Fintech事業部における2025年のAI効率化の取り組み、あるいはラーメンの話
本文の状態
日本語全文を表示中
詳細モードで約5分の本文を読めます。
LayerX Fintech事業部が2025年にAIを活用して複数プロダクトの高速改善・リリースを実現した事例についての記事。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。

はじめましての人ははじめまして!そうでない人はお久しぶりです! LayerX Fintech事業部でVPoEを担当しています、 takochuu です。
この記事は、LayerX Tech Advent Calendar 2025 の 24 日目の記事です。 23日目は、「バクラク事業部のデータ基盤 2025: 今年一年の変化を振り返るの巻」でした。 tech.layerx.co.jp
最近は速い車に乗るのが趣味です。 最近ゴルフもはじめました。ゴルフ誘ってください。車出しますよ!
さて、唐突ですが2025年のLayerX Fintech事業部は複数のプロダクトを高速に改善・リリースし続けているチームです。 その中で、QA(品質保証)はプロダクトの信頼性を支える重要な役割を担っていますが、同時に以下のような課題を抱えていました。 1. テストケースの作成・更新コストが高い 2. 仕様変更にQAが追いつきづらい 3. 人手によるレビュー・確認作業がボトルネックになる
これらの課題に対して、私たちは LLMを活用したQA効率化 に取り組みましたので、その顛末を書こうと思います。
これまでのFintech事業部のQAについて
まず前提としてFintech事業部の開発はV字モデルの考え方を基に設計されています。 要求分析・要件定義をPdMの責任として、要件定義から単体テストまではエンジニアの責任として、結合テストから受け入れテストはQAエンジニアの責任としています。 これまでは上記フェーズにおける「テストケース作成」「実行」はQAエンジニアが手で行っていましたが、プロジェクトのスケジュールが重なり上記のスケジュールが重複する状態になると、QAエンジニアは一人しかいないためQAが渋滞するという状況が度々発生していました。
FintechにおけるQAの難しさ
また、我々が運用しているALTERNA(オルタナ)は、投資家の皆様に見えている画面だけではなく、裏側の運用システムまで全て開発チームがフルスクラッチで作成しているので、一般的なWebサービス以上に複雑なコンポーネントが存在しており高い品質が求められます。 例として、投資家の皆様の税金を計算して納税・還付を行うなど、一般的な複雑さ以上のQAもQAエンジニア一人で担当しなければなりません。 その他にも、以下のような特徴が存在しています。 1. 業務フローが複雑 2. 金額・数値計算の正確性が必須 3. 法規制や会計要件が絡む
一方で、QAが複雑なことを理由にプロダクトをデリバリーするスピードは落としたくありません。 「QAを厚くすると遅くなる」「速くすると抜け漏れが増える」というトレードオフをどう乗り越えるかが課題でした。
QAのLLM化を進めるにあたって、QAエンジニア一人、エンジニア一人で自動化の調査をはじめました。 初版についてはCursor、Devinを用いてテストケース作成の自動化をテストしてみることにしました。 プロンプトは以下のようなものを利用し、作成されたケースが2枚目になります。

作成されたケースは130ケースほどあり、テストケース作成の効率化が実現できました。 とはいえ、加筆修正が必要ないレベルで洗練されているかと言えば、まだそこまでではありませんでした。
仕様書からのテスト観点・テストケース生成
バージョン1はプルリクを起点にNotionを利用しましたが、次に取り組んだのが仕様書・デザイン(Notion、Figma、Figjamなどのpdf)を入力としてテストケースのCSVを出力させることにしました。 また、一般的なテスト技法(デシジョンテーブルや同値分割など)も併せて入力し、以下のようなことを実施しました。 1. テスト観点の洗い出し 2. 正常系/異常系/境界値の整理 3. テストケースのたたき生成
をLLMに行わせることです。テスト時はGPT5.1・GPT5.2でテストして出力された結果がこちらです。 
既存テストケースのレビュー・改善支援
更に、既存のテストケースとコードの差分をCodexなどのソースコードを読み込めるLLMを利用し、既存のプルリクエストがテストケースを満たすか確認するようにしました。 ↓実際のアウトプット 
このように、エンジニアが作成したコードからケースを満たしていない部分の検出までは行うことができています。 ただ、注意点もあり、「UIがない開発(管理画面など)ではinputが少なくなり、効果的ではなくなる」状況なので、これを解決することと、自動でテストしてくれる君(seleniumなどのテスト自動化エージェントを用いるもの)を実用化していくのが2025年下期の戦略目標です。
そして、おすすめのラーメンの話
東京を代表する焦がし味噌ラーメンのお店。 純連やすみれともまた違い、ガツンとした味が特徴的。 行列必至だが、食べた後の満足感は随一。
東京駅KITTEの地下にあるつけ麺の名店「とみ田」の支店。 本店に劣らず、オールウェイズクオリティの高いつけ麺を提供してくれる。 土日や日中は並んでいるが、退勤時などは比較的空いているのでその時間帯がオススメ。
新宿と人形町に店舗を構える「丁寧系」のハイレベル醤油ラーメン。 卓上調味料も充実しており、色々な味変が可能。 比較的人形町店は空いているので、近くにお立ち寄りの際はぜひ
いかがだったでしょうか? 2025年、みなさんのオススメのラーメンは何でしたか? よければ、Twitterでオススメのラーメン店を教えて頂けると幸いです。 それでは、Merry Christmas....
原文を表示

