ID:66681さん

2026年7月回 指名


まだ何もありません

あなたを気にしている企業

キャリアビジョン


バックエンド/フルスタックとAWSの強みを土台に、生成AI・LLMをプロダクトへ実装して価値を届けられる AIエンジニアとして、AI機能の設計から本番運用まで責任を持てる存在になりたい。

これまで Ruby on Rails を中心としたバックエンド開発と AWS 基盤の構築・運用で経験を積んできました。直近では Pixie Dust Technologies で音声認識システムを、INDIGITAL で EOR プラットフォームへの生成AI機能(AIエージェント連携・レジュメ解析・AI検索)を手掛け、AIを製品に組み込む面白さと、そこにバックエンド/インフラの土台が効くことを強く実感しました。 これからは、以下を掛け合わせられるエンジニアを目指しています。 - AI/LLMアプリ: RAG・ベクトルDB・AIエージェント・LLM APIを用いた機能の設計と実装 - バックエンド/基盤: APIサーバー・DB設計・パフォーマンス改善、AWS(ECS/Bedrock)でのAI機能の本番運用 - プロダクト視点: 顧客・ビジネス課題を「AIで解ける形」に翻訳し、実装・出荷まで一貫して担う モデル研究そのものに深く潜るよりも、基盤モデルを製品に載せてスケールさせる応用側(Applied AI)で価値を発揮したいと考えています。中長期では、そこから MLOps・推論基盤へと専門性を広げ、AIプロダクトを支える技術のコアを担える人材になることを目指します。

プロジェクト経験

2026年/3ヶ月以内

インド人エンジニアとの協業による EOR プラットフォーム開発

| 項目 | 内容 | |------|------| | 期間 | 2026年6月 〜 現在 | | カテゴリ | Webサービス / SaaS / 業務システム | | 担当工程 | 要件定義・設計・実装・テスト・インフラ運用 | | 役割 | バックエンド・フロントエンド・インフラ・テックリード | | チーム編成 | PM 1名 / 開発者 3名(自身 + インド人エンジニア 2名)/ ビジネスチーム 2名 | | 使用技術 | PHP (Laravel) / React / Inertia.js / TypeScript / Go / MySQL / AWS / Docker / Caddy / Claude Code | **概要** リリース済みの EOR(Employer of Record)プラットフォームにおいて、**顧客に最適な候補者を提案するマッチング機能**の新規開発を、2026年6月の入社直後から要件定義フェーズより主導しています。バックエンド・フロントエンド・インフラを横断的に実装し、インド人エンジニアと日本側ビジネスチームの橋渡し役を担っています。 **課題(背景)** 候補者提案の質は、プラットフォーム内の構造化データだけでは高めきれませんでした。候補者の実態を判断する文脈(スキル感・やり取りの質)の多くが Gmail や Slack に散在し、活用できていなかったためです。加えて本機能は私の入社と同時に始まった新規取り組みで、ビジネスチームが持つ暗黙的な選定基準を言語化するところから始める必要がありました。 **工夫したこと(取り組みと思考)** - **日印混成チームで英語ベースのコミュニケーションを徹底した** 日本側ビジネスチームとインド人エンジニアが混在する環境では、日本語主体で進めるとインドチームが置き去りになり認識齟齬が生まれると考え、会議・Slack・対面のいずれでもなるべく英語で会話することを徹底しました。仕様書も日英で用意し、双方が同じ理解で開発に入れる状態を作ることで手戻りを抑えました。 - **システム外の分散データを共通モデルで統合した** Gmail・Slack のデータをソースごとに個別対応すると実装が膨らむと判断し、共通データモデル(CDM)に正規化して束ねるミドルウェア層を設計・実装。将来のソース追加に耐える拡張性を優先しました。 - **AIコーディングエージェントで開発速度を高めた** Claude Code を日常のワークフローに組み込み、実装・調査を高速化。AWS への本番移行を見据え、Contabo VPS 上に Caddy / Sentry / Resend で基盤を構築・運用しています。 **成果** - 暗黙知だった候補者選定基準を、システムで扱える要件・データモデルとして定義しました。 - Gmail・Slack など**システム外に散在するデータ**を候補者選定に活用する統合基盤を設計・実装し、構造化データだけでは得られない文脈を提案に反映できる土台を構築しました。

