オープンなディスカッション：銀行向け AI 戦略

人工知能 (AI) は銀行業界を変革し、イノベーション、運用効率およびカスタマーサービスの向上などを実現する上で、これまでにないない機会をもたらしています。しかし、このような機会には、データセキュリティやコンプライアンス、倫理面での考慮事項などの課題が伴います。 

これらのトピックについては、Finextra 主催の最近の Web セミナーAI Strategies for Scalable, Secure and Compliant Banking で論じられました。このセッションでは、Red Hat のバイスプレジデント兼金融サービスグローバル統括責任者の Richard Harmon、製品担当マネージャーの Will Caban が、Dwolla の CTO である Skylar Nesheim 氏 および Finextra の Sharon Kimathi 氏とともに参加し、銀行業界における AI 統合のベストプラクティスとツールについて検討しました。また、オープンソースモデル、生成 AI (gen AI)、合成データの使用、および規制フレームワークの重要性についても強調されました。

実験と調査

Web セミナー中に実施され、Web セミナー後のレポートで公開されたアンケートでは、アンケート回答者の 58% が、ほとんどの金融サービス機関はまだ実験または調査の段階にあるという立場を支持しています。傾向やユースケースは組織によって異なる可能性がありますが、このセッションでは、銀行が AI の実験をどのように行っているかについての明確なテーマについて言及されました。

• 生成 AI：多くの場合、顧客にインパクトを与え、問い合わせに迅速に対応するものと見なされます。生成 AI は、市場分析や新製品の開発のための強力なツールにもなり得ます。
• 金融犯罪の防止： AI システムは膨大な量のデータを分析して、不正行為を示すパターンや異常を特定することができます。堅牢な不正検知機能によって銀行の資産を保護し、顧客の信頼と信用をさらに高めることができます。
• 決済処理：AI は取引をより効率的に単純化し、最適化することができ、より安全かつ迅速で費用対効果の高い取引が可能になるため、消費者と金融機関にメリットがもたらされます。
• エージェント型 AI：タスクを自律的に実行する AI エージェントは、銀行業務に革命をもたらす可能性を秘めています。AI エージェントは、システムを監視し、問題を特定し、是正措置を実行するため、運用効率とカスタマーエクスペリエンスが向上します。

合成データと規制上の課題

合成データは AI において極めて重要であり、とくにデータのプライバシーが重視される銀行業界では欠かせません。これは、アルゴリズムによって生成され、機密情報を明らかにすることなく実際のデータを複製するため、新しいデータの共有と分析が可能になります。これにより、金融犯罪の検知で実証されているように、セキュリティが強化され、イノベーションが促進されます。この際、金融機関は顧客データを危険にさらすことなくモデルを共同で作成できます。 

合成データは、組織や国の間での貴重なデータの共有を大幅に促進し、それらの協業的な取り組みを強化します。これは、とくに高いコストや、現実のデータへのアクセスが制限されていることを考慮すると、AI トレーニングにとって非常に重要なものとなっています。合成データを使用すると、組織は高度な AI システムをトレーニングするための大規模なデータセットを迅速に生成し、スケーラビリティや手頃な価格などの利点を増し加えることができます。さらに、実際のデータに見られるバイアスを軽減することができるため、より正確で公平な AI モデルになります。 

倫理的な AI の導入には、規制とイノベーションのバランスが不可欠です。EU の AI 法 (Artificial Intelligence Act) などの新しい規制は、データのプライバシー、透明性、堅牢性を重視し、リスクを軽減し、信頼性を構築するものです。効果的な規制は、安全性を確保しながらイノベーションを保護するものであり、関連するテクノロジーに対する徹底的な理解が必要になります。 

業界は、イノベーションをサポートしつつ、誤用を防止するフレームワークを開発する必要があります。別のアンケートでは、Web セミナー参加者の 41% が、AI 主導のサービスを完全に導入する理由としてコンプライアンスの懸念を挙げています。 

考慮すべきベストプラクティス

AI のベストプラクティスは急速に進化していますが、銀行が考慮すべきガイドラインがいくつかあります。Caban 氏によると、覚えておくべき最も重要なガイドラインの 1 つは「次のものを追求するのをやめること」です。 

「次の大きな課題が何であれ、それは問題にはなりません。誰かが真似をすることでしょう。今はとても簡単にできますから」と Caban 氏は語ります。それで、集中すべきことは、顧客の抱える問題や社内の問題点であり、これらの課題に、持続可能な AI イノベーションを組織にもたらせるように反復的な方法で取り組んでください。」これは、賢明なアドバイスです。

他の不変のベストプラクティスには、以下が含まれます。

• AI を銀行のユースケース、データ管理およびガバナンスに合わせて調整し、コンプライアンスに準拠した安全なエンタープライズ AI を大規模に構築する
• オープンソースの AI モデル、重み付け、アルゴリズムおよびフレームワークの利用を検討して、透明性、コミュニティによるサポート、EU の AI 法などの規制への準拠を支援する機能を提供する
• 特定の問題の解決に重点を置き、規制コンプライアンスを確保し、共感とコラボレーションの文化を育成するなど、AI 導入に対するバランスの取れたアプローチを推進する

まとめ

銀行業務における AI には、独自のメリットと課題があります。効率とカスタマーエクスペリエンスの向上により、新しいユースケースへの関心が高まります。銀行は、成長と顧客満足度を最大化するために、AI の導入を責任ある慣行と整合させる必要があります。AI ツールを採用し、合成データを使用し、規制に従うことは、AI の可能性を解き放つための鍵です。規制環境において倫理的な問題や偏見に対処することにより、効率性とイノベーションを向上させることができます。金融セクターは、顧客のニーズに焦点を当て、共感を育むことで、適切な戦略と保護措置を実施しつつ、成長とイノベーションを実現することができます。

Red Hat は、金融サービス業界に AI を活用した革新的なソリューションを提供することに尽力しています。Red Hat AI は、プロダクション対応のサービスの導入を加速します。詳細は、金融サービス のページをご覧ください。Red Hat Enterprise Linux AI と合成データ・ジェネレーター (SDG) を使用してカスタム LLM を生成するために、Red Hat がどのように役立つかについては、このインタラクティブなデモをご覧ください。