生成AI／LLM
【AIエンジニア】生成AI/教育サポート◎研修充実で超成長◎リモート有
【業務について】
現在、大規模言語モデル（LLM）/ AIの活用がビジネスで注目を集めており、OpenAI社のChatGPTなどを含む生成AI（LLM）がさまざまなシステムで活用されてきています。
◾️具体的なお仕事
AIエンジニアとして、最先端AI(LLM)技術を用いた企業課題を解決するソリューションの提案や支援、コンサルティングなどを行います。
◾️業務内容の一例
-大規模言語モデル（LLM）の技術調査とAIチャットボットの開発
-顧客ニーズに合わせたプロンプトエンジニアリングと最適化
-ビジネスニーズに基づいたPoCの計画・実行・評価
-LLMモデルの運用に関わる問題の特定と解決策の提案
-クラウド環境（AWS、GCP、Azure）を活用したシステム構築 など
◾️活用する要素技術等
-Python
-AWS、Google Cloud、Azure
その他
◾️案件例
大手事業会社を始め、多種多様なプロジェクトにアサインされています。
・伊藤忠商事株式会社、T&Dフィナンシャル生命保険株式会社など、他にも数多くのクライアント様よりご相談をいただいております。
-伊藤忠商事株式会社様 生成AI活用推進プロジェクト
https://estyle.co.jp/media/interview/2571/
-T&Dフィナンシャル生命保険株式会社様 生成AIによる業務効率化プロジェクト
https://estyle.co.jp/media/interview/2609/
【募集要件】
◾️以下に該当する方
・2026年3月に大学・大学院を卒業する方
・ChatGPTなど生成AIや最新技術に興味のある方
・プログラミングの学習経験がある方
◻︎歓迎スキル・経験
・生成AI（LLM）に関する研究を行なったご経験
・統計分野の学習経験（授業・独学問わず）
【働く環境】
◾️メンバーの雰囲気
当社には、新卒・中途合わせ、約45名のDX/AI人材が活躍しています。
多くのメンバーが業界・職種未経験からスタートし、多種多様なプロジェクトを経験&プロフェッショナルへと成長しています！
ニックネーム制度を導入したオープン＆カジュアルな雰囲気で、意見交換や相談も気兼ねなくできるカルチャー。
メンバー同士で休日に遊びに出かけることもあります。
◾️導入研修（ESTYLE U Junior）
日々新しい技術が生まれるため、自己研鑽の姿勢が欠かせません。
導入研修では、この基本姿勢を磨くため、「自己学習」をベースとしたカリキュラムとなっています。
質問・相談はオープン&カジュアルにできるので、「調べても分からない」時はすぐに先輩のサポートを受けられます!
- 研修の進捗や担当プロジェクトに合わせてカリキュラムをカスタマイズ。早期活躍に向けて必要な力を身につけられます。
▼カリキュラム例
データ解析に必要となる統計学・数学（線形代数・微積分）や、業務に必要なプログラミング（Python等）、その他生成AI（LLM）プロジェクトに必要なスキルを身につけます。
◾️サポート制度
導入研修では、先輩社員がメンター担当となってしっかりサポートします。安心の環境の中で、AIエンジニアとしての道に挑戦できます。
| 雇用形態 | 正社員(新卒) |
|---|---|
| 仕事内容 | ◾️概要 近年注目を集めている「大規模言語モデル（LLM）/生成AI」を活用し、クライアントが抱える課題を解決へ導くお仕事です。 お客様のニーズに合わせたソリューションを提案し、実際に開発まで行うので、AIの最先端技術を実践的に学びながら、企業のビジネスに大きなインパクトを与えるやりがいを感じられます。 ◾️業務内容（一例） ・大規模言語モデルの調査、AIチャット開発や性能向上 最新の技術動向をつかみ、質の高いAIチャットサービスをつくります。 ・プロンプトエンジニアリング LLMを効果的に動かすために、提示する指示（プロンプト）の設定や最適化を追求。 ・顧客ニーズに合わせたプロンプト設計 お客様の課題に合わせてプロンプトを設計・調整し、最適な結果を得られるように工夫します。 ・PoC（概念実証）の計画や実行、評価 新しいアイデアや技術を小規模に検証し、ビジネス化できるかを判断します。 ・運用上の課題解決や最適化 AI導入後の運用で発生する問題を素早く特定し、改善策を提案・実装します。 ・データクレンジング（加工） AIモデルの学習に必要なデータを整理・加工し、モデル精度を高めます。 ・クラウド環境構築 Azure、AWS、GCPなどを用いて、LLMが稼働するための基盤を整備します。 |
| 求める人物像・資格 | ◾️こんな方を募集します！ ・ChatGPTなどの生成AIの活用に興味・関心のある方 ・プログラミングに触れた経験がある方 ・好奇心が旺盛で、主体的な方 |
| 勤務時間 | 09:00〜18:00 総労働時間：1ヶ月あたり160時間 ◾️働き方 リモート&在宅のハイブリッド制度 (研修期間は、週4出社&週1リモート) |
| 休日・休暇 | ■完全週休2日制（土・日） ■祝日休み ■年末年始休暇、夏季休暇 ■慶弔休暇 ■有給休暇（取得率80％以上） ■産前・産後休暇、育児休暇（取得実績あり） |
