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】Agent Harness Engineer / 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
2025年は「AI エージェントの年」でした。2026年は「Agent Harness の年」です。

JAPAN AI STUDIO が「企業の脳」として数百のワークフローを自律実行する世界では、AI エージェントの性能はモデルだけでは決まりません。モデルを包み込み、セッション管理・チェックポイント・ガードレール・コンテキスト注入・ツール実行を制御する Agent Harness (エージェント制御基盤) こそが、エージェントを「デモで動く」から「本番で信頼できる」に変える鍵です。

「企業の脳」が稟議を承認し、リソースを配置し、見込み顧客を探索する — その一つひとつのアクションを安全・高速・確実に制御する心臓部が Agent Harness です。

JAPAN AI では、この Agent Harness を自社で設計・実装し、全プロダクトの共通基盤として構築する Agent Harness Engineer を募集しています。

ミッション
「企業の脳」の心臓部を設計する
AI エージェントが安全・高速・確実に動作するための Agent Harness — 実行エンジン、オーケストレーション、ガードレール、メモリ、モデルルーティングを設計・実装する。JAPAN AI STUDIO 上で動く数百のワークフローの制御基盤を、自社で構築する。

期待する役割について
Agent Harness Engineer として、AI / ML の知識を活かしながらエージェントの制御・実行基盤を設計・実装していただきます。

LLM / AI エージェントの動作原理を深く理解した上で、実行エンジン (Graph Runtime / State Machine) を設計・実装する
モデルルーティング、コンテキスト管理、メモリ基盤 (長期記憶・ワーキングメモリ) など、AI 特有のシステム設計を担う
社内 120名のエンジニアが使う Agent SDK を設計・開発する
ガードレール / ポリシー実行エンジンを構築し、エージェントの行動を安全に制御する
Research Engineer と連携し、最新の研究成果を本番基盤に統合する

業務内容
Agent Harness の設計・実装
エージェント実行エンジン (Graph Runtime / State Machine) の設計・実装
Agent SDK の設計・開発 — 社内エンジニアがエージェントを構築するためのインターフェース
セッション管理・チェックポイント・リカバリ機構の実装
ガードレール / ポリシー実行エンジンの構築 — エージェントの行動を制御するルール実行基盤
AI/ML システム統合
モデルルーティング — 複数の LLM プロバイダ / モデルタイプを跨いだ推論リクエストの最適ルーティング
コンテキスト管理・メモリ基盤の設計 (長期記憶、ワーキングメモリ、RAG 統合)
推論パイプラインの最適化 (レイテンシ削減、コスト効率化、キャッシュ戦略)
Research Engineer と連携した最新研究成果の本番基盤への統合
オーケストレーション・パフォーマンス
ワークフローオーケストレーション・キューイングシステムの開発
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)
推論リクエストのルーティング・ロードバランシング
信頼性・運用
プラットフォーム稼働率 99.9% 以上の維持
インシデント対応・ポストモーテム
データアクセス・権限管理基盤の設計
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: エージェント実行エンジンの設計 JAPAN AI STUDIO 上で顧客が構築する AI エージェントの実行基盤を設計。Graph Runtime を採用し、エージェントの各ステップを DAG (有向非巡回グラフ) として表現。チェックポイント機構により、長時間タスクの途中失敗からの自動リカバリを実現。

■ シナリオ 2: モデルルーティングの最適化 複数の LLM プロバイダ (OpenAI / Anthropic / Google 等) を跨いで、タスクの種類・コスト・レイテンシに応じた最適なモデルを自動選択するルーティングエンジンを設計。推論コストを 25% 削減しつつ、タスク成功率を維持。

■ シナリオ 3: ガードレール実行エンジンの構築 金融機関向けエージェントが「投資助言」に該当する回答を生成しないよう、ポリシー実行エンジンを構築。ルールベース + LLM ベースのハイブリッド判定により、レイテンシを 50ms 以内に抑えつつポリシー準拠率 99.5% を達成。

成果責任 (KR/メトリクス)
Agent SDK 採用率 (社内チームの利用率・満足度)
エージェント実行成功率 (タスク完了率、チェックポイントからのリカバリ成功率)
Harness 起因の障害率 (ガードレール突破率、状態不整合率)
実行レイテンシ P95 / P99 (Harness 層のオーバーヘッド)
推論コスト効率 (モデルルーティングによるコスト最適化)
開発者体験スコア (SDK / API の社内 NPS)

開発環境
言語 : Python, Go (バックエンド・基盤開発) , 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
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 5 年以上
Python での本番プロダクト開発経験
LLM / AI エージェントを活用した本番システムの設計・実装経験
分散システムの設計・実装経験 (単なる運用ではなく、設計・コーディングを含む)
RESTful API / gRPC の設計・実装経験
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
Agent Framework / Agent Harness の設計・実装経験 (LangChain / LangGraph / AutoGen 等)
クラウドプラットフォーム (AWS / GCP / Azure) での本番運用経験
RAG システム、ベクターデータベース、メモリアーキテクチャへの理解
モデルルーティング・推論最適化の経験
Go での基盤ソフトウェア開発経験 (SDK、ランタイム、フレームワーク等)
Kubernetes / コンテナオーケストレーションの深い理解
イベント駆動アーキテクチャ (Kafka / RabbitMQ 等) の経験
安全性ガードレール、ポリシー実行、AI の可観測性実装経験
ML 基盤 / MLOps 構築経験
英語での技術コミュニケーション能力