AIアプリケーションエンジニア (LLM/RAG)

必須

• 技術知識

  • WEBアプリケーション開発と運用に関する知識、経験
  • データベース(RDBMS、NoSQL等)のパフォーマンス、運用面を考慮したスキーマ設計の経験
  • WEBアプリケーション実装で考慮すべきセキュリティに関する知識
  • TCP/IPやHTTP等WEBアプリケーションで利用するプロトコルの理解

• スタンス・思考性

  • 開発プロセスにおいて自ら仕事を定義し実行に移す能力
  • 新しいテクノロジーを素早く体系的に学習し業務へ活用できる能力

歓迎

• 技術知識

  • IaCを利用したAWS開発運用経験
  • Pythonを利用した開発経験
  • LLMアプリケーションの開発・運用経験
  • 非同期処理、バッチ処理の開発・運用経験
  • 機械学習基盤の開発・運用経験
• 複数メンバーを束ね目標を達成した経験

求める人物像

• テックタッチのバリューに共感できる方
• 課題を発見し、自分で解決できる方
• 知的好奇心旺盛で、自ら学び、何事にも柔軟に対応できる方
• 表面的なツールの使い方だけでなく、背後にある仕組みや原理原則への理解を大切にする方
• 新しい情報や概念を素早く理解し、構造的に整理して周囲と共有できる方

応募について

• 「PythonやLLMの実務経験はないが、Webアプリケーションの設計・開発には自信がある」という方も歓迎しています。

使用ツール

募集内容

• ≪DAP市場シェアNo.1プロダクトに「生成AI」を実装し、解のない問いに最適解を定義する≫
• この強固な顧客基盤と技術力を活かし、私たちは新たな柱となるプロダクト「Techtouch AI Hub」の開発を推進しています。
• 本ポジションでは、この AI Hub の中核機能である RAG（Retrieval-Augmented Generation）システム の開発をリードするAIアプリケーションエンジニア（LLM/RAG）を募集します。
• 本ポジションの魅力は、国内トップシェアのDAPプロダクトの膨大なユースケース・実運用データを活かし、 「まだ世界に答えのないRAG/LLMアーキテクチャ」を自分たちの手で定義していける点です。
• LLM/RAG領域は技術の変化が激しく、答えが日々更新され、「最適解をつくる」ことが求められます。
• だからこそ、この環境では”学びながら前に進むスタンス”が大きく活きると考えています。

正解のない領域だからこそ、“学び続けられる方”を歓迎します

• LLM/RAG領域は技術の陳腐化スピードが早く、ベストプラクティスも日々更新される未開拓な分野です。
• そのため、特定技術の経験年数よりも以下の力を重視しています。
• 変化する膨大な情報を素早くキャッチアップする力
• 自分の中で体系化・構造化する力
• 本質を見極めて設計・実装に落とし込む力
• 確かな Web アプリケーション開発のバックグラウンドを武器に、 カオスを構造化し、プロダクトの未来を技術で切り拓くことを楽しめる方をお待ちしています。

Techtouch AI Hub とは

• DAP（Digital Adoption Platform）を拡張し、既存の業務システムと生成AIをシームレスに連携させることで、エンタープライズのお客様に新しい業務体験を届けることを目指す 企業向け生成AI活用プラットフォームです。

担当する機能：テックタッチナレッジベース（RAG機能）

• 企業が保有するドキュメントを安全に取り込み、その情報と生成AIを組み合わせることで、独自のコンテクストを踏まえた回答を実現します。テックタッチの強みであるDAP機能と連携し、画面上で「迷わず・間違わずに」業務ができる状態を実現することを狙ったプロダクトです。
• 現在はファーストリリース直後であり、実際の顧客への有用性を確認しつつPMF（プロダクト・マーケット・フィット）を目指すフェーズにあります 。RAG の応答品質・レイテンシ・スケーラビリティ・セキュリティ・コストをバランスさせながら、MVP(Minimum Viable Product) から 1→10 へと伸ばしていくための機能・非機能の両面に取り組んでいます。

チームの開発スタイル

• 少数精鋭のチームで、以下の通りプロダクト志向かつオーナーシップ高く開発を進めています。
• PdM(Product Manager)・エンジニアが同じテーブルでロードマップを議論
• 仕様検討〜設計〜実装〜運用までを一気通貫で担当

直近の技術的な取り組み

• 現在は PMFの達成に向け、主に次のような技術課題に取り組んでいます。
• 回答精度の追求：ユーザーの期待値を満たす回答精度と、実用的なレスポンス速度の両立
• 非構造化データの処理：様々なフォーマットの文書を適切にチャンク化・ベクトル化するパイプラインの構築
• エンタープライズ品質の担保：マルチテナント環境におけるデータ分離とセキュリティの徹底
• スケーラビリティ：複数組織からの同時アクセスを安定して捌けるアーキテクチャへの進化

技術スタック・開発環境

• 言語/フレームワーク：Python, FastAPI, LangChain, React
• インフラAWS（CDK, ECS Fargate, Lambda, Step Function, OpenSearch, MySQL）
• その他：Open API, Datadog, GitHub, Slack, Linear

「AI × Enterprise」の最前線

• PoC（実証実験）で終わらせるのではなく、数千・数万人が利用するエンタープライズ製品としてLLMアプリケーションを実装する経験が得られます。ハルシネーション対策、レイテンシ改善、コスト最適化など、実運用ならではの深い技術課題に挑戦できます。

0→1と1→10の両方を経験

• 新規プロダクトであるため、PMFに向けた機能開発（0→1）と、将来的なスケーラビリティを見据えたアーキテクチャ設計（1→10）の両面に携われます。ビジネスサイドとも密に連携し、「何を作るか」から議論できる環境です。

小さなチームで裁量高く動ける

• 少人数チームのため、仕様やロードマップについてもエンジニアが主体的に提案し、「やるべきことを自ら定義して動かす」ことが求められます。プロダクトの方向性や技術選定に直接インパクトを与えたい方には、大きな裁量とやりがいがあります。

Web開発スキルを活かしてAI領域へ

• 「PythonやLLMの実務経験はないが、Webアプリケーションの設計・開発には自信がある」という方も歓迎しています。ペアプログラミングやナレッジ共有の文化が根付いており、キャッチアップをサポートする体制があります。既存のバックエンド技術を武器に、AIエンジニアとしてのキャリアを切り拓く絶好の機会です。