■ ポジションの概要 ■ ユーザーが安心して利用できる会話プラットフォームを支えるインフラには、低遅延・高可用性・大規模同時接続・高セキュリティを担保するための設計・構築・運用が求められます。Site Reliability Engineer (SRE) は、クラウド環境上でのサービス設計から構築・運用、自動化ツールを活用したインフラ構築・管理、継続的インテグレーション/デリバリー（CI/CD）パイプラインの整備、監視・可観測性プラットフォームの導入と運用支援、オンコール体制の運用とインシデント対応、セキュリティ制御の組み込みなど、幅広い領域を担っていただきます。大規模ユーザー基盤でのGPUワークロードの運用、コンテナオーケストレーション基盤でのアプリケーション運用経験をお持ちの方を歓迎します。 ■ 主な担当業務 ■ - 信頼性とパフォーマンスエンジニアリング：Google Cloud Platform 上で高可用性かつ低レイテンシのサービスを設計・構築・運用し、定義された SLO および SLA を満たすことを保証する。 - CI/CD と DevOps の推進：Cloud Build や GitHub Actions などを活用したエンドツーエンドの CI/CD パイプラインを管理し、自動テスト、カナリアリリース、ブルーグリーンデプロイメント、Terraform によるインフラストラクチャ・アズ・コードを含む DevOps のベストプラクティスを推進する。 - 可観測性とインシデント対応：Stackdriver、Prometheus、Grafana を活用して包括的なモニタリング、ログ収集、トレーシングを実装する。オンコール対応をリードし、責任追及のないポストモーテムを実施し、インシデント対応プロセスの継続的改善を推進する。 - 監視ツールの導入と運用サポート：システムの可視性とアラート精度を高めるために、Datadog などの監視プラットフォームの導入、設定、継続的な運用サポートを推進する。 - キャパシティプランニングとコスト最適化：成長予測、キャパシティ分析を行い、オートスケーリング、ロードバランシング、キャッシングを活用してコスト効率の高いスケーラビリティを実現するためのアーキテクチャ調整を行う。 - セキュリティとコンプライアンス：パイプラインおよび実行環境にセキュリティ制御を組み込む。 - クロスファンクショナルな連携：信頼性目標の設定、アーキテクチャ設計への影響、デリバリーの加速のために、プロダクト、リサーチ、エンジニアリングチームと協業する。 ■ 必要な資格とスキル ■ - コンピュータサイエンス、エンジニアリング、または同等の実務経験を有する学士号または修士号 - パブリッククラウド（特に GCP）における SRE、DevOps、またはプラットフォームエンジニアとしての本番環境での5年以上の経験 - Terraform または類似の IaC ツールを用いた CI/CD パイプラインおよびインフラ自動化の主導経験 - 自動化のための少なくとも1つのプログラミング／スクリプト言語（Go、Python、または Bash）における高い習熟度 - サービスロジックを理解するための Python と TypeScript の実務知識 - SLO/SLA 指標の定義・追跡、および 24/7 オンコール対応の経験 - 監視および可観測性ツール（例：Datadog）のデプロイ・設定を直接支援できる実践的スキル - 優れたコミュニケーション能力とドキュメンテーションスキルを有し、信頼性の原則についてエンジニアを指導できる能力 - ビジネスレベルの英語スキル（チーム内のコミュニケーションは英語がメインです） ■ 優遇経験・実績 ■ - カオスエンジニアリングおよびゲームデイ演習の実施経験 - GPU対応ワークロードや大規模な機械学習推論パイプラインの運用経験 - マルチクラウドまたはハイブリッドクラウドにおけるネットワーク構築およびディザスタリカバリ設計 - 高度なセキュリティエンジニアリング（Workload Identity、SSO） - Infrastructure Policy as Code（OPA、IAM）の実務経験 - Kubernetes（GKE）およびコンテナ化されたマイクロサービスのハンズオン運用経験 - ビジネスレベルの日本語コミュニケーションスキル