【機械学習エンジニア】レコメンドで“数千万人”の行動を変える｜日本全国フルリモートOK 審査中 HIGHCLASS
仕事概要
□■ 募集背景と開発課題 ■□
InsightXは、検索・推薦・生成・表示までを横断してプロダクトに組み込める、Netflixなどのビッグテックが手がける「自分のためだけのユーザー体験」を民主化する独自プラットフォームを提供するシリーズAのAIスタートアップです。
直近で総額8億円の資金調達を行い、日本を代表するような大手企業様への導入が随時進んでおり、今後もこの成長をさらに加速させるため、プロダクトは今、機械学習の観点で大きな転換点を迎えています。
[1] 分析で終わらず、顧客体験を動かすアルゴリズム実装
ECにおけるデータ活用では、分析結果が示唆に留まり、本番環境の体験改善につながらないことが少なくありません。
私たちが求めているのは、顧客行動・商品属性・コンテンツ・在庫や価格などの多様な情報をもとに仮説を構造化し、アルゴリズムとして実装し、実際のユーザー行動や事業KPIの変化までつなげられる力です。
[2] 個社最適に閉じない、横展開可能なML基盤づくり
クライアントごとにデータ品質や粒度、業務制約は異なります。
一方で、その都度ゼロから作るのではなく、特徴量設計、前処理、学習・推論、評価、監視までを共通化し、複数社へ横展開できる形へ昇華させることが重要です。
[3] GenAI-NativeなML開発プロセスの確立
私たちは、Cursor、Claude Code、GPT等を前提とした開発プロセスを確立しています。
仕様理解、SQL作成、評価レポート生成、実装補助、QA、自動化などに生成AIを活用しながら、ML開発・分析・本番運用の反復速度を高めています。
AIを補助的に使うのではなく、AIと協働して仮説検証密度を上げることが前提となる環境です。
□■ 期待役割 ■□
⚫︎推薦・検索アルゴリズムの設計・改善
・協調フィルタリング、ランキング、画像類似検索、Two-Tower、Retrieval / Rankerモデルなどを活用した推薦・検索ロジックの設計・改善
・商品シェルフ、メール、検索、ランキング、コーデ、記事、気温連動施策など、多様なユースケースへのML適用
・精度だけでなく、多様性、鮮度、人気度、在庫、カテゴリ/ブランド制約などを考慮した実運用向けスコアリング設計
⚫︎顧客データを用いた特徴量設計・データ整備
・顧客行動ログ、商品マスタ、画像、テキスト、コンテンツ、在庫・価格・セール情報などを活用した特徴量設計
・クライアントごとに異なるデータ品質・粒度・制約を踏まえた前処理、評価データセット作成、データパイプライン整備
・新商品、ログ薄商品、ロングテール商品など、EC特有のコールドスタート課題への対応
⚫︎学習・評価・推論パイプラインの構築
・Offline評価基盤の整備、および Recall@K / NDCG / MRR / coverage / long-tail coverage などの指標設計
・学習済みEmbeddingやRankerを本番環境に組み込むためのバッチ処理、artifact管理、差分更新、サービング設計
・pgvector / Bigtable などを用いた低レイテンシな基盤の設計・運用
⚫︎オンラインA/Bテストと事業KPI改善
・オフライン指標だけでなく、CTR、CVR、売上、RPM、回遊率、離脱率などのオンライン指標で施策を評価
・顧客ごとの施策仮説をA/Bテストに落とし込み、結果を分析し、次のアルゴリズム改善へ接続
・他社ツールとの比較・リプレイスを見据えた評価設計と改善
⚫︎個社施策の共通化・プラットフォーム化
・1社向けに作ったロジックや分析手法を、複数クライアントに横展開できる共通機能へ昇華
・顧客固有要件と、プロダクトとしての汎用性のバランスを取りながら設計
⚫︎顧客現場に近いML開発
・ビジネスサイドやプロダクトチームと連携し、顧客MTGで出た課題や仮説を、数日〜数週間で動くデモ・本番実装に落とし込む
・「ニーズ発掘 → デモ作成 → 実装 → 効果検証」のサイクルを高速に回す
・論文・技術検証で終わらせず、本番環境でユーザー行動と売上を変えるところまで責任を持つ
⚫︎生成AIを活用した開発・分析プロセスの高度化
・仕様理解、SQL作成、評価レポート生成、実装補助、QA、自動化などへの生成AI活用
