【募集組織】
デジタルサービスモデル開発・ハブ
AI検索開発室 AI検索開発チーム 全体基盤強化セクション

＜AI検索開発チームの組織構成＞
　全体11名（ディレクター2名、リーダー2名、メンバー7名）
＜チームの年齢構成＞
　ディレクター、リーダー：30代～40代
　メンバー：30代前半が中心。20代～30代まで在籍

①事業部/室ミッション 　

私たちはECサイトを運営する当社において「部品調達における顧客の 思考にかける時間 の短縮」に向けて活動しています。IA産業(Industrial Automation産業)における部品調達のデファクトスタンダードとなるためのコア機能の一つとして検索サービスを位置づけ、自社内製開発しています。
25年10月より発足した「デジタルサービスモデル開発・ハブ（TX）」の一員として、インパクトのある変化・創造を起こし、顧客・サプライヤーの「あらゆるムダの排除」によりIA産業の非効率解消に貢献していきます。

②チームミッション

私たちで評価・開発した「AI検索モデル」や「レコメンドモデル」が、最大限のパフォーマンスを発揮するための 「検索プラットフォームの進化・全体最適化」 がミッションです。
現在、各国のECサイトへサービスを展開するフェーズにありますが、国ごとに異なるデータ構造やインフラ事情を吸収し、かつ10→100のアクセス増に耐えうる「業界初のグローバル検索基盤」を構築する必要があります。属人化しがちな運用を排除し、自動化・効率化された「強い開発組織」への変革を技術面からリードしていただきます。

③自組織の強み・事業責任者からのコメント等

私たちチームのメンバーは、通販・人材・商社・AIなど多様なバックグラウンドを持ち、全員が「プロダクトオーナー」の視点を持っています。
私たちの強みは、１チームでサービス企画・AI/ML研究・システム実装・実装後のAI/ML運用を担っており、「モデル構築からデプロイまでのパイプライン」を一気通貫で設計できる点にあります。
「選ばせすらしないECサイト」を実現するためには、裏側にあるデータ基盤の応答速度と安定性が命です。あなたの設計するアーキテクチャが、世界中のエンジニアの「部品を探す時間」を劇的に短縮し、その余白を創造の時間に変える――そんな社会的意義の高いインフラ作りを、リーダーとして牽引していただきたいと考えています。

【業務内容】
①担当業務内容
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・自動化をリードします。

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ります。

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
②仕事のやりがい（面白さ）

単にデータを溜める箱を作るのではなく、「AIを賢くするためのデータ戦略」を技術面からリードできるポジションです。
3000万点の商品データと年間1億件の検索ログという膨大な資産を使い、いかに効率よく特徴量を作り出し、モデルに供給するか。この「データエンジニアリング×MLOps」の領域において、ゼロベースで設計し、プロセスの自動化まで裁量を持って推進できる点は、エンジニアとして大きな醍醐味です。

③3～5年後の想定されるキャリアパス

AI/データ基盤のスペシャリストとして、全社のデータ戦略を担うデータアーキテクト
データエンジニアリング組織を統括するマネージャー
MLOps領域を極め、開発と運用の架け橋となるテックリード
④業務上の課題

AI活用の高度化に伴い、データ加工や特徴量作成のプロセスが複雑化しており、一部のエンジニアによる手動対応や属人化した運用がボトルネックになっています。
データサイエンティストがモデル開発に専念できるよう、データ準備にかかる時間を極小化し、システムによる自動化・最適化を強力に推進することが急務です。

⑤使用ツール

クラウド・インフラ : Google Cloud Platform (GCP) を主軸にAWSとハイブリッド構成
AI/MLプラットフォーム : Vertex AI (Pipelines, Feature Store, Model Registry)
データウェアハウス・加工 : BigQuery, Dataform, Redshift
コンテナ・サーバレス : GKE (Google Kubernetes Engine), Cloud Run, Cloud Functions
IaC・CI/CD : Terraform, GitHub Actions
言語 : Python, SQL
コミュニケーション・管理 : MS Teams, GitHub Projects , GitHub Issues
⑥その他

リモートワークと出社のハイブリッド勤務、フリーアドレス制など、柔軟で働きやすい環境です。