音声領域テックリードエンジニア

株式会社ジーニーのグループで展開するJAPAN AI SPEECHの技術面を主導するポジションです。このプロダクトは、会議や商談の音声をリアルタイムで文字に変換し、話者を分離したうえで、決定事項やToDoを構造化します。顧客ごとの専門用語、60言語を超える翻訳、日本リージョン内での処理といった条件を踏まえ、認識精度、レイテンシ、GPU推論コストのバランスを設計段階から判断します。

ストリーミング音声の取り込みから、音声認識、話者分離、要約までの処理基盤について、アーキテクチャと技術戦略を策定します。技術選定、技術的負債の返済計画、可用性・スケーラビリティ・コストを考慮した構成設計も担当します。会議横断分析、LLMによる要約や論点抽出、Zoom・Teams・Meetからの音声取り込み、Salesforce・Slackとの連携など、PdMと要件を整理しながら機能設計と実装をリードします。ISMSやPマークへの対応、データ暗号化、日本リージョン処理などのエンタープライズ要件も設計に反映します。

設計レビューとコードレビューを通じて品質を高め、メンバーのメンタリング、開発プロセスの整備、技術面接への参加も行います。Speechチームは5名で、PdM、GPU・Kubernetes基盤を担当するAI Platformチーム、Product Engineerと連携します。エンジニア組織は約60名です。

応募には、コンピュータサイエンス、ソフトウェア工学、人工知能、機械学習、数学、物理または関連分野の学士号、あるいは同等の実務経験が求められます。ソフトウェアエンジニアとして5年以上、Tech Leadまたはアーキテクトとして3年以上の実務経験が必要です。後者には、技術選定や設計上の意思決定、メンバーへの技術指導が含まれます。高可用性・拡張性・コストを考慮した大規模バックエンドシステムの設計・運用経験、GCP・AWS・Azureのいずれかのクラウド経験、DockerまたはKubernetesの実務経験も必要です。さらに、WebSocket・gRPC・Kafka・Pub/Subなどを用いたリアルタイム処理、または機械学習モデルの推論基盤を本番環境で設計・運用した経験のいずれかが求められます。スタートアップや成長フェーズ企業、または同等の環境での経験も対象です。

音声認識、話者分離、音声信号処理、GPU推論の運用・最適化、Triton・TorchServe・ONNX Runtime、バッチング、量子化、LLM搭載プロダクト、MLOps、大規模データ基盤、セキュリティ要件下のシステム、電話・CTI連携、0→1の新規プロダクト立ち上げ経験は歓迎されます。TypeScriptとReactによるフルスタック開発経験、日英バイリンガルも歓迎条件です。

開発環境は、バックエンドがPython、フロントエンドがTypeScript・React・Next.js・NXです。AI・LLM領域ではLangChain、LangGraph、JAPAN AI STUDIO SDKを使用し、インフラにはGCP、コンテナ、Kubernetes、Dockerを用います。データ基盤にはBigQueryとPostgreSQLが含まれます。Slack、Confluence、Linear、Google Workspace、GitHub、Notion AI、Claude Code MAX Plan、Cursor、ChatGPT、Devinなども利用します。作業端末はApple Silicon搭載Macで、デュアルモニターに対応しています。

選考は書類選考、コーディングテスト、4～5回の面接、最終面接までのリファレンスチェック、内定の順です。

語学は、日本語で面接・業務を行えるビジネス日本語、または流暢な英語のいずれかが必要です。