ソフトウェアエンジニア（AI Platform／検索・データ基盤・MLOps領域）

必須

• Webサービスまたはバックエンドシステムの開発・運用経験
• Python、Go、Ruby、Javaなど、いずれかのプログラミング言語を用いた開発経験
• Linux、ネットワーク、データベースなどの基礎知識
• AWSまたはGCPなどのクラウド環境を利用したシステム開発・運用経験
• システムの技術的な課題を発見し、設計・実装・運用まで改善を進めた経験
• AI・検索・データ基盤・MLOpsなど、いずれかの技術領域への興味・関心

歓迎

• 以下のいずれかの経験をお持ちの方を歓迎します。

  • Elasticsearch、OpenSearch、Solrなどを利用した検索システムの開発・運用経験
  • 大規模なデータパイプラインやデータ基盤の開発・運用経験
  • BigQuery、Dataflow、Apache Sparkなどを利用したデータ処理経験
  • Airflow、Cloud Composerなどを利用したワークフロー基盤の開発・運用経験
  • Kubernetesを利用したシステムの開発・運用経験
  • MLOps基盤の設計・開発・運用経験
  • Vertex AIなどのMachine Learning Platformの利用経験
  • Embedding、Vector Search、RAGなどを利用したシステム開発経験
  • 機械学習モデルを本番サービスへ組み込んだ経験
  • TerraformなどInfrastructure as Codeを利用した環境構築経験
  • 大規模Webサービスや高トラフィックサービスの開発・運用経験
  • Platform Engineering / Developer Platformの開発経験
  • システムのパフォーマンス改善、信頼性向上、コスト最適化の経験

求める人物像

• 特定の技術領域に閉じず、得意領域を軸に隣接する技術領域へ専門性を広げていきたい方
• AI・データを活用した機能を支える基盤づくりやPlatform Engineeringに興味がある方
• 技術的な課題を自ら発見し、周囲と議論しながら解決に向けて主体的に取り組める方
• 新しいAI・検索・データ関連技術に関心を持ち、自らキャッチアップ・検証できる方
• プロダクトエンジニアやデータアナリスト、データサイエンティストなど異なる専門性を持つメンバーと連携しながら開発を進められる方

使用ツール

概要

• 日々世界各国の多くのユーザーにBUYMAが利用される中で、膨大な商品データや画像データ、ユーザー行動データ、取引データが蓄積されています。BUYMAではこれらのデータを活用し、検索・レコメンド・画像検索をはじめとしたさまざまな機能を提供しており、サービスの成長とともに、それらを支える検索基盤・データ基盤・ MLOps基盤の重要性も高まっています。
• これまでAIテクノロジーグループでは、検索基盤、データ基盤、MLOps基盤をそれぞれ専門領域として開発・運用してきました。 今後はこれらを横断的に捉え、データの収集・処理から検索、機械学習モデルやAIの開発・提供までを一貫して支える「AI Platform」として発展させていきます。
• 今回、このAI Platformの設計・開発・運用を担い、BUYMAにおけるAI・データ活用を技術基盤から支えていただくソフトウェアエンジニアを募集します。
• 検索・データ基盤・MLOpsすべての領域における実務経験は必要ありません。 バックエンド開発や検索、データ基盤、クラウドインフラなど、これまでのご経験や得意領域を活かしながら、隣接する技術領域へ専門性を広げていただくことを想定しています。

仕事内容

• BUYMAのプロダクト開発やAI・データ活用を支える「AI Platform」の設計・開発・運用を担当していただきます。
• AI Platformチームでは、大きく以下の領域を扱っています。
• 全文検索・ベクトル検索などのSearch Platform
• データ収集・加工・分析を支えるData Platform
• 機械学習モデルの開発・評価・デプロイ・運用を支えるMLOps Platform
• 機械学習モデルそのものの研究・開発を中心とするポジションではなく、AIやデータを活用した機能を、継続的かつ安全にプロダクトへ届けるためのソフトウェアエンジニアリングを重視しています。

具体的な業務内容

• AI Platform全体のアーキテクチャ設計・開発・運用
• 全文検索・ベクトル検索基盤の設計、開発、パフォーマンス改善
• 検索インデックス生成やデータ連携パイプラインの設計・改善
• データの収集・加工・蓄積を行うデータパイプラインの開発・運用
• 機械学習モデルの学習・評価・デプロイや、AIサービスのの提供を支えるサービング基盤の開発
• 機械学習モデルやAIサービスをプロダクトから利用するためのAPIや共通コンポーネントの開発
• AI Platformのオブザーバビリティ、信頼性、開発者体験の改善
• クラウドコストや処理性能を考慮したアーキテクチャ改善
• 新しいAI・検索・データ関連技術の調査、検証、導入
• プロダクト開発チームやデータアナリスト、データサイエンティストとの連携 など

