基本情報

Backend/Platform & AI テックリード Go, AWS, LLMOps WAU 400 万/MAU 800 万規模 全社展開（1 万 1 千人）

得意分野

  • ビジネス要件からシステム設計への落とし込み
  • 要件定義から本番リリースまでの一気通貫での推進
  • 複雑な課題の実行可能な計画への細分化
  • チーム開発基盤とワークフローの設計
  • 開発者生産性の向上と自動化の推進
  • バックエンド/Platform エンジニアリングとクラウドインフラ構築

自己 PR

プロダクトの新規立ち上げ〜運用フェーズまで経験があります。ビジネスインパクトを重視しながら、より多くのアウトカムが得られる設計や開発が得意です。特に、チームとしてより高い生産性を目指すための仕組みづくりや基盤設計に興味があります。

エグゼクティブサマリ

バックエンド/Platform & AI テックリードとして 5 年以上の経験。全社展開（1 万 1 千人規模）の生成 AI プロダクトの開発責任者兼テックリードとして牽引。LLM 評価基盤（LangSmith）を構築し、AWS（ECS/DynamoDB）上で本番稼働。大規模小売アプリ（WAU 400 万/MAU 800 万）のバックエンド開発を担当し、オブザーバビリティ基盤整備で保守体制金額を 2 倍に。Go、Python、AWS 環境での開発責任者/テックリード/LLMOps 経験を保有。

スキル

技術/スキル 分類 経験年数
Go 言語 5 年
Python 言語 3 年
TypeScript 言語 2 年
PHP 言語 1 年
AWS (ECS, DynamoDB, SQS, ALB, S3 など) クラウド・インフラ 5 年
Azure (OpenAI, Cosmos DB) クラウド・インフラ 1 年
Docker クラウド・インフラ 5 年
Terraform (IaC) クラウド・インフラ 5 年
MySQL データベース 5 年
PostgreSQL データベース 3 年
Redis データベース 3 年
Azure Cosmos DB (MongoDB API) データベース 1 年
gRPC / Protocol Buffers ネットワーク・IPC 3 年
GitHub Actions / PipeCD CI/CD 3-5 年
Datadog (APM, Logs, Synthetics) オブザーバビリティ 3 年
LangChain / LangGraph / LangSmith 生成 AI / LLMOps 2-3 年
Nuxt.js (Vue.js) フレームワーク・ライブラリ 2 年

経験

スキル/経験 経験年数
DevOps 3 年
スクラム開発 3 年
テックリード 2 年
エンジニアリングマネージャー 2 年
プロジェクトマネジメント（アジャイル/ウォーターフォール） 2 年
AI 活用開発ツール・ワークフロー構築 2 年
LLMOps 2 年
PdM 1 年

職務経歴

2025/06 - 現在 : 某大手小売企業様の DX 案件 - AI 事業本部

成果・責務・技術

  • 成果（Impact）: WAU 400 万/MAU 800 万の大規模トラフィックを支えるバックエンド基盤の設計・開発に従事。フィーチャーフラグを活用した段階的リリースとテスト戦略により、サービスの安全なグロースを実現
  • 責務（Scope）: バックエンドエンジニアとして、PM×6、バックエンド ×4、フロントエンド ×3、ネイティブ ×4、デザイナー ×2 のマルチベンダー体制（4 社共同開発）で機能設計・開発を担当
  • 技術（Tech）: Go, Docker, MySQL, gRPC, Envoy, Terraform, AWS, Datadog, k6

職務内容

某大手ドラッグストアのアプリケーション刷新 PJT に再参画。
WAU 400 万、MAU 800 万の大規模サービスに成長したプロダクトのグロースフェーズにおいて、バックエンドエンジニアとして設計・開発を担当している。

職務の中で学んだことや得られた知識・スキルなど

  • 大規模サービスのグロース開発経験
  • 継続的なプロダクト開発の経験
  • 安全にグロースさせるための経験
    • テスト戦略の設計と実践
    • フィーチャーフラグによる段階的リリース

