業務内容

• Lead design and implementation of AI-powered features: LLM integrations, retrieval-augmented generation, agentic pipelines, and AI-augmented workflows.
• Own prompt engineering rigor: structured prompts, evaluation, iteration based on production signal, and documentation of effective approaches.
• Develop LLM integration patterns for the pod: streaming responses, function calling, context window management, fallback handling, and evaluation.
• Recommend AI solution approaches (prompting, RAG, fine-tuning, agentic patterns) based on constraints; decide when to apply which approach.
• Contribute production-grade code in Ruby/Rails and TypeScript/React; maintain high quality for both AI and non-AI features.
• Collaborate with the customer-facing agent platform to build, iterate, and deploy AI capabilities.
• Work within a 3-week Agile cadence; own on-call shifts and production operations (latency, cost at scale, multi-tenant routing, data boundaries); ship features iteratively.
• Conduct deep code reviews, share LLM integration knowledge across pods, mentor teammates, and promote shared ownership of AI systems.

技術スタック

必須スキル

• 4–7 yearsのソフトウェアエンジニアリング経験（AI/ML機能やLLM主導の製品開発に重点）
• プロンプトエンジニアリングとLLM API統合の高い能力
• RAG、エージェント系ワークフロー、または関数呼び出しパターンの経験
• 本番環境でのAIソリューションのトレードオフ判断（ prompting / RAG / ファインチューニング / エージェント型）
• Ruby on Rails と TypeScript/Reactのフルスタックスキル
• Claude Code、GitHub Copilot、顧客向けエージェントプラットフォームの熟達
• LLM出力の評価（evals、テストケース、運用監視）の経験
• 本番AIシステムの運用意識（レイテンシ、コスト、マルチテナントルーティング、データ境界）
• 意義あるコードレビューの実績

歓迎スキル（該当する場合）

• 該当なし

キャリア成長観点

• AI機能の設計リードと標準の設定を通じ、技術リーダーシップとしての成長機会。
• AI製品のエンドツーエンド ownership（概念設計から本番運用まで）を経験し、レイテンシ・コスト・データガバナンス等のスケール課題を習得。
• 最先端のLLM技術（プロンプト、RAG、ファインチューニング、エージェント型パターン）の選択と適用を主導し、アーキテクチャ判断力を高める。
• 複数のチーム（ pod）間での知識共有・コードレビュー・指導を通じて、技術力と組織力の両方を育成。
• 海外拠点との協働機会や、実務でのAIエコシステムの成長影響を実感できる環境。