企業情報

アトラエが企画・開発・運営するプロダクト（Green / Wevox / Yenta）および新規事業において、エンジニアとして事業と組織の課題解決を担っていただきます。 年次や職種に縛られず、本質的な価値のために自分なりのあり方を探求していきます。 希望・強み・成果に応じて、以下のいずれかのロールを軸に活躍していただきます。 --- ▶︎データサイエンティスト / AIエンジニア 【ミッション】 People Tech 領域で、人と組織の課題をデータとAIで解決し、事業価値に落とし込むこと。 素早く技術的基礎知識と経験を掴み、AIを活用し課題解決・価値創出を担うこと。 【主な業務】 ヒトと組織のデータを扱うスペシャリストとして、AIを駆使し新たな価値を生む。新規プロダクトの開発でも、既存プロダクトの再構築でも、日常業務の変革でも。時代を読み、考え、真に価値があると思うことを突き詰める。 ## 予測・要因分析 スコア予測、需要予測、セグメンテーション、因果・要因の探索などのモデリングと評価 ## NLP・LLM活用 サーベイ自由記述の分類・要約・テーマ抽出、Q&A などの LLM 機能開発、プロンプト設計、評価設計 ## レコメンド・マッチング ユーザーや求人・人材の特徴量設計、ランキング最適化、オフライン評価とオンライン実験 ## 分析基盤・MLOps データパイプライン整備、特徴量ストア、学習からデプロイまでの自動化、監視と継続改善 ## 事業連携・協働 PdM・エンジニア・CS・セールスと連携し、仮説立案から実装・効果検証まで一気通貫で推進 【技術スタック】 言語・ライブラリ | Python, Pandas, NumPy, scikit-learn, PyTorch, etc. LLM・NLP | プロンプト設計・評価、ベクトル検索、RAG構築 基盤・運用 | データ基盤、CI/CD、実験環境、監視基盤、A/Bテスト（MLOps） 手法 | 機械学習・深層学習、ベイズモデリング、数理最適化、ヒューリスティック最適化 【働き方・成長機会】 役割の拡張性 ——機械学習エンジニア、データアナリスト、データエンジニア、PdM など、意欲や強みに応じて柔軟に広げられる 経営・現場との近さ ——経営陣と近い距離で意思決定し、プロダクトのコアに踏み込んだ開発ができる カルチャー ——カルチャーフィットを重視し、フラットでオープンな議論が行われる環境 ▶︎ Webエンジニア 【ミッション】 『世界中の人々を魅了する会社を創る』というビジョンの実現に向け、自社プロダクトの開発・グロースを担うこと。 エンジニアとしてのスペシャリストを極めるのもよし、エンジニアリングを武器に企画を立てPdMとして動くのもよし。 【主な業務】 - プロダクトの設計・開発・改善（新規機能開発、モダナイゼーション、パフォーマンス改善など） - PdM・デザイナー・ビジネスサイドと連携した価値検証・意思決定への参加 - 自ら数値を見て分析し、課題設定から実装・検証までオーナーシップを持って推進 - 意欲や強み・成果に応じて役割を柔軟に拡張（エンジニアスペシャリスト / PdM / スクラムマスター / 事業リーダーなど） 【技術スタック】 言語 | Go, Ruby, Python, TypeScript, Dart フレームワーク | Gin, Ruby on Rails, FastAPI, Next.js, Flutter データベース | MySQL, OpenSearch, PostgreSQL, DynamoDB, BigQuery インフラ | AWS, Google Cloud, Docker, Kubernetes データ分析基盤 | BigQuery, Looker, Datadog 【面白み・やりがい】 ## 技術的なチャレンジ １、難しくておもしろいお題がある 「採用という複雑な業務をどうシステムに落とすか？」「求職者と求人のマッチングを技術でどう高めるか？」といった問いが、日々の開発の中心にあります。特に後者は、生成AIの登場によってやれることが急速に広がっており、今まさに取り組みが加速しています。 ２、スケールの異なる技術課題 スパイクするトラフィックを捌く配信基盤の設計から、リアルタイム同期のホワイトボードシステムまで、ビジネス領域の広さに比例して技術的な課題も多様です。 ３、エンジニアが動きやすい環境 ３−１開発生産性への本気のこだわり CI/CDの整備・AI活用・サービスの監視など、開発生産性に直結する「当たり前のこと」を徹底しています。Claude Code などのツールも、得られるメリットを検討したうえで会社が提供。エンジニアが本質的な開発に集中できる環境づくりを続けています。 ３−２ビジネスサイドと距離が近い PdM・デザイナー・ビジネス担当と同じ目線で議論し、意思決定に参加しながら開発を進めます。「機能を作る」ではなく「価値を作る」ことにエンジニアとして関われるのが、アトラエの開発スタイルです。 【学びの環境】 - システム設計の議論・コードレビューを通じた実践的な学習 - バックエンド / フロントエンド / AI・ML ごとの自主的な情報共有コミュニティ - エンジニア全体を対象にした定期勉強会

【ミッション】 - People Tech 領域（Green／Wevox／Yenta 等）で、人と組織の課題をデータとAIで解決し、事業価値に落とし込むこと 【主な業務領域】 『世界中の人々を魅了する会社を創る』というビジョンを実現するために事業づくりと組織づくりの両面であらゆることにコミットしていただきます。 ご本人の意欲や強み、成果に応じて役割を柔軟に調整し続けます（例：エンジニアから、事業リーダー、PM、PdM、スクラムマスター、組織づくりなど貢献の幅を広げていただくイメージです） 事業リーダー、マーケター、セールス、カスタマーサクセス、デザイナー、エンジニア、データサイエンティストなどあらゆる職種のメンバーと連携する場面が多くあります。 【技術スタック・ツール】 TypeScript, Go, Ruby, Flutter React, Ruby on Rails, AWS, k8s Cursor, ChatGPT, CodeX, Claude, Gemini 【働き方・成長機会】 - 役割の拡張性 - フルスタック、PdM、デザイナー など、意欲や強みに応じて役割を柔軟に広げられる - 経営や現場との近さ - 経営陣と近い距離で意思決定し、プロダクトのコアに踏み込んだ開発ができる - カルチャー - カルチャーフィットを重視し、フラットでオープンな議論が行われる環境

【ミッション】 - People Tech 領域（Green／Wevox／Yenta 等）で、人と組織の課題をデータとAIで解決し、事業価値に落とし込むこと - 素早く技術的基礎知識と経験を掴み、Coding Agent を fully utilize できる人になり、作りまくること 【主な業務領域】 ヒトと組織のデータを扱うスペシャリストとして、AIを駆使し新たな価値を生むこと（新規プロダクトでも既存プロダクトの再構築でも、日常業務の変革でも） 時代を読み、考え、真に価値があると思うことを突き詰めること 以下、従来のデータサイエンティストとしての業務をAI前提のものに適応し、生まれ変わらせ、価値創出すること - 予測・要因分析 - スコア予測、需要予測、セグメンテーション、因果や要因の探索などのモデリングと評価 - NLP・LLM活用 - サーベイ自由記述の分類や要約、テーマ抽出、Q&AなどのLLM機能開発やプロンプト設計、評価設計 - レコメンド・マッチング - ユーザーや求人・人材の特徴量設計、ランキング最適化、オフライン評価とオンライン実験 - 分析基盤・MLOps - データパイプライン整備、特徴量ストア、学習からデプロイまでの自動化、監視と継続改善 - 事業連携・PdM協働 - PdM、エンジニア、CS、セールスと連携し、仮説立案から実装、効果検証まで一気通貫で推進 【代表的なプロダクトでの例】 # Wevox - 自由記述コメントのAI分類やトピック抽出、エンゲージメントに関する示唆生成、CS支援のAI導入など # Green／Yenta - 候補者と求人のマッチング精度向上、レコメンド改善、検索・ランキングの最適化 【技術スタック・ツール】 # 言語・ライブラリ - Python, Pandas, NumPy, scikit-learn, PyTorch, etc - NLP／LLMの評価・プロンプト設計、ベクトル検索等 ## 基盤・運用 - データ基盤とCI/CD、実験環境整備、監視基盤、A/B テスト運用などのMLOps実践 # 手法 - 機械学習・深層学習、ベイズモデリング、数理最適化、ヒューリスティック最適化 など 【働き方・成長機会】 - 役割の拡張性 - 機械学習エンジニア、データアナリスト、データエンジニア、PdM など、意欲や強みに応じて役割を柔軟に広げられる - 経営や現場との近さ - 経営陣と近い距離で意思決定し、プロダクトのコアに踏み込んだ開発ができる - カルチャー - カルチャーフィットを重視し、フラットでオープンな議論が行われる環境

