▼お任せする業務
まずお任せしたいのは、テレシーのビジネスプロデューサーが顧客に向き合う時間を最大化するための、社内AIエージェント基盤の設計・開発・運用です。

・AIエージェント基盤の設計・開発・運用 : LLMプラットフォーム（Bedrock, Vertex AI等）やエージェント基盤（LangGraph, CrewAI等）を活用したシステムの構築
・評価・改善サイクルの設計 : AIエージェントの応答品質を測る評価指標、テストデータ、改善プロセスの策定
・運用基盤の構築 :MCP（Model Context Protocol）や外部APIを統合し、認証・権限管理・監査ログ・ガードレールを含む、安全かつ再利用性の高い運用基盤の設計
・可観測性の確保 : エージェントの判断プロセス、コスト、失敗要因のモニタリングと課題解決
・業務ヒアリング・要件定義: BPや社内メンバーの業務課題を理解し、「何をAI化すべきか」「どこに人の判断を残すべきか」を整理・設計
・実業務への組み込み: AIエージェントを実際の情報収集・分析・資料作成・提案準備フローへ組み込み、運用・改善まで推進
・標準化・プロダクト化: 個別案件で得られた解決策を抽象化し、複数業務で再利用可能な標準機能・共通アーキテクチャへ展開

▼直近で取り組んでいること
・セキュアなAI基盤の構築 : 広告・売上・CRM等の機密データを扱うためのローカルLLM環境、ガードレール、権限管理、監査ログを備えた基盤整備
・BP業務へのAI実装: 情報収集、資料作成、分析、提案準備など、顧客提案前後に発生する業務をAIで支援し、提案のスピードと質を高める仕組みづくり

▼将来的に取り組みたいこと
・ライトニングMMMのAIエージェント化 : WebUIによる複雑な設定ではなく、自然言語での問いかけから意思決定サマリや推奨アクションを即時生成するUXの提供
・マーケティングAIエージェントの提供 : 現在、社内メンバーが行っている情報収集、情報整理、分析、戦略立案等の業務をAIエージェント化
・Human in the loop設計の高度化 : AIによる自動化と、人間による最終判断・ディレクションが最適に融合する業務プロセスの構築
・AI活用の標準化・プロダクト化: 個別の業務改善に留めず、うまくいった仕組みを共通化し、複数のBP・案件・プロダクトに展開できる状態をつくる

【やりがい・魅力】
▼やりがい：何が面白いか・熱くなれるか
・実社会へのAI実装 : AIを単なる検証に留めず、実際のビジネスの意思決定基盤として運用し、クライアントの事業成長に直接貢献できます。
・PoCで終わらないAI活用: 実験や検証だけではなく、実際の営業・提案・分析・意思決定フローにAIを組み込み、使われ続ける状態まで運用・改善できます。
・BPの意思決定を支援できる: 単なる業務効率化ではなく、ビジネスプロデューサーの提案活動や意思決定そのものに入り込み、「人とAIの役割分担」を再設計できます。

▼ポジションの魅力：この環境だから得られるもの・できること
・最先端技術への挑戦 : ローカルLLM、AIエージェント、MCPなど、常に進化するAIテクノロジーを、実際の業務やプロダクトへ組み込む挑戦が可能です。
・AIネイティブな組織作り: 開発だけでなく運用までを見据えた品質評価や安全性の担保など、AI活用の「中核」を担う仕組みづくりに関われます。
・事業に近い開発環境: 技術単体ではなく、BPや事業責任者と近い距離で、AIをどの業務に入れれば価値になるのかを考えながら開発できます。
・AI × 事業実装 × プロダクト化の経験: AIエージェント基盤の立ち上げ、ローカルLLMやBedrockを活用した実運用、非エンジニア業務へのAI実装、標準化・再利用まで、今後市場価値が高まる経験を横断的に積むことができます。
・まだ型がないフェーズ: 完成されたAI組織に入るのではなく、テレシーにおけるAIエンジニアの役割や正解を、自ら作る側に回れます。
・豊富なアセット: パートナー、グループの独自アセット等を活用して、顧客課題解決に向けたマーケティングソリューションを創出できます。

■必須条件
・業務課題をヒアリングし、業務改善・システム導入プロジェクトのリード経験（企画・要件定義～運用）
・AI／機械学習プロダクトの導入支援・活用推進の経験（PoC～運用）
・ AIエージェント、LLMアプリケーション、社内AIツール等の開発経験
・AIエージェントの応答品質の定義、および評価・改善サイクルの設計・運用経験
・Infrastructure as Code（Terraform等）を用いた構築・運用経験

■求める人物像
・CARTA Tech Vision に共感していただける方
・AIエージェントの応答品質を自ら定義し、改善サイクルを設計できる方
・顧客課題からあるべき姿を構想し、個別要件をプロダクトへと抽象化できる方

■歓迎要件
・オープンウェイトモデル（Llama, Qwen, gpt-oss等）の事後学習（SFT/DPO等）やPEFTを用いた最適化・検証経験
・Amazon Bedrock、Vertex AI等を活用したAI基盤の設計・検証経験
・BigQuery, SnowflakeなどのDWHを利用したデータ分析基盤の開発経験
・LLMアプリケーションの可観測性・モニタリング設計経験（Langfuse, Prometheus等）
・個別案件の解決策を汎化し、共通機能として実装・展開した経験