2026年/半年以内

声紋による話者識別機能のプロジェクトリード

| 項目 | 内容 | |------|------| | 期間 | 2025年(フリーランス参画期間内) | | カテゴリ | Webサービス / 音声認識システム | | 担当工程 | 要件定義・設計・実装・テスト・リリース | | 役割 | バックエンド・フロントエンド・プロジェクトリード | | チーム編成 | PM 1名 / 開発者 4名 / QA 1名 | | 使用技術 | Ruby on Rails / Go / React / TypeScript / GitLab / GitLab CI/CD / AWS / Azure | **概要** 会議参加者を声紋で自動識別するユーザー識別機能を、要件定義からリリースまでプロジェクトリーダーとして主導しました。音声処理という専門性の高い領域を含むため、技術調査から設計・実装・品質管理まで一貫して牽引しました。 **課題(背景)** 声紋による話者識別は、音声処理という専門性が高く不確実性の大きい領域で、「どこまでの精度なら実用に足るのか」「識別を誤ったときにどうリカバリするのか」が決まっていない状態からのスタートでした。仕様が固まらないまま実装に入ると開発者が判断に迷い手戻りが増えるため、技術的に何が実現可能かを見極めた上で、チームが迷わず実装できる仕様に落とし込むことが最大の課題でした。 **工夫したこと(取り組みと思考)** - **不確実な領域をまず技術調査で見極めてから仕様化した** 精度を最初から求めすぎると実現不能になり、緩すぎると実用に耐えないと考え、技術調査で実現可能な精度・処理フローの当たりをつけた上で、識別失敗時のエラー対処方針まで含めて仕様に明文化しました。「実装者が判断に迷わない粒度まで落とすこと」を要件定義のゴールに置きました。 - **専門領域だからこそフェーズを区切って遅延リスクを早期検知した** 不確実性が高い領域は後半で問題が顕在化しやすいと判断し、要件定義・設計・実装・テストの各フェーズにマイルストーンを設定。日々の進捗から遅延の兆候を早期に検知し、優先順位を調整しながら進めました。 - **本機能の開発を機にレガシー仕様を整理・資産化した** 未整理だった既存システムの仕様を、本機能の開発を進める過程でドキュメント化し、チーム全体の知識共有と後続開発の効率化につながる資産として残しました。 **成果** - 技術的難易度の高い声紋識別機能を、要件定義からリリースまで期日通りに完遂しました。 - 実装者が迷わない粒度まで仕様を落とし込んだことで、専門領域でありながら手戻りを抑えた開発を実現しました。 - レガシー仕様のドキュメント化により、チームの知識共有と継続的な開発基盤の強化に貢献しました。

