事業内容

当社は「『はたらく』を通じて人生の可能性を広げるインフラをつくる」をミッションに掲げ、深刻化する人手不足という経営課題を解決しながら、一人ひとりが好きな時に働き、人生の可能性を広げられる世界を目指し、スキマバイトアプリ「タイミー」を中心に事業を展開してきました。そして2018年のサービス開始から、タイミーは以下の規模まで成長しました。
・ワーカー数：1,470万人
・事業者数：250,000社
・事業所数：488,000拠点
※2026年7月末時点

そんな当社はいま、"第二創業期"を迎えています。既存のスポットワーク領域では、業界ごとに深く入り込み、企業にとっても働き手にとっても なくてはならないインフラ としてサービスを広げています。さらに2030年に向けて掲げる 「VISION2030 ― 積み重ねた『信頼』が報われる社会をつくる」 のもと、「信頼」を可視化・循環させる、社会の新たなインフラの構築を進めています。スキマバイトを通じて蓄積してきた、働き手の勤務実績や評価といった他にはない独自の 「信頼データ」 を軸に、長期採用サポートサービスやタイミーキャリアプラス（正社員人材紹介）、Fintechをはじめとする新規事業を多数立ち上げています。

会社説明動画
https://corp.timee.co.jp/vision-2030/(https://corp.timee.co.jp/vision-2030/)

採用特設LP
https://corp.timee.co.jp/special-recruit/(https://corp.timee.co.jp/special-recruit/)

募集背景

当社は「『はたらく』を通じて人生の可能性を広げるインフラをつくる」というミッションのもと、スポットワーク市場のリーディングカンパニーとして急速な事業成長を遂げています。この成長を支え、さらに加速させるためには、AI/MLの力でプロダクトの価値を直接高める「プロダクトAI/MLエンジニア」の存在が不可欠です。

現在、データサイエンスグループでは、ワーカーと事業者の最適なマッチング体験の実現から、プラットフォームの信頼性・安全性の向上まで、多岐にわたる領域でAI/MLを活用した課題解決に取り組んでいます。これらの取り組みでは、LLM等の基盤モデルを活用した高度な解釈・制御を行う「AIエンジニアリング」と、従来の機械学習を用いた高精度なパターン認識・最適化による「MLエンジニアリング」の両輪が求められます。

その中でもシニアポジションでは、既存のML/LLM基盤を前提に、マッチング機能やTrust & Safety機能の価値実装を前進させるだけでなく、技術方針の設計、優先順位付け、評価設計、運用設計、関係者の巻き込みまで含めてリードできる方を求めています。事業課題と技術課題の双方を構造化しながら、プロダクトAI/MLの実装を一段上の水準へ引き上げられる「シニアプロダクトAI/MLエンジニア」を募集しています。

業務内容

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。

本ポジションの主戦場は、マッチング領域およびTrust & Safety（信頼性・安全性）領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。

課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。

シニアポジションでは、加えて技術方針の策定、重要テーマの優先順位付け、四半期単位の重要テーマのリード、複数職種をまたいだ推進まで担っていただくことを期待しています。

1.マッチング体験の向上

• マッチング機能の技術リード ： ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて設計・実装し、安定運用と継続的な改善をリードする
• マッチングに必要なデータ・特徴量・Feature Store改善の設計と推進 ： マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら、改善方針の設計から実装・運用までを推進する
• ML基盤近接領域の機能実装・改善 ： Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用に加え、Recommend API周辺を含む基盤近接領域のプロダクト実装・安定運用をリードする
• LLMを活用した自律的な改善ループの設計・推進 ： LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを設計・推進する

2. プラットフォームの信頼性・安全性向上

• AI機能の安全性設計・実装のリード ： LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能の設計・実装・改善をリードする
• 運用を踏まえたリスク制御の設計 ： AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する
• リスク予測・異常検知モデルの開発リード ： 構造化データから、プラットフォームの信頼性を損なうパターンを特定する分類・回帰・異常検知モデルの設計、実装、評価、運用をリードする
• データセット設計・品質改善の主導 ： 多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成を通じて、評価・学習データセットの品質改善を主導する

3. 共通基盤を活用した実装・改善

• LLMOps/評価基盤の活用と改善提案のリード ： 実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善を主導する
• 品質・コスト・レイテンシーの継続的な可視化と最適化 ： モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す
• 重要テーマの推進 ： マッチングまたはTrust & Safety領域における重要テーマについて、技術方針の設計、関係者との合意形成、実行計画の具体化、推進管理まで担う

入社後の期待イメージ

• 入社後3ヶ月 ：担当テーマの1つで、モデル・AI機能・業務ロジック・評価設計の改善を本番に反映し、周辺の関係者を巻き込みながら改善サイクルをリードし始めている状態
• 入社後6ヶ月 ：マッチングまたはTrust & Safety領域における重要テーマの1つを自走して前進させ、課題設定、技術方針、評価設計、実装、運用までを一貫して推進しながら、周辺関係者の意思決定にも影響を与え始めている状態
• 入社後12ヶ月 ：マッチングまたはTrust & Safety領域において、複数の重要テーマを横断的にリードし、技術方針・評価設計・運用設計の基準を形にしながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアの意思決定と実行を前進させ、領域全体の改善速度と意思決定の質向上に明確に貢献している状態

