{"id":1204557,"url":"https://alion.io/job/ipunk-ienjinia","title":"AIエンジニア","company":{"id":2678397,"name":"zipunk","domain":"zipunk.com","url":"https://alion.io/company/zipunk","size_band":null,"is_staffing_agency":false,"employer_type":"direct","is_intermediary":false,"listed_via":null,"ats_vendor":"HERP","truth_index":{"grade":"B","score":75,"open_postings":3,"ghost_share":0,"stale_share":1,"repost_share":0,"time_to_fill_p50_days":null,"computed_at":"2026-09-26T05:45:00Z"}},"role":"AI/ML","role_family":"AI/ML","seniority":null,"employment_type":null,"work_mode":"on_site","remote_scope":null,"remote_scope_basis":null,"remote_working_hours":null,"hiring_geo_confidence":"structured","locations":["Tokyo, Japan"],"countries":["JP"],"hiring_countries":[],"hiring_countries_total":0,"salary":null,"salary_estimate":{"min_usd":49000,"max_usd":121000,"period":"year","method":"role_country_seniority_unknown","sample_n":23},"experience_years_min":null,"visa_sponsorship":false,"relocation_package":false,"has_equity":false,"technologies":[{"name":"Apache HTTP Server","optional":false},{"name":"AWS","optional":false},{"name":"Azure","optional":false},{"name":"Claude","optional":false},{"name":"Claude Code","optional":false},{"name":"GCP","optional":false},{"name":"Gemini","optional":false},{"name":"Gmail","optional":false},{"name":"Google Cloud Run","optional":false},{"name":"Google Cloud Spanner","optional":false},{"name":"GraphDB","optional":false},{"name":"IAM","optional":false},{"name":"ITSM","optional":false},{"name":"Jira","optional":false},{"name":"LangGraph","optional":false},{"name":"LiteLLM","optional":false},{"name":"LLM","optional":false},{"name":"Memgraph","optional":false},{"name":"Neo4j","optional":false},{"name":"NER","optional":false},{"name":"NLP","optional":false},{"name":"OpenAI Codex","optional":false},{"name":"Outlook","optional":false},{"name":"Pydantic AI","optional":false},{"name":"Python","optional":false},{"name":"ServiceNow","optional":false},{"name":"SharePoint","optional":false},{"name":"spaCy","optional":false},{"name":"SQL","optional":false},{"name":"TypeScript","optional":false},{"name":"Vertex AI","optional":false},{"name":"Amazon Neptune","optional":true},{"name":"Knowledge Graph","optional":true},{"name":"LangChain","optional":true},{"name":"OpenSearch","optional":true},{"name":"pgvector","optional":true},{"name":"Pinecone","optional":true},{"name":"PostgreSQL","optional":true}],"status":"live","first_seen_at":"2026-05-22T16:11:03Z","employer_posted_date":"2026-05-22","last_verified_at":"2026-09-25T02:37:56Z","board_verified":false,"closed_at":null,"days_open":127,"trust":{"level":"stale","repost_count":0,"flags":["stale"],"days_open":127},"description":"AIエンジニア\nDescription\n## Hiccoについて\n「AIの企業実装を加速し、日本社会の競争力を高める」をミッションに掲げる株式会社ジパンクは、企業のAI活用における課題である「コンテキストギャップ」を解決するため、エンタープライズ企業向けAIエージェントオーケストレーションプラットフォーム「Hicco」を開発・提供しています。