インフラエンジニア/SRE

必須

• インフラエンジニアまたはSREとしての実務経験3年以上
• AWSの設計・運用経験
• 監視・ロギングの設計・構築経験
• CI/CD、IaC等自動化のシステム・ツール構築・運用

歓迎

• Aurora PostgreSQL / Elasticsearch / OpenSearchの運用・チューニング経験
• GCPの設計・運用経験
• SLA / SLI / SLOの策定・運用経験
• Webサービスのセキュリティに関する知見
• インフラコストを定期的に削減する施策の企画・実行経験

求める人物像

• ミッション・バリュー（AIネイティブ・コト志向・最高品質）に共感し、AIを使いこなす意志がある方
• シリーズB目前のスタートアップならではのスピード感を楽しみ、変化の中でも目的から考えて課題を発見し、解決に導ける方
• 誠実さとオーナーシップを持って、チームや顧客に向き合える方
• 新しい技術を自ら試して身に付け、前提を疑いながら本質的な設計判断ができる方
• 可用性・パフォーマンス・コストのバランスを俯瞰し、推測で手を入れずにメトリクスでボトルネックを切り分けてから直せる方
• 顧客やビジネス職の声を真摯に受け止め、チームに情報を共有しながら改善に導ける方

使用ツール

募集背景

• 開発者がAIエージェントと実装を進めるSalesNowでは、全社で直近30日に2,229本のPRをマージしており、リポジトリは298あります（2026-09-12計測）。この変更を安全に本番へ届ける監視・CI/CD・IaCを設計することが、SREの挑戦です。
• 企業データは、企業データベース『SalesNow』の画面に加えて、Data APIと、Claude・CursorなどのAIエージェントから直接使えるSalesNow MCPで提供しています。担当者が商談準備や議事録のSFA登録に使うAIワークフローも提供しています。顧客の日々の業務が、このインフラの稼働にそのまま乗っています。扱うデータはAurora PostgreSQLで80億レコードの規模です。負荷の性質が異なるサービスが増えるなかで、信頼性とパフォーマンスを設計で担保し、コストを事業の成長に見合う水準に保つSREを募集します。

入社後に取り組む課題

• 1億件規模の検索基盤で、フルリインデックスの時間を縮める。対象はOpenSearchの1.05億ドキュメント・約460GB（r7g.2xlarge.search × 3）です。取得側のDBクエリ、投入時の設定、4インデックスの直列処理を見直します
• 55媒体の収集からPostgreSQLへの反映まで、監視・アラートを設計・運用する。対象はMWAA（Airflow）による収集と、DatabricksとDelta LakeのBronze / Silver / Goldの3層による処理です。ジョブ定義とModel Serving endpointはTerraformで管理します
• 媒体ごとに更新の周期も失敗の仕方も違うなかで、どこで止まれば顧客に届くデータが古くなるかを見極め、アラートの閾値とSLOに落とす

お任せしたい業務内容

• AWS / GCPを中心としたクラウドインフラの設計・構築・運用（IaCを含む）
• 監視・アラート基盤の設計・運用と、人の画面操作とAIエージェント経由の利用の両方を測るSLI / SLOの策定
• 利用者が安心して快適に使えるよう、画面・Data API・SalesNow MCPの安定稼働と応答性能を設計する。メトリクスでボトルネックを切り分けて改善します
• 障害対応とポストモーテム
• Aurora PostgreSQL / Elasticsearchのパフォーマンスチューニングと、事業の成長を阻害しないためのインフラコスト最適化。インスタンス配置・キャッシュ・ストレージを含め、インフラ全体の費用を実測して配分を決めます
• CI/CDパイプラインの設計・運用とセキュリティ基盤の整備、サービス運用の仕組み化と効率化。監視・障害対応・CI/CDを対象に、AIと実装を進める開発者が安全に変更を届けられる工程を設計します
• ※従事すべき業務の変更の範囲：有り

