人・米国本社との関係を自分で築き、World TourやDreamforceでの共同マーケティングを企画から担えます。80億レコードの企業データを提案材料に、グローバルイベントでの発信と日本の大手企業向けの共同販売をつなぐ経験が積めます。社内のADRと組み、紹介を受注まで追えるSalesNowのADRは、パートナー・展示会・カンファレンス・ウェビナー・顧問経由など、あらゆるチャネルで商談をつくり、チャネルごとのリソース配分、パイプライン管理、ABM、顧問のマネジメントまで担う部門です。Salesforceとのアライアンス強化にもADRのメンバーが取り組んでいます。アライアンスで生まれた紹介を、ADRが管理するパイプラインにチャネルの1つとして載せれば、出して終わりにならず、どこで商談になり、どこで止まったかを数字で確かめながら紹介スキームを磨けます。アライアンスの仕事自体をAIで組み替える各パートナーの得意な業界や顧客層を、対話の記録からAIで整理し、1,600万件超の法人・組織データベースと照らし合わせて、共同販売で狙う企業を自分で選べます。AIツールへの支出は1人あたり月平均10万円以上で、Claude・Gemini・Codexを用途で使い分けられます。共同販売の提案書は複数のLLMにレビューを依頼し、採否は自分が根拠を確かめて決めます。訴求の弱点を見つけ、Salesforce社やインプリパートナーが顧客に提案しやすい資料へ磨き込む力を養えるのも、この仕事の特徴です。自らコードを書く経営陣と、アライアンスの業務を支える仕組みまで直接議論できます。ここで決めた進め方は、そのままアライアンス部門の標準になります。身につくものパートナー事業を、数字で設計して回す力が身につきます。紹介件数・商談化率・受注比率から、協業先への時間配分と共同販売の型を、自分の判断で決めた経験が残ります。1社ずつ深耕するエンタープライズ営業から、複数の協業先を通じて売上をつくるパートナー事業の設計へ、キャリアの射程を広げられます。2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。このポジションは、その設計をパートナービジネスの最前線で担います。一緒に働くメンバーのインタビューADRとして、Salesforce社とのアライアンス強化と、セミナーの企画運営・展示会・過去リードの掘り起こしによる商談創出を担うメンバーの記事です。 https://note.com/salesnow/n/n71b5e92979e6＜利用するツール・技術＞Slack / Google Workspace / Notion / Salesforce / tl;dvClaude / Gemini / Codex＜選考プロセス＞原則すべてのステップをオンラインで実施します。エントリー書類選考Web面談(2~5回)リファレンスチェックオファー面談＜SalesNow Information＞会社情報：https://recruit.salesnow.co.jp/全社資料：https://speakerdeck.com/salesnow/company-deckCulture deck：https://speakerdeck.com/salesnow/culture-deckCEO note：https://note.com/atsunori_muraokaCOO note：https://note.com/yosukekume

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。企業データとAIで、BtoBの仕事の進め方そのものを組み替え、1人が生み出せる価値を増やすことに取り組むData AI Companyです。CMOは、この事業の市場での位置づけを決め、ブランド・デマンドジェネレーション・PRを統合して事業成長を担います。土台は、企業・組織・拠点・部署までをユニークに構造化した1,600万件超の法人・組織データベース（80億レコード）です。このデータを、AI・営業システムが参照するAI時代の企業データインフラとして供給しています。データの収集経路は3つあります。Web情報の日次更新基盤では、数百万件規模のタスクをLLMを含む技術で処理しています。数万人規模のデータリサーチャーのパートナーネットワークと社内の体制では、実地調査から紙の資料の読み取りまでアナログに集め、検索では出てこない情報を取りに行きます。企業版Wikipediaとして運営する月間700万PVの自社メディアからは、ユーザー投稿を取り込んでいます。ユーザーのネットワークも、アナログな収集の一部を担っています。CMOは、この収集網を根拠に、データの規模・独自性・継続更新の価値をブランドの訴求に結びつけられます。自社メディアというデータ収集の接点を、ブランドの認知にもつなげる戦略を描けます。独自性はデータそのものにもあります。本社・工場・支社支店・店舗まで、独自のJCコードで拠点ごとに一意のIDを付与しています。組織図と部署の直通番号も保有し、部署連絡先は750万件超に上ります。このデータ基盤に営業の専門性とAIの先進性が掛け合わさっていることが、SalesNowが他社と違う点です。CMOは、それを市場に伝わる言葉に変える立場です。このデータを、企業データベース『SalesNow』、SalesNow MCP、Data API（ベータ版）で届けています。画面・MCP・APIのどの入り口でも、効いているのは同じデータ基盤です。CMOはプロダクト単位ではなく、事業全体の価値で市場に打ち出せます。担当者が商談に集中できるよう、商談準備のレポートや議事録のSFA登録はAIワークフローが支えます。さらに、営業戦略コンサルティングからAI実装・営業BPOまでを一社で支援し、顧客の業務が変わるところまで担っています。だからCMOは、ツールの機能ではなく、顧客のBtoBの仕事がどう変わるかで訴求を組み立てることが可能です。企業データベース収録件数No.1です（2025年10月期・日本マーケティングリサーチ機構調べ）。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。この実績を起点に、エンタープライズの意思決定者に届くブランドを、最初から自分の設計で立ち上げられます。人を増やした分だけ売上が伸びる時代は、終わりました。 働き手が減るなかで、事業を伸ばす手段は人数ではなくなります。だからこそCMOは、人数に頼らず成果を伸ばすマーケティングの型を、組織が大きくなる前のいまから自分で設計できます。バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。＜募集背景＞主な顧客は、ナショナルクライアントを含む大手企業・上場企業です。企業データベースからAIワークフロー、AI実装・営業BPOまで、提供の形が異なる価値を一社で持っているからこそ、何をどの言葉で伝えるかで事業の伸び方が変わります。シリーズB目前のいま、この価値を大手企業の担当者に伝わる言葉にし、ブランドの確立と有効商談の創出を一体で担うCMOを募集します。ブランド・デマンドジェネレーション・PRを分けずに統合し、次の成長に向けたマーケティング戦略と組織を、経営チームの一員として自分で設計できるタイミングです。＜ミッション＞「AI時代の企業データインフラ」としてのSalesNowを市場に定着させ、中長期で競合優位となるブランドをつくる事業計画に基づいてマーケティング戦略を構築・実行する。CACとパイプライン貢献を検証し、マーケティングROIを高めるAI前提で、人数に比例せず成果が伸びるマーケティング組織をつくる＜お任せしたい業務内容＞マーケティング戦略の全体設計と実行（ブランド・デマンドジェネレーション・PR・コンテンツの統合）有効商談数を最大化し、ARR・NRRを伸ばす事業計画を達成するための、マーケティング領域の予実管理・最適化マーケティングROIの設計・管理・最適化（CAC、パイプライン貢献、ブランド指標）マーケティング組織の構築・マネジメント経営チームの一員として事業戦略・プロダクト戦略への参画 ※従事すべき業務の変更の範囲：有り＜入社後に解く課題＞1つ目は、カテゴリの伝え方です。同じ企業データが、営業企画・マーケティングには市場規模の算出とハウスリストの分析に、ADRには狙う企業の選定とアプローチの時期に、アカウントマネジメントには解約予兆とアップセル機会の検知に使われます。CMOは、職種ごとに異なる利用価値を束ね、SalesNowがどんな価値を提供するカテゴリなのかを定義します。その定義を軸に、各職種に伝わるPRとコンテンツを設計します。2つ目は、AI前提のマーケティングの型をつくることです。目的と予算を合意したあとは、担当者が進め方を決めます。ターゲットの抽出からコンテンツ制作まで、どこにAIを使い、何を人が判断するかを担当者が設計しています。これを個人の工夫で終わらせず、組織の標準にします。3つ目は、投資の配分と計測の設計です。展示会・カンファレンス・ウェビナー・ホワイトペーパー・PRのどこに投資すると有効商談とパイプラインが伸びるかを、CACとパイプライン貢献で測れる形にし、ブランド指標と合わせて予算配分を決めます。＜ポジションの魅力＞新しいカテゴリを、自分の言葉で市場に定義する「AI時代の企業データインフラ」というカテゴリを市場に定着させるのが、このポジションのミッションです。80億レコードのデータ基盤、企業データベース収録件数No.1（2025年10月期・日本マーケティングリサーチ機構調べ）という調査結果と、大手企業への導入実績を土台に、どう名付け、誰にどう伝えるかをCMOが決めます。件数の大きさだけでなく、アナログな調査網とユーザー投稿から積み上げた中身を市場の言葉に翻訳できるかが、このカテゴリの勝負どころです。データベース・SalesNow MCP・Data APIから営業戦略コンサルティングまで、提供形態の異なる事業を一つのブランドで伝えます。ブランドの認知を有効商談につなげるところまで担い、CACとパイプライン貢献で戦略を検証できます。経営チームの一員として、戦略と投資を自分で決める目的と予算を合意したあとは、担当者が進め方を決めます。どこに投資し、どの業務にAIを使い、何を人が判断するかを、CMOとして設計します。どの顧客にどのプロダクトから届けるか、プロダクトの打ち出し、セールスが狙う市場、パートナーとの組み方まで、市場の側から材料を出して一緒に決められます。毎週のボードメンバー・ビジネスメンバーとの議論に、市場の反応とマーケティングROIを持ち込み、事業の次の打ち手を経営と一緒に決められるのも、この仕事の特徴です。現場の一次情報が、すぐ訴求に返ってくるADRは、パートナー・展示会・カンファレンス・ウェビナー・ホワイトペーパー・インバウンドまで、あらゆるチャネルで商談をつくります。チャネルごとのリソース配分は日次で調整し、パイプライン管理・ABM・顧問のマネジメントまで担います。こうした役割を担うADRと連携し、どのチャネルにどれだけ投資すると商談が生まれるかを、日次の実績で確かめながら設計できます。展示会で「どのメッセージが響いたか」「どの業界・職種に刺さったか」という一次情報は、訴求軸とコンテンツの改善に返ってきます。営業本人の入力がほぼゼロでも、営業の記録はSalesforceに集まります。CMOは、その記録と現場の一次情報を照合し、訴求への反応が商談につながったかを検証できます。仮説を立ててから市場の反応を確かめるまでが短く、ブランドとデマンドジェネレーションの打ち手を、数字と現場の声の両方で磨けます。AI前提のマーケティング組織を、自分で設計できる会社は2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。マーケティング組織を、組織が大きくなる前の今から、この目標に届くAI前提の形で設計できます。AIツールへの支出は、1人あたり月平均10万円以上です。Claude・Geminiを全員が使え、Codexも併用する環境で、CMO自身がリスト抽出とコンテンツ制作の進め方を設計できます。複数のLLMによるレビューと、人が根拠を確認する工程を組み込みます。制作・抽出へのAI活用から、ブランド指標・CAC・パイプライン貢献に基づく投資配分までを担い、業務設計と経営判断を結びつける経験が得られます。経営陣もコードを書く会社なので、施策の企画から実行・検証までの業務をどう組み替えるかを、経営と直接議論できます。2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。＜利用するツール・技術＞Slack / Salesforce / Google / NotionClaude / Gemini / Codexその他、顧客に合わせた各種コミュニケーションツール＜選考プロセス＞原則すべてのステップをオンラインで実施します。エントリー書類選考Web面談(2~5回)リファレンスチェックオファー面談＜SalesNow Information＞会社情報：https://recruit.salesnow.co.jp/全社資料：https://speakerdeck.com/salesnow/company-deckCulture deck：https://speakerdeck.com/salesnow/culture-deckCEO note：https://note.com/atsunori_muraokaCOO note：https://note.com/yosukekume

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。つくっているのは、AI時代の企業データインフラです。BtoBの仕事の進め方を企業データとAIで組み替え、1人が生み出せる価値を増やすことが、この会社の事業です。土台は、企業・組織・拠点・部署までを構造化した1,600万件超の法人・組織データベース（80億レコード）です。データの集め方は3通りです。1つ目は、Web情報をAIで日次更新する基盤です。2つ目は、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集で、実地調査から紙の資料の読み取りまで手作業で行います。3つ目は、自社メディアに集まるユーザー投稿です。このユーザーのネットワークも、アナログな収集の一部を担っています。後ろの2つからは、検索では出てこない情報も集めています。集めた情報は、法人番号・社名・住所・電話・URL・メールを手がかりに照合します。15段階の優先順位に従い、同じ企業の情報をひとつにまとめます。独自のJCコードで、本社・工場・支社支店・店舗まで拠点ごとに一意のIDを振っています。組織図と部署の直通番号も持ち、部署連絡先は750万件超です。求人・ニュース・資金調達・プレスリリースも日次で反映し、採用の増加や資金調達、拠点の開設といった企業の動きをシグナルとして構造化しています。AIの出力の品質は、参照するデータの品質で決まります。SalesNowは、AIと営業システムが前提にするデータそのものを供給しています。このデータを、企業データベース『SalesNow』、SalesNow MCP、Data API（ベータ版）として提供しています。担当者が商談に集中できるよう、商談準備のレポートや議事録のSFA登録はAIワークフローが支えます。営業戦略コンサルティング、データ基盤の構築、AI実装、営業BPOまでを一社で担っています。この職種で設計するデータの収集・補完は、画面・MCP・APIに共通する基盤を支えます。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。SalesNowの法人・組織データベースは、企業データベース収録件数No.1（2025年10月期・日本マーケティングリサーチ機構調べ）です。SalesNowの事業・プロダクト・組織の雰囲気は、採用サイトでも紹介しています。 https://recruit.salesnow.co.jp/＜募集背景＞人を増やした分だけ売上が伸びる時代は、終わりました。 働き手が減るなかで事業を伸ばすには、1人が生み出せる価値を増やす必要があります。SalesNowは、人を増やす前にAI前提で業務を組み立てています。AIへの指示でコードを作り、自分で動作を確かめる進め方を「バイブコーディング」と呼びます。問うのは、コードを書いた経験ではありません。経営課題を渡されたときに、AIを使って仕組みごと解決しに行けるかどうかです。採用管理や日次レポート、データ収集など、事業を動かす仕組みを自分の手でつくり、改善を続ける担当者を募集します。＜ミッション＞CEO/COO直下で、経営陣が指定した事業のボトルネックを、AIを使って仕組みごと解消し、事業成長を加速させるバイブコーディングを使い、業務設計・マネジメント・データ基盤・社内オペレーションまで、事業を伸ばすための仕組みを構築する＜お任せしたい業務内容＞業務設計・オペレーション構築：採用管理、日次レポート、スカウト送信などの手順を整理し、Claude Codeで仕組みを組んで置き換える。AIで処理する工程と担当者が判断する工程を設計し、実装して、利用者のフィードバックを受けて改善するデータ基盤・収集の仕組み作り：1,600万件超の法人・組織データベースを支える、データの収集・補完（エンリッチメント）の自動化。補完の精度と処理費用を測り、どこまでをAIで処理し、どこから人が確かめるかの線を引き直す。顧客向けオペレーションも改善するマネジメント・仕組み化：他のメンバーが成果を出せる環境を自分で設計して実装する。たとえば、メンバーの日次の進み具合がひと目で分かるレポートをつくり、経営陣とメンバーが同じ数字で判断できる状態にする事業開発の基盤構築：Slack / Google Workspace / Notionと連携するAIエージェント、事業を伸ばすためのツールやダッシュボードの構築※従事すべき業務の変更の範囲：有り＜1週間の動き方（イメージ）＞月曜：CEO/COOとキックオフ。今週解決する課題と、その目的を合意する火〜木：Claude Codeで開発する。わからないことはAIに聞きながら進める金曜：成果共有。つくった仕組みを見せ、フィードバックを受けて翌週のテーマを決める＜社内にある仕組みの例＞営業担当者は、名刺の写真をSlackに送るだけで、営業先の情報を登録できます。文字の読み取りから、同じ企業の情報をまとめる名寄せ、リード登録までが通ります。商談は tl;dv が全文を残し、電話の文字起こしとAI要約が Salesforce に入るので、営業本人の入力はほぼゼロです。採用管理や日次レポートでも、情報を整える工程と人が判断する工程を引き直すのがこの職種の仕事です採用では、採用担当者がAIの判定案を確認し、可否を1件ずつ決めています。この職種は採用管理にも入るので、人が判断する工程をどこに残すかまで自分で決めます＜利用するツール・技術＞Slack / Google Workspace / Notion / GitHub / Claude Code / Codex / Gemini＜AIを前提にした働き方＞バリューに「AIネイティブ」を掲げています。この職種では、採用管理や日次レポートなどを組み替え、他のメンバーが成果を出せる仕組みを実装します。担当範囲は自分の仕事にとどまらず、チーム全員の働き方の設計に及びますClaude・Geminiは全員が使えます。Codexも併用し、用途でモデルを使い分けます。課題ごとに合うモデルを自分で選べるので、ツールの制約で解き方を狭めずに済みます成果物は複数のLLMにレビューを依頼します。指摘を実データやログと照合し、採用する指摘を自分で決めます。その判断をコードの修正に反映し、業務で使える状態に仕上げます職種を問わず、AIで自分の仕事を組み替えることを求めています。つくった仕組みはCEO・COOに見せ、フィードバックを次の改善に反映します費用が読めない仕組みは、小さくつくって見積もるところから担当者が進めます。動くかどうかに加えて、使い続けられる費用に収まるかまでを自分で判断しますつくったものはGitHubで管理します。実装と改善の履歴を残し、一度動かして終わらず、利用者のフィードバックを受けて育て続ける開発を経験できます＜ポジションの魅力＞バイブコーディングを、事業の課題を解く実務で毎日使うAIへの指示で仕組みをつくる力は、新しい職能です。その力を、練習台ではなく経営陣が指定した事業のボトルネックで毎週使います。つくった仕組みは社内の担当者が実際に使い、そのフィードバックで改善します。解いた課題と、動き続ける仕組みが、自分の実績として残ります。AIツールへの支出は、1人あたり月平均10万円以上（会社負担）です。課題に合うツールは、自分で選んで試せます。Claude・Gemini・Codexの出力を比べ、短縮できる業務時間・出力の精度・実行費用を並べて、どの実装で進めるかを自分で決めます。会社は、2025年11月を起点に社員1人あたりARRを3年で10倍にする目標を置いています。人を増やして届く数字ではありません。1人が生み出せる価値そのものを上げる必要があり、その手段が、このポジションがつくり替える社内の業務です。仕組みが動いたかだけでなく、使うメンバーの仕事がどう変わったかまでを、成果として確かめます。課題を探す時間がいらない。解く側に全部使える解くべき課題は、CEO・COOと合意してから着手します。何が事業のボトルネックかを自分で探し当てるところから始める必要はなく、曖昧な指示のまま放置されることもありません。目的と予算の合意後は、使うモデル、人が判断を残す工程、今週どこまで出すかを、担当者が決めます。区切りごとに、決めたとおりに動く仕組みを残します。意思決定者との間に、誰も挟まらない課題を出すのも、成果を見るのも、CEO・COO本人です。経営陣も自分でコードを書くので、議論は実装の中身と事業への効果を行き来します。つくったものは、動く状態のまま見せて評価を受けます。事業の数字を見て何に手を打つかという経営の視点と、それを動くものにする実装を、同じ週のなかで往復します。検証した結果をもとに、CEO・COOと翌週に解く課題を決めます。コードを書いた経験がなくても、仕組みをつくる側に立つ入社時点でプログラミング経験・バイブコーディング経験は問いません。Claude Codeの使い方は入社後に徹底的に教えます。問うのは技術スキルではなく知的体力なので、これまでの職歴に関係なく、CEO・COOと合意した課題に自分の手で取り組みます。次の事業の柱を担う、将来の事業責任者候補シリーズB目前のいま、1,600万件超のデータベースを支える収集・補完の仕組みと、採用管理・日次レポートなどの社内業務を、CEO/COO直下で組み替えます。事業のデータ基盤と、それをつくるチームの働き方の両方が、設計・実装の対象です。上場前の成長の渦中を、手を動かす側として体験できます。経営課題を仕組みに変え、他のメンバーの成果につなげた実績を積み重ね、実力次第では1〜2年で次の事業の柱を担う責任者を目指せます。一緒に働くメンバーのインタビュー（社内の業務の仕組みをつくっているAI Opsのメンバー）： https://note.com/salesnow/n/n2f8403a5a027＜選考プロセス＞書類選考面接（複数回）リファレンスチェックオファー面談＜最後に＞2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。このポジションでは、その設計を、経営陣のすぐそばで毎週積み重ねます。

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。つくっているのは、AI時代の企業データインフラです。BtoBの仕事の進め方を企業データとAIで組み替え、1人が生み出せる価値を増やすことが、この会社の事業です。土台は、企業・組織・拠点・部署までを構造化した1,600万件超の法人・組織データベース（80億レコード）です。Web情報をAIで日次更新する基盤に加え、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制で、実地調査から紙の資料の読み取りまでアナログに集めています。自社メディアに集まるユーザー投稿も統合していて、そのユーザーのネットワークがアナログな収集の一部も担っています。検索では出てこない情報まで持つ収集網が、この事業の強みです。独自のJCコードで拠点ごとに一意のIDを振り、組織図と部署の直通番号まで構造化しています（部署連絡先は750万件超）。求人・ニュース・資金調達・プレスリリースも日次で反映し、採用の増加や拠点の開設といった企業の動きをシグナルとして捉えられるようにしています。AIの出力の品質は、参照するデータの品質で決まります。SalesNowは、AIと営業システムが前提にするデータを供給する側にいます。このデータを、企業データベース『SalesNow』、SalesNow MCP、Data API（ベータ版）として提供しています。担当者が商談に集中できるよう、商談準備のレポートや議事録のSFA登録はAIワークフローが支えます。営業戦略コンサルティングからデータ基盤の構築、AI実装、営業BPOまでを一社で担っています。企業データベース収録件数No.1（2025年10月期・日本マーケティングリサーチ機構調べ）です。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。プロダクトと支援サービスの両方を自社で持つので、新規事業の仮説をプロダクトと支援の両面から検証する材料があります。＜募集背景＞人を増やした分だけ売上が伸びる時代は、終わりました。 働き手が減るなかで、1人が生み出せる価値を増やすことが、どの会社にも求められています。SalesNowは、AI前提で組織と業務を組み替えています。バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。職種を問わず、AIで自分の仕事を組み替えることを求めています。経営陣もコードを書くので、あなたが組んだ仕組みは、実装の中身まで踏み込んで議論されます。目的と予算さえ合意すれば、進め方はあなたが決められます。採用、データ運用、新規事業といった最も重要な課題を、CEO・COOと同じ情報を見て解き、将来の経営を担う経営幹部候補を募集します。このポジションでは、業界・職種・ビジネス経験も、入社時点のプログラミング経験も問いません。重視するのは、未知の課題を学び、AIを使って仮説検証から仕組みの実装までやり切る姿勢です。＜ミッション＞CEO・COO直下で、事業成長に直結するテーマに取り組みます。配属部署はなく、事業の最も重要な課題が仕事です経営参謀として、事業のボトルネックを特定し、AIを使って仕組みごと解消します＜お任せしたい業務内容＞以下は、取り組むテーマの例です。事業の仕組みをつくる: 採用フローと社内オペレーションを設計し、KPIを継続して確認できる仕組みをつくります。「こうすればチーム全体の生産性が上がる」を自分で考え、AIを使って自分で実装しますデータ基盤に触れる: 1,600万件超の法人・組織データベースを支える、データの収集と情報補完（エンリッチメント）の仕組みを設計・実装し、データの品質を上げます。数万人規模の調査網、自社メディアのユーザー投稿、拠点ごとのIDといった事業の資産を、実装の側から扱えます戦略を形にする: 市場調査と競合分析を自分で設計し、新規事業の仮説を検証して、進めるか止めるかの判断材料を経営陣に出します他のメンバーが成果を出せる環境をつくる: 業務で得た知識やノウハウを共有できる形に整理します。ワークフローの見直しとAIツールの社内展開も担います商談の記録からCRMへの入力、翌日の商談準備までAIを使い、営業本人の入力はほぼゼロになりました。同じことを、採用にも、データ運用にも広げます。テーマは週によって変わります。データ分析を回す仕組みを自分で組んだ翌週に採用戦略を設計し、その次の週に新しいプロダクト機能を試作する、という具合です。月曜にCEOと今週の最重要課題を決め、火曜から木曜で仮説検証と実装を回し、金曜に振り返りとアウトプットを共有します。目的と予算を合意したあとの進め方は、担当者に委ねられています。※従事すべき業務の変更の範囲：有り＜利用するツール・技術＞SlackGoogle WorkspaceNotionClaude（Claude Code）GeminiCodexClaude・Geminiは全員が使え、Codexも併用し、用途でモデルを使い分けます。成果物は複数のLLMにレビューを依頼し、採否は人が根拠を確認して決めます。＜ポジションの魅力＞配属部署なし。事業で最も重要な課題が、入社直後から自分の仕事になる経営の中心にある課題に、経験年数を積むのを待たずに取り組みます。何を優先し、何をやめるか。経営陣と同じ情報を見て、意思決定の材料を自分でつくります。目的と予算を合意したあとは、使うツールや人が判断する工程を含め、進め方を自分で決めます。1年目から、実装の結果を事業の数字で確かめ、自分の判断を振り返る経験を積めます。経験の差を、AIと意志で埋められる入社時点の持ち札ではなく、初めての領域をどれだけ速く自分のものにできるかで成果が決まります。AIツールへの支出は1人あたり月平均10万円以上。Claude・Geminiは全員が使え、Codexとの併用も可能です。使うモデルの選択も、レビューを何本のLLMに依頼するかも、自分で決められます。知らない領域でも、AIで調べ、仮説を立て、実装し、成果を数字で確かめるところまで自分で進めます。採用のデータを見て打ち手を考える日もあれば、データの品質を上げる実装をする日もあります。採用やデータ運用の専門知識と、経営陣に次の施策を根拠とともに提案する力を身につけられる環境です。職種の壁なく、自分が一番価値を出せる領域を見つける80億レコードを支えるデータ品質の改善、新規事業の仮説検証、採用や社内オペレーションの設計を、CEO・COO直下で経験できます。事業開発・プロダクト・マーケティング・組織設計を横断し、自分が最も価値を出せる領域を、自分の成果で見極められます。その領域が、経営幹部として担う持ち場の候補になります。社員1人あたりARRを3年で10倍にする目標に、組織と業務の設計で挑む営業で実現した「本人の入力はほぼゼロ」を手がかりに、採用やデータ運用でも、担当者が記録・入力に費やす時間を減らす仕組みを設計・実装します。自分1人の成果だけでなく、採用やデータ運用の担当者が同じ時間で出せる成果まで変えられます。組織全体の生産性を自分の実装で動かした実績が残ります。経営陣も自分でコードを書く会社なので、実装の中身まで経営陣と議論できる環境です。事業の資産そのものに、経営の側から手を入れられるSalesNowの資産は、1,600万件超・80億レコードの企業データそのものです。このデータの品質を上げれば、それがそのまま、導入企業の意思決定の精度とプロダクトの価値になります。数万人規模の調査網と社内の体制によるアナログな収集、ユーザー投稿、拠点単位のJCコードを組み合わせたデータ基盤で、収集・情報補完・品質改善のどこを優先するかを考え、実装します。改善の結果をCEO・COOに示し、次の投資先を議論することで、データ資産を育てる経営判断を学べます。シリーズB目前。会社が大きくなる過程を、経営陣の目線で経験できるシリーズB目前のいま、次に何へ投資するかを決める議論に、材料を出す側として加わり、決めたことが数字にどう出たかまで見届けられます。事業計画・採用計画・データ投資の前提が、事業の伸びに合わせてどう組み直されるかを、決める側のすぐ近くで見られます。2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。経営幹部候補は、その設計を経営のすぐそばで担います。＜選考プロセス＞書類選考面接（複数回）リファレンスチェックオファー面談