\nコンテキストギャップについて、企業固有の業務フローや参照すべきデータやその関係性(Ontology)、ドキュメント化されておらず担当者に属人化した判断根拠や対応ポイントといったコンテキストをAIエージェントが参照できないことによって生じるギャップを指します。\nHiccoでは業務担当者の経験や知識に基づく処理からコンテキストグラフを構築し、AIエージェントや従業員が参照できる永続的なメモリ層とすることでコア業務をAIエージェントで自動化するプラットフォームです。\n保険/金融/物流/エネルギー/不動産/ITSM といった業種をターゲットとしており、お客さまとのPoCから成果創出、本格的な導入というフローでプロダクト開発と事業拡大に取り組んでいます。\n##募集背景\nhicco の中核機能である Context Graph レイヤーを担当する AI エンジニアを募集します。顧客の業務知識を構造化し、新規 Case の処理時に過去の類似 Case を突き合わせて最も確からしい判断材料を見つけ出すことで、ベテラン依存度の高い業務を再現可能・説明可能な形で実行可能にします。\n## 業務内容について\nContext Graph レイヤー専任として、以下を end-to-end で担当します。\n- 非構造化テキストからの Entity 抽出: LLM ベース NER、OSS（RDFLibOntologyResolver、ECL パイプライン）の活用と独自実装の判断\n- Ontology / Schema 設計: GameObject 型・Relationship 型のモデリング、Three Layer Model（Source / Canonical / Projection）に基づくスキーマ設計\n- Graph DB の設計と実装: Spanner Graph または Neo4j のスキーマ設計、Cypher / GQL クエリ最適化、index 設計\n- Hybrid Retrieval の実装: Vertex AI Search（ベクトル）と Graph 探索を組み合わせた検索基盤、ハイブリッドランキング\n- MemoryRank / Precedent Discovery アルゴリズム: 成功 Case の path 強化、失敗 path のエッジケース判定、request type / domain category / recency でのマッチング\n- 初期データ移行パイプライン の設計・実装: 既存 emails（Outlook / Gmail）/ SharePoint / 過去チケット（ServiceNow / Jira）の取込パイプライン、進捗管理\n- Cited Outputs の実装: Agent 回答に inline citation を付与、citation のクリックで source へ遷移、ファイルごとの indexing status 表示\n- FDE / AI Strategist との協業: 個社案件のPoCや業務設計のContext Graph レイヤー側で並走し、現場フィードバックを設計に反映\n## 開発・運用環境\n- Graph DB: Spanner Graph（候補）、Neo4j（候補）、Memgraph / TigerGraph 等の評価も並行\n- Vector / Search 基盤: Vertex AI Search、独自実装は将来的に検討\n- LLM 統合: LiteLLM 経由で Claude / GPT / Gemini を hot-swap\n- OSS 参照: Cognee（Apache 2.0、RDFLibOntologyResolver、ECL パイプライン）、LangGraph、Pydantic AI\n- バックエンド: TypeScript / Python / Cloud Run / Cloud SQL\n- NLP: spaCy / GLiNER / 各種 NER ライブラリ、独自 LLM プロンプト\n- インフラ: GCP（Cloud Run、Spanner、Vertex AI、IAM）、Azure / AWS（顧客 Private VPC 向け）\n- AI 開発支援: Claude Code / Codex\nRequirements\n## Hiccoについて\n「AIの企業実装を加速し、日本社会の競争力を高める」をミッションに掲げる株式会社ジパンクは、企業のAI活用における課題である「コンテキストギャップ」を解決するため、エンタープライズ企業向けAIエージェントオーケストレーションプラットフォーム「Hicco」を開発・提供しています。\nコンテキストギャップについて、企業固有の業務フローや参照すべきデータやその関係性(Ontology)、ドキュメント化されておらず担当者に属人化した判断根拠や対応ポイントといったコンテキストをAIエージェントが参照できないことによって生じるギャップを指します。\nHiccoでは業務担当者の経験や知識に基づく処理からコンテキストグラフを構築し、AIエージェントや従業員が参照できる永続的なメモリ層とすることでコア業務をAIエージェントで自動化するプラットフォームです。\n保険/金融/物流/エネルギー/不動産/ITSM といった業種をターゲットとしており、お客さまとのPoCから成果創出、本格的な導入というフローでプロダクト開発と事業拡大に取り組んでいます。\n##募集背景\nhicco の中核機能である Context Graph レイヤーを担当する AI エンジニアを募集します。顧客の業務知識を構造化し、新規 Case の処理時に過去の類似 Case を突き合わせて最も確からしい判断材料を見つけ出すことで、ベテラン依存度の高い業務を再現可能・説明可能な形で実行可能にします。\n## 業務内容について\nContext Graph レイヤー専任として、以下を end-to-end で担当します。