事業概要

株式会社グルーヴノーツは、AI と量子コンピューティング（量子アニーリング）を実務で使える形にして企業に届けてきたテクノロジーカンパニーです。

いま私たちが取り組んでいるのは、大企業の業務に対して、曖昧な要望の段階から入り、動くソフトウェアにして手渡し、本番で使われ続けるところまで見届けるという仕事です。

これを支えているのが、自社のAIエージェント運用基盤「Ravel」と、社内で標準化した「Agentベース開発標準」です。実装の多くはAIエージェントが担い、人は「何を作るべきか」「これでよいか」という判断と、お客様の現場に集中します。

この体制の中核を担うのが AI Driven FDE です。顧客の現場に入り込み、課題の探索から技術検討、プロトタイプの提示、本番運用までを一気通貫で担います。

AIのコーディング速度は劇的に向上しましたが、「間違ったものを速く作る」ことは巨大なビジネスリスクを生みます。私たちは、属人的な労働集約モデルから脱却し、コンサルティングの質の高さと、ソフトウェアプラットフォームの拡張性を融合させています。

私たちが価値の源泉と考えているのは、次の2つの方向です。

• 深める — 幅広い教養と、量子コンピューティング・AIという当社の得意領域を深めること
• 位置をずらす — 何を問うか、どこに違和感を持つか、何を選ぶか、どう形にして見せるか、何を貯めるか。問いの立て方で価値を生むこと

この2つは、どちらか一方では価値になりません。
技術だけを深めても、いま最も速く陳腐化するのはその部分です。逆に、問いを立てる力だけがあっても、動くものを出せなければ、顧客の「確かにこれいいね」は取れません。技術の土台がある人が、問いを立てる道具を持ったときにだけ、構想と実物の間に誰も挟まらない働き方ができます。私たちが求めているのは、この掛け算です。

生成AIを「使えること」自体は、もう差別化になりません。技術は速く陳腐化しますが、案件ごとに貯まる判断と学びの複利は陳腐化しない — それが私たちの働き方の土台です。

【業務内容】

• お客様の事業環境・業務の構造理解と、課題の探索（商談段階からの伴走を含む）
• AIを活用したリサーチによる世界の事例・手法の調査と、解決アプローチの立案（他分野の技術・手法を、目の前の課題にマッチングさせる）
• 数日〜1週間でのプロトタイプ作成と、お客様との共創（構想した人が、そのまま自分の手で形にします）
• 要件定義・仕様化と、AIエージェントを活用した開発の推進
• 品質の判断（仕様の承認、実装のレビュー、本番リリースの判断）
• 本番稼働後の運用・改善と、案件で得た学び・手法の組織資産化

【役割】

お客様の曖昧な要望から本質課題を掴み、プロトタイプを先に形にして見せ、共感を引き出し、本番導入・運用まで一気通貫で見届ける役割。この役割が成立するのは、技術がわかるからです。「何が作れるか」を体で知っている人だけが、実現できる形で問いを立て直せます。

【当社でチャレンジできる業務】

• 日本を代表するナショナルクライアント（金融、物流、製造等）の業務へ、生成AIエージェントや量子アニーリングなどの先端テクノロジーを直接実装する体験。
• 要件定義が始まる前の工程に、正面から取り組む。 「言われた通りに作る」の手前、お客様自身もまだ言語化できていない段階から入り、紙の資料ではなく動くプロトタイプを囲んで議論します。ここは当社でも最も難しく、最も価値が出る工程です。
• AIエージェント前提の開発スタイルを、先駆けて実践する。 実装とテスト生成はAIが担い、人は仕様・アーキテクチャ・品質判断に集中する。この進め方を「試す」のではなく、標準として運用している環境で働けます。
• 一つの案件を、組織の資産に変える。 案件から生まれた手法・アーキテクチャパターンを、次の案件と他のメンバーが使える形に還元します。作って終わりではありません。
• 量子アニーリングを含む最適化技術の実適用

