生成AIエンジニア

必須

• Webアプリ／システム開発の実務経験 1年以上
• ディープラーニングを利用したAIモデル構築経験（実業務における経験でなくてもよい）
• └例：自作AIモデル作成した経験がある
• └例：機械学習コンペ（Kaggle，Signate，Nishikaなどに参加したことがある
• └例：ChatGPT APIなど活用して自作アプリを作成した経験がある

歓迎

• 大規模言語モデル（LLM）に関する知見を有している
• PoC／プロトタイプ開発の実務経験（AI機械学習関連でなくもよい）

求める人物像

• 新しい技術を“試すだけ”で終わらせず、使われる形に落とし込みたい
• 仮説→検証→改善を回して、手触りのある成果を作りたい
• チームで学びを共有し、再現性のある型にしていきたい

使用ツール

募集背景

• 生成AIは、単なる“ツール”ではなく、業務の設計そのものを変える技術になりました。価値が出るのは「モデルを触れる人」ではなく、課題設定→検証→実装→運用までやり切れる人です。
• スカイウイルでは、生成AIを活用した提案・PoC・開発の相談が増え、チームで再現性ある実装パターンを育てています。だから今回、実務経験の有無に関わらず“価値に着地させる”仲間を増やします。入社後は、小さく作って学び、次に提案・改善へ。あなたの成長が、そのままチームの武器になります。

このポジションのミッション

• LLM/RAGを業務課題に落とし込み、PoC→本番を完走させる
• 再現性ある実装パターンをチームの資産にする

業務イメージ

• LLM/RAGを活用した業務アプリの開発（要件整理→プロトタイプ→本番実装まで）
• データ整備・検索設計（ドキュメント分割、メタデータ設計、検索精度の改善）
• 評価・品質担保の設計（評価指標、テストケース、ガードレール/プロンプト改善）
• 既存システムとの連携実装（API連携、権限、ログ/監視、運用手順の整備）
• 学びを資産化（実装パターンのドキュメント化、社内共有、再利用できる部品化）

得られるキャリア・ベネフィット

• LLM/RAGを“触る”で終わらせず、要件→実装→運用までを経験できる
• プロンプトだけに寄らない設計力が身につく（評価指標、データ整備、ガードレール設計）
• PoCの先にある“現場で使われ続けるAI”をつくる実装力が鍛えられる
• キャリアの分岐が広い（生成AIアプリ/AI×バックエンド/AI-PM・テックリード など）
• キャリアを逆算したアサイン：伸ばしたい軸（上流/技術深掘り/リード）から役割を設計します
• 複数の視点で成長を支える体制：定期面談やレビューで、次の一手を一緒に決めます

仕事の難しさ

• LLMは挙動が揺れるため、“動いた”で終わらず評価指標・ガードレール・運用まで作り込む必要があります。
• 要件が曖昧なまま始まることも多く、仮説→検証→改善のサイクルを自走できることが重要です。
• セキュリティ/権限/ログ/コストなど、プロンプト以外の論点が成果を左右します。