シニアLLMデータエンジニア（学習データ・評価）/生成AI・音声AI技術を活用したソリューションの開発・提供企業の求人

【業務概要】
顧客の会話ログや業務システム等の実データをもとに、同社が開発するAIモデルの学習データおよび評価データをエンドツーエンドで設計・構築するポジションです。プロジェクトごとに属人化・分散していたデータ構築プロセスを標準化し、スケール可能な再現性のあるシステム・運用フローへと刷新する役割を担います。

【具体的な業務】
1. 実データの調査・設計・前処理
- プロジェクトごとの業務システムやデータを調査し、学習・評価データをエンドツーエンドで設計
- 通話ログなどのリアルワールドデータをクレンジング、匿名化、構造化

2. 学習データおよび評価データの構築
- SFTおよびRL用データの構築（合成データ生成、難易度制御、重複排除、混合調整）
- 報酬関数や評価セットの実装、各プロジェクトのベンチマーク運用

3. データフライホイールの運用
- 学習結果のエラー分析をデータ改善に繋げるループの設計・運用
- 再現性とバージョン管理を備えたデータパイプラインの構築

【ポジション・部門の魅力】
- モデル性能の限界値を決めるデータと報酬の質に直接関与し、AIの知能の根幹を設計できます。
- 個別の対応に留まっていたデータ構築プロセスをゼロから標準化し、基盤化する経験が得られます。
- 金融・通信・製造など大企業の本番環境で運用されるリアルな音声会話データや業務システムを扱い、実社会で動くAIプロダクトの進化を支えることができます。

【必須スキル】
・英語での実務レベルのテクニカルコミュニケーション能力、および日本語（JLPT N2相当以上）の実務能力（日本語の会話ログや業務データを扱うため）
・業務システムや実データを起点としたLLM学習・評価データの設計・構築経験
・Python（pandas、Polars、Spark等）を用いた大規模データ処理、およびデータパイプライン（ETL、バージョン管理、再現性）の設計・実装経験
・定量的なデータ品質分析と、ノイズ・バイアス・欠損値の改善経験
・モデルが学習すべき情報とプロンプトで渡すべき情報を分離してデータを設計できる能力
・SQLおよびAPI・データベース連携の実装経験
・LLM APIを用いた合成データ生成およびLLM-as-a-Judgeによるフィルタリング経験
・学習フレームワーク（TRL、verl等）の入力フォーマット理解、およびSFT/RL用データへの整形能力

【歓迎スキル】
・SFT、選好データ、RLデータの構築経験
・報酬関数や評価セットの設計経験
・個人情報を含むデータの匿名化および管理経験
・カスタマーサポート、コンタクトセンター、音声対話領域におけるドメイン知識

【求める人物像】
・「モデルは何を学習すべきか」という本質的な問いから思考をスタートできる方
・泥臭い実データの分析を厭わず、データから本質的なシグナルを見出せる方
・曖昧な業務要件を具体のデータ仕様に落とし込める方
・自ら手を動かし、再現性のある仕組みやシステムを構築できる方

生成AI・音声AI技術を活用したソリューションの開発・提供