« 求人一覧へ戻る この求人に応募する

※この求人はギークニアによる求人紹介案件です。応募情報はギークニアに送信されます。
　ご推薦可能な場合、面談後に推薦をさせて頂きます。

雇用形態	正社員
給与	700万円〜1100万円（■契約期間 試用期間：3か月 年収 7,000,000 円 - 11,000,000円 ※上記年収には賞与（年2回）が含まれます ※個人の能力発揮によって賞与の金額は変動します。 ※前職年収考慮いたします ※年2回の人事考課にて給与改定があります ）
勤務地	東京都
勤務地詳細	東京都港区東新橋1-5-2 汐留シティセンター35階 株式会社タイミー　東京本社 ※フルリモート勤務可
職種	データサイエンティスト プロダクトAI/MLエンジニア プロダクトAI/MLエンジニア 企画・マーケ
業種	インターネット関連 IT通信インターネット
勤務時間	■勤務時間 フレックスタイム制（コアタイム11:00－15:30） 標準勤務時間　9:30－18:30 ※1日8時間勤務×月勤務日数分が1ヶ月の勤務時間数となります

必須条件

データ活用による課題解決経験 ：データ分析・機械学習を用いて、具体的なビジネス課題を解決した実務経験
開発・分析基盤の習熟 ：SQLおよびPython等を用いた大規模データ処理、クラウド（Google Cloud/AWS等）環境での開発・運用、およびGitを用いたチーム開発の実務経験
機械学習・統計学の知識 ：確率論、学習手法、評価指標、および非構造化データの処理に関する理解
モデルやAI機能の実装・運用経験 ：MLパイプラインやCI/CD等の基盤を活用し、モデルやAI機能をプロダクトに実装・運用した経験
ドメイン経験（いずれか1つ以上）
マッチング・検索・ランキング機能の実装経験 ： マッチング機能や検索・ランキング機能の実装、評価、改善に携わった実務経験
Trust & Safety / リスク制御領域の実装・改善をリードした経験 ： 安全性や信頼性に関わるAI/ML機能、業務ルール、人による確認フローを含む仕組みの設計・運用をリードした経験
リスク予測・異常検知モデルの開発経験 ： 構造化データを活用した分類・回帰・異常検知モデルの設計、実装、運用経験
基盤モデルを用いたAIアプリケーションの開発経験 ： コンテキストエンジニアリングや評価パイプライン構築、RAGなどの基盤モデルを用いたアプリケーション開発の実務経験 **
求めるスタンス
技術と事業の両方を見ながら前進できる方 ：AI/MLの能力と限界を踏まえ、技術的な論点を非エンジニアにもわかりやすく伝え、合意形成しながら前進できる方
不確実性の高い課題を構造化して進められる方 ：誤検知・見逃し、コスト、レイテンシー、品質などのトレードオフを整理し、優先順位を判断しながら前進できる方
複数の関係者と協業しながらやり切れる方 ：複数チーム・領域にまたがるプロジェクトにおいて、周囲の専門性を巻き込みながら、実装から運用まで推進できる方
（業務経験1年以上）

