Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
金融サービスにおける高速な価値提供とAIの役割 #BetAIDay
Search
LayerX
PRO
August 01, 2025
Technology
2
1.1k
金融サービスにおける高速な価値提供とAIの役割 #BetAIDay
2025/8/1 にLayerXで開催されたAIカンファレンス「Bet AI Day」における登壇資料です。
登壇者:Fintech事業 VPoE 髙橋 健太郎
LayerX
PRO
August 01, 2025
Tweet
Share
More Decks by LayerX
See All by LayerX
AI時代の経営、Bet AI Vision #BetAIDay
layerx
PRO
5
3.1k
バクラクによるコーポレート業務の自動運転 #BetAIDay
layerx
PRO
1
1.3k
LLMをツールからプラットフォームへ〜Ai Workforceの戦略〜 #BetAIDay
layerx
PRO
1
1.7k
Bet "Bet AI" - Accelerating Our AI Journey #BetAIDay
layerx
PRO
5
2.5k
人に寄り添うAIエージェントとアーキテクチャ #BetAIDay
layerx
PRO
10
3k
生成AI時代におけるAI・機械学習技術を用いたプロダクト開発の深化と進化 #BetAIDay
layerx
PRO
1
1.8k
AIエージェントが変える開発組織のEnabling #開発生産性con_findy
layerx
PRO
3
29k
LayerX Ai Workforce Division Deck
layerx
PRO
2
43k
LayerX における mastra の活用と課題
layerx
PRO
9
5.7k
Other Decks in Technology
See All in Technology
コンテキストエンジニアリングとは? 考え方と応用方法
findy_eventslides
4
810
Go Conference 2025: GoのinterfaceとGenericsの内部構造と進化 / Go type system internals
ryokotmng
3
520
analysis パッケージの仕組みの上でMulti linter with configを実現する / Go Conference 2025
k1low
1
230
GA technologiesでのAI-Readyの取り組み@DataOps Night
yuto16
0
220
施策が均質化する採用市場で何を捨て 何を大事にしていくかを考える
akyun
0
230
今改めてServiceクラスについて考える 〜あるRails開発者の10年〜
joker1007
19
8.6k
What is BigQuery?
aizack_harks
0
110
PLaMoの事後学習を支える技術 / PFN LLMセミナー
pfn
PRO
6
1.8k
それでも私はContextに値を詰めたい | Go Conference 2025 / go conference 2025 fill context
budougumi0617
4
810
履歴 on Rails: Bitemporal Data Modelで実現する履歴管理/history-on-rails-with-bitemporal-data-model
hypermkt
0
1.5k
Optuna DashboardにおけるPLaMo2連携機能の紹介 / PFN LLM セミナー
pfn
PRO
1
390
LLMアプリケーション開発におけるセキュリティリスクと対策 / LLM Application Security
flatt_security
6
1.1k
Featured
See All Featured
The Pragmatic Product Professional
lauravandoore
36
6.9k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
48
9.7k
The Art of Delivering Value - GDevCon NA Keynote
reverentgeek
15
1.7k
GraphQLとの向き合い方2022年版
quramy
49
14k
Agile that works and the tools we love
rasmusluckow
330
21k
Mobile First: as difficult as doing things right
swwweet
224
9.9k
4 Signs Your Business is Dying
shpigford
185
22k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
46
7.6k
Optimizing for Happiness
mojombo
379
70k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
31
2.2k
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
