Rimoは、AI議事録ツールを開発するBtoB SaaSです。会議の発言を自動でテキスト化し、要約・タスク抽出・ナレッジ化するプロダクトを提供しています。 現在、このプロダクトの根幹にあるAIシステムの性能を「客観的に測り、改善する」体制をゼロから作るポジションを募集しています。 具体的には： 評価セットの設計・構築：どんな質問にも答えられるナレッジベースを目指して、タスク横断的な評価データ（ゴールデンセット）を作る RAGパイプラインの構築と最適化：会議録・社内ドキュメントを使った汎用ナレッジベースを設計・実装する ベンチマークの確立：「これが最良の構成」と社内外に示せる、再現可能なベンチマークを設計・運用する 評価→改善サイクルの運用：Faithfulness / Answer Relevance 等の指標を定義し、継続的な改善ループを回す インフラやバックエンドエンジニアリングは他チームが担います。あなたにはコア実装（Python）と評価設計に集中してもらいます。 【なぜRimoでこれをやるのか】 Rimoには数百万件以上の実業務会議データがあります。商談・社内MTG・1on1・全社会議——実際の業務文脈を持つ日本語テキストが素材として使えます。評価セットを「作るための材料」という意味では、他では得られない環境です。 「評価が存在しない」ゼロから設計できます。 誰かが作ったベンチマークを使う仕事ではありません。あなたが「何を測るか」「どう測るか」を設計し、それがそのままプロダクトの意思決定の基準になります。 研究成果が翌週には動いています。 27名規模のAIファースト企業なので、論文で読んだ手法を試して結果が出るまでが速い。「研究で終わらせない」を実感できる環境です。 【こんな方とお話したい】 NLP・情報検索・機械学習の研究経験があり、トップ国際会議（ACL / EMNLP / NeurIPS 等）への採択実績がある RAGや情報検索システムの評価設計を、自分でやったことがある Pythonで機械学習パイプラインを実装できる 「性能が上がった」を感覚ではなく数字で語り、他者を説得できる ソフトウェアエンジニアリング全般（インフラ・バックエンド設計等）の経験は必須ではありません