• 正社員

株式会社豆蔵

仕事内容

アピールポイント: 「AIを導入したい」だけで、本当にプロジェクトは前に進むのでしょうか。 多くのAI活用プロジェクトでは、「とりあえず生成AIを使いたい」という要望だけが先行し、業務構造の整理やデータ設計、AIアーキテクチャの検討が十分に行われないまま開発が始まっています。 その結果、PoCで終わる。現場で使われない。運用できない。 そんな“AIを導入しただけ”のシステムが数多く生まれています。 さらに今、AIエージェントが企業利益へ本格的に貢献し始めたことで、多くの企業で「データ」と「AI」が経営アジェンダの最上位に置かれるようになりました。 一方で現実には、AI戦略を描ける人材が足りない。PoCは実施したものの、その先の構想が描けない。AIを事業へ組み込むための“構造設計”ができない。 こうした課題に直面している企業が数多く存在しています。 豆蔵のデータ戦略グループは、単なるAI導入支援ではなく、経営戦略の策定段階から参画し、設計・実装・運用までを一気通貫で支援するスタイルで、この課題に向き合っています。 わたしたちが求めているのは、AIモデルやデータ基盤に詳しいだけの人ではありません。 顧客の経営課題を起点に、業務知識を構造化し、AIアーキテクチャを設計し、経営層と対話しながらプロジェクト全体を前に進められる人材です。 そして、オントロジーエンジニア・LLMエンジニア・データアーキテクトなどのスペシャリストと連携しながら、数名規模のチームをリードし、成果物の品質とプロジェクト成功に責任を持っていただきます。 また、案件ごとの成功体験を“属人的な知見”で終わらせず、標準化・ナレッジ化し、次の案件や次のチームへ展開していくことも重要な役割です。 「AIを作る」のではなく、“AIを事業で使える構造”そのものを設計する。 そんな挑戦を、本気でやりたい方を求めています。 このポジションの位置づけ ■戦略だけでも、実装だけでもない 豆蔵は、戦略提案だけを行うコンサルティング会社でも、受託開発だけを行うSI企業でもありません。 顧客の経営・業務課題へ深く入り込み、AI戦略、データ戦略、AIアーキテクチャ設計、システム実装、内製化支援まで一気通貫で伴走します。 「AIをどう使うべきか」から入り、「実際に使える状態」まで責任を持つことが特徴です。 ■尖ったテーマに、本気で向き合える■ 当組織では、以下のようなテーマに取り組んでいます。 * データドリブン経営支援：経営アジェンダとデータ戦略を接続し、KPI・ロードマップ設計で意思決定を支える * ナレッジグラフ構築支援：企業知識を意味で繋ぎ、AIエージェントを賢くする知識基盤を築く * AIアーキテクチャー設計：「動くAI」ではなく「信頼できるAI」を構造から設計する ■専門性の異なるメンバーとチームで戦う 当事業部にはオントロジーエンジニア・LLMエンジニア・データアーキテクト等など、異なる専門性を持つメンバーが在籍しています。 全員にフルスタックを求めるわけではなく、それぞれの強みを持ち寄りながら、チームで顧客課題を解決しています。

