マッチ率

NEWAIアナリティクスエンジニア（セマンティックレイヤー / 分析エージェント）

今日更新

サーバーサイドエンジニア、フルスタックエンジニア

東京都（大崎駅）

800-1200万円

正社員

自社サービスあり服装自由オンライン選考可フレックス制度あり新技術に積極的上場企業裁量労働制あり

事業概要

■ 会計や人事労務関連業務を効率化するためのクラウドサービス『freee会計』『freee人事労務』を開発、運営

■ グッドデザイン賞（2017年実績）や総務省後援の「ASPIC IoT・AI・クラウドアワード」のベンチャー大賞（2020年実績）をはじめ、名だたる賞を受賞

仕事内容

■Summary 「スモールビジネスを、世界の主役に。」を掲げる freee は、freee会計・freee人事労務をはじめとするマルチプロダクト戦略をとっており、プロダクト・セールス・マーケティング・サクセス・コーポレートなどあらゆる営みでデータが発生します。テーブル数は最大数万、月間百万以上のクエリ、数十のマイクロサービス DB、SaaS ビジネス・金融ビジネスなど複数の商流に基づくビジネスデータ、月間数千ユーザーが利用する、国内でも有数の規模のデータプラットフォームです。

一方で、事業とプロダクトの拡大に伴い、データへの需要は分析チームの供給能力を恒常的に上回り続けています。そして LLM の進化により、いま「専門家を介さずデータへ到達する」ことが現実的になりました。ただしそれが成立する条件は、モデルの賢さではなく、指標定義・ビジネス用語・文脈が機械可読に整備されていること（AI-ready data）です。定義の曖昧なデータの上にエージェントを載せても、もっともらしい誤答を量産するだけです。

私たちはこの取り組みを、単発の「AIツール導入」ではなく、データ活用体験を「Done by You（人が操作しやすいツールを作る）」から「Done for You（AIが仕事をやり切れる環境を整える）」へ転換する取り組みと位置づけています。目指すのは、データ分析を専門としていない人材でも自然言語で問えば、分析〜示唆〜たたき台まで返ってくる土台を整え、データ活用のスループットを人の稼働から切り離すことです。

■現状の課題/今後取り組みたいこと freee のデータ活用は長らくデータ分析が主軸でした。しかし生成 AI の台頭により、データを資源とした活用ニーズは多様化・複雑化し、マルチプロダクト戦略のもとプロダクトを横断したデータ活用ニーズも急増しています。

私たちは「AI Ready の正体はデータマネジメントである」と考えています。AI Ready とは、LLM に収まるコンテクストかつ解釈可能なレベルまで、高品質なデータが構造化・管理されている状態を指します。これは AI 技術だけの問題ではなく、データマネジメントそのものの問題です。

freee は現在、ハブ・アンド・スポーク型のデータメッシュ（Provider / Hub / Consumer）への変革期にあり、メダリオン 2.0（Bronze / Silver / Gold + Platinum）を共通言語に、全社プロジェクトを同時並行で推進しています。本ポジションは、その中でも「データを人とエージェントに届ける最終区間（ラストワンマイル）」を担い、以下を推進します。

・指標・ディメンションの一元管理とガバナンス LookML、BigQuery、dbtを用いて定義の一元化と変更管理を行う。・AI向けコンテキストの構造化エージェントが参照可能なビジネス用語やメタデータを「AI-ready」な状態に整備する。・リモートMCPの設計・運用社内外のAIクライアントに対し、セマンティックレイヤーやコンテキスト基盤を開放する仕組みを構築する。・回答品質の評価と改善サイクルの確立正答率や解決率をロギングし、それを起点とした継続的な改善を行う。・評価駆動開発へのシフト評価駆動開発への移行が進み、品質改善が人手の勘ではなくデータ（評価）で回るようになっている・データプロダクトマネジメント部門からの要望をインテークし、優先度付けや「作らない」判断を含めた製品マネジメントを担う。