【他社にない差別化ポイント（当社の強み）】

1. 「持ち帰って検討します」で温度を下げない
   従来のコンサルティングは、提案書と見積書で議論が進み、実物が出るのは数か月後です。私たちは数日〜1週間で動くものを出し、それを見たお客様の反応で仮説を検証します。議論の対象が「資料に書かれた想定」から「目の前で動いているもの」に変わるため、認識のずれが早く、安く見つかります。
2. Ravel × Agentベース開発標準 — 速さと品質を両立させる仕組み
   速く作ると品質が落ちる、というトレードオフを、仕組みで外しにいっています。コードを「仕様から再生成できる出力物」と捉え、真の資産は仕様・アーキテクチャパターン・判断の記録の側に置く。すべての案件を、商談から運用保守まで、いつ・誰が（人でもAIでも）開いても「なぜ」から再構成できる状態に保つ — これを組織の原則として運用しています。
3. AI × 量子アニーリングの両輪
   生成AIによる自動化だけでなく、組合せ最適化という別系統の技術を実務で扱ってきた蓄積があります。「LLMで解ける問題」と「最適化で解くべき問題」を切り分けられること自体が、課題の探索段階での引き出しの広さになります。
4. 完成された人材ではなく、育つ仕組みを持っている
   育成を「先輩の背中を見て覚える」に任せていません。業務時間内のカリキュラム、段階的な権限委譲、案件記録の全面的な保存 — 育成のための機構を、組織の標準として実際に回しています。
5. 技術の土台 × 思考のOS — 掛け算できる人を育てている

   顧客の課題を「解釈する人」と、それを「実装する人」を分けている会社は多くあります。その分業は、翻訳のたびに意図が落ちるという構造的な弱点を抱えています。

   弊社では、技術がわかる人間が、そのまま顧客の前に立ちます。「それは本当に作るべきか」と「それは作れるか」を、同じ人間が同時に考えられるからです。

   そのために、技術者に対して構造を読み解き、目的を掘り起こし、語られていないことを可視化するための思考の道具を、育成プログラムとして体系的に渡しています。

【当社に入社し、自分のスキルをどのように高められるか】

• 「書く人」から「問いを立て、判断する人」へ
  AIが実装を担うようになって希少になったのは、コードを書ける人ではなく、出てきたものを見て「これでいい」「これはだめだ」と言える人です。当社では、本質課題の特定、問いの立て直し、仕様と品質の評価という、AI時代にも陳腐化しない側の力に時間を使えます。
• 技術の土台に、「思考のOS」を掛ける

  「顧客の本当の課題を掴む」は、精神論で終わりがちなテーマです。私たちはこれを、学べる形に分解しています。

  構造を見抜いても作れなければ絵で終わり、作れても何を作るべきか見抜けなければ「具体的で説得力のある的外れ」になります。

  全4回のワークショップで、私たちが実際に使っている3つの知的道具（人文知）を、実案件と往復しながら身につけます。

  • 構造を読み解く— 顧客の要望というバラバラの表層から、共通する構造を抜き出す。完璧な仕様がない状態でも、手元の素材で形にする
  • 目的から考える— 顧客が求める「機能（手段）」の奥にある「目的」を掘り起こす。手法や技術スタックに縛られず、目の前の現場に合った最適解を選ぶ
  • 語りえぬものを可視化する— 顧客独自の社内ルールや業界の文脈を読み解き、顧客自身も言葉にできていない悩みを、プロトタイプという形で見せる
  • 最終回では、自社の過去案件を実際にこれらのメガネで解剖します — 「あの案件のどこで顧客の文脈を読み違えたか」を、学んだ概念で名指しできるようにするためです。

  前提知識は不要です。入門テキストと動画等の学習コンテンツを会社が提供し、業務時間内に受講します。

• 段階的な権限委譲 — いきなり丸投げも、いつまでも任されないことも、ない
  品質判断などの重要な役割は、先輩の判断に並走しながら学ぶ「シャドー承認」を経て、認定とともに任されます。担える判断が広がったこと自体を成長の証跡として記録し、カリキュラムの到達度と接続しています。
• 属人化しない働き方が、機会を増やす
  全案件で、経緯・判断・記録を誰でも（AIでも）読める形で残します。引き継ぎや担当替えが安全に行えるため、特定の人に案件が固定されず、新しく入ったメンバーにも早い段階で実案件の機会が回ってきます。

必須スキル

• 顧客・ユーザーと直接対話し、課題を整理・構造化した経験（コンサルタント、SE、PM、プリセールス、研究職など職種不問）
• ソフトウェア開発に何らかの形で関わった経験（自ら実装した経験の長さは問いません）
• 生成AIを日常の道具として使いこなしていく意欲と、「作ったものを仕様とテストで説明できる状態にする」という進め方への共感

