事業内容

当社は「『はたらく』を通じて人生の可能性を広げるインフラをつくる」をミッションに掲げ、深刻化する人手不足という経営課題を解決しながら、一人ひとりが好きな時に働き、人生の可能性を広げられる世界を目指し、スキマバイトアプリ「タイミー」を中心に事業を展開してきました。そして2018年のサービス開始から、タイミーは以下の規模まで成長しました。

ワーカー数：1,420万人
事業者数：238,000社
事業所数：465,000拠点
※2026年4月末時点

そんな当社はいま、"第二創業期"を迎えています。既存のスポットワーク領域では、業界ごとに深く入り込み、企業にとっても働き手にとってもなくてはならないインフラとしてサービスを広げています。さらに2030年に向けて掲げる「VISION2030 ― 積み重ねた『信頼』が報われる社会をつくる」のもと、「信頼」を可視化・循環させる、社会の新たなインフラの構築を進めています。スキマバイトを通じて蓄積してきた、働き手の勤務実績や評価といった他にはない独自の「信頼データ」を軸に、長期採用サポートサービスやタイミーキャリアプラス（正社員人材紹介）、Fintechをはじめとする新規事業を多数立ち上げています。

会社説明動画
https://corp.timee.co.jp/vision-2030/

採用特設LP
https://corp.timee.co.jp/special-recruit/

募集背景

タイミーは「働く」を通じて人生の可能性を広げるインフラをつくるべく、スキマバイトのマッチングプラットフォームを日本全国に展開し、急速に成長してきました。今後は既存プロダクトの継続的な改善に加え、隣接領域・新規領域への展開も進めており、扱うユーザー体験、業務フロー、データ特性、リスクはより多様になっていきます。

その中で、AI/MLの活用は、マッチング品質の向上、検索・推薦・ランキング、需要予測、審査・不正検知、業務効率化、生成AI/LLMを用いたプロダクト体験・社内業務の改善など、事業成長を支える重要なケイパビリティになりつつあります。一方で、AI/MLをプロダクトや業務に継続的に組み込んでいくためには、モデル精度だけでなく、信頼性、セキュリティ、コスト、レイテンシー、データガバナンス、監視、継続改善といった本番運用上の論点を同時に扱う必要があります。

これまでもMLOps Teamでは、多方面からのML活用ニーズにスピーディーに応えるため、MLパイプラインやCI/CDパイプラインの自動化、Feature Storeの構築、ML開発環境の整備、モノレポ化、開発効率化のための社内ライブラリ開発などを進めてきました。

今後はこれらの取り組みをさらに発展させ、実験管理、データ監視、モデル監視、LLMOpsなどの基盤整備や既存のML基盤の改善・標準化に取り組むとともに、AI/MLワークロードのさらなる自動化や、LLM/Agentic AIを活用した新しいプロダクト体験・業務体験を支える基盤づくりにも挑戦していきます。まだ正解が定まっていない領域にも技術的な探索・先行投資として向き合いながら、複数チームがAI/MLをより速く、安全に、継続的に検証・本番活用できる状態をつくっていきたいと考えています。

こうした挑戦を、プロダクト組織全体のAI/ML活用を加速するプラットフォームづくりとして捉え、既存の仕組みや運用知見を活かしながら、標準化・セルフサービス化・ガバナンス・Developer Experienceを引き上げていけるMLOpsエンジニアを募集します。

▼これまでの取り組みについてはぜひこちらもご覧ください

「タイミーMLOpsエンジニアが描く、LLM基盤の夢妄想」
https://tech.timee.co.jp/entry/timee-llm-platform-design-2025
「LLMアプリケーション向けProduction Readiness Checklistの作成」
https://tech.timee.co.jp/entry/2025/11/04/113000
「Dev Container Feature で実現する ML 開発環境のガードレール」
https://tech.timee.co.jp/entry/2026/05/26/120628
「Docker Hardened Images から学ぶ、ビルド定義の抽象度」
https://tech.timee.co.jp/entry/2026/05/26/120826
「Renovateの設定」
https://tech.timee.co.jp/entry/2026/05/22/112812
「MLOpsエンジニアがAI Security Conferenceに参加してきたレポート」
https://tech.timee.co.jp/entry/2026/01/28/134844