| 勤務地 | 住所：東京都東京都渋谷区神宮前３丁目２５－１４エスラ原宿ビル８Ｆ 【本社】東京都渋谷区神宮前3-25-14 エスラ原宿ビル8F ※プロジェクトにより、都内の各プロジェクト先への勤務あり 出向：なし |
| アクセス | 最寄り駅：JR原宿駅 徒歩５分／東京メトロ明治神宮前駅 徒歩6分 |
| 給与・待遇 | 月給250000円〜 ◾️月給 学部卒：25万円 院卒：27万円 ※経験・スキル等を考慮の上、当社規定により決定 ※上記月給には、固定残業代40時間分（学部卒：月5万9,524円 院卒：6万4,286円）を含む。超過分は別途支給。 ◾️その他 ・昇給：年2回（4月・10月） ・賞与：年2回（6月・12月） 固定残業時間：1ヶ月あたり40時間 固定残業代：1ヶ月あたり59524円〜 【試用期間】 試用期間の長さ：6ヶ月 給与条件：本採用時と同様 総労働時間：本採用時と同様 固定残業：本採用時と同様 |
| 福利厚生 | 社会保険：健康保険, 厚生年金, 雇用保険, 労災保険 ■交通費支給（上限あり） ■社会保険完備（雇用保険、労災保険、厚生年金、健康保険） ■インフルエンザ予防接種支援 ■定期健康診断 ■産前産後休業 ※取得実績あり ■育児休業 ※取得実績あり ■男性の育児休業 ※取得実績あり ■給与改定（年2回） ■社内懇親会・納会/各種勉強会 ■部活/イベント制度 ■ニックネーム制度 ■コミュニケーション予算 ■資格受験費補助（コウキシン50） ■書籍購入費補助（マガサポ） ■リファラル制度 ■ストックオプション制度 ※条件あり ■研修制度 ＜ESTYLE U Junior＞ 入社後、個人に合わせた「オリジナル基礎研修(~3ヶ月)」へ取り組んでいただきます。 研修では、「知識の習得」と「実践(kaggleへの挑戦・アプリ開発など)」による知識の定着を行います。 ＜ESTYLE U＞ ワンランク上の当社オリジナル研修。業界で著名な講師をお招きし、月に1~2回の特別講義を実施。現場で起きたマル秘話など、ここでしか聞けない話も多数あり、コウキシンが駆り立てられます！ https://www.wantedly.com/companies/estyle/post_articles/456554 【働き方】 ■ハイブリッド勤務制度 現在は週2~2.5の出社という仕組みを採用しています。 働き方は柔軟で、パパママの社員も多く、ライフステージに合わせて働けます！ ※産休/育休、男性育休取得実績あります ■PMS在宅勤務制度 休暇や在宅への切り替えが可能です。 ■ウォーターサーバー完備 オフィスにウォーターサーバー、オフィスグリコ完備。 ■受動喫煙防止措置 屋内禁煙。屋外禁煙スペースあり。 |
| 職場環境 | ◾️働く環境 ・リモートと出社のハイブリッド制度 両方のいいとこ取りな働き方！ ・ハイレベルなデータサイエンス・AI活用を学べる研修制度【ESTYLE U】 ・年間50万円/人の学習支援制度 ・月末の社員交流会"E-金！" その他にも、社員がより自分らしく働きやすい環境を作るため、様々な制度を用意しています！ |
| 選考の流れ | 最短2週間(WEBテスト1回、WEB面接2回) 書類選考 ▼ 一次選考(WEB面接、WEBテスト) ▼ 最終選考(WEB面接) ▼ 内定 |
| アピールメッセージ | ◎マネージャーが20~30代 ◎"クライアントが見える"環境で上流〜下流まで幅広く挑戦できる ◎ニックネーム制度で風通しの良い社風 ◎20~30代がメイン ◎豊富な学習サポート制度 |
| その他 | 募集背景：業績好調の中、さらなる事業拡大に向けて「AIエンジニアのプロフェッショナル」を目指す人材を募集します！ |
データサイエンス
【データサイエンティスト】教育サポート◎ニックネーム制度で働きやすさ◎リモート有
■ 概要
私たちのチームでは、クライアント企業が抱える課題を「データを活用する」ことで解決し、新たな価値を生み出します。
たとえば、大量のデータを整理・分析し、ビジネスに役立つ“気づき”を見つけ出したり、その結果を踏まえて戦略的な提案や意思決定をサポートする、等。
自身の分析やアイデアが実際のビジネスに貢献するやりがいを味わえるポジションです。
■ 業務内容（一例）
・データ要件の整理・環境確認
どんなデータがあり、どのように利用できるかを調査してプロジェクトの土台をつくります。
・データ前処理
分析しやすい形にデータを整理・クリーニング。質の高い分析結果を出すための大事なステップです。
・分析アプローチの設計
プロジェクトのゴールや制約を考えながら、統計解析や機械学習などの手法を使った分析戦略を立てます。
・統計モデルの構築（統計解析・因果推論など）
データから価値あるインサイトを得るために、さまざまなアルゴリズムやモデルを作成します。
・分析モデルの改善
ビジネス環境や新しいニーズに合わせて、既存モデルを改良。常に最適解を追求します。
・パフォーマンス評価・検証
分析モデルがしっかり機能しているかをテストし、結果を検証して課題があれば修正を行います。
・レポート作成・報告
分析結果を社内外へ共有し、クライアントの意思決定の一助とします。
■案件例
・製菓会社：コンビニの売上データから新商品の販売予測を検証
・大手製薬会社：データ分析業務における仮説の立案・検証支援
・金融系SIer：AIサービス開発のためのR＆D業務支援
・メーカー系：工場のラインの在庫管理や作業メンバーの業務可視化
など