業務内容

※シニア求人も並行して募集中です
募集背景
当社は「『はたらく』を通じて人生の可能性を広げるインフラをつくる」というミッションのもと、スポットワーク市場のリーディングカンパニーとして急速な事業成長を遂げています。この成長を支え、さらに加速させるためには、AI/MLの力でプロダクトの価値を直接高める「プロダクトAI/MLエンジニア」の存在が不可欠です。
現在、データサイエンスグループでは、ワーカーと事業者の最適なマッチング体験の実現から、プラットフォームの信頼性・安全性の向上まで、多岐にわたる領域でAI/MLを活用した課題解決に取り組んでいます。これらの取り組みでは、LLM等の基盤モデルを活用した高度な解釈・制御を行う「AIエンジニアリング」と、従来の機械学習を用いた高精度なパターン認識・最適化による「MLエンジニアリング」の両輪が求められます。
私たちはこれらの技術を適切に組み合わせ、プロダクトの課題を技術で解決し、事業インパクトを生み出せる「プロダクトAI/MLエンジニア」を募集しています。
業務内容
データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。
本ポジションの主戦場は、マッチング領域およびTrust & Safety（信頼性・安全性）領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。
課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。
1.マッチング体験の向上
マッチングロジックの実装・運用 ： ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて実装し、安定運用と継続的な改善を担う
マッチングに必要なデータ・特徴量の設計と実装 ： マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら実装・運用する
ML基盤上での機能実装・運用 ： Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用、およびRecommend API周辺のプロダクト実装・安定運用を担う
LLMを活用した自律的な改善ループの構築 ： LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを構築する
2. プラットフォームの信頼性・安全性向上
AI機能の安全性実装 ： LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能を実装・改善する
運用を踏まえたリスク制御の設計 ： AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する
リスク予測・異常検知モデルの開発 ： 構造化データから、プラットフォームの信頼性を損なうパターンを特定する高精度な分類・回帰モデルの構築、および特徴量エンジニアリング
データセット設計・品質改善 ： 多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成によるモデルの堅牢性強化
3. 共通基盤を活用した実装・改善
LLMOps/評価基盤の活用と改善提案： 実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善
品質・コスト・レイテンシーの継続的な可視化： モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す **
入社後の期待イメージ
入社後3ヶ月 ：担当ユースケースの1つで、モデル・AI機能・業務ロジックの改善を本番に反映し、評価・監視・運用まで含めた改善サイクルを回し始めている状態
入社後6ヶ月 ：マッチングまたはTrust & Safety領域において、課題設定、評価設計、改善方針の検討、実装、運用までを主体的にリードし、継続的な改善ループの高度化に貢献している状態
入社後12ヶ月 ：マッチングまたはTrust & Safety領域で複数の関係者を巻き込みながら改善テーマを継続的に推進し、改善ループの高度化や技術的な意思決定の質向上に明確に貢献している状態
技術スタック(主要な部分の抜粋)
クラウド
Google Cloud
開発言語
Python
データ基盤
BigQuery / Fivetran / dbt Cloud
ML / LLM基盤
Vertex AI / MLflow / LiteLLM / Datadog LLM Observability
BIツール
Looker / Looker Studio
IaC
Terraform
開発環境・ツール
Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc
扱っているデータ
以下のようなデータを扱っています
アプリユーザーのアクセスログ、募集内容に関する情報
マッチングに関する情報
レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ
問い合わせに関するデータ
営業活動情報のデータ
本ポジションの魅力
スポットワークという、高頻度・高変動・短寿命な需給データを扱う二面市場で、AI/MLを直接プロダクト価値につなげることができます。
単純なモデル精度改善だけでなく、マッチングロジック・安全性・ユーザー体験・現場運用の成立を同時に考える、難易度の高い課題に取り組めます。
マッチングとTrust & Safetyの両領域を横断し、従来の機械学習とLLMの双方を実プロダクトで活用する経験を積むことができます。
モデルやAI機能を作って終わりではなく、評価・監視・継続改善まで含めた運用に責任を持てます。データサイエンティストやMLOpsエンジニアと連携しながら、プロダクトへの価値実装に集中できます。
既存の仕組みを運用するだけでなく、課題設定、評価設計、改善方針の検討まで含めて主体的に関わることができます。
グループのミッション実現に向けて、最適なアルゴリズム、モデル、コード、ツールについてチームで議論・提案しながら前に進める文化があります。
インタビュー記事
採用要件

求人詳細

■職種 / 募集ポジション
プロダクトAI/MLエンジニア

■求人タイトル
プロダクトAI/MLエンジニア

■雇用形態
正社員

■契約期間
試用期間：3か月

■給与
年収 7,000,000 円 - 11,000,000円
※上記年収には賞与（年2回）が含まれます
※個人の能力発揮によって賞与の金額は変動します。
※前職年収考慮いたします
※年2回の人事考課にて給与改定があります

■勤務地
東京都港区東新橋1-5-2 汐留シティセンター35階
株式会社タイミー　東京本社
※フルリモート勤務可

■勤務時間
フレックスタイム制（コアタイム11:00－15:30）
標準勤務時間　9:30－18:30
※1日8時間勤務×月勤務日数分が1ヶ月の勤務時間数となります

■休日
年間休日120日
完全週休2日制（土・日）、国民の祝日

• リラックス休暇（年次有休とは別に、入社初日に年5日分、その後1年ごとに5日分付与される有給休暇）
• 年次有給休暇
• 年末年始休暇
• 慶弔休暇
• 産前産後休暇

