生成AI研究開発 ソフトウェアエンジニア

必須

• LLMを活用した機能開発の実践経験（業務・個人開発は問いません）
• PdMやデザイナーの要求の技術的フィージビリティを評価し仕様に落とし込んだ経験
• Webアプリケーションのフロントエンドまたはバックエンドの設計・実装経験（いずれかを主軸としつつ、もう一方にも取り組む意欲があること）
• パフォーマンスと保守性、テスト容易性の高い設計・実装能力
• 自身の専門領域外にも越境して課題解決に取り組む姿勢

歓迎

• LLM活用・評価

  • LLMアプリケーションを本番環境で運用し、精度・コスト・レイテンシを継続的に改善した経験
  • 評価設計・評価データセットの構築経験（LLM-as-a-judge を含む）
  • RAG・検索基盤の設計・チューニング経験（ベクトル検索、全文検索／ハイブリッド検索、リランキング等）
  • 機械学習・自然言語処理・データ分析のバックグラウンド（DS/MLEとしての実務経験）

• システム・基盤

  • クラウド（AWS / GCP / Azure）を前提としたアーキテクチャ設計・技術選定のリードと、IaC（CDK等）による構築・運用経験
  • データ基盤・データパイプライン、MLOps / LLMOps、可観測性基盤の構築経験（Databricks、トレーシング等）
• 技術的負債の解消・リファクタリング、Webアプリケーションのパフォーマンス最適化の経験

• ドメイン・発信

  • 医療・ヘルスケアなど、規制産業や高い正確性が求められる領域での開発経験
  • カンファレンス登壇、技術ブログ執筆、論文執筆・学会発表などの発信経験

求める人物像

• カケハシのミッションと6つのバリューに共感できる方
• 課題提起から実際に手を動かして解決してくれる方
• 新しい技術などに好奇心を持ち積極的に挑戦してくれる方
• 職種や領域の境界にこだわらず、プロダクトの価値を最大化する手段を選べる方
• 生成AIの不確実性を前提に、評価と改善のサイクルを粘り強く回せる方
• 理想論だけではなく、ビジネス上の要求や技術的負債といった現実的な制約の中で最善の解決策を探索し、現状を踏まえた上でプロジェクト推進ができる方

使用ツール

業務概要

• 生成AIを活用したプロダクト開発に、領域を横断して取り組んでいただきます。
• カケハシでは、各プロダクト（クラウド型電子薬歴Musubi、薬局経営見える化クラウドMusubi Insight、患者フォローシステムPocket Musubi、医薬品在庫管理・発注システムMusubiAI在庫管理）に対し、生成AIを活用した新機能の搭載を進めています。
• その中でも、薬剤師の音声から薬歴を作成する「AIアシスタントー音声薬歴生成機能ー」は、先行検証を経てMusubiの標準機能となり、全ユーザーへの展開を進めています。現在は1日あたり数万件を超えるデータを処理しており、生成AIの活用が、日々の医療現場を支える基盤になっています。本ポジションでは、この機能の拡張を軸に、今後展開予定の複数のAIプロダクトの立ち上げにも携わっていただきます。
• 一方で、生成AIを活用したプロダクト開発には、その加速度的な進化ゆえに統一化されたプラクティスが存在しません。プロトタイプは動くが、プロダクトとして求められる品質・コスト・レイテンシを満たせるか、という壁を越えるための設計と検証の方法は、自分たちで開拓していく必要があります。音声薬歴生成機能で一度越えたこの壁を、これから立ち上がる一つひとつのプロダクトで、あらためて越えていくことになります。
• そして生成AIを活用したプロダクトでは、モデルの特性・データの前処理・システム構成・UIが密接に絡み合っており、ユーザー価値のボトルネックがどの層にあるのかは事前には分かりません。モデルの選択で解くのか、モデルオーケストレーションの作り込み（RAG・エージェント構成など）で解くのか、UIの見せ方で解くのか、を素早く試し、見極める必要があります。
• そのため本ポジションでは、特定のレイヤーに閉じることなく、フロントエンドからバックエンド、インフラ、モデルの選定・活用までを横断して手を動かしていけるエンジニアを募集しています。プロダクトマネージャー(PdM)やデザイナー、ドメインエキスパート（薬剤師）と共に、プロトタイピングと評価・改善を繰り返しながら、ユーザーにとっての最適な体験をゼロから創造していきます。また、医療領域関連の顧客とともに生成AIの活用方法を探索する共創活動にも参加いただきます。
• 本ポジションでは、主に以下のような業務に従事していただきます。
• すべて自分一人でできる必要はありません。

モデル選定・活用（DS/MLE領域）

• 課題に応じたモデル選定とトレードオフの評価
• LLMを用いた機能（RAG、AIエージェント、文書生成・要約・構造化抽出など）の方式設計
• プロンプト設計・コンテキスト設計、検索精度のチューニング
• 出力品質を継続的に担保するための評価基盤の構築とオフライン/オンライン評価の運用
• ハルシネーション対策、ガードレール設計など、医療情報を扱う上で必要な品質・安全性の担保

