Principal Engineer

GZEDは、業務課題の整理からAIの設計・開発、導入後の評価・改善まで担う「AI実装ファーム」です。産業現場に散らばった文書・図面・Excel・業務データをAIが扱える形に変換し、実務で使えるAIエージェントとして実装します。

大手エンタープライズ向けの業務AI・AIエージェント開発に加え、顧客企業と取り組む動画生成AIアプリなどのプロダクト開発、製造・金融・エネルギー領域のプロダクト候補、AI-readyデータ変換・業務特化エージェント・評価基盤の研究開発を進めています。

これまで、技術の意思決定は代表、VP of Engineering、テックリード、各領域の専門家を軸に行ってきました。顧客案件、プロダクト、研究開発が並行して広がるなか、既存の技術リーダーと役割分担し、3領域を横断して技術投資の方向性を決め、成果に責任を持つレイヤーを厚くする段階に来ています。

現場で見つかった未解決課題を研究テーマにし、研究成果をプロダクトと顧客案件へ実装する。この循環を、技術と組織の両面から作る方を募集します。

事業の成長につながる技術戦略を描き、プロダクト・エンタープライズ案件・研究開発の成果に責任を持つこと。

代表、VP of Engineering、各領域のリードと協働し、技術投資の優先順位、開発ロードマップ、品質基準、リソース配分を決めます。特に参画初期は、フルスタックエンジニアとして自ら設計・実装・検証・本番運用に入り、難しい技術課題を解決することを期待しています。

最初から全領域を単独で担う前提ではありません。強みのある領域から入り、実績と双方の合意に応じて責任範囲を広げ、担っていただく権限と役割分担を決めます。

フルスタックでの設計・実装

• プロダクトと顧客向けシステムのフロントエンド、バックエンド、API、データモデルの設計・実装
• LLM・AIエージェント、検索・評価基盤をアプリケーションへ組み込み、実際に利用できる機能として提供
• Azure / AWS上のインフラ、認証・認可、監視、CI/CDを含む本番環境の構築・改善
• 不具合や性能問題の調査、テスト、コードレビュー、リファクタリングを通じた品質向上
• 技術的に難しい箇所のプロトタイプを自ら作り、実装可能性とリスクを検証

プロダクトの技術統括

• 動画生成AIアプリを含む顧客企業とのプロダクト開発や、将来の自社プロダクト候補について、技術戦略、アーキテクチャ、開発ロードマップを策定
• 顧客・ユーザーの課題と事業性を踏まえた開発優先順位の判断
• 精度、速度、費用、保守性、セキュリティを踏まえた設計と技術選定
• リリース後の品質・利用状況をもとにした継続的な改善
• 案件横断で使える共通基盤・開発標準の整備

エンタープライズ案件の技術統括

• 営業・PMと連携した要件整理、実現可能性の検証、提案・見積もりの技術レビュー
• 技術選定、アーキテクチャレビュー、品質基準と受入条件の設定
• 技術リスクの把握と、難易度の高い課題への対応
• 顧客への技術説明と、セキュリティ・権限・既存システムの制約を踏まえた意思決定
• 案件横断での知見共有、共通基盤、開発標準の整備

研究開発の統括

• 事業・顧客の未解決課題を踏まえた研究テーマの設定
• 研究投資の優先順位、評価方法、継続・方向転換の判断
• リサーチャーと連携した実験・検証の推進
• 研究成果のプロダクト・顧客案件への技術移転
• 論文、知財、産学連携を通じた技術資産の蓄積

扱うテーマには、AI-readyデータ変換、業務特化AIエージェント、マルチモーダル処理、検索・回答・照合の評価基盤などがあります。

技術組織・経営への参画

• エンジニア・リサーチャーの採用、育成、役割設計
• 正社員・業務委託・外部パートナーが協働する開発体制の構築
• AI駆動開発を前提としたレビュー、テスト、リリースプロセスの設計
• 開発リソースの配分と技術投資の意思決定
• 代表と連携したプロダクト戦略・事業戦略の検討
• 技術広報、研究発信、採用ブランディング（志向に応じて）

• Principal Engineer — 会社横断の技術戦略、3領域の優先順位、技術投資と成果への責任
• VP of Engineering — 技術組織、採用・育成、開発プロセス、品質、セキュリティ統制を中心に担当
• プロダクト・案件のリード — 各プロジェクトのデリバリーと日々の技術判断を担当
• リサーチャー — 研究テーマの深掘り、実験、論文・知財・産学連携を担当