業務内容

マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。

ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。

機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用
機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用
機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用
機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用
ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備
プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備
モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり
モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化
個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理
生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用
プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり
LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備
個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備
データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備
CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用
テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備
個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華
上記を実現するための非機能要件・運用品質の継続的な改善
IaCによるインフラ構築・管理
CI/CDによるテスト・デプロイ自動化
サービス監視、ログ、メトリクス、トレース、アラートの設計・運用
パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善
社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援
ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動

技術スタック(主要な部分の抜粋)

クラウド
Google Cloud
開発言語
Python
データ基盤
BigQuery / Fivetran / dbt Cloud
ML / LLM基盤
Vertex AI / MLflow / LiteLLM / Datadog LLM Observability
BIツール
Looker / Looker Studio
IaC
Terraform
開発環境・ツール
Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc

扱っているデータ

アプリユーザーのアクセスログ、募集内容に関する情報
マッチングに関する情報
レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ
問い合わせに関するデータ
営業活動情報のデータ
上記のようなデータを扱っております。

タイミーのMLOpsエンジニアとして働く魅力

タイミーのMLOpsエンジニアとして働く魅力は、「働く」インフラを支えるAI/MLを、速く・安全に・継続的にプロダクトへ届けるための基盤づくりに携われることです。マッチング品質、Trust & Safety、業務効率化、生成AI活用など、複数の領域でAI/ML活用が進む中で、個別案件の実装に閉じず、共通する課題を見つけて仕組み化し、プロダクト組織全体の開発速度と品質に影響を与えられます。

データサイエンティストやプロダクトAI/MLエンジニアと近い距離で、実際のユースケースや運用課題を踏まえながら、ML/LLM基盤・推論基盤・開発運用環境を改善できます。
Feature Store、MLパイプライン、モデル監視、LLMOps、CI/CD、インフラ、セキュリティなどを横断し、AI/MLを本番活用するための標準化・自動化・Developer Experience改善に取り組めます。
大規模なユーザー・求人・稼働データを扱いながら、モデルを作って終わりではなく、精度・品質・信頼性・コストまで含めて継続的に価値提供する文化があります。
多様なバックグラウンドを持つメンバーと学び合いながら、タイミーにおけるAI/ML基盤のあり方を議論し、プロダクト組織全体のAI/ML活用を支えるプラットフォームを育てていくことができます。

インタビュー記事

(https://productpr.timee.co.jp/n/nbb4697d46c9c?magazine\_key=m7cddc85ce764)

(https://productpr.timee.co.jp/n/n640fa2169211?magazine\_key=m76879b08ba60)

(https://productpr.timee.co.jp/n/nf9971361770e)

採用要件

MUST

ハードスキル

Pythonを用いた機械学習パイプライン、基盤ツール、バッチ処理等の開発経験（5年以上）
Gitを用いたチーム開発の経験
GitHub Actions / GitLab CI等を用いたCI/CDの設計・実装・運用経験
Terraform等のIaCを用いたクラウドインフラの設計・構築・運用経験
Google CloudまたはAWS等のクラウド環境における開発・運用経験（直近含め5年以上）
Docker/Kubernetes をはじめとしたクラウドネイティブな基盤に関わる開発・運用経験
商用環境または業務システムにおいて、機械学習パイプライン、推論基盤、Feature Store・モデル管理・実験管理・モデル監視などのMLOps基盤を設計・開発・運用した経験
監視、アラート、ログ、メトリクス、Runbook、障害対応、インシデント対応など、本番運用を前提としたシステム運用設計の経験
VPC構成、クラウド権限管理、Secret管理、監査ログ、脆弱性対応など、インフラ・アプリケーション双方のセキュリティに関する実務経験
Platform as a Product、Internal Developer Platform、Golden Path、セルフサービス基盤などの設計・運用経験
保守性、可用性、セキュリティ、コスト、運用負荷を考慮しながら、技術選定・アーキテクチャ設計・改善方針をリードできること
既存基盤の制約や組織ケイパビリティを踏まえ、短期の事業要請と中長期の基盤整備のトレードオフを判断できること

