AIエンジニア

必須

• 業務課題をヒアリングし、業務改善・システム導入プロジェクトのリード経験（企画・要件定義〜運用）
• AI／機械学習プロダクトの導入支援・活用推進の経験（PoC〜運用）
• AIエージェント、LLMアプリケーション、社内AIツール等の開発経験
• AIエージェントの応答品質の定義、および評価・改善サイクルの設計・運用経験
• Infrastructure as Code（Terraform等）を用いた構築・運用経験

歓迎

• オープンウェイトモデル（Llama, Qwen, gpt-oss等）の事後学習（SFT/DPO等）やPEFTを用いた最適化・検証経験
• Amazon Bedrock、Vertex AI等を活用したAI基盤の設計・検証経験
• BigQuery, SnowflakeなどのDWHを利用したデータ分析基盤の開発経験
• LLMアプリケーションの可観測性・モニタリング設計経験（Langfuse, Prometheus等）
• 個別案件の解決策を汎化し、共通機能として実装・展開した経験

求める人物像

• CARTA Tech Vision に共感していただける方
• 単にAI技術そのものを追求するだけではなく、「AIを使って事業や業務をどう変えられるか」に面白さを感じられる方
• PoCや実験で終わらせず、「実際に使われる状態」まで責任を持って取り組める方
• 非エンジニアや事業側と対話しながら、背景にある業務課題を理解し、最適な形でAIを組み込むことに向き合える方
• 未整備な環境や抽象度の高いテーマに対しても、自ら論点を整理し、前に進めることを楽しめる方
• 個別最適で終わらせず、仕組み化・標準化・再利用まで考えられる方

使用ツール

テレシー開発組織の役割

• テレシー開発組織では、テレビCMの効果を可視化・分析する「テレシーアナリティクス」に加え、マーケティング統合分析（MMM）によるメディア貢献度の分析や予算最適化などのソリューションを提供しています。
• 今後は、圧倒的なスピードと価格でマーケティング課題を解決する「ライトニングシリーズ」の展開に加え、社内の業務基盤についても「人とAI（テクノロジー）の役割分担」を前提に根本から再設計を進め、「AIネイティブ」な業務基盤の構築を推進していきます。
• 今回募集するAIエンジニアに期待しているのは、AIモデルを作ることだけではありません。ビジネスプロデューサー（BP）の提案活動・情報収集・分析・意思決定プロセスを理解し、AIエージェントやLLMを実業務に組み込み、事業の動き方そのものを変えていくことです。
• つまり、AIを作る人ではなく、AIで事業を動かす人を求めています。

募集背景

• テレシーは2021年の創業以来、2025年には取扱高165億円を達成するなど急成長を遂げています。さらなる提供価値の最大化のため、「ビジネスプロデューサーが顧客と向き合う時間」を最大化することが不可欠です。
• そのために業務タスクをAIで効率化・プロダクト化し、事業をエンジニアリングできるAIエンジニア組織を構築するため、新たなメンバーを募集します。
• テレシーが目指しているのは、AIを一部業務の効率化ツールとして使うことではありません。BPの提案活動、意思決定、顧客価値提供のプロセスにAIを組み込み、事業運営そのものをAIネイティブに進化させることです。
• PoCで終わるAI活用ではなく、実際の業務に入り、使われ続け、事業の競争力になるAI基盤をつくる。その中核を担っていただくポジションです。

実際の業務進行について

• 社内依頼者と伴走しながら、顧客の複雑な要望に対してAI・テクノロジーを活用したソリューションを提供します。
• テレシーでは、ビジネスプロデューサー（BP）が顧客課題や提案活動の最前線に立っています。AIエンジニアは、そのBPと近い距離で業務を理解し、どの業務をAIに任せるべきか、どの判断は人間が担うべきかを共に設計します。
• ソリューション提供後は、個別案件で得られた解決策を抽象化し、AIエージェントなどの標準プロダクト機能へと昇華させ、再利用可能なアーキテクチャとして組織知に蓄積していきます。
• 単発の便利ツールを作る仕事ではありません。現場の業務課題を理解し、実装し、使われる状態まで運用し、さらに組織の資産として再利用できる形に変えていく仕事です。

