AIエンジニア／データサイエンティスト

事業についての詳細はこちら(/pages/goals)をご参照ください。

ポジション概要

「HANZO」シリーズの中核となるアルゴリズム開発を担っていただくポジションです。外食チェーン向けの需要予測・自動発注に加え、直近で立ち上げた物流・製造ドメインにおける在庫最適化・生産計画といった新規領域が主戦場となります。

実データを用いた分析・課題構造化から数理モデルの設計、本番運用を前提とした実装までを一貫して担当いただきます。分析専任のポジションではなく、PoCで終わらせずプロダクトへ組み込むところまでを期待しています。

会社・事業について

＜ミッション：食品産業のロスをなくす。＞

日本の食品ロスは年間461万トン。そのうち237万トンが産業起因にて生まれています（2024年度推計値／農林水産省・環境省）。食品産業は日本のGDPの約10%を占める基幹産業でありながら、非効率なサプライチェーンによって数兆円規模のロスが発生しています。

原因は「適切な需要予測データ」に基づいて産業全体が動いていないことに尽きます。外食チェーンの店舗では店長の経験と勘に頼って発注が行われ、食品卸や食品製造はその需要が読めないまま在庫を抱え、消費期限を迎えたものがロスになります。

私たちは、店舗単位の食材需要予測を起点にサプライチェーン全体を動かす「デマンドチェーン」によって、この構造そのものを変えようとしています。

＜事業内容：AI需要予測を軸にしたVertical SaaS＞

主力プロダクト「HANZO自動発注」は、AIが売上予測をもとに適切な発注量を算出し、発注システム向けのデータ生成までをワンストップで行うサービスです。

累計4,000店舗以上の外食チェーンにご契約をいただき、富士キメラ総研のリサーチでは『食品ロス削減ソリューション市場 飲食業向け国内シェア2年連続No.1（需要予測・自動発注カテゴリ）』を獲得しています。

＜なぜGoalsにしかできないのか＞

食品産業のサプライチェーンは、消費期限や三温度帯管理といった商材特性に加え、小売・流通・製造の企業間で需給調整が十分に行われていないという構造的な難しさを抱えています。そのため需要予測の難易度が高く、現場ごとに商習慣も異なるため、汎用的なシステムでは解けない領域です。

私たちは外食チェーンの事業戦略の策定や伴走型のコンサルティングを通じて現場の業務フローを徹底的に紐解く「泥臭いアプローチ」と、創業時から継続しているAI研究への投資を掛け合わせることで、他社が容易に真似できない専門性を確立してきました。

＜現在地：外食DXから、食品の産業構造を変革するプラットフォームへ＞

累計50億円超（直近20億円超）の資金調達を完了し、外食チェーン向けサービスに続いて、サプライヤー（食品製造・卸・物流）向けの新サービスの提供を開始しました。直近では物流・製造ドメインの立ち上げを行い、食品産業のサプライチェーン全体をつなぐサービスへと進化を目指すフェーズにあります。

川上から川下まで双方向で需要データを共有・循環させるプラットフォームへの進化に向け、IPOとその先を見据えたグロースフェーズに入っています。

一つの産業が大きく変わろうとする瞬間を、その中心で見られるのが今のGoalsです。

募集の背景

昨今の人手不足・原価高騰・物流クライシスを背景に、あらゆるリソースの最適化が大手外食企業・物流企業・食品卸企業・食品メーカーで顕在化しています。こうした社会背景のもと、当社サービスへの引き合いは増加を続けています。

直近は物流・製造ドメインの立ち上げを行い、食品産業のサプライチェーンをつなぐサービスへと進化を目指すタイミングで、AI領域では以下の課題を抱えています。

• 物流・製造ドメインという新領域のモデル設計
  • 在庫最適化・需要予測・生産計画といった、外食とは前提が異なる数理モデルをゼロから設計する必要がある
• PoCをプロダクトとして届けきる難しさ
  • 分析・検証で終わらせず、API化／バッチ化して本番運用に載せ、4,000店舗の日々の業務を支える水準まで持っていく必要がある
• 既存プロダクトのアルゴリズム改善
  • 需要予測・自動発注の精度向上は、そのまま顧客の食品ロス削減と原価改善に直結する
• AI開発を支える基盤の整備
  • 学習・推論パイプライン（ML基盤）の整備。データ基盤チームと連携して進めます