2024/02 - 2025/06 : サイスケ（Cyber AI Schedule） - AI オペレーション室

成果・責務・技術

  • 成果（Impact）: 社内 2,200 件応募の生成 AI 活用コンテストで最優秀を受賞し、全社（1 万 1 千人）展開を達成。LLM 評価基盤（LangSmith）を構築し、ビジネス側と KPI 共有可能な「回答精度」の可視化を実現。CADC2024 で登壇し、LLMOps 基盤について社外発信
  • 責務（Scope）: 開発責任者兼テックリードとして、PM×1、エンジニア ×4、データサイエンティスト ×1 の体制で技術選定・アーキテクチャ設計・インフラ構築・要件定義・KPI 設計を主導
  • 技術（Tech）: Go, Python (LangChain, LangGraph), LangSmith, Docker, PostgreSQL, gRPC, Envoy, Terraform, AWS (ECS/DynamoDB/VPC/ALB/S3/SQS), Azure OpenAI, Datadog, PipeCD

職務内容

生成 AI 徹底活用コンテスト※ で最優秀を受賞したアイデアの設計および開発。
開発責任者兼テックリードとしてプロジェクトに参画した。
生成 AI を活用した、自然言語でスケジュール調整を可能にするアプリケーションの設計および開発を担当。
生成 AI などの新技術の検証や PoC も担当した。

※（株）サイバーエージェントで実施された社内コンテスト。
生成 AI を社内で活用するためのアイデアが約 2,200 件集まった。

開発トピック

技術選定及び初期アーキテクト:
チームメンバーの技術スタックやアプリケーションの特性を踏まえ、開発 PJT 全体のアーキテクチャや技術選定を担当。GitHub Codespaces の導入とトランクベース開発の導入は、特にメンバーからの評判が良かった。

本番環境インフラ基盤構築:
Terraform を用いて AWS（ECS, DynamoDB, VPC, ALB, S3, SQS 等）のインフラ基盤を構築。属人化を防ぐ目的で、GitHub Actions と PipeCD により CI/CD も構築。

生成 AI 技術検証及び PoC:
生成 AI を活用したアプリケーションの設計・実装をするために、LLM や周辺ライブラリについて調査と比較検討を実施。チームメンバーの技術スタック等も考慮に入れ、Azure OpenAI Service + Python + LangChain ベースで生成 AI を組み込む意思決定を実施。

ユーザー辞書機能の実装:
AI がスケジュール参加者を特定するステップにおける、ユーザー辞書機能を実装。OpenSearch による全文検索と、DynamoDB によるユーザー辞書データ保存を組み合わせて実現。また、ユーザー情報のソースが毎日更新されることに合わせ、定期的に同期する仕組みを EventBridge と ECS により実現。

要件定義及び KPI の設計:
エンジニアが仕様や要件定義も主導する PJT のため、初期フェーズにはユーザーストーリー設計や UI モック作成等の要件定義も実施。フェーズごとに細かくリリースして、各フェーズごとの KPI を明確化できる仕組みを作る提案をし、フィードバックを得られるタイミングが早まり大きな収穫があった。

CyberAgent Developer Conference 2024 に登壇:
開発プロセスや技術的な取り組みについて社外へ発信。
参考：生成 AI の強みと弱みを理解して、生成 AI がもたらすパワーをプロダクトの価値へ繋げるために実践したこと

LLMOps 基盤の提案と構築:
「回答精度が悪い」という曖昧な指標ではビジネス側と KPI を作ることが難しかった。ビジネス側とも共通認識の「回答精度」を測定するための基盤を LLM as a judge などの評価手法を用いて構築し、LangSmith で可視化。結果的に、ビジネス側にも AI エージェントの仕組みから理解してもらえる良い機会になった。

職務の中で学んだことや得られた知識・スキルなど

  • 生成 AI 等の新しい技術の検証と採用経験
  • PoC を経てビジネス的な意思決定を行う経験
  • 生成 AI を活用したアプリケーションの設計および構築
  • Azure OpenAI Service, LangChain / LangGraph, Langsmith といった生成 AI アプリケーションを構築するために必要なスキル

2023/04 - 現在 : 海外新開発拠点設立 - Hanoi Devcenter

成果・責務・技術

  • 成果（Impact）: ベトナム・ハノイに新規開発拠点を設立し、現地優秀エンジニアの採用・育成を通じて会社の開発競争力向上に貢献
  • 責務（Scope）: エンジニア組織のマネジメント、カルチャー推進、採用戦略の立案・実行を担当
  • 技術（Tech）: 組織設計、採用、育成、グローバル拠点運営