実際の分担は、参画する方の強みと既存メンバーの責任範囲を踏まえて決めます。本募集は、既存の役員・技術リーダーを置き換えるための後任募集ではありません。

• フルスタックエンジニアとして、Webプロダクトまたは業務システムを設計・実装し、本番提供・運用まで進めた経験
• フロントエンド、バックエンド、API、データベース、クラウド基盤を横断し、必要な箇所を自ら実装・デバッグできること
• 認証・認可、テスト、CI/CD、監視、セキュリティを含む本番システムの設計・運用を理解していること
• LLMまたは機械学習を用いた機能を、検証コードにとどめずアプリケーションへ組み込んだ経験
• プロダクト、顧客プロジェクト、研究開発のいずれかを主体的に推進した経験
• 課題を構造化し、技術的な選択肢とトレードオフを説明できること
• AI・機械学習の技術や研究成果を理解し、実装・評価へつなげられること
• 顧客・事業の目的を踏まえて、品質、開発速度、費用のバランスを判断できること
• 周囲と協働し、進捗・問題・リスクを早期に共有できること

学歴、在籍大学、年齢、現在の肩書は問いません。 学生や若手の方も、具体的な成果物と主体的に担った経験をもとに検討します。

プロダクト、エンタープライズ案件、研究開発の3領域すべてで統括経験を持っている必要はありません。一方で、参画時点からフルスタックの実装を担える技術力は必須です。いずれかの領域に強みを持ち、自ら実装しながら他領域の専門家と協働し、将来的に技術全体の責任を担いたい方を歓迎します。

• LLM、AIエージェント、RAG、マルチモーダル、評価手法の開発・研究経験
• 自社サービスの立ち上げ、本番運用、継続的な改善の経験
• エンタープライズ向けシステムの要件定義・設計・開発経験
• クラウド上での本番運用、権限設計、セキュリティ審査への対応経験
• チームリード、エンジニア採用、育成、組織づくりの経験
• 論文採択、OSS貢献、未踏、特許などの実績
• 研究成果を実際のサービスや業務へ導入した経験
• 技術デューデリジェンス、M&A後の技術資産・組織統合の経験

• 自分で作ることと、チームで成果を出すことの両方に関心がある方。 技術判断を資料だけで終わらせず、フロントエンドからクラウドまで必要なレイヤーへ自ら入り、動くものを本番へ届けられる方。
• 顧客の課題から技術を考え、必要に応じて研究まで踏み込める方。 技術ありきではなく、実務で使われるところまで責任を持ちたい方。
• 不確実な状況で仮説を立て、判断を更新できる方。 最初から正解がない状態で、小さく検証し、撤退や方向転換も含めて決められる方。
• 分からないことや技術の限界を率直に伝えられる方。 不確実性を隠さず、経営・顧客・チームと共有できる方。
• 技術で事業と組織を長期的に育てたい方。 役職名よりも、実際に担う責任と成果を重視する方。

• プロダクト・顧客案件・研究をつなぐ技術戦略を設計できます。 3領域を別々に管理するのではなく、顧客課題から研究、研究から実装、実装からプロダクトへつなぐ責任を担えます。
• 技術が実際に使われるところまで関われます。 大手エンタープライズの制約の中で、本番導入と継続改善まで進めます。
• 経営と直結します。 経営陣と議論し、技術投資、プロダクト戦略、事業の優先順位に参画します。
• AI駆動開発を組織の競争力として設計できます。 Claude Code / Cursor / Codexなどを、実装だけでなく要件整理・レビュー・テスト・ドキュメントまで組み込みます。
• 得意領域から、技術全体へ広げられます。 有償開発や技術リードとして始め、実績と双方の合意をもとに、技術全体を統括する役割へ進めます。

カジュアル面談 → 技術・成果物に関するディスカッション → 事業・組織に関するディスカッション → 最終面談（代表・取締役）→ オファー

希望や状況に応じて、範囲・期間・報酬を合意した小さなスコープから始めることも可能です。業務委託の場合は原則週20時間以上を想定しています。成果物だけでなく、フルスタックで作り切る力、技術判断、相談・進捗共有、チームとの協働を双方で確認します。

担っていただく範囲と権限、既存のVP of Engineeringとの役割分担は、参画時点の経験と、その後の実績を踏まえて合意します。