■福利厚生

• 各種社会保険完備
• 交通費支給 ※上限5万円/月
• 実績に応じて昇給有（年2回）

■加入保険
健康保険/厚生年金/雇用保険/労災保険

■受動喫煙対策
屋内原則禁煙（建物内喫煙スペース有）

■社内制度

＜従業員持株会＞
従業員が自社株を購入できる制度（※持株会への加入が必要）

＜ダブルタイミーデイ＞
社員がタイミーアプリを利用して働いた場合、報酬額を上乗せ（上限有り）

＜書籍購入＞
業界知識を深めるに必要な書籍を会社が購入

＜セミナー費用補助＞
業務に必要なセミナー参加費を補助

＜部活動＞
趣味などを通じて交流できるよう、活動に応じて費用を補助

＜チームビルディング＞
チームのコミュニケーションの活性化に向け、一定の予算を好きに利用できる

＜結婚祝い金＞
結婚した従業員に祝い金を支給

■働き方
フルリモート勤務可

■選考フロー
カジュアル面談
↓
書類選考
↓
一次面接(現場メンバー)
↓
二次面接(GM・部長面接)
↓
最終面接(CTO面接)

※選考中にリファレンスチェック・適性検査をご依頼する場合がございます。

■参考リンク

■Timeeプロダクト採用HP
https://product-recruit.timee.co.jp/

■Timee Tech Blog
https://tech.timee.co.jp/

■仕事についての詳細
※シニア求人も並行して募集中です

【募集背景】
当社は「『はたらく』を通じて人生の可能性を広げるインフラをつくる」というミッションのもと、スポットワーク市場のリーディングカンパニーとして急速な事業成長を遂げています。この成長を支え、さらに加速させるためには、AI/MLの力でプロダクトの価値を直接高める「プロダクトAI/MLエンジニア」の存在が不可欠です。
現在、データサイエンスグループでは、ワーカーと事業者の最適なマッチング体験の実現から、プラットフォームの信頼性・安全性の向上まで、多岐にわたる領域でAI/MLを活用した課題解決に取り組んでいます。これらの取り組みでは、LLM等の基盤モデルを活用した高度な解釈・制御を行う「AIエンジニアリング」と、従来の機械学習を用いた高精度なパターン認識・最適化による「MLエンジニアリング」の両輪が求められます。
私たちはこれらの技術を適切に組み合わせ、プロダクトの課題を技術で解決し、事業インパクトを生み出せる「プロダクトAI/MLエンジニア」を募集しています。

【業務内容】
データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。
本ポジションの主戦場は、マッチング領域およびTrust & Safety（信頼性・安全性）領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。
課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。

＜1.マッチング体験の向上＞
マッチングロジックの実装・運用 ： ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて実装し、安定運用と継続的な改善を担う
マッチングに必要なデータ・特徴量の設計と実装 ： マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら実装・運用する
ML基盤上での機能実装・運用 ： Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用、およびRecommend API周辺のプロダクト実装・安定運用を担う
LLMを活用した自律的な改善ループの構築 ： LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを構築する

＜2. プラットフォームの信頼性・安全性向上＞
AI機能の安全性実装 ： LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能を実装・改善する
運用を踏まえたリスク制御の設計 ： AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する
リスク予測・異常検知モデルの開発 ： 構造化データから、プラットフォームの信頼性を損なうパターンを特定する高精度な分類・回帰モデルの構築、および特徴量エンジニアリング
データセット設計・品質改善 ： 多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成によるモデルの堅牢性強化

＜3. 共通基盤を活用した実装・改善＞
LLMOps/評価基盤の活用と改善提案： 実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善
品質・コスト・レイテンシーの継続的な可視化： モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す **

＜入社後の期待イメージ＞
入社後3ヶ月 ：担当ユースケースの1つで、モデル・AI機能・業務ロジックの改善を本番に反映し、評価・監視・運用まで含めた改善サイクルを回し始めている状態
入社後6ヶ月 ：マッチングまたはTrust & Safety領域において、課題設定、評価設計、改善方針の検討、実装、運用までを主体的にリードし、継続的な改善ループの高度化に貢献している状態
入社後12ヶ月 ：マッチングまたはTrust & Safety領域で複数の関係者を巻き込みながら改善テーマを継続的に推進し、改善ループの高度化や技術的な意思決定の質向上に明確に貢献している状態

【技術スタック(主要な部分の抜粋)】
クラウド
Google Cloud
開発言語
Python
データ基盤
BigQuery / Fivetran / dbt Cloud
ML / LLM基盤
Vertex AI / MLflow / LiteLLM / Datadog LLM Observability
BIツール
Looker / Looker Studio
IaC
Terraform
開発環境・ツール
Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc

【扱っているデータ】
以下のようなデータを扱っています
アプリユーザーのアクセスログ、募集内容に関する情報
マッチングに関する情報
レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ
問い合わせに関するデータ
営業活動情報のデータ