仕事内容: 株式会社豆蔵について エンベデッド、ロボット、ビジネスプラットフォーム・DX、AIソリューションの4軸で事業を展開。技術力を重視した成長環境を提供。リモートワーク率は80％で、65歳以降も契約社員として勤務可能です。 主な業務内容 ■顧客上流対応 工場長・経営企画部長・AI推進部門長等の意思決定者と直接向き合い、経営アジェンダとAI施策の接続、KPI・ロードマップ設計を主導します。「何をAIで解くべきか」という問いの設定から担います。 チームマネジメント オントロジーエンジニア・LLMエンジニア・データアーキテクト等数名のスペシャリストの業務設計・進捗管理・品質レビュー・育成を担います。プレイングマネージャーとして自分自身も上流作業を持ちながらチームを率います。 ■AI知識基盤の設計監督 企業の暗黙知・業務ロジックをナレッジグラフ・業務オントロジーとして構造化するプロジェクトの設計判断を行います。LLMへのコンテキスト供給品質がAI出力精度を左右することを理解した上で、知識基盤とAIシステムの接続設計に責任を持ちます。 ■ノウハウの標準化と横展開 案件で確立した戦略フレーム・アーキパターン・知識構造化手法を汎用テンプレートとして整備し、チーム全体の提案品質・デリバリー速度の向上に貢献します。 ■AI・データ動向の事業反映 AIエージェント・LLM・ナレッジグラフ・フィジカルAI等の最新動向を継続的にキャッチアップし、顧客提案・サービス設計・チームの技術方針に積極的に組み込みます。 データ戦略グループの主な実績 〇製造業向け AI-Readyデータ利活用基盤構築 Excel・Access・個人PC内の業務ファイルに点在する業務処理手順や判断ロジックが、特定メンバーにしか分からない状態となり、技術・業務ノウハウの継承が課題となっていたプロジェクト。 豆蔵は、データ利活用への課題感が大きい部署を中心にヒアリングを行い、42の業務をフローとして可視化。属人化していた業務知識を、データとして活用しやすい構造へ整理した。 AWS Glue、S3、Athena、QuickSightを活用し、分析・可視化・AI活用につながるデータ利活用基盤を構築。 将来的なRAGやAIエージェント活用も見据え、現場の業務ノウハウをAIが参照しやすいAI-Readyなデータ構造へ再設計し、内製化に向けた技術移転まで支援した。 〇SI企業向け AI駆動開発標準化、教育プログラム開発 SI力をAIビジネス拡大に活かし、独自性を備えたAI統合サービスを構築するという戦略のもと、従来型開発手法にAIを組み込んだ「AI駆動開発」の標準化に向けたガイドラインの作成・改善に取り組んだ。品質・生産性評価を通じて、従来の開発工程における工数を大幅に削減しつつ、従来開発と同等以上の品質を確保できる標準化を実現した。 また、AI駆動開発の普及を目的としたオンデマンド（動画＋テキスト）学習教材を展開するとともに、顧客ニーズに合わせたカスタマイズ勉強会や標準化活動にも積極的に取り組んでいる。 〇金融関連企業向け ナレッジグラフRAGを活用した暗黙知の形式知化 市場の持続的な発展と高度化を支える中で、業界経験20年以上のベテラン職員に蓄積された暗黙知の継承・活用が課題となっていた現場部門を対象に、SECIモデルを活用した暗黙知の表出化に取り組んだ。さらに、生成AIとオントロジー技術を組み合わせたナレッジグラフを用いて「ベテランの思考プロセスの可視化」を検証するPoCを実施し、正答率約7割・ベテランに近い応答性能という成果を得た。 〇製造業向け 摩耗予測MLOps基盤構築支援 製品の摩耗による突発的な交換や、オンプレ分析基盤の運用コスト増、手作業での予測精度維持が課題となっていたプロジェクト。 豆蔵はAzureでのMLOpsアーキテクチャを設計し、単なる環境移行ではなく、データ加工から管理までのMLOpsステップに合わせたPython実装へと刷新。 異常検知時の通知や再学習の仕組みを備えた運用基盤を構築し、PoCモデルの実運用化を支援。 開発から監視までのプロセス全体をスキルトランスファーし、予測精度改善の自動化と内製化を実現した。 〇ITサービス企業向け 次世代AIビジネス立ち上げ支援 次世代AIソリューションの早期展開に向け、AIの技術体制・専門人材の不足が課題となっていたプロジェクト。 豆蔵はAI専門チームとして参画し、ファインチューニングによる特化型モデル構築からMLOps初期運用設計までの技術基盤整備を支援。 さらに、技術面だけでなく不足していたビジネスモデルの設計にも参画し、多角的に事業化をサポート。 検証から運用設計までのスキルトランスファーを進め、顧客社内における持続可能なAIビジネス推進体制の構築に向けて伴走した。 〇多事業企業向け データマネジメント活動支援 人材サービス・出版・広告・ブライダル・進学・その他情報サービスを手がけている企業において、各事業毎のサイロ化に起因するデータ流通阻害を解決するためにデータマネジメントを実施することを提案、その支援を行う。 データマネジメントに関わる社内意識調査やゴール設計、組織設計に加え、データガバナンス策定やデータカタログ策定の支援を行った。 この事業部の特長 ■働きやすさと裁量を両立した環境 社員の95%以上がリモートワークを活用しており、居住地に縛られない柔軟な働き方が可能です。 実際に、北海道・福岡県・三重県・大阪府・静岡県・栃木県など、全国各地から勤務している社員が在籍しています。 また、2025年度の月平均残業時間は8.24時間と、ワークライフバランスを大切にしながら働ける環境です。 子育てや介護と両立している社員も多く、それぞれのライフスタイルに合わせた働き方を実現しています。 ■事業部の風土 当事業部は、20代後半〜30代前半の若手メンバーと、豊富な経験を持つスペシャリスト層がバランスよく在籍している組織です。 技術への探究心が強いメンバーが多く、AI・クラウド・アーキテクチャ・データ活用などについて日常的に議論が行われています。 一方で、「自分がやりたい技術」よりも、「顧客課題をどう解決するか」を重視する文化が根付いています。 専門性を尊重しながらも、チームで協力し合い、顧客へ本質的な価値を届けることを大切にしています。