転職・求人情報の詳細をご覧になる場合は会員登録（無料）が必要です
| 部署・役職名 | プロダクトAIエンジニア（Trust ＆ Safety） |
|---|---|
| 職種 | |
| 業種 | |
| 勤務地 | |
| 仕事内容 |
現在、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」「ML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションでは、このうち「プラットフォームの信頼性・安全性向上」を専門的に担当いただき、ML/LLMを駆使して、安心安全なプラットフォームの構築をリードしていただきます。 1. 基盤モデルを用いた高度な安全性制御 コンテキストエンジニアリングによる事実整合性の確保 ：内部ドキュメントやガイドラインの内容をモデルに正確に参照させ、事実に基づいた安全な情報提供を行うためのコンテキスト構築の最適化 防御的プロンプトエンジニアリング ：モデルの脆弱性を突く悪意ある入力（ジェイルブレイク等）からシステムを保護する堅牢なプロンプト設計 多角的ガードレールの実装 ：サービス規約やポリシーに基づき、不適切な情報の入出力を制御するガードレールシステムの構築 2. LLMOpsツール等を活用した継続的な品質改善サイクルの確立 実験の追跡と管理 ：採用するモデル、プロンプト、パラメータといった多様な変数の組み合わせをログに記録し、再現可能な形での管理 プロンプトのバージョン管理 ：複雑化するプロンプトをコードから分離し、体系的にテスト・更新できるバージョン管理フローの構築 自動評価パイプラインの運用 ：「AI as a Judge」等の手法を用い、モデルの出力品質（一貫性、安全性、事実整合性等）を定量的かつ客観的に評価する仕組みの構築 3. 戦略的データセットエンジニアリング データキュレーション ：プラットフォーム上の多様なリスクを網羅するため、データの品質、カバレッジ、量を考慮したデータセットの設計と収集 高度なアノテーション管理 ：曖昧な安全性基準を定義し、一貫性のあるアノテーションガイドラインの策定、および品質管理プロセスを構築 合成データの生成 ：AIモデルを活用して、実データだけでは不足するエッジケースや希少な異常パターンのデータを合成し、モデルの堅牢性を強化 4. 統計的アプローチによる高度な安全性制御 リスク予測・異常検知モデルの開発 ：構造化データから、プラットフォームの信頼性を損なう特異なパターンを特定する高精度な分類・回帰モデルの構築 特徴量エンジニアリング ：リスク識別に有効な特徴量を抽出・加工するデータパイプラインの設計 5. 体系的な評価とオブザーバビリティの構築 システムの監視とドリフト検知 ：パフォーマンス（レイテンシー・コスト）の監視に加え、ユーザー行動やモデル挙動の変化を検知する環境の整備 定量的な改善サイクルの推進 ：定義された評価指標（メトリクス）に基づき、モデルの品質を客観的にモニタリング・改善するフィードバックループの構築 技術スタック（主要な部分の抜粋） Backend 開発言語: Ruby 3.4系 アーキテクチャ: Ruby on Rails 8.0系、RSpec Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR（SPA）, React Hooks, SWR Mobile（iOS） 開発言語: Swift Mobile（Android） 開発言語: Kotlin Infrastructure AWS：ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc…Elasticsearch（AWS Marketplace） Google Cloud（一部サービス） IaC：Terraform ログ：Datadog LogsとS3に集約 Monitoring Datadog, Sentry CI/CD GitHub Actions, Dependabot その他 コード管理: GitHub コミュニケーションツール: Slack, Notion その他: Firebase, twilio, ImageFlux, OneSignal, Figma etc… AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code 扱っているデータ ・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 上記のようなデータを扱っております。 |
| 労働条件 |
休日休暇 年間休日120日 完全週休2日制（土・日）、国民の祝日 ・リラックス休暇（年次有休とは別に、入社初日に年5日分、その後1年ごとに5日分付与される有給休暇） ・年次有給休暇 ・年末年始休暇 ・慶弔休暇 ・産前産後休暇 就業時間 フレックスタイム制（コアタイム 12:00〜16:00） 標準勤務時間 9:30〜18:30 ※1日8時間勤務×月勤務日数分が1ヶ月の勤務時間数となります 福利厚生等 ・交通費支給 ※上限3万円/月 ・実績に応じて昇給有（年2回） |
| 応募資格 |
【必須（MUST）】 ハードスキルデータ活用による課題解決経験 ：データ分析・機械学習を用いて具体的なビジネス課題を解決した実務経験（3年以上） 開発・分析基盤の習熟 ：SQLおよびPythonを用いた大規模データ処理、クラウド（Google Cloud/AWS等）環境でのモデル開発・運用、およびGitを用いたチーム開発の実務経験 機械学習・統計学の知識 ：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 基盤モデルを用いたAIアプリケーションの開発経験 ：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 MLOps/AIインフラの知識 ：モデルの学習・評価・デプロイを自動化するパイプラインの構築経験 ソフトスキル 技術とビジネスの翻訳能力 ：AIの能力（事実整合性、安全性等）と限界を、非エンジニアに分かりやすく説明し、合意形成を行う能力 不確実性の高い中での意思決定能力 ：コスト、レイテンシー、安全性、モデルの品質といった相反する要件（トレードオフ）を論理的に整理し、優先順位を判断する能力 評価駆動の論理的思考 ：標準化された指標やデータに基づいて客観的にシステムのパフォーマンスを評価し、改善を提案する能力 ステークホルダーを巻き込む推進力 ：複雑な安全性基準の策定などにおいて、周囲の専門性を大胆に巻き込み、プロジェクトを完遂させるファシリテーション能力 【歓迎（WANT）】 データセットエンジニアリングの実務経験 ：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を活用したデータ生成・評価経験 ：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 高度なデータセット設計スキル ：複雑なタスクにおける体系的なアノテーションガイドラインの設計および品質検証の経験 エンドツーエンドの運用設計能力 ：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 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 |
| リモートワーク | 可 「可」と表示されている場合でも、「在宅に限る」「一定期間のみ」など、条件は求人によって異なります |
| 受動喫煙対策 | 喫煙室設置 |
| 更新日 | 2026/02/19 |
| 求人番号 | 7511561 |
採用企業情報
- 企業名は会員のみ表示されます
- 会社規模501-5000人
この求人の取り扱い担当者
-
- ?
- ヘッドハンターの氏名は会員のみ表示されます
会社名は会員のみ表示されます
-
- コンサルティング IT・インターネット メーカー
-
転職・求人情報の詳細をご覧になる場合は会員登録（無料）が必要です