シニアプロダクトAI/MLエンジニア

必須

• データ分析・機械学習を用いた複雑なビジネス課題に対し、技術選定から実装・本番運用までをリードした実務経験（5年以上）
• SQLおよびPython等を用いた大規模データ処理、クラウド（Google Cloud/AWS等）環境での開発・運用、およびGitを用いたチーム開発の実務経験
• 確率論、学習手法、評価指標、および非構造化データの処理に関する理解
• MLパイプラインやCI/CD等の基盤を活用し、モデルやAI機能をプロダクトに実装・運用した経験
• Feature Store、評価基盤、推論基盤近接領域、モデル運用基盤、API周辺などにおいて、技術方針の設計や改善を主導した経験
• ビジネスや現場のオペレーション要件から逆算し、モデルの推論だけでなく、異常時の対応フローや監視体制、現場運用への定着・適用プロセスを含めた実用的な運用設計を行った経験
• 複数のステークホルダーを巻き込みながら、重要テーマを定義・推進した経験

• _ドメイン経験（いずれか1つ以上）_

  • マッチング機能や検索・ランキング機能の実装、評価、改善において、技術方針や優先順位付けまで含めてリードした実務経験
  • 安全性や信頼性に関わるAI/ML機能、業務ルール、人による確認フローを含む仕組みの設計・運用をリードした経験
  • 構造化データを活用した分類・回帰・異常検知モデルの設計、実装、運用経験
  • コンテキストエンジニアリングや評価パイプライン構築、RAGなどの基盤モデルを用いたアプリケーション開発の実務経験

歓迎

• Two-Sided Marketにおけるマッチング最適化、推薦・ランキング設計、運用経験
• 大規模なデータの収集、クリーニング、重複排除、およびアノテーションプロセスの設計・管理経験
• AIを用いた合成データ生成や、AI as a Judgeによる自動データ検証システムの構築経験
• Vertex AI Pipelines等のMLパイプラインやFeature Store、推論基盤近接領域を活用し、プロダクトへのモデル実装・安定運用を行った経験

求める人物像

• AI/MLの能力と限界を踏まえ、技術的な論点を非エンジニアにもわかりやすく伝え、合意形成しながら前進できる方
• コスト、レイテンシー、品質などのトレードオフを整理し、優先順位を判断しながら前進できる方
• 複数チーム・領域にまたがるプロジェクトにおいて、周囲の専門性を巻き込みながら、実装から運用まで推進できる方
• 与えられた課題をこなすだけでなく、論点設定、技術方針の設計、実行計画の具体化まで自律的に推進できる方
• 当社のミッション、社会貢献性の高い事業に共感していただける方
• 当社のバリューにフィットする方
• 業界・顧客理解のためにインプットを怠らない方
• 課題解決に向け、自ら考え、手を動かすこともできる方
• 周囲と円滑なコミュニケーションを取り、大胆に巻き込みながら仕事を進められる方
• ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方

使用ツール

募集背景

• 当社は「『はたらく』を通じて人生の可能性を広げるインフラをつくる」というミッションのもと、スポットワーク市場のリーディングカンパニーとして急速な事業成長を遂げています。この成長を支え、さらに加速させるためには、AI/MLの力でプロダクトの価値を直接高める「プロダクトAI/MLエンジニア」の存在が不可欠です。
• 現在、データサイエンスグループでは、ワーカーと事業者の最適なマッチング体験の実現から、プラットフォームの信頼性・安全性の向上まで、多岐にわたる領域でAI/MLを活用した課題解決に取り組んでいます。これらの取り組みでは、LLM等の基盤モデルを活用した高度な解釈・制御を行う「AIエンジニアリング」と、従来の機械学習を用いた高精度なパターン認識・最適化による「MLエンジニアリング」の両輪が求められます。
• その中でもシニアポジションでは、既存のML/LLM基盤を前提に、マッチング機能やTrust & Safety機能の価値実装を前進させるだけでなく、技術方針の設計、優先順位付け、評価設計、運用設計、関係者の巻き込みまで含めてリードできる方を求めています。事業課題と技術課題の双方を構造化しながら、プロダクトAI/MLの実装を一段上の水準へ引き上げられる「シニアプロダクトAI/MLエンジニア」を募集しています。