＜SalesNowについて＞人を増やした分だけ売上が伸びる時代は、終わりました。働き手が減り続けるなかでは、1人が生み出せる価値をどこまで増やせるかが、事業の伸びを決めます。SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。BtoBの仕事の進め方を、企業データとAIで組み替えるのがSalesNowの事業です。企業・組織・拠点・部署までを構造化した1,600万件超の法人・組織データベース（80億レコード）を基盤に、AI時代の企業データインフラをつくっています。企業データベース収録件数No.1（2025年10月期・日本マーケティングリサーチ機構調べ）です。 このデータは、独自の収集網「SalesNow Data Network」の3つのルートから集めています。Web情報をAIで日次更新する基盤、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集、月間700万PVの自社メディアに集まるユーザー投稿。アナログな収集は実地調査から紙の資料の読み取りまで及び、自社メディアのユーザーネットワークもその一部を担います。この3つを組み合わせ、検索では出てこない組織図や部署の直通番号まで取りにいっています。独自のJCコードで、本社だけでなく工場・支社支店・店舗まで拠点ごとに一意のIDを振り、多拠点やグループ会社を正確に串刺しできます。外部のパートナーと自社の基盤が同時に動く事業なので、契約・委託先管理・データ利用のルールづくりは、事業そのものを支える仕事になります。 企業データベース『SalesNow』、Salesforce・HubSpotとの連携、Data API（ベータ版）、SalesNow MCPを通じて企業データを届けています。顧客の担当者は、AIワークフローを商談準備や議事録のSFA登録に使えます。営業戦略コンサルティング・AI実装・営業BPOも提供しています。管理部長・CAO候補は、データベース・API・MCPと支援サービスを支える契約・請求・データ利用の運用を設計します。提供形態の異なる事業を横断し、事業の仕組みから理解して管理基盤をつくる経験を積めます。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。こうした大手企業との取引を支える契約・請求・情報セキュリティの運用も、自分の裁量で設計できます。 バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。経営陣もコードを書き、開発、採用、営業、データ運用、経営管理まで、AIを前提にしたオペレーションで動いています。コーポレートも同じ考え方で、契約・請求・労務・稟議の流れそのものを設計し直すフェーズにあります。＜なぜ今SalesNowか＞AIが企業活動に入り込むほど、成果を分けるのは「どのAIを使うか」だけではなく、「AIがどのデータインフラを参照するか」になります。SalesNowはそのデータインフラを供給する側にいます。 主な顧客は、ナショナルクライアントを含む大手企業・上場企業です。取引が大きくなるほど、契約・請求・情報セキュリティの運用が事業の速度を決めます。ここが遅れれば、勝ち筋のある事業でもスケールの途中で詰まります。 会社運営の型が固まりきっていない今、契約・請求の手順・役割分担・承認フローを自分で設計できます。大手企業との取引と、パートナーと社内にまたがるデータ収集網を支え、上場まで事業を滞らせない運用をつくります。＜募集背景＞現在は、経理・労務・総務まわりの実務を既存のコーポレートメンバーが支えています。そのメンバーと二人三脚で実務を安定させながら、仕組み化、内部統制、経営管理まで広げていく中核メンバーを募集します。 経理・労務・法務・総務の処理を手順として書き出し、どこでAI・SaaS・外部専門家を使うかを担当者が決める。そのうえで、判断が要る論点に人の時間を集中させる。この設計と日々の実務の両方を担います。実務の手触りを持ったまま、管理部門の設計者として経営に関われる役割です。＜ミッション＞契約・請求・支払や採用の手続き、権限・内部統制、経営管理を整え、上場後の事業成長にも対応できる会社運営をつくる。 営業が契約締結で迷わない。採用が入社手続きで詰まらない。経営が数字を見てすぐ判断できる。この一つひとつが、そのまま事業の速度になります。目指すのは、会社全体が速く動く状態を自分で設計することです。＜このポジションで握ること＞既存のコーポレートメンバーとの役割分担を決め、管理部門をチームとして運営する体制を設計する経理、労務、法務、総務、内部統制、稟議、購買、契約管理の業務を再設計する見積、売上、請求、入金、支払、契約、採用、入社、評価の業務フローを改善するAI・SaaS・外部専門家を使い、高品質に運用できる管理基盤を設計するCEO、COO、現コーポレートメンバーと連携した経営管理体制を構築するSeries B以降に耐える、監査・内部統制・取締役会運営・規程整備の土台をつくる上場を見据えた、速さと信頼性を両立する経営オペレーションを設計するファイナンス担当が主に資金調達、資本政策、投資家対応、財務モデルを担うのに対し、このポジションは日々の会社運営、経営管理、法務・労務・総務・内部統制の実装を担います。 経理・労務・法務・総務のいずれかで培った実務経験を起点に、既存メンバーや外部専門家と管理基盤をつくります。現場の細部から課題を拾い、担当者が変わっても運用できる仕組みに変える力を求めます。＜お任せしたい業務内容＞最初の1年は、次の3領域を優先して改善します。既存メンバーと分担し、外部専門家・SaaS・AIを使って、担当者が変わっても運用できる手順に整えます。契約、請求、入金、支払までの業務フローを整え、セールスと経営管理のリードタイムを短くする月次決算、予実、キャッシュ、支払予定を見える化し、経営が数字を見てすぐ判断できる状態にする入退社、労務、購買、稟議、社内問い合わせの導線を整え、メンバーが迷わず動ける状態にするそのうえで、ご経験や会社のフェーズに応じて、次の領域にも責任範囲を広げていただきます。① 経理・財務オペレーションの安定化と改善月次決算、請求、入金、支払、経費精算、会計事務所連携の運用改善予実、キャッシュ、支払予定、売上計上、債権管理の見える化経営会議・取締役会の意思決定に必要な管理数値と論点を、正確かつ迅速に、見やすく整理するfreee、バクラク、Google Workspace、Slack、Notionなどの管理系ツール運用担当者に依存している処理手順を、共通のチェックリストとテンプレートに整理し、AI・SaaSを使って運用する② 労務・採用・入社オンボーディングの仕組み化入退社手続き、雇用契約、勤怠、社会保険、労務相談、社労士連携の改善正社員、業務委託、インターンなど雇用形態ごとのルール整理採用決定から入社初日までの手続き・アカウント発行・備品・オンボーディングの整備評価、等級、報酬、勤怠、休職、契約更新まわりの運用設計メンバーが迷わない社内ルール・FAQ・申請導線の整備③ 法務・契約・稟議・購買フローの整備契約書レビューの一次整理、顧問弁護士連携、契約管理台帳の整備NDA、業務委託契約、利用規約、発注書、請求書、各種申請の運用改善稟議、購買、支払、権限、承認フローの設計セールス・アカウントマネジメント・プロダクトが契約や法務確認で止まらない導線づくり情報セキュリティ、個人情報、データ利用、委託先管理の運用整備④ グロースを支える業務改善営業から契約、請求、入金までの摩擦を減らす採用から入社、オンボーディング、権限付与までの摩擦を減らす現場が手作業で処理している管理系タスクを洗い出し、AI・SaaS・テンプレートで改善する⑤ AIネイティブなコーポレート機能の立ち上げ担当者がAIで必要な情報を参照できるよう、社内規程・契約管理・支払確認・入社手続き・FAQ・チェックリストを整理するAIを使って、社内問い合わせ対応、ドキュメント整備、差分確認、月次チェックを高速化する人が判断すべき論点を明確にし、判断材料を整える。承認や最終判断は、権限を持つ担当者が行うAI・SaaS・外部専門家の分担を決め、高品質に回るコーポレート運用を設計する。自分の担当業務も、AIを前提に自分で組み直す ※従事すべき業務の変更の範囲：有り＜最初の90日で期待すること＞30日以内に、現状のコーポレート業務、外部専門家、利用SaaS、未整備ルール、属人化ポイントを棚卸しする60日以内に、月次決算、請求入金、支払、契約、入退社の主要フローを可視化し、詰まりやすい論点を潰す90日以内に、経営管理・労務・契約・購買・社内ルールの改善ロードマップを作り、優先度の高い改善を実装する90日以内に、契約締結、請求、入社手続き、支払、社内問い合わせのリードタイムや手作業工数を測る仕組みを設計し、改善の実行に着手する成果物は、メンバーが迷わない導線、漏れないチェックリスト、経営がすぐ見られる数字、現場が速く動けるルールです。改善の成果は、ミスの削減、契約・請求・入社・支払・問い合わせ対応のリードタイム短縮、手作業工数の削減で確認します。＜AIを前提にした働き方＞AIツールへの支出は、1人あたり月平均10万円以上（会社負担）です。Claude・Geminiは全員が使え、Codexも併用します担当者が複数のLLMに成果物のレビューを依頼します。契約・規程・数字などの根拠を確認し、指摘の採否を決めます目的と予算を合意したあとは、担当者が進め方を決めます。AIで処理する範囲、人が判断する範囲、使うツールを自分で決められます＜利用するツール・技術＞Slack / Google Workspace / Notion / Salesforce＜このポジションに向いていない方＞整った大企業の分業環境で、決まった範囲だけを担当したい方実務よりもマネジメント専任でいたい方ルールや統制を、事業成長よりも常に優先したい方AIやSaaSによる業務改善に抵抗がある方未整備な状態に対して、ストレスより先に好奇心が湧かない方＜ポジションの魅力＞① 管理機能を横断して設計し、上場を見据えた基盤を作れる企業データベース・Data API（ベータ版）・営業BPOを支える契約・請求の運用を設計します。数万人規模の調査網と社内の体制によるアナログな収集網や、部署連絡先750万件超のデータを扱う事業なので、データ利用・委託先管理まで責任範囲を広げられます。経理・労務・法務・総務から、稟議・購買・権限・内部統制、Series B以降の監査・取締役会運営・規程整備の土台づくりまで担います。事業ごとの運用を理解したうえで、監査にも対応できる管理体制へ育てられるのが、CAO候補としての実績になります。② 実務を回しながら、その仕組みを自分で決められる自分も日々の処理に入るので、どこで手が止まり、どこで漏れが起きるかを一次情報でつかめます。営業のSalesforceから、freee・バクラクでの請求・支払まで、部門をまたぐ流れを一本の手順として引き直し、処理が止まる箇所の役割分担と承認手順を自分で変えられます。目的と予算の合意後の進め方も、あなたの裁量です。翌月の処理時間やミスの変化を数字で確かめ、改善の定着まで追えます。③ 守りではなく、事業の速度に直結する企業データベース・AI実装・営業BPOを提供するSalesNowで、契約・請求・入社の運用を整え、大手企業との取引と採用を前に進めます。契約締結までの日数、請求漏れ、入社手続きの日数で成果を確かめ、統制を保ったまま複数の提供形態を支えた改善を、自分の実績として示せます。④ AIを前提に、管理部門の運用を組み替えられる2025年11月を起点に社員1人あたりARRを3年で10倍にする目標に、管理部門から挑めます。契約・請求・労務の各業務で、担当者がAIを使って差分確認や月次チェックの下準備を進め、権限を持つ人が検証・承認する流れを設計できます。AIを前提に組み直して上げた管理部門の生産性は、管理部長・CAOとして数字で語れる実績になります。⑤ CEO直下で、意思決定が速い経営陣も自らコードを書き、業務をAI前提で組み立てています。承認フローや管理数値の設計をCEOと直接議論し、AIを使う工程から人が判断する論点まで、その場で具体的に詰められます。現場で見つけた課題を経営に持ち込み、翌週の運用改善までつなげられる距離です。2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうか。管理部門でそれを実務として積めるのが、このポジションです。＜選考プロセス＞書類選考 → カジュアル面談 → CEO面談 / コーポレート実務ディスカッション → 条件面談 → リファレンスチェック → オファー 選考では、これまで整えてきた業務フロー、未整備な環境での改善経験、SalesNowで最初に直すべきコーポレート課題についてお話しします。＜SalesNow Information＞会社名：株式会社SalesNow事業内容：1,600万件超の法人・組織データベースを基盤としたAI時代の企業データインフラの開発・運営、営業戦略コンサルティング・AI実装・営業BPO代表：村岡 功規設立：2019年導入実績：大手企業を含む導入実績多数データ規模：80億レコード採用情報：https://recruit.salesnow.co.jp/

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。つくっているのは、AI時代の企業データインフラです。BtoBの仕事の進め方を企業データとAIで組み替え、1人が生み出せる価値を増やす。それがこの会社の事業です。 土台は、企業・組織・拠点・部署までを構造化した1,600万件超の法人・組織データベース（80億レコード）で、企業データベース収録件数No.1（2025年10月期・日本マーケティングリサーチ機構調べ）です。独自のJCコードで拠点ごとに一意のIDを振り、組織図と部署の直通番号まで構造化しています（部署連絡先は750万件超）。 Webに出ていない膨大なアナログ・クローズドな情報は、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制で、実地調査から紙の資料の読み取りまでアナログに集めています。自社メディアに集まるユーザー投稿も統合していて、そのユーザーのネットワークがアナログな収集の一部も担っています。AIの出力の品質は、参照するデータの品質で決まります。SalesNowは、AIと営業システムが前提にするデータを供給する側にいます。 企業データベース『SalesNow』、Data API（ベータ版）、SalesNow MCPで、このデータを届けています。顧客の担当者は、AIワークフローで商談準備のレポートや議事録のSFA登録を進められます。営業戦略コンサルティング・データ基盤の構築・AI実装・営業BPOまで一社で支援しています。 ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。人と時間をかけた収集網によるデータの積み上げ方と、データの提供と支援サービスが並ぶ収益構造を、事業KPIに結び付けて説明できる形にする。導入実績と合わせて、投資家が検証できるエクイティストーリーに組み立てることが、CFOの出発点です。＜なぜ今SalesNowか＞働き手が減るなかで、人を増やした分だけ売上が伸びる時代は、終わりました。SalesNowは、AI前提で組織と業務を組み替えています。バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。採用計画に加え、AI活用による生産性の向上を、投資額と収益の見通しにどう織り込むかが問われます。1人が生み出す価値を起点に計画と資本配分を組み立てることが、このポジションの仕事になります。 SalesNowはいま、企業データとAIを軸に、事業の幅を広げる局面にいます。採用・データ整備・プロダクト・支援サービスのどこにいくら張るかで、数年後の企業価値が大きく変わります。その配分を、CEOと並んで決めるのがこのポジションです。＜募集背景＞これまで資本政策、投資家対応、財務モデルはCEOが自ら担ってきました。データ整備・プロダクト・支援サービスと、投資の選択肢が増えたいまは、ファイナンスを専門に背負う経営メンバーを迎える段階です。経理実務とは役割を分けます。経営会議で使う数字・予実管理・KPI体系・部門別採算の設計と運用、そしてエクイティストーリーの構築を、経営直下で統括していただきます。投資家への説明と社内の投資判断を、同じ財務モデルで支えることを期待します。＜ミッション＞資本政策・IR・FP&A・管理会計を一体で設計する責任者として、CEO直下で次のことを担っていただきます。SalesNowの事業実態と価値を、投資家・金融機関が検証できる数字と言葉で伝えることデータ投資、プロダクト投資、採用投資の優先順位を、CEOとともに設計すること経営の意思決定が数字に基づいて行われる状態をつくること予実管理で得た見通しを、資金繰り・調達計画・投資家への説明に反映すること資本市場との対話、資本配分、経営管理という、企業価値を左右する3つの領域すべてに責任を持つ、経営そのものの仕事です。＜最初の6ヶ月で期待すること＞30日以内：事業計画、財務モデル、KPI、資本政策上の主要論点を棚卸しする60日以内：経営会議・投資家対応で使う財務モデルとKPIダッシュボードの初版を整える90日以内：投資家・金融機関への説明に耐えるエクイティストーリーと想定Q&Aの骨子をつくる180日以内：資本政策、IR、FP&A、管理会計、金融機関対応の運用ロードマップを固めるいずれも白紙からの立ち上げではありません。CEOがこれまで運用してきた事業計画と財務モデルという土台があり、それを引き継いで専門家として作り直すところからのスタートです。半年で、会社が何にいくら張るかを決める数字の前提を、自分の設計に置き換えられます。＜お任せしたい業務内容＞資本政策・IRエクイティ・デットを含む資金調達戦略の立案・実行、資本政策の設計既存株主への報告、投資家・金融機関との対話、エクイティストーリーと想定Q&Aの整備株主総会、取締役会、経営会議に向けた財務論点の整理FP&A・管理会計会社計画、資金繰り、キャッシュランウェイ、企業価値仮説のモデル化予算策定、予実管理、フォーキャスト、部門別採算管理事業KPIと財務KPIを接続した経営管理の設計・運用経営の意思決定支援経営陣と壁打ちしながら、事業の打ち手を数字に落とす価格改定、採用、データ投資、プロダクト投資のシナリオ設計と投資回収の検証市場・競合・顧客価値を資本配分の論点に変え、企業価値を上げる議論を主導するコーポレート連携経理・税務・法務・労務は専門家と連携しつつ、経営上の論点は自分で持つ監査、内部統制、管理体制の土台を、成長を止めない速度で整える財務モデル、資料作成、シナリオ分析にAIを使っています。AIは検証の速度と幅を広げる道具であり、判断するのはCFO自身です。 ※従事すべき業務の変更の範囲：有り＜非担当領域＞日々の記帳、請求、支払オペレーション、月次決算の実作業労務、総務、法務の細かな実務代行営業・マーケティング施策の実行責任このポジションの中心は、資本政策・IR・FP&A・管理会計です。実務代行を持たないぶん、事業の実態を資本市場へ正しく接続することに時間を使えるのも、この仕事の特徴です。＜AIを前提にした働き方＞財務モデルや投資シナリオは、複数のLLMにレビューを依頼します。前提や見落としを多方面から洗い出し、採否は根拠を確かめてCFO自身が決めますAIツールへの支出は、1人あたり月平均10万円以上です。シナリオの作り直しや感応度分析、想定Q&Aの洗い出しに有償のAIツールを使えるので、前提の妥当性と資本配分の判断に自分の時間を割けます。Claude・Geminiは全員が使え、Codexも併用し、用途でモデルを使い分けます経営陣もコードを書きます。CFO自身も、AIを使った財務モデルや経営管理の仕組みを設計できます目的と予算を合意したあとは、進め方をCFO自身が決めます＜ポジションの魅力＞CEO直下で、経営の意思決定の前提をつくる資本政策からIR・経営管理までを、CFOとして自分の手で握ります。データ整備・プロダクト・支援サービスという性質の違う投資のどれに張るかを、経営陣が判断する前に数字と論点で示すのはCFOです。CEOと目的・予算を合意したあとは、財務モデルや経営管理の仕組みをどう設計するか、自分で進め方を決められます。1,600万件超の企業データという資産を、企業価値の言葉に翻訳するこの法人・組織データベース（80億レコード）は、Webからの日次更新に加えて、数万人規模の調査網と社内の体制によるアナログな収集と、自社メディアのユーザー投稿という、人と時間をかけたルートで積み上がっています。独自のJCコードで拠点単位まで名寄せでき、組織図と部署の直通番号から、顧客が狙う部署への接点を探せます。この資産への投資がどの収益につながるかを数字で確かめ、投資家が納得できる企業価値の説明に変えていただきます。データ投資をプロダクトと支援サービスの収益見通しに結び付け、資本配分から資金調達まで担うCFOとして、経験を広げることも可能です。CEOが築いた土台から、ファイナンス機能を自分の型で作り直すCEOが運用してきた資本政策・投資家対応・財務モデルを引き継ぎ、着任直後から前提を検証して、次の調達に向けた資本政策を設計できます。その判断をエクイティストーリー・想定Q&A・金融機関への説明までつなげ、ファイナンス機能全体を自分の型で整えられます。財務の中で完結せず、事業の打ち手そのものに踏み込める経営陣と近い距離で、データ整備・プロダクト開発・採用といった、企業データインフラの価値を左右する投資の意思決定に関われます。どの業界の企業データを厚くするか、どのプロダクトに開発を寄せるか。その議論に、数字を締める前の段階から加わります。財務モデルの前提を、事業の現場で自分の目で確かめられます。AI前提の組織の成長を、資本の側から設計する社員1人あたりARRを3年で10倍にする目標は、人員計画の延長では描けません。1人が生み出す価値を起点にした事業計画と資本配分を、CFOとして組み立てる経験が手元に残ります。 2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。その設計を、人員計画・予算・資本政策という数字の側から形にするのが、SalesNowのCFOです。＜選考プロセス＞書類選考 → カジュアル面談 → CEO面談 → 条件面談 → 当社株主との面談 → ご飯会 → リファレンスチェック → オファー 初期を業務委託契約から始める場合は、財務モデル、投資家向け資料、経営管理指標の整理など、実際のファイナンス機能に直結するテーマから関与いただきます。＜SalesNow Information＞会社名：株式会社SalesNow事業内容：1,600万件超の法人・組織データベースを基盤としたAI時代の企業データインフラの提供、営業戦略コンサルティング・AI実装・営業BPO代表：村岡 功規設立：2019年所在地：渋谷サクラステージ SHIBUYAタワー

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。つくっているのは、AI時代の企業データインフラです。BtoBの仕事の進め方を企業データとAIで組み替え、1人が生み出せる価値を増やすことが、この会社の事業です。土台は、企業・組織・拠点・部署までを構造化した1,600万件超の法人・組織データベース（80億レコード）で、企業データベース収録件数No.1（2025年10月期・日本マーケティングリサーチ機構調べ）です。独自のJCコードで、本社・工場・支社支店・店舗まで拠点ごとに一意のIDを振っています。組織図と部署の直通番号も持っています（部署連絡先は750万件超）。Webに出ていない膨大なアナログ・クローズドな情報は、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制で、実地調査から紙の資料の読み取りまでアナログに集めています。自社メディアに集まるユーザー投稿も統合していて、そのユーザーのネットワークがアナログな収集の一部も担っています。検索では出てこない情報が手元にあるので、ADRは狙う企業群から部署・キーパーソンまで調べて、大手企業への攻略仮説をつくれます。求人・ニュース・資金調達・プレスリリースも日次で反映しています。採用の増加・資金調達・拠点の開設といった企業の動きをシグナルとして捉え、営業が「なぜ今この企業か」をつかめるようにしています。ADRは、どの企業にいつ当たるかを、この材料から自分で決められます。提供しているのは、企業データベース『SalesNow』・AIワークフロー・SalesNow MCP・Data API（ベータ版）です。営業戦略コンサルティングからデータ基盤の構築、AI実装、営業オペレーションの代行（BPO）までを一社で支援します。ADRはこの提供範囲を生かし、顧客の課題に合わせて、ツールの紹介ではなく営業の進め方そのものを変える提案を、自分で組み立てられます。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。大手企業に届いているプロダクトを、若いうちから事業開発の立場で広げていけるのが、このポジションの特徴です。＜募集背景＞人を増やした分だけ売上が伸びる時代は、終わりました。 働き手が減るなかで、1人が生み出せる価値を増やすことが、どの会社にも求められています。SalesNowはバリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。ARRは、継続契約の収益を年額に換算した指標です。この方針のもと、ADR（Account Development Representative）を募集します。SalesNowのADRは、事業の成長に直結するパイプラインを設計して動かす役割です。パートナー、展示会、カンファレンス、ウェビナー、ホワイトペーパー、インバウンド、過去リードの掘り起こし、顧問経由、アウトバウンドまで、あらゆるチャネルから手段を選び、企業データとAIを使って大手企業との商談を生み出します。SalesNowは、第二新卒を単なるジュニア枠として扱いません。営業経験が浅くても、事業を伸ばす側に早く回りたい人に、担当領域の施策を自分で企画・実行する打席を渡します。見るのは、営業適性（顧客と向き合い、相手の意思決定を前に進める力）、地頭、学習速度、素直さ、やり切る力です。＜ミッション＞企業データとAIを使い、エンタープライズ企業との質の高い接点を、あらゆるチャネルから生み出すことです。SalesNowの事業成長に直結する商談・イベント・アライアンス・営業オペレーションを自ら設計し、パイプライン管理とABMで受注までの流れを動かします。ターゲット企業の抽出と部署・キーパーソンの特定には、大手企業への導入実績がある企業データベース『SalesNow』を自分の武器として使います。顧客と同じ道具で成果を出すので、商談の場ではプロダクトの価値を自分の実感で語れます。施策ごとの反応と商談化を検証し、次に狙う企業・メッセージ・接点を決めます。＜お任せしたい業務内容＞以下の領域から、適性・経験・事業状況に応じて主担当を決めます。5つの領域は分かれた仕事ではなく、商談の起点をつくるために横断して関わります。① エンタープライズ企業への戦略的ADR1,600万件超の法人・組織データから、どの市場・企業群に勝ち筋があるかを見極めるターゲティング設計業界別・企業別の課題仮説の構築と、意思決定者を動かす切り口の設計上記仮説にもとづく、メール、電話、SNS、イベント接点を組み合わせた接点シナリオの実行目標から逆算した、チャネルごとの計画づくりとリソース配分の見直し初回商談の創出と、AE・事業責任者と連携した攻略の推進、商談後の学びを次の施策へ反映商談化率、パイプラインへの貢献、対象企業との関係の進展を分析し、改善する市場全体と自社の立ち位置を見て、訴求と狙う市場を磨き続ける展示会や商談で得た一次情報（どのメッセージが、どの業界・職種に響いたか）を、プロダクトや他職種へ還元する経営陣・事業責任者向けに「なぜ今SalesNowか」を伝える仮説資料の作成② ABM（重点企業ごとの接点づくり）・大手企業攻略の企画実行エンタープライズ企業の組織構造、部門課題、キーパーソンの調査ターゲットアカウントごとの攻略仮説、コンテンツ、接点設計Salesforceやスプレッドシートを用いたアカウントプランの作成経営陣、AE、マーケティング、アカウントマネジメントと連携した攻略プロジェクトへの参加・推進反応データをもとにしたセグメント別メッセージの改善大手企業の決算資料、採用情報、ニュース、組織変更を読み、SalesNowが刺さる理由を言語化③ ウェビナー・展示会・カンファレンス施策ウェビナーのテーマ設計、登壇者候補のリサーチ、集客導線の設計ホワイトペーパー、導入事例、比較記事、セミナー企画など、商談創出につながるコンテンツテーマの企画展示会・カンファレンスで接点をつくるべき企業、部署、人物の事前リストアップイベント後のフォローアップシナリオ作成、商談化までの導線設計MA（見込み顧客への働きかけを管理するツール）・ナーチャリングメール・参加者フォローのシナリオ設計オフライン接点をSalesforce上のパイプラインに接続するオペレーション設計施策ごとの投資対効果、商談化率、受注貢献の振り返り大手企業の意思決定者が参加したくなるテーマ、タイトル、登壇切り口の企画④ アライアンス・パートナー・顧問経由のチャネル開拓SalesNowと相性の良いパートナー候補の調査、リストアップ共同ウェビナー、相互送客、データ連携、販売連携などの企画案作成パートナー候補への初期接点づくり、提案資料の作成補助アライアンス施策の進捗管理、効果検証顧問のマネジメントと、顧問経由での大手企業との接点づくり「この会社と組むと、どの市場攻略が速くなるか」を仮説化したアライアンス企画書の作成⑤ AIネイティブな営業オペレーションづくり以下は、日々の業務を通じて身につけていく領域です。仮説と判断は人が担い、AIが下準備を支えます。Claude、Gemini、ChatGPT、SalesNowの企業データを使ったリサーチ・仮説構築フローの設計メール文面、商談前メモ、企業調査、商談準備レポートの作成プロセス改善Salesforce、Notion、Google Workspaceを使った営業オペレーションの整備パイプライン、接点から受注までの各段階の数値、商談化率、失注理由の可視化と改善提案チャネルごとのリードの流れと、フォロー設計・パイプライン管理のルールの改善Salesforceのデータ整備、名寄せ、レポート作成、ダッシュボード運用の改善反応データをもとにしたプロンプト、テンプレート、ワークフローの改善GAS、ノーコードツール、AIエージェントを使ったリサーチ・名寄せ・レポート作成フローの構築SalesNowの企業データやAIツールを使った、商談準備・ターゲット抽出の仕組み化「人が判断し、AIが下準備を支える」営業組織の実践知をチームに還元※従事すべき業務の変更の範囲：有り＜利用するツール・技術＞SalesNowSalesforceSlackNotionGoogle WorkspaceClaude Code / ClaudeGeminiCodexChatGPTCursorFigmaGoogleスプレッドシート各種ウェビナー・イベント運営ツールSalesNowでは、職種を問わず、AIで自分の仕事を組み替えることを求めています。経営陣もコードを書く会社です。企業調査や施策の振り返りをAI前提でどう組むかは、第二新卒でも自分で設計します。ADRが働く環境は次のとおりです。AIツールへの支出は、1人あたり月平均10万円以上（会社負担）です。第二新卒でも、有償のAIツールを業務で日常的に使いながら仕事を組み立てられますClaude・Geminiは全員が使え、Codexも併用し、用途でモデルを使い分けます自分がつくった企業調査や施策案は複数のLLMにレビューを依頼し、採否は人が根拠を確認して決めます。大手企業への攻略仮説を、複数の視点から検証する習慣が身につきます営業の現場では、議事録、CRMへの記録、商談準備、分析までAIを使い、営業本人の入力はほぼゼロです。商談はtl;dvが全文を残し、名刺は写真をSlackに送ればリード登録まで通ります。入力を減らした時間を、大手企業の攻略仮説づくりやイベント後のフォローに使えます目的と予算を合意したあとは、担当者が進め方を決めます。AIが下準備を支える範囲も自分で決めます＜ポジションの魅力＞第二新卒から、事業成長に直結する打席に立てるADRが向き合うのは、アポイントの件数ではなく事業計画の達成です。目標から逆算し、パートナー、展示会、ウェビナー、顧問経由、アウトバウンドへの時間配分を決めます。重点企業ごとの攻略計画（ABM）をつくります。パイプライン管理も自分で担います。顧問をマネジメントし、大手企業の意思決定者との接点を広げます。第二新卒のうちに、商談が生まれる流れ全体を自分の責任で動かす経験を積めます。AE、マーケティング、経営陣と同じ情報を見ながら打ち手を考えるので、社会人経験が浅いうちから、事業を伸ばす側の視点で仕事ができます。どの市場を狙い、どのチャネルに時間を張り、何件の商談につなげたか。キャリアの早い段階で、この問いに自分の数字で答えられるようになります。大手企業の意思決定を動かす経験を、早いうちに積めるエンタープライズ企業は、組織構造、予算、稟議、部門間の利害、タイミング、経営課題を読み解かなければ動きません。1,600万件超の法人・組織データベースを使い、企業・部署・キーパーソンまで調べて攻略仮説を立てます。組織図と部署の直通番号を自社で持っているので、代表電話で止まらず、狙った部署の担当者と直接話すところまで自分で運べます。採用の増加・資金調達・拠点の開設を手がかりに、接点を持つ時期と伝えるテーマを選びます。自社のデータで立てた仮説をもとに大手企業との接点をつくり、対話で得た反応からアカウントプランと次の施策を磨きます。この一連の改善を、第二新卒のうちから自分で担います。AI前提の営業組織のつくり方を、仕事の中で身につける入社時点でAIに詳しい必要はありません。企業調査、メール文面、商談準備、振り返りといった毎日の仕事にはじめからAIが組み込まれているので、仕事そのものが練習になります。AIツールへの支出は1人あたり月平均10万円以上で、経営陣もコードを書く会社です。自分がつくった企業調査や攻略仮説は複数のLLMにレビューを依頼し、採否は自分が根拠を確かめて決めます。使うモデルもツールも自分で選び、AIが下準備を支える工程と、自分が判断する工程を切り分けて設計します。施策の結果は数字で確かめ、業務の組み替えが効いたかどうかを自分で判定します。働き手が減るなかで、1人が生み出せる価値を増やす。その課題に、ADRの業務設計から取り組めます。2025年11月を起点に社員1人あたりARRを3年で10倍にする目標のもと、企業調査・接点づくり・記録・振り返りの工程をAI前提で設計します。うまくいった進め方は、返信率・商談化率・パイプラインへの貢献の数字とあわせてチームへ還元します。自分の成果を高める方法を、チームで使える仕事の進め方に育てる経験です。経営陣と施策の成果を読み解き、次の打ち手と時間配分を自分で決められる勝ち筋がまだ固まりきっていないフェーズなので、試した施策の結果が、そのまま会社の次の型になります。プロダクト、営業、マーケティング、アカウントマネジメント、アライアンスが同じ場で数字を見ています。自分がつくったイベント導線、ABMの対象リスト、アライアンス企画が商談や受注につながる過程を、経営陣と同じ場で追えます。商談化率や受注貢献から成果を読み解き、次にどの施策へ時間を配分するかを自分で決めます。目的と予算を合意したあとは、どのチャネルにいくら張るかも進め方も担当者の判断です。「若手営業」から「事業を伸ばす人」へ進める営業・マーケティング・事業開発・RevOpsにまたがる仕事を、ADRが一続きで持ちます。市場の選定からチャネル設計、パイプライン管理までを自分で通すので、「商談が生まれる仕組み」を一つの職種の視点ではなく、事業全体の視点で設計する力が身につきます。Salesforceのデータ整備やダッシュボード運用、フォロー設計の改善にも関わります。自社の企業データで市場を選ぶところから、複数チャネルの成果を検証するところまでが、一人の担当範囲です。事業開発・BizOps・マーケティング・AE・起業へ進む際にも、何を根拠に市場と施策を選んだか、自分の数字で語れる経験が残ります。2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。第二新卒のいま、その設計を実務で重ねられる環境を選べます。一緒に働くメンバーのインタビューEC業界向けSaaSでインサイドセールスとSalesforce管理者を経験し、20代でADRとして入社したメンバーの記事です。いまはSalesforceとのアライアンス強化と、セミナー・展示会での商談創出を担っています。 https://note.com/salesnow/n/n71b5e92979e6＜最初の90日で期待すること＞企業データとAIを使った事業開発の型を、実務の中で段階的に身につけます。1ヶ月目: SalesNowのプロダクト理解、顧客理解、企業データの見方、AIを使った企業リサーチと商談準備の型を習得します2ヶ月目: 特定の業界・企業群を担当し、ターゲット抽出、接点シナリオ、メール・電話・イベント接点の仮説を自分でつくります3ヶ月目: ABM、ウェビナー、展示会、アライアンス、営業オペレーション改善のいずれかで小さな施策を企画・実行し、商談化やパイプライン貢献につながる学びをチームに還元します＜選考プロセス＞書類選考課題選考面接リファレンスチェックオファー面談課題選考では、SalesNowの事業や企業データ、ターゲット企業に関する仮説構築力を見ます。営業経験の長さよりも、考える力、調べる力、実行に落とす力を重視します。所要時間は60〜90分程度を想定し、選考内でフィードバックします。＜SalesNow Information＞企業名: 株式会社SalesNow設立: 2019年8月本社所在地: 東京都渋谷区桜丘町1-4 渋谷サクラステージ SHIBUYAサイド SHIBUYAタワー7F事業内容: AI時代の企業データインフラ（企業データベース『SalesNow』・AIワークフロー・SalesNow MCP・Data API）の提供と、営業戦略コンサルティング・AI実装・営業BPO企業サイト: https://salesnow.co.jp/採用サイト: https://recruit.salesnow.co.jp/