\n- 非構造化テキストからの Entity 抽出: LLM ベース NER、OSS（RDFLibOntologyResolver、ECL パイプライン）の活用と独自実装の判断\n- Ontology / Schema 設計: GameObject 型・Relationship 型のモデリング、Three Layer Model（Source / Canonical / Projection）に基づくスキーマ設計\n- Graph DB の設計と実装: Spanner Graph または Neo4j のスキーマ設計、Cypher / GQL クエリ最適化、index 設計\n- Hybrid Retrieval の実装: Vertex AI Search（ベクトル）と Graph 探索を組み合わせた検索基盤、ハイブリッドランキング\n- MemoryRank / Precedent Discovery アルゴリズム: 成功 Case の path 強化、失敗 path のエッジケース判定、request type / domain category / recency でのマッチング\n- 初期データ移行パイプライン の設計・実装: 既存 emails（Outlook / Gmail）/ SharePoint / 過去チケット（ServiceNow / Jira）の取込パイプライン、進捗管理\n- Cited Outputs の実装: Agent 回答に inline citation を付与、citation のクリックで source へ遷移、ファイルごとの indexing status 表示\n- FDE / AI Strategist との協業: 個社案件のPoCや業務設計のContext Graph レイヤー側で並走し、現場フィードバックを設計に反映\n## 開発・運用環境\n- Graph DB: Spanner Graph（候補）、Neo4j（候補）、Memgraph / TigerGraph 等の評価も並行\n- Vector / Search 基盤: Vertex AI Search、独自実装は将来的に検討\n- LLM 統合: LiteLLM 経由で Claude / GPT / Gemini を hot-swap\n- OSS 参照: Cognee（Apache 2.0、RDFLibOntologyResolver、ECL パイプライン）、LangGraph、Pydantic AI\n- バックエンド: TypeScript / Python / Cloud Run / Cloud SQL\n- NLP: spaCy / GLiNER / 各種 NER ライブラリ、独自 LLM プロンプト\n- インフラ: GCP（Cloud Run、Spanner、Vertex AI、IAM）、Azure / AWS（顧客 Private VPC 向け）\n- AI 開発支援: Claude Code / Codex\nPreferred Experiences\n- グラフデータベース（Neo4j / Spanner Graph / TigerGraph / Memgraph / Amazon Neptune 等）の設計・実装経験\n- OpenSearch / Pinecone / Vertex AI Search / pgvector 等）\n- LLM API を使った Entity 抽出 / NER の実装経験\n- Ontology / Knowledge Graph の研究または実装経験（OWL / RDF / SPARQL / SHACL）\n- セマンティック検索の実装経験 / FISC / 3 省 2 / IATF 16949）\n- ビジネスレベルの英語\nWe are looking for\n- 「中核技術領域に深く特化したい」と思っている方\n- 0 → 1 で新規領域を立ち上げることに価値を感じる方\n- 学術的な知識（Ontology / Semantic Web / Graph Theory / Information Retrieval）を実装に活かせる方\n- FDE / AI Strategist と協業しながら、現場フィードバックを設計に活かせる方\n- 海外の研究系・OSSを継続的にキャッチアップする習慣のある方\nWorking Conditions\nSalary\nご経験と能力を踏まえ決定します\nLocation\n- 全メンバーが原則フルリモート勤務\n- コーワキングスペース拠点あり\nMID POINT渋谷神泉 コワーキングスペース\n〒150-0045 東京都渋谷区神泉町２０-２１ クロスシー渋谷神泉ビル\nJob Type\n正社員/業務委託\nWork hours\n勤務時間コアタイムなしのフルフレックス制 / 休日・休暇週休 2 日制、年末年始休暇、慶弔休暇\nProbation period\nあり(3ヶ月)\nBenefits\n- 社会保険完備(健康保険、厚生年金保険、雇用保険等)\n- 各種AIツールを職種/スキルに応じて業務でフル活用できるよう環境を整備しています","description_format":"text","description_chars":4869,"description_truncated":false,"requirements":{"experience_years_min":null,"management_years_min":null,"team_size_min":null,"manages_managers":false,"education":null,"security_clearance":false,"languages":[]},"benefits":[],"hiring_locations":[],"hiring_excludes":[],"relocation_offered":false,"industries":[],"lifecycle":[{"event":"open","at":"2026-09-24T22:56:25Z"}],"liveness":{"score":5,"band":"cold","label":"Long shot","p_open":1,"p_active":0.181,"p_room":0.28,"age_days":126,"expected_fill_days":21,"reasons":["conf:27","win:tail","crowd:"],"computed_at":"2026-09-26T05:45:00Z"},"pay":null,"html_url":"https://alion.io/job/ipunk-ienjinia","json_url":"https://alion.io/job/ipunk-ienjinia.json","meta":{"generated_at":"2026-09-27T05:01:01Z","cache_seconds":300,"methodology":"https://alion.io/methodology","terms":"https://alion.io/terms","contact":"https://alion.io/contact","api":"https://alion.io/developers","usage":{"tier":"crawler","counted_by":"address","units_charged":1,"used_today":4387,"day_limit":5000,"remaining_today":613,"minute_limit":60,"resets_at":"2026-09-28T00:00:00Z"}}}