技術スタック(主要な部分の抜粋)

• クラウド
  • Google Cloud
• 開発言語
  • Python
• データ基盤
  • BigQuery / Fivetran / dbt Cloud
• ML / LLM基盤
  • Vertex AI / MLflow / LiteLLM / Datadog LLM Observability
• BIツール
  • Looker / Looker Studio
• IaC
  • Terraform
• 開発環境・ツール
  • Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc

扱っているデータ

以下のようなデータを扱っています

• アプリユーザーのアクセスログ、募集内容に関する情報
• マッチングに関する情報
• レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ
• 問い合わせに関するデータ
• 営業活動情報のデータ

本ポジションの魅力

• スポットワークという、高頻度・高変動・短寿命な需給データを扱う二面市場で、AI/MLを直接プロダクト価値につなげることができます。
• 単純なモデル精度改善だけでなく、マッチングロジック・安全性・ユーザー体験・現場運用の成立を同時に考える、難易度の高い課題に取り組めます。
• マッチングとTrust & Safetyの両領域を横断し、従来の機械学習とLLMの双方を実プロダクトで活用する経験を積むことができます。
• モデルやAI機能を作って終わりではなく、評価・監視・継続改善まで含めた運用に責任を持てます。
  データサイエンティストやMLOpsエンジニアと連携しながら、プロダクトへの価値実装に集中できます。
• 既存の仕組みを運用するだけでなく、課題設定、評価設計、改善方針の検討まで含めて主体的に関わることができます。
• シニアポジションとして、重要テーマの優先順位付けや技術方針の設計、複数職種をまたいだ推進まで担うことができます。
• グループのミッション実現に向けて、最適なアルゴリズム、モデル、コード、ツールについてチームで議論・提案しながら前に進める文化があります。

インタビュー記事

(https://productpr.timee.co.jp/n/nbb4697d46c9c?magazine_key=m7cddc85ce764)

(https://productpr.timee.co.jp/n/n640fa2169211?magazine_key=m76879b08ba60)

(https://productpr.timee.co.jp/n/nf9971361770e)

採用要件

MUST

必須経験・スキル

• 複雑な課題に対する技術リード経験 ：データ分析・機械学習を用いた複雑なビジネス課題に対し、技術選定から実装・本番運用までをリードした実務経験（5年以上）
• 開発・分析基盤の習熟 ：SQLおよびPython等を用いた大規模データ処理、クラウド（Google Cloud/AWS等）環境での開発・運用、およびGitを用いたチーム開発の実務経験
• 機械学習・統計学の知識 ：確率論、学習手法、評価指標、および非構造化データの処理に関する理解
• モデルやAI機能の実装・運用経験 ：MLパイプラインやCI/CD等の基盤を活用し、モデルやAI機能をプロダクトに実装・運用した経験
• ML/LLM基盤近接領域での設計・改善経験 ：Feature Store、評価基盤、推論基盤近接領域、モデル運用基盤、API周辺などにおいて、技術方針の設計や改善を主導した経験
• エンドツーエンドの運用設計能力 ：ビジネスや現場のオペレーション要件から逆算し、モデルの推論だけでなく、異常時の対応フローや監視体制、現場運用への定着・適用プロセスを含めた実用的な運用設計を行った経験
• 四半期単位の技術テーマ推進経験 ：複数のステークホルダーを巻き込みながら、重要テーマを定義・推進した経験

ドメイン経験（いずれか1つ以上）

• マッチング・検索・ランキング機能の実装・改善をリードした経験 ： マッチング機能や検索・ランキング機能の実装、評価、改善において、技術方針や優先順位付けまで含めてリードした実務経験
• Trust & Safety / リスク制御領域の実装・改善をリードした経験 ： 安全性や信頼性に関わるAI/ML機能、業務ルール、人による確認フローを含む仕組みの設計・運用をリードした経験
• リスク予測・異常検知モデルの開発経験 ： 構造化データを活用した分類・回帰・異常検知モデルの設計、実装、運用経験
• 基盤モデルを用いたAIアプリケーション開発経験 ： コンテキストエンジニアリングや評価パイプライン構築、RAGなどの基盤モデルを用いたアプリケーション開発の実務経験 **

求めるスタンス

• 技術と事業の両方を見ながら前進できる方 ：AI/MLの能力と限界を踏まえ、技術的な論点を非エンジニアにもわかりやすく伝え、合意形成しながら前進できる方
• 不確実性の高い課題を構造化して進められる方 ：誤検知・見逃し、コスト、レイテンシー、品質などのトレードオフを整理し、優先順位を判断しながら前進できる方
• 複数の関係者と協業しながらやり切れる方 ：複数チーム・領域にまたがるプロジェクトにおいて、周囲の専門性を巻き込みながら、実装から運用まで推進できる方
• 重要テーマを自律的にリードできる方 ：与えられた課題をこなすだけでなく、論点設定、技術方針の設計、実行計画の具体化まで自律的に推進できる方