・ML開発・分析・本番運用の反復速度を高めるための社内ツール化、ナレッジ化、ワークフロー整備
□■ 開発環境 ■□
【開発言語】Go, Python, TypeScript, JavaScript (Vanilla JS)
【フレームワーク】Gin, Flask, Hono, React, Next.js, Svelte
【インフラ】Google Cloud Platform (GKE, Cloud Run, Cloud Pub/Sub), AWS CloudFront
【DB / データ基盤】BigQuery, Cloud SQL (PostgreSQL), Cloud Datastore, Cloud Bigtable
【ML】Vertex AI, PyTorch, Hugging Face, BQML
【DevOps / CI/CD】Terraform, GitHub Actions, Helm, Kustomization
【ツール】dbt, Redash, Slack
【AIツール】Cursor, Claude Code, Codex
□■ InsightXについて ■□
国内外含めオンラインでの購買体験は、未だ十分にパーソナライズされているとは言えません。
膨大な顧客データが存在していても、それが「次のアクション」や「次に見るべき体験」に変換されないまま眠っているデータは少なくありません。
InsightXは、こうした構造的な課題に対し、CX変革AIプラットフォーム「InsightX」を開発・提供しています。コアプロダクトは、「シェルフ型レコメンド®」です。
ユーザー一人ひとりの「いま見たい」をリアルタイムに捉え、商品、スタッフコンテンツ、特集記事などの既存アセットを組み合わせながら、パーソナライズされた体験を全自動で構築します。
単に機能を提供するSaaSではなくCXプラットフォームです。
Deployment Strategist（DS）やForward Deployed Engineer（FDE）が顧客の現場で得た課題や知見を、プラットフォームに素早く還元しながら、顧客体験そのものを前進させていく事業です。
すでに特定ドメインではジャイアントキリングを巻き起こしており、今後は家具・家電、総合モール、メディア、エンタメ、コスメ、不動産など、多品種かつ娯楽性の高い領域を中心に導入が進んでいます。2025年の製品版リリース以降、CARRは前年末比で約4倍、顧客数は約3倍に成長しています。さらにシリーズAラウンドでは総額8億円の資金調達を完了し、プロダクト開発と組織拡張を加速させています。
私たちが向き合っているのは、単なるレコメンド最適化ではありません。
非IT企業の自社ECが抱える「外部ベンダーの開発スピードの遅さ」と「多機能なSaaSを使いこなす難しさ」という構造的なジレンマそのものです。InsightXはそこに対し、現場で得た解像度の高い課題を起点に、本番データを使った動く価値を短いサイクルで実装し、プロダクトとして磨き込みながら前に進める開発スタイルを取っています。
必須スキル
□■ 募集背景と開発課題 ■□
InsightXは、検索・推薦・生成・表示までを横断してプロダクトに組み込める、Netflixなどのビッグテックが手がける「自分のためだけのユーザー体験」を民主化する独自プラットフォームを提供するシリーズAのAIスタートアップです。
直近で総額8億円の資金調達を行い、日本を代表するような大手企業様への導入が随時進んでおり、今後もこの成長をさらに加速させるため、プロダクトは今、機械学習の観点で大きな転換点を迎えています。
[1] 分析で終わらず、顧客体験を動かすアルゴリズム実装
ECにおけるデータ活用では、分析結果が示唆に留まり、本番環境の体験改善につながらないことが少なくありません。
私たちが求めているのは、顧客行動・商品属性・コンテンツ・在庫や価格などの多様な情報をもとに仮説を構造化し、アルゴリズムとして実装し、実際のユーザー行動や事業KPIの変化までつなげられる力です。
[2] 個社最適に閉じない、横展開可能なML基盤づくり
クライアントごとにデータ品質や粒度、業務制約は異なります。
一方で、その都度ゼロから作るのではなく、特徴量設計、前処理、学習・推論、評価、監視までを共通化し、複数社へ横展開できる形へ昇華させることが重要です。
[3] GenAI-NativeなML開発プロセスの確立