職務内容

ベトナム現地の優秀なエンジニアを採用し、自社の開発競争力をブーストさせるというミッションを掲げて新設された部署の立ち上げ。
入社時から採用や育成に携わってきた経験を活かし、会社に貢献できるエンジニア組織を１から構築中。

職務の中で学んだことや得られた知識・スキルなど

  • エンジニア組織マネジメント
  • カルチャー推進
  • 採用戦略
  • 海外移住経験

2023/04 - 2024/01: 某大手小売企業様の DX 案件 - AI 事業本部

成果・責務・技術

  • 成果（Impact）: 600RPS 以上想定の大規模トラフィックに対応したクーポン機能を設計・実装し、負荷試験とパフォーマンスチューニングを実施。オブザーバビリティ基盤整備により、リリース後の監視体制がクライアントから高評価を受け、保守体制金額を 2 倍獲得
  • 責務（Scope）: バックエンドエンジニアとして、PM×10、フロントエンド ×5、バックエンド ×5、ネイティブ ×4、デザイナー ×2 のマルチベンダー体制（4 社協業）でプロダクト立ち上げから本番リリースまで担当
  • 技術（Tech）: Go, Docker, MySQL, gRPC, Envoy, Terraform, AWS, Datadog, k6, PipeCD

職務内容

某大手ドラッグストアのアプリケーション刷新 PJT の立ち上げフェーズに参画。
クライアント企業の他、４社の SIer 企業と協業でアプリケーションを作り上げた。
バックエンドエンジニアとして、プロダクトの立ち上げから本番リリース完了まで担当した。
機能開発の他、本番リリース前の負荷試験やオブザーバビリティ基盤の構築も実施した。

開発トピック

クーポン機能の設計および実装:
ユーザー獲得、ターゲティング、全員対象といった複数タイプのクーポンを入稿・配信可能な仕組みを実現。600RPS 以上が見込まれるサービスということもあり、負荷試験も実施してパフォーマンスチューニングまで実施した。入稿されるクーポンデータ（マスターデータ）とユーザーの使用履歴データ（ユーザーデータ）のように、データの特性に応じて保存する DB の種類を変えることで高いパフォーマンスが見込める設計を実現。また、アプリケーションロジック側では、Go ルーチン を使った並行処理も実装することで大幅なパフォーマンス向上を実現。

オブザーバビリティ基盤設計及び導入:
大規模トラフィックが見込まれるサービスということもあり、本番リリースに向けた運用体制の強化が必要だった。サービス運用に必須な監視システムの設計及び構築を担当。オブザーバビリティとは何で、どうして必要なのかをビジネス含めたチームメンバーに啓蒙し、オブザーバビリティを高めるために構築するものを明確化。具体的には、Datadog ダッシュボードによるビジネス指標＆システムメトリクスの可視化、エラーアラートの通知基盤構築、Synthetics test による死活監視、オンコールツール選定を完遂。結果として、リリース後の監視体制をクライアント企業様から好評をいただき、保守体制金額を 2 倍いただけることになった。

職務の中で学んだことや得られた知識・スキルなど

  • スクラム開発
  • 他社との協業の大変さ
  • 大量ユーザーからのアクセスが見込まれるサービスにおける本番リリース準備
    • 負荷試験戦略の設計と実践
    • 監視体制の構築（o11y）

2021/04 - 2023/03: リモてなし - AI 事業本部

成果・責務・技術

  • 成果（Impact）: 社内新規事業立案コンテストからの事業化プロダクトで、接客 DX を実現するオンライン接客ツールを開発。Nuxt3 beta 検証を経て Vue3 へのフルリプレイスを完遂。クライアントの潜在ニーズを掘り起こし、商品提案機能などの新機能をリリース
  • 責務（Scope）: フルスタックエンジニアとして、PM 兼営業 ×7、デザイナー ×1、エンジニア ×10 の体制で要件・デザイン定義から設計・実装まで一気通貫で担当
  • 技術（Tech）: Go, Docker, MySQL, Terraform, AWS, Typescript, Nuxt.js (Vue.js), Vite, Bucketeer, WebSocket, Pinia

職務内容

社内の新規事業立案コンテストで提案 → 　事業化したプロダクトの開発に従事。
接客の DX を実現するためのオンライン接客ツールの開発及び運用にエンジニアとして参画。
フルスタックエンジニアとして、要件・デザイン定義から設計・実装までを一気通貫で担当。
Nuxt.js v3 beta の登場時には、技術検証と新技術（Vue3+Vite）へのリプレイスも実施した。

