役割の概要

顧客の現場に入り、成果に責任を持ち、動く AI システムを本番へ届けます。Turbo AI の FDE はビルドの最前線——発見、設計、実装、引き継ぎを、四半期ではなく数週間単位で進めます。

担当すること

• 顧客チームに入り、曖昧な課題を出荷可能な AI プロダクトに落とし込む。
• エージェント、RAG、評価環境、その周辺のプロダクト面まで一気通貫で設計・実装する。
• 初回ワークショップから本番切り替えまでを担当し、堅牢化・可観測性・ドキュメントも含める。
• 創業者および AI エンジニアと連携し、各案件に必要なプラットフォーム能力を引き込む。
• 自分が離れても回る状態を残す——運用手順、指標、次の改善パスまで。

求めること

• フルスタックのエンジニアリング力——プロダクト面も AI 基盤も担えること。
• オンサイトまたは顧客密着での働き方に抵抗がなく、曖昧さの中でも明確にコミュニケーションできること。
• LLM／エージェント系の本番出荷経験（RAG、ツール利用、評価、プロンプト／コンテキスト設計）。
• TypeScript および／または Python に習熟。Next.js など現代的な Web スタック経験は歓迎。
• 出荷志向：完璧な設計書より、本番で動くシステムを優先できること。

歓迎スキル

• コンサル、ソリューションエンジニア、フォワードデプロイ経験。
• オペレーション、コンテンツ、データ基盤、社内ツールなど特定領域の深さ。
• 顧客のエンジニアリングチームへの引き継ぎ経験。

役割の概要

私たちが届けるプロダクトの知能層——エージェント、モデル連携、検索、評価、そして信頼性を支えるプロダクトロジック——を設計・実装します。巧みなプロンプトだけでなく、本番での振る舞いを気にします。

担当すること

• 実顧客の負荷に向けたエージェント設計、ツール IF、RAG システムを作る。
• 評価・回帰・品質ゲートを整え、「出荷してよい」基準を明確にする。
• フロンティア／オープンモデルを統合し、レイテンシ・コスト・品質のトレードオフを選ぶ。
• FDE と連携して顧客環境に能力を届け、本番シグナルから反復する。
• 再利用可能なパターンを社内ビルダーツールキットへ還元する。

求めること

• ノートブック以外の本番経験を持つソフトウェアエンジニアリング背景。
• LLM アプリパターンへの深い理解：プロンプト、ツール呼び出し、RAG、エージェント、評価。
• Python に強く、TypeScript 経験があれば尚可。
• 非決定的システムのデバッグ——トレース、評価、失敗モード、コスト——ができること。
• 短い納品サイクルと明確なオーナーシップに慣れていること。

歓迎スキル

• ベクトル DB、オーケストレーション、独自エージェントランタイムの経験。
• 応用 ML、情報検索、マルチモーダルの背景。
• OSS 貢献や LLM システムに関する公開発信。

役割の概要

ビルダーがより速く、より安全に出荷できる基盤を作ります——モデルサービング、GPU／クラスタ運用、可観測性、AI ワークロードの CI/CD、そして各案件を支える社内ツール。

担当すること

• クラウドおよび顧客環境横断で、モデルサービング・バッチ／リアルタイム推論パスを設計・運用する。
• AI ワークロード向けのコンテナ化、Kubernetes、IaC を担当する。
• 本番の LLM／エージェント向けに監視・トレーシング・コスト制御を構築する。
• AI エンジニアおよび FDE と連携し、デプロイを堅牢化し、本番までの時間を短縮する。
• 共有プラットフォーム（テンプレート、パイプライン、開発体験）を継続改善する。

求めること

• 本番システム運用 2 年以上。ML／LLM サービング経験は強く歓迎。
• Python および／または Go に習熟。Terraform、Docker、Kubernetes に慣れていること。
• クラウド（AWS、GCP、Alibaba Cloud など）の実務経験。
• データ／ML 系の CI/CD、可観測性、信頼性プラクティスへの理解。
• 文書化が得意——作ったものを他者が運用できる形で残せる。

歓迎スキル

• Ray、KubeFlow、Triton、vLLM などサービングスタックの実務。
• GPU フリートやマルチテナント推論の運用経験。
• 開発者プラットフォームや社内 MLOps ツールの経験。