求人情報詳細
NEW 株式会社ディー・エヌ・エー AIソリューションエンジニア※株式会社DeNA AI Link出向
正社員
| 仕事内容 | <仕事概要> 「あの人に相談したいのに、カレンダーがいっぱいで仕事が止まってしまう」ー日本の組織が長年抱えてきたこの課題に、AIで真正面から挑むプロダクトがリーダーズAIです。企業のリーダーやハイパフォーマーの思考・判断基準・専門知識をもとに、SlackやTeams上で稼働するオリジナルAIを構築。組織の誰もが「あの人の頭の中」に24時間アクセスできる状態をつくります。 このポジションは、顧客企業のリーダー本人と向き合い、その人のAIを実際に構築する役割です。 対象は経営層に限りません。役員・部門長から、現場で圧倒的な成果を出しているトップパフォーマー、特定領域の知見が集中しているベテランまでー「この人に聞かないと進まない」状態を生んでいる人すべてが対象になります。 その本人から引き出された判断軸や価値観を、実装可能な構造に落とし込みAIとして形にする。出力の品質を検証し、精度が出るまで作り込む。技術的な仕様を、AIに詳しくない顧客の言葉に翻訳して合意を取る。そして現場で得た知見をプロダクト側に還元し、次の顧客に活かすー顧客対応・実装・プロダクト改善の結節点に立つ、価値創出の最前線です。 顧客との関係構築・インタビューの実施はカスタマーサクセスマネージャーが主に担い、本ポジションはその技術カウンターパートとして常に二人三脚で動きます。インタビューには同席し、AI実装の観点から必要な情報を引き出す役割を担います。 「上流の設計だけで終わりたくない」「自分の手で作りながら、顧客と直接向き合いたい」「自社プロダクトの進化・改善に顧客視点で携わりたい」ーそんな方にフィットするポジションです。 <職務内容詳細> 業務は「AI構築・品質管理」「顧客との技術折衝」「プロセスの自動化・仕組み化」の3軸で構成されます。中心となるのは1つ目です。 ●AI構築・品質管理 ・カスタマーサクセスマネージャーが実施する対象リーダーへのインタビューに同席し、AI実装の観点から必要な情報を深掘りする ・インタビュー設計に対し、「AIとして再現するために何を聞くべきか」を構築側の観点からインプットする ・引き出された思考・価値観・判断基準を、実装可能な粒度まで構造化する ・構造化した内容を、同社のペルソナ定義フォーマットを踏まえて実装する ・RAG用コーパスの設計・整備(対象文書の選定、分割設計、メタデータ付与、検索精度の検証) ・構築したAIの出力品質を検証し、改善サイクルを回す ・顧客からのフィードバックをAIの設計改善に落とし込み、評価機構を利用しバージョン管理しながら精度を上げていく ●顧客との技術折衝 ・AIの挙動・制約・実現可能性について、顧客に理解できる言葉で説明し、合意を形成する ・「できること/できないこと」の線引きを技術的根拠を持って提示し、期待値を調整する ・品質検証結果のレビュー会をリードし、次の改善方針を顧客と決める ・顧客の要望を、技術要件に翻訳して実装方針を定める ※プロジェクト全体の進行管理、顧客との関係構築、対象リーダーへのインタビュー実施、契約更新やアップセルの提案は、主にカスタマーサクセスマネージャーが担当します。本ポジションはその技術カウンターパートとして、1案件をペアで担当します。 ●プロダクトへのフィードバック・プロセスの仕組み化 ・顧客の要望・つまずき・使われ方の実態を、プロダクトの仕様改善案として言語化しPdM・開発チームに提起する ・個別対応で解決した内容のうち、汎用化すべきものを見極め、プロダクト機能としての実装を働きかける ・自身が回した構築プロセスを分解し、再現可能な手順・テンプレートとして整備する ・AIツール(Claude Code / Cursor / Databricks / Arize等)を活用し、構築業務そのものを自動化・効率化と品質向上を両立する <このポジションでやらないこと> 役割を明確にするため、担当範囲外を記載します。 プロダクト本体の機能開発ー自社エンジニアチームが担当します スクラッチでのアプリケーション開発・インフラ構築 受注前の新規開拓・営業活動ーセールスチームが担当します プロジェクトの進行管理・顧客との関係構築・契約更新・アップセル提案ーカスタマーサクセスマネージャーが担当します 対象リーダーへのインタビューの主担当ーカスタマーサクセスマネージャーが担います。本ポジションは同席し、実装観点での深掘りを担当します コードを書く比重は、プロダクト開発エンジニアより低くなります。一方で、自社プロダクト基盤の上で実際に動く顧客のAIという「構造物」を自分の手で書き、検証し、改善し、顧客に価値を届け続けることがこのポジションの中心的な業務です。 <こんな方におすすめ> ・SIer・受託開発で、要件定義から実装まで一気通貫で担当していた方ー顧客の話を聞き、仕様に落とし、自分で作り、説明する。