リードエンジニア

リードエンジニアAIアプリケーションの設計・実装と開発プロセス改善をリード｜ANAとの共同開発実績あり

Description

業務内容

リードエンジニアは、事業会社向けのAIシステム開発において、設計方針の検討から実装・テスト・品質改善まで担います。また、SIer向けにAI駆動開発のノウハウを提供する際には、AIを開発工程に組み込む仕組みの構築・改善を担当します。

PMと顧客の業務や要件を共有し、CTOと相談しながら、技術選定やアプリケーションの設計を進めます。LLMやAIエージェントを活用する範囲と、最適化など他の手法を用いる範囲を検討し、ご自身でもコードを書きながら、実際に現場で使われるシステムを開発します。

顧客との方針・開発範囲・スケジュールの調整はPMが主導します。リードエンジニアは、顧客が実現したいことや運用上の制約を踏まえ、設計・実装・検証を技術面から進めます。

2026年3月には、M&Aによりインテリジェントフォースグループに参画しました。現在はグループのコンサルティング部門と顧客への共同提案を進めながら、AIシステム開発とAI駆動開発支援の両方を広げています。これに伴い、システムの開発と開発方法の改善に取り組むエンジニアを募集します。

リード経験のある方に加え、設計・実装の経験を活かして、これからリードに挑戦したい方も対象です。経験に応じて担当範囲を決め、CTOと相談しながら開発を進めていただきます。

▼具体的な業務内容

• 設計方針の検討・技術選定

顧客の業務フローや要件、運用上の制約をPMと確認し、アプリケーション構成、API、データモデルなどを設計します。CTOと連携し、LLM・AIエージェント・数理最適化など、それぞれの手法をどの範囲で用いるかを検討します。

• AIシステムの実装・テスト

TypeScriptまたはPythonを用いて、アプリケーションや外部API連携、LLM・エージェント機能などを実装します。バックエンド・フロントエンドの担当は案件や経験に応じて分担し、単体テスト、結合テスト、E2Eテスト、リリースまで対応します。

• 開発タスクの具体化・レビュー

要件や設計内容を実装可能なタスクに分け、依存関係や実装順序、受け入れ条件を整理します。経験に応じて、メンバーへの作業分担、コードレビュー、技術的な課題のフォローも担当します。

• AI駆動開発の仕組みづくり

開発工程ごとにAIに任せる作業と、人が判断・確認する箇所を整理します。コード規約、成果物の検証基準、自動テスト、動作を制御するガードレールなどを整え、コーディングエージェントを活用した開発の仕組みを構築・改善します。

• 品質・運用の改善

開発中やリリース後に発生した不具合を調査し、設計・実装・テストを見直します。レビューやテストの自動化、開発手順の整備などを通じて、品質を保ちながら開発を進められるようにします。

• 開発ノウハウの整理・展開

自社案件で試したAIの使い方や、設計・テスト・レビューの進め方を整理し、チーム内で共有します。SIer向け支援では、PMと連携し、顧客の開発環境に合わせて仕組みを構築・検証します。

プロジェクト事例

航空、製造、商社、エネルギー、人材、エンタメなど、幅広い業種のプロジェクトを手がけています。

①ANA：運航乗務員のスケジュール自動作成システム「AI Scheduler」

ANAと共同で、約2,000名のパイロットの乗務スケジュールを自動作成するシステムを開発しました。乗務資格や休暇希望、航空法規上の制約を、スケジュールの作成条件として組み込んでいます。

2021年から共同開発を進め、約4年間の概念実証を経て2026年4月に本格運用を開始しました。毎月のスケジュール作成にかかる時間を数週間から数時間に短縮し、年間約6,300時間の業務削減を見込んでいます。

②人材紹介会社：求人マッチングの自動化とSFA/CRMの開発

ATSから出力される求人データをAIで構造化し、条件に合う求人を検索できるようにしました。構造化できない職歴はRAGを用いて求人と照合し、担当者の判断に委ねられていた求人紹介を自動化しています。

ランニング費用と外部連携の制約が課題だったSalesforceから、必要な機能に絞ったSFA/CRMへの移行も約6か月で支援しました。利用者は約50名で、コストは半分以下になっています。