234
17k
A Modern Web Designer's Workflow
chriscoyier
697
190k
Transcript
Fintech事業 VPoE 髙橋 健太郎@takochuu TAKAHASHI, Kentaro ⾦融サービスにおける ⾼速な価値提供と AIの役割 7Bets
on AI — Session 3
Speaker Fintech事業 VPoE アプリケーションエンジニアとして数社で勤務後、DeNA でエンジニア‧プロジェクトマネージャーとして勤務。 2016年より株式会社エウレカにて、⽇本版Pairsの開発責 任者‧Global版Pairsの開発責任者‧Head of Backend‧Head of
QAを担当。 2022年にLayerXに参画し、三井物産との合弁事業にて、 個⼈向け投資サービス「ALTERNA(オルタナ)」の⽴ち 上げに従事。 2024年からはVPoEとしてFintech事業部全般のエンジニ アリング組織を管掌。 髙橋 健太郎 TAKAHASHI, Kentaro
Agenda • Fintech事業部について • ⾦融事業の⾃動化における「壁」 • 全社的な取り組みの変遷 • 開発組織の変化 •
業務へのAI適⽤ • おわりに
Fintech事業部について Chapter 1
技術組織としての分岐点 Fintech事業部について
技術組織としての分岐点 市場の変化、経営者の意思決定、組織のAI浸透と活⽤による事業推進スピード全てにおいて変化が訪れ ている。対応の有無で事業の⾏く末は⼤きく変わる。 加速する事業と経営 Speed is The New Moat in
AI Sales. by Perplexity's CBO 技術組織としての分岐点
技術組織としての分岐点 三井物産、LayerX、⼤⼿⾦融機関などからアセットマネジメント、⾦融、ソフトウェア開発のエキス パートが集まって設⽴されたジョイントベンチャー 三井物産デジタル‧アセットマネジメント(MDM)のバックグラウンド Fintech事業部について
技術組織としての分岐点 MDMのビジネス Fintech事業部について
技術組織としての分岐点 MDMのプロダクト Fintech事業部について
技術組織としての分岐点 MDMのプロダクトタイムライン Fintech事業部について
技術組織としての分岐点 MDMのビジネス Fintech事業部について 不動産 ファンド 取得 配当 出資 投資家 投資プラットフォームの運営
取得した不動産やファンドの管理
技術組織としての分岐点 MDMの独⾃性 Fintech事業部について
技術組織としての分岐点 過去の取扱商品 Fintech事業部について ※これらの商品は、三井物産株式会社の⼦会社である三井物産デジタル‧アセットマネジメント株式会社によって、組成‧販売されたものです。
⾦融事業の⾃動化における「壁」 Chapter 2
不動産‧ファンド‧証券‧アセットマネジメント‧プロダクトと複数の領域が存在 それぞれが専⾨分野であり、それぞれの領域のプロフェッショナルが協調して事業を推進 不動産‧ファンド‧アセットマネジメント‧証券‧プロダクトの領域 物件鑑定 収益予測 契約書の作成‧契約 信託との連携 ローンの調整 物件管理指図 期中開⽰
資⾦管理 ⾦融事業の⾃動化における「壁」 証券の管理 期中配当‧開⽰‧償還 監督指針‧FISCへの準拠 各種規則に則った監督 FATCA対応 投資家獲得 リテンション イベント出展 セミナー CSATスコア向上 問い合わせ受付 不動産取得 ファンド組成 ファンド‧アセットマネ ジメント 証券販売‧運⽤ システム構築 コンプライアンス オンライン マーケティング オフライン マーケティング カスタマーサポート
不動産‧ファンド‧アセットマネジメント‧証券‧プロダクトの複雑性 • 多岐に渡る業務領域が存在 • 領域特有の深い知識が必要 • 金融事業であるため、ミスが起きた時の深刻さが大きく、ライセンスを取得しなけ れば事業活動ができない • 改善活動を行うためには深いドメイン知識が必要
• すべての領域に人が長らく担当してきた業務が存在 ◦ 契約書の作成・校正 ◦ 広告物の審査 ⾦融事業の⾃動化における「壁」
事業における複雑性 ⾦融事業の⾃動化における「壁」 → 具体的に開発を⾏って何の改善が可能なのか⼀⾒理解が難しく、効率化を⾏ うためには深い業務への理解が必要 • 多岐に渡る事業領域が存在 • 領域特有の深い知識が必要 •
金融事業であるため、ミスが起きた時の深刻さが大きく、ライセンスを取得しなけ れば事業活動ができない • 改善活動を行うためには深いドメイン知識が必要 • すべての領域に人が長らく担当してきた業務が存在 ◦ 契約書の作成・校正 ◦ 広告物の審査
全社的な取り組みの変遷 Chapter 3
エンジニアを中⼼にCursor‧ChatGPT‧Geminiなどを試⽤ 2024年まで 全社的な取り組みの変遷
包括的予算枠を設⽴し、全社を挙げてAIの活⽤を重要KPIとして設定。 全社員がツール利⽤申請の権利を持ち、全社的にAI活⽤を推進し、積極的にツールの改廃を⾏う。 2025年から 全社的な取り組みの変遷
開発組織の変化 Chapter 4
Fintech事業部の開発⽂化 開発組織の変化
