機械学習エンジニア（Machine Learning Engineer）

募集背景

現在、事業横断での信用データ基盤の構築や、データに基づく支払いリマインド体験の構築を急ピッチで進めています。

弊社には年間1,500万人・74万社の取引データという、他社が持ち得ないデータ資産を保有する一方で、そのデータを機械学習として事業に組み込める人材が十分にいないのが現状です。

社内には統計・機械学習のバックグラウンドを持つメンバーはいますが、機械学習モデルを事業のなかで導入し、運用し続けた経験を持つ機械学習エンジニアがまだほとんどいません。

そこで、与信という事業の中核に機械学習を実装し、意思決定そのものを変えていく機械学習エンジニアを募集します。

【補足：「信用」という言葉の意味】

金融における「信用」とは、「この人はお金を借りたら、ちゃんと返してくれるか」という評価のことです。 評価審査の内容は公にはされていませんが、職業・年齢・年収・過去の借入返済履歴などのデータから判断すると、一般的には言われています。

【なぜ私たちが今この事業を始めるのか】

世の中は「信用」によって円滑に回っています。 クレジットカード、住宅・カーローン、家賃保証、そして後払い決済。 これら「信用」の付与（＝与信）があるからこそ、私たちは生活や企業活動をより豊かに、スピーディーに進化させていくことができます。

しかし、従来の信用評価には、無視できない「限界」があると私たちは考えています。

若い頃のうっかりした支払い忘れで、数年間クレジットカードが作れない

現金主義で「実績（クレジットヒストリー）」がないために、必要な融資を受けられない

海外からの移住者であるという理由だけで、国内のサービスを断られる

過去に破産を経験し、現在は真摯に再起しようとしているが、既存の金融システムでは人生を前に進める術が閉ざされている

今の日本には、こうした「既存の物差し」での信用調査や与信審査では金融上での信用を得ることが難しい方が数多く存在します。

私たちはBNPL（後払い決済）のパイオニアとして、20年以上ある信念を貫いてきました。 それは、「まずは誰にでも信用を付与する」という運営です。

まずは弊社の決済を使っていただく。万が一お支払いが遅れても、完済いただければ再び信用を付与し、次につなげる。

この「誰も取りこぼさない」姿勢で向き合い続けた結果、私たちは独自の膨大なデータ基盤を築くに至りました。

• BtoC：年間ユニークユーザー 約1,500万人（日本の7人に1人）
• BtoB：年間ユニークユーザー 約74万社（日本の5社に1社）

この「7人に1人」「5社に1社」という圧倒的な接点から得られる、他社には決して真似できないユニークで膨大な行動データこそが、私たちの強みです。

＜この「信用」を、自社のみではなく社会のインフラへ＞

今、私たちはこの独自の資産を自社サービスの中だけに留めておくべきではない、と考えています。 私たちの持つデータ基盤と与信アルゴリズムを、社外の様々なファイナンスサービスへ開放していくこと。 それによって、従来の評価軸ではチャンスを得られなかった個人や法人が、正当に評価され、何度でも挑戦できる世界を作りたい。

それがこの新規事業であり、私たちが今この事業に取り組む理由です。

【ミッション（このポジションに期待する役割）】

事業課題を機械学習で解決可能な課題に還元し、モデル改善を回し続けることで事業成果に変えるポジションです。

与信・回収領域は、既存の機械学習モデルの精度を単に向上させるだけの領域ではありません。

事業判断の抱える事情も加味したモデルの設計が非常に重要な領域です。

そのためこの事業判断と機械学習判断の橋渡しこそが、このポジションの中心にあります。

【業務内容】

▼機械学習エンジニアとして、以下を担っていただきます

• 与信・回収領域における機械学習モデルの設計・実装・本番導入
• 機械学習パイプラインの構築と運用
• 信用データ基盤の設計・開発への参画
• 事業サイド・与信企画との協働による問題定義
• モデルの説明性・ガバナンスの担保
• 生成AI（Cursor、Claude Codeなど）を活用した開発の推進

【所属部署・チーム体制】

ご入社後は、CreditTechグループという、与信を専門に扱う部門に所属していただきます。

新規事業は、3～8名程度の少人数チームで推進します。技術選定から実装までをチームで担い、企画段階から議論しながら進めます。経験や年次を問わず、フラットに意見交換できる環境です。

現在、社内で与信モデリングを牽引しているのは機械学習エンジニア1名です。2人目の中核メンバーとして、機械学習の使いどころ・作り方・運用のかたちを、ゼロから一緒に定義していただける方を募集しています

アーキテクチャ設計や技術課題の解決については、技術顧問や他部署のエンジニアからもフィードバックを得ながら、最高のソリューションを妥協せず追求しています。

【開発環境・技術スタック】

▼採用するプロダクト・フェーズに応じて最適な構成を選定します。想定される要素の例は以下のとおりです。

• 機械学習： Python、Amazon SageMaker
• データ分析基盤： Snowflake、SQL
• クラウド・IaC： AWS、Terraform
• バックエンド： Go、TypeScript、Python など
• コンテナ・データストア： Lambda、DynamoDB、S3、Amazon Neptune など
• 生成AI： LLMを主軸としたワークフロー設計・運用。Cursor、Claude Code など
• その他： イベントソーシング、DDD、CQRS。グラフDB。セキュリティ・ガバナンス要件に沿った設計。ラムダアーキテクチャの導入検討

【勤務地】

東京、京都、福岡に拠点があり、リモート勤務やフルリモート勤務のメンバーも多く在籍しています。

募集条件

【必須スキル・経験】

▼以下すべてを満たす方を想定しています。

• 機械学習に関する実務経験2年以上
  • 機械学習パイプラインの構築・運用
  • 実サービスに対する機械学習の新規導入経験など
• Python等を用いたデータ分析・モデリングの実務経験、およびSQLの実務経験
• ビジネス上の課題を機械学習で解ける問題に翻訳し、日本語でチーム内外に分かりやすく説明できるコミュニケーション能力

【歓迎スキル・経験】

• 機械学習以外のソフトウェア開発経験
• 機械学習の応用分野における研究経験
• 事業KPIや収益構造を理解したうえで、モデルの目的関数・評価指標を設計したご経験
• 与信・不正検知・債権回収など、金融/決済ドメインでのモデリング経験
• クラウド（AWS等）上での機械学習基盤の設計・運用経験、IaCの経験
• モデルの説明性・公平性・ガバナンスが求められる環境での開発経験
• 少人数チーム（3～8名程度）でのアジャイルなプロダクト開発・グロース推進経験
• ゼロイチでのプロダクト立ち上げ経験、またはアーリーフェーズの事業に初期メンバーとして関わった経験

【求める人物像】

• モデルの精度そのものより、その先の事業判断が変わったかどうかに関心がある方
• 機械学習の言葉と、事業の言葉の両方を話せる/話せるようになりたい方
• 「誰もが機会均等にチャレンジできる社会」の実現に共感し、少人数チームでプロダクト開発を推進できる方
• 理想の組織を自ら作っていくフェーズに関わりたい方