【本ポジションの魅力】
スポットワークという、高頻度・高変動・短寿命な需給データを扱う二面市場で、AI/MLを直接プロダクト価値につなげることができます。
単純なモデル精度改善だけでなく、マッチングロジック・安全性・ユーザー体験・現場運用の成立を同時に考える、難易度の高い課題に取り組めます。
マッチングとTrust & Safetyの両領域を横断し、従来の機械学習とLLMの双方を実プロダクトで活用する経験を積むことができます。
モデルやAI機能を作って終わりではなく、評価・監視・継続改善まで含めた運用に責任を持てます。データサイエンティストやMLOpsエンジニアと連携しながら、プロダクトへの価値実装に集中できます。
既存の仕組みを運用するだけでなく、課題設定、評価設計、改善方針の検討まで含めて主体的に関わることができます。
グループのミッション実現に向けて、最適なアルゴリズム、モデル、コード、ツールについてチームで議論・提案しながら前に進める文化があります。

【 インタビュー記事】

【採用要件】

＜MUST＞
必須経験・スキル
データ活用による課題解決経験 ：データ分析・機械学習を用いて、具体的なビジネス課題を解決した実務経験
開発・分析基盤の習熟 ：SQLおよびPython等を用いた大規模データ処理、クラウド（Google Cloud/AWS等）環境での開発・運用、およびGitを用いたチーム開発の実務経験
機械学習・統計学の知識 ：確率論、学習手法、評価指標、および非構造化データの処理に関する理解
モデルやAI機能の実装・運用経験 ：MLパイプラインやCI/CD等の基盤を活用し、モデルやAI機能をプロダクトに実装・運用した経験
ドメイン経験（いずれか1つ以上）
マッチング・検索・ランキング機能の実装経験 ： マッチング機能や検索・ランキング機能の実装、評価、改善に携わった実務経験
Trust & Safety / リスク制御領域の実装・改善をリードした経験 ： 安全性や信頼性に関わるAI/ML機能、業務ルール、人による確認フローを含む仕組みの設計・運用をリードした経験
リスク予測・異常検知モデルの開発経験 ： 構造化データを活用した分類・回帰・異常検知モデルの設計、実装、運用経験
基盤モデルを用いたAIアプリケーションの開発経験 ： コンテキストエンジニアリングや評価パイプライン構築、RAGなどの基盤モデルを用いたアプリケーション開発の実務経験 **
求めるスタンス
技術と事業の両方を見ながら前進できる方 ：AI/MLの能力と限界を踏まえ、技術的な論点を非エンジニアにもわかりやすく伝え、合意形成しながら前進できる方
不確実性の高い課題を構造化して進められる方 ：誤検知・見逃し、コスト、レイテンシー、品質などのトレードオフを整理し、優先順位を判断しながら前進できる方
複数の関係者と協業しながらやり切れる方 ：複数チーム・領域にまたがるプロジェクトにおいて、周囲の専門性を巻き込みながら、実装から運用まで推進できる方

＜WANT＞
マッチングシステム・マーケットデザインの知見 ：Two-Sided Marketにおけるマッチング最適化、推薦・ランキング設計、運用経験
データセットエンジニアリングの実務経験 ：大規模なデータの収集、クリーニング、重複排除、およびアノテーションプロセスの設計・管理経験
AIを活用したデータ生成・評価経験 ：AIを用いた合成データ生成や、AI as a Judgeによる自動データ検証システムの構築経験
MLパイプライン・Feature Store上でのプロダクト実装経験 ：Vertex AI Pipelines等のMLパイプラインやFeature Storeを活用し、プロダクトへのモデル実装・安定運用を行った経験
エンドツーエンドの運用設計能力 ：ビジネスや現場のオペレーション要件から逆算し、モデルの推論だけでなく、異常時の対応フローや監視体制、現場運用への定着・適用プロセスを含めた実用的な運用設計を行った経験

＜求める人物像＞
当社のミッション、社会貢献性の高い事業に共感していただける方
当社のバリューにフィットする方
業界・顧客理解のためにインプットを怠らない方
課題解決に向け、自ら考え、手を動かすこともできる方
周囲と円滑なコミュニケーションを取り、大胆に巻き込みながら仕事を進められる方
ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方

■受動喫煙対策
屋内原則禁煙（建物内喫煙スペース有）

■働き方
フルリモート勤務可

■参考リンク

■Timeeプロダクト採用HP
https://product-recruit.timee.co.jp/

■Timee Tech Blog
https://tech.timee.co.jp/

プロダクトAI/MLエンジニア

福利厚生

■休日
年間休日120日
完全週休2日制（土・日）、国民の祝日

• リラックス休暇（年次有休とは別に、入社初日に年5日分、その後1年ごとに5日分付与される有給休暇）
• 年次有給休暇
• 年末年始休暇
• 慶弔休暇
• 産前産後休暇

