Hidenari Yuda / 湯田英也

Hidenari Yuda / 湯田英也

Software Developer

Tokyo, Japanhidenariyuda@gmail.com

2022年より長期インターンや業務委託として開発を経験してきました。これまでの技術経験としては、Go, Nextjs, GCPあたりを触ることが多かったです。

2025年から、技術と事業サイドの両方を理解した人材になりたいと思い、個人での受託開発事業を始め、SaaS、AIツール、社内ツールなどを要件整理から設計・実装・運用まで支援してきました。

これまでの開発では、toB SaaSの開発が多かったため、DMMではtoCプロダクトの開発も経験して、幅を広げていきたいと考えています。

出身: 大阪府

趣味: サッカー（チェルシー）、ゲーム（サッカー系、オープンワールド系、遊戯王）、音楽

Links

GitHubLinkedInFacebookXnoteMedium

Work

合同会社DMM.com

2026/04 -

正社員 / フロントエンドエンジニア

個人事業主

2022/09 -

ソフトウェア・AIプロダクト開発 / 営業AIエージェント / 採用効率化SaaS / LinkedIn効率化 / スカウト・求人変換RPA など

アンドイーズ株式会社

2022/02 - 2024/09

長期インターン / 人材紹介会社向けのSaaSプロダクトの開発にて、フロントエンド、バックエンド、インフラ、営業改善まで幅広く担当。

Education

同志社大学

2021/04 - 2026/03

Skills

Frontend

TypeScript, React, Next.js, App Router, Tailwind CSS

Backend

Go, Python, Echo, FastAPI, Django, Node.js

Infrastructure / Data

GCP(Cloud Run, Cloud SQL, Cloud Load Balancer, Cloud Pub/Sub, Cloud Storage, Firebase etc), AWS(Lambda, S3, EC2 etc), Docker, PostgreSQL, MySQL, Cloudflare, Supabase, DDD, gRPC

個人開発・レベシェア

個人開発・レベニューシェアで立ち上げたプロダクトです。
開発だけでなく、最初の顧客獲得、仮説検証、運用、改善まで含めて担当しました。

個人開発2025/02 - 2026/03

LinkedInリード獲得支援サービス

LinkedInでの見込み客獲得、プロフィールリスト抽出、つながり申請、ナーチャリング作業を支援するサービスです。知人のLinkedIn運用課題をきっかけに、既存海外サービスの価格、日本向け機能の弱さ、パーソナライズ不足を踏まえて開発しました。

MRR
20,000円
運営
-
Stack
TypeScript, React, Next.js App Router, Jotai, Supabase, PostgreSQL, Google Cloud(Firebase, Cloud Run, Cloud Load Balancer)
  • 検索条件からユーザーを抽出し、基本情報の取得とCSVエクスポートまでを自動化
  • Supabase、Next.js、Google Cloudを中心に、少人数利用時の固定費を抑えた構成で運用
  • ベンチマーク調査、DB設計、UI実装、運用改善まで単独で担当
詳細を見る

リンク

ServiceSourceDevelopment note

制作背景

  • 海外サービスが中心で、1社あたり月2万円程度からと小規模運用では導入しづらかったこと。
  • 海外サービスでは日本の履歴書文化に合わせた職歴、学歴、個人情報の抽出が弱かったこと。
  • 投稿へのいいねやコメントなどのナーチャリング業務を自動化しづらく、一斉送信中心でメッセージのパーソナライズが難しかったこと。

ドメイン知識のキャッチアップ

Phantombuster、Elayなどをベンチマークに、UI/UX、データ構造、運用導線を徹底的に観察しました。

必要機能が不透明だったため、LinkedIn運用をしている人へのヒアリングと、自分で実際に運用することを通じて要件を絞りました。

拡張性のある設計

最初から要件を固定しすぎず、複数LinkedInアカウント連携、自動投稿下書き、定期実行でのいいねなど、後から必要になりそうな機能を想定してテーブル構成と画面導線を設計しました。

スピード重視のリリース

ログイン、ユーザーリスト抽出、つながり申請というコア機能に絞り、早く使ってもらってフィードバックを得ることを優先しました。

TypeScriptでフロントエンドとバックエンドを揃え、Cloud Run、Supabase、PostgreSQLを中心に、低コストでデプロイしやすく、後から拡張しやすい構成にしました。

主な機能

  • 条件検索、特定企業・職種、投稿にいいねしたユーザーなどからプロフィールリストを抽出し、CSVエクスポートまで対応。
  • 指定時間に実行できる自動つながり申請を実装。
  • Dify、OpenAI Agent SDKを用いて、企業ごとの要件に合わせてパーソナライズしたDMを生成・送信するAIエージェントを開発。
レベシェア 2:82025/10 -

完成前物件の家具レイアウト合成SaaS

完成前物件の販売支援を目的に、物件画像や間取り情報をもとに家具レイアウトの合成をAIで行うSaaSとして立ち上げ。完成後のイメージの合成業務に工数がかかっていることを課題に、AIを活用して効率化することを狙いとして開発しました。

MRR
1,200,000円
  • ビジネスサイド1名と連携し、ヒアリング、事業提案、要件定義、設計、実装、運用まで担当
  • 不動産販売の現場のリテラシーに合わせ、UI/UXや初期の導線をシンプルに設計
  • SaaS単体ではなく制作・運用を含むBPO・BPaaSとして初期フェーズは検証
レベシェア 4:62025/04 -

