詳細 求人情報
No.134053
正社員
シニアプロダクトAI/MLエンジニア
シニアプロダクトAI/MLエンジニア｜AI/MLでスポットワークプラットフォームの価値を直接高める
AI/MLの力でプロダクト価値を直接高める業務に携わり、マッチング体験向上とプラットフォーム信頼性向上に取り組めます。従来の機械学習とLLMの双方を実プロダクトで活用し、評価・監視・継続改善まで含めた運用に責任を持てます。
喫煙専用室または加熱式たばこ専用喫煙室設置 屋内原則禁煙（喫煙専用室設置）
喫煙専用室または加熱式たばこ専用喫煙室設置 屋内原則禁煙（喫煙専用室設置）
| 仕事内容 |
データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety（信頼性・安全性）領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 シニアポジションでは、加えて技術方針の策定、重要テーマの優先順位付け、四半期単位の重要テーマのリード、複数職種をまたいだ推進まで担っていただくことを期待しています。 ##### 1.マッチング体験の向上 - *マッチング機能の技術リード*：ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて設計・実装し、安定運用と継続的な改善をリードする - *マッチングに必要なデータ・特徴量・Feature Store改善の設計と推進*：マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら、改善方針の設計から実装・運用までを推進する - *ML基盤近接領域の機能実装・改善*：Google Cloud Vertex AI Pipelinesなどの基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用に加え、推奨API周辺を含む基盤近接領域のプロダクト実装・安定運用をリードする - *LLMを活用した自律的な改善ループの設計・推進*：LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを設計・推進する ##### 2. プラットフォームの信頼性・安全性向上 - *AI機能の安全性設計・実装のリード*：LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能の設計・実装・改善をリードする - *運用を踏まえたリスク制御の設計*：AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する - *リスク予測・異常検知モデルの開発リード*：構造化データから、プラットフォームの信頼性を損なうパターンを特定する分類・回帰・異常検知モデルの設計、実装、評価、運用をリードする - *データセット設計・品質改善の主導*：多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成を通じて、評価・学習データセットの品質改善を主導する ##### 3. 共通基盤を活用した実装・改善 - *LLMOps/評価基盤の活用と改善提案のリード*：実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善を主導する - *品質・コスト・レイテンシーの継続的な可視化と最適化*：モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す - *重要テーマの推進*：マッチングまたはTrust & Safety領域における重要テーマについて、技術方針の設計、関係者との合意形成、実行計画の具体化、推進管理まで担う ##### 入社後の期待イメージ - *入社後3ヶ月*：担当テーマの1つで、モデル・AI機能・業務ロジック・評価設計の改善を本番に反映し、周辺の関係者を巻き込みながら改善サイクルをリードし始めている状態 - *入社後6ヶ月*：マッチングまたはTrust & Safety領域における重要テーマの1つを自走して前進させ、課題設定、技術方針、評価設計、実装、運用までを一貫して推進しながら、周辺関係者の意思決定にも影響を与え始めている状態 - *入社後12ヶ月*：マッチングまたはTrust & Safety領域において、複数の重要テーマを横断的にリードし、技術方針・評価設計・運用設計の基準を形にしながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアの意思決定と実行を前進させ、領域全体の改善速度と意思決定の質向上に明確に貢献している状態 |
|---|---|
| 職種 | エンジニア・技術（システム/ネットワーク） スマートフォンアプリエンジニア |
| 勤務地 |
東京都23区 港区 |
| 勤務時間 |
フレックスタイム制（コアタイム11:00から15:30） 標準勤務時間 9:30から18:30 ※1日8時間勤務×月勤務日数分が1ヶ月の勤務時間数となります 残業：- |
| 給与（時給・年収） | 年収 1100万円～1500万円 |
| 応募資格 |
・複雑な課題に対する技術リード経験：データ分析・機械学習を用いた複雑なビジネス課題に対し、技術選定から実装・本番運用までをリードした実務経験（5年以上） ・開発・分析基盤の習熟：SQLおよびPython等を用いた大規模データ処理、クラウド（Google Cloud/AWS等）環境での開発・運用、およびGitを用いたチーム開発の実務経験 ・機械学習・統計学の知識：確率論、学習手法、評価指標、および非構造化データの処理に関する理解 ・モデルやAI機能の実装・運用経験：MLパイプラインやCI/CD等の基盤を活用し、モデルやAI機能をプロダクトに実装・運用した経験 ・ML/LLM基盤近接領域での設計・改善経験：Feature Store、評価基盤、推論基盤近接領域、モデル運用基盤、API周辺などにおいて、技術方針の設計や改善を主導した経験 ・エンドツーエンドの運用設計能力：ビジネスや現場のオペレーション要件から逆算し、モデルの推論だけでなく、異常時の対応フローや監視体制、現場運用への定着・適用プロセスを含めた実用的な運用設計を行った経験 ・四半期単位の技術テーマ推進経験：複数のステークホルダーを巻き込みながら、重要テーマを定義・推進した経験 ・以下のいずれか1つ以上のドメイン経験： - マッチング・検索・ランキング機能の実装・改善をリードした経験 - Trust & Safety / リスク制御領域の実装・改善をリードした経験 - リスク予測・異常検知モデルの開発経験 - 基盤モデルを用いたAIアプリケーション開発経験 |
| 活かせるスキル・経験 |
・Two-Sided Marketにおけるマッチング最適化、推薦・ランキング設計、運用経験 ・大規模なデータの収集、クリーニング、重複排除、およびアノテーションプロセスの設計・管理経験 ・AIを用いた合成データ生成や、AI as a Judgeによる自動データ検証システムの構築経験 ・MLパイプライン・Feature Store・推論基盤近接領域でのプロダクト実装経験 |
COMPANY INFORMATION
インターネット・Web・エンターテイメント関連
スキマバイトアプリを中心に、深刻化する人手不足という経営課題を解決するサービスを展開する企業。ワーカー数1,420万人、事業者数238,000社、事業所数465,000拠点（2026年4月末時点）まで成長。既存のスポットワーク領域では業界ごとに深く入り込み、企業にとっても働き手にとってもなくてはならないインフラとしてサービスを広げている。さらに「信頼」を可視化・循環させる社会の新たなインフラ構築を進めており、長期採用サポートサービスや正社員人材紹介、Fintechをはじめとする新規事業を展開している。
フィットする求人がすぐ見つからない、転職はこれからという方
Fellowship登録 （転職支援サービス）をしませんか？
あなたに合ったキャリアプランを、いっしょに考えます