ミッション
転職活動において、最も時間とエネルギーを消耗するのが「自分の経験を言語化する」作業です。キャリアバンクAIのAI/MLエンジニアは、このプロセスをAIで根本から変える役割を担います。
具体的には、STAR形式で蓄積されたユーザーの職務実績データをもとに、応募先企業・職種にマッチした職務経歴書をLLMで生成する機能、4つのペルソナで対話する面接AIシステム、そして実績・書類・面接回答の矛盾を自動検出する整合性チェック機能の開発を主導していただきます。
単なるプロンプトエンジニアリングに留まらず、RAGシステムの設計・Embeddingの最適化・評価指標の設計・コスト管理まで、AI機能のライフサイクル全体に責任を持っていただきます。定量的な評価基盤（ブラインドA/B・ヒューマンエバリュエーション）の構築も重要なミッションです。
このポジションはAI技術のトレンドキャッチアップと、実際のユーザー課題を結びつける仕事です。最新モデルを試すことが好きで、「これを使えばあの課題が解ける」という発想ができる方に向いています。研究者よりも「作って試すエンジニア」を求めています。
担当業務
- 職務経歴書AI生成機能のプロンプト設計・改善・評価
- 4ペルソナ面接AI（標準・フレンドリー・厳格・論理的）の対話品質向上
- 整合性チェックシステムの精度改善とユーザーフィードバックループの構築
- RAGシステムの設計・実装（業界別質問DB・企業情報の検索最適化）
- LLMコストの最適化（モデル選定・キャッシュ・バッチ処理）
- AI機能の定量評価基盤の構築と継続的なモニタリング
- 新モデルリリース時のベンチマーク比較・移行計画の立案
必須スキル
- Python または TypeScript でのLLM API活用経験（OpenAI / Anthropic / Google）
- プロンプトエンジニアリングの実践的経験（システムプロンプト設計・few-shot・CoT）
- RAG・Embeddingを用いたシステム構築の基礎知識
- LLMの定量評価（BLEU・ROUGE・ヒューマンエバリュエーション等）の経験
歓迎スキル
- LangChain / LlamaIndex / Vercel AI SDK の実務経験
- Fine-tuning（LoRA・RLHF等）の実務経験
- MLOps（モデルバージョン管理・モニタリング・コスト最適化）
- ストリーミングレスポンスの実装経験
- TypeScript / Next.js でのフルスタック開発経験
採用プロセス
全体で2〜4週間が目安です。候補者の状況に合わせて、面談時間や課題提出期限を調整します。
書類選考1〜3営業日
応募フォームよりご応募ください。職務経歴書・ポートフォリオ・GitHubアカウント等があるとスムーズです。
カジュアル面談30〜45分
Zoomにてカジュアルにお話しします。選考というよりお互いを知り、期待値を合わせるための場です。
実務課題・コードレビュー2〜3日
実際の業務に近いミニ課題をお渡しします。所要時間は3〜5時間程度。完璧さより思考プロセスを重視します。
最終面談60分
課題の振り返りとチームフィットの確認。条件面についてもこの段階でお話しします。1週間以内に結果をご連絡します。
よくある質問
応募前にカジュアル面談はできますか？
可能です。応募意思が固まっていない段階でも、事業内容や働き方、選考プロセスについて採用担当と確認できます。
フルリモートで働けますか？
日本国内からのフルリモート勤務を前提にしています。チーム運営は非同期コミュニケーションと必要なオンライン同期を組み合わせています。
選考期間はどのくらいですか？
目安は2〜4週間です。現職のご都合に合わせて面談時間や課題提出期限を調整します。