AIは価値提供を ⾼速化するツールの⼀つ 開発組織の変化
4つの変化 • プロダクトマネジメント • エンジニアリング • 品質保証 • データ抽出・分析 開発組織の変化
ドメインが深いため、法令の調査‧仕様レビューがコストが⾼い課題が存在 プロダクトマネジメント 開発組織の変化 2. 企画‧仕様の⽴案 • 景表法や法定書面の記載要項(法定要件)に準拠する必要がある ◦ 企画・仕様を作成する際のコストが高い •
一部の有識者が作成した仕様のレビューが一般的なエンジニア・PdMでは困難 ◦ 外部専門家へのレビューは行うが、リードタイム発生 1. 法令の調査 3. 外部専⾨家レビュー
DeepResearchをはじめとするツールの進化でこれまで有識者が対応していた「調査」が容易に プロダクトマネジメント 開発組織の変化
コーディングが効率化されたが、課題の顕在化の速度が向上 エンジニアリング 開発組織の変化 1. 仕様検討 2. コーディング 3. コードレビュー •
コーディングについてはDevin / Cursor / Claude Code等で効率化 ◦ 価値検証が高速化されたが、問題が顕在化する速さが早くなった ▪ 品質 ▪ コードレビューの数 ▪ 技術的負債 • ソフトウェアエンジニアリングの重要性が向上 • 正しい設計の重要性 3. コードレビュー
コードレビューの補助ツール導⼊ エンジニアリング 開発組織の変化 • コードレビューが滞留するためツールを2種導入 • 人間はよりデータ・設計を重視したレビュー体制へ変更
ドメインが深いため、ブラックボックステストの影響範囲漏れ‧要件の確認漏れが発⽣していた 品質保証 開発組織の変化 1. テスト設計 2. ケース作成 3. コードレビュー •
要件の精査にドメイン知識が必要なため、ブラックボックステストでは要件漏れが 発生し、品質担保が困難 • テストケースの作成がすべて人間任せ ◦ テストケースのレビュー漏れ・観点漏れがあると障害につながる • テスト観点出しも仕様書に依存しているため、上流のアウトプットに品質が依存 3. テスト実施 2. ケース作成
Devin + cursorでの影響範囲調査、テストケース作成を効率化 品質保証 開発組織の変化
⾃然⾔語でのデータ分析 データ抽出‧分析 開発組織の変化 • Codexなどのソースコードを読み込んでいる ツールを利用した、自然言語での分析依頼 の自動化 • 非エンジニア向けにE-R図などの準備は必 要だがスキーマさえ理解できれば抽出依頼
を減らせるように
職種の役割が再定義され、より上流の「何を作るか‧どう売るか」の重要性が上がる プロダクト職種の役割を問い直す 開発組織の変化 1. 企画 2. 開発 3. QA 1.
企画 • 開発・品質保証の効率化が進み、より上流の「何を作るか・どう売るか」が大事な 時代が来る • 作られたプロダクトの確認作業・品質保証・承認の量も増加する ◦ この部分の効率化も課題になる ◦ いずれ、品質保証領域などはツールにより効率化される未来を予想
AIの浸透により 上流⼯程の質が⼤事な時代に 開発組織の変化
業務へのAI適⽤ Chapter 5
⽣成AIを活⽤した業務効率化のための社内プロダクト開発 ファンド組成 業務へのAI適⽤
⽣成AIを活⽤した業務効率化のための社内プロダクト開発 ファンド組成 業務へのAI適⽤ 1. 企画 2. 広告審査 3. カスタマーサポート 1.
ファンド組成 • 1つのファンドを作るのに約10種類の主要契約書 (それぞれが数十ページ) を作 成する必要があり、それぞれの整合性を保ちながら修正する人力作業を生成AI により支援。社内向けにWord Add-inの形で提供。 • ALTERNAの販売促進に利用する広告の審査業務のアシスタントAIを作成中。 広告表現がレギュレーションに接触しないかをAIで判定。 2. 広告審査
Wordアドインで契約書レビューの効率化を実施中。 ファイル間での表現における差分を抽出し、修正提案を⽣成している ファンド組成の効率化 業務へのAI適⽤
⾦融における広告基準を満たしているかをURLベースで判定 広告審査の効率化 業務へのAI適⽤ • 対象ページのURLを指定し、広告審 査ガイドラインに抵触しているかを検 定 • NGの場合は明示的にNG部分を抽 出し、指摘する
• Playwritght MCPで文書を抜き出して 対応
アセットマネジメントチームでの投資判断‧物件分析にChat GPTを活⽤ AM領域の効率化 業務へのAI適⽤
投資家からの問い合せ対応効率化 カスタマーサポート領域の効率化 業務へのAI適⽤ • AIが問合せへの回答文案を自動生成し、金融特有の複雑 な問合せ対応の処理時間を 25 % 削減 •
AI が目論見書・FAQ・社内ナレッジを横断検索し、問合せ 回答ドラフトを数秒で作成 • 結果、関連問合せにおける、オペレーターの回答文作成 リードタイムを 25 % 短縮 • ※社内トーン&法令ガイドも参照し AI が自己レビュー → 商品組成チームが最終確認して 品質を担保
AIの活⽤推進は アイデアの量が重要 開発組織の変化
おわりに Chapter 6
⾼速な価値提供のためにAI時代に重要なこと おわりに 活⽤領域を増やすためツールを利⽤しやすい環境を準備 AI技術の浸透でプロダクト開発は上流が重要になる AIツール活⽤はアイデアの量(発想量)が⼤事