■福利厚生

• 各種社会保険完備
• 交通費支給 ※上限5万円/月
• 実績に応じて昇給有（年2回）

■加入保険
健康保険/厚生年金/雇用保険/労災保険

■社内制度
＜従業員持株会＞
従業員が自社株を購入できる制度（※持株会への加入が必要）

＜ダブルタイミーデイ＞
社員がタイミーアプリを利用して働いた場合、報酬額を上乗せ（上限有り）

＜書籍購入＞
業界知識を深めるに必要な書籍を会社が購入

＜セミナー費用補助＞
業務に必要なセミナー参加費を補助

＜部活動＞
趣味などを通じて交流できるよう、活動に応じて費用を補助

＜チームビルディング＞
チームのコミュニケーションの活性化に向け、一定の予算を好きに利用できる

＜結婚祝い金＞
結婚した従業員に祝い金を支給

■受動喫煙対策
屋内原則禁煙（建物内喫煙スペース有）

■働き方
フルリモート勤務可

企業情報

株式会社タイミー

■事業内容
■参考記事
■Newspicks　代表インタビュー記事
https://youtu.be/4fL2hIYfxac?si=jlA4uvjD0hb_XiY5

https://youtu.be/sTCQT2MwD6M?si=F-Nj3O-AUSvxCZWQ

■タイミーは日本の「はたらく」をどう変えるのか AI時代に必要な「信頼」という財産（日経ビジネス電子版 Special）
https://special.nikkeibp.co.jp/atclh/ONB/26/timee0220/

■日本の働き方を変えたタイミーは、次に何を変えるのか｜小川嶺代表が語る"第2章"（日興フロッギー）
https://note.com/froggy_smbcnikko/n/nf459bac56bbe

■スポットワーク研究所｜社会課題に真正面から向き合うタイミーの調査・事例メディア
https://spotwork.timee.co.jp/

■健全で公正な採用・選考活動に関する取り組みについて
【安心して選考にご参加いただくために】
株式会社タイミーは、求職者等の皆様が安心して就職活動・採用選考に臨めるよう、「求職者等対応ルール」を定め、社内に周知して遵守しています。
取り組みの詳細はこちらをご確認ください。
［健全で公正な採用・選考活動に関する取り組み］
https://corp.timee.co.jp/recruit/fair-recruitment

■会社についての詳細
事業内容
当社は「『はたらく』を通じて人生の可能性を広げるインフラをつくる」をミッションに掲げ、深刻化する人手不足という経営課題を解決しながら、一人ひとりが好きな時に働き、人生の可能性を広げられる世界を目指し、スキマバイトアプリ「タイミー」を中心に事業を展開してきました。そして2018年のサービス開始から、タイミーは以下の規模まで成長しました。

• ワーカー数：1,470万人
• 事業者数：250,000社
• 事業所数：488,000拠点

※2026年7月末時点

そんな当社はいま、"第二創業期"を迎えています。既存のスポットワーク領域では、業界ごとに深く入り込み、企業にとっても働き手にとっても なくてはならないインフラ としてサービスを広げています。さらに2030年に向けて掲げる 「VISION2030 ― 積み重ねた『信頼』が報われる社会をつくる」 のもと、「信頼」を可視化・循環させる、社会の新たなインフラの構築を進めています。スキマバイトを通じて蓄積してきた、働き手の勤務実績や評価といった他にはない独自の 「信頼データ」 を軸に、長期採用サポートサービスやタイミーキャリアプラス（正社員人材紹介）、Fintechをはじめとする新規事業を多数立ち上げています。

会社説明動画
https://corp.timee.co.jp/vision-2030/

採用特設LP
https://corp.timee.co.jp/special-recruit/

■URL
https://timee.co.jp/

■本社所在地
東京都港区東新橋1丁目5-2 汐留シティセンター35階

■代表者氏名
小川 嶺

■設立
2017年8月

■資本金
1億円

■従業員人数
1599名（うち正社員1288名）［2026年10月時点］

九州支社所在地
福岡県福岡市中央区天神2-8-35　天神住友生命FJビジネスセンター 7階

■代表者氏名
小川 嶺

■設立
2017年8月

■従業員人数
1599名（うち正社員1288名）［2026年10月時点］

※ 求人内容は求人作成時のものであるため、最新状況は変更になっている可能性があります。
※ より詳細な情報は面談時にご確認ください。

この求人に応募する