業務内容

• データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。
• 本ポジションの主戦場は、マッチング領域およびTrust & Safety（信頼性・安全性）領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。
• 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。
• シニアポジションでは、加えて技術方針の策定、重要テーマの優先順位付け、四半期単位の重要テーマのリード、複数職種をまたいだ推進まで担っていただくことを期待しています。

1.マッチング体験の向上

• _マッチング機能の技術リード_ ：ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて設計・実装し、安定運用と継続的な改善をリードする
• _マッチングに必要なデータ・特徴量・Feature Store改善の設計と推進_ ：マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら、改善方針の設計から実装・運用までを推進する
• _ML基盤近接領域の機能実装・改善_ ：Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用に加え、Recommend API周辺を含む基盤近接領域のプロダクト実装・安定運用をリードする
• _LLMを活用した自律的な改善ループの設計・推進_ ：LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを設計・推進する

2. プラットフォームの信頼性・安全性向上

• _AI機能の安全性設計・実装のリード_ ：LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能の設計・実装・改善をリードする
• _運用を踏まえたリスク制御の設計_ ：AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する
• _リスク予測・異常検知モデルの開発リード_ ：構造化データから、プラットフォームの信頼性を損なうパターンを特定する分類・回帰・異常検知モデルの設計、実装、評価、運用をリードする
• _データセット設計・品質改善の主導_ ：多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成を通じて、評価・学習データセットの品質改善を主導する

3. 共通基盤を活用した実装・改善

• _LLMOps/評価基盤の活用と改善提案のリード_ ：実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善を主導する
• _品質・コスト・レイテンシーの継続的な可視化と最適化_ ：モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す
• _重要テーマの推進_ ：マッチングまたはTrust & Safety領域における重要テーマについて、技術方針の設計、関係者との合意形成、実行計画の具体化、推進管理まで担う

入社後の期待イメージ

• _入社後3ヶ月_ ：担当テーマの1つで、モデル・AI機能・業務ロジック・評価設計の改善を本番に反映し、周辺の関係者を巻き込みながら改善サイクルをリードし始めている状態
• _入社後6ヶ月_ ：マッチングまたはTrust & Safety領域における重要テーマの1つを自走して前進させ、課題設定、技術方針、評価設計、実装、運用までを一貫して推進しながら、周辺関係者の意思決定にも影響を与え始めている状態
• _入社後12ヶ月_ ：マッチングまたはTrust & Safety領域において、複数の重要テーマを横断的にリードし、技術方針・評価設計・運用設計の基準を形にしながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアの意思決定と実行を前進させ、領域全体の改善速度と意思決定の質向上に明確に貢献している状態

技術スタック(主要な部分の抜粋)

• クラウド
• Google Cloud
• 開発言語
• Python
• データ基盤
• BigQuery / Fivetran / dbt Cloud
• ML / LLM基盤
• Vertex AI / MLflow / LiteLLM / Datadog LLM Observability
• BIツール
• Looker / Looker Studio
• IaC
• Terraform
• 開発環境・ツール
• Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc

扱っているデータ

• 以下のようなデータを扱っています
• アプリユーザーのアクセスログ、募集内容に関する情報
• マッチングに関する情報
• レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ
• 問い合わせに関するデータ
• 営業活動情報のデータ

本ポジションの魅力

• スポットワークという、高頻度・高変動・短寿命な需給データを扱う二面市場で、AI/MLを直接プロダクト価値につなげることができます。
• 単純なモデル精度改善だけでなく、マッチングロジック・安全性・ユーザー体験・現場運用の成立を同時に考える、難易度の高い課題に取り組めます。
• マッチングとTrust & Safetyの両領域を横断し、従来の機械学習とLLMの双方を実プロダクトで活用する経験を積むことができます。
• モデルやAI機能を作って終わりではなく、評価・監視・継続改善まで含めた運用に責任を持てます。
• データサイエンティストやMLOpsエンジニアと連携しながら、プロダクトへの価値実装に集中できます。
• 既存の仕組みを運用するだけでなく、課題設定、評価設計、改善方針の検討まで含めて主体的に関わることができます。
• シニアポジションとして、重要テーマの優先順位付けや技術方針の設計、複数職種をまたいだ推進まで担うことができます。
• グループのミッション実現に向けて、最適なアルゴリズム、モデル、コード、ツールについてチームで議論・提案しながら前に進める文化があります。