AIデータ品質管理リード|教師データ設計・品質保証・運用標準化

仕事内容と労働条件

仕事内容

▍事業内容/企業紹介
当社は、建設業界に蓄積されてきた見積・設計・施工・維持管理などのデータと、実務の中で培われてきた判断基準を構造化し、企業の業務効率化や意思決定を支援する建設業界特化型のデータプラットフォームを開発しています。

建設業界では、企業・プロジェクトごとに業務、データ、管理方法が異なり、重要な情報がExcelやPDF、担当者の経験に分散しています。当社では、こうした非構造・属人的な情報をデータとして扱える状態へ変換し、CO2排出量の算定をはじめ、見積・購買・業務分析など複数のテーマへ展開しています。

▍ポジションのミッション(募集背景)
建設データには企業・案件ごとの表記差、専門判断、曖昧な例外が多く、モデル改善だけでは品質を安定させられません。何を正解とするか、誰がどう検証するかを標準化し、教師・評価データの再現性を高める必要があります。

今回募集するのは、機械学習・生成AIに利用する建設データの正解を定義し、アノテーション基準、レビュー、エラー分析、改善サイクルを設計するポジションです。具体的には、ラベル定義・正解基準・曖昧ケースの判断ルール策定、アノテーションガイドラインとFAQ整備、サンプリング・ダブルチェック・合意率等の品質設計、誤分類・不一致・偏りの分析などを通じて、担当領域を前に進めます。

▍仕事内容
正解・品質基準の設計
● 教師データ・評価データのラベル定義、正解基準、許容誤差、例外ルールを設計
● 判断が分かれやすいケースを収集し、ガイドライン・FAQ・判定例として言語化
● モデル評価で確認すべき品質指標と、業務上許容できる品質水準をMLチームと整理
● データセットやルール変更時の版管理・変更履歴・影響範囲を管理

品質検証・エラー分析
● サンプリング、ダブルチェック、合意率等を用いたレビュー方法を設計
● 誤分類、不一致、欠損、偏り等を集計し、エラータイプ別に原因を分析
● 作業者起因・ルール起因・データ起因・モデル起因を切り分け、改善優先順位を整理
● 改善前後の品質を定量評価し、基準や運用の変更効果を確認

作業者・外部パートナーの品質管理
● アノテーション/データ作業者向けのオンボーディングと判断基準の説明
● 作業者・ベンダー別の品質傾向を可視化し、再教育・チェック強化を実施
● エスカレーションすべきケースと現場判断で処理できるケースを整理

ML・プロダクトとの改善サイクル
● MLエンジニアとエラー分類・評価データ・再学習対象をすり合わせ
● PdM・業務担当者と、モデル精度と実務上の正しさの差分を整理
● 品質課題をデータ作成・モデル・UI/運用のどこで解くか判断材料を整理
● 継続的に品質を確認できるレポート・レビュー運用を整備

▍組織名/体制
AIデータ品質管理チーム。CS、BPO、ML、プロダクトチームと連携。

▍開発体制
教師・評価データの改善結果をMLチームの学習・評価へ接続。

▍技術スタック
Excel/Google Sheets。歓迎:SQL、Python、正規表現、BIツール。

▍やりがい・魅力など
● AIの精度を左右する「何を正解とするか」を、データ・業務の両面から設計できる
● アノテーション作業ではなく、品質基準・レビュー・エラー分析・改善サイクルまで設計できる
● MLエンジニアや業務担当者と連携し、データ品質をモデル改善へ直接つなげられる

応募資格

● 教師データ・評価データ、マスターデータ、審査データ等における品質管理・品質改善の実務経験
● 曖昧な判断や例外ケースを整理し、分類ルール・判定基準・ガイドラインとして言語化した経験
● Excel/SQL等を用いて、誤分類・不整合・品質低下の傾向を分析し、原因特定から改善まで行った経験
● エンジニア・業務担当者など複数の関係者と、正解基準や品質水準について合意形成した経験
【歓迎】
▼歓迎スキル
● 機械学習における教師データ・評価データの設計、アノテーションルール策定経験
● LLM/生成AIの評価設計、人手評価、Human-in-the-loopの運用経験
● BPO・アノテーションベンダー等を活用した大規模なデータ品質管理経験
● マスターデータ管理、データガバナンス、データ品質基準の設計経験
● 建設・建築・積算・見積データを扱った経験

