シニアプロダクトAIエンジニア（Trust & Safety）

事業内容

当社は「『はたらく』を通じて人生の可能性を広げるインフラをつくる」をミッションに掲げ、スキマバイトアプリ「タイミー」などの事業を展開しております。
近年、少子高齢化に伴い、労働に従事する人口の不足が深刻化し、それと同時に働き手に対する負荷が大きくなっています。
当社が提供している「タイミー」は、人手不足の解消や職場環境の改善など、企業が抱える「人」に関する経営課題を解決することができます。 また、人々の働き方を根底から変え、従来のアルバイトや派遣業界が抱えていた課題を解決し、一人一人が好きな時に働き、様々な仕事を経験することで人生の可能性を広げ、自分の時間をより豊かにできる世界を目指します。
サービスリリースから約6年経過した現在、

・ワーカー数：1,270万人
・導入事業者数：215,000企業
・導入事業所数：417,000拠点
※2025年10月末時点

今後は、スポットワークをさらに世の中に広げることで国内の労働市場における課題を解決することを主軸としつつ、「はたらく」に留まらない多様なアプローチで、「一人ひとりの時間を豊かに」する挑戦を続けていきます。

採用特設LP
https://corp.timee.co.jp/special-recruit/

会社説明動画
https://youtu.be/0JzkjwqK4Vg

募集背景

タイミーの急激な事業成長に伴い、ワーカー様と事業者様が安心してサービスを利用できる「高信頼なプラットフォーム」の維持・向上は、当社の事業継続における最優先課題です。

現在、この領域の課題解決に向けたデータサイエンス的な観点から、私たちは2つの側面からのアプローチを行っています。1つは、LLM等の基盤モデルを活用し、非構造化データや曖昧なコンテンツに対しても柔軟かつ高度な解釈・制御を行う「AIエンジニアリング」のアプローチです。もう1つは、従来の機械学習を用いた高精度なパターン認識や統計的異常検知によって、プラットフォームの健全性を守る「MLエンジニアリング」のアプローチです。

私たちはこれらの技術を適切に組み合わせ、システム全体の安全性と信頼性をAI/MLエンジニアリングの力で底上げできる「プロダクトAIエンジニア」を募集しています

業務内容

現在、データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「ML/LLM基盤の構築・運用」の3つの領域に注力しています。
本ポジションでは、このうち「プラットフォームの信頼性・安全性向上」を専門的に担当いただき、ML/LLMを駆使して、安心安全なプラットフォームの構築をリードしていただきます。

1. 基盤モデルを用いた高度な安全性制御

• コンテキストエンジニアリングによる事実整合性の確保 ：内部ドキュメントやガイドラインの内容をモデルに正確に参照させ、事実に基づいた安全な情報提供を行うためのコンテキスト構築の最適化
• 防御的プロンプトエンジニアリング ：モデルの脆弱性を突く悪意ある入力（ジェイルブレイク等）からシステムを保護する堅牢なプロンプト設計
• 多角的ガードレールの実装 ：サービス規約やポリシーに基づき、不適切な情報の入出力を制御するガードレールシステムの構築

2. LLMOpsツール等を活用した継続的な品質改善サイクルの確立

• 実験の追跡と管理 ：採用するモデル、プロンプト、パラメータといった多様な変数の組み合わせをログに記録し、再現可能な形での管理
• プロンプトのバージョン管理 ：複雑化するプロンプトをコードから分離し、体系的にテスト・更新できるバージョン管理フローの構築
• 自動評価パイプラインの運用 ：「AI as a Judge」等の手法を用い、モデルの出力品質（一貫性、安全性、事実整合性等）を定量的かつ客観的に評価する仕組みの構築

