会社名

JAPAN AI株式会社

会社概要

JAPAN AI株式会社は、2023年4月に設立されたAIスタートアップです。

グロース市場に上場している株式会社ジーニーのグループ会社として設立されました。
ジーニーは、プロダクト開発において積極的にAI技術を活用しており、自社プロダクトである「GENIEE SFA/CRM」や「GENIEE CHAT」において、ChatGPTを用いた議事録の自動要約やメールの自動作成など、お客様の業務効率化や生産性向上につながるAI関連機能を提供しています。

このような状況の中、ジーニーグループはAI技術に関わる導入コンサルティング、プロダクト提供、ならびに研究開発をさらに推進するために、2023年4月に戦略的子会社である「JAPAN AI株式会社」を設立いたしました。

当社は「AIで持続可能な未来の社会を創る」というPurposeを掲げ、日本企業の生産性向上や産業の活性化のための様々なAIプロダクトの開発と提供を行っています。高度なプロダクトを開発するために、ChatGPTをはじめとした各種大規模言語モデルやGenerative AIなどの分野の研究も進めています。

昨年2024年11月には、国内企業としても一早く「AIエージェント」をローンチし、多くの企業様に高評価を頂いており、国内市場を席捲しております。
当社はAI市場のトップランカーであると自負しております。

ポジション

【JAPAN AI】Software Enginner, AI Platform / Japanese

仕事内容

JAPAN AI株式会社について
JAPAN AI株式会社は、AI技術を駆使して働く人々の可能性を飛躍的に高めることを目指し、上場企業である株式会社ジーニーのグループ企業として2023年4月に設立されました。当社は最先端のAI技術を活用し、国内外での研究開発を推進しています。

私たちが目指しているのは、単なる AI チャットボットの提供ではありません。企業の全 SaaS を統合し、AI が自律的に業務を実行する「企業の脳」— 次世代の基幹システムを構築することです。「JAPAN AI STUDIO」を中核に、DB さえあればアプリ不要、AI が作業して結果だけを返す世界を実装しています。

私たちはAIの持つ変革力を通じて、新たな価値を創出し、社会全体の進歩に貢献することを目指しています。AIによるイノベーションをリードし、テクノロジーが人々をより多くのことを達成できるようにする未来を共に創造しましょう。

募集背景
「企業の脳」は止まってはいけません。

JAPAN AI STUDIO が約 200 社の顧客企業で稟議承認・リソース配置・見込み顧客探索などの業務を 24時間自律実行する世界では、プラットフォームの稼働率 99.9% は最低ラインです。同時に、数百のワークフローが同時実行される環境での推論コスト・インフラコストの最適化、そして開発者体験の向上が求められています。

Agent Harness Engineer が「エンジンを作る人」なら、Software Engineer (AI Platform) は「エンジンが安定して動く環境を作る人」です。Kubernetes クラスタの設計・運用、観測性基盤の構築、推論コスト最適化、CI/CD パイプラインの整備 — バックエンドエンジニアリングの力で「企業の脳」のインフラ全体を支えるポジションです。

ミッション
「企業の脳」が 24時間 365日止まらない世界を支える

AI エージェントが安全・高速・確実に動作するための共通基盤 — バックエンドサービス、実行環境、観測性、ガバナンスを設計・構築・運用し、プラットフォーム全体の信頼性とコスト効率を最大化する。

期待する役割について
Software Engineer (AI Platform) として、バックエンドエンジニアリングの力で AI プラットフォーム全体の信頼性・パフォーマンス・コスト効率を支えていただきます。

バックエンドサービスの設計・実装・運用を担いながら、Kubernetes クラスタやクラウドインフラの最適化にも取り組む
観測性基盤 (トレーシング、ログ、メトリクス) を設計・整備し、AI エージェント特有の障害を迅速に検出・解決する
推論コスト・インフラコストの最適化により、ビジネスインパクトに直結する改善を実現する
SLI / SLO の設計・運用、オンコール、インシデント対応を通じて稼働率 99.9% を維持する
CI/CD パイプラインの構築・改善、開発環境の整備を通じて社内エンジニアの開発者体験を向上させる