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。働き手が減る日本で、1人が生み出せる価値をどこまで増やせるか。企業データとAIで、BtoBの仕事の進め方そのものを組み替えることが、SalesNowの事業です。その土台が、1,600万件超の法人・組織データベースです。企業・組織・拠点・部署までをユニークに構造化し、レコード数は80億。企業データベース収録件数No.1です（2025年10月期・日本マーケティングリサーチ機構調べ）。この規模と粒度は、Webを集めるだけでは組み上がりません。独自の収集網「SalesNow Data Network」は3つのルートでできています。1つめは、Web情報をAIで日次更新するデジタルの基盤です。2つめは、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集で、実地調査から紙の資料の読み取りまで、検索では出てこない情報を取りに行きます。3つめは、月間700万PVの自社メディア（企業版Wikipedia）に集まるユーザー投稿で、このユーザーのネットワークもアナログな収集の一部を担います。性質の違う3つのルートから来るデータを、画面でもAPIでも矛盾なく1つのデータとして返す。その整合をどう設計するかが、このポジションで解く問いです。独自のJCコードは、本社・工場・支社支店・店舗まで拠点ごとに一意のIDを振る体系で、多拠点やグループ会社を正確に串刺しできます。組織図、750万件超の部署連絡先、付与できる情報は50項目を超えます。企業・拠点・部署の関係を画面とAPIでどう表現するかを設計し、複雑なデータを使いやすいプロダクトに変えるところまでを担います。業種も大業界30件〜／小業界400件〜／事業内容3,000件〜の3層で持っています。拠点ごとのIDと3層の業種を掛け合わせ、1億件規模でも応答速度を保てる検索・APIを設計します。インデックスの持ち方からAPIの返し方までを自分で決め、データの粒度と応答速度を両立させる判断を担います。AIの出力の品質は、参照するデータの品質で決まります。SalesNowは、AIと営業システムにデータを供給する、AI時代の企業データインフラです。このデータを、企業データベース『SalesNow』の画面、Salesforce・HubSpot・kintoneとの連携、Data API（ベータ版）、Claude・CursorなどのAIエージェントから直接使えるSalesNow MCPで届けています。営業戦略コンサルティング、データ基盤の構築、AI実装、営業BPOまで一社で提供しています。顧客の業務を知るビジネス職と直接議論し、現場の課題を画面・APIの設計に落とし込めます。プロダクト『SalesNow』が扱うのは営業の領域です。会社が企業データとAIで組み替えようとしている仕事は、営業に限りません。届ける先が増えるほど、画面とAPIで解く設計の問題も広がります。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。大手企業の利用を支えるプロダクトで、運用を続けながらアーキテクチャを刷新する経験を積めます。営業の専門性・データ基盤・AIの先進性は、どれか1つなら他にもあります。3つが揃っていることが、SalesNowの差です。この規模のデータを、人にもAIエージェントにも使える形にして届けるのが、Webのエンジニアリングの仕事です。人を増やした分だけ売上が伸びる時代は、終わりました。バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。この目標は、開発の進め方をAI前提で設計し直せるかどうかに左右されます。その設計を担うのが、このポジションです。＜募集背景＞プロダクトは、80億レコードの企業データ基盤の上に、Data → AI → Agent → Interface の4層で構成しています。同じデータを、人が使う画面、Salesforce・HubSpotとの連携、Data API、SalesNow MCPへと届け分けるなかで、アーキテクチャの複雑さと事業のスピードが同時に上がっています。実装の初稿やレビューの一次チェックにAIを使うことで、1人のエンジニアが出せる実装量は大きく増えました。そのぶん成果を分けるのは、何をどう作るかを決める設計と、AIの出力を採るか捨てるかを決めるレビューの質です。これまで経営陣が担ってきた技術的な意思決定を専任でリードし、AI駆動の開発の進め方そのものを設計できるエンジニアを募集します。＜ミッション＞1,600万件超の法人・組織データを届ける画面・Data API（ベータ版）・SalesNow MCPの技術設計をリードし、顧客企業の1人が生み出せる価値を引き上げることです。設計・実装・レビューの流れもAI前提で組み替え、エンジニアが品質に責任を持ちながら、より多くの顧客課題を解決できる開発組織をつくります。＜お任せしたい業務内容＞ビジネス職のメンバーやプロダクトマネージャーと連携し、『SalesNow』の設計・開発・運用を担います。プロダクト全体のアーキテクチャ設計・技術選定・設計レビューData → AI → Agent → Interface の4層構造を横断した技術的意思決定Data API、SalesNow MCPをはじめとするAIエージェント向けのInterfaceなど、提供形態ごとの技術設計経営陣とプロダクト戦略・長期的な技術課題・開発組織の構築を議論し、技術ロードマップと開発組織の戦略を策定するエンジニアチームの技術的なメンタリングとコードレビュープロダクトのUI/UXの持続的な改善と運用設計開発プロセスの改善、開発組織の強化・運営。Claude Code・Codex・Cursor・CodeRabbitを組み合わせた開発フローを設計し、チーム全体に広げることも含みますいま取り組んでいる課題の例2,800行のモデル層を、稼働を止めずに段階的に分解する。循環インポートとレイヤー境界の曖昧さを、4フェーズで解消する計画です。Strangler Fig・Feature Flag・APIバージョニングを使い、後方互換を保ちます。障害対応と並行して進めます1億件規模の検索基盤で、データの取得と投入を設計し直し、フルリインデックスの時間を縮める。全文検索基盤はOpenSearchで約1.05億ドキュメント・約460GBあり、改善の候補は取得側のDBクエリと投入処理です※従事すべき業務の変更の範囲：有り＜AI駆動開発の体制＞AIツールへの支出は、1人あたり月平均10万円以上です（会社負担）。目的と予算を合意したうえで、使うモデルと検証方法を自分で選び、開発フローを組み替えられますClaude・Geminiは全員が使えます。Codexも併用し、用途でモデルを使い分けますClaude Code・Cursor・GitHub Copilotで実装の初稿をつくり、CodeRabbitをPRレビューの一次チェックに使いますn8nでAIを組み込んだ処理の流れを構築しています。Webアプリの実装に加え、AIを使う工程のつなぎ方まで設計し、チームの開発フローに広げるのも、この職種の仕事です複数のLLMにレビューを依頼し、エンジニアが指摘を実データとログで確かめて採否を決めます成果物はGitHubで管理します。AIへの指示書もPRレビューの対象にし、自分が設計した開発の進め方をチームで検証・改善できます＜利用する技術・ツール＞技術スタック言語: Python（FastAPI）, TypeScript（Next.js）, SQLミドルウェア: PostgreSQL, Elasticsearch / OpenSearchインフラ: AWS, GCP, Fastlyデータ: Scrapy, Airflow, Spark on Databricks, S3, Aurora PostgreSQLAI/LLM: Amazon Bedrock, Azure OpenAI, Claude, Gemini開発ツール: Claude Code, Codex, Cursor, GitHub Copilot, CodeRabbit, n8nデザイン: Figmaコミュニケーション: Slack, GitHub, Notion, Asana, Google Workspace開発の進め方スクラム開発をベースとしたアジャイル開発です。ミッションごとにスクラムチームを編成し、デイリースクラム・スプリントプランニング・スプリントレビュー・ポストモーテムを実施しています。＜ポジションの魅力＞① 経営陣と直接議論し、プロダクトの方向性を技術で定義するボードメンバーやビジネス職のメンバーとは、ほぼ毎週議論する機会があります。これまで経営陣が担ってきた技術的な意思決定を、専任でリードします。なぜその機能をいま作るのかを経営陣と議論し、技術ロードマップに落とし込むところから担えます。大手企業の使い方を知るビジネス職と、どの技術選定・UI改善が顧客の成果に効くかを直接詰められます。② 人とAIの両方が使うプロダクトを、稼働を止めずに組み替える全文検索基盤はOpenSearchで約1.05億ドキュメント・約460GBあります。80億レコードのデータ基盤から、画面・CRM連携・Data API（ベータ版）・SalesNow MCPを通じて、人とAIエージェントの両方にデータを届ける設計を担います。本社から店舗まで拠点ごとに一意のIDを振るJCコードを使い、提供形態が変わっても企業・拠点の対応関係と正確さを保つ責任は、あなたが持ちます。この規模を、稼働を止めずに組み替えます。2,800行のモデル層の分解をリードし、後方互換を保つレイヤー境界と移行順序を自ら設計して循環インポートを解消します。ナショナルクライアントを含む大手企業への導入実績があるプロダクトで設計から移行までやり遂げた実績は、アーキテクトとしてのキャリアに残ります。③ AI駆動開発の進め方を、自分で設計する直近30日でマージされたPRは2,229本です（2026年9月12日時点・298リポジトリの実測）。AIへの指示書もコードと同じ手続きでPRレビューします。AIで実装量が増えた一方で、人のレビュー体制はまだ追いついていません。どこまでをAIに下書きさせ、どこで人が判断するか。その線引きとレビューの基準を自分で設計し、チームに定着させる経験を積めます。④ 目的と予算を合意したら、進め方は自分で決めるAIツールには、1人あたり月平均10万円以上を実際に使っています。合意した目的と予算のもとで、どのモデルで何を検証するかは、あなたが決めます。設計案を複数のモデルで試し、実データとログで比べてから採る。技術選定の根拠を、自分の手で積み上げられます。経営陣も自分でコードを書くので、実装の重さが分かる相手と技術選定と優先順位を直接詰められます。社員1人あたりARRを3年で10倍にする目標は、開発の仕組みがあって初めて成り立ちます。その仕組みを、自分の設計でつくる立場です。数年後、AIを使えることは当たり前になります。差がつくのは、AI前提で仕事と組織を設計し直せるかどうかです。SalesNowでは、その設計をエンジニア自身がPRとレビューの仕組みとしてつくり、毎日の開発で検証しています。＜選考プロセス＞原則すべてのステップをオンラインで実施します。エントリー書類選考Web面談（2〜5回）リファレンスチェックオファー面談＜SalesNow Information＞採用サイト：https://recruit.salesnow.co.jp/全社資料：https://speakerdeck.com/salesnow/company-deckCulture deck：https://speakerdeck.com/salesnow/culture-deckテックブログ：https://zenn.dev/p/salesnow_tech公式note：https://note.com/salesnow/CEO note：https://note.com/atsunori_muraokaCOO note：https://note.com/yosukekume

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。BtoBの仕事の進め方を、企業データとAIで組み替え、1人が生み出せる価値を増やします。AI時代の企業データインフラをつくるData AI Companyです。企業・組織・拠点・部署まで構造化した、1,600万件超の法人・組織データベース（80億レコード）を持っています。企業データベース収録件数No.1を獲得しています（2025年10月期・日本マーケティングリサーチ機構調べ）。このポジションでは、このデータを画面・API・MCPを横断して、人とAIエージェントがそれぞれ使いやすい形で届けます。このデータは、独自の収集網「SalesNow Data Network」の3つのルートから集めています。Web情報をAIで日次更新する基盤、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集、月間700万PVの自社メディアに集まるユーザー投稿。アナログな収集は実地調査から紙の資料の読み取りまで及び、自社メディアのユーザーネットワークもその一部を担います。この3つを組み合わせ、検索では出てこない組織図や部署の直通番号まで取りにいっています。独自のJCコードで、本社だけでなく工場・支社支店・店舗まで拠点ごとに一意のIDを振り、多拠点やグループ会社を正確に串刺しできます。企業ごとに付与できる情報は50項目を超えます。本社・拠点・部署の構造を踏まえ、検索条件、一覧・詳細画面の配置、APIで返す情報を設計します。企業データを使う人の視点で、情報設計からUI・APIの実装まで一貫して担えます。このデータを、企業データベース『SalesNow』、SalesNow MCP、Data API（ベータ版）で届けています。顧客は条件検索でターゲット企業を特定し、採用の増加・資金調達・拠点の開設といったシグナルでアプローチの時期をつかみます。営業担当者は、AIワークフローで商談準備のレポート作成や議事録のSFA登録を進め、商談に集中できます。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。導入実績のあるプロダクトで、検索画面からAPIまで設計・開発・運用を担うことも可能です。人を増やした分だけ売上が伸びる時代は、終わりました。働き手が減る日本で、1人が生み出せる価値を増やすことは、あらゆる仕事の前提になります。SalesNowはバリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。エンジニアにとっては、1人で届けられるプロダクトの価値をAIでどこまで増やせるかを、実際の事業で試せる環境です。＜募集背景＞企業データを使う入口が、画面だけではなくなりました。『SalesNow』の画面に加えて、Salesforce・HubSpotとの連携、API、MCPと、企業データが使われる経路が増え、ユーザーが直接触れるInterfaceレイヤーの開発ニーズが急増しています。人が使う画面と、担当者がAIエージェントを通じてデータを取得するMCPを、同じデータ基盤の上で設計します。提供形態の拡張に伴い、画面とAPIの情報設計・実装・運用を担うWebエンジニアを増員します。企業データの届け方を、自分の技術判断で磨き込めるポジションです。＜ミッション＞営業担当者やAIエージェントが、1,600万件超の法人・組織データから必要な企業に最短でたどり着ける入口をつくることです。画面とAPIの設計を通じて、顧客企業で働く一人ひとりが生み出せる価値を増やします。その検索・表示機能とAPIを、顧客が日々の業務で使い続けられるプロダクトに育てます。機能を足すだけでなく、データ設計・アーキテクチャ・評価基盤まで含めて、プロダクト全体を進化させます。＜お任せしたい業務内容＞PdMなどと連携し、『SalesNow』の設計・開発・運用を担います。フロントエンド開発・UI/UXの持続的な改善と運用設計バックエンドAPIの設計・実装1,600万件超の企業データを活用した検索・表示機能の開発AI機能（企業サマリ、課題サジェスト等）のフロントエンド実装パフォーマンス改善・アクセシビリティ向上技術選定、アーキテクチャ設計、実装開発プロセスの改善、開発組織の強化・運営経営陣（CEO・COO）と長期的な技術課題や組織構築について密に議論し、開発組織の戦略を検討するいま取り組んでいる課題の例全文検索基盤（OpenSearch・約1.05億ドキュメント・約460GB）で、企業・拠点・部署などを横断する検索を支えるデータの取得と投入を設計し直し、検索インデックスの再構築時間を縮める※従事すべき業務の変更の範囲：有り＜利用する技術・ツール＞技術スタック言語: Python（FastAPI）, TypeScript（Next.js）, SQLミドルウェア: PostgreSQL, Elasticsearch / OpenSearchインフラ: AWS, GCP, Fastlyデータ: Scrapy, Airflow, Spark on Databricks, S3, Aurora PostgreSQLAI/LLM: Amazon Bedrock, Azure OpenAI, Claude, Gemini開発ツール: Claude Code, Codex, Cursor, GitHub Copilot, CodeRabbit, n8nデザイン: Figmaコミュニケーション: Slack, GitHub, Notion, Asana, Google Workspace開発の進め方スクラム開発をベースとしたアジャイル開発です。ミッションごとにスクラムチームを編成し、デイリースクラム・スプリントプランニング・スプリントレビュー・ポストモーテムを実施しています。AIを前提にした開発AIツールへの支出は、1人あたり月平均10万円以上です（会社負担）Claude・Geminiは全員が使えます。Codexも併用し、用途でモデルを使い分けますClaude Code・Cursor・GitHub Copilotで実装の初稿をつくり、CodeRabbitをPRレビューの一次チェックに使いますClaude Codeを複数並列で動かし、調査から実装・検証・リリースまでを1人で回す進め方も取り入れていますn8nでAIを組み込んだ業務フローを構築しています。プロダクト開発で使うAIに加え、自分の業務をどう組み替えるかも、担当者自身が設計できます複数のLLMにレビューを依頼し、採否は人が根拠を確認して決めます直近30日でマージされたPRは2,229本です（2026年9月12日時点・全リポジトリ）。この開発量のなかで、担当する画面とAPIへの変更の影響を確かめ、品質を保ったまま改善を届けます＜ポジションの魅力＞① 実装の初稿はAIでつくり、設計と品質の判断に時間を使う実装の初稿はClaude Code・Cursorでつくり、PRの一次チェックにはCodeRabbitを使います。全リポジトリで直近30日に2,229本のPRをマージした開発環境です（2026年9月12日時点）。この開発量を支える品質確認にも携わり、複数のLLMの指摘を実データやログで検証して採否を決める経験を積めます。初稿の作成にAIを使う分、検索・表示体験をどう設計すれば顧客が使い続けるかに力を注げます。フロントエンドとバックエンドAPIの両方を担当し、使いやすさと性能を一体で磨けます。設計の選択から実装・品質検証まで、自分の技術判断を通せる仕事です。② 人が画面とAIで企業データを使う入口を、自分の設計でつくる画面・Data API・SalesNow MCPと、提供形態を横断してInterfaceを設計します。営業担当者が画面で企業を探す体験と、顧客の担当者がClaude・Cursorを通じてSalesNow MCPから企業データを引く体験の両方を、自分の設計で形にできます。JCコードで識別する本社・拠点と、組織図・部署情報を、画面ではどう探せるようにし、API・MCPではどう取得できる形にするか。実際のユーザーの使い方を確かめながら、独自の企業データ構造を使いやすいインターフェースに変える設計力を磨けます。③ 目的と予算を合意したら、進め方は自分で決めるAIで処理する範囲、人が判断する範囲、使うモデルやツールも担当者が選びます。経営陣も自分でコードを書きます。画面・API・MCPの情報設計から、1億件規模の検索基盤の改善、技術選定やアーキテクチャまで、実装を示しながら経営陣と直接議論できます。ユーザー体験と性能への影響を根拠に技術を選び、自ら実装までつなげます。④ フルリモート×フルフレックスで、住む場所に縛られずに働く住む場所を変えずに、導入実績のあるプロダクトの画面・API・MCPを横断する開発に携われます。プロダクト職はフルリモートで、地方在住なら、出社は年1〜2回の全社イベントだけです。コアタイムのないフルフレックスです。Slack・GitHub・Notionでの非同期のやり取りが定着しているので、設計に深く潜る時間を自分で確保できます。2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で仕事と組織を設計し直せるかどうかです。SalesNowでは、それを毎日の開発で実践しています。＜身につくもの＞人が画面で使う検索体験と、AIエージェントがSalesNow MCP・Data APIから企業データを呼び出す体験を、同じデータの上で設計した経験が残ります。1億件規模の検索基盤で、データ取得と投入のボトルネックを検証し、検索インデックスの再構築時間を縮める設計にも取り組めます。PdMと連携して届ける機能を具体化し、AI機能のフロントエンド実装から本番運用まで担います。合意した目的と予算のもとで、LLMのコストと精度を踏まえた実装方法を自分で決めます。＜選考プロセス＞原則すべてのステップをオンラインで実施します。エントリー書類選考Web面談（2〜5回）リファレンスチェックオファー面談＜SalesNow Information＞採用サイト：https://recruit.salesnow.co.jp/全社資料：https://speakerdeck.com/salesnow/company-deckCulture deck：https://speakerdeck.com/salesnow/culture-deck一緒に働くメンバーのインタビュー（API・MCPの開発を担うエンジニア）：https://note.com/salesnow/n/na813feacc9cbCEO note：https://note.com/atsunori_muraokaCOO note：https://note.com/yosukekume

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。働き手が減る日本で、1人が生み出せる価値をどこまで増やせるか。企業データとAIで、BtoBの仕事の進め方そのものを組み替えることが、SalesNowの事業です。その土台が、1,600万件超の法人・組織データベースです。企業・組織・拠点・部署までをユニークに構造化し、レコード数は80億。企業データベース収録件数No.1です（2025年10月期・日本マーケティングリサーチ機構調べ）。この基盤の上で、画面・CRM連携・Data API・SalesNow MCPが使う企業データの取得処理を設計します。用途に応じて性能と正確性を両立させることが、バックエンドエンジニアの仕事の中心です。この規模と粒度は、Webを集めるだけでは組み上がりません。独自の収集網「SalesNow Data Network」は3つのルートでできています。1つめは、Web情報をAIで日次更新するデジタルの基盤です。2つめは、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集で、実地調査から紙の資料の読み取りまで、検索では出てこない情報を取りに行きます。3つめは、月間700万PVの自社メディア（企業版Wikipedia）に集まるユーザー投稿で、このユーザーのネットワークもアナログな収集の一部を担います。アナログな収集・投稿・Webという性質の違うデータを1つのIDに収斂させるため、取り込みと名寄せの設計がそのままデータの価値を決めます。独自のJCコードは、本社・工場・支社支店・店舗まで拠点ごとに一意のIDを振る体系で、多拠点やグループ会社を正確に串刺しできます。組織図と部署の直通番号まで持ち、部署連絡先は750万件超。50項目超の情報と、大業界30件〜／小業界400件〜／事業内容3,000件〜の3層分類を扱います。拠点ごとのJCコードと組織・部署の階層、多数の属性を、APIと検索インデックスにどう反映するかを設計します。グループ会社を横断する検索や部署単位の絞り込みを支え、検索の粒度と応答性能を両立させる経験を積めます。AIの出力の品質は、参照するデータの品質で決まります。SalesNowは、AIと営業システムにデータを供給する、AI時代の企業データインフラです。企業データは、『SalesNow』の画面と、Salesforce・HubSpot・kintoneとの連携で届けています。Data APIはベータ版として、Company / News / Recruit / Organization の4種別を提供しています。SalesNow MCPを通じて、Claude・CursorなどのAIエージェントからも直接利用できます。営業戦略コンサルティングからデータ基盤の構築・AI実装・営業BPOまで一社で提供しているので、顧客が企業データを実際にどう使っているかが、要望ではなく事実として設計に届きます。APIの仕様や検索の粒度を、現場の使われ方を知ったうえで自分で決められます。プロダクト『SalesNow』が扱うのは営業の領域です。会社が企業データとAIで組み替えようとしている仕事は、営業に限りません。いま設計するAPIとデータ構造は、その広がりを前提に考えることになります。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。大手企業への導入実績があるプロダクトだからこそ、APIの応答速度と後方互換の判断が、顧客の業務を止めない設計の力として問われます。営業の現場で鍛えられた要件と、独自に集めた企業データの両方を手元に持ったまま、拠点ごとのIDと組織・部署の階層を、人にもAIエージェントにも返せる形に設計できます。人を増やした分だけ売上が伸びる時代は、終わりました。 だからSalesNowは、組織が大きくなる前にAI前提の組織へつくり替えました。バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。実装から品質検証までの開発工程を設計し直し、1人が担える開発の範囲を広げることが、バックエンドエンジニアのこの目標への関わり方です。＜募集背景＞中核のプロダクトAPIは、Python（FastAPI）で実装しています。バックエンドエンジニアは、このAPIとLLM機能・SalesNow MCPの設計・実装を担います。画面で検索する人と、企業データを取得するAIエージェントの双方を支えるバックエンドをつくれる仕事です。同じデータに対して、人が1回ずつ検索する場合と、エージェントが連続で叩く場合では、必要な設計が変わります。APIのリポジトリでは、直近30日間で780本のPRがマージされています（2026年9月12日計測）。AIを使うことで、実装できる量は増えました。一方で、その変更を設計とデータの前提から確かめられる人が足りていません。検索基盤の性能、モデル層の設計、LLM機能の品質を同時に引き上げ、増えた変更を本番へ届ける仕組みをつくるバックエンドエンジニアを募集します。＜入社後に取り組む課題＞2026年9月12日時点で、次の課題に取り組んでいます。フルリインデックスの時間を縮める。対象は、企業・拠点・部署などを横断するOpenSearchの全文検索基盤（1.05億ドキュメント・約460GB）です。改善候補である取得側のDBクエリと投入処理を設計し直します2,800行のモデル層を、稼働を止めずに分解する。循環インポートを解消し、レイヤーの境界を明確にする4フェーズの計画です。Strangler Fig・Feature Flag・APIバージョニングを使い、後方互換を保ちながら段階的に分解します。障害対応と並行して進めますどちらも、顧客が毎日使うプロダクトで、設計の判断がそのまま性能と安全性に表れる課題です。＜お任せしたい業務内容＞PdM・セールス・アカウントマネジメント・フロントエンドの担当者と連携し、SalesNowの中核を支えるバックエンド開発をリードしていただきます。LLMとAI Agentを使った機能を中心に、設計・実装を担います。経験や志向に応じて調整します。Python（FastAPI）・TypeScript（AWS Lambda）によるバックエンドAPIの設計・実装・保守・最適化LLMを活用したAI機能（企業サマリ、課題サジェスト、経済情報サマリ等）の設計・実装商談準備のレポート作成、リストの生成、議事録のSFA登録、CRMへの記録、リードのスコアリングを支えるAIワークフローの設計・実装（AI Agent自体の設計・実装を含む）SalesNow MCPの設計・開発プロンプトエンジニアリングとLLMパイプラインの設計AIモデルの評価基盤の構築（精度・コスト・レイテンシのバランス最適化）数千万〜数億件規模の法人データ基盤の構築・運用（PostgreSQL / Elasticsearch / DynamoDB / S3 / Databricks / n8n / LLM）高頻度アクセス・大量データに対応するパフォーマンスチューニング・データベースチューニングAWS上でのインフラ設計・監視・セキュリティ対応新機能・改善における要件整理・技術検証・設計提案CI/CD環境の整備、開発プロセスの改善、技術的な意思決定のリードプロダクトの成長に向けた、経営陣との技術戦略の検討 ※従事すべき業務の変更の範囲：有り＜利用する技術・ツール＞言語: Python（FastAPI / SQLAlchemy）、TypeScript（Next.js）、SQLデータベース・検索: Aurora PostgreSQL、Elasticsearch / OpenSearch、DynamoDBインフラ: AWS（Lambda / ECS / CloudFront / S3 / Firehose / Athena）、GCP、Fastly、Terraformデータ: Scrapy、Airflow（MWAA）、Databricks（Spark / Delta Lake）AI・LLM: Amazon Bedrock、Azure OpenAI、Claude、Gemini開発ツール: Claude Code、Codex、Cursor、GitHub Copilot、CodeRabbit、n8nデザイン: Figmaコミュニケーション: Slack、GitHub、Notion、Asana、Google Workspace＜開発の進め方＞スクラムをベースにしたアジャイル開発です。ミッションごとにチームを組み、2週間のスプリントで開発します。デイリースクラム・スプリントプランニング・スプリントレビュー・ポストモーテムを行います。AIとの開発は、次のように進めています。Claude・Geminiは全員が使え、Codexも併用し、用途でモデルを使い分けます成果物は複数のLLMにレビューを依頼し、採否は人が根拠を確認して決めます。エンジニアはCodeRabbitでPRの一次チェックを行い、その結果を踏まえて設計の妥当性・データの前提・影響範囲を確かめますAIへの指示書（.claude/skills/）も、コードと同じ手続きでPRレビューします。自分が見つけた指示の工夫を、チームで検証したうえで、ほかのメンバーも使える開発手法として共有できますClaude Codeを6並列で動かし、調査から実装・検証・リリースまで回すメンバーもいます。成果物はGitHubで管理し、並列で進んだ実装も、複数のLLMの指摘と人の確認を経てから本番に入ります。速さと検証を両立させる開発の型を、自分の手で回せます目的と予算を合意したあとは、担当者が進め方を決めます＜ポジションの魅力＞1,600万件超・80億レコードの法人・組織データベースとLLMを組み合わせ、PoCではなく本番で使われる機能へ仕上げます。LLMパイプラインの実装から本番の評価基盤まで一貫して担い、大規模な企業データを使うAI機能の品質を、実装と検証の両面から支えられるエンジニアになれます。Data → AI → Agent → Interface の4層のうち、AIレイヤーとAgentレイヤーを中心に担い、データが蓄積するほど機能が賢くなる構造を自分の手でつくります参照するのは、調査網と社内の体制がアナログに集めた情報と自社メディアの投稿、拠点ごとに一意のIDで紐づいた構造、組織図と部署の直通番号まで含むデータです。LLMの出力の品質を、プロンプトだけでなく参照データの構造から設計できます1.05億ドキュメント・約460GBの検索基盤の再設計と、2,800行のモデル層の段階的な分解を、稼働中のAPIを止めずに、自分の設計で進めます。Strangler Fig・Feature Flag・APIバージョニングを本番で使い分けた判断が、そのまま自分の設計の実績として残りますAIで変更量が増えたAPIのリポジトリで、変更を設計・データの前提・影響範囲から確かめる検証工程を、自ら設計できます。会社は社員1人あたりARRを3年で10倍にする目標を置いています。1人が担える開発の範囲をAI前提で広げる工夫が、そのまま事業の目標に直結しますAIツールへの支出は1人あたり月平均10万円以上（会社負担）です。目的と予算を合意したあとは、用途に合うモデルやツールを自分で選び、開発工程に組み込んで検証できます。複数のLLMを開発とレビューに組み込み、どこをAIで進め、何を人が検証するかまで自分で設計しますAzure OpenAI・Gemini・Anthropic のモデルを用途別に併用しています。精度・コスト・レイテンシを検証し、用途ごとのモデル選定から構成設計まで担うことで、特定のモデルに依存しないアーキテクチャを設計する力が身につきます企業データの品質判定にLLM as a Judgeを使います。判定の基準は人が定め、本番での検証工程を設計します。判定結果をどの根拠で採用するかまで設計するので、LLMを組み込むだけでなく、その出力の品質を保証する側の専門性が身につきます大手企業や急成長スタートアップ出身のエンジニア・ビジネスパーソンと共に働きます。高い技術力と開発組織の知見を吸収しながら、これから組織が拡大していくフェーズで、設計の方針もレビューの基準も決める側に回れます。技術の判断だけでなく、開発組織のつくり方まで経験として持ち帰れます技術選定や設計提案に、経営陣と直接議論しながら関われます。経営陣も自分でコードを書くので、実装の重さが分かる相手と、技術の判断を事業の優先順位から詰められます2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。SalesNowのバックエンドエンジニアは、AIと人の役割分担を開発工程に組み込み、その設計を毎日の実装で試しています。＜選考プロセス＞原則すべてのステップをオンラインで実施します。エントリー書類選考Web面談（2〜5回）リファレンスチェックオファー面談＜SalesNow Information＞採用サイト：https://recruit.salesnow.co.jp/全社資料：https://speakerdeck.com/salesnow/company-deckCulture deck：https://speakerdeck.com/salesnow/culture-deckCEO note：https://note.com/atsunori_muraokaCOO note：https://note.com/yosukekume一緒に働くメンバーのインタビュー（API・SalesNow MCPの開発を担うエンジニア）：https://note.com/salesnow/n/na813feacc9cb