2025年/半年以内

会議要約生成機能の最適化およびオプション要約方法の変更

| 項目 | 内容 | |------|------| | 期間 | 2025年(フリーランス参画期間内) | | カテゴリ | Webサービス / 音声認識システム | | 担当工程 | 要件定義・設計・実装・テスト | | 役割 | バックエンド・フロントエンド | | チーム編成 | PM 1名 / 開発者 4名 / QA 1名 | | 使用技術 | Ruby on Rails / React / TypeScript / GitLab / AWS | **概要** 会議の音声から自動生成される要約機能に対して、ユーザーが要約方法をカスタマイズできる機能の追加開発を担当しました。テストフェーズでの不具合が1件のみという高品質な納品を実現しました。 **課題(背景)** 「ユーザーが要約方法を変更できるようにする」という要件は、一見シンプルながらオプションの種類・UI挙動・バックエンドへの保存方法が曖昧なままで、この状態で実装に入るとオプションの組み合わせによる考慮漏れやバグが後工程で噴出するリスクがありました。2000社以上に提供される機能のため、リリース後の不具合が与える影響が大きく、テストフェーズで問題を出し切る品質担保が求められました。 **工夫したこと(取り組みと思考)** - **曖昧な要件を設計段階で潰し切ることに時間を投資した** 手戻りは実装が進むほどコストが跳ね上がると考え、「要約方法を変更できる」という抽象的な要件を、具体的なオプションの種類・UI挙動・バックエンドへの反映方法まで設計段階で詳細に詰めました。実装前に仕様を固め切ることで実装中の手戻りを未然に防ぎました。 - **連携部分のバグを減らすため前後を一人で一貫実装した** バグはバックエンドとフロントエンドの境界で起きやすいと判断し、オプション設定の保存ロジック(Rails)と選択UI(React)を自身で一貫して実装。責任範囲を分割せず通しで持つことで連携部分の不整合を最小化しました。 - **オプションの組み合わせを網羅したテスト設計** カスタマイズ機能は入力パターンが増えるほど抜けが出やすいため、要約オプションの組み合わせを網羅するテストケースを設計し、想定される分岐を事前に検証しました。 **成果** - テストフェーズでの不具合を**1件のみ**に抑え、高品質な納品を実現しました。 - 2000社以上に提供される要約機能に、リリース後も安定して稼働するカスタマイズ機能を追加しました。

2025年/3ヶ月以内

RSpec テストカバレッジ向上

| 項目 | 内容 | |------|------| | 期間 | 2025年(フリーランス参画期間内) | | カテゴリ | Webサービス / 音声認識システム | | 担当工程 | 実装・単体テスト・保守運用 | | 役割 | バックエンド | | チーム編成 | PM 1名 / 開発者 4名 / QA 1名 | | 使用技術 | Ruby on Rails / RSpec / GitLab / GitLab CI/CD / AWS | **概要** 音声認識システムのテストカバレッジが約20%と低く、品質が不安定な状態でした。既存コードの仕様を整理しながら RSpec による単体テストを体系的に実装し、カバレッジを約70%まで引き上げました。 **課題(背景)** テストカバレッジが約20%と低く、リリースのたびに既存機能のデグレが起きうる不安定な状態でした。さらにコードベースはドキュメントが整備されておらず、既存コードが「何を正としているのか」が不明なため、そもそもテストで担保すべき期待値を定義できないという二重の課題を抱えていました。単にテストを足すだけでは再現性のある品質改善にはならないと考えました。 **工夫したこと(取り組みと思考)** - **テストを書く過程でレガシー仕様を整理・ドキュメント化した** 期待値が定義できないままではテストが書けないと判断し、既存コードの動作を読み解いて仕様を整理しながらテストを設計しました。テストコード自体が仕様のドキュメントとして機能するよう意識し、品質改善と知識の資産化を同時に進めました。 - **場当たり的な追加ではなく設計方針を定めて体系化した** カバレッジの数値だけを追うと形だけのテストになると考え、正常系・異常系・境界値を網羅する設計方針を先に定義。チームの誰が書いても同じ観点で品質を担保できる、再現性のある仕組みとして整えました。 **成果** - テストカバレッジを**約20% → 約70%**へ引き上げ、システム品質を安定化させました。 - リリース後の不具合発生件数を大幅に削減し、継続的な機能追加に耐える開発基盤を構築しました。 - レガシーコードの仕様がテストとして明文化され、チーム全体の理解と保守性の向上に寄与しました。

