匠技研工業株式会社

■ 既存モデルを当てるだけでは解けない、製造現場の課題へ
図面の形状から加工の特徴を読み取る。
ベテランが無意識に行っている判断を捉える。
紙や非構造化データに埋もれた情報を、業務で使える形に変える。
匠技研工業では、こうした製造業特有の課題に、機械学習・画像処理・LLMなどを組み合わせて取り組んでいます。
私たちは、製造業向けVertical AI SaaS「匠フォース」を開発する東大発スタートアップです。
町工場の見積業務を起点に、図面・加工方法・工数・原価などの情報をつなぎ、熟練者の「経験と勘」を次世代へ引き継げる世界を目指しています。
求めているのは、研究や精度検証だけで完結せず、「誰のどんな業務を変えるのか」から考え、実際のプロダクトへ届ける機械学習エンジニアです。

■ 事業の成長と、今参画する面白さ
ARRは前年比240%、導入社数は2倍に拡大し、チャーンレートは0.16%。製造現場で継続的に利用されるプロダクトとして成長しています。累計10億円の資金調達を背景に、採用とプロダクト開発への投資を継続しています。
顧客に使われている既存プロダクトをさらに成長させながら、蓄積したデータとAIを活用した新たな価値づくりにも取り組むフェーズです。現場の課題を解く手触り感に加え、事業・プロダクトの拡大を自らの仕事で支えられる面白さがあります。

■ お任せすること
AIチームのメンバーとしてCTOやプロダクト開発チームと連携し、課題整理、モデルの構築・精度改善、アプリケーションへの組み込み、運用まで関わっていただきます。
・顧客の業務や判断プロセスを理解し、AIで解く課題と評価の観点を整理
・図面などの画像データを対象とした、機械学習モデルの構築・精度改善
・製造業特有の特徴量抽出や、LLMなどを活用した非構造化データの処理・構造化
・Python／FastAPI、TypeScript／Node.jsを用いたAI機能のアプリケーション開発
・AWS CDKなどを活用した、機械学習・AI開発のためのインフラ構築
・継続的な精度向上を支えるMLOpsの仕組みづくり
・プロダクトへ組み込んだ後の検証、改善、運用

■ 技術的な挑戦と、その先にある顧客価値
・図面特有の情報を、業務で使えるデータへ
既存モデルをそのまま適用するだけでは捉えきれない特徴を扱い、現場が確認・判断するための情報へ変換します。
画像処理や特徴量抽出の工夫が、製造業務の支援につながります。

・ベテランの判断を、再利用できる知見へ
見積もりで何を見て、どの条件を考慮しているのかを顧客と理解し、データとして構造化する方法を考えます。
個人に閉じていたノウハウを、次の担当者も活かせる仕組みを目指します。

・LLMと既存技術を組み合わせ、課題に合う解決策を選ぶ
AIを使うこと自体を目的にせず、画像処理や従来の手法も含め、業務課題に対して有効な方法を検討します。
新しい技術の採用にも、顧客価値から逆算した判断が求められます。

・PoCから、日常業務で使われるプロダクトへ
精度検証に加え、API・インフラ・運用・継続的な改善までつなげます。
AI機能をリリースして終わりではなく、現場で役立っているかを確かめながら育てていきます。

■ 顧客理解とAI開発が切り離されない環境
エンジニア自身が顧客の工場へ足を運び、紙の図面や資料をどのように扱い、どの場面で判断しているのかを理解する文化があります。
顧客の要望をそのままAIに置き換えるのではなく、背景にある課題を捉え、何を自動化し、何を支援するべきかから考えます。
CTO・PdM・Sales・CSなど、職種を越えて顧客について議論できる環境で、技術的な深掘りとプロダクトへの実装を進めます。
AIをPoCで終わらせず、町工場の仕事やノウハウの継承に役立つ形で届けたい。
そんな思いを持つ方と、製造業ならではの難しい課題に挑戦したいと考えています。