お任せする業務

• まずお任せしたいのは、テレシーのビジネスプロデューサーが顧客に向き合う時間を最大化するための、社内AIエージェント基盤の設計・開発・運用です。
• AIエージェント基盤の設計・開発・運用 : LLMプラットフォーム（Bedrock, Vertex AI等）やエージェント基盤（LangGraph, CrewAI等）を活用したシステムの構築
• 評価・改善サイクルの設計 : AIエージェントの応答品質を測る評価指標、テストデータ、改善プロセスの策定
• 運用基盤の構築 : MCP（Model Context Protocol）や外部APIを統合し、認証・権限管理・監査ログ・ガードレールを含む、安全かつ再利用性の高い運用基盤の設計
• 可観測性の確保 : エージェントの判断プロセス、コスト、失敗要因のモニタリングと課題解決
• 業務ヒアリング・要件定義 : BPや社内メンバーの業務課題を理解し、「何をAI化すべきか」「どこに人の判断を残すべきか」を整理・設計
• 実業務への組み込み : AIエージェントを実際の情報収集・分析・資料作成・提案準備フローへ組み込み、運用・改善まで推進
• 標準化・プロダクト化 : 個別案件で得られた解決策を抽象化し、複数業務で再利用可能な標準機能・共通アーキテクチャへ展開

直近で取り組んでいること

• セキュアなAI基盤の構築 : 広告・売上・CRM等の機密データを扱うためのローカルLLM環境、ガードレール、権限管理、監査ログを備えた基盤整備
• BP業務へのAI実装 : 情報収集、資料作成、分析、提案準備など、顧客提案前後に発生する業務をAIで支援し、提案のスピードと質を高める仕組みづくり

将来的に取り組みたいこと

• ライトニングMMMのAIエージェント化 : WebUIによる複雑な設定ではなく、自然言語での問いかけから意思決定サマリや推奨アクションを即時生成するUXの提供
• マーケティングAIエージェントの提供 : 現在、社内メンバーが行っている情報収集、情報整理、分析、戦略立案等の業務をAIエージェント化
• Human in the loop設計の高度化 : AIによる自動化と、人間による最終判断・ディレクションが最適に融合する業務プロセスの構築
• AI活用の標準化・プロダクト化 : 個別の業務改善に留めず、うまくいった仕組みを共通化し、複数のBP・案件・プロダクトに展開できる状態をつくる

やりがい：何が面白いか・熱くなれるか

• 実社会へのAI実装 : AIを単なる検証に留めず、実際のビジネスの意思決定基盤として運用し、クライアントの事業成長に直接貢献できます。
• PoCで終わらないAI活用 : 実験や検証だけではなく、実際の営業・提案・分析・意思決定フローにAIを組み込み、使われ続ける状態まで運用・改善できます。
• BPの意思決定を支援できる : 単なる業務効率化ではなく、ビジネスプロデューサーの提案活動や意思決定そのものに入り込み、「人とAIの役割分担」を再設計できます。

魅力：この環境だから得られるもの・できること

• 最先端技術への挑戦 : ローカルLLM、AIエージェント、MCPなど、常に進化するAIテクノロジーを、実際の業務やプロダクトへ組み込む挑戦が可能です。
• AIネイティブな組織作り : 開発だけでなく運用までを見据えた品質評価や安全性の担保など、AI活用の「中核」を担う仕組みづくりに関われます。
• 事業に近い開発環境 : 技術単体ではなく、BPや事業責任者と近い距離で、AIをどの業務に入れれば価値になるのかを考えながら開発できます。
• AI × 事業実装 × プロダクト化の経験 : AIエージェント基盤の立ち上げ、ローカルLLMやBedrockを活用した実運用、非エンジニア業務へのAI実装、標準化・再利用まで、今後市場価値が高まる経験を横断的に積むことができます。
• まだ型がないフェーズ : 完成されたAI組織に入るのではなく、テレシーにおけるAIエンジニアの役割や正解を、自ら作る側に回れます。
• 豊富なアセット : パートナー、グループの独自アセット等を活用して、顧客課題解決に向けたマーケティングソリューションを創出できます。

開発環境

• LLMエンジニアリング : vLLM, OSS LLM（Llama / Qwen / gpt-oss）, LiteLLM, RouteLLM, Semantic Router, LangGraph, CrewAI, NeMo Guardrails, Guardrails AI, Promptfoo, Ragas, PostgreSQL (pgvector), Langfuse (Self-hosted), Prometheus, Grafana, Ray 等
• MLエンジニアリング : JAX, NumPyro, statsmodels, Dagster, Python, MLflow 等
• データエンジニアリング : Snowflake, dbt cloud, Adverity, fivetran 等
• インフラ(AI) : AWS, GCP (Amazon Bedrock, Google Vertex AI)
• 共通 : Docker, Terraform, GitHub, Slack
• 単に特定技術を使うだけではなく、AIエージェントを安全に、継続的に、業務の中で使える状態にするための評価・監視・権限管理・ログ設計・ガードレール設計まで含めて取り組みます。