仕事概要
Frictio は「営業活動の摩擦をゼロにする」をミッションに掲げる AI-Native CRM を開発しています。議事録の自動要約、メールからの CRM 入力生成、フォローアップ提案など、AI の出力が直接ビジネスの信頼に関わるプロダクトです。
AI が速く大量に生成するほど「人間が監督しきれない」リスクが増大します。AI の出力品質を体系的に管理し、Human-in-the-Loop を「安全弁」としてだけでなく「気持ちよい UX」として設計する、プロダクト価値の核心を担うエンジニアを募集しています。
「どこまで AI に任せ、どこから人間が介入すべきか」の基準を継続的に見直し、プロダクト全体の品質と効率のバランスを最適化し続ける役割です。場合に応じてプロダクト開発部隊と共創しながら AI 機能をデリバリーすることにも関わっていただきます。
【AI 自律稼働環境の整備（全エンジニア共通）】
AI エージェントが自律的に高品質な成果を出し続けるための環境を整備します。AI 自律稼働環境の整備は専門領域にかかわらず、全エンジニアポジション共通の責務です。
・AI エージェントの出力品質を構造的に担保する仕組みの設計・構築（プロンプト・ルール・ガイドライン・自動チェック等）
・変更リスクの自動評価とガードレール設計により、人間の介入を最小化するレビューワークフローの構築
・AI エージェントが自律的にテスト・検証できる QA 環境の整備
・セキュリティ・コンプライアンス・ポリシー準拠の自動検証
・施策の妨げとなる技術負債の把握・可視化
【AI 品質・監督設計（AI エンジニア固有）】
・LLM（Claude, GPT 等）を活用した議事録要約・メール解析・CRM 入力生成パイプラインの品質設計
・AI 出力の品質指標の定義と計測基盤の構築（採用率・修正率・介入理由の分析）
・確信度スコア・根拠表示・差分レビューなど、Human-in-the-Loop UX の技術設計
・プロンプトエンジニアリング、RAG（Retrieval-Augmented Generation）、ファイン・チューニングの最適化
・AI 出力に起因するリスク（誤入力・誤送信・コンプライアンス違反）の検知・防止の自動化
・AI 推論コストの最適化と、品質・コスト・レイテンシのトレードオフ管理
・新しい AI モデル・技術（マルチモーダル、エージェント連携等）の調査・評価と、プロダクトへの適用可能性の検証（PoC）
・将来施策に向けた技術的な実験・プロトタイピングの推進
・AI パイプライン共通基盤（モデル管理・評価フレームワーク・推論基盤）の設計・整備
AI が速く大量に生成するほど「人間が監督しきれない」リスクが増大します。AI の出力品質を体系的に管理し、Human-in-the-Loop を「安全弁」としてだけでなく「気持ちよい UX」として設計する、プロダクト価値の核心を担うエンジニアを募集しています。
「どこまで AI に任せ、どこから人間が介入すべきか」の基準を継続的に見直し、プロダクト全体の品質と効率のバランスを最適化し続ける役割です。場合に応じてプロダクト開発部隊と共創しながら AI 機能をデリバリーすることにも関わっていただきます。
【AI 自律稼働環境の整備（全エンジニア共通）】
AI エージェントが自律的に高品質な成果を出し続けるための環境を整備します。AI 自律稼働環境の整備は専門領域にかかわらず、全エンジニアポジション共通の責務です。
・AI エージェントの出力品質を構造的に担保する仕組みの設計・構築（プロンプト・ルール・ガイドライン・自動チェック等）
・変更リスクの自動評価とガードレール設計により、人間の介入を最小化するレビューワークフローの構築
・AI エージェントが自律的にテスト・検証できる QA 環境の整備
・セキュリティ・コンプライアンス・ポリシー準拠の自動検証
・施策の妨げとなる技術負債の把握・可視化
【AI 品質・監督設計（AI エンジニア固有）】
・LLM（Claude, GPT 等）を活用した議事録要約・メール解析・CRM 入力生成パイプラインの品質設計
・AI 出力の品質指標の定義と計測基盤の構築（採用率・修正率・介入理由の分析）
・確信度スコア・根拠表示・差分レビューなど、Human-in-the-Loop UX の技術設計
・プロンプトエンジニアリング、RAG（Retrieval-Augmented Generation）、ファイン・チューニングの最適化
・AI 出力に起因するリスク（誤入力・誤送信・コンプライアンス違反）の検知・防止の自動化
・AI 推論コストの最適化と、品質・コスト・レイテンシのトレードオフ管理
・新しい AI モデル・技術（マルチモーダル、エージェント連携等）の調査・評価と、プロダクトへの適用可能性の検証（PoC）
・将来施策に向けた技術的な実験・プロトタイピングの推進
・AI パイプライン共通基盤（モデル管理・評価フレームワーク・推論基盤）の設計・整備