ナレッジグラフのAIエージェント/RAG活用PJT（KG／RAG／GraphRAGエンジニア枠）

ポジション概要： ・社内の知的資産をナレッジグラフ（KG）として構造化し、RAG／GraphRAGとAIエージェントで活用する実証プロジェクト（PoC第一次）の技術実装を担うエンジニアの募集。 ・LLMによるエンティティ抽出・関係性推定からナレッジグラフ構築、検索パイプライン（ベクトル＋グラフのハイブリッド）、エージェント開発、3方式比較の評価基盤まで、AI／KG領域の中核を一気通貫で担当します。 ・業務インパクトの大きいユースケースを実データで検証する、技術的に挑戦しがいのあるポジションです。 体制： ・ポジション：AIエンジニア（AIエージェント開発／KG・RAG・GraphRAG） ・所属：プロジェクトチーム（PM／PMO配下） ・人数：AIエージェント開発 2〜10名／KG・RAG・GraphRAG 1〜2名 対象PoCの概要： ・社内ナレッジ検索、文書作成・チェック支援、ナレッジ蓄積・再利用、各種業務支援AIなど、業務インパクトの大きいテーマを対象に、AIエージェント／ナレッジグラフ／RAGを用いた実証を行います。テーマは優先度に応じて3つのPhaseに分けて段階的に実施します。 主な業務内容： ・ナレッジグラフのオントロジー設計（多層構造の知識表現） ・議事録・メール等からのエンティティ抽出と関係性推定、KGへの自動登録パイプライン構築 ・ベクトル検索とグラフトラバーサルを組み合わせたハイブリッド検索の実装・精度チューニング ・テーマ固有のKG拡張設計、検索精度（MRR、Precision／Recall）の評価・改善 ・結合テスト・ユーザー受入テスト（UAT）の実施支援 ・フィードバックに基づく学習ループ（KG更新、検索重み調整、リランキング改善）の実行 ・効果測定・KPI評価レポートへの技術的インプット 求める人物像： ・精度・品質の不確実性に向き合い、検証と改善のループを回せる ・業務価値起点で技術選定でき、3方式比較のような実証的アプローチを楽しめる ・ハルシネーション対策・根拠明示など、実務投入を見据えた品質設計ができる

※エントリー時は◯×記載のご協力をお願いいたします （必須） ・Python等によるアプリケーション／データパイプライン開発の実務経験 ・LLM／生成AIを用いたアプリケーション開発経験（RAG構築経験を含む） ・API連携、クラウド環境（AWS／Azure／GCP いずれか）での開発経験 ・グラフDB（Neo4j等）またはナレッジグラフ／GraphRAGの設計・実装経験 ・ベクトルDB・埋め込み・検索精度評価に関する実務知識 （尚可） ・LLMエージェントフレームワーク（LangChain／LlamaIndex／独自実装等）の利用経験 ・Azure OpenAI等の閉域・準閉域環境でのLLMデプロイ経験 ・オントロジー設計、知識表現、情報抽出（NER・関係抽出）の知見 ・検索精度の定量評価・A/Bテスト・リランキング最適化の経験