このポジションはその4工程がそのまま仕事になります ・ソリューションエンジニア・プリセールスとして、提案だけでなく実装・PoC構築まで踏み込んでいた方 ・RPA・ローコードの導入支援で、業務ヒアリングから構築まで自分で回していた方 ・事業会社の内製化推進・DX推進で、ベンダー管理ではなく自ら手を動かしていた方 ・上流工程に移った結果、実装から離れてしまったことに物足りなさを感じている方 ・自社サービスで、目の前の顧客に喜んでもらう体験をつくりたい方ー「作って納めて終わり」ではなく、自社プロダクトを磨きながら顧客の成果に最後まで向き合える環境です ・顧客の声をプロダクトに還元することに面白さを感じる方ー現場で得た要望を仕様に橋渡しし、次の顧客に活きる形にしていく役割を担います ・AIを日常的に使い倒しているが、「使う側」から「作り込む側」に回りたいと考えている方 ・受託・常駐ではなく、自社プロダクトの成長に直接コミットできる環境に移りたい方 <この仕事のやりがい> ●日本を代表する企業のキーマンと、直接向き合える 担当顧客は業界を問わず多岐にわたります。共通するのは「特定の人の頭の中にしかない判断軸が、組織のボトルネックになっている」という構造。それを言語化し、AIとして利用可能な形に還元するのがこのポジションの本質です。カスタマーサクセスマネージャーとペアでインタビューの場に立ち、顧客の仕事のコアな思想・考え方・組織内のコミュニケーション構造・業務フローを理解、整理し、業務の中で活用されるAIに落とし込む。日本の企業で第一線の成果を出しているリーダー・トップパフォーマーの思考に一次情報として触れられる仕事は、そう多くありません。 「作った結果」が、定量と定性の両面で返ってくる 構築したAIがどれだけ使われ、どれだけ意思決定を代替できたかが指標として可視化されます。 ●定量的な成果 相談を受ける側の工数削減:AIあたり年間100時間規模で発生しているリーダーやベテランによる相談・質問へのフィードバックの効率化 相談する側の工数削減:「あの人の時間が空くまで待つ」ために止まっていた業務が動き出す。対象は数十~数百人規模になり、組織全体で見た削減幅はさらに大きくなります ●定性的な価値 若手・中堅が、上位者の判断軸に日常的に触れられるようになる(育成効果) 「こんなことを聞いていいのか」という遠慮がなくなり、これまで表に出てこなかった相談が生まれる 属人化していた暗黙知が、組織の資産として蓄積・継承される 構築改善していくAIが、そのまま顧客の組織の動き方を変えます。 ●顧客の声と、プロダクトの設計の間に立てる 現場で最初に顧客の反応を受け取るのはこのポジションです。「どうすればより価値の高い示唆を利用者に与えられるか」「何があれば意思決定まで届いたのか」を最も解像度高く語れる立場から、仕様改善をPdM・開発チームに提起できます。自分が提起した改善が機能として実装され、次の顧客の成果につながる――自社プロダクトならではの手触りがあります。 ●新しい職種を、自分の手で定義できる 「人の判断基準をAIに実装する」という職能は、まだ世の中に確立していません。手順もテンプレートも、仮説検証しながら改善していきます。整備されていない領域を自分の型にしていくことに、面白さを感じられる方に向いています。 ●「担当者」にとどまらないキャリアパス 自身が行う構築プロセスをAIで自動化するプロセスオーナーとしての役割も持ちます。将来的にはPdM・プロジェクトマネージャー・BPRスペシャリストなど複数のキャリアパスに開かれています。 |
||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 経験・資格 |
※求人情報の応募要件全てに該当しなくても、企業様に対して内々に打診したり相談することが可能な場合もございます。一つでも当てはまる方は前向きにご検討下さい。
<必須スキル>・顧客に向き合う力 ・エンタープライズ企業の上層部・キーマンとの対面対応スキル(説明・質疑対応・合意形成) ・技術的な内容を、専門知識のない相手に理解できる言葉で説明できること ・顧客の要望を、要件・制約・NEXTアクションに分解して整理できる構造化力 ・社内の他職種(カスタマーサクセス・PdM・開発)と連携しながら業務を進められること ・ビジネスコミュニケーションの基礎(メール/チャット・議事録・提案資料作成) ・クライアントワーク経験(SIer・ITコンサル・受託開発・BPR支援等) ・手を動かす力 ・YAML / JSONなどの構造化データを理解し、要件を満たすための設計・実装の経験 ・Gitを用いたバージョン管理の実務経験 ・AIツール(Claude / Cursor等)を用いて、業務プロセスを自動化・効率化した実務経験 ・特定のワークフローを設計・構築して業務を自動化した実務経験 <歓迎スキル> ●望ましい経験/能力 ・要件定義書・業務フロー設計書の作成経験 ・エンタープライズ向けシステム導入・オンボーディング支援の経験 ・経営層・ハイパフォーマーへのヒアリング・インタビュー経験 ・プロジェクト管理ツール(Notion / Asana / Jira等)を用いたタスク管理経験 ●歓迎スキル ・プロンプトエンジニアリング・RAG構築・LLM評価の実務経験 ・AIエージェント構築の実務経験 ・生成AIプロダクト・SaaS・ナレッジマネジメント領域での導入支援経験 ・オペレーション改善・BPR・業務フロー設計の経験 ・組織開発・人材開発・コーチングなどの経験 <求める人物像> ・構造化と推進力を持つ方:御用聞きにとどまらず、顧客の課題を構造化し、最適な進め方を自ら設計・提案できる方 ・手を動かすことを手放さない方:設計して終わりではなく、自分で作り、検証し、直すところまでを自分の仕事だと捉えられる方 ・品質に妥協しない方:「それらしく動く」で止まらず、顧客が本当に使える水準まで作り込める方 ・未完成を楽しめる方:整備されていない業務フローやプロセスを、自分の手で形にしていくことに前向きな方 ・誠実な対人力がある方:顧客上層部・社内メンバーとの信頼関係を地道に構築できる、ビジネスパーソンとしての基礎力を持つ方 ・AIをフル活用する強い意思がある方:ツールの進化を楽しみながら、常に「より良い実装」を探求できる方 ※更なる詳細事項は、カウンセリング(面談)時にお伝えします。 |
||||||||||||||||
| 想定年収 | ※ご経験、スキルにより応相談 | ||||||||||||||||
| 勤務地 | 東京都渋谷区渋谷二丁目24番12号 渋谷スクランブルスクエア 神奈川県横浜市中区尾上町1-8(関内新井ビルディング) 神奈川県横浜市中区港町1丁目1番1 ベースゲート横浜関内タワー |
||||||||||||||||
| 勤務時間 | 勤務体系 ※DeNA AI Linkへの出向となります ◆勤務制度および時間 フレックスタイム制 ・始業および終業の時間は労働者の決定により委ねる(当社規定による) ・標準となる1日の労働時間:7時間45分(当社規定による) ・コアタイム:なし ※一斉休憩の適用除外あり |
||||||||||||||||
| 休日・休暇 | 土日祝日、年末年始、会社の指定した休日 ※当社規定による 有給休暇:入社初年度は12日、入社次年度以降4月1日現在の勤続年数に応じて15日~20日 ※前1年間の出勤日数が全就業日の8割以上の場合に付与されます。 |
||||||||||||||||
| 試用期間 | 試用期間 あり(試用期間:原則3ヶ月、試用期間中も待遇に変更なし ※当社規定による) |
||||||||||||||||
| 昇給・給与 | [賞与:年2回(6月/12月)] 経験・業績・貢献に応じて当社規定により決定します。 ※賞与は、上期(4月-9月)分はその年度の12月、下期(10月-3月)分は翌年度の6月に支払われます。4月入社者は初年度の6月賞与、10月入社者は初年度の12月賞与は、評価対象外のため支給されません。 [給与改定:年2回(5月/11月)] |
||||||||||||||||
| 受動喫煙対策の有無 | 有 屋内喫煙可能場所あり |
||||||||||||||||
| 企業データ |
|
||||||||||||||||
| 取材班による独自解説 | マーケットが未成熟であったころからeコマースの進化に取り組み、ひとつの事業領域に固執せずに次々と時代を切り拓く新しい事業を生み出し続けている。現在ではエンターテイメント領域(ゲーム・ライブストリーミング等)と、社会課題領域(スポーツ・まち・ヘルスケア等)の両軸で事業を展開している。 働き方の多様性に合わせて制度を更新しており、リモートワークと出社のハイブリット勤務を推奨。出社頻度に全社一律のルールはなく、業務に必要な頻度で各自出社している。1日の通勤交通費の上限を撤廃し、月15万円まで実費支給することにより、国内どこでも居住可能になった。 | ||||||||||||||||
| Recruiting No. | 01000066001565 |
関連する業種から探す
エリートネットワークのおすすめの『転職体験記』
-
- 統計解析を研究した博士29歳。任期1年の特定助教から、財閥系総合重機メーカーのデータサイエンティストに転職成功
- 前職
- 【旧帝国大学 大学院】
経済学研究科の特定助教(研究テーマ:統計解析、機械学習、計量経済学)
- 現職
- 【東証プライム上場 財閥系 総合重機メーカー】
AI・データサイエンティスト(機械学習、深層学習、大規模言語モデル)
転職体験記を読む -
- 工学博士29歳。バイオインフォマティクス解析技術を活かし、アカデミア(国立大学)から、AI活用データ解析に強みのテクノロジー企業に転職成功。
- 前職
- 【地方国立大学】
博士研究員(バイオインフォマティクス解析によるがん研究)
- 現職
- 【AIを活用したデータ解析や情報管理のソリューション企業】
AI事業本部 ライフサイエンス分野でのAI研究
転職体験記を読む -
- 博士号の証券会社クオンツ、世界的メーカーのAIを活用した新規事業のリーダーに
- 前職
- 政府系 研究機関 研究員(任期付研究員)
旧・帝国大学附属 研究所 研究員(任期付研究員)
日系大手 証券会社 クオンツ職
- 現職
- 日系大手 自動車部品メーカー スマートファクトリー推進リーダー
転職体験記を読む