2023年/1年以内

大手広告代理店の社内管理システムの追加開発

| 項目 | 内容 | |------|------| | 期間 | 2023年4月 〜 2023年11月(約8ヶ月) | | カテゴリ | Webサービス | | 担当工程 | 実装・単体テスト・結合テスト・保守運用 | | 役割 | バックエンド・フロントエンド | | チーム編成 | PdM 1名 / 開発者 4名 / デザイナー 1名 / PJ全体 20名 | | 使用技術 | Ruby on Rails / Vue.js / JavaScript / MySQL / DynamoDB / AWS / Docker / GitHub | **概要** 社内の業務効率化を目的として、SNS投稿機能と活動記録管理機能を追加開発しました。メンバーとして実装フェーズ以降を担当し、後輩の技術的サポートやコードレビューも行いました。 **取り組みのポイント** - **公式ドキュメントを活用した自律的な情報収集** 技術記事がほとんど存在しない領域のため、公式ドキュメントを積極的に参照し、irb での動作確認を繰り返しながら実装を進めました。DynamoDB 連携では AWS 公式サイトや Dynamoid gem のソースコードまで遡って正確な理解に努めました。 - **コードレビューへの真摯な対応** 経験豊富な先輩からのレビューで指摘を受けた際、答えられない部分は自分で深く調べ直した上で再レビューを依頼しました。複雑な処理には説明コメントを加え、意図が伝わるコードに整理しました。 - **RSpec による単体テストでコード品質を担保** 複雑な処理が多かったため、単体テストを詳細に設計することでブラックボックステストを回避し、コードの信頼性を確保しました。

2024年/1年以内

不動産仲介業社向け販売管理システムの開発

| 項目 | 内容 | |------|------| | 期間 | 2024年4月 〜 2024年10月(予定) | | カテゴリ | Webサービス / 業務システム / 受託開発 | | 担当工程 | 要件定義・設計・実装・テスト・保守運用 | | 役割 | バックエンド・フロントエンド・エンジニアリングマネージャ | | チーム編成 | PdM 1名 / PM 1名 / 開発者 2名 / PJ全体 4名 | | 使用技術 | Ruby on Rails / JavaScript / MySQL / AWS / Docker | **概要** 不動産仲介会社への販売管理システム導入により、業務効率化を実現するプロジェクト。4名の少人数チームの一員として、顧客との要件定義から導入まで全工程に携わりました。 **取り組みのポイント** - **業務フロー図を起点とした要件整理** 現在手動で行っている業務をシステムにどう落とし込むかを業務フロー図ベースで整理しました。ビデオ通話では伝わりにくい細かい要件は顧客先へ直接訪問して対話することで、満足度の高い仕様に仕上げました。 - **開発効率を重視した環境構築** webpack から vite への移行など、開発スピードを上げる環境構築を積極的に提案・実施しました。ドキュメントは細かく作り込むより、開発がスムーズに進むことを優先した最低限の資料作りを徹底しました。

2024年/1年以内

大手銀行向け行員利用システムの追加開発

| 項目 | 内容 | |------|------| | 期間 | 2023年12月 〜 2024年(複数フェーズ) | | カテゴリ | Webサービス | | 担当工程 | 要件定義・設計・実装・テスト・保守運用 | | 役割 | バックエンド・フロントエンド・インフラ・PM | | チーム編成 | PdM 1名 / PM 1名 / 開発者 3名 / PJ全体 15名 | | 使用技術 | Ruby on Rails / JavaScript / jQuery / PostgreSQL / AWS / Docker | **概要** 大手銀行の行員向けシステムを利用企業ごとにカスタマイズ追加開発し、新たな販路を開拓するプロジェクト。PMおよびメンバーとして要件定義フェーズから参画し、顧客ヒアリング・設計・実装・テスト・納品まで一貫して担当しました。 **取り組みのポイント** - **抽象的な要望を実現可能な仕様に落とし込む** 顧客から提示される抽象的なシステムイメージを、既存機能を参考にしながら技術的裏付けのある提案として具体化しました。リポジトリが分岐したシステムでも、共通システムの構成を維持しながら要件通りの実装を実現しました。 - **工数見積もりと優先順位づけによる進捗管理** 機能単位で工数を見積もってメンバーをアサインし、回収インパクトの大きい機能から着手する優先順位づけを実施。GitHub Issues の消化率で進捗を可視化しました。 - **運用を想定した高品質なテスト設計** 複雑な操作フローを含むため、顧客ヒアリングで得た知見をもとに最適なテストケースを設計。単体テストカバレッジ 95% 以上を達成し、納品品質を確保しました。

