株式会社キカガクは、"教育"を軸にDX推進を支援する会社です。これまでに累計30万人以上の受講生、約1,000社の企業のDX推進をサポートしてきました。実データを用いた課題解決型研修（PBL）を特徴とし、企業の課題に合わせて研修をカスタマイズして提供しています。人材の要件定義から育成ロードマップの策定、アセスメント・スキル可視化、AIモデルの受託開発やコンサルティング、AI・データサイエンスに特化した社会人向けスクールも運営しています。

採用noteはこちら: キカガク公式note(働き方から社員紹介まで幅広く発信しています！)

AX事業部は、顧客の課題ごとに最適なAI・システムをスクラッチで開発し、ソリューションとして提供しています。パッケージの導入支援ではないため、課題ごとに「何で解くか」から設計します。

その選択肢は生成AIに限りません。生成AIが効く課題もあれば、機械学習モデルのほうが精度もコストも見合う課題、統計モデルで十分に説明がつく課題、ルールベースで確実に処理すべき課題もあります。
手段を先に決めず、必要なら「AIを使わない」と言えることを重視しています。

そのうえで、機械学習や生成AIを選んだ場合、従来のシステム開発とは品質の作り方が変わります。同じ入力でも出力が変わり得るため、テストは合否では割り切れず、「精度が何％なら本番に出してよいか」は業務側と決めるしかありません。
この前提でシステムを成立させられるエンジニアは、まだ市場に多くありません。

同時に、開発の進め方そのものも変わりつつあります。
AX事業部ではAI支援開発（Claude Code 等）を前提とした開発プロセスに移行しており、「AIが生成したコードをどうレビューし、どう責任を持つか」をチームの標準として整備している最中です。

このポジションは、担当技術領域の設計・実装・評価を主導し、技術チームをリードする立場として、その中心を担っていただくものです。

[1] 担当領域の設計・実装・評価

・担当領域の要件を技術要件へ変換する
・設計・実装・テスト・デプロイを一貫して進める
・何で解くかの判断（生成AI／機械学習モデル／統計モデル／ルールベース／従来型システム）と、その根拠の説明
・性能・コスト・保守性・セキュリティを考慮した設計

[2] 非決定的な出力を前提とした品質づくり
※機械学習・生成AIを用いる案件で中心となる工程です。

・AIの非決定性を踏まえた評価・テストの設計
・評価データ・評価指標の設計と、精度の継続的な計測
・技術リスクとトレードオフをPMへ説明し、意思決定の材料をつくる
・技術的な問題の早期発見・共有

[3] 技術チームのリード

・技術タスクを分解し、メンバーへ割り当てる
・コードレビュー・設計レビューの実施
・若手メンバーの技術支援と育成

[4] AI支援開発の型づくり

・AI支援開発を用いてチームの生産性を高める
・AI生成コードの品質・セキュリティ・保守性を検証する仕組みづくり
・チームのAI支援開発の進め方を整備し、再現可能な型にする

※ご経験と志向に応じて、プロジェクト全体の技術方針・アーキテクチャ・品質・運用性に責任を持つポジション（AI・データ・RAG・エージェント・アプリ・クラウドを統合設計し、Human-in-the-Loopやガードレール、本番運用と継続改善の仕組みまで担う）へ進んでいただく道があります。

AIの受託開発では、モデルを呼び出す部分よりも、「誤りが起こる前提で、業務として成立させる」設計のほうが難しく、そして市場価値があります。
評価設計、ガードレール、Human-in-the-Loop、権限とデータ保護、モデル変更への追従——これらを本番運用まで通した経験は、持っている人が限られています。

AX事業部はスクラッチ開発が中心のため、特定プロダクトの設定作業に閉じることがありません。顧客の課題ごとにアーキテクチャから考える経験が蓄積されます。

また、市場のAI企業の多くは生成AIに特化しており、扱う技術が実質的に固定されています。AX事業部は特定の技術を売る事業ではないため、生成AI・機械学習・統計・ルールベースを横断して手を動かせます。
特定手法に閉じないエンジニアリング経験は、技術トレンドが変わったときに効いてきます。

