AIエンジニア（シニアクラス）

私たちの開発方針

AI開発支援を、私たちの開発の標準に。

AIエディタや統合開発エージェントを積極的に活用することは、イー・トライアドの開発方針です。設計・実装・テスト・レビューまで、AIと協働してお客様の課題解決に取り組みます。

01

考える・つくる

Codex、Claude Code、Cursorなどを、要件の整理、実装、既存コードの理解や改善に活用します。

02

確かめる・届ける

AIの出力を人がレビューし、テストとCI/CDで変更を検証します。お客様に届ける品質に責任を持つことを大切にしています。

03

学ぶ・共有する

ツールの使い方や効果的だった進め方をチームで共有し、個人の工夫を開発全体の改善につなげます。

AIと速くつくり、安全に届ける。

AIが生成したコードも、設計・権限・データの扱いを人が確認します。安全な実装や検証の方法をチームで学び、日々の開発に活かしていきます。

セキュリティで学んでいく領域を見る →

求める人物像

以下のいずれかの特性を持つ方を歓迎します：

技術特性の強い方

AIエージェントなどの新技術を活用して、開発工程において従来以上の効率化と品質向上を達成した実績をお持ちの方。技術的リーダーシップを発揮し、チームの生産性向上に貢献できる方。

営業・提案特性の強い方

お客様への提案フェーズや要件定義において、業務分析・課題分析でAIエージェントなどを効果的に導入し、従来以上の効率化と品質向上を実現した実績をお持ちの方。営業力があり、お客様に新しい価値を提案・導入できる方。

共通して求める要素：

• AIの導入・活用で一定の成果を上げた経験
• お客様への新しい価値提案力
• チームをまとめ、プロジェクトを成功に導く能力

AIエージェント活用実績

以下のような具体的な活用実績を評価します：

開発工程での活用実績

• 要件定義・設計: AIエージェントを活用した要件整理、システム設計文書作成
• コーディング: AI開発支援ツールを活用した実装・リファクタリングと、品質を確認した実践
• テスト: AIによる包括的なテストケース生成、テスト自動化
• デプロイ: AI支援によるCI/CD最適化、運用自動化
• 包括的開発支援: Devinを活用した統合的な開発タスク実行

クラウド設計・運用の改善

• 利用規模、費用、可用性に応じたサーバーレス・コンテナ構成の選定
• CI/CDと構成管理・運用自動化を組み合わせた開発基盤の設計
• 監視、切り戻し、権限管理、運用引き継ぎまで含めた改善

成果創出の例

• 開発工程の効率化：従来比30%以上の工数削減実績
• 品質向上：AIレビューによるバグ削減率向上
• チーム生産性：AIエージェント活用指導によるチーム全体のスキル向上

主な業務内容

技術特性の強い方

• AIエージェントを活用した開発工程の効率化・品質向上
• AIプロジェクトの技術設計・アーキテクチャ策定
• チームメンバーの技術指導・メンタリング
• AIシステムの性能改善・最適化

営業・提案特性の強い方

• お客様への提案フェーズでのAIエージェント活用提案
• 業務分析・課題分析でのAI技術導入による価値創出
• 顧客との技術的な要件定義・ソリューション提案
• 新規顧客開拓とAI導入コンサルティング

共通業務

• 社内外でのAI活用成果の発信・共有
• プロジェクトマネジメントと成果創出

開発環境と技術スタック

当社で活用する技術・ツールの例です。採用する構成はプロジェクトごとに選びます。すべての製品の経験を応募条件とするものではありません。職種ごとの「必要なスキル・経験」をご確認ください。

