1203【Dev】データエンジニア（アノテーション基盤・データマネジメント）

Description

Description

【会社概要】

ストックマーク株式会社は「価値創造の仕組みを再発明する」をミッションに掲げ、最先端の生成AI LLM技術を活用し、企業の変革を支援しています。

弊社の強みは、フルスクラッチで国産LLMを開発できる技術力です。2024年5月には、国内最大級となる1,000億パラメータの日本語特化LLM「Stockmark-2」を公開しました。

多くの企業が海外モデルの微調整やOSS活用にとどまる中、当社はゼロから自らの手でモデルを設計・構築。日本語とビジネス領域に最適化された性能は、国産最高クラスの水準を誇ります。さらに、ハルシネーションを大幅に抑えており、自社管理下で安全に運用可能です。

単なる“生成AIの利用企業”ではなく、“AIそのものを創る企業”として、日本の産業競争力を技術で支えていく存在となることを目指しています。

この技術力を活かして事業展開しており、現在はSaaS事業として製造業向けAIエージェント「Aconnect」、PaaS新規事業として業務AI実装支援プラットフォーム「SAT(Stockmark A Technology)」を運営しています。

創業時からエンタープライズ企業をターゲットとしており、すでに日経225の30％、300社を超える企業様での導入が進んでいます。今後は製造業のR＆Dを起点に、国内のエンタープライズ企業はもちろん、日本企業全体そしてグローバル企業にも展開していく予定です。

2024年10月にはシリーズDにて45億円、累計88億円の資金調達を完了。

従業員も150名規模になり、更なる成長を目指すために人員を募集しております！

【現状の課題】

一般文書・図面いずれの構造化開発においても、高品質な学習・評価データの確保が精度向上のボトルネックになりつつあります。アノテーション基準の設計や解析結果のチェック体制が整っていないと、モデル改善のサイクルそのものが遅くなってしまいます。汎用のアノテーションツールでは一般文書・図面それぞれの構造化タスクに最適化しづらく、自社タスクに合わせた専用ツールの内製が生産性・品質の両面で必要になっています。他社（LayerX 等）でも構造化データの ETL・データ基盤整備・メタデータ管理を担うデータエンジニアの募集が増えており、AI 開発を下支えする基盤職としての重要性が高まっています。こうした背景から、構造化開発の土台となるデータマネジメント体制を強化するため、本ポジションの採用を進めています。

【業務内容】

• 構造化開発の土台となるデータの整理・アノテーション・収集・解析結果確認を担い、開発チーム全体の生産性とモデル精度を支える
• 汎用ツールでは最適化しづらいアノテーション作業を、基準設計から専用ツールの内製・運用まで一気通貫で整備し、モデル改善のサイクルを高速化する

■具体的な業務内容

• 学習・評価データのアノテーション基準の設計、アノテーション作業の設計・運用・品質管理
• アノテーションツールの作成・運用（既存ツールの導入・カスタマイズ、あるいは自社タスクに合わせた内製開発）
• 顧客データ・公開データ等からのデータ収集、データセットの構築・整備
• モデルの解析結果・出力の確認、精度課題の一次切り分けとエンジニアへのフィードバック
• データパイプラインの設計・開発・運用（収集〜前処理〜蓄積）
• データのメタデータ管理、セキュリティ・個人情報保護対応

※変更の範囲：開発関連業務

【チーム構成】

SAT Devision

• ビジネスサイド：20名
• Tech サイド：30名

【開発環境】

[使用言語/フレームワーク]

TypeScript、Vue.js 、Node.js、Python

[コンテナ]

Docker

[IaC]

Terraform

[クラウド]

AWS, Azure

【ポジションの魅力】

• 一般文書・図面の両構造化開発を横断して支える、データマネジメントの中核を担える
• アノテーション基準の設計から専用ツールの内製・運用まで、データ基盤づくりを裁量を持って推進できる
• 自社開発LLM／VLMのモデル精度を、学習・評価データの質という上流から直接引き上げられる
• 地道なデータ品質管理がプロダクト価値の向上に直結する、AI開発の土台を担う役割に携われる

【関連資料】

• 文書画像構造化の新ベンチマーク OmniDocBench-JASynの構築 https://stockmark-tech.hatenablog.com/entry/2026/05/12/103911
• VQAからDocument Parsingへ：日本語文書の構造化出力Post-training https://stockmark-tech.hatenablog.com/entry/2026/07/16/000000
• Stockmark-DocReasoner-Qwen2.5-VL-32B：日本語ドキュメント読解のためのChain-of-Thought視覚言語モデル https://stockmark-tech.hatenablog.com/entry/2026/04/28/100048

Requirements

Requirements

※すべて必須

• データ収集・整備・アノテーション業務の設計・運用経験
• SQL、Python 等を用いたデータ処理・パイプライン構築の基礎経験
• 地道なデータ品質管理を継続的に行える実務遂行力
• GitHub Copilot、Cursor、Claude Code等のAIコーディングツールを日常の開発に積極的に活用し、開発効率を高める姿勢

Preferred Experiences

Preferred Experiences

• アノテーションツールの開発・カスタマイズ経験（Webアプリケーション開発経験を含む）
• 機械学習プロジェクトにおけるデータセット構築・評価設計の経験
• クラウド環境（AWS／GCP／Azure）でのデータ基盤構築経験
• 画像・図面・ドキュメントデータのアノテーション経験

We are looking for

We are looking for

• 地味に見える作業の先にあるプロダクト価値の向上を意識して仕事ができる人
• エンジニアや研究者と協働しながら、データの質にこだわりを持てる人

＜その他＞

・日本国内に居住可能な方

・開発に関する技術的な内容含め、日本語で円滑にコミュニケーションが取れる方

目安：ビジネス会話レベル以上