お任せしたいこと
［役割］
AIエンジニア/バックエンドエンジニアとして、大規模言語モデル（LLM）と社内データを連携させるRAG（検索拡張生成）基盤の設計・実装を主導していただきます。
［役割に対して求める成果］
ベクトルデータベースの最適化やプロンプトエンジニアリングを通じて、AI回答の正確性と応答速度を劇的に向上させる検索・推論パイプラインを構築すること。

具体的な業務内容
Python（FastAPI）を用いた、LLM（OpenAI / Anthropic等）連携APIの設計・開発
LangChainやLlamaIndexを活用した高度なRAGパイプライン（Rerank/HyDE等）の構築
QdrantやPinecone等のベクトルデータベースを用いたセマンティック検索機能の実装
データのチャンク分割（Chunking）アルゴリズムの選定および検索精度の継続的な改善
AIエージェント機能（Function Calling等）の実装に向けたバックエンドロジックの構築
検証ツール（Ragas等）を用いた、AI回答精度の定量的評価および改善サイクルの運用

必須スキル・経験
Pythonを用いたWebアプリケーションまたはAPIの商用開発経験3年以上
OpenAI等のLLM APIを活用したプロダクトの開発または検証経験
ベクトルデータベース（Qdrant, Pinecone, Weaviate等）の実務での利用経験
RDBMS（PostgreSQL等）およびNoSQLを用いたデータモデリングの知識
GitHubを用いたチーム開発におけるコードレビューおよびブランチ管理の習熟

歓迎スキル・経験
LangChainやLlamaIndexを用いた複雑なRAGシステムの構築・運用経験
自然言語処理（NLP）に関する専門的な知見、あるいは形態素解析器等の利用経験
Docker / Kubernetesを用いたコンテナオーケストレーションの構築経験
データ前処理、スクレイピング、ETLパイプラインの構築経験
AIモデルのファインチューニングや、量子化に関する基礎的な知見

開発環境
言語・FW：Python 3.11+, FastAPI, LangChain, LlamaIndex
インフラ：Azure (AKS, Azure OpenAI Service), Qdrant
管理ツール：GitHub, Slack, Notion, Weights & Biases
技術スタック：Docker, Terraform, Poetry, Pytest

開発チームについて
エンジニア5名、データサイエンティスト2名の少数精鋭チームです。
最新の論文や技術動向をSlackで毎日共有し合うなど、学習意欲と技術的好奇心が極めて高い文化です。

求める人物像
生成AIの進化速度を楽しみ、不確実な要件に対して試行錯誤を繰り返して正解を見つけられる方
技術の「凄さ」だけでなく、ユーザーに届ける「価値」を最優先に考えられる方

仕事の魅力
今最も勢いのある「生成AI×RAG」という領域で、実務を通じた最先端のキャリアを構築できます。
技術選定の裁量が非常に大きく、自分の検証結果がダイレクトにプロダクトの精度に反映されます。

働き方
リモート環境
[フルリモート] フルリモートで働いていただけます。