AIソリューションエンジニア

GZEDは、産業現場に散らばった文書・図面・Excel・業務データをAIが扱える形に変換し、実務で使えるAIエージェントとして実装する会社です。

製造業、エネルギー、インフラなどの企業に向けて、業務の理解から技術検証、システム開発、本番導入まで取り組んでいます。顧客の相談は「この製品を導入したい」という形だけでなく、「この業務を効率化したい」「手元のデータで何ができるか知りたい」という段階から始まります。

事業の拡大に伴い、顧客の課題を技術的な問いに落とし、実装・実験・評価を通じて解決方法を見極める役割を強化します。既存技術で対応できること、追加の開発が必要なこと、研究開発として取り組むべきことを整理し、顧客が次の投資を判断できる根拠を作る方を募集します。

商談段階から技術検証を主導し、実現性と技術リスクを明らかにしたうえで、開発・研究開発の進め方を提案します。

• 技術課題の定義 — 顧客の業務、対象データ、既存システム、求められる品質を確認し、解くべき問題と検証すべき仮説に落とす
• 技術調査・手法選定 — 論文、技術文書、OSS、モデルなどを調査し、既存手法の適用可能性と限界を整理する。精度、処理速度、費用、必要データ、運用上の制約を踏まえて候補を比較する
• プロトタイプ・検証コードの実装 — データ処理、モデル・アルゴリズムの適用、API・システム連携を自ら実装し、顧客のデータや利用条件に即した動作を確かめる
• 実験設計・評価・改善 — 評価データと指標、比較対象、成功条件を定め、実験を進める。失敗例を分析し、データ・手法・システム構成のどこに課題があるかを切り分け、改善を試す
• 技術的な見立てと次段階の設計 — 検証結果から、実現できる範囲、残る不確実性、本番化への課題を整理する。追加検証・研究開発・本開発それぞれの進め方と判断条件を設計する
• 顧客への説明・技術提案 — デモと評価結果をもとに、実現方法、効果、制約を説明する。営業・PMと協働して、提案範囲、成果物、スケジュール、見積もりの技術的な根拠をまとめる
• 開発・研究チームとの連携 — 検証コード、実験条件、評価結果、未解決課題、顧客との合意事項を共有し、次フェーズにつなげる。専門性が必要な課題はエンジニア・リサーチャーと共同で検証する
• 知見の蓄積 — 検証コード、評価方法、技術調査の結果を再利用できる形に整え、他案件の提案や研究開発へ展開する

このポジションの主軸は、技術仮説の立案から検証の実行、結果の解釈までを自ら担うことです。営業・PMと役割分担しながら、技術的な根拠を持って顧客と議論し、案件の具体化と受注につなげます。検証規模と期間は、商談段階や合意した業務範囲に応じて設定します。

• ソフトウェア開発、機械学習・データ処理、研究開発のいずれかで、自ら実装・検証を進めた経験
• AI・機械学習の基本的な仕組みと評価方法を理解し、課題に応じた手法の選定理由と限界を説明できること
• Pythonなどを用いて、データの前処理、モデル・アルゴリズムの検証、API連携を含むプロトタイプを自ら実装・デバッグできること
• 仮説、比較対象、評価指標を定めて実験し、結果と失敗例を分析して次の検証を設計できること
• 論文・技術文書・OSSの実装を読み、前提条件や制約を理解したうえで検証に取り入れられること
• 顧客の課題を技術的な検証項目に分解し、検証結果と未検証事項を分けて、相手の専門性に合わせて説明できること
• コード、実験条件、評価結果を記録し、チームで検証・再利用できる形で共有できること

プリセールス・営業の職種経験は問いません。 エンジニア・研究開発職としての経験を生かし、顧客との対話や技術提案にも取り組みたい方を歓迎します。研究の知見を実装・評価につなげる力を重視し、学位や論文実績は必須としません。

• LLM、AIエージェント、RAG、文書・図面解析、画像認識、最適化などの開発・研究経験
• 論文の再現実装、既存手法の改良、独自手法の検証経験
• データの不足・偏り、評価の妥当性、再現性を考慮した実験設計の経験
• PoCから本番導入まで進め、精度・性能・費用・保守性の課題に対応した経験
• API、データベース、クラウド、認証・権限、既存システム連携を含むシステムの設計・構築経験
• 顧客との技術ディスカッション、共同研究、要件定義、技術提案の経験
• 開発工数の見積もりや、研究開発のマイルストーン・継続判断条件を設計した経験
• 製造業、エネルギー、インフラなどの業務知識
• Claude Code / Codexなどを活用した実装・検証経験

• 曖昧な相談を、検証できる問いに変えることが好きな方。 業務とデータを理解し、何を確かめれば前に進めるかを考えられる方。
• 調べて、実装して、結果から考えられる方。 新しい手法を試し、うまくいかない原因まで掘り下げたい方。
• 研究と実務の両方に関心がある方。 手法の新しさに加えて、顧客のデータや運用条件で有効かを確かめたい方。
• 技術の限界と不確実性を率直に扱える方。 実験結果が仮説を支持しない場合も、その事実を共有し、別の方法や追加検証を提案できる方。
• 顧客との対話を技術検証に生かせる方。 検証結果を説明しながら業務上の条件を掘り下げ、次に試すことを一緒に考えられる方。

• 実際の顧客課題を起点に、技術を深掘りできます。 現場のデータと制約に向き合い、調査・実装・実験を通じて解決策を見極めます。
• 自分の検証が、案件の方向性を決めます。 技術選定や開発範囲、研究開発の必要性を、得られた根拠から提案できます。
• エンジニアリングと研究開発の知見を顧客へ届けられます。 手法の理解からプロトタイプ、評価、顧客との技術議論まで一貫して関われます。
• 検証で得た知見を次の開発へつなげられます。 エンジニア・リサーチャー・PMと協働し、検証成果を本開発や研究テーマへ展開できます。

書類選考 → 面談 → 開発・研究・検証実績に関する技術面談 → ケースディスカッション（技術仮説・実験設計・評価結果の説明）→ 最終面談 → オファー

※ 選考の内容・順序は、ご経験や参画形態に応じて変更する場合があります。

技術面談では、自ら担った実装、手法の選定理由、実験設計、結果の解釈、改善の過程を伺う想定です。ケースでは、顧客の相談から何を検証するかを定める力と、結果・限界を顧客に説明する力を確認します。過去の成果物は、守秘義務に触れない範囲でご紹介ください。

面談では、 これまで取り組んだ開発・研究テーマや検証経験を伺いながら、GZEDで扱う顧客課題と技術テーマについてお話しします。