3. 戦略的データセットエンジニアリング

• データキュレーション ：プラットフォーム上の多様なリスクを網羅するため、データの品質、カバレッジ、量を考慮したデータセットの設計と収集
• 高度なアノテーション管理 ：曖昧な安全性基準を定義し、一貫性のあるアノテーションガイドラインの策定、および品質管理プロセスを構築
• 合成データの生成 ：AIモデルを活用して、実データだけでは不足するエッジケースや希少な異常パターンのデータを合成し、モデルの堅牢性を強化

4. 統計的アプローチによる高度な安全性制御

• リスク予測・異常検知モデルの開発 ：構造化データから、プラットフォームの信頼性を損なう特異なパターンを特定する高精度な分類・回帰モデルの構築
• 特徴量エンジニアリング ：リスク識別に有効な特徴量を抽出・加工するデータパイプラインの設計

5. 体系的な評価とオブザーバビリティの構築

• システムの監視とドリフト検知 ：パフォーマンス（レイテンシー・コスト）の監視に加え、ユーザー行動やモデル挙動の変化を検知する環境の整備
• 定量的な改善サイクルの推進 ：定義された評価指標（メトリクス）に基づき、モデルの品質を客観的にモニタリング・改善するフィードバックループの構築

技術スタック(主要な部分の抜粋)

Backend

• 開発言語: Ruby 3.4系
• アーキテクチャ: Ruby on Rails 8.0系、RSpec

Frontend

• 開発言語: TypeScript
• アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR

Mobile（iOS）

• 開発言語: Swift

Mobile（Android）

• 開発言語: Kotlin

Infrastructure

• AWS：ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc…Elasticsearch(AWS Marketplace)
• Google Cloud（一部サービス）
• IaC：Terraform
• ログ：Datadog LogsとS3に集約

Monitoring

• Datadog, Sentry

CI/CD

• GitHub Actions, Dependabot

その他

• コード管理: GitHub
• コミュニケーションツール: Slack, Notion
• その他: Firebase, twilio, ImageFlux, OneSignal, Figma etc…
• AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code

扱っているデータ

・アプリユーザーのアクセスログ、募集内容に関する情報
・マッチングに関する情報
・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ
・問い合わせに関するデータ
・営業活動情報のデータ
上記のようなデータを扱っております。

データエンジニアリング部の特徴

・データエンジニアリング部全体で頻繁に勉強会を実施しています。部署を跨いでの勉強会も実施されており、興味がある人は参加できる形を取っているので、興味がある分野について学べる機会が多いです。

・一人ひとりが自律的に技術力向上に取り組めるように成長をサポートする制度があります。

・フレックス×リモートでの勤務が可能なため、自分自身が集中して働ける環境を選べます。
※各自の在宅環境をリモートワークに最適化することを支援する制度があります。

・心理的安全性が高い組織なため、相談しやすい環境が整っています。
※参考記事「心理的安全性の勉強会を開催しました」

・データを利活用する土壌が整っております。また、経営陣含め、データの大切さを理解している社員が多いです。

本ポジションの魅力

• 「スポットワーク」という新しい市場の先駆者として、あらゆる人の人生の可能性を広げるためのインフラづくりに深く関わることができます。
• 機械学習モデルを作成して終わりではなく、運用/継続学習/精度の監視を大事にしています。
• 施策の設計から携わることが可能です。
• データ基盤の整備は別のチームが担当しているため、データサイエンティストとしての価値創出に集中できます。
• 考慮する変数が多くモデリングする対象が複雑かつ、アイテムのライフスパンが短いため難易度が高いですが、 高いレベルで「データサイエンス力」「ビジネス力」や「データエンジニア力」を体現しているデータサイエンティストと一緒に働くことができ、アジリティ高く施策や検証を行うことができます。
• グループのMission実現のための最適なアルゴリズム、モデル、コード、ツールなどについて、チームメンバーでの議論・提案を歓迎する文化があります。