■業務内容詳細 freee の全社員が、エージェントとの対話だけで信頼できるデータに到達できる状態をつくる。セマンティックレイヤーとコンテキスト基盤をユーザー需要から逆算して設計し、その回答品質をロギング・評価で計測しながら、分析エージェントとして届けきる。具体的には以下を担っていただきます。

セマンティックレイヤー / コンテキスト基盤の整備分析エージェント / リモートMCPの開発・運用ロギング・評価基盤の設計・運用データプロダクトマネジメントファシリテーション / 全社への浸透

※会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

求められるスキル・人物像

【必須要件】・Python によるバックエンド開発と、Google Cloud（または同等のパブリッククラウド）での本番運用経験・LLM アプリケーション（RAG、エージェント、MCP サーバー、evals 等）の開発経験 ※業務経験に限りません。設計意図を説明できる、質の高い個人開発・OSS 活動を含みます・BigQuery 等の DWH を用いた SQL およびディメンショナルモデリングの理解・Docker / CI/CD（GitHub Actions 等）を用いた開発の経験

【歓迎要件】・LookML 等、セマンティックレイヤーの実務経験・LangGraph / LangChain 等のフレームワーク、LLM evals・評価駆動開発の実務経験・LLM アプリケーションの品質を、ロギング・評価指標（正答率・解決率等）で計測し、改善サイクルを回した経験・リモート MCP サーバーの設計・運用経験（OAuth 等の認証・認可設計を含む）・プロダクトマネジメント経験（社内プロダクト・データプロダクトを含む）・データガバナンス（アクセス制御、メタデータ管理、データカタログ、オントロジー、OKF 等のコンテキスト標準）の経験・関心・データメッシュ / ハブ・アンド・スポーク、BigQuery Sharing、Policy タグの設計・運用への理解・B2B SaaS のドメイン理解（会計・人事労務・営業データ等）

【求める人物像】・freee の価値基準への理解と共感・「正しいモデル」より「使われるモデル」を優先できる・品質を勘ではなく計測で語れる（「たぶん良くなった」ではなく、評価指標で改善を示せる）・技術選定を流行ではなく、運用コストと組織の実情から判断できる・定義や判断の経緯をドキュメントに残すことを厭わない

勤務地・給与・その他情報

想定年収、待遇・福利厚生、
選考プロセスなどを確認するには会員登録が必要です

利用規約、レバテックID利用規約、レバレジーズグループ・プライバシーポリシーをご確認のうえ、同意いただける場合は会員登録へお進みください。

Googleで登録 Appleでサインアップメールアドレスで登録

ログインはこちら

勤務地
アクセス
勤務時間
想定年収
雇用形態
休日・休暇

このPJ・案件で使われている技術

支給PC: 現場で選択可能（Windows/Mac）

得られる経験・キャリアパス

■当該ポジションで働く魅力・全社スコープで国内有数の規模のデータプラットフォーム設計が可能国内有数の規模を誇る先進的なデータプラットフォーム（1万以上のテーブル、月間100万以上のクエリ等）上で、「AIからの到達可能性」を全社スコープで設計・実装できます。・未開拓領域の技術選定と「1人目」の経験 LLM × セマンティックレイヤー × リモートMCPという未確立な領域において、技術選定から携わる「1人目」として挑戦できます。・AI品質を科学する「評価駆動開発」の推進「作って終わり」ではなく、ロギングと評価を通じて品質を計測。人間のフィードバックループを回しながら、AIプロダクトの品質を科学的に高める経験が得られます。需要から逆算したプロダクト作り単に「正しいモデル」を作ることではなく、現場の需要から逆算し、実際に「使われるモデル」を作り届けるための裁量を持てます。・データマネジメントがプロフィットセンターとして機能データマネジメントが経営優先度の高いテーマとなっており、コストセンターではなく、事業利益を生み出す「プロフィットセンター」として推進できる環境です。

※本ポジションは、実装力（エンジニアリング）と、需要からの逆算・折衝（プロダクトマネジメント）　の両面を求めます。 ※ご経歴は事業会社・受託（SIer / コンサル等）いずれの出身でも可です。