【業務内容の変更範囲】会社の定める業務

機械学習エンジニア

Python

TypeScript

Node.js

FastAPI

AWS CDK

PostgreSQL

OpenSearch

DynamoDB

Serverless Framework

Docker

OpenAI

Notion

Slack

GitHub Actions

【LLM×画像解析×数理最適化】MLOpsからAIインフラまで一気通貫で構築する機械学習エンジニア

■ 複雑な現場の判断を、保守・拡張できる仕組みに変える
顧客ごとに異なる業務をどうモデル化するか。
個別の要望に応えながら、プロダクトとして共通化できる境界をどこに置くか。
匠技研工業のバックエンド開発では、こうした正解のない設計課題に、顧客理解から向き合います。
私たちは、製造業向けVertical AI SaaS「匠フォース」を開発する東大発スタートアップです。
町工場の見積業務を起点に、図面・加工方法・工数・原価などの情報をつなぎ、熟練者の「経験と勘」を次世代に引き継げるプロダクトを目指しています。
見積もりの判断は、工場の設備、加工工程、得意な製品などによって異なります。
その複雑さを単に個別実装で吸収するのではなく、継続的に改善できるデータモデルと業務ロジックへ落とし込むことが、このポジションの役割です。

■ 事業の成長と、今参画する面白さ
ARRは前年比240%、導入社数は2倍に拡大し、チャーンレートは0.16%。製造現場で継続的に利用されるプロダクトとして成長しています。累計10億円の資金調達を背景に、採用とプロダクト開発への投資を継続しています。
顧客に使われている既存プロダクトをさらに成長させながら、蓄積したデータとAIを活用した新たな価値づくりにも取り組むフェーズです。現場の課題を解く手触り感に加え、事業・プロダクトの拡大を自らの仕事で支えられる面白さがあります。

■ お任せすること
TypeScript／Node.jsを中心に、顧客課題を解決するバックエンドの設計・開発・運用を担当していただきます。
CTOやチームと要件・設計を検討しながら、担当する機能の実装からリリース後の改善まで主体的に取り組みます。
・顧客へのヒアリングや現場理解を踏まえた要件定義、ドメインモデリング
・見積業務や製造工程に関わる業務ロジック、API、データベースの設計・実装
・顧客ごとの業務の違いに対応する、保守性・拡張性を意識した設計
・データモデリング、検索・処理性能、スケーラビリティの改善
・AWSを活用した基盤の開発・運用、信頼性やセキュリティの向上
・コードレビュー、テスト、リリース後の検証・改善
・既存プロダクトの成長や新規プロダクトに向けた技術選定、アーキテクチャの検討

担当範囲は経験・得意領域に応じて相談します。
決まった仕様を実装するだけでなく、顧客課題を踏まえた設計や改善案の提案にも関われます。
プロダクト全体の設計方針や技術選定はCTOやチームと議論し、担当機能の開発を通じて技術的な挑戦の幅を広げていけるポジションです。

■ 技術的な挑戦と、その先にある顧客価値
・個別性と汎用性を両立するドメイン設計
顧客ごとの見積ロジックを整理し、新しい工場や業務にも適応できる仕組みをつくります。
個別対応の積み重ねではなく、継続的に価値を広げられるSaaSを目指します。

・製造データを、検索・活用できる基盤へ
図面、見積金額、工程、実績、原価などの情報をつなぎ、過去の知見を次の判断に活かせる状態にします。
データ構造と処理性能の改善が、現場の業務効率につながります。

・AIが実業務で使われるための土台づくり
紙の図面や非構造化データを含む情報を、AI機能で活用できるよう整理・連携します。
モデルの研究そのものではなく、AIを日常業務へ届けるアプリケーションとデータ基盤を担います。

・プロダクトの拡大を支える設計改善
モジュラモノリスなどへの移行を含むチームの設計改善に、担当機能の設計・実装を通じて関わります。
CTOやチームと設計意図を共有し、開発速度と保守性を両立する方法を考え、改善を積み重ねます。

■ 仕様の背景まで理解できる開発環境
エンジニア自身が工場を訪問し、紙の図面、資料の照合、Excelへの入力といった実際の業務を確認します。
顧客の要望をそのまま実装するのではなく、「誰が、どの場面で、なぜ困っているのか」を整理し、CTO・PdM・Sales・CSと解決策を考えます。
設計して終わり、リリースして終わりではありません。
顧客の反応を直接受け取り、日々の業務で使われる仕組みへ改善していく。
技術の深さと顧客への手触り感を、両方求める方に向いているポジションです。