私たちは、Cursor、Claude Code、GPT等を前提とした開発プロセスを確立しています。
仕様理解、SQL作成、評価レポート生成、実装補助、QA、自動化などに生成AIを活用しながら、ML開発・分析・本番運用の反復速度を高めています。
AIを補助的に使うのではなく、AIと協働して仮説検証密度を上げることが前提となる環境です。
□■ 期待役割 ■□
⚫︎推薦・検索アルゴリズムの設計・改善
・協調フィルタリング、ランキング、画像類似検索、Two-Tower、Retrieval / Rankerモデルなどを活用した推薦・検索ロジックの設計・改善
・商品シェルフ、メール、検索、ランキング、コーデ、記事、気温連動施策など、多様なユースケースへのML適用
・精度だけでなく、多様性、鮮度、人気度、在庫、カテゴリ/ブランド制約などを考慮した実運用向けスコアリング設計
⚫︎顧客データを用いた特徴量設計・データ整備
・顧客行動ログ、商品マスタ、画像、テキスト、コンテンツ、在庫・価格・セール情報などを活用した特徴量設計
・クライアントごとに異なるデータ品質・粒度・制約を踏まえた前処理、評価データセット作成、データパイプライン整備
・新商品、ログ薄商品、ロングテール商品など、EC特有のコールドスタート課題への対応
⚫︎学習・評価・推論パイプラインの構築
・Offline評価基盤の整備、および Recall@K / NDCG / MRR / coverage / long-tail coverage などの指標設計
・学習済みEmbeddingやRankerを本番環境に組み込むためのバッチ処理、artifact管理、差分更新、サービング設計
・pgvector / Bigtable などを用いた低レイテンシな基盤の設計・運用
⚫︎オンラインA/Bテストと事業KPI改善
・オフライン指標だけでなく、CTR、CVR、売上、RPM、回遊率、離脱率などのオンライン指標で施策を評価
・顧客ごとの施策仮説をA/Bテストに落とし込み、結果を分析し、次のアルゴリズム改善へ接続
・他社ツールとの比較・リプレイスを見据えた評価設計と改善
⚫︎個社施策の共通化・プラットフォーム化
・1社向けに作ったロジックや分析手法を、複数クライアントに横展開できる共通機能へ昇華
・顧客固有要件と、プロダクトとしての汎用性のバランスを取りながら設計
⚫︎顧客現場に近いML開発
・ビジネスサイドやプロダクトチームと連携し、顧客MTGで出た課題や仮説を、数日〜数週間で動くデモ・本番実装に落とし込む
・「ニーズ発掘 → デモ作成 → 実装 → 効果検証」のサイクルを高速に回す
・論文・技術検証で終わらせず、本番環境でユーザー行動と売上を変えるところまで責任を持つ
⚫︎生成AIを活用した開発・分析プロセスの高度化
・仕様理解、SQL作成、評価レポート生成、実装補助、QA、自動化などへの生成AI活用
・ML開発・分析・本番運用の反復速度を高めるための社内ツール化、ナレッジ化、ワークフロー整備
□■ 開発環境 ■□
【開発言語】Go, Python, TypeScript, JavaScript (Vanilla JS)
【フレームワーク】Gin, Flask, Hono, React, Next.js, Svelte
【インフラ】Google Cloud Platform (GKE, Cloud Run, Cloud Pub/Sub), AWS CloudFront
【DB / データ基盤】BigQuery, Cloud SQL (PostgreSQL), Cloud Datastore, Cloud Bigtable
【ML】Vertex AI, PyTorch, Hugging Face, BQML
【DevOps / CI/CD】Terraform, GitHub Actions, Helm, Kustomization
【ツール】dbt, Redash, Slack
【AIツール】Cursor, Claude Code, Codex
□■ InsightXについて ■□
国内外含めオンラインでの購買体験は、未だ十分にパーソナライズされているとは言えません。
膨大な顧客データが存在していても、それが「次のアクション」や「次に見るべき体験」に変換されないまま眠っているデータは少なくありません。
InsightXは、こうした構造的な課題に対し、CX変革AIプラットフォーム「InsightX」を開発・提供しています。コアプロダクトは、「シェルフ型レコメンド®」です。