マネージメント能力

前職(Cuon)で参画した「大手銀行向け行員利用システムの追加開発」において、PMとして開発チーム全体のマネジメントを担いました。
3ヶ月という限られた期間内に、要件定義から総合テストまでを完遂し、品質を担保した上でお客様に納品する責務がありました。銀行システムという性質上、仕様の曖昧さや手戻りを最小化することが特に重要でした。
# プロジェクト概要 開発内容: 大手銀行向け行員利用システムの追加開発 期間: 3ヶ月 工程: 要件定義から総合テスト チームメンバー: 4名(PM1名、開発者3名) 技術: Ruby on Rails, AWS, Docker ツール: GitHub Issues、要件定義シート # 取り組みと工夫 ## 1. 要件の認識齟齬を防ぐ仕組みづくり 銀行側の担当者はシステム開発に不慣れなため、要件のすり合わせ時に技術的な説明をそのまま伝えると誤解が生じるリスクがありました。ミーティングでは技術用語を極力使わず、業務フローに置き換えた言葉で説明するよう徹底しました。また要件定義シートを都度更新・共有し、認識の相違を早期に検出できる体制を整えました。 ## 2. 進捗の可視化とリスク管理 GitHub Issuesでタスクを細分化して管理し、週次の進捗報告ミーティングでチーム全体の状況と課題を共有しました。開発者が抱える技術的なブロッカーを早めに察知できるよう、日次スタンドアップで各自の作業状況を確認し、遅延の兆候があれば即座にスコープ調整の判断を行いました。 ## 3. チームメンバーの自律的な動きを引き出す 開発者がタスクの意図を理解した上で実装できるよう、GitHub IssuesやSlackでのコメントを通じて背景・目的を丁寧に伝えるよう意識しました。1on1で各メンバーの詰まりポイントを拾い上げ、実装方針の合意形成をこまめに行ったことで、手戻りを最小化しながら期日通りに納品することができました。 # 習得したスキル - 技術的な内容を非エンジニアにわかりやすく翻訳するコミュニケーション能力 - 進捗・リスクを俯瞰し、タイミングよく意思決定するプロジェクト管理能力 - メンバーの自律性を引き出すための1on1・非同期コミュニケーションの設計

このマネージメント能力は公開されていません

アピール項目


アウトプット

GitHub アカウント
あり
Qiita アカウント
あり
Zenn アカウント
あり
Speaker Deck アカウント
未入力です
SlideShare アカウント
未入力です
特にアピールしたいアウトプット
あり

今後、身につけなければいけないと思っている技術は何ですか?

バックエンド・フロントエンド・AWS の実務経験を土台に、生成AI/LLM をプロダクトに組み込む「AIエンジニア(LLMアプリ層)」の専門性を本格的に深めていきたいと考えています。 具体的には以下の領域に取り組んでいきます。 - LLM アプリケーション開発: RAG(検索拡張生成)、ベクトルDB(pgvector / Pinecone)、LLM API(OpenAI / Anthropic / AWS Bedrock)、LangChain / LangGraph を用いた AIエージェント・ツール連携の設計と実装 - AI プロダクトの品質・評価基盤: プロンプト設計、評価(evals)、ハルシネーション対策、AI機能の観測・モニタリング設計 - 推論・MLOps 基盤: 推論サービスのスケーラビリティ、AWS(ECS / Bedrock)を活用したAI機能の本番運用・データパイプライン整備 バックエンド・AWS の強みを軸に、これらを掛け合わせることで、「AIを使うエンジニア」から「AIプロダクトを作れるエンジニア」へと領域を広げていきます。学習だけでなく、業務(INDIGITAL の生成AI機能)と個人開発を通じて公開できる成果物として積み上げていく方針です。

あなたが一番パフォーマンスを出せるのはどんな環境ですか?