スカウト判定効率化SaaS

スカウトの属人化と業務工数の課題を解決するため、スカウト送信基準を自然言語で入力すると、AIが候補者の適性判定ロジックを生成し、スカウト媒体上の候補者評価とテンプレート出し分けを効率化するSaaSとして立ち上げ。RPO・人材紹介会社の担当者が、媒体ごとに異なるスカウト送信基準を効率的に運用できることを狙いとして開発しました。

MRR
100,000円
  • ビジネスサイド1名と事業案創出から要件定義、設計、実装、運用まで並走
  • RPO・人材紹介会社で案件ごとに変わる判定基準に対応できる複数パターン設計を実装
  • 開発だけでなく営業も兼務し、ターゲット選定、提案、改善ヒアリングまで担当

Operating Principles

受託開発では、少数で高速に複数プロダクトを立ち上げるため、技術選定、業務モジュール、ターゲット、売り方を以下のような形で意識していました。

業務工数削減

営業自動化、リスト探索、フォーム・メール・SNS自動化、翻訳などをモジュール化し、案件ごとに組み合わせて提供。

ログイン、アカウント管理、権限管理、管理画面などの汎用機能もテンプレート化し、初期構築の工数を圧縮。

結果として、スピーディーかつ安価に提供できることを強みに案件開拓していました。

技術選定

ミニマムな開発は TypeScript、Next.js App Router、Tailwind CSS、Supabase、PostgreSQL、Vercel に集約。

大きめの開発は TypeScript、Next.js、Python、FastAPI、Google Cloud に寄せ、Cloud Run、Load Balancer、Cloud SQL、Cloud Storage などを利用。

使う技術を絞ることで、初期構築、デプロイ、保守、障害対応の口数を減らしました。

ターゲット選定

人材紹介、HR領域、不動産などに集中し、業務フローや意思決定構造の理解を開発品質に転換。

小規模法人には初期費用を抑えたレベニューシェアを提案し、導入の心理的ハードルを下げました。

技術だけでなく、業務理解、営業文脈、運用設計まで含めて付加価値を出すことを重視しました。

立ち上げ方

個人開発・レベシェアの立ち上げでは、最初から純粋なSaaSに寄せすぎず、BPO / BPaaSとして人力運用を含めて開始。

使ってくれるユーザーを捕まえてから、または実際に課題として依頼されてから開発することを意識。

CodexやClaude Codeで高速にMVPを作れるようになっていたため、ざっくりとした要件からプロトタイプを作り、実物を見せながら営業・ヒアリングする形にしていました。

先に業務を回し、勝ち筋が見えた部分だけをプロダクト化する順番で無駄な開発を減らしました。

Client Work & Case Studies

受託開発事例

Development Experience

アンドイーズ株式会社 / 2022/02 - 2024/09

HRTechスタートアップでの長期インターン

人材紹介会社向けCRMシステム「reach」と、周辺の業務自動化ツールを担当しました。営業部門と要件を整理しながら、画面、API、DB、外部連携、RPAまで広く実装しています。

Backend
Go, Echo, sqlx
Frontend
React, Next.js, TypeScript, Recoil, MUI
Infra
MySQL, Docker, Google Cloud(Firebase, Cloud Run, Artifact Registry, Cloud Load Balancer, Cloud SQL, Cloud Pub/Sub, Gmail API)
Integrations
LINE Login, Messaging API, SendGrid, Firebase Auth

担当したこと

  • 営業部門と協力し、必要な機能と画面を定義。
  • 求人と応募者データの作成、更新、管理ページを開発。
  • 入力された応募者情報から履歴書および職務経歴書を生成する機能を実装。
  • 応募者とのコミュニケーションのため、LINE LoginとMessaging APIを連携。
  • クリーンアーキテクチャとドメイン駆動設計を用いて、GoとDockerでREST APIを開発。
  • スカウティング媒体からのエントリーメールをGmail APIで取り込み、応募者データのインポートを自動化。
  • スカウティング媒体への定期スカウト送信RPAを構築。
  • 必要に応じてDBテーブル・カラムの追加、修正を実施。
  • メール認証およびGoogle認証によるFirebase Authを実装。

スカウトRPA機能をreach内のオプションとして追加する提案では、業務理解、技術選定、実装リソースの調整を並行して進める必要がありました。

業務フローから要件定義する

人材紹介のスカウト業務をインプットしたうえで営業担当と話し、実装可能なことと難しいことを事前に調査して期待値を調整しました。

Goでのブラウザ操作とバッチ運用

JSやPythonに比べてGoのブラウザ操作ライブラリは選択肢が限られるため、スター数やメンテ頻度を見ながら選定し、必要に応じてライブラリの実装も読みました。

長時間処理時・失敗時のバッチサーバー挙動、DockerにChromiumを入れる際のフラグ調整なども検証しました。

メンバーとリソースの調整

他のインターン生には依頼内容を明確にし、完璧主義になりすぎず、コア機能と並行して使えるリソースを分担しました。

営業・開発メンバーと連携し、実装予定の3ヶ月後に間に合うように進行しました。