ユーザー一人ひとりの「いま見たい」をリアルタイムに捉え、商品、スタッフコンテンツ、特集記事などの既存アセットを組み合わせながら、パーソナライズされた体験を全自動で構築します。
単に機能を提供するSaaSではなくCXプラットフォームです。
Deployment Strategist（DS）やForward Deployed Engineer（FDE）が顧客の現場で得た課題や知見を、プラットフォームに素早く還元しながら、顧客体験そのものを前進させていく事業です。
すでに特定ドメインではジャイアントキリングを巻き起こしており、今後は家具・家電、総合モール、メディア、エンタメ、コスメ、不動産など、多品種かつ娯楽性の高い領域を中心に導入が進んでいます。2025年の製品版リリース以降、CARRは前年末比で約4倍、顧客数は約3倍に成長しています。さらにシリーズAラウンドでは総額8億円の資金調達を完了し、プロダクト開発と組織拡張を加速させています。
私たちが向き合っているのは、単なるレコメンド最適化ではありません。
非IT企業の自社ECが抱える「外部ベンダーの開発スピードの遅さ」と「多機能なSaaSを使いこなす難しさ」という構造的なジレンマそのものです。InsightXはそこに対し、現場で得た解像度の高い課題を起点に、本番データを使った動く価値を短いサイクルで実装し、プロダクトとして磨き込みながら前に進める開発スタイルを取っています。
歓迎スキル
・協調フィルタリング、Two-Tower、Retrieval / Ranker、画像類似検索などの設計・運用経験
・EC領域における検索、並び替え、パーソナライズ施策の実務経験
・顧客行動ログ、商品マスタ、画像・テキスト特徴量を用いたモデル改善経験
・Offline評価指標設計、およびオンラインA/Bテストの設計・分析経験
・BigQuery、dbtなどを用いたデータ基盤活用経験
・PyTorch、Hugging Face、Vertex AI、BQML等の利用経験
・pgvector / Bigtable / Cloud SQL 等を用いたサービング・近傍検索基盤の設計経験
・MLOps、artifact管理、推論基盤、モデル監視、データ品質管理の経験
・フロントエンドやバックエンドを含む本番実装経験
・生成AI（Cursor, Claude, GPT等）を活用した開発経験
求める人物像
■「精度」の追求を超え、「事業と顧客の成果」に執着できる方
モデルの美しさを目的化せず、「この1行の実装が顧客体験をどう変え、事業をどう伸ばすか」を問い続けられる方
■仮説検証のサイクルを爆速で自走できる方
データから筋の良い仮説を導き出し、試行・検証・改善のループを圧倒的なスピード感で自律的に回せる方
■Notebookを飛び出し、本番プロダクトの実装までやり切れる方
ローカル環境での検証（PoC）で満足せず、本番環境でユーザーに価値を届けるところまで責任を持てる方
■「フルスタックな視点」で領域横断のバリューを出せる方
アルゴリズム開発に閉じこもらず、データ整備からサービング、事業KPIの接続まで一気通貫でコミットできる方
■生成AIを相棒にし、自身の生産性を複利で高められる方
最新のAIツールを貪欲に使い倒し、開発のスピードと品質を次元上昇させたい方
■異能のメンバーと、リスペクトを持って共創できる方
職種の壁を超え、異なる専門性を持つプロフェッショナルたちと敬意を持って1つのゴールへ突き進める方
応募概要
給与
1,000〜1,500万円
※ みなし残業代45時間含む
※ 全員に対しての定期的なSO付与 + 成果に応じたSO付与制度あり
勤務地
東京都港区港南2-15-1 品川インターシティA棟22階 SPROUND内
雇用形態
正社員
勤務体系
勤務時間：10:00〜19:00（休憩1時間、実働8時間）/ フレックスタイム制
休日・休暇: 土日祝、そのほか会社が指定する休日
試用期間
あり（3ヶ月）
福利厚生
- 社会保険完備
- 生成AIの個人課金を支援
- 個人の学びへの支援（本の購入・セミナー参加など）
- リモートワーク併用可能
- 快適なコワーキングスペース（ウォーターサーバー、コーヒーメーカー、リラクゼーションスペース）
- 技術トレンド・業界動向のキャッチアップ支援
- 社内での最新の取り組み・事例のKT会（Knowledge Transfer）の開催