※This position is also open to non-Japanese candidates who are able to work in Japan as full-time employees.＜About SalesNow＞SalesNow upholds 「誰もが活躍できる仕組みをつくる。」 (Create systems where everyone can thrive) and is taking on the challenge of fundamentally changing how people work. We rebuild how B2B work gets done, using corporate data and AI so that each person can create more value. SalesNow is the corporate data infrastructure for that work. Our database covers more than 16 million corporate and organizational profiles, structured down to offices and departments, and built on 8 billion records.SalesNow Data Network, our own collection network, combines three routes. Our platform updates web information daily using AI. A partner network of tens of thousands of data researchers, working alongside our own in-house team, collects offline — from on-site surveys to reading paper documents. Our own corporate-information media attracts 7 million page views a month, and that user network also takes on part of the offline collection. Together these sources provide information unavailable through web search, including org charts and more than 7.5 million department contacts. You gain experience turning this proprietary company and department data into backend models that serve both search and LLM features.Our own JC code assigns a unique ID to each site — headquarters, plants, branches, and stores — not only to the company. Records are matched on corporate number, name, address, phone, URL, and email, through fifteen levels of priority. When a match stays inconclusive, an AI workflow supplements the company information from the latest web sources. Sales teams use signals such as a rise in hiring, a funding round, or a new office to see why a company is worth approaching now. You design the backend models and APIs that keep company, site, and department data usable for search and LLM features as those records change.Customers use search filters in SalesNow to find target companies. Through the Salesforce and HubSpot integrations, they enrich CRM records with company data and identify records that refer to the same company. Customers reach the same data from Claude and Cursor through SalesNow MCP. They connect their own systems through our Data API (beta), which ships as four APIs: Company, News, Recruit, and Organization. The Organization API covers departments, org charts, and sites. Our product, the CRM integrations, MCP, and the Data API put corporate data into different workflows. You improve the underlying APIs and data models, gaining experience representing companies, departments, and sites consistently across CRM integrations, customer applications, and LLM workflows.SalesNow ranks No.1 in corporate database record count (企業データベース収録件数No.1; survey period: October 2025; research by Japan Marketing Research Organization). Companies that have adopted SalesNow include Yamato Transport, Panasonic, LY Corporation, SMBC Nikko Securities, PERSOL CAREER, JCB, and GMO Payment Gateway. You develop the APIs and data models behind a product with adoption by major enterprises, which is where you build judgment about backend reliability and performance at that scale.The era when revenue grew in proportion to headcount is over. As Japan's workforce shrinks, each person needs to create more value. We have set a goal, starting from November 2025, of increasing ARR per employee tenfold within three years. As a backend engineer, you help shape how the team builds and verifies changes with AI, connecting architecture and review practices to the productivity of the whole engineering team.＜Why We Are Hiring＞At the center of the product is our Python (FastAPI) product API. 780 pull requests were merged into it in the last 30 days (measured on 2026-09-12). You will help design how the team verifies changes at this pace. SalesNow is approaching Series B, and you can shape the backend architecture and engineering practices as the product enters its next growth phase.Working with AI has increased how much code we can ship. Engineers exercise judgment by checking whether each change fits the architecture and handles the underlying data correctly. We are looking for a backend engineer who can improve search performance, redesign the model layer, and improve the quality of LLM features.＜Problems You Will Work On＞As of 2026-09-12, these are open:Reduce full reindexing time for our OpenSearch platform, which holds 105 million documents (about 460 GB) and supports searches across companies, offices, and departments. Source-side DB queries and the ingestion process are the candidates for improvement, and you will redesign themBreak up a 2,800-line model layer without stopping the service. A four-phase plan is in place to resolve circular imports and clarify layer boundaries, and you will refine and execute it. It uses the Strangler Fig pattern, feature flags, and API versioning to preserve backward compatibility. This work runs alongside incident response＜Responsibilities＞You will be responsible for backend development at the core of SalesNow. The scope will be adjusted to your experience and interests.Backend development of generative AI and data features using Python (FastAPI) and TypeScriptDesign, PoC, and production implementation of new LLM-based featuresStructuring, summarizing, and interpreting company data with LLMsUsing LLMs to prepare company information and suggested next steps for salespeople to review and act onFast product iteration with PdMs: hypothesis, implementation, user validation, and improvementImproving and refactoring existing APIs and data modelsImproving the performance of features that handle large volumes of dataEvaluating edge-case behavior and verifying quality and reproducibility※Scope of changes to duties: yes (従事すべき業務の変更の範囲：有り)＜Tech Stack＞Languages: Python (FastAPI / SQLAlchemy), TypeScript (Next.js), SQLDatabases / Search: PostgreSQL (Aurora), Elasticsearch / OpenSearchInfrastructure: AWS (ECS and others), GCP, FastlyAI coding and review: Claude Code, Codex, Cursor, CodeRabbitWorkflow: n8nInternal tools: GitHub, Slack, Notion, Asana, Google Workspace＜How We Work＞We run Scrum-based agile development in small teams formed per mission, with daily scrums, sprint planning, sprint reviews, and postmortems. You also discuss the product with board and business members almost every week, so customer problems reach your design decisions directly.This is how we work with AI:AI tool spending averages more than JPY 100,000 per person per month (company-paid). Everyone can use Claude and Gemini, and we also use Codex. You can compare models in implementation and review, and build the judgment to choose which tools fit each backend task and how to verify their outputWe ask multiple LLMs to review our work, and people check the evidence before deciding what to adopt. CodeRabbit does the first pass on pull requests, so engineers can focus on design validity, data assumptions, and impactEngineers use AI to prepare candidate outputs. They then verify the evidence and make the final decision. We do not build AI features as black boxes, so you design features whose reasoning engineers can inspect and verifyOnce the goal and budget are agreed, the person in charge decides how to get there. Our leadership team also writes code＜Why Join Us＞Ship LLM features that businesses use in their daily workYou design and ship LLM features that structure, summarize, and interpret company data to support business decisions. You build them on SalesNow's database of more than 16 million corporate and organizational profiles, backed by 8 billion records. You own their accuracy and cost in production, which is how you build the judgment to say when an LLM feature is ready to ship and when it is not.Shape architecture for an API with 780 PRs merged in 30 daysAs measured on 2026-09-12, 780 pull requests had been merged into the product API over the preceding 30 days. You design checks for backward compatibility, data assumptions, and LLM outputs across this volume of changes. You gain experience designing a release process that supports AI-assisted development while keeping engineers responsible for production quality. Product roles here work fully remotely, and several of our employees live in Kyushu, so you can do this from anywhere in Japan.Design how engineers build and verify with AIOne of our engineers runs six Claude Code sessions in parallel to carry work from investigation through implementation, verification, and release. Instructions for AI (.claude/skills/) go through pull request review like code. AI tool spending averages more than JPY 100,000 per person per month (company-paid), so you can test Claude, Gemini, and Codex against real backend work and decide which one fits each task. You decide which implementation tasks to accelerate with AI and where engineers must verify the results. You design the development process to handle a growing volume of changes while keeping quality decisions in engineers' hands.In two to three years, using AI will be a given. What will set people apart is the ability to redesign workflows and organizations around AI. At SalesNow, we do that every day.＜Hiring Process＞Application screeningInterviews (multiple rounds)Reference checkOffer meeting (job offer)＜Links＞Interview with an engineer on our team, who joined as an intern and now develops SalesNow MCP and our API (Japanese): https://note.com/salesnow/n/na813feacc9cbFull job details (Japanese): https://herp.careers/v1/salesnow0801/HEBpyxeUCiszRecruiting site: https://recruit.salesnow.co.jp/

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。働き手が減る日本で、1人が生み出せる価値をどこまで増やせるか。企業データとAIで、BtoBの仕事の進め方そのものを組み替えることが、SalesNowの事業です。その土台が、1,600万件超の法人・組織データベースです。企業・組織・拠点・部署までをユニークに構造化し、レコード数は80億。企業データベース収録件数No.1です（2025年10月期・日本マーケティングリサーチ機構調べ）。この規模と粒度は、Webを集めるだけでは組み上がりません。SalesNowは独自の収集網「SalesNow Data Network」を3つのルートで持っています。1つめは、Web情報をAIで日次更新するデジタルの基盤で、数百万件規模のタスクをLLMを含む技術で処理します。2つめは、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集で、実地調査から紙の資料の読み取りまで、検索では出てこない情報を取りに行きます。3つめは、月間700万PVの自社メディア（企業版Wikipedia）に集まるユーザー投稿で、このユーザーのネットワークもアナログな収集の一部を担います。出所も更新方法も異なる3つのルートを、同じ企業へ正しく結び付ける。その統合の設計が、シニアデータエンジニアの仕事の中心です。データそのものにも独自性があります。独自のJCコードは、本社・工場・支社支店・店舗まで拠点ごとに一意のIDを振る体系で、多拠点やグループ会社を正確に串刺しできます。組織図と750万件超の部署連絡先では、どの部署にどの直通番号を結び付けるか、その照合基準を設計します。営業担当者が代表電話を経由せず狙う部署につながれるよう、データの整合性を設計から支えます。法人番号・社名・住所・電話・URL・メールの多角キーを15段階の優先度で照合して1社に収斂させます。確定しなかった企業は、AIワークフローを使って最新のWebから補完します。50項目超の付与情報について、何を根拠に採用し、どう品質を確かめるかの設計が可能です。大業界30件〜・小業界400件〜・事業内容3,000件〜という3層の分類を扱います。粒度の異なる情報をどう整合させるかは、あなたの判断で決まります。データソースは100万件以上。月次で追う従業員数の時系列も含め、変化する企業情報の品質を継続して保つ仕組みをつくれます。シニアデータエンジニアは、これらの情報の整合性と更新時の品質を、基盤全体の設計から支えます。AIの出力の品質は、参照するデータの品質で決まります。SalesNowは、AIと営業システムにデータを供給する、AI時代の企業データインフラです。担当者は『SalesNow』の画面や、Salesforce・HubSpot・kintoneとの連携を通じて企業データを利用できます。Data APIはベータ版として、Company・News・Recruit・Organization の4種別を提供しています。SalesNow MCPを通じて、Claude・CursorなどのAIエージェントからも直接参照できます。同じデータが営業の担当者とAIエージェントの両方に届くので、基盤の設計1つが、届け先すべての品質を決めます。営業戦略コンサルティング、データ基盤の構築、AI実装、営業BPOまで一社で提供しています。顧客の窓口は営業出身のコンサルタントとアカウントマネジメントで、その背後でデータチームが分析と実装を支えます。顧客が実際にどう使っているかが、基盤を設計する側に届く体制です。プロダクト『SalesNow』が扱うのは営業の領域です。会社が企業データとAIで組み替えようとしている仕事は、営業に限りません。あなたが設計する基盤は、特定の1プロダクトの裏側ではなく、会社が扱う範囲そのもののデータインフラです。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。あなたが設計する基盤が、こうした大手企業に届けるデータの品質を決めます。営業の専門性・データ基盤・AIの先進性が揃うSalesNowでは、顧客が必要とする情報から逆算して基盤を設計できます。＜募集背景＞人を増やした分だけ売上が伸びる時代は、終わりました。 SalesNowはバリューの1つに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。データ基盤の設計は、その目標の前提です。あなたが担うのは、80億レコードの収集・名寄せ・品質検証の進め方を設計し、チームの1人ひとりが扱える仕事の範囲を広げることです。企業データの提供は、『SalesNow』の画面に加えてData APIとSalesNow MCPへ広がっています。そのなかで、バッチ処理の安定化、APIのスケール対応、コストを意識した性能最適化を、個別の改善ではなく基盤全体の設計として解く段階に来ています。このデータ基盤のアーキテクチャ設計と運用をリードし、データチームの技術的な方向を決めるシニアデータエンジニアを募集します。構築・改善を担うメンバー層も採用しており、これまでの技術リード経験を、80億レコードの基盤全体とチームの開発方針を決める役割へ広げられます。設計レビューとメンタリングを通じて、自分の設計判断をチーム共通の品質基準に落とし込めます。＜ミッション＞デジタル・アナログな収集・ユーザー投稿という性質の違う3つのルートから届く情報を、根拠のある1つの企業像として束ね続けることです。何を集め、どの条件なら使えるデータとみなすか。その基準を決め、チームの誰が開発しても同じ品質で動く仕組みにします。基準が決まるほど、80億レコードは人の目視ではなく設計で守れるようになり、メンバーは新しい収集ルートの設計に時間を使うことも可能です。＜お任せしたい業務内容＞数十TB・80億レコード規模の企業データ基盤のアーキテクチャ設計・最適化日次で更新するデータ収集パイプライン（Webクローリングを含む）の設計・運用・改善Spark on Databricksを活用した大規模データ処理・変換の設計データ品質管理基盤の設計・構築（クレンジング・エンリッチメント・名寄せの設計方針を含む）、品質モニタリング環境の構築・改善Elasticsearch / OpenSearchの検索インデックス設計・チューニングインフラ・ガバナンス・コスト最適化の方針決定将来のデータサイエンス活用に向け、データ基盤に必要な構成と品質基準を決めるデータチームのテクニカルリード、メンバーの設計レビューと技術的メンタリング上記すべてについて、技術選定と運用の方針を決める入社後に取り組む課題の例Databricks＋Delta Lakeで生データ→クレンジング→提供用の3層を運用し、提供用のデータをPostgreSQLへUpsertしています。ジョブ定義はModel Servingのエンドポイントまで含めてTerraformで管理しています。この構成を、データ量と用途（画面・Data API・SalesNow MCP）の広がりに合わせてどう進化させるか。層の切り方からジョブ管理の方式まで、技術選定を自分の判断で決められます。根拠の足りない企業特定を、仕組みで止める。フリーランス求人から常駐先の企業を推定するロジックを別のAIで独立に検証したところ、100件のうち根拠を確認して特定できたのは12件でした。これを受けてロジックを直し、根拠が足りない案件は「特定不可」と出すようにしています。この考え方を品質基準に反映するのが、このポジションの仕事です。求人の停止は、営業が使うシグナルの1つです。その掲載終了を検知するロジックが3系統に割れ、媒体によって挙動が揃っていません。個別の修正を重ねるのではなく、判定の共通設計と媒体ごとの例外の持ち方を決め、メンバーが同じ設計で実装できる状態にします。会社概要やサービス情報を新しく保つため、全企業のWebサイトの情報を取得し、更新の差分を追い続ける工程を設計します。※従事すべき業務の変更の範囲：有り＜利用するツール・技術＞データ収集: Python（Scrapy）、AWS Fargate for Amazon ECS、Amazon Managed Workflows for Apache Airflowデータストア: Amazon S3、Amazon Aurora PostgreSQLデータトランスフォーム: Apache Spark on Databricks（Delta Lake）言語: Python（FastAPI）、TypeScript（Next.js）、SQL、Scalaミドルウェア: PostgreSQL、Elasticsearch / OpenSearchインフラ: AWS、GCP、Fastly、TerraformAI/LLM: Amazon Bedrock、Azure OpenAI、Claude、Gemini開発ツール: Claude Code、Codex、Cursor、GitHub Copilot、CodeRabbit、n8nデザイン: Figmaコミュニケーション: Slack、GitHub、Notion、Asana、Google Workspace＜AIを前提にした働き方＞Claude・Geminiは全員が使え、Codexも併用し、用途でモデルを使い分けます。成果物は複数のLLMにレビューを依頼し、採否は人が根拠を確認して決めます。LLM as a Judgeによるデータ判定も、判定の基準は人が定めます。目的と予算を合意したあとは、担当者が進め方を決めます。コストが読めない処理は、小さくつくってから見積もります。職種を問わず、AIで自分の仕事を組み替えることを求めています。経営陣もコードを書きます。経営陣と直接連携し、事業の要求をデータ基盤の技術選定や設計方針につなげる経験を積めます。＜ポジションの魅力＞① 80億レコードの企業データ基盤の、アーキテクチャに責任を持つ数十TB・80億レコード規模の基盤で、技術選定から運用方針までを決め、データチームの技術的な方向を示します。扱うのはWebから取れるデータだけではありません。数万人規模の調査網と社内の体制がアナログに集めた情報も、自社メディアへのユーザー投稿も統合します。出所も更新方法も異なる3つのルートの情報を、同じ企業へ正しく結び付けるアーキテクチャを、稼働中の基盤で設計し直せます。② 自分が決めた品質基準が、人とAIが使うデータ全体に効くJCコードによる拠点ごとの一意なID、組織図と部署の直通番号、50項目超の付与情報について、照合の根拠と品質基準を決めます。80億レコードの基盤で定めた基準を『SalesNow』の画面・CRM連携・Data API・SalesNow MCPに共通で適用し、人とAIエージェントが同じ企業を正しく識別できる状態をつくれます。③ LLMを本番のデータ品質管理に組み込むフリーランス求人から常駐先の企業を推定する処理のように、ルールでは書き切れない判定があります。合意した目的と予算のもと、LLMを使う工程を選びます。本番データで検証し、出力を採用する条件と「特定不可」とする基準を設計できます。さらに、設計レビューとメンタリングを通じて、メンバーがその基準を実装できる状態までつくれます。精度と1件あたりの処理費用の両方を本番で検証し、品質と継続運用のコストを両立させるところまでが担当範囲です。④ AI前提で組み替えた開発組織で、データ基盤の進め方そのものを設計するSalesNowは2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。AIツールへの支出は1人あたり月平均10万円以上で、経営陣もコードを書きます。複数のLLMを使う設計レビューの進め方と、指摘を採用する品質基準をあなたが決めます。80億レコードの収集・名寄せ・品質検証で、どこにAIを組み込むかを自分で設計することが可能です。レビューとメンタリングを通じて、その方法と品質基準をチームに定着させ、1人が扱える仕事の範囲を広げられます。数年後、AIを使えることは当たり前になります。差がつくのは、AI前提で仕事と組織を設計し直せるかどうかです。 SalesNowでは、それを毎日の開発で実践しています。＜選考プロセス＞書類選考面接（複数回）リファレンスチェックオファー面談＜参考リンク＞採用サイト：https://recruit.salesnow.co.jp/

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。働き手が減る日本で、1人が生み出せる価値をどこまで増やせるか。企業データとAIで、BtoBの仕事の進め方そのものを組み替えることが、SalesNowの事業です。その土台が、1,600万件超の法人・組織データベースです。企業・組織・拠点・部署までをユニークに構造化し、レコード数は80億。企業データベース収録件数No.1です（2025年10月期・日本マーケティングリサーチ機構調べ）。この規模と粒度は、Webを集めるだけでは組み上がりません。SalesNowは独自の収集網「SalesNow Data Network」を3つのルートで持っています。1つめは、Web情報をAIで日次更新するデジタルの基盤で、数百万件規模のタスクをLLMを含む技術で処理します。2つめは、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集で、実地調査から紙の資料の読み取りまで、検索では出てこない情報を取りに行きます。3つめは、月間700万PVの自社メディア（企業版Wikipedia）に集まるユーザー投稿で、このユーザーのネットワークもアナログな収集の一部を担います。データそのものにも独自性があります。独自のJCコードは、本社・工場・支社支店・店舗まで拠点ごとに一意のIDを振る体系で、多拠点やグループ会社を正確に串刺しできます。組織図と部署の直通番号まで持ち、部署連絡先は750万件超。代表電話を経由せずに狙う部署へ直接つながります。この750万件超の連絡先が、企業・拠点・部署のどこに属するかを崩さずに保てるかは、データエンジニアの設計で決まります。法人番号・社名・住所・電話・URL・メールの多角キーを15段階の優先度で照合し、1社に収斂させます。確定しなかった企業は、AIワークフローを使って最新のWebから補完します。付与する企業情報は50項目超。業種は大業界30件〜／小業界400件〜／事業内容3,000件〜の3層で持ち、従業員数は月次の時系列で追えます。80億レコードの基盤で、この細かな分類と月次の推移を保ったまま、表記揺れや欠損を見つけて正す処理を設計・実装できます。AIの出力の品質は、参照するデータの品質で決まります。SalesNowは、AIと営業システムにデータを供給する、AI時代の企業データインフラです。企業データは、『SalesNow』の画面と、Salesforce・HubSpot・kintoneとの連携で届けています。Data APIはベータ版として、Company・News・Recruit・Organization の4種別を提供しています。SalesNow MCPでは、Claude・CursorなどのAIエージェントから企業データを直接利用できます。届け先が増えるほど、同じデータが人の画面とAIの入力の両方で使われ、スキーマの決め方も鮮度の基準もデータエンジニアが設計し直す対象になります。営業戦略コンサルティング、データ基盤の構築、AI実装、営業BPOまで一社で提供しています。プロダクト『SalesNow』が扱うのは営業の領域です。会社が企業データとAIで組み替えようとしている仕事は、営業に限りません。あなたが設計する基盤は、1つのプロダクトの裏側にとどまりません。画面・CRM連携・Data API・SalesNow MCPへの供給をまとめて支え、営業に限らないBtoBの仕事を企業データとAIで組み替えていく先を見据えて、設計の判断に関われます。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。営業の専門性・データ基盤・AIの先進性は、どれか1つなら他にもあります。3つが揃っていることが、SalesNowの差です。社内のコンサルタントやAIエンジニアと直接議論し、顧客のデータ利用で見つかった課題を、収集・名寄せ・品質検証の設計に反映できます。＜募集背景＞人を増やした分だけ売上が伸びる時代は、終わりました。 人がAIと一緒に働くほど、AIが扱う企業データの正確さが、そのまま仕事の質になります。SalesNowは組織が大きくなる前にAI前提の組織へつくり替え、バリューの1つに「AIネイティブ」を掲げています。2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。人を増やさずに届けるデータを増やすには、取得と検証の工程そのものを組み替える必要があります。データエンジニアは、その組み替えを自分の手で設計する立場にいます。企業データの提供は、『SalesNow』の画面に加えてData APIとSalesNow MCPへ広がっています。DatabricksやRedashを使った基盤は整いつつありますが、バッチ処理の安定化、APIのスケール対応、コスト効率を意識した性能最適化など、解くべき課題は増え続けています。チームの設計方針のもとで、データの取得から統合、品質の検証までを実装し、改善するデータエンジニアを募集します。基盤全体のアーキテクチャの設計と並行して実装を担い、設計の議論に加わりながら、基盤全体を見渡す役割へ広げていけます。＜ミッション＞あなたのミッションは、デジタルの日次更新、アナログな収集、ユーザー投稿という性質の違う3つのルートから届く情報を、根拠のある1つの企業像として構造化することです。同名企業を見分け、住所の表記揺れや合併・移転を扱い、独自のJCコードで企業から拠点単位まで名寄せします。掲載終了や企業サイトの更新を捉え、情報の鮮度と正確さを確かめ続ける監視の仕組みも、あなたが設計します。あなたが名寄せした1件が、大手企業の担当者とAIエージェントにとって、同じ企業を正しく識別する根拠になります。＜お任せしたい業務内容＞数十TB・80億レコード規模の企業データ基盤の構築・改善を担います。入社初日から、インフラ・ガバナンス・コスト最適化まで横断的に関わります。具体的には、以下のいずれか、もしくは複数を担当していただきます。Webデータクローリングのためのパイプライン新設や改善データのクレンジング・エンリッチメント・名寄せ処理の実装データ品質モニタリング環境の構築・改善スケーラブルでコスト効果の高いデータ基盤への改善将来的なデータサイエンス活用を見据えたデータ基盤・品質整備の設計入社後に取り組む課題の例「その求人はまだ募集中か」の判定を直す。求人の停止は、営業が使うシグナルの1つです。一覧ページに掲載終了情報を出さない媒体があり、取得した求人一覧の差分で募集終了を判定すると、一時的な取得漏れを掲載終了と取り違えるおそれがあります。募集中の求人を終了扱いにする誤りと、終了した求人を募集中として残す誤りのどちらを抑えるか、媒体ごとに判定基準を決めて実装します。企業のWebサイトの更新を追う。会社概要やサービス情報を新しく保つため、全企業のWebサイトの情報を取得し、更新の差分を検知する処理を実装します。企業データの判定にLLMを組み込む。上場企業の開示資料（IR情報）をLLMで構造化し、人が定めた基準でLLM as a Judgeによる判定を行います。チームで定めた品質基準のもとで、担当する判定の条件を決めて実装します。※従事すべき業務の変更の範囲：有り＜利用するツール・技術＞データ収集: Python（Scrapy）、AWS Fargate for Amazon ECS、Amazon Managed Workflows for Apache Airflowデータストア: Amazon S3、Amazon Aurora PostgreSQLデータ可視化: Redashデータトランスフォーム: Apache Spark on Databricks（Delta Lake。生データ→クレンジング→提供用の3層で処理）言語: Python（FastAPI）、TypeScript（Next.js）、SQLミドルウェア: PostgreSQL、Elasticsearch / OpenSearchインフラ: AWS、GCP、FastlyAI/LLM: Amazon Bedrock、Azure OpenAI、Claude、Gemini開発ツール: Claude Code、Codex、Cursor、GitHub Copilot、CodeRabbit、n8nデザイン: Figmaコミュニケーション: Slack、GitHub、Notion、Asana、Google Workspace週1回60分のチーム定例、メンターとの1on1による技術相談、週1回60分の技術勉強会があります。担当するパイプラインの設計をメンターに相談し、勉強会で得た知見をデータ基盤の改善に生かせます。＜AIを前提にした働き方＞Claude・Geminiは全員が使え、Codexも併用します。クローラの実装、名寄せの検証、品質チェックの設計など、用途に合うモデルを自分で選んで試せます。成果物は複数のLLMにレビューを依頼し、採否は人が根拠を確認して決めます。PRの一次レビューにはCodeRabbitも使います。目的と予算を合意したあとは、担当者が進め方を決めます。AIで処理する範囲、人が判断する範囲、使うツールも自分で決めます。AIへの指示書も、コードと同じくPRでレビューを受けます。成果物はGitHubで管理し、プロンプトを勘に頼らず、再現と検証ができる成果物として設計します。データ取得では1件あたりの費用まで確認し、精度と費用を比べて取得方法を自分で選びます。LLMの時代に欠かせない、データの費用と精度を設計する判断を、実際の予算を使って重ねられます。職種を問わず、AIで自分の仕事を組み替えることを求めています。データエンジニアなら、取得・検証の工程を自分で組み替え、1人で扱えるパイプラインの数を増やしていけます。全社でマージされたPRは、直近30日で2,229本です（2026年9月12日時点・社内計測）。名寄せや品質判定の改善を、コードとAIへの指示書に落とし込みます。複数のLLMと人のレビューを通じて、変更の妥当性をデータの精度と処理費用の両面から説明する力を磨けます。＜ポジションの魅力＞メンバークラスから設計判断に関われます。何を集めるか、どこまで正確なら使えるかを、担当する処理の範囲で自分で決め、根拠を示して実装まで持っていきます。80億レコード・数十TBの基盤と、55媒体のクローラ、Databricksの3層処理を扱います。媒体ごとの取得漏れを考慮した掲載終了の判定、JCコードで拠点まで結びつける名寄せ、その品質を確かめる監視までを実装します。データの正確さ・処理性能・運用コストを同時に天秤にかける設計は、この規模の基盤でこそ身につきます。扱うのはWebから取れるデータだけではありません。数万人規模の調査網と社内の体制がアナログに集めた情報も、自社メディアに集まるユーザー投稿も、同じ1社に束ねます。入力の性質が違うデータを1つの企業像に収斂させる仕事は、公開データだけを扱う環境では経験できません。整えたデータは、『SalesNow』の画面・CRM連携・Data API・SalesNow MCPを通じて、主に大手企業・上場企業で使われます。改善したデータ品質が、名寄せとシグナルの精度として顧客の判断に直接届きます。LLMを本番のデータ処理に組み込み、コストと精度を同時に管理する経験が身につきます。AIツールへの支出は1人あたり月平均10万円以上（会社負担）です。その環境で、どこまでをLLMに処理させ、どこから人が判断するかを自分で設計します。AI前提で取得・検証の工程を組み替え、1人で回せるパイプラインを増やす。品質・性能・コストを実測で確かめながら、1人が扱えるデータ量を押し上げる仕組みを自分でつくれます。取得・検証にかかる人の時間を減らす設計を通じて、社員1人あたりARRを3年で10倍にする目標に貢献できます。経営陣も自分でコードを書きます。取得方法の変更やコストと精度の兼ね合いを、実装の重さが分かる相手と直接議論でき、技術の選択を事業への影響まで含めて詰められます。メンバーとして名寄せ・品質監視・クローラの実装を積み上げた先に、基盤全体のアーキテクチャを決める役割、さらにテックリードへと広げていけます。データ量とプロダクトの提供先（画面・Data API・SalesNow MCP）が同時に広がっている今だから、任される範囲の広がりも速くなります。2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。SalesNowは、それを毎日やっています。＜選考プロセス＞原則すべてのステップをオンラインで実施します。エントリー書類選考Web面談（2〜5回）リファレンスチェックオファー面談＜参考リンク＞採用サイト：https://recruit.salesnow.co.jp/全社資料：https://speakerdeck.com/salesnow/company-deckCulture deck：https://speakerdeck.com/salesnow/culture-deckCEO note：https://note.com/atsunori_muraokaCOO note：https://note.com/yosukekume一緒に働くメンバーのインタビュー（開発チームのエンジニア。企業データをAPI・MCPで届ける開発について）：https://note.com/salesnow/n/na813feacc9cb

