Finatextグループとは

Finatextグループは、「金融を"サービス"として再発明する」をミッションに掲げ、AIエージェント機能の実装を見据えた金融基幹システムの提供を通じて「組込型金融（エンベデッドファイナンス）」を可能にするFintech企業です。
金融のDXを推進し、非金融事業者の金融サービスの参入障壁を下げることで、金融がもっと暮らしに寄り添う世の中の実現を目指しています。

金融サービスのあるべき姿をユーザー視点から見直し、パートナー事業者と共に新しい金融サービスを開発する「株式会社Finatext」、オルタナティブデータ解析サービスとデータAIソリューションの「株式会社ナウキャスト」、証券ビジネスプラットフォームを提供する「株式会社スマートプラス」、次世代型デジタル保険の「スマートプラス少額短期保険株式会社」、クレジットビジネスプラットフォームを提供する「株式会社スマートプラスクレジット」といった事業会社を擁しており、多様な事業に携われる機会がございます。

提供しているソリューションに関して

現在、日本の多くの金融機関は、レガシーで重厚長大なシステムによって、デジタルな顧客体験を最適化するような改善が行えないという課題を抱えています。
こういった課題を抱える日本の金融システムを、モダンな環境（オンプレミス→クラウド）、技術（Go/コンテナ）、設計（モノリス→マイクロサービス）を使って作り直しています。
スタートアップながら、三菱UFJフィナンシャル・グループ、大和証券、MS&AD、日本生命などの日本を代表する企業とインフラ領域で協業し、高い評価を得ております。

募集する背景

Finatextグループでは、生成AIを全社的な生産性向上の核と位置づけ、CTO直下に専門組織「AI+（エーアイ・プラス）チーム」を新設しました。
現在、CursorやClaude Codeの全社配布、MCP（Model Context Protocol）の導入を進めていますが、これを真にスケールさせるには、社内に散らばる膨大なデータやシステムをAIが解釈可能な形で集約・接続する強固なデータ基盤と、LLMの特性を活かしたアーキテクチャ設計が不可欠です。
AIを「単に触る」フェーズから、「金融事業の複雑なドメイン知識をAIが扱えるプラットフォームを構築する」フェーズへ移行するため、データエンジニアリングとLLM活用に強みを持つエンジニアを募集します。

参考資料

• Finatextグループ、AIで金融ビジネスを再定義する「AIイネーブルメント」を本格始動
• AI-ready SoRの時代へ
• FinatextグループのAI戦略を完全解説

関わるサービス

• MCPass（新規立ち上げ）
  組織内のAIエージェント接続を一元管理し、ガバナンスとセキュリティを支える「MCPゲートウェイ」プラットフォームの開発
  金融機関を中心としたエンタープライズ向けプロダクトとして外部展開を目指して開発中
  ※参考資料：「技術構成、「登壇資料」
• Finstage Cowork（企業向けAI協働プラットフォーム）
  企業向けにAI×業務協働（バイブワーキング）の環境を提供する自社プロダクト
  チャットから業務依頼・承認制御・実行までを一元化し、金融・規制業務でも導入しやすいガバナンスを備えたエンタープライズ向けのAI協働基盤です。
  MCPプロダクトと組み合わせ、現場のAI活用とIT部門の統制を両立します。

業務の概要

VP of Data & AIの大野/Kevin直下で、以下のエンジニアリング業務をリードしていただきます。

【具体的な業務内容】

• データ基盤の構築やデータマネジメントの仕組みづくり
• セキュアなAI基盤設計・運用
• 高セキュリティ基準下でのサンドボックス環境やガバナンス機能実装
• AIの評価基盤や、Gateway機能の設計・構築
• LLMオーケストレーションとMCP実装
• 社内SaaS・DB・ドキュメントをMCP経由でLLMへ提供
• 社内ツールとAIエージェントの統合、業務特化型AIエージェントのワークフロー設計・評価パイプライン構築

配属先

「AI+チーム」 CTO直下の独立したチームです。
少数精鋭で、グループ全体の技術スタックを横断的にハックし、全社員の生産性を「10倍」に引き上げることをミッションとします。