③複数サイトを運営する企業：問い合わせ対応のAIエージェント

サイトごとに回答内容が異なり、問い合わせ対応の外注費が課題になっていました。

プロダクトや顧客の情報、問い合わせ履歴、FAQを参照して回答するAIエージェントを開発しました。

担当者に対応を引き継ぐ機能や、問い合わせ履歴からFAQを追加・更新する機能も実装しました。

チーム・開発環境

• 所属・チーム体制

開発チームは2〜3名で構成されることが多く、社員のほか、業務委託のエンジニアも参画しています。入社直後は代表やCTOと同じ案件に入り、顧客の業務や要件、開発の進め方を共有しながら、経験に合った範囲を担当します。

案件ごとに毎日打ち合わせを行い、PMや開発メンバーと進捗・課題を共有します。設計や技術選定はCTOに相談し、要件や優先順位の確認はPMと連携して進めます。

リード経験のある方には、設計方針の検討、技術選定、レビューなどを担いながら、ご自身でも開発に取り組んでいただきます。これからリードに挑戦する方は、機能単位の設計・実装・テストから担当し、経験に応じてレビューや開発プロセスの改善へと担当範囲を広げていただきます。

• AI駆動開発の進め方

開発工程ごとにAIが処理する範囲と人が判断する範囲を定め、コーディングエージェントを前提とした開発の進め方を自社の案件で試しています。

SIer向けの支援でも、この進め方の導入に取り組んでいます。

• 要件から実装までの流れ

1.打ち合わせの文字起こしから、仕様・タスク・受け入れ条件をAIで整理する

2.要件定義の段階で動作するモックを作成し、顧客による操作・確認を通じて仕様を固める（工場の点検記録の案件では、この進め方で現場の暗黙知を引き出しました）

3.設計情報をもとに、コーディングエージェント（Claude Code、Codexなど）でコードとテストを生成する。テストは要件から導き、コードからは生成しない

4.人がコードレビューと受け入れ判断を行い、修正する

5.E2EテストのシナリオをAIで構築し、人は実際の業務で期待する動作を満たすかの確認に時間を充てる

• AI駆動開発で大切にしていること

AIが生成するコードには担当者ごとのばらつきがあり、AI自身による検証だけでは不備を見落とす可能性があります。

そのため、コードの生成時に適用するルールと、生成後の検証基準を分けて設ける構成を案件で構築しています。

これらの取り組みは、案件ごとに改善を続けています。

・生成側：コード規約、インポート、DB、セキュリティなどのルールを明文化し、AIに参照させる。レビューやPR作成、E2Eテスト追加などの手順をスキルとして定義する

・検証側：CI（GitHub Actions）で静的解析、依存パッケージの脆弱性、複雑度、E2Eテストを自動で検証し、結果をPRにコメントする。しきい値を超えた場合はマージを停止する

