AI ソリューションエンジニア (FDE)

必須

• ソフトウェアエンジニアとしての実務経験3年以上、または同等の実装能力
• 主専門を持ちながら、PoCから本番まで必要なバックエンド/フロントエンド領域をEnd-to-Endで担当した経験
• LLM/生成AI/AI Agentを用いたアプリケーションの設計・実装経験
• AIの失敗ケースや評価方法を踏まえ、技術判断を説明できること
• 日本語：Fluent (顧客の経営層・現場担当者との要件整理、技術提案、日本語ドキュメント作成を齟齬なく行えるレベル)

歓迎

• 顧客と直接対話し、曖昧な要望を技術課題へ落とし込んだ経験
• AWS/GCP/Azure上での本番運用、監視、障害対応経験
• RAG/Agent/業務自動化の組み合わせ、複数モデルの比較・選定経験
• Evals、LLM observability、guardrail、human-in-the-loopの設計経験
• エンタープライズSaaS連携、ETL、認証認可、セキュリティ・コンプライアンス対応経験
• 個別実装を共通基盤・テンプレート・再利用可能なコンポーネントへ抽象化した経験
• プロジェクトマネジメント、英語での技術コミュニケーション能力

求める人物像

• 指示を待つのではなく、自ら調べ、試し、結果から改善できる方
• 問題発見、仮説、実装、評価のサイクルを回せる方
• タスク完了だけでなく、より良い設計と再利用可能性まで考えられる方
• 技術上の選択・限界・リスクを、非技術者にも説明できる方

使用ツール

AIを導入するのではない。企業の仕事を、AIで終わらせる。

• JAPAN AIが提供するのは、AIツールそのものではありません。AIによって顧客の仕事が完遂され、成果が生まれる状態です。Forward Deployed Engineer (FDE) は、その成果を顧客の現場で実装するエンジニアです。顧客対話は約2割、技術設計・実装は約8割 が目安です。(案件フェーズにより変動します)
• Deployment Strategist (DS) と顧客の業務課題・価値仮説を整理し、FDEが技術提案、アーキテクチャ設計、LLM/AI Agentの実装、本番導入を主導します。PoCを作って終わるのではなく、実際に使われるシステムとして安全に稼働させ、個社で得た知見を次の顧客へ再利用できる形にします。
• FDEチームは現在10名。30名規模への拡大に向け、案件を担当するだけでなく、deployment playbook、標準アーキテクチャ、再利用コンポーネントを一緒に作るメンバーを募集します。

JAPAN AIのFDEで得られる経験

• 1. DSとの分業で、技術提案と実装に集中できる
• 1. 事業・業務テーマの設計はDSが主導し、FDEは技術提案とEnd-to-End実装を主導します。要件整理や課題発見には両者で関わりますが、FDE一人に営業・戦略・実装・運用のすべてを背負わせる職務設計ではありません。
• 2. 「速く作る」だけでなく、安全に本番化する
• 1. モデルの精度だけでなく、Evals、可観測性、ガードレール、セキュリティ、判断材料が不足した場合に人へ戻すabstain/human-in-the-loopまで設計します。AI Evaluation Scientistなどの専門職とも連携し、本番で信頼できるAIを実装します。
• 3. 個社開発をVerticalへ型化し、横展開する
• 1. 顧客ごとにゼロから作り続けるのではなく、現場で見つけた共通課題を、SALES/MARKETING/HR/KNOWLEDGEなどの職種特化、建設/製造/公共/製薬などの業種特化ソリューションへ昇華します。自社プロダクトとグループの顧客基盤・パートナー網があるため、1案件の成果を個社に閉じず広げられます。
• 4. 日本語を主言語に、AI実装の最前線へ
• 1. 顧客との業務は主に日本語で行います。英語は必須ではなく歓迎条件です。一方、開発組織では外国籍エンジニアも多く、多様なバックグラウンドのメンバーと協働できます。

業務内容

• Discover & Scope—課題を技術要件へ変換する
• DSとともに、顧客の業務プロセス、データ、既存SaaS、制約条件を把握
• 経営層から現場担当者までと対話し、AIを適用すべき領域と成功指標を定義
• スコープ、スピード、品質のトレードオフを整理し、技術提案を主導
• Build & Evaluate—動くものを作り、評価する
• LLM、RAG、AI Agent、業務自動化を組み合わせたアーキテクチャ設計
• Python/TypeScriptを用いたバックエンド・フロントエンドの実装
• Salesforce、SmartHR、kintone等のSaaS・顧客データとのAPI連携
• モデル比較、プロンプト・データ処理、Evals、失敗ケース分析による品質改善
• Deploy & Operate—本番で信頼できる状態にする
• GCP等へのデプロイ、監視・可観測性、認証認可、セキュリティ要件への対応
• guardrail、fallback、abstain/human-in-the-loopを含む安全設計
• 導入後はAI Success Engineer/DSが定着・運用を主に担い、FDEはモニタリングや技術課題の解決を支援
• Productize & Scale—個別解を再利用可能にする
• 実装をテンプレート、共通コンポーネント、標準アーキテクチャへ抽象化
• 顧客現場の知見をプロダクトチームへ還元し、FDE自身が共通機能を開発
• 顧客側に運用ノウハウと判断材料を残し、内製化・CoE構築を支援
• 例：全国50店舗を展開する小売業。紙ベースで平均5営業日かかっていた発注稟議を、過去の承認パターンをAIが学習して一次判断するワークフローに置き換え、リードタイムを1営業日に短縮。この事例は標準テンプレートとして他顧客にも展開されました。

このポジションの成功指標

• 成果は「PoCを完成させたか」だけでは測りません。
• 本番利用 ：構築したAIが、顧客の実業務で継続的に使われているか
• 業務効果 ：工数削減、リードタイム、売上・受注率などの改善を測定できたか
• 再利用化 ：個社の知見を、標準機能・Vertical・playbookへ還元できたか

チーム・育成・キャリア

• 開発組織は約60名 (2026年6月時点) 。FDEは、DS、Product Architect、Agentic Engineer、AI Success Engineer等と協働します。
• 入社後は1〜2か月を目安に、プロダクト理解、提案フロー、STUDIO/AGENT構築、デリバリーを段階的に学びます。FDE EXCELLENCE PROGRAMなど、顧客課題とAI実装を接続するための育成機会も用意しています。
• 将来は、IC/Principal Engineerとして技術を深める、EM/Headとして組織を率いる、PdM/DSとして課題定義側へ広げるなど、複数のキャリアを選べます。
• 現在の課題は、10名から30名への拡大に耐えられるデリバリー標準と、個社案件をVerticalへ継続的に還元する仕組みがまだ完成していないことです。完成済みの組織に参加するのではなく、その型を作る仕事です。

開発環境

• 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX
• AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK
• インフラ : GCP (コンテナ / K8s) , Docker
• データ : BigQuery, PostgreSQL, 各種顧客データソース
• ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion
• AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin
• 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応