プロダクト開発（フロントエンド / バックエンド）

• React、TypeScriptを利用したフロントエンドの設計・実装
• TypeScript(Hono)、Pythonを利用したAPI・バッチの設計・実装
• 生成AIならではのUX（ストリーミング、生成中の状態、生成結果の修正・フィードバック導線など）の実装

システム・アーキテクチャ

• AWS/GCP/Azureを用いたシステム全体のアーキテクチャ設計とIaC(CDK)による構築・運用
• データパイプラインの設計・実装（Databricks等）
• 推論コスト・レイテンシ・スループットの最適化、可観測性（トレーシング、モニタリング）の確保

チーム・プロダクトへの貢献

• PdMやデザイナーなどと協調して技術的知見からの仕様策定
• 技術的知見からのフィジビリティスタディ
• 自身の得意領域における、チームメンバーへの技術支援・教育

スキルセットの考え方

• すべての領域における即戦力を求めているわけではありません。いずれかの領域に自身の軸となる強みを持ち、そこを起点に領域を広げていける方を歓迎します。カケハシの生成AI研究開発チームでは、SWEがフロントエンドからモデル活用まで担っており、入社後に得意領域を増やしていける環境です。
• 想定レベルはミドルクラスからシニアクラスまでと幅を持たせています。ご経験に応じてレベルと役割を決定しますので、ご自身が当てはまるか迷われる場合も、まずはカジュアル面談でお話しさせてください。いずれのレベルでも、設計上の判断を自ら行いながら開発を進めていただくことを前提としています。
• カケハシでの生成AIエンジニアは、単なる実装者ではありません。技術でプロダクトを牽引する存在として、機能開発を中心に、プロンプト・モデルのバージョン管理、評価データセットの整備、自動テストの拡充、リファクタリング、ライブラリのバージョンアップといったコード品質の継続的な改善にも、AIを活用しながら取り組んでいただくことを期待します。
• ドメイン知識のキャッチアップが進んだ頃には、開発だけではなくプロダクトや、開発プロセス、チームのあり方に関しても積極的に提案いただくことを歓迎します。

カケハシのエンジニアとして得られる経験

• 社会貢献性: 医療という社会課題の解決に、技術でダイレクトに貢献できる
• 領域を越えた成長: フロントエンド、バックエンド、インフラ、モデル活用までを一貫して担い、専門領域を広げられる
• 技術的裁量: 技術選定やアーキテクチャ設計、モデル選定に裁量を持って関わることができる
• 実データと向き合える環境: 薬局・医療の実業務データとドメインエキスパートが身近にあり、精度改善のサイクルを回せる
• モダンな開発環境: React, TypeScript, Pythonと主要なLLM（OpenAI / Gemini / Claude）を前提としたモダンな技術スタックで開発できる
• スケールとゼロイチの両方: Musubiの標準機能となった音声薬歴生成機能（1日あたり数万件超を処理）の改善と、これから立ち上がる新規AIプロダクトの両方に携われる

チームについて

• 当ポジションは、Data & AI領域の生成AI研究開発チームの開発メンバーです。
• プロダクト開発が主軸ですが、チーム名が示すとおり研究開発としての側面も持っています。国内の学会で研究内容を共有するほか、トップカンファレンスへの投稿にも挑戦しています。
• また、生成AIをプロダクトとして届けるチームだからこそ、自分たちの開発にも生成AIをフル活用しています。コーディングエージェントを前提に開発を進め、AIにどこまで任せられるかを検証しながら、研究開発の進め方そのものを更新し続けています。
• その一例として、PMMやドメインエキスパートを交えて4時間でAIプロダクトのプロトタイプを作るハッカソンなども行っています。

チーム構成

• EM1名, DS/MLE 1名, SWE 5名, PdM 1名, Domain Expert(薬剤師) 1名, デザイナー1名

社内のカウンターパート

• PdM, CS, SRE, DRE team
• 基本的にプロダクト開発に必要なメンバーはチーム内に在籍

社内の生成AI利用状況

• カケハシでは、生成AIをプロダクト活用のみならず、生産性向上にも積極的に活用しています。
• 部門横断のAI活用コミュニティが存在しており、エンジニアやPdM、デザイナーが知見共有や勉強会を不定期に実施しており、全社で良い活用を模索しています。勉強会の様子はこちらでご確認いただけます。(利用できるツールとしては、後述の開発環境欄をご覧ください。)
• また、責任ある医療情報を取り扱っているため、セキュリティリスク等に対処するためのガイドラインを社内で策定しており、生産性と安心安全を両立する工夫も行っています。

開発環境

• 利用技術
• TypeScript
• Python
• React
• Hono
• AWS (Athena, ECS Fargate, CDK, Aurora, SQS, Bedrock)
• Azure(OpenAI Service)
• GCP(VertexAI)
• Databricks
• LLM
• OpenAI
• Gemini
• Claude (Amazon Bedrock)
• AI SaaS
• GitHub Copilot
• Dify
• Cursor
• Claude Code
• Gemini
• Devin
• NotebookLM
• 開発ツール
• Slack
• Google Workspace
• Jira
• Confluence
• Figma
• Datadog
• Pager Duty