利用する技術・ツール

• クラウド: AWSが中心（Lambda / ECS / Aurora / OpenSearch / CloudFront / DynamoDB / S3 / Firehose / Athena / MWAA）、一部GCP・Azure、Fastly
• IaC: Terraform、AWS CDK
• 言語: Python（FastAPI）、TypeScript（Next.js）、SQL、Scala
• データ: Scrapy、Airflow、Databricks（Spark / Delta Lake）
• AI・LLM: Amazon Bedrock、Azure OpenAI、Claude、Gemini
• 開発ツール: Claude Code、Codex、Cursor、GitHub Copilot、CodeRabbit、n8n
• 社内ツール: Slack、GitHub、Notion、Asana、Figma、Google Workspace、Salesforce、Pardot

AIとの働き方

• AIツールへの支出は、1人あたり月平均10万円以上です。Claude・Geminiは全員が使え、Codexも併用します。インフラの調査や設計案の比較に応じてモデルを選び、複数の観点から自分の設計を検証できます
• 成果物は複数のLLMにレビューを依頼し、採否は自分でログやメトリクスを確かめて決めます。AIを使っても、品質に責任を持つのは担当者です
• AIツールは月額契約なので、より良いモデルが出ればすぐ乗り換えられます。データを学習に使わせない設定を守ったうえで、障害調査や設計の検証に一番合うモデルを、その都度自分で選べます
• 成果物をGitHubに残すので、自分の改善をチームが再現し、使い続けられる運用手順に育てられます
• 目的と予算を合意したあとは、担当者が進め方を決めます。どこをAIで調べ、どこを人が判断するか、どのツールを使うかも自分で決めます
• 自らコードを書く経営陣と、プロダクトや組織の設計から議論できます。インフラの改善を、事業の優先順位と結びつけて進められます

80億レコードと1億件規模の検索基盤を、自分の設計で支える

• Aurora PostgreSQLの80億レコードと、企業・拠点・部署を横断して引くOpenSearchの約1.05億ドキュメントを扱います。データ処理と検索基盤の両方に関わり、DBクエリ・投入設定・4インデックスの直列処理まで遡って取得と投入の工程を設計し直し、検索インデックスの再構築にかかる時間を自分の手で縮められます。検索では手に入らない、アナログに集めたデータまで、欠かさず顧客に届け続ける仕組みを担います。収集から配信までを見渡し、各工程のつながりを踏まえてインフラを設計する力が身につきます。

可用性とコストのトレードオフを、担当者として数字で決める

• 収集（MWAA）、処理（Databricks）、保存（Aurora・S3）、検索（OpenSearch 約460GB・r7g.2xlarge.search × 3）。費用のかかる場所が層ごとに違う基盤で、クエリの改善、キャッシュ戦略、インスタンス配置を比較し、性能と費用の実測値から、どの施策を優先するか自分で決めます。その判断が、そのまま事業の収益構造に効きます。改善案を経営陣に説明し、技術上の選択を事業の投資判断につなげられます。

AIと実装を進める開発組織で、変更を安全に届ける仕組みをつくる

• 監視・CI/CD・IaCを横断して設計し、開発者が変更を本番へ届ける工程そのものを改善できます。AIで1人が出せる変更が増えるほど、本番を守りながら速度を落とさない仕組みの価値は上がります。その仕組みを、経営陣と優先順位から議論し、育てられます。

人とAIの両方から使われるサービスのインフラを設計する

• 人が使う画面、Data API、Claude・CursorなどのAIエージェントから使われるSalesNow MCP。人の1回の検索と、エージェントが連続で叩くAPIでは、負荷の性質がまったく違います。この3つを、同じ80億レコードのデータ基盤の上で同時に成り立たせるインフラを、形にできます。あなたの設計の良し悪しが、そのまま顧客企業の仕事が進む速さになります。

募集内容

• 数年後、AIを使えることは当たり前になります。差がつくのは、AI前提で仕事と組織を設計し直せるかどうかです。2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標へ、SREとして挑みます。開発者が安全に届けられる変更を増やし、インフラの改善を1人あたりの生産性につなげる仕事です。