This position is open to non-Japanese candidates who can work in Japan as full-time employees and use Japanese at a business level.＜About SalesNow＞SalesNow upholds 「誰もが活躍できる仕組みをつくる。」 (Create systems where everyone can thrive) and is taking on the challenge of fundamentally changing how people work. We rebuild how B2B work gets done, using corporate data and AI so that each person can create more value. SalesNow is the corporate data infrastructure for the AI era, supplying the data that people and AI agents work from. Our database covers over 16 million corporate and organizational profiles, structured down to individual offices and departments, and built on 8 billion records. SalesNow ranks No.1 in corporate database record count (企業データベース収録件数No.1; survey period: October 2025; research by Japan Marketing Research Organization).SalesNow Data Network, our own collection network, combines three routes. Our platform uses AI to update web information daily. A partner network of tens of thousands of data researchers, working alongside our own in-house team, collects offline — from on-site surveys to reading paper documents. Our own corporate-information media draws 7 million page views a month, and that user network also takes on part of the offline collection. Together they give us what search engines never return, including org charts and more than 7.5 million department contacts.Our own JC code assigns a unique ID to each site — headquarters, plants, branches, and stores — not only to the company. Multi-site groups can therefore be traced accurately. Records are matched on corporate number, name, address, phone, URL, and email. Fifteen levels of priority resolve them to a single company. For unresolved company matches, our team uses an AI workflow to supplement company information from current web sources. The platform can attach more than 50 attributes to company records, including registry information, industry classification, revenue, capital, headcount with its rate of change, sites, contacts, and scores. This collection, matching, and validation work is what you will design at production scale.Sales teams use signals such as a rise in hiring, a funding round, a new office, or a stop in job postings to see why a company is worth approaching now. Customers use the data in the corporate database SalesNow, in their Salesforce and HubSpot records, and from AI agents such as Claude and Cursor through SalesNow MCP. Our Data API (beta) ships as four APIs: Company, News, Recruit, and Organization (departments, org charts, and sites). Companies that have adopted SalesNow include Yamato Transport, Panasonic, LY Corporation, SMBC Nikko Securities, PERSOL CAREER, JCB, and GMO Payment Gateway. You develop your data engineering expertise on a product with enterprise adoption, where the matching and validation you design decide what those customers can rely on.＜Why We Are Hiring＞The era when revenue grew in proportion to headcount is over. As Japan's workforce shrinks, each person needs to create more value. We have set a goal to grow ARR per employee tenfold in three years, starting from November 2025. On the data side, that means redesigning how corporate data is collected, matched, and verified, rather than adding people to check it.SalesNow is approaching Series B. You will set the collection requirements and the quality criteria behind SalesNow MCP and the Data API: which sources to trust, what evidence a record needs, and when a pipeline result is good enough to ship.The same record now serves the SalesNow screen, customers' Salesforce and HubSpot data, the Data API, and AI agents through SalesNow MCP. We need an engineer who owns collection, matching, and verification end to end, because a quality rule set at one stage decides what all four of those consumers receive.＜Mission＞You will build structured company profiles that capture what each company does and what has changed recently. You will tell apart companies with the same name and handle address variations, mergers, and relocations. You define the matching rules that distinguish separate companies and link records belonging to the same company. Customers rely on those records when they research companies in SalesNow, or through AI agents connected via SalesNow MCP.＜What You Will Do＞You will build and improve our corporate data platform, which runs at the scale of tens of terabytes. You will take on one or more of the following:Build and improve pipelines for web data crawlingImplement data cleansing and enrichmentBuild a monitoring environment to improve data qualityImprove the data platform for scalability, performance, and cost efficiencyDesign the data platform and data quality foundations with future data science use in mindExamples of problems you will work onDecide whether a job posting is still open. Closure detection is currently split across three systems and behaves differently by source. Some sources do not show closures on their listing pages. If disappearance from a crawl triggers closure, a single missed page can incorrectly mark a posting as closed. You will set criteria for each source that balance false closure detections against missed closuresKeep company website information current. You will design the process that fetches information from company websites and keeps tracking what has changed since the last fetch, so that each company's profile stays up to date※Scope of changes to duties: yes (従事すべき業務の変更の範囲：有り)＜Tech Stack＞Data collection: Python (Scrapy), AWS Fargate for Amazon ECS, Amazon Managed Workflows for Apache AirflowData storage: Amazon S3, Amazon Aurora PostgreSQLData transformation: Scala and Python on Databricks (Apache Spark, Delta Lake; processed in three layers: raw, cleansed, and serving)Infrastructure: AWS, DatabricksOther: GitHub, Slack, Notion, Asana, Google WorkspaceDevelopment tools: Claude Code, Codex, Cursor, CodeRabbit, n8n＜How We Work＞Working with AIYou use company-funded AI tools to build and verify pipelines; spending averages over JPY 100,000 per person per monthEveryone can use Claude and Gemini. We also use Codex. You compare models on matching and extraction tasks, and select them based on your own quality checksYou have several LLMs review your pipeline code and data rules, and you decide which findings to adopt after checking the evidence yourselfEngineers use CodeRabbit for first-pass PR reviews, and focus their own review on design validity, data assumptions, impact, edge cases, data quality, and reproducibilityIn data processing, we structure listed companies' disclosure documents with LLMs, and use LLM as a Judge to check data against criteria that people defineOnce the goal and budget are agreed, the person in charge decides how to proceed and where to use AIEvery role is expected to redesign its own work with AI. Our leadership team writes code too, and you discuss design decisions with them directlyDevelopment processWe run agile development based on Scrum. You build and improve production data pipelines in a mission-based Scrum team. We hold daily scrums, sprint planning, sprint reviews, and postmortems.TeamWith colleagues already working from Kyushu, you can build production data infrastructure while continuing to live where you are in JapanAlmost-weekly discussions with leadership and business colleagues give you direct access to the customer problems behind data requirements, and you use that context to shape data models and quality criteria＜Why Join＞Build the data that people and AI agents work onPeople use this data in SalesNow, or reach it through AI agents such as Claude and Cursor via SalesNow MCP. You design the entity matching and validation behind both. The platform holds 8 billion records gathered through three routes, including offline collection and user contributions that no crawler reaches. A matching rule that works on one route still has to be shown to hold on the others, and you decide what evidence settles that. You come away able to design entity resolution across sources of very different shapes.Define the requirements yourselfYou decide what to collect, from which of our three routes, and under what conditions a record is fit to ship. When web crawling, offline collection, and user contributions give different answers for the same company, you set which evidence wins. For example, you define when a company URL found on the web can be linked to a Japanese corporate number. That rule decides what customers see in SalesNow and what AI agents receive through SalesNow MCP.Build the platform that carries the ARR-per-employee goalWe have set a goal to grow ARR per employee tenfold in three years from November 2025. On the data side, the platform you design is how we get there: by redesigning collection and verification, not by adding people to check records.In two to three years, using AI will be a given. What will set people apart is the ability to redesign workflows and organizations around AI. Here, you sit close enough to the business to see which decisions the data has to support, and you have the room to change how the data team works with AI to support them.＜Hiring Process＞Application screeningInterviews (multiple rounds)Reference checkOffer meeting (offer)＜Links＞Recruiting site: https://recruit.salesnow.co.jp/Interview with a SalesNow engineer who joined as an intern and now develops SalesNow MCP and our API (Japanese): https://note.com/salesnow/n/na813feacc9cbFull job details (Japanese): https://herp.careers/v1/salesnow0801/aLtdW6WbCZ0h

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。働き手が減る日本で、1人が生み出せる価値をどこまで増やせるか。企業データとAIで、BtoBの仕事の進め方そのものを組み替えることが、SalesNowの事業です。その土台が、1,600万件超の法人・組織データベースです。企業・組織・拠点・部署までをユニークに構造化し、レコード数は80億。企業データベース収録件数No.1です（2025年10月期・日本マーケティングリサーチ機構調べ）。この規模と粒度は、Webを集めるだけでは組み上がりません。独自の収集網「SalesNow Data Network」は、3つのルートを組み合わせています。1つ目は、Web情報をAIで日次更新するデジタルの基盤です。2つ目は、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集で、実地調査から紙の資料の読み取りまで、検索では出てこない情報を取りに行きます。3つ目は、月間700万PVの自社メディア（企業版Wikipedia）に集まるユーザー投稿で、このユーザーのネットワークもアナログな収集の一部を担います。独自のJCコードは、本社・工場・支社支店・店舗まで拠点ごとに一意のIDを振る体系です。組織図と部署の直通番号まで持ち、部署連絡先は750万件超。付与できる情報は50項目超、業種は大業界30件〜／小業界400件〜／事業内容3,000件〜の3層です。この粒度のデータを扱う検索基盤で、クエリとインデックスの設計を見直し、応答性能と運用コストを両立させる経験を積めます。更新の周期も形式も違う3つの流れを拠点単位のIDで1つに束ね、画面・API・MCPへ同じ品質で届け続ける。この基盤を止めずに動かし、速くし続けることが、SalesNowのSREの仕事です。AIの出力の品質は、参照するデータの品質で決まります。SalesNowは、AIと営業システムにデータを供給する、AI時代の企業データインフラです。このデータを、企業データベース『SalesNow』の画面、Salesforce・HubSpot・kintoneとの連携、Data API（ベータ版）、Claude・CursorなどのAIエージェントから直接使えるSalesNow MCPで届けています。営業戦略コンサルティング、データ基盤の構築、AI実装、営業BPOまで一社で提供しています。営業の専門性・データ基盤・AIの先進性が揃う環境です。プロダクトが顧客の業務に組み込まれるところまで社内にあるので、顧客の業務への影響とインフラの実測値を結びつけ、信頼性・性能・コストを自分で設計します。プロダクト『SalesNow』が扱うのは営業の領域です。会社が企業データとAIで組み替えようとしている仕事は、営業に限りません。届ける形も対象の業務も増えるため、SREが設計するのは1つのSaaSの運用ではなく、広がるたびに現れる新しい負荷特性と信頼性です。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。大手企業に届けるサービスの監視・SLO・性能改善を、SREとして設計します。人を増やした分だけ売上が伸びる時代は、終わりました。 バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。開発者がAIを使って増やした変更を、安全に検証し、本番へ届ける仕組みが要ります。SREは監視・CI/CD・IaCを設計し、信頼性を保ちながらリリースを速めます。＜募集背景＞開発者がAIエージェントと実装を進めるSalesNowでは、全社で直近30日に2,229本のPRをマージしており、リポジトリは298あります（2026-09-12計測）。この変更を安全に本番へ届ける監視・CI/CD・IaCを設計することが、SREの挑戦です。企業データは、企業データベース『SalesNow』の画面に加えて、Data APIと、Claude・CursorなどのAIエージェントから直接使えるSalesNow MCPで提供しています。担当者が商談準備や議事録のSFA登録に使うAIワークフローも提供しています。顧客の日々の業務が、このインフラの稼働にそのまま乗っています。扱うデータはAurora PostgreSQLで80億レコードの規模です。負荷の性質が異なるサービスが増えるなかで、信頼性とパフォーマンスを設計で担保し、コストを事業の成長に見合う水準に保つSREを募集します。＜入社後に取り組む課題＞1億件規模の検索基盤で、フルリインデックスの時間を縮める。対象はOpenSearchの1.05億ドキュメント・約460GB（r7g.2xlarge.search × 3）です。取得側のDBクエリ、投入時の設定、4インデックスの直列処理を見直します55媒体の収集からPostgreSQLへの反映まで、監視・アラートを設計・運用する。対象はMWAA（Airflow）による収集と、DatabricksとDelta LakeのBronze / Silver / Goldの3層による処理です。ジョブ定義とModel Serving endpointはTerraformで管理します媒体ごとに更新の周期も失敗の仕方も違うなかで、どこで止まれば顧客に届くデータが古くなるかを見極め、アラートの閾値とSLOに落とす＜お任せしたい業務内容＞AWS / GCPを中心としたクラウドインフラの設計・構築・運用（IaCを含む）監視・アラート基盤の設計・運用と、人の画面操作とAIエージェント経由の利用の両方を測るSLI / SLOの策定利用者が安心して快適に使えるよう、画面・Data API・SalesNow MCPの安定稼働と応答性能を設計する。メトリクスでボトルネックを切り分けて改善します障害対応とポストモーテムAurora PostgreSQL / Elasticsearchのパフォーマンスチューニングと、事業の成長を阻害しないためのインフラコスト最適化。インスタンス配置・キャッシュ・ストレージを含め、インフラ全体の費用を実測して配分を決めますCI/CDパイプラインの設計・運用とセキュリティ基盤の整備、サービス運用の仕組み化と効率化。監視・障害対応・CI/CDを対象に、AIと実装を進める開発者が安全に変更を届けられる工程を設計します※従事すべき業務の変更の範囲：有り＜利用する技術・ツール＞クラウド: AWSが中心（Lambda / ECS / Aurora / OpenSearch / CloudFront / DynamoDB / S3 / Firehose / Athena / MWAA）、一部GCP・Azure、FastlyIaC: Terraform、AWS CDK言語: Python（FastAPI）、TypeScript（Next.js）、SQL、Scalaデータ: Scrapy、Airflow、Databricks（Spark / Delta Lake）AI・LLM: Amazon Bedrock、Azure OpenAI、Claude、Gemini開発ツール: Claude Code、Codex、Cursor、GitHub Copilot、CodeRabbit、n8n社内ツール: Slack、GitHub、Notion、Asana、Figma、Google Workspace、Salesforce、Pardot＜AIとの働き方＞AIツールへの支出は、1人あたり月平均10万円以上です。Claude・Geminiは全員が使え、Codexも併用します。インフラの調査や設計案の比較に応じてモデルを選び、複数の観点から自分の設計を検証できます成果物は複数のLLMにレビューを依頼し、採否は自分でログやメトリクスを確かめて決めます。AIを使っても、品質に責任を持つのは担当者ですAIツールは月額契約なので、より良いモデルが出ればすぐ乗り換えられます。データを学習に使わせない設定を守ったうえで、障害調査や設計の検証に一番合うモデルを、その都度自分で選べます成果物をGitHubに残すので、自分の改善をチームが再現し、使い続けられる運用手順に育てられます目的と予算を合意したあとは、担当者が進め方を決めます。どこをAIで調べ、どこを人が判断するか、どのツールを使うかも自分で決めます自らコードを書く経営陣と、プロダクトや組織の設計から議論できます。インフラの改善を、事業の優先順位と結びつけて進められます＜ポジションの魅力＞80億レコードと1億件規模の検索基盤を、自分の設計で支えるAurora PostgreSQLの80億レコードと、企業・拠点・部署を横断して引くOpenSearchの約1.05億ドキュメントを扱います。データ処理と検索基盤の両方に関わり、DBクエリ・投入設定・4インデックスの直列処理まで遡って取得と投入の工程を設計し直し、検索インデックスの再構築にかかる時間を自分の手で縮められます。検索では手に入らない、アナログに集めたデータまで、欠かさず顧客に届け続ける仕組みを担います。収集から配信までを見渡し、各工程のつながりを踏まえてインフラを設計する力が身につきます。可用性とコストのトレードオフを、担当者として数字で決める収集（MWAA）、処理（Databricks）、保存（Aurora・S3）、検索（OpenSearch 約460GB・r7g.2xlarge.search × 3）。費用のかかる場所が層ごとに違う基盤で、クエリの改善、キャッシュ戦略、インスタンス配置を比較し、性能と費用の実測値から、どの施策を優先するか自分で決めます。その判断が、そのまま事業の収益構造に効きます。改善案を経営陣に説明し、技術上の選択を事業の投資判断につなげられます。AIと実装を進める開発組織で、変更を安全に届ける仕組みをつくる監視・CI/CD・IaCを横断して設計し、開発者が変更を本番へ届ける工程そのものを改善できます。AIで1人が出せる変更が増えるほど、本番を守りながら速度を落とさない仕組みの価値は上がります。その仕組みを、経営陣と優先順位から議論し、育てられます。人とAIの両方から使われるサービスのインフラを設計する人が使う画面、Data API、Claude・CursorなどのAIエージェントから使われるSalesNow MCP。人の1回の検索と、エージェントが連続で叩くAPIでは、負荷の性質がまったく違います。この3つを、同じ80億レコードのデータ基盤の上で同時に成り立たせるインフラを、形にできます。あなたの設計の良し悪しが、そのまま顧客企業の仕事が進む速さになります。数年後、AIを使えることは当たり前になります。差がつくのは、AI前提で仕事と組織を設計し直せるかどうかです。2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標へ、SREとして挑みます。開発者が安全に届けられる変更を増やし、インフラの改善を1人あたりの生産性につなげる仕事です。＜選考プロセス＞原則すべてのステップをオンラインで実施します。エントリー書類選考Web面談（2〜5回）リファレンスチェックオファー面談＜SalesNow Information＞採用サイト：https://recruit.salesnow.co.jp/全社資料：https://speakerdeck.com/salesnow/company-deckCulture deck：https://speakerdeck.com/salesnow/culture-deckCEO note：https://note.com/atsunori_muraokaCOO note：https://note.com/yosukekume

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。働き手が減る日本で、1人が生み出せる価値をどこまで増やせるか。企業データとAIで、BtoBの仕事の進め方そのものを組み替えることが、SalesNowの事業です。LLMエンジニアは、その土台となるデータの取得・加工で、モデル選定から品質評価、本番での改善までを担います。その土台が、1,600万件超の法人・組織データベースです。企業・組織・拠点・部署までをユニークに構造化し、レコード数は80億。企業データベース収録件数No.1です（2025年10月期・日本マーケティングリサーチ機構調べ）。この規模と粒度は、Webを集めるだけでは組み上がりません。SalesNowは独自の収集網「SalesNow Data Network」を3つのルートで持っています。1つめは、Web情報をAIで日次更新するデジタルの基盤で、数百万件規模のタスクをLLMを含む技術で処理します。2つめは、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集です。実地調査から紙の資料の読み取りまで、検索では出てこない情報を取りに行きます。3つめは、月間700万PVの自社メディア（企業版Wikipedia）に集まるユーザー投稿で、このユーザーのネットワークもアナログな収集の一部を担います。LLMエンジニアは、この3つのルートから来るデータの処理で、LLMが担う工程を設計します。データそのものにも独自性があります。独自のJCコードは、本社・工場・支社支店・店舗まで拠点ごとに一意のIDを振る体系で、多拠点やグループ会社を正確に串刺しできます。 組織図と部署の直通番号まで持ち、部署連絡先は750万件超。営業担当者が、代表電話を経由せずに狙う部署へ直接つながるためのデータです。拠点・部署の単位まで一意に扱うデータなので、LLMの出力も企業名の一致だけでは正しいと言えません。何をもって正しい出力とするかを、拠点・部署の単位で定めることになります。Web・アナログな収集・ユーザー投稿を組み合わせたこの基盤で、LLMによる補完結果を採用する条件と、人が根拠を確認する条件を、自分で設計できます。法人番号・社名・住所・電話・URL・メールの多角キーを15段階の優先度で照合して1社に収斂させます。確定しなかった企業は、AIワークフローを使って最新のWebから補完します。付与できる情報は50項目超。業種は大業界30件〜／小業界400件〜／事業内容3,000件〜の3層で持ち、従業員数は月次の時系列で追えます。分類の粒度も情報の時点も異なるため、項目ごとに何を正しい出力とするかを定めるのが、LLMの評価設計の中心になります。 AIの出力の品質は、参照するデータの品質で決まります。SalesNowは、AIと営業システムにデータを供給する、AI時代の企業データインフラです。LLMをどこに、どの基準で組み込むかが、その前提の精度をそのまま左右します。このデータは、企業データベース『SalesNow』の画面と、Salesforce・HubSpot・kintoneとの連携で届けています。Data APIはベータ版で、Company / News / Recruit / Organization の4種別です。企業の基本情報・ニュース・採用情報・組織情報の取得・加工と品質評価を設計します。法人・拠点・部署の違いと時系列の変化を踏まえ、データの性質に応じてLLMの処理方法を決めます。SalesNow MCPでは、Claude・CursorなどのAIエージェントから企業データを直接使えます。人が画面で読むときと、AIエージェントが直接呼ぶときでは、返すべき粒度と根拠の示し方が変わります。その線引きを決めるのが、LLMエンジニアの設計です。営業戦略コンサルティング、データ基盤の構築、AI実装、営業BPOまで一社で提供しています。プロダクト『SalesNow』が扱うのは営業の領域です。会社が企業データとAIで組み替えようとしている仕事は、営業に限りません。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。こうした企業に届けるデータの製造工程で、LLMの評価と改善が、そのまま本番の品質になります。営業の専門性・データ基盤・AIの先進性は、どれか1つなら他にもあります。3つが揃っているから、LLMの出力を実データで検証し、顧客の現場で使われるところまで一社の中で確かめられます。人を増やした分だけ売上が伸びる時代は、終わりました。 バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。この目標に届くかどうかは、データをつくる工程とプロダクトのAI機能で、LLMをどこにどう置くかに懸かっています。＜募集背景＞SalesNowのエンジニアは、データをつくる工程そのものにLLMを組み込んでいます。上場企業の開示資料をLLMで構造化し、データの判定には、人が定めた基準にもとづいてLLM as a Judgeを使います。LLMはAzure OpenAI（gpt-4o-mini）、Gemini Flash-Lite、Anthropicを用途ごとに併用しています。用途ごとに求める精度と、許容できるコスト・レイテンシを定める必要があります。評価基盤を設計し、その結果からモデルと処理方法を選び、データ取得・加工パイプラインに実装するLLMエンジニアを募集します。LLMで検索精度やレコメンドを高め、AIエージェントで開発の進め方を組み替える仕事も、この募集の範囲です。モデルの選び方ひとつで、1,600万件超のデータの精度と1件あたりの費用が変わります。リリース後も精度・コスト・レイテンシの改善まで担います。＜入社後に取り組む課題＞LLMを本番のデータ製造工程に載せ、LLMで処理する範囲と人が判断する範囲を設計します。評価するデータと基準を定め、コストと判定品質の両方を確かめますAI出力を採用する条件と「特定不可」にする条件を定め、出力と根拠を検証する品質評価基盤を設計・実装します社内では、フリーランス求人から常駐先企業を推定するロジックを、AIを使って独立検証しました。根拠を確認できない企業特定が多く見つかり、ロジックとマッチ率の表示を修正しました。この事例が出発点ですデータ取得1件あたりの費用を確かめます。コストが読めない処理は、小さくつくってから見積もります。必要な精度を満たしたまま、本番で回せる費用に収めるところまでが、この仕事の範囲です＜お任せしたい業務内容＞LLMを使ったデータ取得・加工パイプラインの設計・実装複数LLMの特性評価と、用途ごとの最適モデル選定・パイプライン設計プロンプトの設計・最適化と、AI出力の品質評価基盤の構築プロダクトのAI機能の設計・実装データ製造工程でのLLM活用。上場企業の開示資料の構造化や、LLM as a Judge による品質評価を設計・実装しますAI機能のリリース後の、精度・コスト・レイテンシの継続的な改善機能実装後の、開発チームへの技術サポート開発支援（例：AIによるテストなど）生成AI関連の技術トレンドの調査・検証と、チームへの還元プロジェクトの進捗管理・品質管理・スケジュール管理※従事すべき業務の変更の範囲：有り＜利用する技術・ツール＞言語: Python（FastAPI）、TypeScript（Next.js）、SQLデータベース・検索: PostgreSQL（Aurora）、Elasticsearch / OpenSearchインフラ: AWS、GCP、Fastlyデータ: Scrapy、Airflow、Spark on Databricks、S3AI・LLM: Amazon Bedrock（Claude系）、Azure OpenAI、Claude、Gemini、Dify（AWS上で稼働）、n8n（AWS上で稼働）開発ツール: Claude Code、Codex、Cursor、GitHub Copilot、CodeRabbit、ChatGPT、Perplexityデザイン: Figmaコミュニケーション: Slack、GitHub、Notion、Asana、Google Workspaceメンターとの1on1や技術勉強会で、自分の設計判断を相談できます。モデル選定や品質評価で得た知見は、勉強会でチームの開発に還元します。＜AIとの働き方＞AIツールへの支出は、1人あたり月平均10万円以上です。Claude・Geminiは全員が使え、Codexも併用しています。どのモデルを何に使うかは、日々の開発で比べて自分で選びます成果物について複数のLLMにレビューを依頼し、人が根拠を確認して採否を決めますAIツールは乗り換えやすいよう月額で契約しています。新しいモデルを精度・コスト・レイテンシで評価し、本番に採用するモデルと処理方法を自分で設計できます。データを学習に使わせない設定は全員に求めています。企業データを扱うときの運用条件も、モデル選定の判断材料に入ります目的と予算を合意したあとは、担当者が進め方を決めます。AIで処理する範囲、人が判断する範囲、使うツールも自分で決めます。自らコードを書く経営陣と、モデル選定の技術的な根拠と費用を直接議論できます＜ポジションの魅力＞① LLMを、PoCではなく本番のデータ製造工程で動かす1,600万件超・80億レコードの法人・組織データベースをつくる本番の工程に、LLMを組み込みます。上場企業の開示資料をLLMで構造化し、人が定めた基準にもとづくLLM as a Judge でデータを判定します。LLMを使った検索精度やレコメンドの改善も、担当範囲です。取得・加工したデータの品質を高め、利用者が必要な企業情報にたどり着ける機能まで設計します。日次で更新する基盤が数百万件規模のタスクを処理しており、1件の判定の誤りがそのまま顧客の判断材料の誤りになります。企業データベース収録件数No.1（2025年10月期・日本マーケティングリサーチ機構調べ）の製造工程で、評価用データと基準の設計から、モデル・処理方法の選定、リリース後の改善までを担います。実データでモデルを比べ、必要な精度を満たす処理を、運用できる費用と速度で設計する力を磨けます。② モデルが入れ替わっても崩れない設計力を磨くAzure OpenAI・Gemini・Anthropicを用途ごとに併用しています。企業・拠点・部署まで扱う取得・加工のパイプラインで、精度・コスト・レイテンシを比べ、採用するモデルを自分で選びます。新しいモデルが出たら、本番の評価データで比べ、優れていれば切り替えられます。独自データの品質を保ちながらモデルを更新するなかで、モデルが変わっても使える評価基準と切り替え手順を自分で設計します。③ 「特定不可」と言い切れる品質基準を、自分で決めるWeb・アナログな収集・ユーザー投稿を束ねる独自データで、個々の出力と根拠を検証します。実データで見つけた誤りから、採用できる出力と「特定不可」にする出力の基準を定め、評価基盤を設計・実装します。回答の正しさに加え、回答を出してよい条件まで設計する、本番LLMの品質管理の専門性を磨けます。④ データからユーザー体験までを見通して、LLMの使いどころを決めるSalesNowの企業データは、画面・Salesforce/HubSpot連携・Data API・SalesNow MCPを通じて、人とAIエージェントの双方が利用します。独自のJCコードと部署の直通番号を扱うので、正しさの基準を拠点・部署の単位で定める必要があります。企業名の一致だけでは解けない品質課題に取り組めます。人とAIエージェントの利用場面から定めた品質基準を、取得・加工からLLM出力の評価まで一貫して適用し、データの使われ方から逆算した製造工程の設計が可能です。⑤ 経営と直接議論し、会社の生産性目標を技術で動かす2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。処理費用と判定精度の改善が、データ製造工程の生産性をどれだけ動かすかを測ります。その数字を根拠に、自らコードを書く経営陣と、次にLLMを組み込む工程・必要な品質基準・開発の優先順位を直接決められます。数年後、AIを使えることは当たり前になります。差がつくのは、AI前提で仕事と組織を設計し直せるかどうかです。SalesNowのLLMエンジニアは、人が判断する範囲とAIで処理する範囲を自分で線引きし、チームが成果を出す工程そのものを組み替える経験を積めます。＜選考プロセス＞原則すべてのステップをオンラインで実施します。エントリー書類選考Web面談（2〜5回）リファレンスチェックオファー面談＜SalesNow Information＞一緒に働くメンバーのインタビュー（インターンから正社員になり、API／MCPを開発しているエンジニア）：https://note.com/salesnow/n/na813feacc9cb採用サイト：https://recruit.salesnow.co.jp/全社資料：https://speakerdeck.com/salesnow/company-deckCulture deck：https://speakerdeck.com/salesnow/culture-deckCEO note：https://note.com/atsunori_muraokaCOO note：https://note.com/yosukekume

