生成AIと機械学習技術を組み合わせた次世代システムの設計・実装を担当し、AI開発そのものもAI支援で行う革新的な開発スタイルを実践。Claude Code、Cursorを活用したAIモデル設計・開発・評価、MLOps構築、API連携最適化、AI支援による継続的改善・運用自動化、次世代AI開発手法の研究・社内展開。工程は要件定義、設計、実装、評価、MLOps構築、運用自動化。
・プロダクト開発経験(3年以上、バックエンド・フロントエンド問わず) ・Go、Dart (Flutter)、TypeScriptのいずれかでの開発経験(3年以上) ・生成AIツールへの深い知見と実務経験 ・AIファーストで新技術を吸収し、従来手法からの柔軟なアンラーニングができる適応力
【募集背景】 生成AIと機械学習を組み合わせたシステム開発を強化するためのAIエンジニアポジションの募集です。 【作業内容】 生成AIと機械学習を組み合わせたシステムの設計以降を担当していただきます。AI開発自体をAI支援で行う開発スタイルを実践し、生成AIツールを駆使しながら、構築から運用までをAIとの協働で実現するエンジニアリングを推進していただきます。 【求める人物像】 生成AIや機械学習の技術トレンドに強い関心を持ち、自ら積極的にAIツールを活用しながら開発プロセスを改善していける方を求めています。新しい開発スタイルに前向きに取り組み、主体的に提案や試行錯誤ができる方が望ましいです。 【ポジショ...
・プロダクト開発経験3年以上 ・Go、Dart(Flutter)、TypeScriptのいずれかでの開発経験（3年以上） ・生成AIツールへの深い知見と実務経験 ・Claude、ChatGPT、Claude Code、Cursor等の生成AIツールの実務活用経験
【募集背景】 生成AIの独自性を強化し、品質・速度・コストの最適化を進めるためのAIエンジニア募集になります。 【作業内容】 LLMとの連携やモデル選択、プロンプト最適化および評価を行っていただきます。ベクトル検索やインデキシング、関連度改善などを通じて、推論パイプラインの設計・最適化に取り組んでいただきます。品質評価基盤やA/Bテスト、自動評価メトリクスの実装も担当していただきます。サービスのコアとなるAIを実装するためのPoCを主導し、ソリューションの提案や実現可能性の評価、問題の提起と解決、PoCの実装などを行っていただきます。また、FAQデータや業務マニュアル、会話ログなどのデータ取得・分析・加工を行い、AI...
フルリモート ・LLMに関する知見（transformerの原理の理解など） ・データ分析の実務経験 ・Webアプリケーションの開発経験 ・Unix, git, Docker, データベースなどの基礎技術の理解と利用経験 ・RAG（検索拡張生成）またはAIエージェント（ReActなど）の基本設計および実装経験 ・Pythonを用いた実務レベルの開発経験および標準ライブラリを用いたアルゴリズム・データ構造の実装能力
■案件概要 Claude Codeを活用した開発プロセス改善およびツール開発案件です。 生成AIを用いたソースコード解析やリライトプロセスの設計・高度化を担当します。 ■業務内容 ・生成AIを用いたソースコード解析ツールの開発および精度改善を行います。 ・Claude Codeを活用したリライトプロセスの設計および高度化を推進します。 ・生成AIのアウトプット品質検証および改善サイクルの構築を行います。 ・開発プロセスの整理および標準化を支援します。 ■開発環境 Claude Code, Python
アプリ設計・開発経験5年以上 生成AI活用開発経験
某チャットサービスを展開する企業にて、AIデリバリー体制の構築をリードいただくプロジェクトマネージャーを募集しています。 LLM API（OpenAI/Gemini/Claude等）を活用したR&Dフローの要件定義から意思決定、プロトタイピングから評価・改善までを推進します。 RAGやReActといったエージェント設計の知見を活かし、技術選定や仕様判断を行い、Webアプリケーションの設計・選定にも深く関わっていただきます。 業務の自動化・効率化を目指し、ナレッジベース、業務ワークフロー管理、マルチチャネル対応、オペレーター支援機能などをマイクロサービスとして実装するプロジェクトです。 AIチームのPMとして、スコープ、スケジュ...