加えて、AI支援開発の標準化に事業部として取り組んでいるため、「AIと人でどう開発チームを組むか」を設計する経験を積めます。
これは今後どの開発組織でも必要になる一方、実践の場はまだ多くありません。教育事業との連携により、顧客側エンジニアへの技術移管・育成に関わる機会もあります。

言語：Python, TypeScript
クラウド：Azure, GCP, AWS
開発ツール：Claude, GitHub, Notion, Figma

※使用する技術は、顧客の環境と課題に応じて選定します。上記は代表的な構成です。

※本ポジションで実装を担当いただくことは必須ではありません。技術要素は入社後にキャッチアップいただける体制があります。

下記いずれも必須

・Webアプリケーションまたはシステムの設計・実装・運用を一貫して担った実務経験（目安3年以上）
・顧客または事業部門と直接やり取りし、要件を技術要件へ変換した経験
・Gitを用いたチーム開発と、コードレビューの経験
・生成AIを用いた開発（Claude Code、GitHub Copilot 等）を日常業務に組み込み、ご自身の生産性を高めている経験

・生成AI／LLMを活用したシステムの実装・導入経験（RAG、AIエージェント、プロンプト設計、Eval設計等）
・AIの非決定性を踏まえた評価・テスト設計の経験
・機械学習モデル・統計モデルの構築・運用経験（需要予測、異常検知、最適化、スコアリング等）
・技術ありきではなく、課題に応じて手段を選定した経験（AIを使わない判断をした経験を含む）
・Human-in-the-Loop、ガードレールなど、AIの誤りを前提とした仕組みの設計経験
・AIエージェントへのタスク移譲を設計・運用し、開発プロセスそのものを変えた経験
・クラウド（Azure／GCP／AWS）でのインフラ構築・運用経験
・MLOps環境の構築・運用経験
・テックリード、技術チームのリード経験
・顧客側エンジニアへの技術移管・育成の経験
・SIや受託開発における顧客先での導入・定着支援の経験
・研修講師、社内勉強会運営など「人に教える」活動の経験

・新技術を使うこと自体より、顧客課題への適合を優先できる方
・流行の手法に寄らず、必要なら「AIを使わない」と言える方
・品質・安全性に責任を持てる方
・問題を抱え込まず、早期に共有できる方
・前例のない技術課題でも、まず動くものをつくって検証しにいける方
・自分しか理解できない設計・実装をつくらない方
・AI生成物であっても、自らの成果物として責任を持てる方
・変化の速い生成AI領域で学び続け、学んだことをチームと顧客に還元できる方

・カンパニーデック
・採用HP

【受賞】
・【2026年版】「働きがいのある会社」ベスト100に選出。中規模部門ランキング28位を獲得
・キカガク for Businessが「第22回 日本e-Learning大賞」にて「DX人材育成特別部門賞」を受賞

・フルリモート（在宅勤務の回数等制限はございません。）
・フレックス制（標準労働時間8時間、フレキシブルタイム5:00〜24:00）
・副業可
・GPTW Japan「働きがいのある会社」4年連続認定（2026年版 中規模部門28位）
・リモートワーク中心でも、困った際にはお互い助け合う雰囲気・環境です

オンライン選考を基本とし、応募からオファーまで最短2週間を目安に進めます。
※選考フローはポジションや応募者ごとに一部変更となる場合もございます。

1. カジュアル面談（人事部または現場メンバー）
   ※ご希望により当日そのまま一次選考への切り替えも可能です
2. 書類選考（結果連絡：2営業日以内）
3. 一次選考面接（現場部門）
   ※選考内容によってはご相談の上、再面談の可能性もございます。
4. 最終選考面接（代表取締役）※オフィスでの対面実施可能
5. リファレンスチェック
6. オファー面談
7. 入社