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。企業データとAIで、BtoBの仕事の進め方そのものを組み替え、1人が生み出せる価値を増やすことに取り組んでいます。GTMエンジニアにとってSalesNowは、日本の企業データの供給元の内側で、そのデータを使って自社の売上をつくれる場所です。事業の土台は、企業・組織・拠点・部署までをユニークに構造化した1,600万件超の法人・組織データベース（80億レコード）です。これをAI時代の企業データインフラとして、AI・営業システムに供給しています。AIの出力の品質は参照するデータの品質で決まるので、GTMエンジニアはスコアリングやワークフローの精度を、土台のデータから設計できます。データの集め方は3つのルートの組み合わせです。1つ目は、Web情報をAIで日次更新する基盤です。数百万件規模のタスクをLLMを含む技術で処理しています。2つ目は、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集です。実地調査から紙の資料の読み取りまで手作業で行い、検索では出てこない情報を取りに行きます。3つ目は、自社メディアに集まるユーザー投稿です。ユーザーのネットワークが、アナログな収集の一部も担っています。検索では見つからない情報が手元にあるので、競合と同じリストから抜け出すターゲティングの設計が可能です。データそのものにも独自性があります。独自のJCコードは、本社だけでなく工場・支社支店・店舗まで拠点ごとに一意のIDを振り、多拠点やグループ会社を正確に串刺しできます。名寄せでは、法人番号・社名・住所・電話・URL・メールを照合して1社に収斂させています。この仕組みがあるので、複数の経路で得たリードを企業単位で捉え直し、スコアリングやパイプライン分析に生かせます。組織図と部署の直通番号も持っています（部署連絡先は750万件超）。代表電話を経由せず狙う部署に直接届く経路を、そのまま設計に組み込めます。従業員数は、月次の推移で追えるデータです。採用の増加・資金調達・拠点の開設といった企業の動きもシグナルとして捉えているので、「なぜ今この企業か」から当てる時期まで設計できます。GTMエンジニアが扱うのは、このデータインフラです。どの企業属性とどのシグナルの組み合わせが商談化と受注につながるかを、自分でスコアリングに組み込んで検証できます。企業データベース『SalesNow』の画面に加え、Data API（ベータ版）・SalesNow MCP から、人とAIの両方が使える形で届けています。担当者が商談に集中できるよう、商談準備のレポートや議事録のSFA登録はAIワークフローが支えます。企業データベース収録件数No.1です（2025年10月期・日本マーケティングリサーチ機構調べ）。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。シリーズB目前のいま、自分の実装が商談化率・受注率にどう効いたかをCEO/COOと直接検証し、事業の伸び方を動かす経験を積めるのも、この仕事の特徴です。SalesNowの事業・プロダクト・組織の雰囲気は、採用サイトでも紹介しています。 https://recruit.salesnow.co.jp/＜GTMエンジニアとは＞GTMエンジニア（Go-To-Market Engineer）は、営業・マーケティング・エンジニアリングを横断し、コードとデータで売上をつくるプロセス全体を設計する職種です。米国ではClayやApolloとともに、売上をつくるエンジニアの職種として広がりました。SalesNowでは、企業データを持つ会社のデータ基盤の内側に立ち、売上目標まで持つ形でこの職種を実践できます。営業・RevOpsの経験を、コードとデータで収益プロセスを設計するキャリアへ広げられます。＜募集背景＞人を増やした分だけ売上が伸びる時代は、終わりました。 働き手が減るなかで1人あたりの生産性を上げるには、人数ではなく、リード獲得から受注までの仕組みを設計し直す必要があります。SalesNowは、まず自分たちの営業でこの仕組みを組み替えてきました。商談の全文は tl;dv に残ります。Zoom Phone での通話は、Amptalk が文字起こしとAI要約をSalesforceへ書き込みます。名刺は写真をSlackに送れば、OCR、名寄せ、リード登録まで通ります。営業本人の入力はほぼゼロになり、翌日の商談準備は前日のうちに整っています。GTMエンジニアは、この配線が通った状態から始められます。記録を残す仕組みをつくり直すところからではなく、どの打ち手が受注につながったかを検証するところから入れます。次は、いま動いているスコアリングとルーティングを商談化率と受注率で検証して精度を上げ、ナーチャリングまで含めた営業プロセスを組み直す段階です。人数を増やさずに売上が伸びる仕組みを、設計から構築まで自分の手でつくるGTMエンジニアを募集します。＜ミッション＞1,600万件超の法人・組織データベースとAIを使い、リード獲得からクロージングまでの「売れる仕組み」を設計・構築・改善し、売上目標の達成に責任を持つCEO/COO直下で、GTM戦略の立案から実行基盤の構築までを一気通貫で担い、事業成長を引っ張る＜お任せしたい業務内容＞GTMシステムの設計・構築：リード獲得→スコアリング→ルーティング→ナーチャリング→商談化の全パイプラインを、AIとデータで組み直し、改善し続けるデータエンリッチメント基盤の構築：1,600万件超の法人・組織データベースを使い、リードに企業属性とシグナル（採用の増加・資金調達・拠点の開設など企業の動き）を付与する。営業が次の一手を判断する材料を、商談の前に揃えるAIエージェント／ワークフロー構築：Claude Code、MCP Server、社内APIなどを使い、商談準備レポートの生成、見込み客アラート、解約予兆の検知などのワークフローを開発するRevOps基盤の整備：SalesforceなどのCRMを最適化し、商談化率・受注率を追うダッシュボードを構築する。パイプライン分析をもとに、改善箇所の特定から施策の優先順位づけまで担う業績責任：パイプライン創出量、商談化率、受注率などのKPIにオーナーシップを持ち、CEO/COOと事業目標を追う※従事すべき業務の変更の範囲：有り＜入社後に取り組む課題＞問い合わせが入ったリードには、企業データと直近の求人をもとに、対応する営業担当者と初回に伝える内容の候補をAIで整理し、人が選んでいます。この候補が商談化と受注にどうつながったかを検証し、スコアリングとルーティングを改善します商談全文はtl;dvに、通話の文字起こしとAI要約はSalesforceに残ります。Slackに送った名刺写真も、OCR・名寄せを経てリード登録につながっています。これらを企業データと合わせ、商談化率・受注率を追うダッシュボードを構築します。分析結果から、改善する施策と優先順位を決めます＜利用するツール・技術＞Salesforce / tl;dv / Zoom Phone / Amptalk / Slack / Google Workspace / Notion / Claude Code / Codex / Gemini / Python / SQL / API連携＜AIを前提にした働き方＞バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。GTMエンジニアがつくる仕組みは、1人あたりの成果に直接効きます。その効き方は経営陣と一緒に数字で確かめますAIツールへの支出は、1人あたり月平均10万円以上です。全員が使えるClaude・GeminiにCodexも併用できます。スコアリングの設計、ワークフローの実装、効果検証のそれぞれに合うモデルを選べるので、1人で試せる仮説の数が増えますスコアリングの設計やワークフローの実装は、複数のLLMにレビューを依頼し、採否は人が根拠を確認して決めます。1人で組んだ仕組みでも、多角的に検証してから自社の営業で動かせます目的と予算を合意したあとは、担当者が進め方を決めます。どこまでをAIに準備させ、どこから自分で判断するかも、担当者が線を引きます経営陣もコードを書き、職種を問わずAIで自分の仕事を組み替えています。実装の話がそのまま経営陣に通じる環境で、GTMエンジニアは同じ売上目標を直接追います＜ポジションの魅力＞1,600万件超の法人・組織データベースを、データ基盤の内側から使えるClayやApolloのような外部のツールを契約して使うのではなく、1,600万件超の法人・組織データと企業のシグナルを、データ基盤の内側から扱えます。組織図や部署の直通番号、拠点ごとに一意のJCコードまで手元にあるので、多拠点・グループ会社を串刺しにした「誰に当てるか」の設計まで自分で組めます。データの加工で止まらず、どの切り方が受注につながったかの検証まで、1人で回すことも可能です。設計した仕組みを、自社の営業ですぐに試せるtl;dvに残る商談全文や、Salesforceに記録される通話の要約を使い、顧客との会話と商談化・受注の結果を結びつける検証を設計できます。自分で組んだスコアリングやルーティングを自社の営業で動かし、商談化率と受注率で効果を確かめ、次の改善に回せます。売上に責任を持ち、CEO/COOと直接つくるCEO/COO直下で、パイプライン創出量・商談化率・受注率に責任を持ちます。GTM戦略の立案から実行基盤の構築までを一気通貫で担い、経営陣と同じ数字を見て決めた打ち手を、自分で実装し、商談化率と受注率で結果を持ち帰れます。戦略を決める場に、実装できる人として入る経験を積めます。自分の検証結果が、顧客に届くプロダクトを変えるGTMエンジニアは、Data API・SalesNow MCP・AIワークフローを自社の売上の現場で使い込みます。どの企業属性とシグナルが受注に効いたかという検証結果は、顧客に届けるプロダクトの改善の材料になります。自分の実装が、自社の売上と、導入企業の営業の両方を動かします。身につくもの米国で広がったGTMエンジニアリングを、日本の企業データと業績責任のセットで実践した経験。社員1人あたりARRを3年で10倍にする目標（2025年11月起点）に向けて、1人あたりが生み出せる価値を増やす仕組みを1,600万件超のデータの内側から設計し、パイプラインと受注の数字で検証した実績が残ります。2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。GTMエンジニアは、その設計を売上の現場で毎日続ける仕事です。一緒に働くメンバーのインタビュー（商談前後の準備と記録をAIで組み直しているAI Opsのメンバー）： https://note.com/salesnow/n/n2f8403a5a027＜選考プロセス＞書類選考面接（複数回）リファレンスチェックオファー面談

CEO/COO直下でプロダクト戦略を立て、自らバイブコーディングで仮説を試作します。仕様書を書いてエンジニアに渡すだけの役割ではありません。エンジニアと技術的な選択肢を議論し、顧客検証の結果から開発の優先順位を決めます。＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。働き手が減る日本で、1人が生み出せる価値をどこまで増やせるか。企業データとAIで、BtoBの仕事の進め方そのものを組み替えることが、SalesNowの事業です。その土台が、1,600万件超の法人・組織データベースです。企業・組織・拠点・部署までをユニークに構造化し、レコード数は80億。企業データベース収録件数No.1です（2025年10月期・日本マーケティングリサーチ機構調べ）。この規模と粒度は、Webを集めるだけでは組み上がりません。独自の収集網「SalesNow Data Network」では、AIによるWeb情報の日次更新、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集、月間700万PVの自社メディア（企業版Wikipedia）へのユーザー投稿を組み合わせています。アナログな収集は実地調査から紙の資料の読み取りまでを含み、ユーザーのネットワークもその一部を担います。PdMは、検索では得られない情報も製品設計に使い、顧客課題に応じたデータの組み合わせをプロトタイプで検証できます。データそのものにも独自性があります。独自のJCコードは、本社・工場・支社支店・店舗まで拠点ごとに一意のIDを振る体系で、多拠点やグループ会社を正確に串刺しできます。組織図と750万件超の部署連絡先を使い、顧客が狙う部署を特定し、代表電話を経由せずにアプローチできる体験を設計できます。PdMは、このデータを画面・CRM連携・APIのどの形で届ければ顧客の業務が変わるかを、試作と検証で確かめることが可能です。法人番号・社名・住所・電話・URL・メールを15段階の優先度で照合する名寄せ技術があります。PdMはこの技術とJCコードを土台に、顧客の企業リストを企業・拠点の情報につなぐ製品を設計できます。50項目超の情報と、大業界30件〜／小業界400件〜／事業内容3,000件〜の分類も利用可能です。この情報の厚みと粒度を使い、業界ごとの顧客課題に合わせたプロダクト要件を定義できます。AIの出力の品質は、参照するデータの品質で決まります。SalesNowは、AIと営業システムにデータを供給する、AI時代の企業データインフラです。このデータは、企業データベース『SalesNow』の画面、Salesforce・HubSpot・kintoneとの連携、Data API（ベータ版）、Claude・CursorなどのAIエージェントから直接使えるSalesNow MCPで届けています。営業戦略コンサルティング、データ基盤の構築、AI実装、営業BPOまで一社で提供しています。顧客の業務に入って運用まで担うチームが社内にいるので、PdMは推測ではなく実際の運用を根拠に、何をプロダクトの機能にし、何を支援サービスで担うかを決められます。プロダクト『SalesNow』が扱うのは営業の領域です。会社が企業データとAIで組み替えようとしている仕事は、営業に限りません。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。PdMは、顧客の業務理解を起点に、画面の機能改善にとどまらず、顧客の仕事の進め方を変えるプロダクトを構想できます。SalesNowの事業・プロダクト・組織の雰囲気は、採用サイトでも紹介しています。 https://recruit.salesnow.co.jp/＜募集背景＞人を増やした分だけ売上が伸びる時代は、終わりました。 働き手が減るなかで、顧客が1人あたりの生産性をどこまで上げられるかは、SalesNowがどんなプロダクトを出すかで決まります。顧客が企業データベース『SalesNow』に求めているのは、データを使って仕事の進め方が変わることです。何を製品にすれば結果が変わるかを決めるのが、このポジションです。提供形態はすでに、画面、Salesforce・HubSpot・kintone連携、AIワークフロー、SalesNow MCP、Data API（ベータ版）に広がっています。同じデータを届ける形が増えるほど、何をつくり、何をつくらないかの判断は難しくなり、その判断が事業の伸びを左右します。募集するのは、顧客の課題を特定し、受注率・更新率への影響から開発の優先順位を決めるPdMです。決めた仮説は、自分でつくったプロトタイプで検証まで進めます。CEO/COOと次の事業成長を担うプロダクトを構想し、その場で動くものにできる立場です。＜ミッション＞1,600万件超の法人・組織データベースを軸に、複数の提供形態を横断するプロダクト戦略を立てます。扱える情報は、Webから集まるものに限りません。実地調査や紙の資料の読み取りで集めた一次情報も、自社メディアに集まる投稿も、製品の材料にできます。このデータを生かし、既存プロダクトの改善と新規プロダクトの開発を進めます。「この拠点のこの部署に、今この理由で」という粒度の情報と企業の動きを手がかりに、解くべき顧客課題を選びます。画面・CRM連携・AIワークフロー・MCP・APIから提供形態を選び、SalesNowの次の成長の柱となるプロダクトをつくります。＜お任せしたい業務内容＞CEO/COO直下で、次の業務を担っていただきます。プロダクト戦略・企画マルチバーティカル戦略に基づくセグメント別プロダクト要件の定義画面 / CRM連携（Salesforce・HubSpot・kintone）/ SalesNow MCP / Data API / AIワークフロー、各提供形態の優先順位付けとロードマップ管理競合分析・市場調査に基づくポジショニングと差別化戦略の策定AI駆動開発（バイブコーディング）Claude Codeなどを使ったプロトタイプの高速構築仮説→プロトタイプ→ユーザー検証→改善のサイクルを週単位で回すエンジニアとペアプログラミングしながらプロダクト品質を担保するユーザー課題の特定と検証顧客インタビュー、Salesforceの利用データ、サポート問い合わせの分析エンタープライズ顧客（金融・人材・大手事業会社）の業務フロー理解と課題抽出データエンリッチメント・営業プロセスの仕組み化など、新規ユースケースの探索経営直結のプロダクトマネジメント週次の経営会議でプロダクト戦略と進捗を報告し、意思決定に参画するARR / NRR / チャーン率に紐づくプロダクトKPIの設計と追跡営業・アカウントマネジメントチームと連携した、受注率・更新率の向上施策※従事すべき業務の変更の範囲：有り＜入社後に取り組む課題＞このポジションで向き合うテーマには、例えば次のようなものがあります。採用の増加・資金調達・拠点の開設などの企業の動き（シグナル）と企業情報を組み合わせ、営業が「なぜ今この企業か」を判断するための情報を定義しますシグナルを検知したらSFAにToDoを起票する使い方と、業績の下方修正・求人の停止から解約の予兆をつかむ使い方について、顧客の業務フローを整理しますこれらの業務を、画面・CRM連携・SalesNow MCP・Data APIのどれでどう支えるかを設計しますData API（ベータ版）のCompany・News・Recruit・Organizationの4種別を、どの顧客のどの業務に向けて広げるかを決め、要件とロードマップに落としますClaude・CursorなどのAIエージェントがSalesNow MCPから企業データを呼ぶとき、どの粒度・どの形で返せば価値が届くかを設計しますAIワークフローとして、商談準備のレポート、議事録のSFA登録、リードのスコアリング、BANTの抽出を、どの形で顧客に届けるかを決めます。担当者が商談に集中できるよう、準備と記録をAIが支える形を、CRM・Slack・Notionとの連携まで含めて設計しますどれも顧客の現場で使われている業務に直結するテーマで、決めた設計の成否を、受注率・更新率で確かめられます。＜利用するツール・技術＞Figma / Claude Code / Codex / Gemini / Cursor / Salesforce / Slack / Google Workspace / Notion / Python / TypeScript / SQL / API連携＜AIを前提にした働き方＞バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。PdM自身もAIで試作と検証の進め方を組み替えます。1人で仮説からプロトタイプ、顧客検証までを回せるので、エンジニアの手が空くのを待たずに次の打ち手を決められますClaude・Geminiは全員が使え、Codexも併用します。仮説の整理・試作・レビューに応じてモデルを使い分け、顧客検証に持ち込む論点と試作品を磨けますPdM自身が複数のLLMに成果物のレビューを依頼します。各指摘の根拠を検証して採否を決め、品質を判断した理由を自分の言葉で説明します目的と予算を合意したあとは、担当者が進め方を決めます。PdMなら、どの仮説をどの顧客で、どのツールを使って検証するかを自分で決められます職種を問わず、AIで自分の仕事を組み替えることを求めています。経営陣もコードを書くので、仕様の実現方法と事業への影響を、決裁する相手と直接詰められます＜ポジションの魅力＞① CEO/COO直下で、自分の判断が事業の伸びに直結する週次の経営会議でプロダクト戦略を報告し、意思決定に参画します。経営会議で優先すると決めた仮説を自らプロトタイプにし、金融・人材・大手事業会社などのエンタープライズ顧客へのインタビューでその価値を確かめられるのも、この仕事の特徴です。ヤマト運輸・パナソニック・LINEヤフーなどへの導入実績がある製品で、大企業の業務フローを踏まえ、何をつくり、何をつくらないかを決められます。機能の改善が受注率・更新率・ARR・NRR・チャーン率にどう結びついたかをCEO/COOと振り返り、その結果をそのまま次の開発投資の判断に持ち込めるので、この往復を通じて、事業への影響から開発の優先順位を決める力を磨けます。② 検索では出てこないデータを出発点に、何を解くかから考えられるJCコードで拠点ごとに一意のIDを振り、組織図と750万件超の部署連絡先まで持っています。「本社ではなく、この工場の購買部」まで指せる粒度の製品を、データを集める工程から始めずに設計できます。数万人規模の調査網と社内の体制がアナログに集めた情報、自社メディアのユーザー投稿までが、製品を設計するときの素材です。顧客の判断に必要なデータの粒度をプロトタイプで検証し、拠点・部署ごとの課題を製品要件に落とし込む経験を積めます。③ 提供形態が広がるフェーズで、何をつくらないかまで決める画面、CRM連携、AIワークフロー、SalesNow MCP、Data API。どの形に投資し、何をつくらないかを決める裁量が大きいポジションです。判断を誤れば開発の手が分散する局面で、その意思決定を任されます。80億レコードのデータ基盤を使い、画面・SalesNow MCP・Data APIを横断して、顧客の業務に必要な情報をどの粒度・形で届けるかを設計できます。選んだ提供形態の成果を事業指標で検証し、次の開発投資に反映するところまで担える立場です。④ 自分で動くものをつくる、AI時代のPdM像を定義するPdMも、Claude Codeなどでプロトタイプを自分でつくります。AIツールへの支出が1人あたり月平均10万円以上（会社負担）ある環境で、仮説を自ら試作し、週単位で顧客検証と改善を回します。経営陣もコードを書くので、試作品の技術的な選択肢まで直接議論できます。社員1人あたりARRを3年で10倍にする目標（2025年11月起点）のもと、PdM自身も試作と検証の進め方を組み替え、生産性を高める仕事の設計を実践することが可能です。仕様書ではなく動くもので経営と顧客を動かすPdMの進め方を、80億レコードのデータを素材に、自分の実績として確立できます。2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。SalesNowでは、それを毎日の仕事で実践しています。＜選考プロセス＞書類選考面接（複数回）リファレンスチェックオファー面談

＜About SalesNow＞SalesNow's mission is 「誰もが活躍できる仕組みをつくる。」 (Create systems where everyone can thrive), and we are taking on the challenge of fundamentally changing how people work. Japan's workforce is shrinking, so the question is how much more value one person can create. SalesNow answers it by rebuilding how business-to-business work is done, using corporate data and AI.The foundation is a database of over 16 million corporate and organizational records, uniquely structured down to companies, organizations, branches, and departments. The data infrastructure behind it holds 8 billion records. SalesNow ranks No.1 in corporate database record count (企業データベース収録件数No.1; period ending October 2025; research by Japan Marketing Research Organization / 日本マーケティングリサーチ機構).＜Why This Role Exists＞The era when revenue grew in proportion to headcount is over. More of the value one person creates now comes from working together with AI, and AI can only support good decisions when it works on accurate data about each company. Building that data is the job.A large part of this data never appears on the web at all: it comes from offline collection by tens of thousands of researchers and our own in-house team, and from contributions by users of our own media. Resolving a single company identity out of sources like these, rather than out of a public dataset, is the engineering problem you take on here. SalesNow is approaching Series B, and we have set a goal to grow ARR per employee tenfold in three years, starting from November 2025. That goal only works if the data is right, which puts data engineering at the center of how this company grows. We are hiring data engineers who design how corporate data is collected, integrated, and verified, and who make it usable by both people and AI.The team in VietnamThree Vietnamese members already work with us, and we plan to hire five to ten more. You join a cross-language workflow that already runs, and you help shape how the Vietnam team works as it grows.＜What You Will Build＞Company profiles that combine company overview, job postings, IR, services, technologies and tools in use, advertising, organizations and departments, and contact details, matched down to branch level with our own JC code. You decide how these sources merge so each company ends up with exactly one profileSignals that capture company moves, such as hiring increases, funding rounds, new offices, overseas expansion, downward earnings revisions, and paused job postings. Sales teams use these signals to decide which companies to approach and when. You design the validation checks that make those signals reliable enough to act onAirflow (MWAA) DAGs for our job-posting sources, where you decide how anomalies are detected, how runs recover, and what "collected correctly" means for each sourceA Databricks and Delta Lake platform in three layers (raw, cleansed, serving), with job definitions in Terraform. Where a record is cleaned, and what is allowed into the serving layer, are your design callsData delivered through the SalesNow web app, Salesforce and HubSpot integrations, the Data API, SalesNow MCP (used directly from AI agents such as Claude and Cursor), and AI implementation projects for customers. A schema decision you make shows up both in a customer's CRM and in the answers an AI agent gives＜Your Technical Challenges＞Data collection and ingestionDesign and implement large-scale web scraping systems that reliably extract structured data from many heterogeneous sourcesBuild API integration pipelines for partner data feeds, with schema validation and anomaly detectionArchitect real-time ingestion pipelines for daily updates with sub-minute latency targetsData transformation and qualityBuild and maintain dbt models that transform raw data into the unified SalesNow schemaDefine data quality SLAs (accuracy, completeness, freshness) and build monitoring dashboards that alert before customers noticeImplement entity resolution and deduplication at scale: matching company records across sources with different formats, naming conventions, and identifiersInfrastructure and orchestrationOrchestrate complex Airflow DAGs across collection, transformation, enrichment, and deliveryOptimize PostgreSQL and Elasticsearch / OpenSearch clusters for 8 billion records with millisecond query responseDesign fault-tolerant pipelines that recover automatically from failures, with clear observability at every stageAI pipeline integrationFeed structured data into RAG pipelines and AI agent systems via SalesNow MCPBuild data delivery layers that AI agents query in real time for enterprise customer workflowsWork with Amazon Bedrock, Claude, and Gemini to improve how AI systems use structured corporate dataProblems we are working on nowDecide whether a job posting is still open. Closure-detection logic is split across three systems, and behavior differs by source. Some sources do not show closure status on their listing pages, so closing postings by diff can wrongly close them when a crawl misses a page. For each source, you weigh the risk of marking an active posting as closed against the risk of leaving an expired posting openDesign the process that collects every company's website information and keeps tracking changes, so company overviews and service information stay currentVerifying our own data against evidenceWhen we had AI independently verify our logic for inferring the client company behind freelance job postings, only 12 of 100 cases could be identified with confirmed evidence. We revised the logic so that cases without enough evidence are marked "cannot identify." Here you are expected to question the data, including the output of your own pipelines, and when the evidence falls short, you have the authority to change the logic.Scope of dutiesScope of changes to the duties you will perform: yes (従事すべき業務の変更の範囲：有り)＜How We Work with AI＞Everyone can use Claude and Gemini, and we also use Codex. You choose the model that fits each taskWe ask multiple LLMs to review our work, and people check the evidence and decide what to adopt. For data checks, we use LLM as a Judge with criteria that people set. CodeRabbit runs a first review on pull requestsInstructions written for AI go through pull request review, the same as code, so prompts and agents are engineered with the same rigor as production pipelines. Deliverables are managed on GitHubOnce the goal and budget are agreed, the person in charge decides how to proceed, where to use AI, and which tools to use. For data collection, you also own what each record costs to obtain, and every pipeline you design is judged on both accuracy and unit costEvery role is expected to redesign its own work with AI. Our leadership team writes code too, so you discuss technical trade-offs with people who buildAcross the company, 2,229 pull requests were merged in the 30 days up to 12 September 2026. At that pace, you judge AI-assisted pipeline changes against real data, failure modes, and operating costs＜Tech Stack＞Languages: Python (FastAPI), SQL, ScalaData transformation: dbtOrchestration: Airflow (MWAA)Data processing: Databricks (Spark / Delta Lake), ScrapyInfrastructure as code: TerraformDatabases: PostgreSQL, Elasticsearch, OpenSearchCloud: AWS (primary), VercelAI/ML: Amazon Bedrock, Claude, GeminiDevelopment tools: Claude Code, Codex, Cursor, GitHub Copilot, CodeRabbitCI/CD: GitHub ActionsCommunication: Slack, GitHub, Notion＜Working Across Languages＞No Japanese required. English is the working language for engineering: code, pull requests, technical documents, and standupsWork comes with a PRD. Both sides agree on the requirements and the deadline before you start, so you spend your time on design and codeGitHub, Notion, and Slack are translated. Pull requests, documents, and daily discussions all pass through translation, so you follow every discussion without JapaneseCompany-paid AI translation. Members who do not speak Japanese discuss work with Japanese colleagues through AI simultaneous interpretation, and interviews run the same way＜Hiring Process＞Application review (resume + brief answers to 3 technical questions)One-day selection event, completed in a single day: a data pipeline exercise on a realistic scenario (2-3 hours), a technical interview (60 min) covering your past work and system design, and a culture fit conversation with the engineering lead (30 min)OfferTimeline: 2-3 weeks from application to offer＜Equal Opportunity＞We are an equal opportunity employer and evaluate candidates on skills, experience, and potential, regardless of nationality, gender, age, or background.＜Links＞Interview with an engineer on our team, who joined as an intern and now develops SalesNow MCP and our API (Japanese): https://note.com/salesnow/n/na813feacc9cbCulture deck (Japanese): https://speakerdeck.com/salesnow/culture-deck

