LLMエンジニア

必須

• 機械学習・データサイエンス領域の知見を有し、下記いずれかに該当する方

  • AI／機械学習モデルに関するデータ前処理、学習、評価等の一連の検証・開発プロセスを主体的に推進した経験
  • 機械学習・データサイエンス領域のプロジェクトを、要件定義・技術選定・進行管理を主導しながらリードした経験
• Python等を用いて、データ処理・検証・評価・改善を自ら実装した経験
• 関係者と連携しながら、技術検証から適用検討、実装推進まで一連で担った経験

歓迎

• 独自LLMや大規模言語モデルの構築、追加学習、改善を主担当または中核メンバーとして担った経験
• 機械学習・生成AIを活用したプロジェクトのマネジメントやチームビルディングを主導した経験
• ビッグデータを活用した分析業務、またはAIモデル開発を実務でリードした経験
• RAG、検索、AIエージェント、VLM、OCR等を用いたシステムの開発・検証・改善経験
• SageMaker、Azure ML、Databricks等の機械学習基盤を用いた、学習・評価・運用環境の構築経験
• 金融領域におけるデータ分析、またはAI活用の経験
• 英語文献・論文の調査を通じて、技術選定や改善方針の立案に活かした経験

求める人物像

• LLMをはじめとする生成AI技術への高い関心・学習意欲

使用ツール

募集背景

• みずほフィナンシャルグループでは、中期的に1,000億円規模のデジタル投資を行い、デジタルを軸とした変革を推進しています。
• この取り組みは、みずほフィナンシャルグループのデジタル戦略・AI活用推進を担う《デジタル戦略部》が全社レベルで牽引しており、重点AIプロジェクトの旗振り役として推進する体制を敷いています。
• 常時30〜40件のプロジェクトが同時並行で進行しており、すでにリリースと運用フェーズに入ったプロダクトも増えています。次の成長段階では、こうした取り組みをグループ全体へ広げ、業務改革と顧客価値につなげていくことが重要です。
• その実現に向けて、金融業務で求められる信頼性・安全性を満たすため、汎用LLMの活用に留まらず独自LLM（みずほLLM）の開発を進めています。オープンウェイトモデルをベースに社内ナレッジを活用し、学習・チューニングを組み合わせて継続的に性能を高めています。今後の展開を加速するため、データ設計から学習実装・評価・改善までを一気通貫で担うLLMエンジニアを募集します。

ポジションの魅力

• 汎用LLMの活用に留まらず、金融業務で求められる専門性・信頼性を満たす独自LLM「みずほLLM」の開発を推進しています。社内ナレッジを活用した学習データ設計から、学習手法の検討、チューニングの実装・実行、性能分析までを一気通貫で担い、モデルを継続的に高度化できる点が魅力です。実務テストを前提に、より専門的な業務領域への展開につなげていくフェーズに参画できます。
• 金融機関でLLMを業務に組み込むには、モデル精度だけでなく、実務テスト設計、誤答検知、ログ設計、アクセス制御など運用面の統制が欠かせません。本ポジションでは、学習・評価に加えて運用ルール整備まで踏み込み、品質と監査性を満たした形でLLMを成立させます。技術とガバナンスの両面で意思決定し、運用に落とし込む経験が得られます。
• LLM開発は、モデルを作るだけでは価値になりません。本ポジションは評価結果を踏まえた適用先の検討まで担い、業務支援アプリなどのプロダクトチームと連携しながら、LLMを業務価値へ接続します。モデル特性と業務要件を踏まえて適用方針を定め、現場で使われる形へつなげられる点が魅力です。

職務内容

• 生成AI／LLM（大規模言語モデル）の業務活用に向けて、データ整備からLLMの選定・構築、学習（チューニング）実装、技術評価、適用検討までを担い、業務改善につながるAIプロダクトを推進するポジションです。

具体的な業務内容

• 生成AIの利活用に向けたデータの構造化・加工・分析などのデータエンジニアリング
• モデル開発に必要なデータの特定、およびデータベース設計
• LLM（大規模言語モデル）の選定、独自LLM（みずほLLM）のセットアップ
• 学習手法の検討を含む、チューニング（学習）の実装・実行および性能分析（技術評価）
• LLMOpsとして、実務テスト設計と誤答検知、ログ・アクセス制御を含む運用ルール整備
• 評価結果を踏まえた適用先の検討と、プロダクトチームとの連携推進

プロジェクト例

• 独自LLM（みずほLLM）の構築に向けた、社内ナレッジの整備・学習データ設計
• 継続事前学習／ファインチューニング／RAG等の手法比較と、最適な組み合わせの技術検証
• 金融特化LLMの継続的な精度向上とデプロイ・評価（銀行実務テスト（預金・融資・外為・財務分析等）にて評価実施中）
• 現場部署と連携しながら実務課題を特定し、独自学習の有効性を見極めつつ、要件整理からデータ収集、評価設計、学習試行までを実践
• 大規模学習を効率的に実行するため、AWS等での分散計算環境（クラスター）構築および運用に向けた技術検証

面談記録・議事録作成支援「めんきくん」

• 対面/オンラインMTGの面談記録ドラフトを作成するiOS/Webアプリケーション

スライド生成支援「みずほスライドジェネレーター」

• 作成したいスライド内容を自然言語で指示すると、AIが構成を検討し、社内様式を反映したスライドを自動生成

暗黙知の形式知化「AIインタビュアー」

• AIがRMにインタビューし、営業ノウハウをナレッジ化。整理した知見はRAGの知識DBや独自LLMの学習データとして活用予定。

社内手続き検索支援「Wiz Search」

• 事務・与信など膨大な社内情報から、社員の質問に関連する手続書やマニュアルをAIが検索し、回答を生成。

技術情報（一部）

• 開発言語 TypeScript, Python
• フレームワーク Next.js, React, Vue.js, FastAPI, Streamlit, FastAPI
• AI関連ライブラリ Assistants API, Agents SDK, Strands Agents SDK, LangChain, LangGraph, Vertex AI
• インフラ・ミドルウェア AWS, S3, ECS, ElastiCache, Terraform, CDK, Bedrock, Bedrock Agentcore
• テスト Jest, Pytest, Playwright
• ツール GitHub, Teams, Slack, Jira, Confluence
• AIツール Anthrpic ClaudeCode, AWS Kiro, OpenAI Codex, Amazon Q Developer, Devin, Dify, v0