「PoCで終わらせず、プロダクトとして価値を出したい」という方に、特に楽しんでいただけるポジションです。

自動発注は入口にすぎません。私たちが実現したいのは、需要を起点に発注・人員配置・物流までが連動する経営です。過去に大手外食企業が多額のシステム投資を重ねても届かなかったこの領域を、Goalsが切り拓いています。

「社会を変えるプロダクトを作りたい」
「圧倒的に成長したい」
そんな思いを持った方と一緒に、日本の食品産業を変えていきたいです。

組織・チーム体制

▼想定配属先

「HANZO 自動発注」「HANZO 人件費」、または物流・製造向けに新たに立ち上げたプロダクトチームへの配属を想定しています。 あわせて、各チームのAIエンジニアで構成する横断の「AI開発チーム」を兼務いただきます。

▼チーム体制

開発組織は、プロダクト本部（CEO管掌）→ グループ（VP管掌）→ チームの3層構造になっています。各グループは、プロダクトごとのアプリケーションチームと、共通基盤（アプリケーション／インフラ・SRE）・データ基盤・デザイン基盤を担う基盤チームで構成されています。

AIエンジニアは各プロダクトチームに所属しており、モデル開発とプロダクト実装の距離が非常に近く、PoCがそのまま本番機能に接続される体制です。あわせて、各チームのAIエンジニアで構成する横断の「AI開発チーム」があり、AI領域の知見をチーム間で共有しながら進めていただけます。

Business PO・PdM・アプリケーションエンジニアとは日常的に連携し、モデルの前提となる業務要件から一緒に議論します。

仕事内容

データ分析・数理モデルの設計から、プロダクトへの組み込み・本番運用までを一貫して担っていただきます。

【データサイエンス／PoC推進】

• 物流／製造／在庫データを用いた分析・課題構造化
• 在庫最適化・需要予測・生産計画などの数理モデル設計
• 顧客業務を踏まえた仮説立案・検証・PoC推進
• PoC結果のドキュメンテーションおよび意思決定支援

【AIエンジニアリング／プロダクト実装】

• Pythonによるモデル実装・評価・改善
• PoCモデルのプロダクト組み込み設計
• 既存プロダクト（需要予測・自動発注等）のアルゴリズム改善
• Python側の推論API・バッチの実装。Railsへの組み込みはアプリケーションエンジニアと協働
• 精度／処理時間／運用コストを踏まえた学習・推論パイプラインの継続的改善

【プロダクト・チーム連携】

• PdM・Business PO等と連携した要件整理・仕様策定
• 分析結果をもとにしたプロダクト機能提案
• 技術選定・設計方針の議論

【中長期的にお任せしたいこと】

• 食品サプライチェーン全体の最適化に向けた、新領域のアルゴリズム開発
• MLOps／分析基盤の設計・運用による、継続的なモデル改善サイクルの確立
• 社内外のステークホルダーに対する技術プレゼンテーション

※分析専任のポジションではありません。分析・モデル設計から、プロダクトへの組み込み・本番運用までを一気通貫で担うことを期待しています。

このポジションの魅力

＜「分析やPoCで終わらせない」実社会の課題に直結するプロダクト実装＞

単なる分析・モデル作成にとどまらず、需要予測や自動発注、在庫最適化などのアルゴリズムを実際のSaaSプロダクトへ組み込みます。4,000店舗の実データが日々蓄積され、モデルの改善がそのまま食品ロスの削減という社会課題の解決につながる——このスケールでこのテーマに取り組める環境は、そう多くないと考えています。

＜一見泥臭い業界に見えて、実態はディープテック＞

45日先までの来客／売上予測、食材ごとの賞味期限や納品リードタイム、レシピ単位での使用量、天候や曜日トレンド。これら多数の変数を掛け合わせ、「いつ・何を・どれだけ発注すべきか」をAIが自動算出しています。需要予測・数理最適化・大規模データ活用の難易度が高いプロダクトです。

＜不確実性の高い最上流からの課題構造化と、高度な数理モデル設計＞

直近で立ち上げた物流・製造ドメインでは、外食とは前提が異なる数理モデルをゼロから設計する必要があります。現場の業務を踏まえたデータ分析・仮説立案から、時系列解析・統計分析・数理最適化モデルの構築まで、前例のないテーマに主体的にアプローチできます。

＜ビジネスサイドと直接連携し、プロダクトの機能や技術選定を主導できる＞

分析結果をもとにした新規機能の提案や、技術選定・設計方針の策定に深く関与できます。代表がエンジニア出身であることもあり、技術への理解が深い環境で高い裁量を持って挑戦できます。

