この記事は、FinTech Journal日本で初めて公開されました。
過去15年間、金融サービスシステムは、2008年の金融危機後の規制強化によって大きな変化を遂げてきた。厳格な新基準、サービスのデジタル化、運用の回復力に対する厳しい監視、ESGの開発などは、全銀行が取り組まなければならなかった戦略的優先事項の一部となっています。
→ 詳しく知る:フルファイナンシャルサービスのユースケースライブラリを参照
現在のすべてのプレーヤーは、この変化の時代を乗り切り、顧客の前例のない行動の変化にシステムや業務プロセスを適応させながら、すべての活動を新たな規制の要請に適応させることに成功している。2023年から得られるものがあるとすれば、それは金融セクターのレジリエンスが格段に向上したことを示す証拠でしょう。欧州の大手銀行（クレディ・スイス）が破綻し、SVBの破綻を受けて米国の金融セクターの中間市場が大きく揺らぎ、インフレが尋常でない高さまで再開。強くなった金融機関もあれば、揺らいだ金融機関もあるが、それでもシステムは新たな安定レベルに達しています。
では、今後どうなるのでしょうか？現状維持が新常識なのか、それとも金融機関が取り組むべき変革のドライバーがまだあるのでしょうか？
過去12ヶ月間、生成AIによって引き起こされた関心と精査の量は、データとAIに関して言えば、変革がまだまだ終わっていないという強い呼びかけとなりました。そして、これはすべてのビジネス・セクターに当てはまることではあるが、銀行やその他の金融機関にとっての可能性は特に大きく、大胆さと統治との間で必要なバランスを取るために適切な体制を整えた金融機関にとっては、恩恵を受ける準備が整っています。2024年をデータ活用の重要な年にしたい金融機関にとって、視野に入れておくべき4つの指針を紹介します。
1.DXを実現する手段はすぐ目の前にある
多くの金融機関は、データ変革を実現するための十分な環境が整っていないことを恐れて、データ変革の道から遠ざかっています。データは十分整理されているか?社員はトレーニングを受けているか?ガバナンス・システムは実施されているか?フルクラウド移行は最初に完了するべきか?データの優先順位はどのように定義され、価値はどのように計算され、様々なアナリティクスやAIプロジェクトに対するアプローチはどのように評価されるべきなのか？
これらはすべて、データオフィスが取り組んでいる重要な問題であり、努力を続けることでしか解決できない問題です。一歩引いて考えてみると、銀行やその他の金融機関は、データを真の変革の原動力にするための取り組みを行う上で、独自の能力を備えています。彼らのデータの親密性と構造のレベルは全体的に高く、プロセスを越えた精密さの必要性が引き金となって、高いレベルのデータ意識を持っています。日常的にデータとやり取りする従業員の割合(意思決定、モデルリスク、実現可能性の評価など)は、最も高い。また、システム構築者やモデル・ガバナンスという強い文化を持つ銀行は、関連するリスクに適切に取り組むための適切な枠組みを整えることができる、とくに有利な立場にあるのです。
全体として、どの銀行もデータ活用の実現に向けた準備のレベルは高いです。一部の銀行が他の銀行より進んでいるのは確かで、一部の銀行はあえて行動を起こそうとしています。主なアドバイスとしては、データ整備の準備が完全に整うのを待つことは、勝つための戦略ではないということです： データの準備体制は、プロセスやリスクの受容を形成し、データ文化を構築する唯一の実行可能な触媒として機能するイニシアティブを伴う行動から生じるものです。データへの取り組みを構造化するために多くの制限を設けることは、遅れをとるリスクを負うことになります。さらに、この変革の実現に意欲的な有能な人材を失うリスクもあります。
2.AI競争の核心は、バランスにある
投資や銀行業務の管理は、計算されたリスクを取ることがすべてです。このようなリスク管理のDNAとモデルリスク管理の要請が強い以上、銀行がデータ、アナリティクス、AIに関連するリスクに対して極めて高い意識を持つのは当然のことです。
データを活用し、AIを開発する前に、完璧なデータの準備態勢を求めることは、勝てる戦略ではありません。AIから利益を得る金融機関とは、適切な種類の焦点と予防策を講じ、統制された方法で行動を起こすことをあえて行う金融機関です。そしてこれは、オーナーシップ、データ意識、行動への不可欠なステップとして、人々がデータに利用できる環境を整えることから始まる。適切なフレームワークとIT環境を整えれば、銀行は、幅広いコミュニティに、テスト、学習、開発、そしてデータを有意義なアウトプットに変換する能力を提供することができます。