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。BtoBの仕事の進め方を、企業データとAIで組み替え、1人が生み出せる価値を増やす。それがSalesNowの事業です。AI時代の企業データインフラをつくっています。企業・組織・拠点・部署までを構造化した1,600万件超の法人・組織データベースを持ち、データ資産は80億レコードに及びます。企業データベース収録件数No.1（2025年10月期・日本マーケティングリサーチ機構調べ）です。このデータは、独自の収集網「SalesNow Data Network」の3つのルートから集めています。Web情報をAIで日次更新する基盤、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集、月間700万PVの自社メディアに集まるユーザー投稿。アナログな収集は実地調査から紙の資料の読み取りまで及び、自社メディアのユーザーネットワークもその一部を担います。この3つを組み合わせ、検索では出てこない組織図や部署の直通番号まで取りにいっています。独自のJCコードで、本社だけでなく工場・支社支店・店舗まで拠点ごとに一意のIDを振り、多拠点やグループ会社を正確に串刺しできます。法人番号・社名・住所・電話・URL・メールの多角キーで照合し、15段階の優先度で1社に収斂させる名寄せも、自分たちで設計しています。このデータ基盤と、人が結果を検証・修正できるUIの両方を手掛けられるので、データの品質を使いやすさにつなげる設計力を磨けます。顧客は企業データベース『SalesNow』でターゲット企業を特定し、採用の増加・資金調達・拠点の開設といったシグナルからアプローチの時期をつかみます。この判断を支える検索性能とUIの両方を改善し、企業データを顧客が使いこなせる体験へ変える仕事です。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。＜なぜ今SalesNowか＞15〜64歳の生産年齢人口は、1995年の8,716万人をピークに減り続け、2023年には7,395万人になりました（内閣府「令和6年版 高齢社会白書」）。人を増やした分だけ売上が伸びる時代は、終わりました。働き手が減るなかで、1人が生み出せる価値を増やすことが求められています。AIが業務に入り込むほど、成果はAIが前提にするデータの質で分かれます。SalesNow MCPでは、企業データをMCPサーバーとして提供し、Claude・CursorなどのAIエージェントから直接使えるようにしています。Web画面に加え、AIエージェントから企業データを利用する接点まで、設計する領域を広げられます。私たち自身も、組織が大きくなる前にAI前提の組織へつくり替えました。バリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。その目標に向けて、エンジニア自身が実装・レビューの進め方を変え、1人が設計からリリースまで担える範囲を広げていきます。＜募集背景＞SalesNowは、企業データベース『SalesNow』の画面とSalesforce・HubSpot連携に加え、Data API（ベータ版）・SalesNow MCPへと、企業データの届け方を広げています。届け方が増えるほど、同じデータを画面・API・AIエージェントのどこから引いても正しく速く返す設計が要になります。担当領域のデータ設計から実装・運用まで、一貫して担うWebエンジニアを募集します。PdMや経営陣と目的・予算を合意したうえで、技術選定や設計を主体的に進められます。この募集は【地方採用枠】です。関西や熊本など地方在住のメンバーが、技術選定やアーキテクチャ設計まで担い、プロダクトの中核を動かしています。＜ミッション＞1,600万件超の法人・組織データを前提に、大手企業の業務の現場でAIが正しく動き続けるよう、担当者がプロダクトを成立させることです。AIの出力の質は、参照するデータの質で決まります。そのデータインフラと、それを使う画面の両方を設計できるのがこのポジションです。機能を足すだけでなく、データ設計・アーキテクチャ・評価基盤まで含めて、プロダクト全体を進化させます。＜お任せしたい業務内容＞PdMなどと連携し、『SalesNow』の設計・開発・運用を担います。以下の領域から、適性・経験・志向・事業状況に応じて主担当を決めます。技術選定、アーキテクチャ設計、実装大規模な法人データ基盤の構築・運用（PostgreSQL / Elasticsearch / DynamoDB / S3 / Databricks / n8n / LLM）高頻度アクセス・大量データに対応するパフォーマンスチューニング・データベースチューニングLLMを用いた要約・抽出・レコメンドや、商談準備のための企業情報の調査・整理機能のプロダクト実装プロダクトのUI/UXの持続的な改善と運用設計AIの出力を人が検証・修正できるUIの設計。人が仮説を立てて判断し、下準備はAIで進めるClaude Code・Cursor・CodeRabbitを前提とした開発プロセスの改善、開発組織の強化・運営経営陣（CEO・COO）と長期的な技術課題や組織構築について密に議論し、開発組織の戦略を検討するいま取り組んでいる課題の例1億件規模の検索基盤で、データの取得と投入を設計し直し、フルリインデックスの時間を縮める。全文検索基盤はOpenSearchで約1.05億ドキュメント・約460GBあり、企業・拠点・部署などを横断して引きます。負荷の指標には余裕があり、改善の候補は取得側のDBクエリと投入処理です2,800行のモデル層を、稼働を止めずに段階的に分解する。循環インポートとレイヤー境界の曖昧さを、Strangler Fig・Feature Flag・APIバージョニングで後方互換を保ちながら解いていきます※従事すべき業務の変更の範囲：有り＜この募集の働き方＞① 開発チームは全員フルリモートSlackとGoogle Meetを中心に、オンラインで仕事が進みます。スクラム開発をベースに、ミッションごとにスクラムチームを編成し、デイリースクラム・スプリントプランニング・スプリントレビュー・ポストモーテムもオンラインで行います。地方在住の場合、出社は年1〜2回の全社イベントへの出席だけです。② 設計判断をテキストで残すGitHub・Notion・Slackに、設計判断と決定事項を書き残しながら開発します。採用した案だけでなく、検討して見送った案とその理由も残るため、あとから誰でも経緯を辿れます。③ 離れていても、ひとりで抱え込まないスクラムイベントに加え、メンターとの1on1で技術相談ができ、技術勉強会も開いています。詰まったときや認識がずれたときは、その場で声を上げて前に進める環境です。④ AIを前提にした開発環境AIツールへの支出は、1人あたり月平均10万円以上です（会社負担）Claude・Geminiは全員が使えます。Codexも併用し、用途でモデルを使い分けます開発ではClaude Code・Cursor・CodeRabbitを前提にしています。Claude Codeを複数並列で動かし、調査から実装・検証・リリースまでを1人で回すメンバーもいます複数のLLMにレビューを依頼し、採否は人が根拠を確認して決めます＜利用する技術・ツール＞開発環境言語: Python（FastAPI）, TypeScript（Next.js）, SQLミドルウェア: PostgreSQL / 全文検索エンジン（Elasticsearch / OpenSearch）インフラ: AWS, GCP, Fastlyデザイン: FigmaAI開発環境Claude Code / Codex / Cursor / CodeRabbit / Claude / ChatGPT / Gemini / Azure OpenAI社内ツールSlack / GitHub / Notion / Asana / Figma / Google Workspace＜ポジションの魅力＞① AIを前提に、1人が担える開発の範囲を広げる実装の初稿づくりからPRレビューの一次チェックまで、AIを開発の流れに組み込んでいます。何をどう設計するか、その設計で課題を解けるかを決めるのはエンジニアです。直近30日でマージされたPRは2,229本です（2026年9月12日時点）。多数の変更が並行する開発現場で、実装の速さと品質の検証を両立させる開発工程を、自分で設計できます。検索性能やデータ品質の改善は、実データやログで確かめます。複数のLLMから得たレビューも実データやログで検証し、採否を決める工程まで担います。ヤマト運輸、パナソニック、LINEヤフーなどへの導入実績があるプロダクトで、技術選定から実装・運用まで担えます。1億件規模の検索基盤と、人がAIの出力を検証・修正するUIを手掛け、データの品質・検索性能・使いやすさをつなぐ設計を担えます。② 目的と予算を合意したら、進め方は自分で決める技術選定やアーキテクチャは、経営陣と直接議論して決めます。AIで処理する範囲、人が判断する範囲、使うツールも担当者が選びます。経営陣も自分でコードを書くので、技術の議論がそのまま意思決定につながります。③ 住む場所で、任せる範囲を決めない下積みの期間を前提にしません。経験や志向に応じて担当領域を持ち、地方に住みながら技術選定・アーキテクチャ設計まで担えます。地方在住のメンバーが、すでにプロダクトの中核の設計を担っています。社員1人あたりARRを3年で10倍にする目標に向けて、開発の進め方そのものを設計する立場に立てます。④ 企業データの届け方が広がる時期に、中核を設計する企業データの届け方が、画面から Data API・SalesNow MCP へと広がっています。SalesNowには80億レコードのデータ資産があり、JCコードで本社・工場・支社支店・店舗を拠点ごとに識別できます。画面・Data API・SalesNow MCPそれぞれの用途に合わせ、必要な企業データを正しく速く届ける設計を担います。その上で、LLMによる要約・抽出から、人が結果を検証・修正するUIまでを設計します。AIツールへの支出は1人あたり月平均10万円以上（会社負担）です。複数のモデルを比較し、企業・拠点・部署のデータを使った要約・抽出に適したモデルと実装方法を選ぶことも可能です。2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうか。その力を、住む場所を変えずに実務で磨けます。＜最初の90日で期待すること＞1ヶ月目は、プロダクト、企業データの構造、既存アーキテクチャ、AIを前提にした開発の流れを把握し、小さな機能改善をリリースまで持っていきます2ヶ月目は、担当領域を持ち、設計から実装、レビュー、リリースまでを自分で回します3ヶ月目は、データ設計やアーキテクチャに踏み込んだ提案を行い、プロダクトの体験か開発フローのどちらかに、目に見える改善を残します＜選考プロセス＞原則すべてのステップをオンラインで実施します。エントリー書類選考Web面談（2〜5回）リファレンスチェックオファー面談＜SalesNow Information＞会社名：株式会社SalesNow会社情報：https://recruit.salesnow.co.jp/全社資料：https://speakerdeck.com/salesnow/company-deckCulture deck：https://speakerdeck.com/salesnow/culture-deck一緒に働くメンバーのインタビュー（フルリモートで、SalesNow MCP・APIなどの開発を担うエンジニア）：https://note.com/salesnow/n/na813feacc9cbCEO note：https://note.com/atsunori_muraokaCOO note：https://note.com/yosukekume

Về SalesNowSứ mệnh của SalesNow là "Tạo ra cơ chế để ai cũng có thể phát huy năng lực", và chúng tôi đang theo đuổi thử thách thay đổi tận gốc cách con người làm việc. Lực lượng lao động Nhật Bản đang thu hẹp, nên câu hỏi đặt ra là mỗi người có thể tạo ra thêm bao nhiêu giá trị. SalesNow trả lời câu hỏi đó bằng cách tái thiết kế cách làm việc giữa doanh nghiệp với doanh nghiệp, dựa trên dữ liệu doanh nghiệp và AI.Nền tảng của chúng tôi là cơ sở dữ liệu hơn 16 triệu bản ghi doanh nghiệp và tổ chức, được cấu trúc hóa riêng biệt đến từng doanh nghiệp, tổ chức, chi nhánh và phòng ban. Hạ tầng dữ liệu phía sau lưu trữ 8 tỷ bản ghi. SalesNow đứng số 1 về số lượng bản ghi trong số các cơ sở dữ liệu doanh nghiệp tại Nhật Bản (khảo sát của Japan Marketing Research Organization, kỳ khảo sát kết thúc tháng 10/2025).Vì sao có vị trí nàyThời kỳ doanh thu tăng theo số lượng nhân sự đã kết thúc. Phần giá trị mà mỗi người tạo ra ngày càng đến từ việc làm việc cùng AI, và AI chỉ hỗ trợ được những quyết định tốt khi làm việc trên dữ liệu chính xác về từng doanh nghiệp. Xây dựng nguồn dữ liệu đó chính là công việc của vị trí này.Một phần lớn dữ liệu này không bao giờ xuất hiện trên web: chúng đến từ việc thu thập thủ công của hàng chục nghìn nhà nghiên cứu dữ liệu cùng đội ngũ nội bộ của chúng tôi, và từ đóng góp của người dùng trên trang media do chúng tôi vận hành. Xác định một danh tính doanh nghiệp duy nhất từ những nguồn như vậy, thay vì từ một tập dữ liệu công khai, chính là bài toán kỹ thuật bạn đảm nhận ở đây. SalesNow đang tiến gần đến vòng Series B, và chúng tôi đặt mục tiêu tăng ARR trên mỗi nhân viên lên gấp 10 lần trong 3 năm, tính từ tháng 11/2025. Dữ liệu chính xác là điều kiện để đạt mục tiêu đó. Vì vậy, data engineering giữ vai trò trung tâm trong cách SalesNow phát triển. Chúng tôi đang tuyển Data Engineer thiết kế cách thu thập, tích hợp và kiểm chứng dữ liệu doanh nghiệp, đồng thời bảo đảm dữ liệu đó có thể được cả con người lẫn AI sử dụng.Đội ngũ tại Việt NamHiện đã có 3 thành viên người Việt đang làm việc cùng chúng tôi, và chúng tôi dự định tuyển thêm 5–10 người nữa. Bạn gia nhập một đội ngũ đã có sẵn quy trình phối hợp xuyên ngôn ngữ, và góp phần định hình cách làm việc của đội ngũ tại Việt Nam khi đội ngũ mở rộng.Bạn sẽ xây dựng gìHồ sơ doanh nghiệp kết hợp thông tin tổng quan, tin tuyển dụng, IR, dịch vụ, công nghệ và công cụ đang sử dụng, quảng cáo, tổ chức và phòng ban, thông tin liên hệ — được đối chiếu đến cấp chi nhánh bằng mã JC riêng của SalesNow. Bạn quyết định cách hợp nhất các nguồn này để mỗi doanh nghiệp chỉ còn đúng một hồ sơTín hiệu nắm bắt động thái của doanh nghiệp: tăng tuyển dụng, gọi vốn, mở văn phòng mới, mở rộng ra nước ngoài, điều chỉnh giảm dự báo kết quả kinh doanh, tạm dừng tin tuyển dụng. Đội sales dùng những tín hiệu này để quyết định nên tiếp cận doanh nghiệp nào và vào lúc nào. Bạn thiết kế các bước kiểm chứng làm cho những tín hiệu đó đủ tin cậy để hành độngCác DAG Airflow (MWAA) cho các nguồn tin tuyển dụng của chúng tôi. Bạn quyết định cách phát hiện bất thường, cách chạy lại khi lỗi, và thế nào là "đã thu thập đúng" cho từng nguồnNền tảng Databricks và Delta Lake với ba lớp (thô, làm sạch, phục vụ), định nghĩa job quản lý bằng Terraform. Làm sạch bản ghi ở đâu, và cho phép dữ liệu nào vào lớp phục vụ, là quyết định thiết kế của bạnDữ liệu được cung cấp qua ứng dụng web SalesNow, tích hợp Salesforce và HubSpot, Data API, SalesNow MCP (được các AI agent như Claude và Cursor sử dụng trực tiếp) và các dự án triển khai AI cho khách hàng. Một quyết định về schema của bạn xuất hiện cả trong CRM của khách hàng lẫn trong câu trả lời của AI agentThách thức kỹ thuậtThu thập và nạp dữ liệuThiết kế và triển khai hệ thống web scraping quy mô lớn, trích xuất dữ liệu có cấu trúc một cách ổn định từ nhiều nguồn không đồng nhấtXây dựng pipeline tích hợp API cho các nguồn dữ liệu từ đối tác, kèm kiểm tra schema và phát hiện bất thườngThiết kế pipeline nạp dữ liệu thời gian thực cho các cập nhật hằng ngày, với mục tiêu độ trễ dưới một phútBiến đổi và chất lượng dữ liệuXây dựng và duy trì các model dbt chuyển dữ liệu thô sang schema thống nhất của SalesNowĐịnh nghĩa SLA chất lượng dữ liệu (độ chính xác, độ đầy đủ, độ mới) và xây dựng dashboard giám sát cảnh báo trước khi khách hàng nhận ra vấn đềTriển khai entity resolution và khử trùng lặp ở quy mô lớn: đối sánh bản ghi doanh nghiệp giữa các nguồn có định dạng, quy ước đặt tên và mã định danh khác nhauHạ tầng và điều phốiĐiều phối các DAG Airflow phức tạp xuyên suốt thu thập, biến đổi, làm giàu và phân phối dữ liệuTối ưu các cụm PostgreSQL và Elasticsearch / OpenSearch cho 8 tỷ bản ghi, với truy vấn phản hồi ở mức mili giâyThiết kế pipeline chịu lỗi, tự phục hồi sau sự cố, với khả năng quan sát rõ ràng ở mọi giai đoạnTích hợp AI pipelineĐưa dữ liệu có cấu trúc vào các RAG pipeline và hệ thống AI agent thông qua SalesNow MCPXây dựng lớp phân phối dữ liệu để AI agent truy vấn theo thời gian thực cho quy trình làm việc của khách hàng doanh nghiệpLàm việc với Amazon Bedrock, Claude và Gemini để cải thiện cách hệ thống AI sử dụng dữ liệu doanh nghiệp có cấu trúcBài toán chúng tôi đang giảiXác định một tin tuyển dụng còn mở hay đã đóng. Logic phát hiện tin đã đóng hiện chia thành ba hệ thống và hoạt động khác nhau tùy nguồn. Một số nguồn không hiển thị trạng thái đóng trên trang danh sách, nên cách đóng tin dựa trên chênh lệch có thể đóng nhầm khi một lần crawl bỏ sót trang. Với từng nguồn, bạn cân nhắc giữa rủi ro đánh dấu nhầm tin còn mở là đã đóng và rủi ro để tin đã hết hạn vẫn hiển thị là còn mởThiết kế quy trình thu thập thông tin website của mọi doanh nghiệp và liên tục theo dõi thay đổi, để thông tin tổng quan và dịch vụ của doanh nghiệp luôn được cập nhậtKiểm chứng dữ liệu của chính chúng tôi bằng bằng chứngKhi cho AI kiểm chứng độc lập logic suy luận doanh nghiệp khách hàng đứng sau các tin tuyển dụng freelance, chỉ 12 trên 100 trường hợp xác định được với bằng chứng rõ ràng. Chúng tôi đã sửa logic để những trường hợp không đủ căn cứ được đánh dấu là "không thể xác định". Ở đây bạn được kỳ vọng đặt câu hỏi với dữ liệu, kể cả kết quả từ pipeline của chính bạn, và khi bằng chứng không đủ, bạn có quyền thay đổi logic.Phạm vi công việcPhạm vi thay đổi công việc đảm nhận: CóCách chúng tôi làm việc với AIMọi người đều dùng được Claude và Gemini, và chúng tôi cũng dùng Codex. Bạn tự chọn model phù hợp với từng công việcChúng tôi nhờ nhiều LLM review công việc, còn con người kiểm tra căn cứ và quyết định áp dụng hay không. Với kiểm tra dữ liệu, chúng tôi dùng LLM as a Judge theo tiêu chí do con người đặt ra. CodeRabbit thực hiện vòng review đầu tiên cho pull requestCác chỉ dẫn viết cho AI cũng được review qua pull request giống như code, nên prompt và agent được xây dựng với mức độ chặt chẽ như pipeline production. Các sản phẩm công việc được quản lý trên GitHubSau khi thống nhất mục tiêu và ngân sách, người phụ trách tự quyết định cách tiến hành, dùng AI ở đâu và dùng công cụ nào. Với việc thu thập dữ liệu, bạn còn chịu trách nhiệm về chi phí để lấy được mỗi bản ghi, và mọi pipeline bạn thiết kế đều được đánh giá trên cả độ chính xác lẫn chi phí đơn vịMọi vị trí đều được kỳ vọng tự tái thiết kế công việc của mình bằng AI. Ban lãnh đạo của chúng tôi cũng viết code, nên bạn thảo luận các đánh đổi kỹ thuật với những người trực tiếp xây dựng sản phẩmTrên toàn công ty, 2.229 pull request đã được merge trong 30 ngày tính đến ngày 12/9/2026. Với nhịp độ đó, bạn đánh giá các thay đổi pipeline do AI hỗ trợ tạo ra dựa trên dữ liệu thực tế, các kiểu sự cố và chi phí vận hànhCông nghệ sử dụngNgôn ngữ: Python (FastAPI), SQL, ScalaBiến đổi dữ liệu: dbtĐiều phối: Airflow (MWAA)Xử lý dữ liệu: Databricks (Spark / Delta Lake), ScrapyInfrastructure as code: TerraformCơ sở dữ liệu: PostgreSQL, Elasticsearch, OpenSearchCloud: AWS (chính), VercelAI/ML: Amazon Bedrock, Claude, GeminiCông cụ phát triển: Claude Code, Codex, Cursor, GitHub Copilot, CodeRabbitCI/CD: GitHub ActionsGiao tiếp: Slack, GitHub, NotionLàm việc xuyên ngôn ngữKhông cần tiếng Nhật. Ngôn ngữ làm việc của đội engineering là tiếng Anh: code, pull request, tài liệu kỹ thuật và standupCông việc được giao kèm PRD. Hai bên thống nhất yêu cầu và thời hạn trước khi bắt đầu, để bạn dồn thời gian cho thiết kế và codeGitHub, Notion và Slack đều có bản dịch. Pull request, tài liệu và trao đổi hằng ngày đều đi qua công cụ dịch, nên bạn theo kịp mọi cuộc thảo luận mà không cần tiếng NhậtCông cụ dịch AI do công ty chi trả. Các thành viên không nói tiếng Nhật trao đổi công việc với đồng nghiệp người Nhật qua phiên dịch đồng thời bằng AI, và buổi phỏng vấn cũng diễn ra theo cách nàyQuy trình tuyển dụngXét hồ sơ (CV + trả lời ngắn 3 câu hỏi kỹ thuật)Ngày tuyển chọn tập trung, hoàn tất trong một ngày: bài tập data pipeline theo tình huống thực tế (2-3 giờ), phỏng vấn kỹ thuật (60 phút) về kinh nghiệm đã làm và thiết kế hệ thống, và buổi trao đổi về mức độ phù hợp văn hóa (culture fit) với engineering lead (30 phút)OfferThời gian: 2-3 tuần từ khi ứng tuyển đến khi nhận offerCơ hội bình đẳngChúng tôi là nhà tuyển dụng bình đẳng và đánh giá ứng viên dựa trên kỹ năng, kinh nghiệm và tiềm năng, bất kể quốc tịch, giới tính, tuổi tác hay xuất thân.Liên kết tham khảoPhỏng vấn một engineer trong đội, người vào công ty từ vị trí thực tập sinh và hiện phát triển SalesNow MCP và API (tiếng Nhật): https://note.com/salesnow/n/na813feacc9cbCulture deck (tiếng Nhật): https://speakerdeck.com/salesnow/culture-deck

Về SalesNowSalesNow đặt ra sứ mệnh「誰もが活躍できる仕組みをつくる。」(Tạo ra cơ chế để ai cũng có thể phát huy năng lực), và chúng tôi đang theo đuổi thử thách thay đổi tận gốc cách con người làm việc. Lực lượng lao động Nhật Bản đang thu hẹp, nên câu hỏi đặt ra là mỗi người có thể tạo ra thêm bao nhiêu giá trị. SalesNow trả lời câu hỏi đó bằng cách tái thiết kế cách làm việc giữa doanh nghiệp với doanh nghiệp, dựa trên dữ liệu doanh nghiệp và AI. Nền tảng của chúng tôi là cơ sở dữ liệu hơn 16 triệu bản ghi doanh nghiệp và tổ chức, được cấu trúc hóa riêng biệt đến từng doanh nghiệp, tổ chức, chi nhánh và phòng ban. Hạ tầng dữ liệu phía sau lưu trữ 8 tỷ bản ghi. SalesNow đứng số 1 về số lượng bản ghi trong cơ sở dữ liệu doanh nghiệp (企業データベース収録件数No.1; kỳ kết thúc tháng 10/2025; do Japan Marketing Research Organization / 日本マーケティングリサーチ機構 khảo sát).Vì sao có vị trí nàyThời kỳ doanh thu tăng theo số lượng nhân sự đã kết thúc. Phần giá trị mà mỗi người tạo ra ngày càng đến từ việc làm việc cùng AI. Để AI thực sự hỗ trợ con người đưa ra quyết định tốt, cần có dữ liệu chính xác. Và con người chỉ khai thác được dữ liệu đó khi sản phẩm giúp họ tìm, hiểu và kiểm chứng nó một cách dễ dàng. SalesNow đang mở rộng cách đưa dữ liệu doanh nghiệp đến khách hàng: từ màn hình ứng dụng web và tích hợp Salesforce, HubSpot đến Data API (bản beta) và SalesNow MCP. Càng nhiều kênh, việc thiết kế để cùng một dữ liệu luôn được trả về chính xác và nhanh, dù gọi từ màn hình, API hay AI agent, càng trở nên then chốt. Chúng tôi đang tuyển Web Full-stack Engineer đảm nhận trọn vẹn một mảng, từ thiết kế dữ liệu, backend, frontend cho đến vận hành. Sau khi thống nhất mục tiêu và ngân sách với PdM và ban lãnh đạo, bạn chủ động lựa chọn công nghệ và thiết kế. SalesNow đang tiến gần đến vòng Series B, và chúng tôi đặt mục tiêu tăng ARR trên mỗi nhân viên lên gấp 10 lần trong 3 năm, tính từ tháng 11/2025. Hướng tới mục tiêu đó, chính các engineer đang thay đổi cách triển khai và review, để mỗi người tự đi được từ thiết kế đến release trên một phạm vi ngày càng rộng. Vì vậy, vị trí này cần một người làm chủ được cả backend lẫn frontend.Đội ngũ tại Việt NamHiện đã có 3 thành viên người Việt đang làm việc cùng chúng tôi, và chúng tôi dự định tuyển thêm 5–10 người nữa. Bạn gia nhập một đội ngũ đã có sẵn quy trình phối hợp xuyên ngôn ngữ, và góp phần định hình cách làm việc của đội ngũ tại Việt Nam khi đội ngũ mở rộng.Bạn sẽ xây dựng gìPhối hợp với PdM, bạn đảm nhận thiết kế, phát triển và vận hành SalesNow. Mảng phụ trách chính được quyết định dựa trên năng lực, kinh nghiệm, định hướng của bạn và tình hình kinh doanh, trong số các mảng sau:Ứng dụng web SalesNow, nơi khách hàng tìm doanh nghiệp mục tiêu và nắm bắt thời điểm tiếp cận. Bạn cải thiện cả hiệu năng tìm kiếm lẫn UI/UX, và thiết kế cách vận hành để những cải tiến đó được duy trì lâu dàiCác tính năng dùng LLM trong sản phẩm: tóm tắt, trích xuất, gợi ý, cũng như tính năng tìm hiểu và sắp xếp thông tin doanh nghiệp để chuẩn bị cho buổi thương thảoGiao diện để con người kiểm chứng và chỉnh sửa kết quả do AI tạo ra. Con người đặt giả thuyết và ra quyết định, phần chuẩn bị được AI hỗ trợ. Ranh giới đó hiện lên trên màn hình như thế nào là phần bạn thiết kếBackend và nền tảng dữ liệu doanh nghiệp quy mô lớn (PostgreSQL, Elasticsearch, DynamoDB, S3, Databricks, n8n, LLM), cùng việc tinh chỉnh hiệu năng và database cho lượng truy cập cao và dữ liệu lớnThiết kế để dữ liệu doanh nghiệp cần thiết được trả về chính xác và nhanh qua màn hình, Data API và SalesNow MCP, phù hợp với cách dùng của từng kênhLựa chọn công nghệ, thiết kế kiến trúc và triển khaiCải thiện quy trình phát triển dựa trên Claude Code, Cursor và CodeRabbit, và cùng xây dựng tổ chức phát triểnTùy kinh nghiệm, trao đổi trực tiếp với ban lãnh đạo (CEO, COO) về các bài toán kỹ thuật dài hạn và chiến lược của tổ chức phát triểnThách thức kỹ thuậtBài toán chúng tôi đang giảiRút ngắn thời gian full reindex của hạ tầng tìm kiếm quy mô 100 triệu tài liệu bằng cách thiết kế lại khâu lấy và nạp dữ liệu. Hạ tầng tìm kiếm toàn văn chạy trên OpenSearch với khoảng 105 triệu tài liệu, khoảng 460 GB, tìm kiếm xuyên suốt doanh nghiệp, chi nhánh và phòng ban. Các chỉ số tải vẫn còn dư địa; chúng tôi đang xem xét truy vấn DB phía lấy dữ liệu và khâu nạp dữ liệu như những điểm có thể cải thiệnTách nhỏ model layer 2.800 dòng theo từng bước mà không dừng hệ thống. Bạn gỡ các circular import và ranh giới layer chưa rõ ràng bằng Strangler Fig, Feature Flag và API versioning, trong khi vẫn giữ tương thích ngượcKiểm chứng bằng dữ liệu thựcCải thiện về hiệu năng tìm kiếm và chất lượng dữ liệu đều được kiểm chứng bằng dữ liệu thực và log. Review từ nhiều LLM cũng vậy: bạn đối chiếu từng góp ý với dữ liệu và log trước khi quyết định áp dụng hay không.Phạm vi công việcPhạm vi thay đổi công việc đảm nhận: CóCách chúng tôi làm việc với AIMọi người đều dùng được Claude và Gemini, và chúng tôi cũng dùng Codex. Bạn tự chọn model phù hợp với từng công việcChi tiêu cho công cụ AI trung bình trên 16 triệu VND (khoảng 100.000 yên) mỗi người mỗi tháng, do công ty chi trảAI được đưa vào xuyên suốt quy trình phát triển, từ bản nháp đầu tiên của code đến vòng kiểm tra đầu tiên khi review pull request. CodeRabbit thực hiện vòng review đầu tiên; còn thiết kế cái gì, thiết kế thế nào và thiết kế đó có giải được bài toán hay không là do engineer quyết địnhCó thành viên chạy song song nhiều phiên Claude Code và một mình đi trọn từ tìm hiểu, triển khai, kiểm chứng đến releaseChúng tôi nhờ nhiều LLM review công việc, còn con người kiểm tra căn cứ và quyết định áp dụng hay khôngCác chỉ dẫn viết cho AI cũng được review qua pull request giống như code. Các sản phẩm công việc được quản lý trên GitHubSau khi thống nhất mục tiêu và ngân sách, người phụ trách tự quyết định cách tiến hành: phần nào xử lý bằng AI, phần nào con người phán đoán, và dùng công cụ nàoMọi vị trí đều được kỳ vọng tự tái thiết kế công việc của mình bằng AI. Ban lãnh đạo của chúng tôi cũng viết code, nên các thảo luận kỹ thuật đi thẳng đến quyết địnhTrên toàn công ty, 2.229 pull request đã được merge trong 30 ngày tính đến ngày 12/9/2026. Giữa rất nhiều thay đổi diễn ra song song, bạn tự thiết kế quy trình vừa giữ được tốc độ triển khai, vừa kiểm chứng được chất lượngCông nghệ sử dụngNgôn ngữ: Python (FastAPI), TypeScript (Next.js), SQLMiddleware: PostgreSQL, công cụ tìm kiếm toàn văn (Elasticsearch / OpenSearch)Nền tảng dữ liệu: DynamoDB, S3, Databricks, n8nHạ tầng: AWS, GCP, FastlyThiết kế: FigmaMôi trường phát triển với AI: Claude Code, Codex, Cursor, CodeRabbit, Claude, ChatGPT, Gemini, Azure OpenAICông cụ nội bộ: Slack, GitHub, Notion, Asana, Figma, Google WorkspaceLàm việc xuyên ngôn ngữKhông cần tiếng Nhật. Ngôn ngữ làm việc của đội engineering là tiếng Anh: code, pull request, tài liệu kỹ thuật và standupCông việc được giao kèm PRD. Hai bên thống nhất yêu cầu và thời hạn trước khi bắt đầu, để bạn dồn thời gian cho thiết kế và codeGitHub, Notion và Slack đều có bản dịch. Pull request, tài liệu và trao đổi hằng ngày đều đi qua công cụ dịch, nên bạn theo kịp mọi cuộc thảo luận mà không cần tiếng NhậtQuyết định thiết kế được ghi lại bằng văn bản trên GitHub, Notion và Slack, kể cả những phương án đã cân nhắc nhưng không chọn và lý do. Ai cũng có thể lần lại bối cảnh về sau, nên chất lượng của văn bản bạn viết cũng là một phần chất lượng công việcCông cụ dịch AI do công ty chi trả. Các thành viên không nói tiếng Nhật trao đổi công việc với đồng nghiệp người Nhật qua phiên dịch đồng thời bằng AI, và buổi phỏng vấn cũng diễn ra theo cách nàyVì sao nên tham giaTrực tiếp phát triển sản phẩm do chính một công ty AI Nhật Bản tự xây dựng. Vị trí này thuộc đội phát triển sản phẩm SalesNow. Phối hợp với PdM, sau khi thống nhất mục tiêu và ngân sách, bạn chủ động lựa chọn công nghệ và thiết kế, trên một sản phẩm đã được nhiều doanh nghiệp lớn và công ty niêm yết tại Nhật Bản triển khaiChi tiêu cho công cụ AI trung bình trên 16 triệu VND (khoảng 100.000 yên) mỗi người mỗi tháng, do công ty chi trả. Claude, Gemini và Codex đều có sẵn. Bạn có thể so sánh nhiều model và chọn model cùng cách triển khai phù hợp nhất cho việc tóm tắt, trích xuất trên dữ liệu doanh nghiệp, chi nhánh và phòng banLàm việc 100% từ xa ngay tại Việt Nam. Từ TP. Hồ Chí Minh, Hà Nội, Đà Nẵng hay bất kỳ nơi nào có internet ổn định, bạn làm chủ những phần cốt lõi của sản phẩm phục vụ doanh nghiệp Nhật BảnTrong 2–3 năm tới, biết dùng AI sẽ là điều hiển nhiên. Khác biệt nằm ở việc bạn có thể thiết kế công việc và tổ chức lấy AI làm điểm xuất phát hay không. Ở SalesNow, đó là điều chúng tôi làm mỗi ngày.Quy trình tuyển dụngXét hồ sơ (CV)Phỏng vấn online (khoảng 30 phút) về sản phẩm bạn đã xây dựng và cách bạn làm việcNgày tuyển chọn (1 ngày): được sắp xếp trong vòng 1–2 ngày sau khi bạn vượt qua vòng phỏng vấn. Bạn làm bài tập full-stack theo tình huống thực tế từ 8:00 đến 17:00 giờ Việt Nam. Đề bài được gửi qua email lúc bắt đầu, và bạn nộp sản phẩm vào nơi chúng tôi chỉ định chậm nhất lúc 17:00 giờ Việt NamOffer Thời gian dự kiến: 2–3 tuần từ khi ứng tuyển đến khi nhận offerCơ hội bình đẳngChúng tôi là nhà tuyển dụng bình đẳng và đánh giá ứng viên dựa trên kỹ năng, kinh nghiệm và tiềm năng, bất kể quốc tịch, giới tính, tuổi tác hay xuất thân.Liên kết tham khảoPhỏng vấn một engineer trong đội, người vào công ty từ vị trí thực tập sinh và hiện phát triển SalesNow MCP và API (tiếng Nhật): https://note.com/salesnow/n/na813feacc9cbCulture deck (tiếng Nhật): https://speakerdeck.com/salesnow/culture-deck

