サイトリライアビリティエンジニア（シニア）

この求人について

Siriのモデルや製品評価を支えるEvaluation Reliability Engineeringチームで、本番基盤の信頼性を担うシニア向けの実務ポジションです。評価インフラ全体のオーケストレーション、キャパシティ、サービス健全性を管理し、グローバルなfollow-the-sun方式のオンコールローテーションに参加します。障害の宣言から収束後の振り返りまで、複数チームにまたがるインシデント調査を主導します。複雑な障害区分に対応するランブックを作成し、チーム内の品質基準を整備します。デバイスのオーケストレーションおよびプロビジョニング層について、クォータ管理、リトライ動作、障害モードを理解し、上流に起因する問題を自律的に診断します。可観測性が不足するインフラコンポーネントには計測を追加し、障害を早期検知できる状態を構築します。インシデント対応と並行して、自動化や再発障害の原因除去にも取り組みます。SLOの定義やバーンレートアラートにも関わり、信頼性目標を測定可能な運用へ落とし込みます。技術ロードマップへの影響力を発揮し、ジュニアSREを支援しながら、リーダーシップや他チームのレビューでインフラ信頼性の状況を説明します。サイトリライアビリティ、インフラ、またはプラットフォームエンジニアリングで、本番システムのオンコールを直接担当した5年以上の経験が必要です。Kubernetesまたは同等技術による大規模なオーケストレーション、クラスター健全性、リソース管理、スケジューリング、障害診断の実務経験を求めます。デバイスまたはVMのプロビジョニングパイプラインを担当・運用した経験、分散システム信頼性、デバイス管理基盤、評価基盤、MLプラットフォーム運用のいずれかに関する専門性が必要です。稼働率、MTTR、障害頻度など測定可能な指標を改善した実績、インシデント指揮の経験、チーム横断で信頼性 practices を広げた経験が求められます。Claude Code、Cursor、Copilotなどのagentic coding toolsも活用します。勤務地は東京都港区、週所定労働時間は37.5時間です。