・要件・実装・テストの対応表を自動生成し、各要件がどの実装・テストに対応するかを追跡できるようにする

• 開発環境

LLM・エージェント：OpenAI、Anthropic、Geminiの各API、Strands Agents、LangGraph

フロントエンド：React、Next.js、TypeScript

バックエンド：Node.js（Hono、Express）、Python（FastAPI、Flask、Django）

インフラ・DB：AWS、Google Cloud、Azure、Vercel、PostgreSQL、MySQL

開発ツール：Claude Code、Codex、GitHub Copilot（利用費用は会社負担）

コラボレーション：Slack

記載したすべての技術の使用経験は求めません。

TypeScriptまたはPythonでの開発経験を生かしながら、他の技術も案件を通じて習得していけます。

ポジションの魅力

• 顧客の業務を理解し、設計・実装に反映できる

R&Dは、「知能労働を良くする」ことをひとつのテーマにしています。現場で積み重ねられてきた判断や経験則を理解し、業務上の制約を設計に落とし込む仕事です。

PMと顧客の課題を共有し、自分が作ったものが現場でどう使われ、役に立つのかを考えながら開発に取り組めます。

• AIシステムの開発と、AIを使った開発の両方に取り組める

LLMやAIエージェントを組み込んだシステムを開発しながら、自分たちの開発工程にもAIを取り入れています。

AIに任せる範囲や成果物の検証方法、人が確認する箇所を、実案件を通じて検討・改善できます。

• 開発で得た知見を、ほかのチームや企業でも活かせる

自社案件で試した設計・実装・テストの進め方は、SIer向けに提供する開発ノウハウにもつながります。

自分の担当するシステムで得た工夫を、チーム内や顧客の開発現場にも展開できます。

• 自ら開発に取り組みながら、技術面の担当範囲を広げられる

機能単位の設計・実装から、技術選定、コードレビュー、開発プロセスの整備まで、経験に応じて担当できます。

リード経験のある方も、ご自身でコードを書きながら、チームの設計や品質改善に関わる役割です。

• 創業メンバーの近くで、技術や事業について議論できる

代表の伊藤は、学生時代にプログラミングの面白さを知り、アプリを作り始めたことをきっかけに創業しました。

どうすればもっと効率よく、よりよいソフトウェアを作れるかを、現在も実案件を通じて考えています。

創業メンバー3名は全員エンジニアで、学生時代の起業から事業売却・M&Aまで経験してきました。

CTOの畑田が技術面を、COOの伊藤義隆がコンサルティングやプロジェクトマネジメントを担当しています。

近い距離で技術的な議論をしながら、顧客への提案や営業、事業を立ち上げる方法についても学べる環境です。

選考フロー

カジュアル面談→ 書類選考→ 一次面接 →二次面接 → 最終面接 → オファー

※状況に応じて変更になる場合がございます

役員紹介

• CEO & Founder 伊藤 博隆

慶應大学医学部卒業。在学中にプログラミングを独学し、iOSアプリを多数作成。

その後、株式会社R&Dを設立し、ベンチャー企業におけるITプロダクトの作成や大企業のDX化に従事。

大企業・ベンチャー問わず新規プロダクトの仮説検証の支援やDX化による費用・工数の削減を得意とする。

• COO& Founder 伊藤 義隆

東京大学工学部物理工学科卒業。

学部時代は量子コンピューティングを専門とし共著国際論文執筆。同大学院にてAIを用いた超音波CTの画像解析に従事。

その後、株式会社R&Dを設立。同社では主にテクノロジーを用いたコンサルティングや要件定義、プロジェクトマネジメントを担当する。

現在ではクライアントの新規事業の企画、運用の支援も実施している。

• CTO& Founder 畑田 大毅

慶應義塾大学医学部卒業。

在学中にSwiftを習得し、iOSエンジニアになる。その後、株式会社R&Dを設立し、エンジニアとしてwebアプリやモバイルアプリ、業務効率化システムを構築。

技術に対する深い知見を活かし、現在では主に数千人のユーザーが利用するシステムや秘匿性の高い情報を扱うプロジェクトのテックリードを担当する。

Requirements

業務内容

リードエンジニアは、事業会社向けのAIシステム開発において、設計方針の検討から実装・テスト・品質改善まで担います。また、SIer向けにAI駆動開発のノウハウを提供する際には、AIを開発工程に組み込む仕組みの構築・改善を担当します。

PMと顧客の業務や要件を共有し、CTOと相談しながら、技術選定やアプリケーションの設計を進めます。LLMやAIエージェントを活用する範囲と、最適化など他の手法を用いる範囲を検討し、ご自身でもコードを書きながら、実際に現場で使われるシステムを開発します。

顧客との方針・開発範囲・スケジュールの調整はPMが主導します。リードエンジニアは、顧客が実現したいことや運用上の制約を踏まえ、設計・実装・検証を技術面から進めます。

2026年3月には、M&Aによりインテリジェントフォースグループに参画しました。現在はグループのコンサルティング部門と顧客への共同提案を進めながら、AIシステム開発とAI駆動開発支援の両方を広げています。これに伴い、システムの開発と開発方法の改善に取り組むエンジニアを募集します。

リード経験のある方に加え、設計・実装の経験を活かして、これからリードに挑戦したい方も対象です。経験に応じて担当範囲を決め、CTOと相談しながら開発を進めていただきます。

