AIネイティブWebエンジニア

必須

• Webアプリケーションの設計・開発・運用の実務経験3年以上
• TypeScript（Next.js）を用いたフロントエンド開発経験
• Python（FastAPI）もしくは同等のサーバーサイド開発経験
• パブリッククラウド（AWS, Azure, Google Cloud）でのシステム設計・開発・運用経験
• RDBMSを用いたデータモデリング、SQLの実務経験

歓迎

• LLMプラットフォームや生成AI関連ツールの利用経験
• 生成AIによるデータ処理経験
• データエンジニアリング、MLOps/LLMOpsの知識や経験
• AIツールを日常の開発に取り入れ、実装やレビューの速度を上げた経験
• 大規模データセットの処理・分析の経験
• 全文検索エンジン（Elasticsearch / OpenSearch）の設計・運用経験
• ソフトウェアや各種ツールの選定経験（小規模な利用でも可）
• 開発プロセスやCI/CD、レビュー体制の改善を主導した経験
• 設計意図や判断根拠を構造化して言語化し、開発の進め方を仕組み化した経験
• 技術選定・アーキテクチャ設計のリード経験
• PdMやソフトウェアエンジニアとしてのプロダクト開発経験

求める人物像

• SalesNowのミッション「誰もが活躍できる仕組みをつくる。」とバリュー（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
• 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
• 限られた人材が高い生産性を発揮できる状態を技術でつくることに意義を感じ、ボトルネックの改善やプロセスの効率化を楽しめる方
• 新しい技術や知識を積極的に身に付け、生成AIを使って自分の開発の進め方を設計し直すことに挑める方
• 離れて働くチームで情報共有を大切にし、詰まったときや認識がずれたときは自ら声を上げて前に進められる方

使用ツール

募集背景

• SalesNowは、企業データベース『SalesNow』の画面とSalesforce・HubSpot連携に加え、Data API（ベータ版）・SalesNow MCPへと、企業データの届け方を広げています。届け方が増えるほど、同じデータを画面・API・AIエージェントのどこから引いても正しく速く返す設計が要になります。担当領域のデータ設計から実装・運用まで、一貫して担うWebエンジニアを募集します。PdMや経営陣と目的・予算を合意したうえで、技術選定や設計を主体的に進められます。
• この募集は【地方採用枠】です。関西や熊本など地方在住のメンバーが、技術選定やアーキテクチャ設計まで担い、プロダクトの中核を動かしています。

ミッション

• 1,600万件超の法人・組織データを前提に、大手企業の業務の現場でAIが正しく動き続けるよう、担当者がプロダクトを成立させることです。AIの出力の質は、参照するデータの質で決まります。そのデータインフラと、それを使う画面の両方を設計できるのがこのポジションです。機能を足すだけでなく、データ設計・アーキテクチャ・評価基盤まで含めて、プロダクト全体を進化させます。

お任せしたい業務内容

• PdMなどと連携し、『SalesNow』の設計・開発・運用を担います。以下の領域から、適性・経験・志向・事業状況に応じて主担当を決めます。
• 技術選定、アーキテクチャ設計、実装
• 大規模な法人データ基盤の構築・運用（PostgreSQL / Elasticsearch / DynamoDB / S3 / Databricks / n8n / LLM）
• 高頻度アクセス・大量データに対応するパフォーマンスチューニング・データベースチューニング
• LLMを用いた要約・抽出・レコメンドや、商談準備のための企業情報の調査・整理機能のプロダクト実装
• プロダクトのUI/UXの持続的な改善と運用設計
• AIの出力を人が検証・修正できるUIの設計。人が仮説を立てて判断し、下準備はAIで進める
• Claude Code・Cursor・CodeRabbitを前提とした開発プロセスの改善、開発組織の強化・運営
• 経営陣（CEO・COO）と長期的な技術課題や組織構築について密に議論し、開発組織の戦略を検討する
• ※従事すべき業務の変更の範囲：有り

いま取り組んでいる課題の例

• 1億件規模の検索基盤で、データの取得と投入を設計し直し、フルリインデックスの時間を縮める。全文検索基盤はOpenSearchで約1.05億ドキュメント・約460GBあり、企業・拠点・部署などを横断して引きます。負荷の指標には余裕があり、改善の候補は取得側のDBクエリと投入処理です
• 2,800行のモデル層を、稼働を止めずに段階的に分解する。循環インポートとレイヤー境界の曖昧さを、Strangler Fig・Feature Flag・APIバージョニングで後方互換を保ちながら解いていきます

