株式会社JINGS の求人｜シニアAIエンジニア／テックリード｜製造業の知識を本番品質のAIへ

業務詳細

■JINGSについて

「日本のものづくりで、後世に誇れる社会を創る。」

これが、JINGSの志です。

製造業は、日本の輸出や雇用、地域経済を支える基幹産業です。その競争力のセンターピンは、高い品質にあります。

しかし、その品質を支えてきた熟練者の知識や判断は、図面、帳票、Excel、過去の不具合情報、そして人の頭の中に分散しています。

熟練者の退職が進む今、人が辞めるたびに、企業が何十年もかけて蓄積してきた知識まで失われようとしています。

JINGSは、AIで人を置き換えたいわけではありません。

現場にある知識を整理し、必要なときに取り出せるようにする。過去の経験を、次の判断に使えるようにする。そうすることで、日本のものづくりを次の世代につないでいきます。

■募集背景

JINGSでは、製造業向けの生成AI、RAG、画像・文書解析システムを開発しています。

今回募集するのは、決められた仕様を実装するだけのポジションではありません。

顧客課題を理解し、技術的な選択肢を比較し、何を採用し、何を採用しないかを決める。複数のエンジニアとともに、本番で使える品質までシステムを引き上げる。

その中心を担うシニアエンジニアを募集します。

論文や新しい技術を調査することも重要です。ただし、研究や検証だけで終わらせません。

既存技術との違いを検証し、精度、速度、コスト、安全性を評価し、顧客の業務に本当に必要であれば本番へ組み込むところまで担当していただきます。

■お願いしたい業務

担当案件の技術責任者として、設計から本番運用までをリードしていただきます。

顧客課題、業務フロー、技術要件の整理
AI・LLMシステム全体のアーキテクチャ設計
RAG、検索、OCR、画像解析などの技術選定
モデル、外部API、OSS、自社開発の比較と採否判断
技術検証、プロトタイプ、本番実装
評価データセットと評価指標の設計
精度、速度、コスト、セキュリティの検証
AWS上でのバックエンド・推論基盤の設計
API、データパイプライン、バッチ処理の開発
テスト、CI/CD、ログ、監視、障害対応の設計
設計レビュー、コードレビュー
技術的負債とリスクの管理
技術ロードマップの作成
Architecture Decision Recordなど、技術判断の記録
エンジニアへのタスク設計と技術支援
メンバーの育成、レビュー、フィードバック
PM、経営陣、顧客への技術説明
論文や技術動向の調査
有望な論文・手法の再現実装と評価
検証結果の社内共有、技術標準への反映

担当するのは、単なる「AI機能」ではありません。

データの取り込みから検索、回答生成、評価、監視まで、システム全体を見ていただきます。

■テックリードとして期待すること

技術的に難しい問題を分解し、進め方を決める
複数の選択肢から、採用する技術と採用しない技術を決める
判断理由を、エンジニア以外にも説明できる形で残す
コードレビューを通じて、チームの品質基準を上げる
メンバーが詰まっている問題を早期に発見する
技術的なリスクをPMや経営陣へ早く共有する
目の前の案件だけでなく、将来の共通化や再利用も考える
品質、納期、コストのバランスを取る
障害や品質問題が起きた際に、原因究明と再発防止を主導する

人事評価や会社全体の採用、技術予算、顧客契約の最終決定はJINGSが行います。担当案件の技術判断について、大きな裁量を持っていただくポジションです。

■必須要件

ソフトウェアエンジニアとしての実務経験5年以上
Pythonを用いた本番システムの開発経験3年以上
AI、機械学習、RAG、検索、データ基盤のいずれかを本番導入した経験
要件整理から設計、実装、テスト、リリース、運用まで担当した経験
複数人の開発チームで技術方針を主導した経験
アーキテクチャ設計、設計レビュー、コードレビューの経験
技術選定について、比較軸と採用理由を説明できること
AWSなどのクラウド環境でシステムを構築・運用した経験
テスト、CI/CD、ログ、監視を含めて本番品質を設計できること
精度、速度、コストなどの評価指標を定め、改善した経験
PMや顧客に技術的な制約とリスクを説明できること
月80時間以上稼働できること
平日日中の技術会議や顧客打ち合わせに参加できること

役職名としてテックリードでなかった場合でも、技術方針の決定、レビュー、メンバー支援を実質的に担った経験があれば対象となります。

■歓迎要件

テックリードまたはリードエンジニアとして2年以上の経験
3名以上のエンジニアチームを技術面からリードした経験
複数案件または複数プロダクトを横断して技術判断を行った経験
コンピュータサイエンス、機械学習、自然言語処理などの修士号・博士号
査読付き論文、国際会議、国内学会、研究会などでの発表経験
AI・機械学習分野における論文執筆、共同研究の経験
論文をもとにした再現実装、比較実験、性能評価の経験
大学、大学院、研究機関、企業研究所での研究経験
研究成果や新しい手法を、プロダクトへ実装した経験
OSSへのコントリビューション経験
技術ブログ、登壇、勉強会などによる技術発信の経験
RAG、情報検索、リランキング、LLM評価の知識
OCR、Document AI、VLM、画像認識の知識
LLMOps、MLOps、モデル監視の経験
製造業向けシステムの開発経験
エンタープライズ向け受託開発の経験
IAM、VPC、暗号化などクラウドセキュリティの知識
技術ロードマップや共通基盤を策定した経験
エンジニアの採用面接や技術評価に関わった経験

論文数や学位だけで判断することはありません。

どのような問いを立て、どう検証し、何が分かり、それを実際のシステムや事業へどうつなげたかを重視します。

求める人物像

【求める人物像】

技術を目的にせず、顧客の問題を解くために使える
論文や新技術をうのみにせず、自分で再現・比較・評価できる
新しい技術を採用しない判断もできる
正解がない状況でも、仮説を立てて前に進められる
技術的な判断を言語化し、チームに共有できる
自分で実装しながら、周囲の技術力も引き上げられる
メンバーのコードを否定するのではなく、判断基準を伝えられる
分からないことや技術的な限界を正直に共有できる
品質問題やリスクを抱え込まず、早い段階で相談できる
整理されていない製造業のデータに粘り強く向き合える
現場で働く人と、その人たちが培ってきた知識を尊重できる
実装後の運用や障害まで、自分の仕事として考えられる
JINGSの志に共感し、日本の製造業に長く残る仕事をしたい

■選考で確認すること

技術方針を主導したプロジェクト
チーム構成とご自身の意思決定範囲
採用した技術と、採用しなかった技術
設計・コードレビューで改善したこと
メンバーを支援・育成した経験
本番環境で発生した問題と対応
品質をどのように測定し、改善したか
論文や新技術を実務へ取り入れた経験
研究成果を本番実装する際に工夫したこと

公開できるGitHub、論文、登壇資料、技術記事などがある場合は、応募時にURLをご共有ください。非公開の実績については、守秘義務に触れない範囲でお聞きします。

募集情報