【業務内容の変更範囲】会社の定める業務

バックエンドエンジニア

GraphQL

Next.js

AppSync

Cognito

Redis

Sentry

Figma

GitHub

Playwright

Lambda

【CTOとともにプロダクトの1→10へ】技術選定・アーキテクチャ設計から携わるバックエンドエンジニア

■ 工場の実際の動きから、使いやすさを設計する
画面上では正しく動いていても、工場の仕事に合っていなければ使い続けてもらえません。
匠技研工業のフロントエンド開発は、顧客が何を見て、何と照合し、どの順番で判断しているのかを理解するところから始まります。
私たちは、製造業向けVertical AI SaaS「匠フォース」を開発する東大発スタートアップです。
町工場の見積業務を起点に、図面・加工方法・工数・原価などの情報をつなぎ、熟練者の「経験と勘」を次世代へ引き継げるプロダクトを目指しています。
このポジションでは、React／Next.js／TypeScriptを用い、複雑な製造業務や図面・製造データを、現場の人が迷わず扱えるUIへ落とし込んでいただきます。

■ 事業の成長と、今参画する面白さ
ARRは前年比240%、導入社数は2倍に拡大し、チャーンレートは0.16%。製造現場で継続的に利用されるプロダクトとして成長しています。累計10億円の資金調達を背景に、採用とプロダクト開発への投資を継続しています。
顧客に使われている既存プロダクトをさらに成長させながら、蓄積したデータとAIを活用した新たな価値づくりにも取り組むフェーズです。現場の課題を解く手触り感に加え、事業・プロダクトの拡大を自らの仕事で支えられる面白さがあります。

■ お任せすること
PdM・デザイナー・バックエンドエンジニアやSales・CSと連携し、課題発見からUI設計、実装、リリース後の改善まで担当していただきます。
CTOやチームと設計を検討しながら、担当する画面・機能の開発と使いやすさの改善に主体的に取り組みます。
・顧客へのヒアリングや工場訪問を通じた、操作・判断・業務フローの理解
・AIを活用したモックによる仮説検証、画面構成や操作フローの検討
・React／Next.js／TypeScriptを用いた画面・機能の設計、実装
・図面や製造データを扱う画面の表示・操作パフォーマンスの改善
・複雑化するアプリケーションのコンポーネント設計、状態管理などの設計改善
・API連携、テスト、コードレビューによる品質の向上
・利用状況や顧客フィードバックを踏まえた継続的なUI／UX改善
担当範囲は経験・得意領域に応じて相談します。
デザインをそのまま実装するだけでなく、顧客の操作や判断を踏まえたUIの提案、コンポーネント設計やパフォーマンスの改善にも関われます。
アプリケーション全体の設計方針はCTOやチームと議論し、担当機能の開発を通じて専門性を深めていけるポジションです。

■ 技術的な挑戦と、その先にある顧客価値
・現場の判断を妨げない情報設計
図面、過去の見積、加工工程など、判断に必要な情報をどう配置し、どう行き来できるようにするかを考えます。
単に入力項目を画面に並べるのではなく、確認・比較・入力が自然につながる体験を目指します。

・図面や大量の情報を、スムーズに扱える画面へ
表示や操作のパフォーマンスを改善し、情報量が増えても日々の業務を滞らせないフロントエンドをつくります。
技術的な改善の成果を、現場の使いやすさとして確かめられます。

・顧客ごとに違う業務と、共通のUI基盤の両立

工場ごとに異なるプロセスへ対応しながら、機能追加や改善を続けやすいアプリケーション設計に取り組みます。
個別の使いやすさと、プロダクト全体の一貫性を両立する挑戦です。

・AIの価値を、現場で使える体験へ
AIを組み込むこと自体を目的にせず、現場の人が業務の中で活用できる操作・情報提示を考えます。
モデルの研究ではなく、AIの価値を顧客へ届ける接点を担います。