▼具体的な業務内容

• 設計方針の検討・技術選定

顧客の業務フローや要件、運用上の制約をPMと確認し、アプリケーション構成、API、データモデルなどを設計します。CTOと連携し、LLM・AIエージェント・数理最適化など、それぞれの手法をどの範囲で用いるかを検討します。

• AIシステムの実装・テスト

TypeScriptまたはPythonを用いて、アプリケーションや外部API連携、LLM・エージェント機能などを実装します。バックエンド・フロントエンドの担当は案件や経験に応じて分担し、単体テスト、結合テスト、E2Eテスト、リリースまで対応します。

• 開発タスクの具体化・レビュー

要件や設計内容を実装可能なタスクに分け、依存関係や実装順序、受け入れ条件を整理します。経験に応じて、メンバーへの作業分担、コードレビュー、技術的な課題のフォローも担当します。

• AI駆動開発の仕組みづくり

開発工程ごとにAIに任せる作業と、人が判断・確認する箇所を整理します。コード規約、成果物の検証基準、自動テスト、動作を制御するガードレールなどを整え、コーディングエージェントを活用した開発の仕組みを構築・改善します。

• 品質・運用の改善

開発中やリリース後に発生した不具合を調査し、設計・実装・テストを見直します。レビューやテストの自動化、開発手順の整備などを通じて、品質を保ちながら開発を進められるようにします。

• 開発ノウハウの整理・展開

自社案件で試したAIの使い方や、設計・テスト・レビューの進め方を整理し、チーム内で共有します。SIer向け支援では、PMと連携し、顧客の開発環境に合わせて仕組みを構築・検証します。

プロジェクト事例

航空、製造、商社、エネルギー、人材、エンタメなど、幅広い業種のプロジェクトを手がけています。

①ANA：運航乗務員のスケジュール自動作成システム「AI Scheduler」

ANAと共同で、約2,000名のパイロットの乗務スケジュールを自動作成するシステムを開発しました。乗務資格や休暇希望、航空法規上の制約を、スケジュールの作成条件として組み込んでいます。

2021年から共同開発を進め、約4年間の概念実証を経て2026年4月に本格運用を開始しました。毎月のスケジュール作成にかかる時間を数週間から数時間に短縮し、年間約6,300時間の業務削減を見込んでいます。

②人材紹介会社：求人マッチングの自動化とSFA/CRMの開発

ATSから出力される求人データをAIで構造化し、条件に合う求人を検索できるようにしました。構造化できない職歴はRAGを用いて求人と照合し、担当者の判断に委ねられていた求人紹介を自動化しています。

ランニング費用と外部連携の制約が課題だったSalesforceから、必要な機能に絞ったSFA/CRMへの移行も約6か月で支援しました。利用者は約50名で、コストは半分以下になっています。

③複数サイトを運営する企業：問い合わせ対応のAIエージェント

サイトごとに回答内容が異なり、問い合わせ対応の外注費が課題になっていました。

プロダクトや顧客の情報、問い合わせ履歴、FAQを参照して回答するAIエージェントを開発しました。

担当者に対応を引き継ぐ機能や、問い合わせ履歴からFAQを追加・更新する機能も実装しました。

チーム・開発環境

• 所属・チーム体制

開発チームは2〜3名で構成されることが多く、社員のほか、業務委託のエンジニアも参画しています。入社直後は代表やCTOと同じ案件に入り、顧客の業務や要件、開発の進め方を共有しながら、経験に合った範囲を担当します。

案件ごとに毎日打ち合わせを行い、PMや開発メンバーと進捗・課題を共有します。設計や技術選定はCTOに相談し、要件や優先順位の確認はPMと連携して進めます。

リード経験のある方には、設計方針の検討、技術選定、レビューなどを担いながら、ご自身でも開発に取り組んでいただきます。これからリードに挑戦する方は、機能単位の設計・実装・テストから担当し、経験に応じてレビューや開発プロセスの改善へと担当範囲を広げていただきます。