マネーロンダリング防止（AML）は、AIの可能性についてコンセンサスが得られている分野であると同時に、不適切に管理されたモデルによる好ましくない影響について深い懸念がある分野でもあります。今日、すべての銀行がルールベースのエンジンを備えており、多くの場合、これらは大量の偽陰性を引き起こし、早期に新たなリスクを特定する能力が限られているため、アラート管理に高いコストがかかり、効果的なセットアップができません。既存のシステムを稼動させ続けることと、徐々に強化していくこととの間で、バランスの取れたアプローチをとることが必要になります。
AIを活用してAMLを成功させるにはどうすればよいかは、データの活用が何よりもまずバランスが重要であることを示す一例に過ぎないです： ビッグバンのアプローチが失敗する場合、権限を与えられたチームによって段階的でアジャイルな取り組みが行われることが、AIを変革の原動力として成功させる鍵となります
3.すべてのシステム変更と同様に、埋め込みが重要な目標である
新しいテクノロジーは、概念実証（Proof of Concepts）として長く生き続けることができる。しかし、完全なインパクトは、根本的なプロセス（システム、人、組織を含む）そのものが変化して初めて起こります。
データと関連する機会を見るとき、日々のプロセスへの適切な実装が考慮されないと、その影響力の大きさが見落とされる可能性があります。この領域では、最終的な目的は、現在の業務プロセスオーナーに、必要に応じて業務に特化したデータチームの支援を受けながら、自らのプロセス変革を推進するための適切な手段を提供することです。
このようなアプローチには様々な形があります。まず、これらのチームが、必要とされる生産化されたKPIで自分たちの活動を理解し、長期的なトレンドを測定する能力を最初に確保することです。次のステップは、すぐに非効率性や適合性の問題を発見するためにプロセスをマイニングし、予測的洞察の可能性を受け入れる前に根本原因分析を実行することである。全体として、基本的なものから高度なものまで、これらのデータ技術は、プロセスオーナー自身が受け入れ、日々の活動やシステムに組み込んで初めて、その潜在能力をフルに発揮することができる。短期的かつ具体的な効果を急務とするAIイニシアチブとビジネス・プログラムの間のサイロを取り除くことは、成功の鍵のひとつです。
歴史的にAIへの投資はリスク管理と顧客成長に向けられてきたが、こうした取り組みの一部を業務上のレジリエンス目標に向ける傾向が強まっています。これは銀行にとって継続的な課題です。
4.目的としての生成AIからデータ・トランスフォーメーションの推進役へ：
生成AIは最近の議論の最前線にあるが、それは当然のことです。関連するリスクが管理されれば、どの銀行も業務負担（およびコスト）の軽減、業務における新たなスケーラビリティの解放など、同じような目標を視野に入れています。
データ活用に遅れをとっている金融機関にとっては、生成AIはより容易な手段に見えるかもしれないです。データへの依存度が低く、カスタマイズされた顧客とのやり取りを強化し、知識照会などを簡素化する、よりシンプルな約束が明白です。
広範囲にわたるプロセスの拡張に関しては、単一の技術に頼ることができるのは稀です。気候変動管理と、銀行がクレジット・ポートフォリオの炭素放出を完全に所有・管理する必要性を例にとれば、ジェネレーティブAIは、ドキュメントから知見への変換を簡素化する上で重要な役割を果たすだろうが、さらに多くのことが必要になるでしょう。この課題を解決するには、生成AIの大きな可能性を他の伝統的なデータ・アプローチと組み合わせ、各金融機関が必要とする独自のソリューションに向けてすべてを融合させる必要があります。
全体として、気候変動管理であれ、リスク軽減であれ、単に業務負担の軽減であれ、生成AIの可能性は広範です。その可能性をフラッグシップとして受け入れることが、金融機関へのアドバイスとなります。
2024年以降のデータとAIの可能性を捉える
データアイクは、金融業界の150以上の顧客のおかげで、銀行や他の金融機関がデータやAIの可能性をどのように受け入れるかというユニークな視点から恩恵を受けています。すべて同じ基本的な信念を共有している。彼らは、自分たちをユニークにするもの、つまり従業員に行動の手段を与え、信頼できる加速曲線を支える適切なガバナンスを意識的に構築することに賭けている。Generative AIを新たな触媒とすることで、データとAIの動きがさらに加速し、今後数年間で機関をまたがる主要な新しい競争力要因の1つとなることが期待できます。
インフォグラフィックを読み解く
世界最大の金融機関の中でデータ、分析、AIプラットフォームがなぜ選ばれるのかを知る。詳しくはこちらから。