ソフトスキル

当社のミッション、社会貢献性の高い事業に共感していただける方
当社のバリューにフィットしている方
業界・顧客理解のためにインプットを怠らない方
曖昧な課題を構造化し、技術・運用・組織の論点を整理しながら前に進められる方
データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア、SRE、セキュリティ担当など、複数職種・複数チームと連携しながら横断的に業務を推進できる方
利用者視点で、基盤・開発環境・ドキュメント・運用フローをより使いやすく改善し、標準化・セルフサービス化をリードできる方
社内ライブラリ、テンプレート、開発者向けドキュメント、オンボーディング資料などを整備し、開発者体験を改善できる方
技術方針、優先順位、責務分界について、関係者と合意形成しながら意思決定できる方
小規模チームまたは横断プロジェクトにおいて、技術リード、設計レビュー、タスク分解、リリース推進を担える方
ADR、Design Doc、Runbook、レビュー観点、チェックリスト等を整備し、技術的意思決定や運用知見を組織に残せる方
自身で手を動かすだけでなく、レビュー、メンタリング、ナレッジ共有を通じてチーム全体の技術力・運用品質を引き上げられる方
ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方

WANT

dbt、Snowflake、Databricks、BigQuery等を用いたデータ基盤・分析基盤の設計・開発・運用経験
LLMOps、プロンプト管理、評価基盤、AI as a Judge、LLM Observability、コスト管理、ガードレール設計等に関する経験
AIガバナンス、AI利用ポリシー、モデル・プロンプトのレビュー、リスク分類、Human-in-the-loop設計等に関する経験
リアルタイム推論、高頻度データ連携、オンラインFeature Store、検索・推薦・ランキング・マッチング基盤などの設計・運用経験
ML/LLM基盤、推論基盤、データ基盤などの大規模な移行・刷新・技術負債解消をリードした経験
基盤の利用率、開発リードタイム、問い合わせ件数、障害件数、コストなどの指標を用いてPlatform Productを継続改善した経験
OSS活動、技術ブログ、登壇、社内外の勉強会などを通じて、MLOps / Platform Engineering領域の知見を発信した経験

【職種 / 募集ポジション】
シニアMLOpsエンジニア
【雇用形態】
正社員
【給与】
年収 11,000,000円〜 15,000,000円
※上記年収には賞与（年2回）が含まれます ※個人の能力発揮によって賞与の金額は変動します。 ※前職年収考慮いたします ※年2回の人事考課にて給与改定があります
【勤務地】
105-7135 東京都港区東新橋1-5-2 汐留シティセンター35階
株式会社タイミー　東京本社 ※フルリモート勤務可
【社内制度】
＜従業員持株会＞従業員が自社株を購入できる制度（※持株会への加入が必要）＜ダブルタイミーデイ＞社員がタイミーアプリを利用して働いた場合、報酬額を上乗せ（上限有り）＜書籍購入＞業界知識を深めるに必要な書籍を会社が購入＜セミナー費用補助＞業務に必要なセミナー参加費を補助＜部活動＞趣味などを通じて交流できるよう、活動に応じて費用を補助＜チームビルディング＞チームのコミュニケーションの活性化に向け、一定の予算を好きに利用できる＜結婚祝い金＞結婚した従業員に祝い金を支給
【働き方】
フルリモート勤務可
【選考フロー】
カジュアル面談 ↓ 書類選考 ↓ 一次面接(現場メンバー) ↓ 二次面接(GM・部長面接) ↓ 最終面接(CTO面接) ※選考中にリファレンスチェック・適性検査をご依頼する場合がございます。
【参考リンク】
■Timee Tech Blog https://tech.timee.co.jp/

会社情報

【会社名】
株式会社タイミー
【代表者】
小川嶺
【設立】
2017年8月
【従業員数】
1677名（うち正社員1261名）［2026年7月時点］
【本社所在地】
東京都港区東新橋1-5-2 汐留シティセンター35階
【北海道支社所在地】
北海道札幌市中央区北三条西4-1-4　D-LIFEPLACE札幌3階
【東北支社所在地】
宮城県仙台市宮城野区榴岡1丁目1−1 JRイーストゲートビル2F
【北信越支社所在地】
石川県金沢市広岡3-1-1　金沢パークビル 8階　リージャス金沢パークビルビジネスセンター
【東海支社所在地】
愛知県名古屋市中区丸の内1-9-16 丸の内Oneビルディング8階
【関西支社所在地】
大阪府大阪市北区曽根崎新地1-13-22 御堂筋フロントタワー1F
【中四国支社所在地】
広島県広島市中区紙屋町一丁目２番２７号大同生命広島ビル 7階
【九州支社所在地】
福岡県福岡市中央区天神2-8-35　天神住友生命FJビジネスセンター 7階
【参考記事】
■Newspicks　代表インタビュー記事 https://youtu.be/4fL2hIYfxac?si=jlA4uvjD0hb\_XiY5 https://youtu.be/sTCQT2MwD6M?si=F-Nj3O-AUSvxCZWQ ■タイミーは日本の「はたらく」をどう変えるのか AI時代に必要な「信頼」という財産（日経ビジネス電子版 Special） https://special.nikkeibp.co.jp/atclh/ONB/26/timee0220/ ■日本の働き方を変えたタイミーは、次に何を変えるのか｜小川嶺代表が語る"第2章"（日興フロッギー） https://note.com/froggy\_smbcnikko/n/nf459bac56bbe ■スポットワーク研究所｜社会課題に真正面から向き合うタイミーの調査・事例メディア https://spotwork.timee.co.jp/

