東京都/専門商社/年収600万円以上/40代の求人・転職・中途採用情報
事業開発担当<板金加工>
事業開発担当として、下記業務をご担当いただきます。 【具体的には】 ■生産委託を行っているパートナー工場に対する調達改善業務:meviyで発注いただいた製品は自社工場に加え、パートナー工場でも生産を行っています。今回のポジションではパートナー工場に対する品質指導、生産改善とそれに伴う交渉窓口を担当いただきます。これまで培われた開発・生産に関わる知識を活かしていただきながら、同社の生産ノウハウを吸収し、バイヤー担当としてパートナー工場との品質や価格などの取引契約から生産立上げまで実行いただきます。meviyを通じて発注を受ける協力工場の中には直近5年で売上を倍増させるなど大きな成果を上げているところもあり、一緒に生産を改善するパートナーとして伴走していくイメージが近いです。:60% ■新商品および新機能の企画立案:meviyは発展途上のサービスであり、より多くのユーザーに利用いただくためのサービス改善が必要です。購買分析と利用ユーザーの意見をもとにどのような機能を追加していくべきか、より良いサービスになるには何が必要か、開発アイテムを選定、企画立案していただきます。パートナー工場との技術的すり合わせやシステム開発部門への要求仕様定義などを推進し、機能のリリースまで実行いただくことでプロダクトオーナーとしての役割を果たしていきます。(システム開発自体は専任の別チームが担当しています。システム開発の深い知識は必須ではありませんが、活動する中で自然と理解が深まります):30% ■自己啓発(知の探索):同組織では、希望するセミナーや研修参加、資格取得など積極的な自己研鑽を奨励しています。組織に必要だと思うことを能動的に発信いただき、チーム全体の底上げを図っていただきます。:10%
データアーキテクト・開発リーダー
■AI検索サービスの根幹となるデータアーキテクチャの設計、およびデータ管理プロセスの最適化・自動化のリードをご担当いただきます。 【具体的には】 1.AIモデルのためのデータ基盤構築・パイプライン設計:50% AI/MLモデルの学習・推論に必要なデータを、高品質かつタイムリーに供給するための基盤を作っていただきます。 ・データ収集/加工:多様なログデータや商品データを収集し、モデルが学習可能な形式へ加工(ETL/ELT)するパイプラインの設計/構築 ・特徴量管理(Feature Store):特徴量の作成/管理を一元化し、学習時と推論時のデータ不整合(Training-Serving Skew)を防ぐ仕組みの導入 ・データ品質管理:データの欠損や異常を検知し、常にクリーンなデータを維持するための監視/通知システムの構築 2.データ管理プロセスの最適化および自動化推進:30% 属人化しがちなデータ抽出・加工作業を排除し、自動化されたワークフローを確立していただきます。 ・データ運用の自動化:手動SQLやスクリプトに依存しているデータ作成フローを、Workflow Engine(Airflow等)を用いて自動化/コード化(IaC) ・MLOps基盤の強化:データサイエンティストがスムーズにモデル実験/デプロイを行えるよう、インフラ側からの環境整備 ・メタデータ管理:どのデータがどこにあり、どう加工されたかを追跡可能にするデータカタログの整備 3.チームマネジメント・戦略策定:20% ・セクションリーダーとしてメンバー(正社員・パートナー)のタスク管理、技術指導、評価 ・事業目標に基づいた中長期的なデータ戦略/アーキテクチャロードマップの策定
プロダクトのテックリード<検索エンジン>
