AIエンジニア（生成AI・業務支援AI）

必須

• ソフトウェア開発の実務経験
• AI／データ分析／アルゴリズムに関わる開発・研究・製品開発の経験
• 業務課題を理解し、要件に落とし込んで実装・検証した経験

歓迎

• 生成AI／LLMの活用経験
• 文書・画像処理に関わるAI開発経験
• 業務支援AI・業務自動化の開発経験
• データ・ナレッジ活用の設計・開発経験
• AIの品質評価・リスク対応への関心または経験
• クラウドAI基盤の利用経験

求める人物像

• 新しい技術や製品に興味を持ち、明るく業務に取り組む方
• 多くの部門とチームで仕事を進めることができる、協調性とコミュニケーション力をお持ちの方

応募について

• ※「生成AIの実務経験」は必須ではありません。

使用ツール

募集内容

• プリンター・複合機および関連ソフトウェアにおける業務ドメインのナレッジとAI技術（生成AI／LLM）を組み合わせ、商品・サービスに直結するAI基盤技術を開発
• 新しい技術や製品に興味を持ち、チームで明るく業務に取り組む方を歓迎
• AIで「何ができるか」を一緒に考え、AIで「仕事のやり方を変える」ことに挑戦しませんか？

募集背景

• AIで“業務の当たり前”を変える。その中核を担う仲間を求めています。
• 生成AIやAI技術の進展により、多くの業界で「AIを使うこと」自体は特別なことではなくなりつつあります。一方で、実際の業務現場では、
• 文書作成・処理
• 印刷・スキャンといった情報の入出力
• 保守・サポートなどの運用業務
• といった領域に、いまだ多くの手作業や属人化が残っています。私たちは、こうした現場に根差した業務をAIによって本質的に変えていくことを目指しています。
• キヤノンは長年にわたり複合機やプリンティング機器を通じて「文書」「画像」「業務フロー」の現場に深く関わってきました。その中で蓄積されてきたのは単なるデータではなく、どのような業務で、どこに手間や判断があり、何が価値につながるのかという実践的なナレッジです。
• 私たちの部門（基盤要素第二開発部・基盤要素第三開発部）は、このナレッジをAIと組み合わせ、実際に使われる仕組みやサービスとして形にする役割を担っています。
• 現在、生成AI／LLMの進化により、
• 文書内容を理解する
• 状況に応じて提案・判断する
• 人の作業を支援・自動化する
• といったことが現実的になってきました。
• 一方で、AIは「使いどころ」を誤ると、価値を生まないどころか、現場の混乱やコスト増につながることもあります。だからこそ私たちは、業務を理解し、AIを適切に組み合わせ、安心して使える形に落とし込むことを重視しています。
• 他社と比べた際のキヤノンの大きな特徴は、
• AIを“試す”段階ではなく、実際の製品・サービスに載せる責任とスケールがあること
• 文書・画像・業務といった明確なドメインを持ち、現場の声が近いこと
• 技術だけでなく、品質・信頼性・安全性まで含めてAIを考える文化があること
• です。
• 自分が関わったAIが、実際の業務やお客様の仕事を変えていく。その手応えを感じられる環境があります。
• AIの専門性をさらに深めたい方、AIを使って「仕事のやり方そのもの」を変えたい方、技術と現場の両方に向き合いたい方。
• 私たちは、そうした想いを持つ方と一緒に、次の価値をつくっていきたいと考えています。

仕事全体の内容

• 私たちは、業務ドメインのナレッジ（文書・画像・ワークフロー、保守運用の知見など）と、生成AI／LLM・従来AIを組み合わせ、実際に使われる製品・サービスに直結するAI技術を開発するチームです。取り組みは大きく2つの軸があります。
• ドキュメント業務の変革（プリント／スキャン領域）：プリントナレッジ・スキャンナレッジに基づく支援AI、文書認識（項目抽出・コンテンツ認識）、印刷レイアウト生成などを扱います。
• 保守・運用・サポートの高度化（スマートサービス領域）：保守業務支援AI、AI診断、チャットUI連携、マルチモーダルRAG（図表・設計資料・ログなども活用）といった技術開発を扱います。
• また、生成AIの社会的要請（説明責任・バイアス等）を踏まえ、Responsible AI／AIコンプライアンスを意識した技術開発も重要テーマです。

①「AIを作る」だけで終わらず、“業務が変わる”ところまで関われる

• AIの精度だけでなく、業務に組み込まれて価値を出すための要件設計、データ／ナレッジ設計、評価・運用まで扱います。スキャン系テーマでは、調査～技術検討～データ開発～技術評価～PMまでの幅広い工程を扱います。

② 技術選択の幅が広い（LLM／従来AI／ルールの“適材適所”）

• 「高度判断・試行錯誤はLLM、単機能は従来AI／ルール強化」のように、領域ごとに最適解を設計し、現実的なコスト・リスクとの両立を図ります。

③ 部門横断・拠点横断で“商品化まで”を一体で進める

• 開発・事業・デザインが一体で、ユースケース→AI技術検証→商品性検証→要件定義へつなげます。

④ グローバル規模の課題に挑める

• 幅広いラインナップの商品をWWに展開しているキヤノンならではの大規模データを前提にした課題設定がされており、活躍のフィールドが広がっています。

キャリアイメージ

• 20代：モデル／推定ロジックの実装、データ整備、評価設計
• 30代：複数機能の統合、現場プロセス理解、他部門連携での実装推進
• 40代：サービス全体のアーキテクチャ視点で、戦略・ロードマップ・組織連携をリード

働きがい

• “生成AIを入れる”ではなく、業務のナレッジと結びつけて価値が出る形に落とすことに挑めます。
• 技術検証だけでなく、商品性検証→要件定義へ繋げる枠組みがあり、価値創出まで一気通貫で関われます。「紙・文書・画像」という、キヤノンが強いドメインでAIの勝ち筋を作れます。