業務内容
バックエンドサービス・プラットフォーム構築
AI プラットフォームのバックエンドサービスの設計・実装・運用
Kubernetes クラスタの設計・構築・運用
クラウドインフラ (GCP) のアーキテクチャ設計・最適化
IaC (Terraform) によるインフラのコード化・自動化
コスト / 性能最適化 (オートスケーリング、キャッシュ、バッチ処理、GPU 管理)
観測性・ガバナンス
観測性基盤 (トレーシング、ログ、メトリクス) の設計・整備
AI エージェント特有のトレーシング (推論リクエストの追跡、ツール呼び出しの可視化)
データアクセス・権限管理基盤の構築
セキュリティ要件への対応
SRE・信頼性
プラットフォーム稼働率 99.9% 以上の維持
SLI / SLO の設計・運用
オンコール、インシデント対応、ポストモーテム
インシデント MTTR の継続的改善
開発者体験の向上
CI/CDパイプラインの構築・改善
開発環境・ステージング環境の整備
社内エンジニア向けのインフラドキュメント整備
業務シナリオ例
※以下は想定される業務シナリオの例です

■ シナリオ 1: 推論パイプラインのバックエンドサービス最適化
推論リクエストの急増に伴い、バックエンドサービスのレイテンシが悪化。リクエストパターンを分析し、キャッシュ戦略の再設計とバックエンドサービスの非同期処理化を実装。P95 レイテンシを 40% 改善しつつ、推論コストを 20% 削減。

■ シナリオ 2: エージェントトレーシング基盤の構築
AI エージェントの障害原因特定に時間がかかっている課題を解決するため、OpenTelemetry ベースのトレーシング基盤を設計・実装。推論リクエスト → ツール呼び出し → 外部 API 連携の一連のフローを可視化し、MTTR を 50% 短縮。

■ シナリオ 3: マルチテナント環境のコスト最適化
約 200 社の顧客が同時利用するマルチテナント環境で、テナントごとのリソース消費を可視化するダッシュボードを構築。利用パターンに基づくリソース配分の最適化により、インフラコスト ($/リクエスト) を 15% 改善。

成果責任 (KR/メトリクス)
プラットフォーム稼働率 ≥ 99.9%
エージェント実行レイテンシ P95/P99
インフラコスト効率 ($/リクエスト)
開発者体験スコア (社内NPS)
インシデント MTTR ≤ 目標値

開発環境
言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド部) / NX
インフラ : GCP (コンテナ / K8s) , Docker, Terraform
メッセージング : Kafka / Pub/Sub
監視 : Prometheus, Grafana, OpenTelemetry
CI/CD : GitHub Actions
ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion
AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin
作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

従事すべき業務の変更の範囲
　会社の定める業務

求める経験・スキル

必須条件
コンピュータサイエンス、ソフトウェア工学、人工知能、機械学習、数学、物理、それらの関連分野における学士号または同等の実務経験
バックエンドエンジニアとしての実務経験 3 年以上
Python での本番プロダクト開発経験
クラウドプラットフォーム (AWS / GCP / Azure) での設計・運用経験
Kubernetes / コンテナオーケストレーションの理解と運用経験
分散システムの設計・運用経験
言語レベル : いずれか必須
日本語 : Fluent (プロダクト開発において齟齬なく議論を行えるレベル)
英語 : ビジネスレベル

歓迎条件
IaC (Terraform / Pulumi 等) の実務経験
GPU クラスタの運用・最適化経験
ML 基盤 / MLOps 構築経験
AI ワークロード (推論サーバー、モデルサービング) の運用経験
イベント駆動アーキテクチャ (Kafka / RabbitMQ 等) の経験
SRE / DevOps のプラクティス (SLI / SLO 設計、Chaos Engineering 等)
セキュリティエンジニアリング経験
英語での技術コミュニケーション能力