AI開発支援

OpenAI Codex / Claude Code / Cursor / GitHub Copilot / Devin

AIエディタ・開発エージェントを工程や作業に応じて活用

生成AI API

OpenAI API / Claude API

アプリケーションや業務システムへのAI機能の組み込み

要件整理・文書作成

ChatGPT / Claude

仕様の検討、情報整理、ドキュメント作成の支援

開発言語

PHP / TypeScript / JavaScript / Python / C# / Java

Webアプリケーション、業務システム、データ処理

Web開発

Laravel / Symfony / React / Vue.js / Node.js

フレームワーク・ライブラリ・実行環境

データベース

MySQL / PostgreSQL

業務データの保存と活用

クラウド

AWS / Google Cloud（GCP） / Microsoft Azure

要件や既存環境に応じて選ぶクラウド基盤

バージョン管理・CI/CD

Git / GitHub / GitHub Actions

変更履歴の管理、レビュー、自動テスト・ビルド・デプロイ

構成管理・運用自動化

Terraform / Ansible

インフラのコード管理、環境設定や反復作業の自動化

コンテナ・実行基盤

Docker / Kubernetes

実行環境の統一と、規模・運用体制に応じたコンテナ管理

機械学習・データ処理

PyTorch / TensorFlow / scikit-learn / pandas / NumPy / MLflow

案件に応じたモデル開発、分析、実験管理

小さく始め、更新を重ねられるクラウド設計

スタートアップや新規サービスでは、初期の利用規模に合う構成から始め、事業の成長に応じて拡張できることを大切にしています。サーバーレスやマネージドサービスの従量課金を活かし、必要な処理・保存・認証を組み合わせます。

CI/CDでテスト・ビルド・デプロイをつなぎ、変更を継続的に届けます。利用量・データ転送量・可用性・運用負荷を見ながら、費用と保守性のバランスが合う構成を選びます。

AWSでの構成要素の例

処理AWS Lambda

イベントに応じてコードを実行

開発・公開AWS Amplify

Web・モバイルアプリの開発とホスティングを支援

保存Amazon S3

画像・ファイル・静的コンテンツを保存

認証Amazon Cognito

ユーザー登録・ログイン・アクセス管理

サーバー運用・保守の取り組みを見る →

知り、学び続けること

開発を支えるセキュリティの基礎

これらは応募時の必須スキルではありません。経験のない領域も、担当する業務に合わせて知識を広げ、実践につなげていくことを大切にしています。

安全な設計・実装

認証と認可、入力検証、SQLインジェクション・XSS対策、APIキーなどの秘密情報の管理。AIに渡す情報と、生成されたコードの扱いも含めて学びます。

コードとアプリの検証

コードの静的解析（SAST）、依存ライブラリの脆弱性検査、秘密情報の混入検知、動作中のアプリの診断（DAST）。検査結果を読み、優先順位をつけて修正する流れを学びます。

クラウド・配信基盤

IAMによる権限管理と最小権限、HTTPS、CDNによる配信とキャッシュ、WAFによるWebへの攻撃対策、ログ・監視。それぞれの役割と、構成に応じた使い方を学びます。

端末の保護と初動対応

端末の更新やアカウントの保護、EDRによる脅威の検知・対応の役割。不審な挙動に気づいたときの報告・相談など、開発環境を守る基本を学びます。

特定の診断製品の使用経験は問いません。ツールで見つけることに加え、原因を理解し、修正・再確認するところまで学んでいきます。

セキュリティの学びを実践につなげる

セキュリティの知識を深め、設計・レビューの観点やチームの開発手順に反映していくことを目指します。 掲載した領域すべての経験を、応募時に求めるものではありません。

期待する成果

プロジェクト成果

• プロジェクトの技術的成功とスケジュール達成
• AIエージェント活用による開発効率向上（定量的成果）
• 顧客満足度の向上と信頼関係構築

チーム・組織への貢献

• チームメンバーのスキル向上とAIエージェント活用推進
• 新技術の導入・推進によるケイパビリティ向上
• 社内外へのナレッジ共有とブランディング

AIエージェント活用指導

シニアクラスエンジニアには、以下の指導・推進役も期待します：

社内推進

• ジュニアエンジニアへのAIエージェント活用指導
• 社内勉強会・ハンズオン開催
• ベストプラクティスの文書化・共有

顧客提案

• 顧客へのAIエージェント導入効果のデモンストレーション
• 導入支援とコンサルティング
• ROI向上実績の蓄積・報告

キャリア展開

エキスパートクラスへの道

• より大きなインパクトを創出する技術力・影響力の獲得
• 社内外での技術的権威確立
• 事業戦略への技術的貢献

専門分野の選択

• 技術スペシャリスト: AI・機械学習の技術深化
• プロダクトマネージャー: 技術×ビジネスの橋渡し
• コンサルタント: 顧客の技術的課題解決