• 正社員

株式会社ジーニー

仕事内容

アピールポイント: 年俸1200万～2000万円・土日休み・学歴不問！株式会社ジーニーでResearch Engineer, LLMとして活躍しませんか。

仕事内容: 株式会社ジーニーでResearch Engineer, LLMを募集します。 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 JAPAN AI STUDIO は「企業の脳」として、顧客企業の全 SaaS を統合し、数百のワークフローを AI エージェントが自律的に実行する世界を目指しています。しかし、この構想を実現するには、現在のエージェント技術では解決できない「フロンティア課題」を突破しなければなりません。 複数の SaaS を横断して情報を検索・統合する際の推論品質の限界 長期にわたる業務プロセスを記憶し、文脈を維持する長期記憶の設計 テキスト・画像・音声・構造化データを統合的に扱うマルチモーダル対応 数百社が同時利用する環境での低レイテンシ推論 この 1年で、LLM を活用したエージェントシステムの採用は急速に進みました。コーディング、リサーチ、カスタマーサポート、セキュリティなど、多様な領域で AI エージェントが実用化されています。今後、AI エージェントがより複雑なタスクをエンドツーエンドで、あるいは人間と協力して遂行する未来に向けて、JAPAN AI では以下に取り組むチームを強化します。 長期ホライゾンの課題でより効果的なエージェントを実現する 様々なスケールで他のエージェントと協調し、大きなタスクを達成するための連携を設計する エージェント性能を最大化するため、新規のハーネス設計、インフラ改善、ファインチューニングなど必要な課題を解く ミッション Agentが降参する問題を解く 現在の AI エージェントでは解決できないフロンティア課題に挑み、新しい推論手法・検索 / 計画・長期記憶・ツール利用の品質限界を突破する。JAPAN AI STUDIO 上で動く数百のワークフローが、より賢く・速く・安全に動作する未来を、研究で切り拓く。 期待する役割について Research Engineer として、AI/LLM/ML の最先端研究と応用研究をリードしていただきます。 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 モデルとプロンプトの自動評価を支援し、学習からプロダクトライフサイクル全体にわたって品質を担保 プロダクト組織と協力し、エージェントをプロダクトに適用するうえでの最も困難な課題を解決 モデル学習用データミックスの作成・最適化により、エージェントタスクにおける性能と使いやすさを向上 研究成果を Agentic Product Engineer チームに移転し、プロダクト全体の品質を底上げ 論文を書くことがゴールではありません。研究成果をプロダクションに適用し、約 200 社が利用する本番環境でユーザーに届けることを重視します。 業務内容 エージェント研究開発 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 新しい推論・計画・検索手法の研究開発 マルチモーダル・長文コンテキスト対応の技術開発 最新論文の調査・再現・改良実装 評価・ベンチマーク 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 合成データ生成・評価ベンチマーク設計 モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体) プロダクション課題の解決 推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等) モデル学習用データミックスの作成・最適化 エージェント評価フレームワークの高度化 本番環境での品質改善・パフォーマンスチューニング 技術移転・発信 Agentic Product Engineer チームへの技術移転・メンタリング 学術機関・OSS コミュニティとの連携 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 : SaaS 横断検索のためのナレッジグラフ RAG の研究開発 JAPAN AI STUDIO が「企業の脳」として機能するには、顧客の全 SaaS に散在する情報を横断的に検索・統合する必要がある。既存の RAG では「Aプロダクト の従業員データ」と「Bプロダクト の商談データ」の関係性を捉えられず、回答精度が低い。ナレッジグラフベースの RAG アーキテクチャを研究・開発し、エンティティ間の関係性を構造化。SaaS 横断検索の回答精度を 40% 向上させ、AgenticProduct Engineer チームに技術移転して全プロダクトに展開。 成果責任 (KR/メトリクス) ベンチマークスコア改善率 (社内 / 公開ベンチマーク) 新手法のプロダクション適用数 (四半期あたり) 推論レイテンシ / コスト改善率 論文・技術ブログ発表数 社内技術移転完了数 チーム体制 約120名が開発組織に在籍しています。 Research Engineerは以下のプロジェクトを横断して活動します： JAI Lab ? AI研究開発 AI&Model ? モデル学習・最適化 Voice & Tel ? 音声AI・電話システム 密接に連携する役割: Agentic Product Engineer ? エージェント機能開発 (技術移転先) Agent Harness Engineer ? エージェント実行基盤 AI Quality Scientist ? 評価パイプラインとの連携 Product Manager ? プロダクト設計