① 開発チームは全員フルリモート

• SlackとGoogle Meetを中心に、オンラインで仕事が進みます。スクラム開発をベースに、ミッションごとにスクラムチームを編成し、デイリースクラム・スプリントプランニング・スプリントレビュー・ポストモーテムもオンラインで行います。地方在住の場合、出社は年1〜2回の全社イベントへの出席だけです。

② 設計判断をテキストで残す

• GitHub・Notion・Slackに、設計判断と決定事項を書き残しながら開発します。採用した案だけでなく、検討して見送った案とその理由も残るため、あとから誰でも経緯を辿れます。

③ 離れていても、ひとりで抱え込まない

• スクラムイベントに加え、メンターとの1on1で技術相談ができ、技術勉強会も開いています。詰まったときや認識がずれたときは、その場で声を上げて前に進められます。

④ AIを前提にした開発環境

• AIツールへの支出は、1人あたり月平均10万円以上です（会社負担）
• Claude・Geminiは全員が使えます。Codexも併用し、用途でモデルを使い分けます
• 開発ではClaude Code・Cursor・CodeRabbitを前提にしています。Claude Codeを複数並列で動かし、調査から実装・検証・リリースまでを1人で回すメンバーもいます
• 複数のLLMにレビューを依頼し、採否は人が根拠を確認して決めます

開発環境

• 言語: Python（FastAPI）, TypeScript（Next.js）, SQL
• ミドルウェア: PostgreSQL / 全文検索エンジン（Elasticsearch / OpenSearch）
• インフラ: AWS, GCP, Fastly
• デザイン: Figma

AI開発環境

• Claude Code / Codex / Cursor / CodeRabbit / Claude / ChatGPT / Gemini / Azure OpenAI

社内ツール

• Slack / GitHub / Notion / Asana / Figma / Google Workspace

① AIを前提に、1人が担える開発の範囲を広げる

• 実装の初稿づくりからPRレビューの一次チェックまで、AIを開発の流れに組み込んでいます。何をどう設計するか、その設計で課題を解けるかを決めるのはエンジニアです。直近30日でマージされたPRは2,229本です（2026年9月12日時点）。多数の変更が並行する開発現場で、実装の速さと品質の検証を両立させる開発工程を、自分で設計できます。
• 検索性能やデータ品質の改善は、実データやログで確かめます。複数のLLMから得たレビューも実データやログで検証し、採否を決める工程まで担います。
• ヤマト運輸、パナソニック、LINEヤフーなどへの導入実績があるプロダクトで、技術選定から実装・運用まで担えます。1億件規模の検索基盤と、人がAIの出力を検証・修正するUIを手掛け、データの品質・検索性能・使いやすさをつなぐ設計を担えます。

② 目的と予算を合意したら、進め方は自分で決める

• 技術選定やアーキテクチャは、経営陣と直接議論して決めます。AIで処理する範囲、人が判断する範囲、使うツールも担当者が選びます。経営陣も自分でコードを書くので、技術の議論がそのまま意思決定につながります。

③ 住む場所で、任せる範囲を決めない

• 下積みの期間を前提にしません。経験や志向に応じて担当領域を持ち、地方に住みながら技術選定・アーキテクチャ設計まで担えます。地方在住のメンバーが、すでにプロダクトの中核の設計を担っています。社員1人あたりARRを3年で10倍にする目標に向けて、開発の進め方そのものを設計する立場に立てます。

④ 企業データの届け方が広がる時期に、中核を設計する

• 企業データの届け方が、画面から Data API・SalesNow MCP へと広がっています。SalesNowには80億レコードのデータ資産があり、JCコードで本社・工場・支社支店・店舗を拠点ごとに識別できます。画面・Data API・SalesNow MCPそれぞれの用途に合わせ、必要な企業データを正しく速く届ける設計を担います。その上で、LLMによる要約・抽出から、人が結果を検証・修正するUIまでを設計します。AIツールへの支出は1人あたり月平均10万円以上（会社負担）です。複数のモデルを比較し、企業・拠点・部署のデータを使った要約・抽出に適したモデルと実装方法を選べます。
• 2〜3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前提で組織と業務を設計できるかどうか。その力を、住む場所を変えずに実務で磨けます。

最初の90日で期待すること

• 1. 1ヶ月目は、プロダクト、企業データの構造、既存アーキテクチャ、AIを前提にした開発の流れを把握し、小さな機能改善をリリースまで持っていきます
• 2. 2ヶ月目は、担当領域を持ち、設計から実装、レビュー、リリースまでを自分で回します
• 3. 3ヶ月目は、データ設計やアーキテクチャに踏み込んだ提案を行い、プロダクトの体験か開発フローのどちらかに、目に見える改善を残します