WANT

• マッチングシステム・マーケットデザインの知見 ：Two-Sided Marketにおけるマッチング最適化、推薦・ランキング設計、運用経験
• データセットエンジニアリングの実務経験 ：大規模なデータの収集、クリーニング、重複排除、およびアノテーションプロセスの設計・管理経験
• AIを活用したデータ生成・評価経験 ：AIを用いた合成データ生成や、AI as a Judgeによる自動データ検証システムの構築経験
• MLパイプライン・Feature Store・推論基盤近接領域でのプロダクト実装経験 ：Vertex AI Pipelines等のMLパイプラインやFeature Store、推論基盤近接領域を活用し、プロダクトへのモデル実装・安定運用を行った経験

求める人物像

• 当社のミッション、社会貢献性の高い事業に共感していただける方
• 当社のバリューにフィットする方
• 業界・顧客理解のためにインプットを怠らない方
• 課題解決に向け、自ら考え、手を動かすこともできる方
• 周囲と円滑なコミュニケーションを取り、大胆に巻き込みながら仕事を進められる方
• ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方

【職種 / 募集ポジション】
シニアプロダクトAI/MLエンジニア
【雇用形態】
正社員
【給与】
年収 11,000,000円 〜 19,000,000円
※上記年収には賞与（年2回）が含まれます ※個人の能力発揮によって賞与の金額は変動します。 ※前職年収考慮いたします ※年2回の人事考課にて給与改定があります
【勤務地】
105-7135 東京都港区東新橋1-5-2 汐留シティセンター35階
株式会社タイミー　東京本社 ※フルリモート勤務可
【社内制度】
＜従業員持株会＞ 従業員が自社株を購入できる制度（※持株会への加入が必要） ＜ダブルタイミーデイ＞ 社員がタイミーアプリを利用して働いた場合、報酬額を上乗せ（上限有り） ＜書籍購入＞ 業界知識を深めるに必要な書籍を会社が購入 ＜セミナー費用補助＞ 業務に必要なセミナー参加費を補助 ＜部活動＞ 趣味などを通じて交流できるよう、活動に応じて費用を補助 ＜チームビルディング＞ チームのコミュニケーションの活性化に向け、一定の予算を好きに利用できる ＜結婚祝い金＞ 結婚した従業員に祝い金を支給
【働き方】
フルリモート勤務可
【選考フロー】
カジュアル面談 ↓ 書類選考 ↓ 一次面接(現場メンバー) ↓ 二次面接(GM・部長面接) ↓ 最終面接(CTO面接) ※選考中にリファレンスチェック・適性検査をご依頼する場合がございます。
【参考リンク】
■Timeeプロダクト採用HP https://product-recruit.timee.co.jp/ ■Timee Tech Blog https://tech.timee.co.jp/

会社情報

【会社名】
株式会社タイミー
【代表者】
小川 嶺
【設立】
2017年8月
【従業員数】
1599名（うち正社員1288名）［2026年10月時点］
【本社所在地】
東京都港区東新橋1-5-2 汐留シティセンター35階
【北海道支社所在地】
北海道札幌市中央区北三条西4-1-4　D-LIFEPLACE札幌3階
【東北支社所在地】
宮城県仙台市宮城野区榴岡1丁目1−1 JRイーストゲートビル2F
【北信越支社所在地】
石川県金沢市広岡3-1-1　金沢パークビル 8階　リージャス金沢パークビルビジネスセンター
【東海支社所在地】
愛知県名古屋市中区丸の内1-9-16 丸の内Oneビルディング8階
【関西支社所在地】
大阪府大阪市北区曽根崎新地1-13-22 御堂筋フロントタワー1F
【中四国支社所在地】
広島県広島市中区紙屋町一丁目２番２７号 大同生命広島ビル 7階
【九州支社所在地】
福岡県福岡市中央区天神2-8-35　天神住友生命FJビジネスセンター 7階
【参考記事】
■Newspicks　代表インタビュー記事 https://youtu.be/4fL2hIYfxac?si=jlA4uvjD0hb_XiY5 https://youtu.be/sTCQT2MwD6M?si=F-Nj3O-AUSvxCZWQ ■タイミーは日本の「はたらく」をどう変えるのか AI時代に必要な「信頼」という財産（日経ビジネス電子版 Special） https://special.nikkeibp.co.jp/atclh/ONB/26/timee0220/ ■日本の働き方を変えたタイミーは、次に何を変えるのか｜小川嶺代表が語る"第2章"（日興フロッギー） https://note.com/froggy_smbcnikko/n/nf459bac56bbe ■スポットワーク研究所｜社会課題に真正面から向き合うタイミーの調査・事例メディア https://spotwork.timee.co.jp/
【健全で公正な採用・選考活動に関する取り組みについて】
【安心して選考にご参加いただくために】 株式会社タイミーは、求職者等の皆様が安心して就職活動・採用選考に臨めるよう、「求職者等対応ルール」を定め、社内に周知して遵守しています。 取り組みの詳細はこちらをご確認ください。 ［健全で公正な採用・選考活動に関する取り組み］ https://corp.timee.co.jp/recruit/fair-recruitment