開発トピック

Nuxt3 beta の検証および、Nuxt2 → Vue3 へのリプレイス:
Nuxt3 beta がリリースされたタイミングで、技術検証を担当。技術検証を経て、自分たちのユースケースでは SSR である必要がないことや、メインコントリビューターの意向に同意できないことなどの理由から最終的に Vue3（Vite）にリプレイスすることに決定。Nuxt2 → Vue3 へのフルリプレイスも一人で完遂。

商品提案機能:
現状の業務フローを理解した上で、オンライン上でのより効果の高い体験を実現するために新機能を提案 → リリースまで完遂。デザイナー・ビジネスメンバーと 3 人で 1 チームとなり、Figma での UI イメージ作成からクライアントへの提案、要件定義、実装、リリースまでを完遂。接客スタッフが提案した商品がリアルタイムでお客様の画面に表示され、購入まで可能にする体験を実現するため、WebSocket と Pinia を組み合わせて実装。

クライアントのドメイン理解と課題ソリューションとしての機能提案:
ビジネスメンバーが持ち帰ったヒアリング結果を元に、クライアントの業務理解と課題の抽出 → 機能提案に繋げるための要件定義と UI/UX 設計を実施。提案が通った機能については、基本設計〜実装・リリースまで一気通貫で担当。言われたものを作るのではなく、自分たちでクライアントの潜在的なニーズや課題を考察し、機能提案に繋げる必要があったためビジネスメンバーやデザイナーなど、他職種と一致団結して PJT を進行。

職務の中で学んだことや得られた知識・スキルなど

  • 事業アイデアの創出とブラッシュアップ経験
  • 事業アイデアフェーズからプロダクトを立ち上げる経験
  • フルスタックエンジニアとしての開発経験
  • 技術検証および、選定経験
  • UI/UX をプロダクトに反映させるためのデザイン思考

副業

2025/05 - 2025/08： 某大手化学メーカーの特許解析 AI 開発案件 - Galirage, Inc.

成果・責務・技術

  • 成果（Impact）: 特許文書という専門性の高いドメインにおける RAG システムを構築し、クライアントニーズをプロダクト仕様に落とし込み、PoC 完了後のプロダクト開発を推進
  • 責務（Scope）: 生成 AI エンジニアとして、PM×1、エンジニア ×4 の体制で特許解析 AI エージェントの設計・実装を担当
  • 技術（Tech）: Python (Streamlit, LangChain, LangGraph), LangSmith, Azure, PostgreSQL, Docker

職務内容

生成 AI エンジニアとして参画。 特許文書を RAG して解析する AI エージェントを実装。 PoC 完了後のプロダクト開発フェーズから参画し、クライアントニーズをプロダクト仕様に落とし込むところも貢献した。

職務の中で学んだことや得られた知識・スキルなど

  • クライアントニーズのヒアリングおよびプロダクト仕様への落とし込み経験
  • 特許文書という専門性の高いドメインにおける RAG システムの構築
  • AI エージェント設計・実装経験

2025/01 - 2025/05： Raggle の開発およびコンペ開催 - Galirage, Inc.

成果・責務・技術

  • 成果（Impact）: RAG 回答精度を競うコンペを開催し、1 回あたり約 150 名の参加を実現。評価基盤を構築し、プロダクトの品質向上とユーザー分析によるプロダクト改善サイクルを確立
  • 責務（Scope）: PdM 兼テックリードとして、CS×1 と共にプロダクトビジョン策定・開発ロードマップ作成・評価基盤設計を推進
  • 技術（Tech）: Python (Streamlit, LangChain), LangSmith, Firebase, GCP, Docker, Rollbar

職務内容

PdM 兼テックリードの役割を引き継ぎ、プロダクトとしての品質を高めるための開発を担当。 RAG の回答精度を競うコンペの開催を実施。

【コンペ開催】

  • RAG 問題の作成
  • 回答精度のスコアリング（評価）基盤作成
  • ユーザー分析

職務の中で学んだことや得られた知識・スキルなど

  • PdM としてプロダクトビジョンや開発ロードマップを作成する経験
  • RAG コンペティションプラットフォームの設計・開発
  • 評価基盤の構築経験
  • ユーザー分析とプロダクト改善のサイクル実践

アウトプット

過去の登壇資料

ブログ記事