・LLM API（OpenAI/Gemini/Claude等）を用いたR&Dフロー（プロトタイピング〜評価〜改善）を理解し、要件化および意思決定ができるご経験 ・RAGまたはReAct等のエージェント設計に関する深い理解と、技術選定・仕様判断能力 ・Webアプリケーションの設計・選定に関する高度な知見（リードエンジニア相当の解像度で議論可能なレベル） ・ロードマップを遵守しつつ、突発的な案件、顧客要望、技術的制約といったトレードオフを適切に整理し、関係者との合意形成を図りながらプロジェクトを推進できる能力 ・ログ、分析結果、評価データを基にした的確な改善判断ができる能力
企業間取引（BtoB）を最適化するWebプラットフォームの新規機能開発および既存システムの改善を担当いただきます。 大規模言語モデル（LLM）を活用した先進機能の設計・実装および精度改善 外部データソースの調査、およびシステム連携のためのデータ収集・前処理加工 堅牢かつ拡張性の高いWebAPIの設計・開発
– Python（FastAPI、Flask等の軽量フレームワーク）を用いたWebアプリケーション開発実務経験（3年以上目安） – Pythonを活用した構造化・非構造化データの収集およびデータ加工処理の実務経験 – 大規模言語モデル（LLM）の各種APIやライブラリを組み込んだパイプラインの設計・構築経験 – 基本設計、詳細設計から実装・テストまでの一連の工程を一人称で完結できる業務経験
AI技術を用いた先端科学・医療分野のデータ研究開発プロジェクトにおいて、以下の業務を担当します。 データ解析・研究開発 大規模な専門データ・医療情報の前処理、品質評価、探索的データ分析（EDA）、可視化、および仮説検証 特徴量設計、データ表現の最適化、学習・評価用データセットの整備 機械学習 / 深層学習モデル開発 深層学習モデルの設計・実装・評価、およびベースライン構築と継続的改善 表現学習、自己教師あり学習、またはドメイン特化型基盤モデルの開発 アクセラレータ（GPU等）環境を用いたモデル学習・実験運用、性能評価、および誤差分析 大規模学習・開発基盤 分散学習ジョブの設計・運用・最適化、および学習パイプライン・実験管理基盤...
以下1、2のいずれかの領域において、「実装および最適化」の実務経験を有すること。 1. アーキテクチャ設計と事前学習の実務経験 – Transformerベースのモデル、または最新の動的状態空間モデル（SSM等）を用いた大規模モデルの設計・実装経験 – 基盤モデルの拡張則（Scaling Laws）に基づき、数千億〜兆規模のトークン学習に必要な計算リソースを定量的に見積もる能力 – 数十億〜数百億パラメータ規模のモデルにおける事前学習のチューニングおよび学習安定化の経験 2. 大規模分散学習のエンジニアリング – 主要な分散学習ライブラリ（PyTorch FSDPやDeepSpeed等）を、モデル規模やネットワーク帯域に合わせ...
15万件以上のフリーランス案件から一括検索
エンジニア・クリエイター・コンサルタント向けのたくさんの案件を一括検索可能です。
あなたの専門性と希望条件に最適な案件を厳選してお届け
プロフィール登録で、あなただけのカスタマイズされた案件情報を受け取れます。時間をかけずに理想の案件を見つけましょう。
単価相場
AIエンジニア案件を、単価相場・働き方・担当工程の観点で整理しました。求人一覧を見る前に、募集傾向と単価帯の目安を確認できます。
AIエンジニア案件は、単価だけでなく担当工程、働き方、求められる周辺スキルによって条件が大きく変わります。求人一覧では、報酬レンジとあわせて開発フェーズ、リモート可否、稼働日数を確認すると、自分に合う案件を見つけやすくなります。
AIエンジニア案件は大きく、生成AI/LLMを業務やプロダクトに組み込む開発と、機械学習モデルを作って運用までつなげる開発に分かれます。前者ではRAGやAIエージェントを用いた検索・チャット、既存システムの機能追加やマイグレーション支援が多く見られます。
実務はAPI実装・デプロイだけでなく、仕様調整や要件定義、PoCから本番導入までの推進を含む案件もあります。プロンプト設計、出力の評価と改善、Embeddingやインデキシングを含むRAGパイプライン改修など「精度を上げ続ける仕事」が中心になりやすいです。
また、需要予測・推薦・不正検知のようなML案件では、モデル設計/学習/評価に加え、API化やバッチ化、監視や再学習を含むMLOpsまで担当範囲に入ることがあります。データ基盤整備（DWH/ETL/データマート）とセットで、実装と運用改善を両立する役割も一定数見られます。
