■ポジションの概要■ 本ポジションでは、対話診断AIエージェントプラットフォーム「EQU AI」を支える中核として、プロダクショングレードのLLMおよびマルチエージェントシステムの設計・構築・運用を担います。研究チームやプロダクトチームと密に連携しながら、人とAgentic AIの協働による問題解決を、実際に社会へ届ける重要な役割です。 ■主な担当業務■ - Agentic AIシステムの設計・実装：Planning / Tool Calling / Memory / Multi-Agent Orchestrationといった、複雑なマルチステップタスクを解決するための自律型エージェントワークフローを設計・実装する。 - モデル選定と適応（Adaptation/Fine-tuning）：LLM / VLM（Vision-Language Model）の比較評価と統合。Quality / Latency / Costの厳密なトレードオフ分析に基づき、最適な基盤モデルを選定し、システムへ統合する。また、LoRA, Instruction Tuning, Preference Optimizationの最先端の手法を用い、領域特化型性能を追求するためのFine-tuningパイプラインを構築・運用する。 - プロンプトアーキテクチャ設計とMLOps：Safety / Robustnessを最優先としたSystem Prompt / RAG戦略を策定。プロンプトやデータの変更を管理するPrompt Versioningや、Vector Storeを活用したデータパイプラインを構築し、LLM MLOpsを推進する。 - 評価・実験基盤の構築と運用：AIエージェントの出力に対するオフライン/オンライン評価、A/Bテスト、信頼性を担保するためのHuman-in-the-Loop評価の基盤を設計・運用する。 - コア機能エージェントの開発：対話シナリオの自動生成、学習者に対する診断・フィードバック生成、およびコンテンツの品質保証を行う自律エージェントフローを設計・実装し、プロダクトの根幹を支える。必要に応じて、論文・特許・社内技術文書の作成や、学会・ワークショップでの発信。 ■必要な資格とスキル■ - LLMプロダクトの「本番運用」経験：複雑な多段階タスクに対し、LLMを活用したソフトウェアをPoCレベルでなく、実際に本番環境（Production）まで到達させ、運用した実務経験。 - Agent Engineeringの実務経験：Tool Calling / Planning / Multi-Agent Coordinationといった、エージェント特有のコンポーネントを設計・実装し、本番環境で運用した経験。 - データドリブンなモデル選定能力：Latency / Quality / CostなどのKPIに基づき、エビデンスベースのトレードオフ分析を行い、ユースケースに最適なLLMを選定できる能力。 - LLM適応技術の経験：LoRA、Instruction Tuningなど、LLMのファインチューニングおよびアダプター技術に関する実務経験。 - 確かなソフトウェアエンジニアリング基礎：PythonまたはTypeScriptを用いた開発における、単体テスト、CI/CD、仕様化、可読性を重視した開発スキル。 ■優遇経験・実績■ - LLM MLOps / インフラの経験：Vector Store、Feature Store、Prompt/Data Versioningなど、LLM特有のMLOpsコンポーネントの構築・運用経験、およびクラウド（GCP/AWS）、コンテナ化（Kubernetes/Docker）、オブザーバビリティ（Monitoring/Tracing/Logging）の構築・運用経験。 - マルチモーダル / 音声 / 対話システムに関する専門知識：Speech-to-Text、Text-to-Speech、Voice Activity Detection (VAD)、レイテンシ最適化など、音声処理技術に関する深い知識、またはRAG、埋め込み（Embedding）モデルの選定、対話品質の評価など、高度なNLP/対話システム開発経験。 - 信頼性・評価に関する経験：自動評価とHuman-in-the-Loopのセットアップを含む、対話システムの評価設計・運用経験、およびLLMシステムにおける安全性（Safety）、レッドチーミング、ポリシー/ガイドライン運用の経験。