■ デザインファイルだけでは分からない課題に向き合う
オンラインでは「図面を見てExcelに入力する」と説明される業務でも、工場では紙の図面にマーカーを引き、別の資料と照合してから入力していることがあります。
実装するエンジニア自身がその動きを見ることで、「入力画面を作る」以外の解決策も考えられます。
顧客の要望の背景まで理解し、仮説を試し、リリース後の反応から改善する。このサイクルを、顧客や他職種と近い距離で回していきます。
見た目の改善だけにとどまらず、現場の仕事そのものを使いやすくする。
UI／UXへの関心と、複雑なアプリケーションを設計する技術力を、両方活かせるポジションです。

【業務内容の変更範囲】会社の定める業務

フロントエンドエンジニア

【AI×製造業】図面や製造データをブラウザで滑らかに扱う｜現場UXとパフォーマンスを追求するフロントエンドエンジニア

■ 町工場の「経験と勘」を、次世代へつなぐプロダクトづくり
「仕様どおりに作る」だけでなく、誰のどんな課題を解くのかから考えたい。
顧客の反応を直接知り、改善まで自分の手で届けたい。
そんな方に、製造業向けプロダクト「匠フォース」の開発をお任せします。
匠技研工業は、製造業に特化したVertical AI SaaSを開発する東大発スタートアップです。
町工場の見積業務を起点に、図面・加工方法・工数・原価などの情報をつなぎ、ベテランのノウハウをデータとプロダクトで引き継げる世界を目指しています。
見積もりは、材料費を計算するだけの仕事ではありません。
図面の形状を読み取り、加工方法や組み立て工数を判断するなど、経営者や熟練者の「経験と勘」に支えられています。
その判断を構造化し、日々の業務で使える仕組みに変えることが、私たちの挑戦です。

■ 事業の成長と、今参画する面白さ
ARRは前年比240%、導入社数は2倍に拡大し、チャーンレートは0.16%。製造現場で継続的に利用されるプロダクトとして成長しています。累計10億円の資金調達を背景に、採用とプロダクト開発への投資を継続しています。
顧客に使われている既存プロダクトをさらに成長させながら、蓄積したデータとAIを活用した新たな価値づくりにも取り組むフェーズです。現場の課題を解く手触り感に加え、事業・プロダクトの拡大を自らの仕事で支えられる面白さがあります。

■ お任せすること
CTO・PdM・デザイナーやSales・CSと連携し、顧客理解から要件定義、設計、実装、リリース後の検証・改善まで一貫して関わっていただきます。
・顧客へのヒアリングや工場訪問を通じた課題発見、要件定義
・AIを活用したモックによる仮説検証、機能・操作フローの検討
・TypeScript／Next.js／Node.jsなどを用いたWebアプリケーションの設計・実装
・API・データベース・画面を横断した設計、技術選定
・コードレビュー、テスト、リリース後の利用状況やフィードバックを踏まえた改善
・既存プロダクトの成長に向けた設計改善、新規プロダクトの立ち上げ
フロントエンド／バックエンドの境界だけで担当を区切らず、得意領域や志向を起点に、顧客価値を届けるために必要な開発に取り組みます。

■ 技術的な挑戦と、その先にある顧客価値
・顧客ごとに異なる見積ロジックを、保守・拡張できる設計へ
 工場ごとに異なる工程や判断を整理し、個別性とSaaSとしての汎用性を両立します。

・紙の図面や暗黙知を、AIで活用できるデータへ
 現場で無意識に行われている判断を捉え、データの蓄積から活用までを支える機能を開発します。

・複数の業務をつなぐ、成長に耐えられるプロダクトへ
 モジュラモノリスなどへの移行を含む設計改善や、図面・見積・製造データを横断して扱う仕組みづくりに取り組みます。

■ エンジニア自身が工場へ行く理由
オンラインで「図面を確認し、Excelへ入力しています」と聞いても、実際には紙の図面にマーカーを引き、別の資料と照合してから入力していることがあります。
こうした工程や判断は、現場を見て初めて分かります。
だからこそ、実装するエンジニア自身が顧客の操作や判断を理解し、「なぜその要望が出たのか」から考えます。
訪問だけで終わらず、仮説をプロダクトに落とし込み、リリース後に本当に課題が解けたかまで確かめる開発スタイルです。
顧客の課題を起点に、何を・なぜ・どうつくるかから関われることが、このポジションの魅力です。
得意な技術領域を深めることも、フロントエンドからバックエンドまで横断して価値を届けることも、強みや志向に応じて挑戦できます。