テックリードとして、グローバル運用の仕組み作りや部門の技術レベル向上に向けての業務をご担当いただきます。 【具体的には】 ■グローバル運用の仕組み作り:70% ・海外クラウド環境でのインフラ構築・整備、アーキテクチャ設計・構築 ・CICD基盤の整備・ログやアプリケーションメトリクスの運用基盤整備 ・インシデント管理 ・インシデント対応含む運用負荷軽減のための自動化推進 ■部門の技術レベル向上:30% ・技術広報活動(登壇、 テックブログ の執筆) ・クラウドサービス含む新規サービス・ツール・先端技術に対する技術検証 ・テックリードとして自社およびプロジェクト内での技術レベルの向上
SRE<AI検索プラットフォームの信頼性向上>
AI検索機能(キーワード検索、ベクトル検索、AIレコメンド等)を提供するプラットフォームの信頼性向上、パフォーマンス改善、開発効率化をリードしていただきます。 【具体的には】 ■信頼性向上・スケーラビリティ確保:40% ・コンテナ基盤の高度化: GKE (Kubernetes) / Cloud Run を活用した、高負荷に耐えうるオートスケーリング基盤の構築と運用 ・SLI/SLOの導入・運用: サービスの信頼性を定義し、エラーバジェットに基づいた運用ルールの策定と、開発チームへの信頼性文化(Reliability Culture)の浸透 ・グローバルインフラ設計: 各国のレイテンシ要件を満たすマルチリージョン構成やCDN戦略、ネットワーク設計の最適化 ■パフォーマンス・エンジニアリング・可観測性:40% ・検索基盤の高速化: Elasticsearchやベクトル検索エンジンのインデックス設計、クエリパフォーマンスのボトルネック特定と解消 ・分散トレーシングの確立: マイクロサービスとAIモデルを横断するリクエストフローを可視化し、障害発生時の原因特定時間を短縮 ・コスト最適化 (FinOps): クラウドコストやAIリソース(GPU等)の使用状況を監視し、性能を維持しつつのコスト削減を提案・実行 ■DevEx向上・チームマネジメント:20% ・Toil(労苦)の削減: 手作業によるオペレーションを自動化し、エンジニアが創造的な作業に集中できる時間を創出 ・CI/CDパイプラインの進化: テスト自動化、カナリアリリース等のデプロイ戦略を実装し、安全かつ高速なリリースサイクルを実現 ・技術共有・育成: SREプラクティスの勉強会実施やコードレビューを通じ、開発メンバーのインフラ・運用スキルの底上げを図る。
フルスタックエンジニア/EC検索
AI検索機能(キーワード検索、マルチモーダル検索、AIレコメンド等)を提供するWebアプリケーションおよびAPIの開発・運用をリードします。 【具体的には】 ■検索API・バックエンド開発および検索体験の高度化:50% ・検索・推薦ロジックの進化(Evolution): ベクトル検索やリランキング機能を活用し、「曖昧な入力から正解を導く」「検索結果から次のアクションを提案する」といった、従来の検索エンジニアリングの枠を超えたロジックの実装・改善 ・高度な分散処理のチューニング: 複数のAIモデルと検索エンジンが連動する複雑なバックエンドにおいて、gRPC等を用いた通信の効率化や非同期処理を駆使し、ユーザーにストレスを感じさせない「思考スピードのレスポンス」を追求する。 ・グローバル要件への適応: 国ごとに異なるデータ特性やユーザー行動をシステムに取り込み、世界中のどの国からアクセスしても最適な検索体験が得られるよう、ローカライズと共通化のバランスを設計する。 ■フロントエンド連携・フルスタック開発推進:30% ・BFF (Backend For Frontend) 構築: フロントエンド(React/Next.js等を想定)が効率よくデータを取得できるAPI層の設計 ・UI/UX改善の技術サポート: 検索サジェストや動的なフィルタリングなど、フロントエンドエンジニアと連携し、リッチな検索体験を技術面から実現 ■チームマネジメント・技術リード:20% ・コードレビュー、設計レビューを通じたメンバー(正社員・パートナー)の技術力向上 ・技術選定(言語、フレームワーク、ライブラリ)の意思決定と、開発生産性を高めるための開発フロー整備(CI/CD、テスト自動化)