仕事内容JAPAN AI株式会社について
JAPAN AI株式会社は、AI技術を駆使して働く人々の可能性を飛躍的に高めることを目指し、上場企業である株式会社ジーニーのグループ企業として2023年4月に設立されました。同社は最先端のAI技術を活用し、国内外での研究開発を推進しています。
同社が目指しているのは、単なるAIチャットボットの提供ではありません。企業の全SaaSを統合し、AIが自律的に業務を実行する「企業の脳」ー次世代の基幹システムを構築することです。「JAPAN AI STUDIO」を中核に、DBさえあればアプリ不要、AIが作業して結果だけを返す世界を実装しています。
同社はAIの持つ変革力を通じて、新たな価値を創出し、社会全体の進歩に貢献することを目指しています。AIによるイノベーションをリードし、テクノロジーが人々をより多くのことを達成できるようにする未来を共に創造しましょう。
募集背景
2025年は「AIエージェントの年」でした。2026年は「Agent Harnessの年」です。
JAPAN AI STUDIOが「企業の脳」として数百のワークフローを自律実行する世界では、AIエージェントの性能はモデルだけでは決まりません。モデルを包み込み、セッション管理・チェックポイント・ガードレール・コンテキスト注入・ツール実行を制御するAgent Harness (エージェント制御基盤)こそが、エージェントを「デモで動く」から「本番で信頼できる」に変える鍵です。
「企業の脳」が稟議を承認し、リソースを配置し、見込み顧客を探索するーその一つひとつのアクションを安全・高速・確実に制御する心臓部がAgent Harnessです。
JAPAN AIでは、このAgent Harnessを自社で設計・実装し、全プロダクトの共通基盤として構築するAgent Harness Engineerを募集しています。
ミッション
「企業の脳」の心臓部を設計する
AIエージェントが安全・高速・確実に動作するためのAgent Harnessー実行エンジン、オーケストレーション、ガードレール、メモリ、モデルルーティングを設計・実装する。JAPAN AI STUDIO上で動く数百のワークフローの制御基盤を、自社で構築する。
Agent Harnessとは
Agent Harnessは、AIモデルを包み込む制御・実行基盤レイヤーです。Agent Framework (LangChain等)がエージェントの「構築」を担うのに対し、Agent Harnessはエージェントの「制御・運用」を担います。
Backend Engineer
構築対象: Web API・マイクロサービスの設計・実装
AI/MLとの関わり: MLモデルをAPI経由で呼び出す
状態管理:ステートレスなリクエスト/レスポンス
安全性制御:認証・認可・入力バリデーション|ガードレール/ポリシー実行エンジンーLLMの出力を制御するルール実行基盤
/////
Agent Harness Engineer
構築対象: LLMを中核としたエージェント実行エンジン・SDK・オーケストレーターの設計・実装
AI/MLとの関わり:モデルルーティング、RAG統合、コンテキスト注入、推論最適化をシステムレベルで設計
状態管理:エージェントのセッション管理・チェックポイント・長期記憶・ワーキングメモリの設計
安全性制御:ガードレール/ポリシー実行エンジンーLLMの出力を制御するルール実行基盤
JAPAN AIでは、このAgent Harnessを自社開発し、全プロダクト(JAPAN AI STUDIO / CHAT / SPEECH / AGENT等)の共通基盤として運用しています。
期待する役割について
Agent Harness Engineerとして、AI / MLの知識を活かしながらエージェントの制御・実行基盤を設計・実装していただきます。
LLM / AIエージェントの動作原理を深く理解した上で、実行エンジン(Graph Runtime / State Machine)を設計・実装する
モデルルーティング、コンテキスト管理、メモリ基盤(長期記憶・ワーキングメモリ)など、AI特有のシステム設計を担う
社内120名のエンジニアが使うAgent SDKを設計・開発する