【業務内容の変更範囲】会社の定める業務

フルスタックエンジニア

ElastiCache

【現場UX×製造業AI】モジュラモノリスへの移行や製造データ活用に挑むプロダクトエンジニア

■ 町工場の「経験と勘」を、次世代へつなぐ設計をリードする
匠技研工業は、製造業に特化したVertical AI SaaS「匠フォース」を開発する東大発スタートアップです。
町工場の見積業務を起点に、図面・加工方法・工数・原価などの情報をつなぎ、熟練者のノウハウをデータとプロダクトで引き継げる世界を目指しています。
見積もりは、材料費を計算するだけではありません。
図面の形状を読み取り、加工方法や組み立て工数を判断するなど、経営者やベテランの暗黙知に支えられています。
工場ごとに設備も工程も異なるため、その判断をシステムに落とし込むには、複雑な業務を理解し、共通化できる部分と個別性を残す部分を見極める設計が必要です。
このポジションでは、顧客価値から設計方針を考え、CTOや開発チームとともに技術的な意思決定と実装を進めていただきます。

■ 事業の成長と、今参画する面白さ
ARRは前年比240%、導入社数は2倍に拡大し、チャーンレートは0.16%。製造現場で継続的に利用されるプロダクトとして成長しています。累計10億円の資金調達を背景に、採用とプロダクト開発への投資を継続しています。
既存プロダクトの1→10と、新規プロダクトの立ち上げに取り組むフェーズです。目の前の顧客へ価値を届ける開発と、今後の成長に耐えられる技術基盤づくりの両方に関われます。

■ お任せすること
「匠フォース」の成長と新規プロダクトの開発に向け、バックエンドを中心とした技術的な意思決定をリードしていただきます。
顧客ごとに異なる見積ロジックや製造工程を理解し、個別性とSaaSとしての汎用性を両立するデータモデル・アーキテクチャへ落とし込む役割です。
・顧客課題と事業の優先順位を踏まえた、技術選定・アーキテクチャ設計のリード
・複雑な業務ロジックのモデル化と、保守・拡張しやすい責務・境界の設計
・TypeScript／Node.jsなどを用いたAPI・業務ロジックの設計、実装、運用
・データモデリング、パフォーマンス、スケーラビリティに関する課題の特定と改善推進
・既存機能の開発と将来に向けた設計改善を両立する、段階的な移行方針の検討
・自らの実装・設計レビュー・技術相談を通じた、チームの意思決定と品質の向上

■ 技術的な挑戦と、その先にある顧客価値
・工場ごとの業務の違いを、拡張できるドメインモデルへ
 個別要望をそのまま実装し続けるのではなく、見積ロジックや工程の共通点・相違点を整理します。新しい顧客や機能にも対応できる設計を通じ、継続的に価値を広げられるSaaSをつくります。

・事業の成長と開発速度を両立するアーキテクチャへ
 モジュラモノリスなどへの移行を含め、責務やデータの境界を検討します。理想の設計だけを追うのではなく、既存機能への影響や移行コスト、事業の優先順位も踏まえて判断し、段階的な改善を進めます。

・製造データとAIを、実業務で活用できる基盤へ
 図面・見積・工程・実績・原価などのデータを扱い、検索・処理性能や信頼性を改善します。紙の図面や非構造化データを含む情報をAI機能と連携させ、現場の判断を支える土台をつくります。

■ 顧客理解から技術的な判断まで、一貫して関わる
エンジニア自身が工場へ足を運び、紙の図面や資料の照合、Excelへの入力など、実際の業務を理解する文化があります。「誰が、どの場面で、なぜ困っているのか」を捉え、CTO・PdM・Sales・CSと解決策を考えます。
シニアとして期待するのは、難しい実装を一人で担うことだけではありません。
設計の選択肢やトレードオフを言語化し、チームで判断できる状態をつくり、自らも実装しながら顧客へ価値を届けることです。
技術の専門性を、プロダクトとチームの成果につなげたい方をお待ちしています。