必須になりやすいのは、Pythonを中心とした実装力と、WebシステムとしてAI機能を提供するためのバックエンド開発経験です。FastAPIなどでAPIを作り、認証やデータベース操作を含めて設計〜実装〜テストまで一通り進められることが求められやすい傾向があります。
生成AI系では、LLM APIの利用経験に加えて、プロンプト設計、出力の評価、改善サイクルを回した経験が重視されます。RAGに関しては、Embeddingやベクトル検索の基本構成を理解し、データ前処理・インデキシング・検索チューニングまで踏み込めるかが応募可否を左右しやすいです。
加えて、クラウド（AWS/Azure/GCP）上での開発・運用経験、DockerやGitを用いたチーム開発、監視や運用設計の基礎も頻出です。データ基盤寄りの案件ではSQLでのデータ加工・モデリング、ETL/ELTの設計・実装経験が必須として出てくることがあります。
歓迎要件としては、LLMアプリの「品質保証」を仕組み化した経験が評価されやすいです。たとえば自動評価スクリプト、回帰テスト、A/B評価、ログ分析に基づく改善提案など、LLMのふるまいを継続的に測り、再現性ある改善につなげた実績は強みになります。
エージェント開発では、LangChain/LangGraphなどのオーケストレーション、外部SaaSや業務システムとのAPI連携、ワークフロー設計の経験が歓迎されます。マルチエージェントやガードレール設計、権限や監査ログを意識した設計など、運用を前提とした作り込み経験も差が出やすい領域です。
ML寄りでは、推薦・検索順位最適化・需要予測などのモデル開発と本番運用、モデル監視やデータドリフト検知、再学習パイプライン整備の経験が評価対象になります。さらに上流で、業務課題の整理やKPI設計、ステークホルダー調整をしながら進めた経験は、PoC止まりを避けたい案件で特に重視されます。
AIエンジニア案件の技術スタックは、アプリ層（API/フロント）、AI層（LLM/モデル）、データ層（DWH/ベクトルDB）、運用層（CI/CD・監視）で分けて見ると判断しやすくなります。たとえばPython中心でも、フロントにTypeScript（React/Next.js）を求めるフルスタック寄り案件が一定数あります。
クラウドはAWS・Azure・GCPが混在し、生成AIではBedrockやAzure OpenAI、OpenAI API、検索はAzure AI SearchやベクトルDB（Qdrant等）が登場します。データ基盤側ではSnowflake、BigQuery、Databricks、Azure Data Factory、Glue/Airflowなどが組み合わさり、SQLとPython（PySpark含む）が主力になりやすいです。
運用面では、GitHub/GitLabのPR運用、GitHub ActionsやCircleCI等のCI/CD、DockerやKubernetes、監視（Azure Monitor/Application Insights等）がよく見られます。参画後に動きやすくするには、どこまでがIaC対象か、評価・テストが自動化されているか、ログが改善に使える形で取れているかを読み取るのが有効です。
まず確認したいのは、担当範囲が「プロトタイプ中心」なのか「本番運用まで」なのかです。RAGやエージェントは作るだけでなく、ナレッジ更新運用、検索精度の継続改善、監視・障害対応まで含むことが多いため、期待される成果物がAPI実装なのか運用設計まで含むのかをすり合わせるとミスマッチが減ります。
次に、品質の作り方を確認します。評価指標（例：自動評価・人手評価・回帰テスト）の有無、ログ/トレースの取得方法、改善サイクルの回し方が曖昧だと、個人の頑張りに寄りやすくなります。プロンプト改善やRAGチューニングを「検証可能な形」に落とせる体制かを見ておくと安心です。
最後に、クラウドとセキュリティ要件の制約を把握します。社内向けChatGPT基盤のように、ネットワーク分離や権限設計、監査ログ、データ分離が重い現場もあります。利用可能なLLM（OpenAI/Azure OpenAI/Bedrock等）やデータ持ち出し可否、リポジトリ・CI/CDの運用、レビュー文化まで確認すると参画後の立ち上がりが早くなります。
15万件以上のフリーランス案件から一括検索
エンジニア・クリエイター・コンサルタント向けのたくさんの案件を一括検索可能です。
あなたの専門性と希望条件に最適な案件を厳選してお届け
プロフィール登録で、あなただけのカスタマイズされた案件情報を受け取れます。時間をかけずに理想の案件を見つけましょう。