【プロダクト開発】｜機械学習エンジニア｜エキスパート｜東京｜正社員

■仕事概要
■募集背景
リユース市場の成長とともに、BuySell Technologiesは「出張買取」「店舗」「コールセンター」「EC」など多様なチャネルを展開し、M&Aを通じて複数のグループ企業を統合してきました。これにより、事業のスケールは急拡大する一方で、オペレーションやシステムは複雑化し、各現場で異なる業務フローやデータ構造が存在しています。こうした非連続な成長を支える基盤として、自社開発プラットフォーム「Cosmos」を立ち上げました。単なる業務システムではなく、「査定・販売・CRM・物流・在庫」を貫く事業オペレーションの中枢として、“事業の仕組みそのものをプロダクト化する”構想を掲げています。いままさに、個別最適から全社最適へ／経験知からデータ駆動へと変革を進めるフェーズです。
当社では従来の機械学習・統計・最適化手法から生成AIまで、複数のアプローチを活用した取り組みが、いくつかの業務領域で実運用フェーズに入っています。
一方で事業や業務プロセスの広がりに対して、AI活用はまだ一部にとどまっており、課題特性に応じた手法選定やユースケース創出の余地が多く残されています。
本ポジションでは、既存の取り組みを土台としながら、新たな活用テーマの企画・検討段階から関わり、統計・最適化・機械学習・生成AIといった手法を柔軟に組み合わせて、業務やプロダクトに価値をもたらす仕組みを形にしていただきます。PdMやエンジニア、データアナリストと連携し、課題整理からモデル設計、改善・運用までを一気通貫で担いながら、全社のAI活用領域を広げていく役割を期待しています。
【ご入社後に期待する成果】
～6か月後：特定の事業領域・既存ユースケースを中心に、業務プロセスやデータ構造、現在の機械学習・生成AIの取り組みを理解し、課題の全体像を把握している状態を期待しています。その上で、PdMやエンジニアと議論を重ねながら、新たなAI活用テーマについて仮説立案や技術選定を行い、検証を開始していることを想定しています。また、モデル設計・改善・運用の一連のプロセスを理解し、自律的に改善サイクルを回し始めている状態を目指していただきます。
～1年後：複数の事業・業務領域にまたがるAI活用テーマをリードし、実運用を見据えた形での設計・改善・展開を担っていただくことを期待しています。課題特性に応じて、従来の機械学習手法や生成AI、その他のアプローチを適切に使い分けながら、技術的な判断や設計方針を示せる状態を目指していただきます。加えて、全社的なAI活用の取り組みにおいて、技術面からの意思決定や方向づけに関与し、事業やプロダクトの成長を支える存在として活躍していただくことを想定しています。
【期待役割】

• 当社の事業課題に向き合い、AI・機械学習を活用して事業成果につなげるところまで、一貫して担っていただきます。
• 与えられた要件に対してモデルを開発するだけではなく、事業・業務を深く理解した上で、解くべき課題を見極め、機械学習・統計・数理最適化・生成AIなどを用いて扱える問題へと落とし込み、適切なアプローチを設計・実装していただきます。
• 単なる「検証（PoC）」にとどまらず、事業の粗利向上や生産性向上、顧客体験の改善につながる仕組みを実際のプロダクトや業務フローに組み込み、継続的に改善していくところまでを担っていただきます。

【具体的なプロジェクト例】
現在、以下のようなAI・データ活用プロジェクトが進行中であり、これらのさらなる磨き込みや新規ユースケースの立ち上げをお任せします。

• コールセンター業務のAI化（LLM

音声認識等）

• 数理最適化による訪問ルート最適化
• 画像認識を用いた査定のAI化
• データ基盤・MLOps構築

【主な業務内容】

• ビジネスサイド（事業部等）の抽象的な課題を整理し、機械学習・生成AIを活用した問題設定・テーマの企画立案
• 課題特性（自然言語、画像、テーブルデータ、最適化問題など）に応じた最適なモデル・アルゴリズムの技術選定および設計
• PoC・オフライン検証による実現性の見極めから、本番環境へのデプロイ、実運用を見据えたモデル開発
• モデルの精度だけでなく、業務KPIや事業成果を踏まえた評価設計・効果検証、および継続的な改善
• モデルの監視・評価・再学習など、継続的な運用・改善を可能にするMLOps環境や開発プロセスの設計・改善

【あなたに提供できる価値】

• 事業・業務に根差した多様な課題に対し、機械学習・最適化・生成AIを組み合わせた設計判断を行う経験
• 既存ユースケースを起点に、新たなAI活用テーマの検討から実運用までに関わり、取り組みを広げていける環境
• 特定技術に閉じず、「何にどの技術を使うか」を考える立場として、全社的なAI活用に関われる機会

■キャリアパス

• 機械学習・統計・最適化・生成AIを横断して活用できる、AI／データ領域のシニアエンジニア
• 複数の業務領域にまたがるAI活用プロジェクトを担う、横断型のテクニカルリード
• データ戦略責任者／プロダクト・事業統括ポジション

【プロダクト開発環境】

• 開発言語：Golang, React.js(Next.js), TypeScript
• インフラ：GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker
• CI/CD：GItHub Actions
• テスト：MagicPod, Storybook
• バージョン管理：GitHub
• エラー管理：Sentry
• APM：NewRelic
• 課題管理：Jira
• ドキュメント管理：Confluence
• その他：Elastic Cloud, Terraform Cloud, Chromatic

• 機械学習モデルのPoC（概念実証）にとどまらず、本番環境へのデプロイ・実運用・精度改善まで一貫してリードした経験（5年以上）
• 事業部（もしくはクライアント）の抽象的な課題をシステム要件・機械学習の問題設定に自ら落とし込み、適切な手法やモデルを検討・選定した経験

• コンピュータビジョン、自然言語処理、音声認識、テーブルデータ、数理最適化など、特定領域における専門的な知識・実務経験
• 生成AI（LLM等）を用いた業務・プロダクトの開発、およびRAG・プロンプト設計・ツール利用・評価設計などに関する知識・実務経験
• 生成AIと従来の機械学習・数理的アプローチを組み合わせたシステムの設計・検証経験
• PdM・ソフトウェアエンジニア・事業部門など、異なる専門性を持つ関係者と協働し、AI・機械学習プロジェクトを推進した経験

• 「課題」と「構造」を見る思考力
• テクノロジーを事業レバレッジとして捉えられる力
• チームや他部署と建設的に議論し、物事を前進させていけるコミュニケーション力
• 開発組織作りへの興味関心
• 未整備な環境をポジティブに楽しめる推進力

（カジュアル面談）＞書類選考＞一次面接＞フォロー面談＞最終面接＞オファー面談
＜補足事項＞
基本的に面談・選考共にオンラインで実施しております。
※選考中に本社にお越しいただき、対面で面接を実施する可能性もございます。
カジュアル面談や現場メンバーとの面談、オフィス見学はご希望にあわせて調整致します。