• AI駆動開発の進め方

開発工程ごとにAIが処理する範囲と人が判断する範囲を定め、コーディングエージェントを前提とした開発の進め方を自社の案件で試しています。

SIer向けの支援でも、この進め方の導入に取り組んでいます。

• 要件から実装までの流れ

1.打ち合わせの文字起こしから、仕様・タスク・受け入れ条件をAIで整理する

2.要件定義の段階で動作するモックを作成し、顧客による操作・確認を通じて仕様を固める（工場の点検記録の案件では、この進め方で現場の暗黙知を引き出しました）

3.設計情報をもとに、コーディングエージェント（Claude Code、Codexなど）でコードとテストを生成する。テストは要件から導き、コードからは生成しない

4.人がコードレビューと受け入れ判断を行い、修正する

5.E2EテストのシナリオをAIで構築し、人は実際の業務で期待する動作を満たすかの確認に時間を充てる

• AI駆動開発で大切にしていること

AIが生成するコードには担当者ごとのばらつきがあり、AI自身による検証だけでは不備を見落とす可能性があります。

そのため、コードの生成時に適用するルールと、生成後の検証基準を分けて設ける構成を案件で構築しています。

これらの取り組みは、案件ごとに改善を続けています。

・生成側：コード規約、インポート、DB、セキュリティなどのルールを明文化し、AIに参照させる。レビューやPR作成、E2Eテスト追加などの手順をスキルとして定義する

・検証側：CI（GitHub Actions）で静的解析、依存パッケージの脆弱性、複雑度、E2Eテストを自動で検証し、結果をPRにコメントする。しきい値を超えた場合はマージを停止する