はじめましての人ははじめまして!そうでない人はお久しぶりです! LayerX Fintech事業部でVPoEを担当しています、 takochuu です。
この記事は、LayerX Tech Advent Calendar 2025 の 24 日目の記事です。 23日目は、「バクラク事業部のデータ基盤 2025: 今年一年の変化を振り返るの巻」でした。 tech.layerx.co.jp
最近は速い車に乗るのが趣味です。 最近ゴルフもはじめました。ゴルフ誘ってください。車出しますよ!
さて、唐突ですが2025年のLayerX Fintech事業部は複数のプロダクトを高速に改善・リリースし続けているチームです。 その中で、QA(品質保証)はプロダクトの信頼性を支える重要な役割を担っていますが、同時に以下のような課題を抱えていました。 1. テストケースの作成・更新コストが高い 2. 仕様変更にQAが追いつきづらい 3. 人手によるレビュー・確認作業がボトルネックになる
これらの課題に対して、私たちは LLMを活用したQA効率化 に取り組みましたので、その顛末を書こうと思います。
これまでのFintech事業部のQAについて
まず前提としてFintech事業部の開発はV字モデルの考え方を基に設計されています。 要求分析・要件定義をPdMの責任として、要件定義から単体テストまではエンジニアの責任として、結合テストから受け入れテストはQAエンジニアの責任としています。 これまでは上記フェーズにおける「テストケース作成」「実行」はQAエンジニアが手で行っていましたが、プロジェクトのスケジュールが重なり上記のスケジュールが重複する状態になると、QAエンジニアは一人しかいないためQAが渋滞するという状況が度々発生していました。
FintechにおけるQAの難しさ
また、我々が運用しているALTERNA(オルタナ)は、投資家の皆様に見えている画面だけではなく、裏側の運用システムまで全て開発チームがフルスクラッチで作成しているので、一般的なWebサービス以上に複雑なコンポーネントが存在しており高い品質が求められます。 例として、投資家の皆様の税金を計算して納税・還付を行うなど、一般的な複雑さ以上のQAもQAエンジニア一人で担当しなければなりません。 その他にも、以下のような特徴が存在しています。 1. 業務フローが複雑 2. 金額・数値計算の正確性が必須 3. 法規制や会計要件が絡む
一方で、QAが複雑なことを理由にプロダクトをデリバリーするスピードは落としたくありません。 「QAを厚くすると遅くなる」「速くすると抜け漏れが増える」というトレードオフをどう乗り越えるかが課題でした。
QAのLLM化を進めるにあたって、QAエンジニア一人、エンジニア一人で自動化の調査をはじめました。 初版についてはCursor、Devinを用いてテストケース作成の自動化をテストしてみることにしました。 プロンプトは以下のようなものを利用し、作成されたケースが2枚目になります。

作成されたケースは130ケースほどあり、テストケース作成の効率化が実現できました。 とはいえ、加筆修正が必要ないレベルで洗練されているかと言えば、まだそこまでではありませんでした。
仕様書からのテスト観点・テストケース生成
バージョン1はプルリクを起点にNotionを利用しましたが、次に取り組んだのが仕様書・デザイン(Notion、Figma、Figjamなどのpdf)を入力としてテストケースのCSVを出力させることにしました。 また、一般的なテスト技法(デシジョンテーブルや同値分割など)も併せて入力し、以下のようなことを実施しました。 1. テスト観点の洗い出し 2. 正常系/異常系/境界値の整理 3. テストケースのたたき生成
をLLMに行わせることです。テスト時はGPT5.1・GPT5.2でテストして出力された結果がこちらです。 
既存テストケースのレビュー・改善支援
更に、既存のテストケースとコードの差分をCodexなどのソースコードを読み込めるLLMを利用し、既存のプルリクエストがテストケースを満たすか確認するようにしました。 ↓実際のアウトプット 
このように、エンジニアが作成したコードからケースを満たしていない部分の検出までは行うことができています。 ただ、注意点もあり、「UIがない開発(管理画面など)ではinputが少なくなり、効果的ではなくなる」状況なので、これを解決することと、自動でテストしてくれる君(seleniumなどのテスト自動化エージェントを用いるもの)を実用化していくのが2025年下期の戦略目標です。
そして、おすすめのラーメンの話
東京を代表する焦がし味噌ラーメンのお店。 純連やすみれともまた違い、ガツンとした味が特徴的。 行列必至だが、食べた後の満足感は随一。
東京駅KITTEの地下にあるつけ麺の名店「とみ田」の支店。 本店に劣らず、オールウェイズクオリティの高いつけ麺を提供してくれる。 土日や日中は並んでいるが、退勤時などは比較的空いているのでその時間帯がオススメ。
新宿と人形町に店舗を構える「丁寧系」のハイレベル醤油ラーメン。 卓上調味料も充実しており、色々な味変が可能。 比較的人形町店は空いているので、近くにお立ち寄りの際はぜひ
いかがだったでしょうか? 2025年、みなさんのオススメのラーメンは何でしたか? よければ、Twitterでオススメのラーメン店を教えて頂けると幸いです。 それでは、Merry Christmas....
同じ出来事を3媒体で確認
同じ出来事を扱う別媒体の記事です。見出しと公開時刻を比較できます。
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み