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。働き手が減る日本で、1人が生み出せる価値をどこまで増やせるか。企業データとAIで、BtoBの仕事の進め方そのものを組み替えることが、SalesNowの事業です。その土台が、1,600万件超の法人・組織データベースです。企業・組織・拠点・部署までをユニークに構造化し、レコード数は80億。企業データベース収録件数No.1です（2025年10月期・日本マーケティングリサーチ機構調べ）。この規模と粒度は、Webを集めるだけでは組み上がりません。独自の収集網「SalesNow Data Network」は3つのルートでできています。1つめは、Web情報をAIで日次更新するデジタルの基盤です。2つめは、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制によるアナログな収集で、実地調査から紙の資料の読み取りまで、検索では出てこない情報を取りに行きます。3つめは、月間700万PVの自社メディア（企業版Wikipedia）に集まるユーザー投稿で、このユーザーのネットワークもアナログな収集の一部を担います。独自のJCコードは、本社・工場・支社支店・店舗まで、拠点ごとに一意のIDを振る体系です。組織図と750万件超の部署連絡先、付与できる情報は50項目超あり、分類は大業界30件〜／小業界400件〜／事業内容3,000件〜の3層です。AIの出力の品質は、参照するデータの品質で決まります。SalesNowは、AIと営業システムにデータを供給する、AI時代の企業データインフラです。このデータを、企業データベース『SalesNow』の画面とData API（ベータ版）で提供しています。Salesforce・HubSpot・kintoneとも連携し、顧客のCRMへ企業データを届けています。SalesNow MCPを通じて、Claude・CursorなどのAIエージェントからも企業データを直接使えます。人が読む画面と、AIエージェントが直接呼ぶ入口とでは、返すべき形が変わります。営業戦略コンサルティング、データ基盤の構築、AI実装、営業BPOまで一社で提供しています。データを出す側と、顧客の業務で使う側の両方が社内にあるので、つくった機能が現場でどう組み込まれたかを知ったうえで次を設計できます。プロダクト『SalesNow』は営業の領域から始まり、会社はBtoBのあらゆる仕事を企業データとAIで組み替えようとしています。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。この項目数と階層の多さが、そのまま検索条件・スキーマ・APIレスポンスの設計難易度になります。 SalesNowの事業・プロダクト・組織の雰囲気は、採用サイトでも紹介しています。 https://recruit.salesnow.co.jp/＜仕事概要＞主戦力のエンジニアとしてSalesNowに参加いただきます。設計判断に迷ったときは、経営陣やコアメンバーと直接議論して決めます。正社員と同じコードベース・レビュープロセス・品質基準で開発します。タスクの切り出しを待つのではなく、プロダクトの方向性の議論から入り、自分で設計し、自分でリリースする。それがSalesNowのインターンです。過去のインターン生には、経営陣とペアでゼロから新規プロダクトを設計・実装し、本番環境へのリリースまで完遂した人がいます。正社員チームに入り、プロダクト開発を進めているインターン生もいます。渡されるのは手順書ではなく課題です。解き方は、チームと相談しながら自分で決めます。＜募集背景＞人を増やした分だけ売上が伸びる時代は、終わりました。 働き手が減る日本では、1人が生み出せる価値を増やせる組織が伸びていきます。SalesNowの開発は、その前提で、AIと進めることを標準にしています。企業データを画面・API・MCPで届ける開発が増え、AI前提で設計から本番リリースまで担えるエンジニアを、正社員と同じ立場で迎えます。特にMCPとAIエージェントの開発は、ここ数年で立ち上がったばかりの技術領域です。企業データをAIエージェントにどう届けるか。インターフェースを自分で設計し、本番で検証しながら改善できます。シリーズB目前の事業で、経営会議の議論を新規プロダクトの設計に落とし込み、本番リリースまで担う仲間を求めています。卒業するとき、企業データを使うプロダクトをAI前提で設計・実装し、本番で検証・改善した実績が手元に残ります。＜開発するプロダクト＞企業データベース『SalesNow』：営業担当者が条件検索でターゲット企業を特定し、採用の増加・資金調達・拠点の開設などの企業の動き（シグナル）からアプローチの時期をつかみます。Salesforce・HubSpot・kintoneと連携し、企業データの付与と名寄せを行います。企業を探す画面から、その検索を支えるAPI・DBまでが、フルスタック開発の対象ですData API（ベータ版）：企業情報・ニュース・採用情報・組織の4種別で、外部システムへ企業データを提供します。画面の開発に加え、他のシステムから使われるAPIの設計・実装にも取り組めますSalesNow MCP：企業データをMCPサーバーとして提供し、Claude・CursorなどのAIエージェントから直接使えるようにしています。画面・API・MCPの開発を通じて、人とAIエージェントそれぞれが企業データを使うためのインターフェースを設計できますAIワークフロー：営業担当者が商談に集中できるよう、商談準備のレポート、議事録のSFA登録、リードのスコアリングなどの準備と記録を、ノーコードで組んだワークフローで支えます。CRM・Slack・Notionと連携します。企業データを顧客の仕事に組み込む流れを理解し、データを取得する機能から担当者が仕事で使うところまでを見通して、インターフェースを設計できます＜ミッション＞1,600万件超の法人・組織データベースを、人とAIエージェントがどう使うか。経営陣やコアメンバーと直接議論し、AI駆動開発で新規プロダクトの設計・実装・本番リリースまで担います。＜お任せしたい業務内容＞Next.js / TypeScript / Python（FastAPI）を使ったWebアプリケーションのフルスタック開発新規サービス・新機能の設計→実装→テスト→リリースの一気通貫Data API / SalesNow MCP / AIエージェントなど、企業データの新しい提供形態の開発Claude Codeを使った高速プロトタイピングと本番コードの実装週次の経営会議・プロダクト会議に参加し、ARR・チャーン率・顧客の声を踏まえて開発経営陣との日常的なディスカッションを通じて、ビジネス視点と技術視点の両方を磨く※従事すべき業務の変更の範囲：有り＜扱う規模＞全文検索基盤はOpenSearchで、1.05億ドキュメント・約460GBです。企業・拠点・部署などを横断して検索します直近30日のマージ済みPRは2,229本、リポジトリ数は298です（2026年9月12日時点）。インターンもこの流れの中で、正社員と同じコードベース・レビュー基準でPRを出し、設計意図を説明してレビューを受けます検索基盤には、フルリインデックスの時間を縮める課題があります。改善の候補は、取得側のDBクエリと投入処理の設計です。取得と投入のどこに時間がかかっているかを、1.05億ドキュメントの実データで確かめるところから始まります2,800行のモデル層を、稼働を止めずに段階的に分割する計画が動いています。目的は、循環インポートとレイヤー境界の曖昧さを解消することです移行では Strangler Fig・Feature Flag・APIバージョニングで後方互換を保ちます。分割の境界をどこに引き、どの順で移すかを決めることが核心です＜利用するツール・技術＞技術スタックTypeScript (Next.js) / Python (FastAPI) / SQL / PostgreSQL / Elasticsearch・OpenSearch / AWS / Vercel / Amazon Bedrock / Claude / Gemini / Claude Code / Codex / Cursor / GitHub Copilot / CodeRabbit社内ツールSlack / GitHub / Notion / Asana / Figma / Google Workspace＜AI駆動開発の進め方＞バリューの1つに「AIネイティブ」を置き、開発は次の進め方を前提にしています。Claude・Geminiは全員が使えます。Codexも併用し、用途でモデルを使い分けます。開発ではClaude Code・Gemini CLI・Cursor・GitHub Copilotを使っています。AIツールは乗り換えやすいよう月額で契約しています。用途に合うモデルを選び直しながら、開発の進め方を自分で磨けます実装の初稿はAIエージェントと書き、設計・判断・品質の責任は人が持ちます。Claude Codeを複数並列で動かし、調査から実装・検証・リリースまで回すエンジニアもいますCodeRabbitでPRをレビューします。複数のLLMにもレビューを依頼し、採否は人が根拠を確認して決めます成果物はGitHubで管理し、AIへの指示書もコードと同じ手続きでPRレビューします。実装だけでなく、AIへの指示までチームで検証・改善する開発を経験できます目的と予算を合意したあとは、担当者が進め方を決めます。インターンでもこの前提は変わりません。経営陣もコードを書きます各チーム・各部門に、バイブコーダーが最低1人以上います。エンジニアだけでなく営業・人事にもいるので、AI前提の進め方が職種をまたいで共有されています＜ポジションの魅力＞インターンも、拠点・部署までのデータ構造や3層の分類を、検索条件と画面の操作性に落とし込みます。大手企業への導入実績があるプロダクトなので、顧客が企業データを現場でどう使うかを前提に、設計を決められます。この規模のデータ基盤の開発に、在学中から加わる機会があります。新規プロダクトを、設計から本番リリースまで担う新規サービス・新機能の設計・実装・テスト・リリースを、一気通貫で担当します。正社員チームの主戦力としてアサインされることもあり、設計判断は経営陣と直接話してその場で決めます。自分の設計を、大手企業への導入実績があるプロダクトの本番コードとして、自分の手で届けられます。AIと開発する力を、本番のコードで鍛えるインターンも正社員と同じ開発環境で、Claude・Geminiを使えます。会社のAIツールへの支出は、1人あたり月平均10万円以上（会社負担）です。AIエージェントと実装し、複数のLLMと人のレビューを通して本番に出す。この進め方を、毎日の仕事として身につけられます。会社は2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を掲げています。その前提で組み替えた開発の進め方を、学生の段階から自分のものにできます。1,600万件超のデータを、AIエージェントに届ける設計を担う1,600万件超・80億レコードの法人・組織データベースを、画面・CRM連携・Data API・SalesNow MCPで届けています。検索基盤は1.05億ドキュメント・約460GBを扱います。この規模の取得・投入処理の設計にも関われます。SalesNow MCPでは、AIエージェントが企業データを使うためのインターフェースを設計・実装・運用できます。自分が書いたMCPの実装が、Claude・CursorなどのAIエージェントから企業データを引く入口になります。経営の数字と顧客の声を見て、つくるものを決める週次の経営会議・プロダクト会議で、ARR・チャーン率・顧客の声を根拠に、開発する課題の優先順位を経営陣と議論できます。実装方法だけでなく、開発する理由まで説明できるエンジニアを目指せます。完全フルリモート・完全フルフレックスコアタイムも出社義務もありません。地方や留学先からも、経営会議・プロダクト会議に参加し、設計判断の議論に同じ立場で入れます。通勤に使う時間も開発に充てられます。量を重ねるほど、任される範囲が広がるフルタイム相当で継続して開発し、Next.jsの画面からFastAPIのAPI、DBまで、コードのつながりを理解できます。変更が他の機能に及ぼす影響まで読めるようになるほど、アーキテクチャの判断も任されるようになります。身につくもの学生のうちから、本番で動くLLM機能について、出力の精度と費用を実データで見ながら使い方を設計する経験を積むことも可能です。1.05億ドキュメントの検索基盤では、取得と投入を計測し、どこを直すべきかを実データから判断する力を磨けます。2,800行のモデル層の分割では、既存機能との互換性を保ちながら、分割する境界と移行の順序を考えます。インターンから正社員へ一緒に働くメンバーのインタビューです。文系学部から独学で開発を始め、SalesNowで2年9ヶ月インターンをしたあと、在学中に正社員エンジニアになりました。いまはAPI・MCPの開発を担っています。インターンから正社員へ進む道が、実際にあります。 https://note.com/salesnow/n/na813feacc9cb ※会社や開発チームの発信は、公式noteとテックブログでも読めます。 https://note.com/salesnow/ https://zenn.dev/p/salesnow_tech2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。SalesNowは、それを毎日やっています。＜選考プロセス＞書類選考 → 面接コーディングテスト → 面接複数回 → リファレンスチェック → オファー面談

＜SalesNowについて＞SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。つくっているのは、AI時代の企業データインフラです。BtoBの仕事の進め方を企業データとAIで組み替え、1人が生み出せる価値を増やすことが、この会社の事業です。土台は、企業・組織・拠点・部署までを構造化した1,600万件超の法人・組織データベース（80億レコード）で、企業データベース収録件数No.1（2025年10月期・日本マーケティングリサーチ機構調べ）です。独自のJCコードで、本社・工場・支社支店・店舗まで拠点ごとに識別できます。企業全体だけでなく、どの拠点から接点をつくるかまで攻略仮説を具体化することも可能です。組織図と750万件超の部署連絡先を使い、狙う部門と接点をつくる相手も自分で選べます。Webに出ていない膨大なアナログ・クローズドな情報は、数万人規模のデータリサーチャーのパートナーネットワークと社内の体制で、実地調査から紙の資料の読み取りまでアナログに集めています。自社メディアに集まるユーザー投稿も統合しています。そのユーザーのネットワークは、アナログな収集の一部も担っています。検索では出てこない情報を使って、インターンも企業・部署・キーパーソンまで調べ、どこを優先して攻略するかを根拠をもって決めます。求人・ニュース・資金調達・プレスリリースも日次で反映しています。採用の増加・資金調達・拠点の開設といった企業の動きをシグナルとして捉え、営業が「なぜ今この企業か」をつかめるようにしています。狙う企業と時期を選んだ理由を、根拠と結果の数字で説明できるようになります。提供しているのは、企業データベース『SalesNow』・AIワークフロー・SalesNow MCP・Data API（ベータ版）です。営業戦略コンサルティングからデータ基盤の構築、AI実装、営業オペレーションの代行（BPO）までを一社で支援します。データベースからBPOまで一社で持つので、ADRは相手の課題に合わせて切り口を変え、意思決定者との議論を始められます。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。こうした企業に続く導入先をどの業界から広げるか。その企画を、学生のうちから自分で立てて実行します。＜募集背景＞人を増やした分だけ売上が伸びる時代は、終わりました。 働き手が減るなかで、1人が生み出せる価値を増やすことが、どの会社にも求められています。SalesNowはバリューに「AIネイティブ」を掲げ、2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。ADRでは、企業データとAIで下準備の時間を減らし、1人が持てる接点の数と質を上げます。開発チームでは、月160時間以上コミットする長期インターンが、正社員と肩を並べて新規プロダクト開発に参加できます。学生にも正社員と同じ打席を渡す文化を、ビジネスの最前線にも広げます。過去のインターン・学生メンバーには、SalesNowでの実務経験を武器に、難関企業の選考で評価された人もいます。今回募集する職種はADR（Account Development Representative）です。企業データとAIを使い、大手企業との商談が生まれる仕組みを、あらゆるチャネルから設計します。大手企業のどの課題から接点をつくるかは、インターン自身が決めます。データ整備で入るか、AIワークフローの実装で入るか、営業戦略の立て直しで入るか。同じ相手に複数の入り口を試し、どれが議論の起点になったかを自分で確かめられます。自分がつくった接点を商談化率や受注貢献まで追い、事業を伸ばす打ち手を検証できます。どの業界から攻め、誰を巻き込み、どんなメッセージならCxOや事業責任者との議論が始まるか。狙う業界と訴求は、経営陣・セールスチームと一緒に考えます。パートナー連携、展示会、カンファレンス、ウェビナー、ホワイトペーパー、インバウンド、過去リードの掘り起こし、顧問経由、アウトバウンド。どのチャネルにどれだけ時間を割くかを、経営陣・セールスチームと一緒に考えて実行します。手段を1つに縛られないので、大手企業との接点を最短でつくる組み合わせを、自分の手で試せます。大手企業の意思決定をどう動かすかを学生のうちに実務で扱い、その結果を返信率や商談化率の数字で持ち帰れるのも、この仕事の特徴です。＜ミッション＞企業データとAIを使い、エンタープライズ企業との接点が生まれ、商談まで進む流れを、あらゆるチャネルで自ら設計します。イベント、アライアンス、営業オペレーションまで、自分で組み立てます。どの企業群に勝ち筋があるか。どのメッセージなら反応が変わるか。どのイベントなら意思決定者に会えるか。どのアライアンスなら市場攻略が速くなるか。これを企業データとAIで仮説にし、実行し、結果から次の打ち手を決めます。企業ごとに攻略方針を設計するABMと、商談の進捗を追うパイプライン管理も担います。接点をつくった後も、受注に向けた次の打ち手を考え、SalesNowの事業成長に直結させます。＜お任せしたい業務内容＞以下の領域から、適性・希望・事業状況に応じて主担当を決めます。5つの領域は分かれた仕事ではなく、商談の起点をつくるために横断して関わります。ターゲット企業の抽出と部署・キーパーソンの特定には、顧客に届けている企業データベース『SalesNow』を使います。① エンタープライズ企業への戦略的ADR1,600万件超の企業データを活用したターゲット企業群の抽出、優先順位付け市場・競合と自社の立ち位置を踏まえた業界別・企業別の仮説構築、訴求とアプローチシナリオの設計メール、電話、SNS、イベント接点を組み合わせたマルチチャネルアプローチ目標から逆算した、チャネルごとの計画づくりとリソース配分の見直し初回商談の創出と、AE・事業責任者と連携した攻略の推進商談化率、返信率、接触率などの分析と改善、パイプラインの管理経営陣・事業責任者向けに「なぜ今SalesNowか」を伝える仮説資料の作成② ABM・大手企業攻略の企画実行エンタープライズ企業の組織構造、部門課題、キーパーソンの調査ターゲットアカウントごとの攻略仮説、コンテンツ、接点設計Salesforceやスプレッドシートを用いたアカウントプランの作成経営陣、AE、マーケティング、アカウントマネジメントと連携した攻略プロジェクトへの参加・推進反応データをもとにしたセグメント別メッセージの改善大手企業の決算資料、採用情報、ニュース、組織変更を読み、SalesNowが刺さる理由を言語化③ ウェビナー・展示会・カンファレンス施策ウェビナーのテーマ設計、登壇者候補のリサーチ、集客導線の設計展示会・カンファレンスで接点をつくるべき企業、部署、人物の事前リストアップイベント後のフォローアップシナリオ作成、商談化までの導線設計オフライン接点をSalesforce上のパイプラインに接続するオペレーション設計施策ごとのROI、商談化率、受注貢献の振り返り大手企業の意思決定者が参加したくなるテーマ、タイトル、登壇切り口の企画④ アライアンス・パートナー・顧問経由のチャネル開拓SalesNowと相性の良いパートナー候補の調査、リストアップ共同ウェビナー、相互送客、データ連携、販売連携などの企画案作成パートナー候補への初期接点づくり、提案資料の作成補助アライアンス施策の進捗管理、効果検証顧問のマネジメントと、顧問経由での大手企業との接点づくり「この会社と組むと、どの市場攻略が速くなるか」を仮説化したアライアンス企画書の作成⑤ AIネイティブな営業オペレーションづくりClaude、Gemini、ChatGPT、SalesNowの企業データを使ったリサーチ・仮説構築フローの設計メール文面、商談前メモ、企業調査、商談準備レポートの作成プロセス改善Salesforce、Notion、Google Workspaceを使った営業オペレーションの整備反応データをもとにしたプロンプト、テンプレート、ワークフローの改善GAS、ノーコードツール、AIエージェントを使ったリサーチ・名寄せ・レポート作成フローの構築SalesNowの企業データやAIツールを使った、商談準備・ターゲット抽出の仕組み化「人が判断し、AIが下準備を支える」営業組織の実践知をチームに還元※従事すべき業務の変更の範囲：有り＜利用するツール・技術＞SalesNowSalesforceSlackNotionGoogle WorkspaceClaude Code / ClaudeGeminiCodexChatGPTCursorFigmaGoogleスプレッドシート各種ウェビナー・イベント運営ツールSalesNowでは、職種を問わず、AIで自分の仕事を組み替えることを求めています。経営陣もコードを書く環境で、インターンも企業調査や商談準備のフローを自ら組み立てます。事業の課題を業務のどこで直すかも、経営陣・セールスチームと議論しながら自分で決めていきます。＜ポジションの魅力＞インターンとして、正社員と同じ打席に立てる正社員のADR・AE・マーケティング・経営陣と同じ情報を見て、同じテーブルで議論します。検索では出てこない部署の直通番号と、採用の増加・資金調達などを捉えたシグナルを組み合わせ、自分で市場攻略の仮説を立てます。実行した結果は、返信率や商談化率で検証できます。学生扱いされる環境では物足りない人に向いています。AIネイティブな営業組織のつくり方を、実務で学べる企業調査、メール文面、イベント企画、商談準備、Salesforceの運用まで、下準備の質と速度をAIで上げ、人は仮説と判断に集中します。身につくのは、AIを前提に仕事の進め方そのものを設計する力です。働き手が減る日本で、1人が生み出す価値をどう増やすか。その問いに、自分の担当業務で答えを出す訓練になります。SalesNowのAIツールへの支出は、1人あたり月平均10万円以上です（会社負担）。学生のうちから、有償のAIツールを実務で日常的に使い、自分の仮説を試す回数を増やせますClaude・Geminiを使い、Codexも併用して、用途でモデルを使い分けます。企業調査や仮説資料の作成で、どのモデルをどう使うかはインターン自身が選びます成果物は複数のLLMにレビューを依頼し、採否は人が根拠を確認して決めます。AIの指摘を鵜呑みにせず決算資料やニュースで裏を取る習慣が、そのまま仮説の精度になります営業の現場では、議事録、CRMへの記録、商談準備、分析までAIを使い、営業本人の入力はほぼゼロです。空いた時間は、市場の選定と大手企業への攻略仮説に使えます目的と予算を合意したあとの進め方は、インターンでも本人が決めます。どの工程をAIで前に進め、どこから自分の目で確かめるか。この線を自分で決めた経験が、AI前提で仕事を設計できる人との差になります大手企業の意思決定を動かす経験を、学生のうちに積める企業データを起点に、相手企業の組織構造・予算・稟議・部門間の利害を調べます。その理解をもとに、誰に・いつ・どんなテーマで接点をつくるかを自分で判断します。代表電話で止まらず、狙った部門の担当者と直接話せます。意思決定者本人の反応を一次情報として受け取り、大手企業の意思決定を動かす条件を、自分の経験から説明できるようになります。経営に近い場所で、事業が伸びる瞬間に立ち会えるシリーズB目前のいま、プロダクト・営業・マーケティング・アカウントマネジメント・アライアンスが一体で勝ち筋を探しています。自分が設計したイベント導線、ABMの対象リスト、メッセージの仮説、アライアンス企画が、商談や受注につながります。2025年11月を起点に社員1人あたりARRを3年で10倍にする会社の目標に向けて、自分の打ち手が数字をどう動かしたかを、経営陣と同じ場で確かめられます。商談が生まれる仕組みを、あらゆるチャネルで設計できる電話とメールだけでなく、ウェビナー、展示会、カンファレンス、ホワイトペーパー、共同企画、パートナー連携、顧問経由まで扱い、ABMとパイプラインを動かします。営業・マーケティング・事業開発の境界をまたいで、その仕組みそのものをつくります。限られた時間と予算を、どのチャネルにどれだけ振れば受注につながるか。この配分を自分で決めて結果を見た経験は、事業開発や起業、事業責任者として市場を攻めるときに、そのまま使えます。月160時間だから、改善が毎日回る月160時間以上の継続稼働なので、イベントやパートナー経由で仕込んだ接点が商談に進むまでを、企画した本人が最後まで追えます。エンタープライズの商談は決着までに時間がかかります。仮説を立ててから結果が出るまでの長い工程を、在学中に通して経験できます。返信率・商談化率・施策ごとのROIを自分の目で確かめ、翌日のメッセージやチャネルへのリソース配分を自分で改善します。選考で自分の言葉で語れる実績が残るどの企業をなぜ選び、メッセージをどう変え、返信率・商談化率がどう動いたか。数字で説明できる成果が手元に残ります。戦略コンサル、商社、投資銀行、メガベンチャー、AIスタートアップ、起業のどこに進んでも、自分で動かした数字として語れる材料になります。SalesNowでの実務経験が、難関企業の選考で評価された例もあります。2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。その設計を、在学中から実務で経験できます。＜選考プロセス＞書類選考課題選考面接リファレンスチェックオファー面談課題選考では、SalesNowの事業や企業データ、ターゲット企業に関する仮説構築力を見ます。営業経験よりも、考える力、調べる力、実行に落とす力を重視します。所要時間は60〜90分程度を想定し、選考内でフィードバックします。＜参考記事＞公式note: https://note.com/salesnow/CEO note: https://note.com/atsunori_muraoka一緒に働くメンバーのインタビュー（長期インターンから在学中に正社員になったエンジニアの体験談）: https://note.com/salesnow/n/na813feacc9cb＜SalesNow Information＞企業名: 株式会社SalesNow設立: 2019年8月本社所在地: 東京都渋谷区桜丘町1-4 渋谷サクラステージ SHIBUYAサイド SHIBUYAタワー7F事業内容: AI時代の企業データインフラ（企業データベース『SalesNow』・AIワークフロー・SalesNow MCP・Data API（ベータ版））の提供と、営業戦略コンサルティング・AI実装・営業BPO企業サイト: https://salesnow.co.jp/採用サイト: https://recruit.salesnow.co.jp/