【業務内容の変更範囲】会社の定める業務

AWS CloudFormation

【20年後も誇れる日本のものづくりを、世界へ】複雑な製造業務を支える設計をリードするシニアバックエンドエンジニア

■ 現場の使いやすさと、成長を支える設計を両立する
匠技研工業は、製造業に特化したVertical AI SaaS「匠フォース」を開発する東大発スタートアップです。
町工場の見積業務を起点に、図面・加工方法・工数・原価などの情報をつなぎ、熟練者の「経験と勘」を次世代へ引き継げる世界を目指しています。
製造現場では、図面を読み、過去の資料と照合し、加工工程や工数を判断するなど、複数の情報を行き来しながら仕事が進みます。
機能が正しく動くだけではなく、現場の判断を妨げず、自然に使い続けられる体験が必要です。
このポジションでは、顧客の仕事を理解するところから関わり、使いやすさと、機能を継続的に拡張できるフロントエンド設計の両方をリードしていただきます。

■ 事業の成長と、今参画する面白さ
ARRは前年比240%、導入社数は2倍に拡大し、チャーンレートは0.16%。製造現場で継続的に利用されるプロダクトとして成長しています。累計10億円の資金調達を背景に、採用とプロダクト開発への投資を継続しています。
既存プロダクトの1→10と、新規プロダクトの立ち上げに取り組むフェーズです。顧客や業務の広がりに伴う複雑さに向き合い、UXと技術基盤を育てていく面白さがあります。

■ お任せすること
「匠フォース」の成長に向け、現場の使いやすさと、継続的に機能を拡張できるフロントエンド設計をリードしていただきます。
顧客の操作や判断を直接理解し、PdM・デザイナーと体験を検討しながら、複雑な業務と大量の情報を扱うアプリケーションへ落とし込む役割です。

・顧客の業務フローを踏まえた、情報設計・操作フローの検討をPdM・デザイナーと推進
・複雑化するアプリケーションのコンポーネント構成・状態管理・責務分離などの設計をリード
・React／Next.js／TypeScriptを用いた画面・機能の設計、実装
・図面や製造データを扱う画面のパフォーマンス課題の特定と改善推進
・顧客ごとの業務の違いに対応しながら、共通化と保守性を両立するUI基盤の設計
・自らの実装・設計レビュー・技術相談を通じた、チームの開発品質の向上

■ 技術的な挑戦と、その先にある顧客価値
・複雑な業務を、迷わず使える体験へ
図面・過去の見積・加工工程など、判断に必要な情報をどう配置し、確認・比較・入力をどうつなぐかを考えます。
顧客の業務を整理し、PdM・デザイナーとともに、機能単位ではなく仕事全体として使いやすい体験を目指します。

・図面や大量の情報を扱っても、業務を滞らせない画面へ
表示や操作のボトルネックを特定し、パフォーマンスを改善します。
短期的な対処にとどまらず、機能やデータの増加を見据えた設計へつなげ、現場で継続的に使える品質を支えます。

・顧客ごとの個別性と、共通のUI基盤を両立する
工場によって異なる業務フローへ対応しながら、コンポーネントや状態管理の設計を整理します。
どこを共通化し、どこに柔軟性を持たせるかを判断し、UXの一貫性と開発の拡張性を両立します。

・AIの価値を、現場で活用できる接点へ
AIを組み込むこと自体を目的にせず、現場の人が何を見て、どう判断・確認するのかを踏まえ、操作や情報提示を設計します。
技術の可能性を、実際の業務に役立つ体験へ変えていきます。

■ 現場の一次情報を、チームの設計判断につなげる
オンラインでは「図面を見てExcelに入力する」と説明される業務でも、工場では紙の図面にマーカーを引き、別の資料と照合してから入力していることがあります。
実装するエンジニア自身がその動きを見て、要望の背景から解決策を考えます。
シニアとして期待するのは、自ら高品質な実装を行うことに加え、設計方針や技術選定の理由をチームで共有し、継続的に良いプロダクトをつくれる状態を支えることです。
現場UXへの関心と技術の専門性を、プロダクトとチームの成果につなげたい方をお待ちしています。

【業務内容の変更範囲】会社の定める業務

【AI×製造業／職人の知恵を次世代へ】現場UXと複雑なアプリケーション設計をリードするシニアフロントエンドエンジニア

見積・設計・調達・原価管理など、製造業の管理業務全体をAIが担うオールインワンAIサービス「匠フォース」の開発・提供