社員インタビュー

• ナウキャストからSnowflake Data Superheroesが誕生 ──見据えるのはデータAI基盤の未来

本ポジションの魅力

• 技術的フロンティア MCPという最新プロトコルを全社規模で実戦投入し、AIエージェントが実業務を動かす環境をゼロから構築できます
• 圧倒的な裁量 CTO直下チームのため、意思決定が極めて速く、最新のモデルや技術スタックの導入に制約がほとんどありません
• データの質と量 金融事業やオルタナティブデータなど、非常に密度が高く複雑なデータを「AIにどう解釈させるか」という、データエンジニアとして最高難度の課題に挑戦できます

技術スタック

Python、dbt、Airflow、Snowflake、Terraform、AWS、Google Cloud、Azure、OpenAI

その他

• Snowflake DataCloudSummit2024 に参加してきました
• Data Platform Engineering チーム紹介
• ナウキャスト、Snowflakeサービスパートナー「Select」に認定
• Snowflakeの「Industry Solution Partner of the Year」を受賞
• Finatextホールディングス、VP of Data & AIに大野巧作 / Kevin が就任
• 大野（Kevin）が「2026 Snowflake Data Superhero」に選出

メンバー紹介

大野 巧作(Kevin) / VP of Data & AI

東京大学大学院理学系研究科を修了後、2020年4月に株式会社ナウキャスト入社。
POSデータのパイプライン構築や分析に携わり、2024年からはデータ分析基盤開発チームのリーダーとしてAWSやSnowflakeを活用したクラウド環境の整備や技術検証を主導。
2025年10月、株式会社FinatextホールディングスのVP of Data & AI に就任。
Kaggle Competition Masterで、複数の機械学習コンペで入賞実績あり。
「2026 Snowflake Data Superhero」に選出。
テックブログ：https://zenn.dev/kevinrobot34

田島 悟史 / Finatextホールディングス取締役CTO/CISO

新卒でVOYAGE GROUP（現 CARTA HOLDINGS）に入社し、システム本部にて全社のインフラを全般的に担当した後、セキュリティチームの立ち上げを経験。
2019年2月にFinatextに入社し、プラットフォームチームのリードエンジニアとしてグループ全体のシステムおよびセキュリティ体制の構築・運用を牽引。
2022年6月、Finatextホールディングスの取締役CTO/CISOに就任。
CISSP/OSCP/OSWE保有。
テックブログ：https://zenn.dev/s_tajima

[データエンジニアリング]

• Python / Go / Java等を用いたデータパイプライン(ETL)の開発・運用経験
• BigQuery / Snowflake / Databricks等のDWH利用経験

[LLM]

• OpenAI / Anthropic等のAPIを用いたLLMアプリケーションの開発経験
• LangChain / LlamaIndex等のフレームワークを用いたRAGの実装・改善経験

[ソフトウェアエンジニアリング]

• マイクロサービス / API(REST, gRPC)の設計・開発経験

• MCP(Model Context Protocol)への深い理解、または独自のMCPサーバー実装経験
• LiteLLMなどLLMプロキシサーバーの導入・運用経験
• ベクトルデータベース(Pinecone, Weaviate, pgvector等)の選定・運用経験
• RagasやLangSmith等を用いたLLM出力の定量的評価プロセスの構築経験
• Infrastructure as Code (Terraform等)を用いたクラウドインフラ構築経験
• 多くのステークホルダーとのやり取りをし、施策を推進した経験

• 顧客志向で開発ができる
  常に顧客の求めているものが何かを考え、そこから逆算して開発の優先度を決めることができる。
• プロダクトの成長にオーナーシップを持てる
  プロダクトの成長を自分ごととして捉え、プロダクトを通じて顧客に価値を提供することに夢中になれる。
  プロダクトを成長させるためであれば、自分の担当範囲にこだわらず、担当外のことにも積極的に貢献できる。
• 人を巻き込み物事を推進できる
  何か課題を解決する際に、1人で解決するのではなく、周囲のメンバーを巻き込み推進できる。
  自分の成果ではなく、チームとしての成果を一番に考えることができる。
• 知的好奇心が旺盛で、学習を楽しめる
  エンジニアリング領域の学習はもちろん、プロダクトの改善に必要な様々な知識を貪欲にインプットできる。
  学習した知識をそのままで終わらせず、業務に活かすことができる。
• 泥臭く細部にこだわることができる
  きれいなデータや、価値ある分析のために、データの隅々にまで気を配り、細かい作業を丁寧に進められる。