プロジェクト事例

• 全文検索基盤のモダナイズ
• ベクトル検索を活用した類似商品検索・商品検索の高度化
• 商品・ユーザー行動データを活用するためのデータパイプラインの改善
• 画像・テキストエンベディングを利用した検索・レコメンド基盤の開発
• 機械学習モデルの学習・評価・デプロイプロセスの自動化
• AI機能を各プロダクトチームが容易に利用できる共通API・SDKの整備
• LLMを利用した検索や商品情報生成など、新しいAI機能の技術検証
• AI Platformのオブザーバビリティ向上やコスト最適化 など

本ポジションの魅力

• _AIを「使う側」だけではなく、AI・データ活用を支える基盤そのものをつくることができます。_ AI Platformチームの顧客は、BUYMAを利用するユーザーだけではありません。 プロダクトエンジニア、データサイエンティスト、データアナリストなど、社内のさまざまな開発者・データ利用者がAI Platformのユーザーになります。 AIやデータを使った機能を、各チームがより早く、安全にプロダクトへ届けられる環境そのものをつくることが、このチームのミッションです。
• _検索・データ基盤・MLOpsを横断し、専門性を広げることができます。_ 検索だけ、データ基盤だけ、MLOpsだけという限定された領域ではなく、検索・データ基盤・MLOpsをはじめ、AIプロダクトを支える幅広い技術領域を扱うことができます。得意分野を軸にしながら、隣接領域へ専門性を広げていくことができます。
• _BUYMAが持つ大規模な実データを活用し、プロダクトに近い距離で基盤開発ができます。_ BUYMAには大量の商品データ、画像データ、検索データ、ユーザー行動データ、取引データがあります。 Platformを作るだけではなく、その上で実際に動く検索・レコメンド・画像検索などのプロダクトと近い距離で開発できるため、基盤への投資がユーザー体験やビジネスへどのようにつながったのかまで確認することができます。
• _これからのAI Platformを自ら設計できるフェーズです。_ 既に完成されたPlatformを運用するだけのポジションではありません。 これまで個別に構築してきたSearch Platform、Data Platform、MLOps Platformを統合し、これからのBUYMAに必要なAI Platformを再設計していくフェーズです。 技術選定、アーキテクチャ、Platformとして提供する機能、開発チームとのインターフェースなどについて、チームで議論しながら設計していくことができます。

所属グループ・チーム

• 開発組織（サービスエンジニアリング本部）は、「アプリケーション開発グループ」「インフラグループ」「AIテクノロジーグループ」の3つのグループで構成されています。
• 本ポジションが所属するAI Platformチームは、「AIテクノロジーグループ」に所属します。
• これまでAIテクノロジーグループでは、検索基盤、データ基盤、MLOps基盤をそれぞれ開発・運用してきました。 今後はこれらをひとつのAI Platformとして横断的に捉え、個々の基盤を運用するだけではなく、BUYMA全体のAI・データ活用を加速させる共通Platformへ発展させていきます。
• AI Platformチームだけで完結するのではなく、BUYMAの各プロダクト開発チーム、データアナリスト、データサイエンティストなどと連携しながら開発を進めます。
• AI Platformとして何を共通化し、何を各プロダクト開発チームに委ねるのかを含め、現在の体制が完成形ではありません。これからのBUYMAに必要なAI Platformのあり方を、チームで議論しながら共に創っていただける方を求めています。

技術スタック・使用ツール

• クラウド：GCP
• 検索基盤: Solr, Elasticsearch, Vertex AI Vector Search
• データ基盤: BigQuery, Pub/Sub, Dataflow, Cloud Composer
• AI・機械学習: Vertex AI, Python, Embedding / Vector Search, LLM
• アプリケーション・基盤開発: Ruby on Rails, Python, Go, Kubernetes, Docker
• モニタリング: Datadog, Cloud Monitoring / Cloud Logging
• プロジェクト管理: GitHub, GitLab, Jira
• コミュニケーション: Notion, Slack
• AIサービス：Gemini, Cursor, Claude Code