歓迎スキル

私たちの仕事は、「作れる力（技術の軸）」と「何を作るべきかを見抜く力（解釈の軸）」の掛け算でできています。

技術の軸 — 作れること

• Webアプリケーション、データ基盤、クラウド（Google Cloud等）いずれかの開発・構築経験
• データ分析・機械学習・最適化（量子アニーリングを含む）の実務・研究経験
• Claude Code等のAIコーディングエージェントを使った開発経験
• テスト設計・品質保証への関心や実務経験
• チーム開発（コードレビュー、Git、CI/CD）の経験
• プロトタイピング・UXデザインなど「素早く形にして見せる」力

解釈の軸 — 何を作るべきかを見抜くこと

• 数学・物理・統計など、課題を定式化する力
• 哲学・社会学・人類学などの人文知、リサーチ・インタビューの方法論
• 特定業界（製造、物流、金融、小売など）の深い業務知見
• 技術文書・仕様書を書く力、複雑なことを平易に説明する力

求める人物像

私たちが恐れているのは、「速く作れないこと」ではありません。

AIによって、作る速度は劇的に上がりました。しかし、間違ったものを速く作ることは、巨大なビジネスリスクです。仕様通りに動き、見た目も整っていて、しかし顧客の本当の課題を何ひとつ解いていない — これはAIが最も得意とする失敗の形です。

これを防げるのは、いまのところ人間だけです。AIがどれほど優秀になっても、「何を作るべきか」は定義できないからです。

私たちがFDEに求めるのは、ツールの習熟ではなく、顧客の漠然とした課題から、変わらない構造と本当の目的を取り出す力です。私たちはこれを「思考のOS」と呼び、社内の育成プログラムで全員が鍛えています。

選考で見ているのは、この力をすでに持っていることではなく、この動き方を面白いと感じ、身につけていきたいと思えることです。

さらに、私たちはFDEの仕事を「6つの動作」として言語化しています。選考では、これらが「すでに完璧にできること」ではなく、「この動き方を面白いと感じ、身につけていきたいと思えること」を重視します。

加えて、次のような方と一緒に働きたいと考えています。

• わからない状態に耐えられる方 — 曖昧なまま前に進み、手を動かしながら輪郭を掴んでいくことを楽しめる
• 自分の判断を、理由とともに言葉にできる方 — 「なんとなく良い」で終わらせず、なぜそう判断したかを残せる
• 学び続けることを前提にできる方 — 道具も手法も毎月変わります。今の自分のやり方を更新し続けられる

選考プロセスと課題

• 書類選考： 職務経歴書に加え、ご自身の「光る得意領域」が伝わるもの（成果物、論文、記事、リポジトリ、分析事例等）の共有を歓迎します（形式不問）。
• 一次面接（現場メンバー・チームリード、ケース課題確認）： 実績の確認および「6つの動作」に対する共感度・素養のディスカッション。
• 二次面接： 実際の案件に近いテーマ（簡単な顧客相談等）をもとにした「問いの立て直し」や「課題解決アプローチ」のディスカッションワーク。※正解を当てるテストではなく、思考のプロセスや対話の質を確認する場です。
• 最終面接（社長）： ビジョンマッチ、成長意欲、人物面を含めGNで活躍できる能力を有していることを確認。
• オファー面談： 採用関係者、人事：当社・業務の疑問の解消、オファーレターの提示・説明

【コンサルのケーススタディ】

＜ご準備のタイミング＞

書類選考通過後、一次面接までに、ご準備、ご作成をお願いいたします。

＜課題の概要＞

生成AIを活用して、なにかアイデアを形にしてみてください。これは私たちが日常的にやっている動作⑤を体験いただくものです。
完成した作品（動作するソフトウェア）を、一次面接にご提示ください。

＜この課題の意図＞

この課題は、AIツールの習熟度を測るものではありません。「何を作るか決める」と「実際に形にする」を、一人の中で往復していただくものです。私たちの仕事そのものの、最小サイズの体験だと思ってください。

完成度は問いません。提出時に、「なぜそれを作ろうと思ったか」「作る過程で最初の考えがどう変わったか」を数行添えてください。

＜留意事項＞

• アイデアの内容は問いません。ご自身の興味のあることや、日頃感じている課題など、自由な発想で取り組んでください。
• 必ずしも完成させる必要はありません。 制作途中のものでも構いません。
• 無料の範囲で利用できるツールやサービスを積極的に活用してください。

応募概要