アトラエが企画・開発・運営するプロダクト（Green / Wevox / Yenta）および新規事業において、エンジニアとして事業と組織の課題解決を担っていただきます。 年次や職種に縛られず、本質的な価値のために自分なりのあり方を探求していきます。 希望・強み・成果に応じて、以下のいずれかのロールを軸に活躍していただきます。 --- ▶︎データサイエンティスト / AIエンジニア 【ミッション】 People Tech 領域で、人と組織の課題をデータとAIで解決し、事業価値に落とし込むこと。 素早く技術的基礎知識と経験を掴み、AIを活用し課題解決・価値創出を担うこと。 【主な業務】 ヒトと組織のデータを扱うスペシャリストとして、AIを駆使し新たな価値を生む。新規プロダクトの開発でも、既存プロダクトの再構築でも、日常業務の変革でも。時代を読み、考え、真に価値があると思うことを突き詰める。 ## 予測・要因分析 スコア予測、需要予測、セグメンテーション、因果・要因の探索などのモデリングと評価 ## NLP・LLM活用 サーベイ自由記述の分類・要約・テーマ抽出、Q&A などの LLM 機能開発、プロンプト設計、評価設計 ## レコメンド・マッチング ユーザーや求人・人材の特徴量設計、ランキング最適化、オフライン評価とオンライン実験 ## 分析基盤・MLOps データパイプライン整備、特徴量ストア、学習からデプロイまでの自動化、監視と継続改善 ## 事業連携・協働 PdM・エンジニア・CS・セールスと連携し、仮説立案から実装・効果検証まで一気通貫で推進 【技術スタック】 言語・ライブラリ | Python, Pandas, NumPy, scikit-learn, PyTorch, etc. LLM・NLP | プロンプト設計・評価、ベクトル検索、RAG構築 基盤・運用 | データ基盤、CI/CD、実験環境、監視基盤、A/Bテスト（MLOps） 手法 | 機械学習・深層学習、ベイズモデリング、数理最適化、ヒューリスティック最適化 【働き方・成長機会】 役割の拡張性 ——機械学習エンジニア、データアナリスト、データエンジニア、PdM など、意欲や強みに応じて柔軟に広げられる 経営・現場との近さ ——経営陣と近い距離で意思決定し、プロダクトのコアに踏み込んだ開発ができる カルチャー ——カルチャーフィットを重視し、フラットでオープンな議論が行われる環境 【面白み・やりがい】 ## 技術的なチャレンジ １、難しくておもしろいお題がある 「採用という複雑な業務をどうシステムに落とすか？」「求職者と求人のマッチングを技術でどう高めるか？」といった問いが、日々の開発の中心にあります。特に後者は、生成AIの登場によってやれることが急速に広がっており、今まさに取り組みが加速しています。 ２、スケールの異なる技術課題 スパイクするトラフィックを捌く配信基盤の設計から、リアルタイム同期のホワイトボードシステムまで、ビジネス領域の広さに比例して技術的な課題も多様です。 ３、エンジニアが動きやすい環境 ３−１開発生産性への本気のこだわり CI/CDの整備・AI活用・サービスの監視など、開発生産性に直結する「当たり前のこと」を徹底しています。Claude Code などのツールも、得られるメリットを検討したうえで会社が提供。エンジニアが本質的な開発に集中できる環境づくりを続けています。 ３−２ビジネスサイドと距離が近い PdM・デザイナー・ビジネス担当と同じ目線で議論し、意思決定に参加しながら開発を進めます。「機能を作る」ではなく「価値を作る」ことにエンジニアとして関われるのが、アトラエの開発スタイルです。 【学びの環境】 - システム設計の議論・コードレビューを通じた実践的な学習 - バックエンド / フロントエンド / AI・ML ごとの自主的な情報共有コミュニティ - エンジニア全体を対象にした定期勉強会