・要件・実装・テストの対応表を自動生成し、各要件がどの実装・テストに対応するかを追跡できるようにする

• 開発環境

LLM・エージェント：OpenAI、Anthropic、Geminiの各API、Strands Agents、LangGraph

フロントエンド：React、Next.js、TypeScript

バックエンド：Node.js（Hono、Express）、Python（FastAPI、Flask、Django）

インフラ・DB：AWS、Google Cloud、Azure、Vercel、PostgreSQL、MySQL

開発ツール：Claude Code、Codex、GitHub Copilot（利用費用は会社負担）

コラボレーション：Slack

記載したすべての技術の使用経験は求めません。

TypeScriptまたはPythonでの開発経験を生かしながら、他の技術も案件を通じて習得していけます。

ポジションの魅力

• 顧客の業務を理解し、設計・実装に反映できる

R&Dは、「知能労働を良くする」ことをひとつのテーマにしています。現場で積み重ねられてきた判断や経験則を理解し、業務上の制約を設計に落とし込む仕事です。

PMと顧客の課題を共有し、自分が作ったものが現場でどう使われ、役に立つのかを考えながら開発に取り組めます。

• AIシステムの開発と、AIを使った開発の両方に取り組める

LLMやAIエージェントを組み込んだシステムを開発しながら、自分たちの開発工程にもAIを取り入れています。

AIに任せる範囲や成果物の検証方法、人が確認する箇所を、実案件を通じて検討・改善できます。

• 開発で得た知見を、ほかのチームや企業でも活かせる

自社案件で試した設計・実装・テストの進め方は、SIer向けに提供する開発ノウハウにもつながります。

自分の担当するシステムで得た工夫を、チーム内や顧客の開発現場にも展開できます。

• 自ら開発に取り組みながら、技術面の担当範囲を広げられる

機能単位の設計・実装から、技術選定、コードレビュー、開発プロセスの整備まで、経験に応じて担当できます。

リード経験のある方も、ご自身でコードを書きながら、チームの設計や品質改善に関わる役割です。

• 創業メンバーの近くで、技術や事業について議論できる

代表の伊藤は、学生時代にプログラミングの面白さを知り、アプリを作り始めたことをきっかけに創業しました。

どうすればもっと効率よく、よりよいソフトウェアを作れるかを、現在も実案件を通じて考えています。

創業メンバー3名は全員エンジニアで、学生時代の起業から事業売却・M&Aまで経験してきました。

CTOの畑田が技術面を、COOの伊藤義隆がコンサルティングやプロジェクトマネジメントを担当しています。

近い距離で技術的な議論をしながら、顧客への提案や営業、事業を立ち上げる方法についても学べる環境です。

選考フロー

カジュアル面談→ 書類選考→ 一次面接 →二次面接 → 最終面接 → オファー

※状況に応じて変更になる場合がございます

役員紹介

• CEO & Founder 伊藤 博隆

慶應大学医学部卒業。在学中にプログラミングを独学し、iOSアプリを多数作成。

その後、株式会社R&Dを設立し、ベンチャー企業におけるITプロダクトの作成や大企業のDX化に従事。

大企業・ベンチャー問わず新規プロダクトの仮説検証の支援やDX化による費用・工数の削減を得意とする。

• COO& Founder 伊藤 義隆

東京大学工学部物理工学科卒業。

学部時代は量子コンピューティングを専門とし共著国際論文執筆。同大学院にてAIを用いた超音波CTの画像解析に従事。

その後、株式会社R&Dを設立。同社では主にテクノロジーを用いたコンサルティングや要件定義、プロジェクトマネジメントを担当する。

現在ではクライアントの新規事業の企画、運用の支援も実施している。

• CTO& Founder 畑田 大毅

慶應義塾大学医学部卒業。

在学中にSwiftを習得し、iOSエンジニアになる。その後、株式会社R&Dを設立し、エンジニアとしてwebアプリやモバイルアプリ、業務効率化システムを構築。

技術に対する深い知見を活かし、現在では主に数千人のユーザーが利用するシステムや秘匿性の高い情報を扱うプロジェクトのテックリードを担当する。

Preferred Experiences

以下のご経験に一つでも当てはまる方は歓迎いたします。

・LLM APIやエージェントフレームワーク（LangGraph、Strands Agentsなど）を使った開発経験

・Claude Code、Codexなどを用いた開発や、AIを組み込んだ開発プロセスの改善経験

・技術選定、設計方針の検討、コードレビュー、メンバーへの技術支援の経験

・タスク分解、開発メンバーへの作業分担、成果物の確認を行った経験

・テスト自動化、CI/CD、開発・運用手順の整備など、品質や生産性を改善した経験

・SIer・受託開発で複数の顧客環境に対応した経験

・個人開発や起業の経験

リード・マネジメント経験や、LLMを使ったシステムの実務開発経験は必須ではありません。

これからリードに挑戦したい方も、設計・実装の経験を活かしてご応募いただけます。

We are looking for

〈求める人物像〉

・今後も自ら設計し、コードを書く仕事に軸足を置きたい方

・機能が必要になった背景や、実際に使う人の業務にも関心を持って開発に取り組める方

・設計・実装の経験を活かし、技術選定や開発の進め方の検討にも関わりたい方

・生成AIやコーディング支援ツールを試し、任せる作業や検証方法まで含めて開発を改善したい方

・PMやCTOと相談しながら開発を進め、得た知見をチームに共有できる方

Working Conditions

Salary

年収600万〜1000万円（経験・スキルにより決定）

Location

東京都港区虎ノ門3-5-1 虎ノ門37森ビル10F（虎ノ門ヒルズ駅 徒歩1分）

※転居を伴う異動なし

※原則出社。出産・育児、子どもの体調や送迎などに伴う臨時のリモートワークは相談可能です

Job Type

正社員

Work hours

勤務時間： 専門業務型裁量労働制（コアタイム 11:00~17:00）

※ご家庭の都合や一時的なご事情に応じて、コアタイムの調整や一部リモート勤務についても個別に相談可能です

就業時間：1日あたり所定労働時間8時間（休憩：60分）

残業：有

固定残業代の相当時間：45時間/月 ※超過分は別途支給

休日・休暇：年間休日120日以上。土日祝、年末年始休暇、年次有給休暇があります。

Probation period

試用期間：3か月（給与・待遇の変更なし）

Benefits

社会保険完備／通勤手当／健康診断／産前産後休業・育児休業／Claude、Codex、GitHub CopilotなどのAIツール利用費用は会社負担／月末の懇親会・社員旅行（いずれも任意参加）