リード・リサーチエンジニア (LLM/Agent)/上場マーケティング支援企業の求人

業務概要:当社は、AI技術を駆使して働く人々の可能性を飛躍的に高めることを目指し、当グループ企業として設立されました。当社は最先端のAI技術を活用し、国内外での研究開発を推進しています。私たちが目指しているのは、単なるAIチャットボットの提供ではありません。企業の全SaaSを統合し、AIが自律的に業務を実行する「企業の脳」 次世代の基幹システムを構築することです。自社サービスを中核に、DBさえあればアプリ不要、AIが作業して結果だけを返す世界を実装しています。

募集背景:自社サービスは「企業の脳」として、顧客企業の全SaaSを統合し、数百のワークフローをAIエージェントが自律的に実行する世界を目指しています。しかし、この構想を実現するには、現在のエージェント技術では解決できない「フロンティア課題」を突破しなければなりません。
1. 複数のSaaSを横断して情報を検索・統合する際の推論品質の限界
2. 長期にわたる業務プロセスを記憶し、文脈を維持する長期記憶の設計
3. テキスト・画像・音声・構造化データを統合的に扱うマルチモーダル対応
4. 数百社が同時利用する環境での低レイテンシ推論
この1年で、LLMを活用したエージェントシステムの採用は急速に進みました。今後、AIエージェントがより複雑なタスクをエンドツーエンドで、あるいは人間と協力して遂行する未来に向けて、当社では以下に取り組むチームを強化します。
- 長期ホライゾンの課題でより効果的なエージェントを実現する
- 様々なスケールで他のエージェントと協調し、大きなタスクを達成するための連携を設計する
- エージェント性能を最大化するため、新規のハーネス設計、インフラ改善、ファインチューニングなど必要な課題を解く

ミッション:Agentが降参する問題を解く。現在のAIエージェントでは解決できないフロンティア課題に挑み、新しい推論手法・検索/計画・長期記憶・ツール利用の品質限界を突破する。自社サービス上で動く数百のワークフローが、より賢く・速く・安全に動作する未来を、研究で切り拓く。

期待する役割について:Research Engineerとして、AI/LLM/MLの最先端研究と応用研究をリードしていただきます。
- 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等)
- 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装
- モデルとプロンプトの自動評価を支援し、学習からプロダクトライフサイクル全体にわたって品質を担保
- プロダクト組織と協力し、エージェントをプロダクトに適用するうえでの最も困難な課題を解決
- モデル学習用データミックスの作成・最適化により、エージェントタスクにおける性能と使いやすさを向上
- 研究成果をAgentic Product Engineerチームに移転し、プロダクト全体の品質を底上げ
論文を書くことがゴールではありません。研究成果をプロダクションに適用し、企業が利用する本番環境でユーザーに届けることを重視します。

具体的な業務:
- エージェント研究開発
- 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等)
- 新しい推論・計画・検索手法の研究開発
- マルチモーダル・長文コンテキスト対応の技術開発
- 最新論文の調査・再現・改良実装
- 評価・ベンチマーク
- 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装
- 合成データ生成・評価ベンチマーク設計
- モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体)
- プロダクション課題の解決
- 推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等)
- モデル学習用データミックスの作成・最適化
- エージェント評価フレームワークの高度化
- 本番環境での品質改善・パフォーマンスチューニング
- 技術移転・発信
- Agentic Product Engineerチームへの技術移転・メンタリング
- 学術機関・OSSコミュニティとの連携

業務シナリオ例:
● シナリオ 1 : SaaS 横断検索のためのナレッジグラフ
RAGの研究開発 自社サービスが「企業の脳」として機能するには、顧客の全SaaSに散在する情報を横断的に検索・統合する必要がある。既存のRAGでは「Aプロダクトの従業員データ」と「Bプロダクトの商談データ」の関係性を捉えられず、回答精度が低い。ナレッジグラフベースのRAGアーキテクチャを研究・開発し、エンティティ間の関係性を構造化。SaaS横断検索の回答精度を向上させ、Agentic Product Engineerチームに技術移転して全プロダクトに展開。

成果責任 (KR/メトリクス):
- ベンチマークスコア改善率 (社内 / 公開ベンチマーク)
- 新手法のプロダクション適用数 (四半期あたり)
- 推論レイテンシ / コスト改善率
- 論文・技術ブログ発表数
- 社内技術移転完了数

チーム体制:
開発組織に在籍しています。
Research Engineerは以下のプロジェクトを横断して活動します:
- JAI Lab AI研究開発
- AI&Model モデル学習・最適化
- Voice & Tel 音声AI・電話システム
密接に連携する役割:
- Agentic Product Engineer エージェント機能開発 (技術移転先)
- Agent Harness Engineer エージェント実行基盤
- AI QA Specialist 評価パイプラインとの連携
- Product Manager プロダクト設計

ポジション・部門の魅力:
- 「企業の脳」を支える研究: 単なるチャットボットの改善ではない。企業の全SaaSを統合しAIが自律実行する「次世代基幹システム」の技術的基盤を、研究で切り拓く
- 研究→プロダクションの直結: 開発した手法が即座に本番環境へ適用され、企業が利用するシステムに反映される。論文で終わらない、実世界へのインパクトを実感できる
- 最先端AI研究の実践: 推論品質の限界突破、長期記憶設計、マルチエージェント協調など、業界最前線のフロンティア課題に取り組める
- 研究と発表の両立: 論文発表・技術ブログ執筆を推奨し、学術機関やOSSコミュニティとの連携も積極的に支援
- 技術移転のインパクト: 開発した手法をAgentic Product Engineerチームに移転し、プロダクト全体の品質を底上げするリーダーシップを発揮できる
- 急成長環境: スタートアップで、技術的意思決定に大きな裁量を持てる

【必須スキル】
- コンピュータサイエンス、ソフトウェア工学、人工知能、機械学習、数学、物理、それらの関連分野における修士号・博士号を有すること
- LLMを用いた複雑なエージェントシステムの開発経験
- ソフトウェアエンジニアリングとMLにおける十分な実務経験
- LLMのプロンプト作成、および/または言語モデルを使ったプロダクト開発の経験
- PyTorch / JAXでの大規模モデル学習・推論の経験
- LLM / Transformerアーキテクチャの深い理解
- 論文読解・再現実装の能力
- Pythonでの高品質なコード実装力
- 言語レベル : いずれか必須
- 日本語 : Fluent (プロダクト開発において齟齬なく議論を行えるレベル)
- 英語 : ビジネスレベル

【歓迎スキル】
- 大規模な強化学習 (Large-scale RL on language models) の経験
- マルチエージェントシステムの設計・実装経験
- トップカンファレンス (NeurIPS / ICML / ACL / EMNLP 等) での論文発表
- RLHF / DPO等のアライメント手法の実装経験
- マルチモーダルモデル (Vision-Language 等) の経験
- エージェント評価・安全性研究の経験
- 博士号 (CS / ML / NLP / 関連分野)
- 英語での研究コミュニケーション能力

【求める人物像】

企業の収益拡大・生産性向上など様々な課題解決につながるソリューションを開発・提供するマーケティングテクノロジーカンパニー

アドテクノロジー/デジタルマーケティングの領域において、最先端のテクノロジーを活用し、顧客企業様の収益最大化に役立つプロダクトを独自開発。中でも、WEBメディアやスマートフォンアプリの広告枠に対し、アクセスしたユーザの分析を行い、最適な広告をリアルタイムのオークション形式で届ける、プラットフォーム事業に注力しています。