LLMエンジニア/大手銀行の求人

生成AI／LLM（大規模言語モデル）の業務活用に向けて、データ整備からLLMの選定・構築、学習（チューニング）実装、技術評価、適用検討までを担い、業務改善につながるAIプロダクトを推進するポジションです。

【ポジションの魅力】
1. 金融特化LLM「自社LLM」の開発推進
汎用LLMの活用に留まらず、金融業務で求められる専門性・信頼性を満たす独自LLM「自社LLM」の開発を推進しています。社内ナレッジを活用した学習データ設計から、学習手法の検討、チューニングの実装・実行、性能分析までを一気通貫で担い、モデルを継続的に高度化できる点が魅力です。実務テストを前提に、より専門的な業務領域への展開につなげていくフェーズに参画できます。
2. 品質と監査性を担保するLLMOps
金融機関でLLMを業務に組み込むには、モデル精度だけでなく、実務テスト設計、誤答検知、ログ設計、アクセス制御など運用面の統制が欠かせません。本ポジションでは、学習・評価に加えて運用ルール整備まで踏み込み、品質と監査性を満たした形でLLMを成立させます。技術とガバナンスの両面で意思決定し、運用に落とし込む経験が得られます。
3. 適用先検討とプロダクト連携をリード
LLM開発は、モデルを作るだけでは価値になりません。本ポジションは評価結果を踏まえた適用先の検討まで担い、業務支援アプリなどのプロダクトチームと連携しながら、LLMを業務価値へ接続します。モデル特性と業務要件を踏まえて適用方針を定め、現場で使われる形へつなげられる点が魅力です。

【具体的な業務内容】
* 生成AIの利活用に向けたデータの構造化・加工・分析などのデータエンジニアリング
* モデル開発に必要なデータの特定、およびデータベース設計
* LLM（大規模言語モデル）の選定、独自LLM（自社LLM）のセットアップ
* 学習手法の検討を含む、チューニング（学習）の実装・実行および性能分析（技術評価）
* LLMOpsとして、実務テスト設計と誤答検知、ログ・アクセス制御を含む運用ルール整備
* 評価結果を踏まえた適用先の検討と、プロダクトチームとの連携推進

【プロジェクト例】
* 独自LLM（自社LLM）の構築に向けた、社内ナレッジの整備・学習データ設計
* 継続事前学習／ファインチューニング／RAG等の手法比較と、最適な組み合わせの技術検証
* 金融特化LLMの継続的な精度向上とデプロイ・評価（銀行実務テスト（預金・融資・外為・財務分析等）にて評価実施中）
* 現場部署と連携しながら実務課題を特定し、独自学習の有効性を見極めつつ、要件整理からデータ収集、評価設計、学習試行までを実践
* 大規模学習を効率的に実行するため、AWS等での分散計算環境（クラスター）構築および運用に向けた技術検証

【プロダクト例】
* 面談記録・議事録作成支援「自社製品」: 対面/オンラインMTGの面談記録ドラフトを作成するiOS/Webアプリケーション
* スライド生成支援「自社製品」: 作成したいスライド内容を自然言語で指示すると、AIが構成を検討し、社内様式を反映したスライドを自動生成
* 営業ノウハウ形式知化「自社製品」: AIがRMにインタビューし、営業ノウハウをナレッジ化。整理した知見はRAGの知識DBや独自LLMの学習データとして活用予定。
* 社内手続き検索支援「自社製品」: 事務・与信など膨大な社内情報から、社員の質問に関連する手続書やマニュアルをAIが検索し、回答を生成。

【技術情報（一部）】
* 開発言語: TypeScript, Python
* フレームワーク: Next.js, React, Vue.js, FastAPI, Streamlit, FastAPI
* AI関連ライブラリ: Assistants API, Agents SDK, Strands Agents SDK, LangChain, LangGraph, Vertex AI
* インフラ・ミドルウェア: AWS, S3, ECS, ElastiCache, Terraform, CDK, Bedrock, Bedrock Agentcore
* テスト: Jest, Pytest, Playwright
* ツール: GitHub, Teams, Slack, Jira, Confluence
* AIツール: Anthrpic ClaudeCode, AWS Kiro, OpenAI Codex, Amazon Q Developer, Devin, Dify, v0

【必須スキル】
* 自然言語処理、機械学習、生成AIのいずれかを用いた開発を、主担当として推進した経験
* Python等を用いて、データ処理・検証・評価・改善を自ら実装した経験
* LLMを活用したPoCや技術検証を通じて、業務活用・実装推進まで担った経験
* SQL等を用いたデータ抽出・加工に加え、モデル開発に必要なデータ整備・構造化を設計した経験
* 関係者と連携しながら、技術検証から適用検討、実装推進まで一連で担った経験

【歓迎スキル】
* 独自LLMや大規模言語モデルの構築、追加学習、改善を主担当または中核メンバーとして担った経験
* ビッグデータを活用した分析業務、またはAIモデル開発を実務でリードした経験
* RAG、検索、AIエージェント、VLM、OCR等を用いたシステムの開発・検証・改善経験
* SageMaker、Azure ML、Databricks等の機械学習基盤を用いた、学習・評価・運用環境の構築経験
* 金融領域におけるデータ分析、またはAI活用の経験
* 英語文献・論文の調査を通じて、技術選定や改善方針の立案に活かした経験

大手銀行

国内外の幅広い顧客基盤を活かして、デジタルテクノロジーや異業種との協業など新たなチャレンジに取り組み、デジタル化や新しい変化を起こしていくため「銀行内にいない経験をお持ちの人材」を特に強く求めています。実際に金融経験のない方がご入社された事例が多くございます。
また上記以外にも、様々な金融のプロフェッショナルも随時募集しております。