▼正直にお伝えしたいこと

当社のデータ基盤・MLOps環境は発展途上であり、データの前処理や環境整備といった泥臭い工程も少なくありません。またLLMの基盤研究は行っておらず、あくまで活用する側の立場です。整備された環境で研究に集中したい方よりも、環境ごと作っていくことに面白さを感じる方に向いたポジションです。

開発環境

• バックエンド：Ruby on Rails
• フロントエンド：React / TypeScript
• AI部分：Python / scikit-learn
• クラウドサービス：AWS
• AI開発支援ツール：Claude Code / Cursor / Devin

開発文化

• エンジニアの裁量度が高い（代表がエンジニア出身のため）
• デプロイ前のコードレビュー必須
• 日常的にリファクタリングを検討
• 実装担当メンバー主導で工数見積もりを実施

所属メンバー・等級制度

◾️所属メンバー

20代の若手エンジニアから、40代のエンタープライズ向け基幹システム開発のプロフェッショナルまで幅広い層が所属しています。

◾️等級制度・キャリアパス

当社はマネジメント職とエキスパート職のデュアルラダーを採用しています。 チームリーダー／マネージャー候補の段階を経て、マネジメント職とエキスパート職に分岐します。エキスパート職では、ピープルマネジメントを担わずに部門横断の技術課題解決をリードいただき、マネジメント職と同等の等級・報酬水準まで昇格可能です。

応募条件

▼必須経験・スキル

• 実務データを用いた分析・モデル開発の経験3年以上（統計分析／時系列解析／機械学習のいずれか）
• Pythonによる実装経験（本番運用を前提としたコードの実装経験）
• 曖昧な業務課題を構造化し、仮説検証を自走した経験
• バージョン管理・コードレビューを伴うチーム開発の経験
• 日本語能力（ビジネスレベル）

▼歓迎経験・スキル

• 在庫最適化／生産計画／配送計画などの最適化問題の知識・実装経験
• 線形計画法／整数計画法などの数理最適化の理解
• PoCからプロダクト化までを一貫して経験した方
• 実業務に組み込まれたモデルの運用・精度改善の経験
• MLOps／分析基盤の設計・運用経験
• SaaSプロダクト開発経験（Webアプリ／API）
• LLM・生成AIを活用したプロダクト機能開発の経験
• ビジネスサイドや顧客と直接議論しながら進めた経験
• アジャイル開発の経験

▼求める人物像

• Goalsのミッション・バリューを体現し、事業成長に強い関心を持てる方
• 曖昧な課題を自ら構造化し、仮説検証を回せる方
• 環境整備を含めた泥臭い工程も引き受けられる方
• チームワークを重視し、積極的なコミュニケーションが取れる方
• 自律性があり、自ら課題を見つけ主体的に行動できる方
• タスクやプロジェクトを最後までやり抜く完遂力がある方
• 完璧を追い求めすぎず、目的志向で柔軟に判断・行動できる方

選考フロー

書類選考 → 一次面接 → 二次面接 → 人事面談 → 最終面接 → オファー面談

※各面接60分（人事面談は30分）、オンライン実施が中心です
※最終面接は対面での実施をお願いしております
※選考の過程で、リファレンスチェックおよび各種コンプライアンスチェックを実施いたします
※ご希望に応じて、選考前にカジュアル面談も実施しております

参考リンク

■会社説明資料
https://speakerdeck.com/sazakitakashi/goalshui-she-shao-jie-zi-liao(https://speakerdeck.com/sazakitakashi/goalshui-she-shao-jie-zi-liao)

■note（社員インタビュー・カルチャー）
https://note.com/goals(https://note.com/goals)

■Tech Blog（Zenn）
https://zenn.dev/p/goals_techblog(https://zenn.dev/p/goals_techblog)

■採用情報ページ
https://hrmos.co/pages/goals(https://hrmos.co/pages/goals)

【職種 / 募集ポジション】
AIエンジニア／データサイエンティスト
【雇用形態】
正社員
【給与】
年収 7,000,000円 〜 12,500,000円
※経験・スキルを考慮し、当社規定により決定します。​
【勤務地】
108-0014 東京都港区芝5-3-2 +SHIFT MITA 3F

会社情報

【会社名】
株式会社Goals
【代表者】
佐崎 傑
【設立年月】
2018年7月
【従業員数】
65名 ※2026年5月1日現在
【本社所在地】
〒 108-0014 東京都港区芝5-3-2 +SHIFT MITA 3F
【事業内容】
外食企業向け業務支援クラウドサービスの開発・販売・運用支援