技術を、ひとつの職種名に
閉じ込めない。
NeoTech Innovationのエンジニアは、細かく分けられた職種の枠の中で働くのではありません。一人ひとりの専門性を起点に、プロジェクトやお客様の課題に応じて、関わる領域が変わっていきます。
専門性から、役割を広げていく。
最初から何でもできる必要はありません。まず、ひとつの専門性を持つことから始まります。
技術を理解し、自分で判断できるようになると、周囲やお客様から声がかかるようになります。「これはどう整理すればいいか」「この技術で実現できるか」——
そこから、設計・提案・調整・導入へと役割が広がっていきます。
技術は、手段である
何を作るかより先に、何を解きたいのかがあります。お客様の課題として捉え直すところまでが仕事です。
まず、ひとつを深める
広く浅くから始める必要はありません。深めた領域があるほど、隣の領域から相談されるようになります。
一人で抱え込まない
自分の専門の外なら、詳しい人につなぎます。必要な技術や人をつなぐことも、価値のひとつです。
4つの領域を、プロジェクトごとにつなぐ。
ここで紹介するのは、固定された職種区分ではありません。
関わる領域は、プロジェクトや本人の専門性、お客様の課題によって変わります。入社時にどれかを選んで、そのまま固定されるものではありません。
Visionカメラと画像から、現場の状態を捉える領域。
カメラや画像を通じて、現場で何が起きているかを捉えます。撮る、整える、判定する——そのどこに関わるかは人によって違いますが、共通しているのは「画像で解ける問題かどうか」を見極めるところから始まることです。技術だけでなく、照明や設置条件といった現場の制約と、お客様が本当に判定したいことの両方を理解する必要があります。
関わる仕事の例
- 産業用カメラの撮像タイミング制御・複数カメラ同期
- AWB・AE・AFなどの画質調整を、現場の照明条件に合わせる
- 傷・汚れ・欠けの検出、位置ずれ補正などの画像処理アルゴリズム
- 外観検査・異常検知・OCRなどの映像解析
- エッジ端末での実装と、現場での立ち上げ
IntelligenceAIを、業務の文脈につなぐ領域。
AIを導入すること自体が目的にならない領域です。お客様の情報や業務の流れを整理し、AIが使える形へ変えるところまでが仕事に含まれます。モデルを作って精度を出すだけでなく、「何をAIに任せ、何を人が担うか」を一緒に決め、導入後に実際に使われる状態まで見届けます。自社のAI基盤KITEの開発もこの領域にあります。
関わる仕事の例
- 機械学習・深層学習モデルの設計と実装
- 業務文脈に合わせた生成AI・LLM活用設計
- KITE（知をつなぐAI基盤）の開発・カスタマイズ
- 帳票やメールから必要な情報を取り出すパイプラインの構築
- 取引先ごとの書式差に対応するための学習データ整備
Infrastructureデバイスから基盤まで、つなぐ領域。
センサーやエッジ機器から、クラウド、Webの画面まで。ひとつの技術だけで完結せず、複数の層を接続することが仕事になります。現場のデータをどう集め、どこで処理し、誰がどう見るのか——導入先の通信環境や運用条件を踏まえて決めていきます。デバイス側を深める人も、基盤側を深める人もいます。
関わる仕事の例
- センサー・マイコン・エッジデバイスの開発
- 現場データのリアルタイム収集と可視化
- クラウド基盤・Webシステム・API の設計と開発
- 管理画面・ダッシュボードの開発
- 既存設備や基幹システムとの接続
Operations技術を、現場で機能させる領域。
作って終わりにしない領域です。検証し、導入し、現場に定着するまでを考えます。宿泊施設の運営現場のように、実際に人が動いている場所と関わることもあります。使われ続けるために何が必要かは、動かしてみて初めて分かることが少なくありません。なお、この領域のすべての業務をエンジニアが担当するわけではありません。
関わる仕事の例
- 品質保証・テスト設計・検証プロセスの構築
- 宿泊施設の運営現場での業務設計・システム導入・運用支援
- ホテルフロント業務の自動化・無人チェックイン導入
- 現場での導入支援と、定着までのサポート
一つの領域だけで、仕事は完結しない。
プロジェクトによっては、複数の領域が組み合わさります。すべての案件が4領域すべてにまたがるわけではありませんが、
どれか一つを選んで、そこだけを担当し続けるという働き方でもありません。
VisionIntelligence
カメラで取得した画像を、判定できるモデルへつなぐ。撮り方を変えるべきか、判定側を変えるべきかを一緒に考えます。
VisionInfrastructure
現場に置く機器の上で、画像処理を安定して動かす。処理をエッジに置くかクラウドに置くかは、現場の条件で決まります。
InfrastructureIntelligence
センサーから集めたデータを、予測や異常検知につなぐ。何を測れば判断できるのかを、データの側から設計します。
すべての領域Operations
作ったものを現場に入れ、動き続けるかを確かめる。ここまで含めて、ひとつの仕事です。
現場のヒアリングから、実装・運用定着まで。
募集要項にも、プロジェクト全体に関わると記載しています。
技術が、相談される力に変わるまで。
エンジニアとしての成長を、役職や在籍年数ではなく、周囲との関係の変化で捉えています。どのくらいの期間でこうなるかは、領域や本人によって違います。
担当する
まずは、得意なことや経験に近い仕事から始めます。ひとつの領域の、ひとつの工程からで構いません。
理解する
技術だけでなく、現場の条件と、お客様が本当にやりたいことを理解していきます。ここが分かれ目になります。
相談される
「この課題はどう整理すればいいか」「この技術で実現できるか」と聞かれるようになります。最初の変化です。
つなぐ
自分の専門の外でも、必要な技術・人・情報をつなぎ、解決への道筋を作ります。抱え込む必要はありません。
任される
設計、提案、お客様との調整、導入まで。関わる範囲が広がり、任される役割も広がっていきます。
相談されることは、すべてを一人で背負うことではありません。受けた相談を、さらに誰かに相談してかまいません。NTIの採用の考え方を見る
プロジェクトに応じて、技術を選ぶ。
使用する技術は、プロジェクトやお客様の環境によって異なります。ここに挙げているのは、サービス紹介と募集要項で公開している範囲です。
サービスページで対応技術として掲載しているもの
案件に応じて選択します。
- センサー（温度・振動・電流・CO2・画像）
- 通信（MQTT・Modbus・OPC-UA・BLE・LTE）
- 時系列AI（LSTM・Prophet・Isolation Forest）
- LLM連携（OpenAI API・Claude API・RAG構築）
- ダッシュボード（Grafana・Power BI・カスタム開発）
- クラウド基盤（AWS IoT Core・Azure IoT Hub・GCP）
- エッジ機器（NVIDIA Jetson・Raspberry Pi・Windows PC）
募集要項で歓迎する経験として挙げているもの
必須ではありません。
- 画像処理・機械学習（OpenCV・PyTorch・TensorFlow 等）
- IoT・組み込み開発
- クラウド（AWS・GCP・Azure）の利用
募集要項で求めている経験
詳しくは募集要項をご確認ください。
- Python または TypeScript/JavaScript の実務経験2年以上
- 何らかのバックエンド・システム開発経験