 インタビュー記事

採用要件

MUST

ハードスキル

• 高度な技術的リーダーシップ ：機械学習・データ分析を用いた複雑なビジネス課題において、技術選定から実装、本番運用までの全工程をリードし、成果を創出した実務経験（5年以上）
• 開発・分析基盤の習熟 ：SQLおよびPythonを用いた大規模データ処理、クラウド（Google Cloud/AWS等）環境でのモデル開発・運用、およびGitを用いたチーム開発の実務経験
• 機械学習・統計学の知識 ：確率論、学習手法、評価指標、および非構造化データの処理に関する深い理解
• スケーラブルなインフラ運用の知見 ：クラウド（Google Cloud/AWS等）において求められるサービス要件の特性を理解した上での、高可用かつコスト効率の良いインフラ構成を検討・推進できる能力
• 戦略的データセットエンジニアリング ：データの枯渇や品質劣化を防ぐため、戦略的なデータキュレーション、高品質なアノテーションプロセスの構築、および検証済みの合成データ生成パイプラインを指揮・遂行できる能力
• 実験・評価プロセスの標準化 ：チーム全体が再現性を保ち、迅速に改善を回せるよう、実験管理の仕組みや、AI評価（AI as a Judge）を含む多角的な評価メトリクスの標準化を導入した経験
• 基盤モデルを用いたAIアプリケーションの開発経験 ：コンテキストエンジニアリングや評価パイプライン構築、RAGなどの基盤モデルを用いたアプリケーション開発の実務経験
• MLOps/AIインフラの知識 ：モデルの学習・評価・デプロイを自動化するパイプラインの構築経験
• エンドツーエンドの運用設計能力 ：ビジネスや現場のオペレーション要件から逆算し、モデルの推論だけでなく、異常時の対応フローや監視体制、現場運用への定着・適用プロセスを含めた実用的な運用設計を行った経験

ソフトスキル

• 不確実性下での戦略的合意形成 ：安全性基準が曖昧な領域において、法的・倫理的リスクとプロダクト価値のトレードオフを論理的に整理し、経営層や他部門のステークホルダーと高度な合意形成ができる能力
• 技術的なメンタリング ：コード・設計レビューや勉強会を通じて、チーム全体のエンジニアリング品質を底上げし、シニアレベルの後進を育成できる能力
• Timeeのミッションへの強いコミットメント ：社会的責任の極めて大きい「プラットフォームの信頼性」を守り抜くというミッションに対し、技術的な卓越性をもって誠実に向き合える方

WANT

• 基盤モデルの適応・最適化における深い専門性 ：構造化出力の厳密な制御、プロンプト攻撃に対する多層的な防御策の実装、モデルレベル・推論サービスレベル双方での高度な最適化（量子化、並列化、プロンプトキャッシュ等）を通じて、劇的なコスト・レイテンシー改善を実現できる能力
• インフラおよび計算リソースの効率的活用 ：ワークロードの特性に応じて、最適なハードウェアアクセラレータ（GPU/TPU）やサービング基盤（Managed vs Self-hosted）を選定し、パフォーマンスとコストのトレードオフを最適化するインフラ構成を設計・運用できる能力
• AIセキュリティ ：レッドチーミング（攻撃的シミュレーション）による脆弱性診断や、最新の脱獄手法（ジェイルブレイク）に対する先回りした防御システムの開発経験
• ドメイン固有モデルの構築知見 ：必要に応じてモデルマージや高度なファインチューニング（PEFT等）の技術を選定し、汎用モデルでは達成困難な領域特化のパフォーマンスを引き出した経験
• 高度なビジネスインパクトの定量的測定 ：異常検知や安全性向上が、どの程度サービス継続性や事業収益（ROI）に寄与しているかを、因果推論や実験計画法を用いて科学的に証明した実務経験

求める人物像

• 当社のミッション、社会貢献性の高い事業に共感していただける方
• 当社のバリューにフィットする方
• 業界・顧客理解のためにインプットを怠らない方
• 課題解決に向け、自ら考え、手を動かすこともできる方
• 周囲と円滑なコミュニケーションを取り、大胆に巻き込みながら仕事を進められる方
• ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方