# AI Engineer at Tailor > Hybrid · Japan · Unspecified · ML / AI · open. Source: https://alderhq.app/jobs/ashby%3Atailor%3Afa073afa-c0fc-4e2d-b11a-aef19bd5f2f0 (read 2026-11-04). ## Facts (observed) - Company: [Tailor](https://alderhq.app/companies/tailor) - Location text: Tokyo - Where it can be done from (inferred): Hybrid · Japan (evidence: "Location: Tokyo") - Posted: 2025-03-03 (611 days ago) - First seen by alder: 2026-11-03 · last verified: 2026-11-04 - Reposted: 0 times · edited: 0 times - Apply on the employer's site: https://jobs.ashbyhq.com/tailor/fa073afa-c0fc-4e2d-b11a-aef19bd5f2f0 - Skills listed (inferred): TypeScript, React, Go, Rust, GraphQL, Redis, AWS, GCP, Azure, Kubernetes, Docker, Terraform, SQL, LLMs ## Pay and sponsorship - Posted pay: not posted ## Description (the employer's text) ### あらゆるアイデアをデプロイする Empower every company to deploy any ideas. プロダクトづくりの難しい部分を、エンジニアリングの力で簡単にする。ビジネスとエンジニアリングの境界を取り払い、誰もがプロダクトの作り手になれる世界 — テイラーが目指しているのは、そんな世界です。 このミッションに共感してくださる方を、私たちはお待ちしています。 ### テイラーが提供しているもの 私たちは、AIを活用してERPを民主化し、あらゆる企業の業務課題を解決するために、2つの柱で価値を届けています。 ひとつは、AI Native Headless ERPプラットフォーム「Tailor Platform™」 の開発です。世界中のビジネスの根幹を支えるERPを、構築方法・エンドユーザーの使い方ともにAI時代を前提とした、柔軟かつ拡張可能なものへと再定義し、企業の価値を最大化することを目指しています。業務ロジックをAI Agent前提で再設計し、人とAIの双方が扱える基幹システムを作る — これが、私たちがこの時代に挑むテーマです。 もうひとつが、Professional Services。Tailor Platformを使って、顧客の業務課題に深く入り込み、プリセールス段階から課題の特定・解決策の設計・実装・デリバリーまで一貫して担う事業です。私たちは、Tailor Platform上のバックエンド構築だけでなく、フロントエンド開発、業務コンサルティング、IT戦略・PMO支援まで踏み込み、顧客の経営課題に直接向き合います。 そして、この2つは独立して存在しているわけではありません。Professional Servicesの現場で得た知見がTailor Platformに還流し、Tailor Platformの進化がProfessional Servicesの課題解決を加速する — この循環を作ることこそが、私たちの開発スタイルの中心にあります。 ### テイラーが挑戦する市場 ERP市場はソフトウェア市場全体の約3割を占める巨大産業です。グローバルでは2026年に730億ドルに達し、2035年には2,815億ドルへの倍増が予測されています（Precedence Research）。国内市場も、2024年の5兆円超から2029年には8.5兆円超への成長が見込まれています。 しかし、市場規模以上に重要なのは、この領域には未解決の業務課題がまだ大量に残っている という事実です。世界的に「オールインワン型のパッケージ」から「Best of BreedなSaaSの組み合わせ」へとトレンドがシフトする中で、企業の現場では、複雑な業務プロセスをどう組み立てるか、どこまで自動化するか、AIをどう組み込むかといった問いが日々生まれています。 私たちはこの領域のパイオニアとして、こうした問いに向き合う最前線に立っています。 ▼参考 Tailorプロダクト全体像について Tailorの組織体制について ### 本ポジションの役割 本ポジションでは最新のAI技術を活用し、業務効率化や開発支援ツールの設計・開発を担当します。主に、大規模言語モデル（LLM）やAI支援ツール（Devin、GitHub Copilot Workspace など）の導入・活用を検討し、エンジニアリングの生産性向上に貢献する役割を担っていただきます。 ### 具体的な職務内容 AIを活用した開発支援ツールの設計・開発・導入 Devin、GitHub Copilot Workspace などの導入検討と最適な運用設計 LLMなどの最新AI技術のリサーチ・評価・実装 社内エンジニアがAIツールを活用しやすい環境の構築と推進 APIやクラウドサービスを活用したAIツールの統合・開発 ### 技術スタック Programming Languages: TypeScript, Go, Rust Frontend: React API: Protocol Buffers, gRPC, Connect RPC, GraphQL Code Management: GitHub Containerization & Orchestration: Docker, Kubernetes DevOps: Terraform, GitHub Actions, GitHub Projects Database: AlloyDB, Google Cloud SQL, Memorystore for Redis Cloud Provider: Google Cloud Observability: Datadog, Cloud Monitoring AI (Models): Anthropic, OpenAI, Google AI (Tools): Claude Code, Codex, Gemini Notebook, Devin, GitHub Copilot ### 必須要件 AI技術を活用した開発支援ツールの設計・開発経験 LLMを活用したプロジェクトの実務経験 クラウドプラットフォーム（AWS、GCP、Azure）の利用経験 API設計・開発の経験 ### 歓迎要件 Devin、GitHub Copilot Workspace などのAI支援ツールの活用経験 AI・機械学習の研究開発経験 DevOps、MLOpsの知識・経験 社内DX推進やエンジニアリングプロセス改善の経験 大規模データを扱うシステムの開発経験 ### 求める人物像 知的好奇心を高めることが好きな方 当事者意識を持ち、セルフスターター志向で物事を推し進めていける方 オープンマインドで建設的なフィードバックができる方 ### 賃金 800~1,500万円 当社は、年齢や年次にかかわらず担っていただく役割（ミッション）の大きさとその成果によって報酬を決定するミッショングレード制を採用しています。 入社時のグレードは選考によって決定させて頂き、その後のグレードは原則として半期に1回の評価によって決定させていただきます。 ### 勤務体系 リモートと出社のハイブリッド ### 勤務場所 雇入れ直後： 東京都港区 変更の範囲： 会社の定める場所 ### 勤務時間 専門業務型裁量労働制 所定労働日に勤務したときは、1日8時間労働したものとみなされます 始業・終業の時刻および休憩時間の配分はご本人の裁量で決定いただきます 深夜（22:00〜翌5:00）および法定休日の労働については、別途割増賃金を支給します 制度の適用にはご本人の同意が必要です。同意されない場合に不利益な取扱いを行うことはなく、適用開始後も所定の手続きにより同意を撤回いただけます ### 昇給・賞与 給与改定：年2回 半期に1回評価を実施 定期的にCEOまたはCTOとの1on1を実施 ### 諸手当 希望PC、モニター等の貸与 交通費支給（出社日数に応じて経費精算） 各種社会保険完備 ### 休日・休暇 完全週休2日制（祝祭日、年末年始 等） 有給休暇、慶弔休暇、リフレッシュ休暇、Sick Leave 入社時に有給休暇付与（初年度10日） ### 福利厚生 各種社会保険完備 学習に対する支援（書籍購入・カンファレンス参加費用等） テイラーのワークルール・福利厚生についてご紹介 ### その他 候補者様向けNotionを公開しております。当社の事業や組織について等、詳細はTailor Entrance Bookをご確認ください。 --- Data: alder (https://alderhq.app). Cite https://alderhq.app/jobs/ashby%3Atailor%3Afa073afa-c0fc-4e2d-b11a-aef19bd5f2f0 and the date you read it. Observed facts come from the employer's own listing; location reach, level, family and skills are inferences.