### 1. プロダクトが解く課題に共感できるか 「なぜこのプロダクトを作るのか」「誰のどんな課題を解くのか」に納得感がある環境では、取り組み方が根本的に変わります。特に生成AIは「技術ありき」で導入すると価値に繋がらないため、解くべき課題が明確で、そこに共感できるチームで最もパフォーマンスを発揮できます。同じ方向を向いた仲間と、課題起点で意思決定できる環境を重視しています。 ### 2. 新しい技術を素早く試せる環境があるか 年齢や立場に関係なく、アイデアや提案が歓迎される「まずやってみる」文化のチームで力を発揮できます。特にAI・LLM領域は進化が速く、新しいモデルや手法を素早く試し、プロトタイプで検証しながら改善していくサイクルを回せる環境が理想です。これまでも、開発体験や技術選定の改善を積極的に行ってきました。 ### 3. 課題定義から実装・リリースまで裁量を持てるか 指示された範囲をこなすだけでなく、課題の定義・要件の構造化から実装・リリース・改善まで一貫して関われる環境を重視しています。顧客やビジネス側と近い距離で、技術的な意思決定に踏み込めるポジションのほうが高いアウトプットを出せます。チームの規模は問いませんが、エンジニアとして手を動かしながら判断できる裁量がある環境が理想です。

生成AIの活用状況

日常的な情報収集・業務活用
ChatGPTやGeminiなどのチャットツールを、情報収集、ドキュメント作成、翻訳に日常的に活用
業務でコード補完系の生成AIを活用
GitHub Copilot等のコーディング支援ツール
業務でコード生成、コーディングエージェント系の生成AIを利用
コードレビュー、テストコード生成、デバッグに生成AIを活用
サービス・プロダクトへの応用
既存のサービスやプロダクトに生成AI(API利用など)を組み込み、LangChainやLlamaIndexなどのフレームワークを使った開発経験
生成AIをコアとした開発
生成AIを主要技術としたサービス・プロダクト・機能の企画や、RAGなどの高度な手法を用いた開発経験
モデルの構築・研究開発
LLMのファインチューニングや、独自モデルの構築経験

キャラクター

直近で一番やりたいこと
技術を極めたい
好きなスタイル
一人で黙々
どちらかといえば一人で黙々
どちらともいえない
どちらかといえばみんなでワイワイ
みんなでワイワイ
好きな規模
小さい会社
どちらかといえば小さい会社
どちらともいえない
どちらかといえば大きい会社
大きい会社
自信を持って人より秀でていると言える点
学習能力 / 企画立案力 / 巻き込み力
スキルのタイプ
ゼネラリスト
どちらかといえばゼネラリスト
どちらともいえない
どちらかといえばスペシャリスト
スペシャリスト
得意なフェーズ
0 → 1
どちらかといえば0 → 1
どちらともいえない
どちらかといえば10 → 100
10 → 100
会社を選ぶ一番の基準
風通しの良さや意思決定ライン
やりたくない分野
SI / ゲーム / アダルト
その他の特徴
新しい技術はとりあえず試す / 趣味は仕事 / 多職種のバックグラウンドがある
その他のやりたいこと・やりたくないこと

AIエンジニアとしての技術力を向上し、その技術力を持って貢献していける環境があることを希望します。

やりたい事

手を動かして設計してコードを書きたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
価値あるプロダクトを作り成長させたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
学び続けて技術力でプロダクトに貢献したい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
意義があることや社会に貢献できる仕事がしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
人や計画の調整・マネジメントをしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
レガシーなシステムの保守・運用・改善をしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
企画や仕様を考えるところから関わりたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
業務効率を改善して一緒に働く人のためになりたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
全社横断的な共通基盤作りや強化をしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
組織や文化を作る・成長させる仕事をしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい

基本プロフィール

年齢
今年で30代中盤
好きなテキストエディタ
Visual Studio Code
希望勤務地
リモート勤務
家庭の事情や体調など、都合に合わせてリモート出来れば問題ない
希望年収
1200万円
ご意見箱

要望、不具合報告、使いづらい点や感想など、お気軽にお寄せください。
いただいたご意見は、今後のサービス向上に活用させていただきます。

なお、このフォームは受付専用のため、返信を行っておりません。
返信を希望する場合はお問い合わせよりご連絡ください。

  • {{error}}
転職ドラフトを友人や同僚に薦める可能性はどのくらいありますか?