採用要件

MUST

ハードスキル

Pythonを用いた機械学習パイプライン、基盤ツール、バッチ処理等の開発経験（5年以上）

Gitを用いたチーム開発の経験

GitHub Actions / GitLab CI等を用いたCI/CDの設計・実装・運用経験

Terraform等のIaCを用いたクラウドインフラの設計・構築・運用経験

Google CloudまたはAWS等のクラウド環境における開発・運用経験（直近含め5年以上）

Docker/Kubernetes をはじめとしたクラウドネイティブな基盤に関わる開発・運用経験

商用環境または業務システムにおいて、機械学習パイプライン、推論基盤、Feature Store・モデル管理・実験管理・モデル監視などのMLOps基盤を設計・開発・運用した経験

監視、アラート、ログ、メトリクス、Runbook、障害対応、インシデント対応など、本番運用を前提としたシステム運用設計の経験

VPC構成、クラウド権限管理、Secret管理、監査ログ、脆弱性対応など、インフラ・アプリケーション双方のセキュリティに関する実務経験

Platform as a Product、Internal Developer Platform、Golden Path、セルフサービス基盤などの設計・運用経験

保守性、可用性、セキュリティ、コスト、運用負荷を考慮しながら、技術選定・アーキテクチャ設計・改善方針をリードできること

既存基盤の制約や組織ケイパビリティを踏まえ、短期の事業要請と中長期の基盤整備のトレードオフを判断できること

ソフトスキル

当社のミッション、社会貢献性の高い事業に共感していただける方

当社のバリューにフィットしている方

業界・顧客理解のためにインプットを怠らない方

曖昧な課題を構造化し、技術・運用・組織の論点を整理しながら前に進められる方

データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア、SRE、セキュリティ担当など、複数職種・複数チームと連携しながら横断的に業務を推進できる方

利用者視点で、基盤・開発環境・ドキュメント・運用フローをより使いやすく改善し、標準化・セルフサービス化をリードできる方

社内ライブラリ、テンプレート、開発者向けドキュメント、オンボーディング資料などを整備し、開発者体験を改善できる方

技術方針、優先順位、責務分界について、関係者と合意形成しながら意思決定できる方

小規模チームまたは横断プロジェクトにおいて、技術リード、設計レビュー、タスク分解、リリース推進を担える方

ADR、Design Doc、Runbook、レビュー観点、チェックリスト等を整備し、技術的意思決定や運用知見を組織に残せる方

自身で手を動かすだけでなく、レビュー、メンタリング、ナレッジ共有を通じてチーム全体の技術力・運用品質を引き上げられる方

ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方

WANT

dbt、Snowflake、Databricks、BigQuery等を用いたデータ基盤・分析基盤の設計・開発・運用経験

LLMOps、プロンプト管理、評価基盤、AI as a Judge、LLM Observability、コスト管理、ガードレール設計等に関する経験

AIガバナンス、AI利用ポリシー、モデル・プロンプトのレビュー、リスク分類、Human-in-the-loop設計等に関する経験

リアルタイム推論、高頻度データ連携、オンラインFeature Store、検索・推薦・ランキング・マッチング基盤などの設計・運用経験

ML/LLM基盤、推論基盤、データ基盤などの大規模な移行・刷新・技術負債解消をリードした経験

基盤の利用率、開発リードタイム、問い合わせ件数、障害件数、コストなどの指標を用いてPlatform Productを継続改善した経験

OSS活動、技術ブログ、登壇、社内外の勉強会などを通じて、MLOps / Platform Engineering領域の知見を発信した経験

会社情報