▼求める人物像
● 曖昧な事例を放置せず、判断基準として言語化できる方
● 感覚ではなく、データやエラー傾向から品質課題を特定できる方
● 作業者が同じ基準で判断できる運用・レビュー方法を設計できる方
● MLエンジニアや業務担当者と、正解・品質水準を建設的に議論できる方
● 個別の例外対応を、次回以降に再利用できるルールへ変えられる方

就業場所

東京都 千代田区
9::00(フルフレックス・コアタイムなし)

就業時間・休憩

09:00〜18:00

休日・休暇

土日祝休み
年間休日125日
年末年始休暇・夏季休暇・GW休暇・特別休暇・慶弔休暇・産休・育休
・完全週休2日制(土・日)
・祝日
・夏季休暇
・年末年始休暇
・有給休暇
・休業/慶弔制度
・産前産後休暇
・育児休暇
・子どもの看護休暇

賃金

600-800万円(年俸制) ※基本給 500,000円〜
みなし残業45時間/月(175,781〜249,023円)
■賞与
賞与なし

待遇・福利厚生

社会保険完備・交通費支給
・リモートワークと出社を組み合わせた勤務体制を実施(現状、火・木出社)
・昇給(年1回)
・社会保険完備
・入社準備手当(10万円支給)
・最新PC貸与
・通勤手当(月5万円まで)
・リファラごはん飯制度(社内紹介制度)
・ウェルネスサポート制度(健康維持支援)
・学び応援制度
・社内交流イベント
・代表との1on1制度
※採用活動におけるハラスメントについて
当社は採用活動におけるハラスメントを一切禁止しております。
ご不安な点がある場合の相談窓口や詳細は、下記方針よりご確認いただけます。

受動喫煙対策

禁煙

選考・応募書類

応募 → Periodとの面談 → 企業の選考（1書類選考 2カジュアル面談 3一次面接 4二次面接 5最終面接 6内定 ※オンライン面接、最終面接は顔合わせ）

募集者

社名は面談時にお伝えします

取扱い

株式会社Period（有料職業紹介事業 13-ユ-315555）

掲載日

2026年10月21日

記載の労働条件は掲載時点のものです。詳しくは面談・面接の際にご確認ください。

選考の流れ

1. 応募（このページのフォーム）
2. Periodとの面談（オンライン・日本語または英語）
3. 企業との面接
4. 内定・入社の手続き

同じエリア・職種の求人

• 東京 / 工具を使った業務経験者採用 / コンビニ店舗で働く"AIロボット"の【据え付け・メンテナンス】 *専門知識不要。作業はが中心!東京都 ／ 年収 400万円〜800万円 ／ 正社員
• 【技術職・2027新卒】機械系学科・電気電子系学科の学生 / 勤務地(東京・神奈川)/ 休暇取得 年平均13.1日 / 残業 月平均9.2時間 / 充実の研修と福利厚生東京都 ／ 月給 24.2万円〜25.2万円 ／ 正社員（新卒）
• 【技術職・2028新卒】物理系学科・数学系学科・化学系学科の学生 / 勤務地(東京・神奈川・埼玉・千葉・群馬・栃木・茨城)/ 休暇取得 年平均13.1日 / 残業 月平均9.2時間東京都 ／ 月給 23.3万円〜24.1万円 ／ 正社員（新卒）
• 【技術職・2028新卒】機械系学科・電気電子系学科の学生 / 勤務地(東京・神奈川)/ 休暇取得 年平均13.1日 / 残業 月平均9.2時間 / 充実の研修と福利厚生東京都 ／ 月給 24.2万円〜25.2万円 ／ 正社員（新卒）
• 【新卒】27卒 品質保証・品質管理・生産 製造管理東京都 中央区 ／ 月給 263,471円〜 ／ 正社員（新卒）
• 東京 アナログ回路設計東京都 小平市 ／ 月給 280,000円〜370,000円 ／ 正社員