ガードレール/ポリシー実行エンジンを構築し、エージェントの行動を安全に制御する
Research Engineerと連携し、最新の研究成果を本番基盤に統合する
このポジションの魅力
Agent Harnessを自社で作る: 2026年最もホットなアーキテクチャ概念を、OSSに頼らず自社で設計・実装できる。業界の最前線に立てる
AI/ML×バックエンドの交点: LLMの動作原理を理解した上で、エージェント実行基盤を自ら設計・実装する。純粋なインフラでも純粋なMLでもない、新しい領域
基盤ソフトウェアの設計者: YAMLを書く仕事ではなく、SDK・実行エンジン・オーケストレーターをコードで作る仕事。低レイヤーの知識が直接活きる
開発者体験の設計:社内120名のエンジニアが使うSDK・ツールチェーンを設計し、開発組織全体の生産性を向上させる
全プロダクトの土台を支える:約200社が利用する本番環境で、あなたが作ったHarnessの上ですべてのAIエージェントが動く
急成長環境:設立3年で200名以上の規模、9プロダクト展開のスタートアップで、技術的意思決定に大きな裁量を持てる
業務内容
Agent Harnessの設計・実装
エージェント実行エンジン(Graph Runtime / State Machine)の設計・実装
Agent SDKの設計・開発ー社内エンジニアがエージェントを構築するためのインターフェース
セッション管理・チェックポイント・リカバリ機構の実装
ガードレール/ポリシー実行エンジンの構築ーエージェントの行動を制御するルール実行基盤
AI/MLシステム統合
モデルルーティングー複数のLLMプロバイダ/モデルタイプを跨いだ推論リクエストの最適ルーティング
コンテキスト管理・メモリ基盤の設計(長期記憶、ワーキングメモリ、RAG統合)
推論パイプラインの最適化(レイテンシ削減、コスト効率化、キャッシュ戦略)
Research Engineerと連携した最新研究成果の本番基盤への統合
オーケストレーション・パフォーマンス
ワークフローオーケストレーション・キューイングシステムの開発
コスト/性能最適化(オートスケーリング、キャッシュ、バッチ処理)
推論リクエストのルーティング・ロードバランシング
信頼性・運用
プラットフォーム稼働率99.9%以上の維持
インシデント対応・ポストモーテム
データアクセス・権限管理基盤の設計
業務シナリオ例
※以下は想定される業務シナリオの例です
■シナリオ1:エージェント実行エンジンの設計JAPAN AI STUDIO上で顧客が構築するAIエージェントの実行基盤を設計。Graph Runtimeを採用し、エージェントの各ステップをDAG (有向非巡回グラフ)として表現。チェックポイント機構により、長時間タスクの途中失敗からの自動リカバリを実現。
■シナリオ2:モデルルーティングの最適化複数のLLMプロバイダ(OpenAI / Anthropic / Google等)を跨いで、タスクの種類・コスト・レイテンシに応じた最適なモデルを自動選択するルーティングエンジンを設計。推論コストを25%削減しつつ、タスク成功率を維持。
■シナリオ3:ガードレール実行エンジンの構築金融機関向けエージェントが「投資助言」に該当する回答を生成しないよう、ポリシー実行エンジンを構築。ルールベース+LLMベースのハイブリッド判定により、レイテンシを50ms以内に抑えつつポリシー準拠率99.5%を達成。
成果責任(KR/メトリクス)
Agent SDK採用率(社内チームの利用率・満足度)
エージェント実行成功率(タスク完了率、チェックポイントからのリカバリ成功率)
Harness起因の障害率(ガードレール突破率、状態不整合率)
実行レイテンシP95 / P99 (Harness層のオーバーヘッド)
推論コスト効率(モデルルーティングによるコスト最適化)
開発者体験スコア(SDK / APIの社内NPS)
チーム体制
約120名が開発組織に在籍しています。
Agent Harness Engineerは以下のチームを横断して活動します：
Infraークラウドインフラ・SRE
Dataーデータパイプライン・分析基盤
Agent Harnessーエージェント実行フレームワーク
密接に連携する役割:
Agentic Product Engineerーエージェント機能開発(SDKのユーザー)
Research Engineerー研究開発・新手法の基盤統合
AI Quality Scientistー評価パイプラインとの連携
Product Managerープロダクト設計・非機能要件定義
選考フロー
書類選考→コーディングテスト→面接(4～5回)→内定
※最終面接までにリファレンスチェックをご対応いただきます
経験・資格必須条件
コンピュータサイエンス、ソフトウェア工学、人工知能、機械学習、数学、物理、それらの関連分野における学士号または同等の実務経験
バックエンドエンジニアとしての実務経験
Pythonでの本番プロダクト開発経験
LLM / AIエージェントを活用した本番システムの設計・実装経験
分散システムの設計・実装経験(単なる運用ではなく、設計・コーディングを含む)
RESTful API / gRPCの設計・実装経験
言語レベル:いずれか必須
日本語: Fluent (プロダクト開発において齟齬なく議論を行えるレベル)
英語:ビジネスレベル
歓迎条件
Agent Framework / Agent Harnessの設計・実装経験(LangChain / LangGraph / AutoGen等)
クラウドプラットフォーム(AWS / GCP / Azure)での本番運用経験
RAGシステム、ベクターデータベース、メモリアーキテクチャへの理解
モデルルーティング・推論最適化の経験
Goでの基盤ソフトウェア開発経験(SDK、ランタイム、フレームワーク等)
Kubernetes /コンテナオーケストレーションの深い理解
イベント駆動アーキテクチャ(Kafka / RabbitMQ等)の経験
安全性ガードレール、ポリシー実行、AIの可観測性実装経験
ML基盤/ MLOps構築経験
英語での技術コミュニケーション能力
開発環境
言語: Python, Go (バックエンド・基盤開発) , TypeScript / React / Next.js (フロントエンド部) / NX
インフラ: GCP (コンテナ/ K8s) , Docker, Terraform
メッセージング: Kafka / Pub/Sub
監視: Prometheus, Grafana, OpenTelemetry
ツール: Slack, Confluence, Linear, Google Workspace, GitHub, Notion
AI開発支援: Claude Code MAX Plan, Cursor, ChatGPT, Devin
作業環境: Mac (Apple Silicon) ,デュアルモニタ対応
勤務地
想定年収
福利厚生・待遇
勤務条件10:00～19:00
※土日祝は休業日となります
※出向の場合は、出向先の規程に準じます
完全週休二日制
所定休日：土・日・祝日
休暇：年次有給休暇、夏季休暇（3日）、年末年始休暇（12月31日～1月3日）、慶弔休暇
1か月
社会保険完備（健康保険：関東ITソフトウェア健康保険組合）
Recruiting No.
社名
事業内容
株式
設立
資本金
従業員数
決算月
平均年齢
【東証プライム上場 日本最大級の発電会社】 電力需給統括部 電力需給システム開発プロジェクトリード担当
【東証プライム上場 有名電機メーカーグループ】 技術系総合職
【東証プライム上場 日本を代表する総合重工業メーカー】 社内SE（クラウドサービス基盤の構築・運用を担うインフラエンジニア）
全員参加型のビジネス変革が成果を生み出し、キャリア人材の成長機会が増え続けています。
人々の生活や命を支えるため、「食料・水・環境」分野で地域に根ざした事業にチャレンジする
高度な専門性を持ち、お客様の業務に精通したSEと営業が一丸となり、 お客様のビジネスの成長を “攻めと守り”のITで支援。
世界に向かうデジタルビジネスのパートナーとして、売上拡大とコスト最適化を支援しています。
エネルギー、インフラ、ストレージ。3つの注力事業において、新しい人材が 「新生東芝」 を動かし始めています。
グローバル展開する企業のプライムパートナーとして、経営から製造現場まで、多様な課題の解決をITで支援。
