4 Ways AI Can Future-proof Financial Services’ Risk and Compliance - The Databricks Blogの翻訳です。
よりスマートなリスク、コンプライアンスに関しては新たなハブをご覧ください。
銀行のコア機能は資産を保護し、不正、マネーロンダリング、金融犯罪から顧客を保護することでリスクの識別、損失の軽減を行うことです。現在の相互に絡まり合った、デジタルワールドにおいては、リスクおよびコンプライアンスの準拠の管理は、より複雑かつコストのかかる取り組みとなっています。2008年のグローバル金融危機以来、規制の変更は500%増加しており、プロセスにおける規制のコストは増大しています。金融サービス機関(FSI)は、更新された2020年のアンチマネーロンダリング法や2023年のFRTB、EUにおけるPSD2のような新たな規制についていくために苦戦しています。規制への準拠、より良いデータ管理、リスク評価のための顧客ドリブンの取り組みは、銀行にとってより高いオペレーティングコスト、60%もの増加を引き起こしています。
コンプライアンスの問題は、基本的にデータの問題となります。普通であればシンプルなレポート作成となるものが、レポート作成で必要となる正解のデータ(ground truth)の欠如、大規模に処理行うためのレガシー技術の欠如によって、オペレーション上の悪夢と化してしまいます。コンプライアンス非準拠、SLA違反による罰金(2019のAMLにおいて、銀行は常に100億ドルの罰金にさらされています)を考慮すると、データが不完全なものであったとしても、レポート作成は進めなくてはなりません。一方、貧弱なデータ品質の追跡もまた、「管理不十分」によって「罰金」が課せられます。結果として、多くのFSIはデータの信頼性とデータの鮮度のバランスをとりながら、貧弱なデータ品質と厳密なSLAの間で奮闘し続けることになります。
クラウドベースの技術を活用することによるデータ管理の近代化に加え、人工知能(AI)は規制者が日々直面する一般的なオペレーションの課題、システム上の問題に対応するため、規制へのコンプライアンスにおいてより一般的なものとなってきています。AIにおける技術的ブレークスルーによる潜在的なメリットは数多く存在しますが、現在のregtechソリューションは少なくとも4つのメリットを既に示しています。規制の変更管理、偽陽性の削減、不正、AMLの防御、ヒューマンエラーへの対策です。この記事では、これらの利点と、進化し続けるコンプライアンスの世界を渡っていくために、どのようにAIがFSIにおけるゲームチェンジャーとなるのかを説明します。
1. 効果的な規制の変更管理
規制の変更管理をうまく行うためには、金融サービスは、数千の規制ドキュメントの中身を組み合わせる必要があります。規制の変更は、ビジネスの異なる領域間で関係する調整を必要とし、2次作用、3次作用が生じます。例えば、規制の変更に基づき、アセットマネージャがファンドやポートフォリオの組み替えを行う際、それに含まれるそれぞれのアセットが影響を受け、別のポートフォリオの調整が必要となります。規制がアップデートされると、一連の連鎖反応が引き起こされます。
また、金融サービスにおけるレポーティングには、無数のドキュメントと繰り返しの作業が含まれています。ここで、コンプライアンスの要件に応えるために、自然言語処理(NLP)とインテリジェントプロセスオートメーション(IPA)が重要となります。さらに、NLPはドキュメントを分析、分類し、クライアント情報、規制の変更の影響を受ける可能性のある製品、プロセスを抽出するので、金融機関とクライアントは、規制の変更に対して最新の状態を保つことが可能となります。規制の変更管理プロセスの自動化は、AIのキーとなるユースケースです。コンプライアンス非準拠による膨大な罰金を含む、金融機関が直面する課題は、適切なAIの実装によって対応することができます。2020年、SEC単体で715の強制アクションを発行し、違反した際には総額46.8億ドル以上の支払いを命じました。平均の罰金は200万ドルとなります。膨大なテキストからパターンを見つけ出すAIの能力は、変化し続ける規制環境に対する理解と、罰金および関連コストに対して先手を打つことを可能にします。
2. 偽陽性の削減
金融機関は、従来型のルールベースのコンプライアンスアラートシステムが生成する大規模な偽陽性を経験しています。Forbesは偽陽性の比率が時には90%を超えており、レガシーなコンプライアンスプロセスによって何かが破損しているとレポートしています。大銀行はコンプライアンスシステムにおいて、危険なほど高い割合で偽陽性を体験しています。標準的な規制技術に基づくコンプライアンスアラートシステムは、日々数千もの偽陽性をトリガーしています。これらの誤ったアラームのそれぞれは、コンプライアンスオフィサーによってレビューされる必要があり、非効率性とヒューマンエラーを引き起こします。
キーとなるデータ要素を捕捉、抽出、分析するためにAIと機械学習を活用することで、コンプライアンスアラートシステムをより完璧なものに近づけるように整流化することができ、偽陽性の問題に対応することができます。このようにして、AI技術はコンプライアンスのオペレーションの効率を改善し、コンプライアンスに関連するアクティビティを自律的にカテゴライズし、重要なアップデート、イベント、アクティビティに対するアラートを行うことで、現在のデータドリブンのコンプライアンス環境のコストを削減します。これらの技術は、コンプライアンスオフィサーが保有するデータから学習するために構築されているので、AIとMLアプリケーションはコンプライアンスのアラートシステムをほぼ完全な状態になるまで整流化を行います。AI技術はコンプライアンスオペレーションの効率を改善し、今日のデータドリブンのコンプライアンス環境のコストを削減します。
3. 大規模での不正防御と異常検知のエンハンス
不正と戦うためにAIを導入することは、幅広く行われており、時間と共に拡大しています。ATMハック、マネーロンダリング、レンディング、不正、サイバー攻撃、金融テロのような不正を示唆する異常を識別するために、AIはトランザクション履歴と、他の構造化、非構造化データと組み合わせてモニタリングすることができます。
データにおける異常の検知は、データを理解する重要なタスクとなります。MLツールや統計手法に対して大規模データを与えると、正常なパターンを学習することはできます。一貫性のないイベントが発生すると、異常検知アルゴリズムが異常な振る舞いを分離し、学習されたパターンに対応しないイベントのフラグを立てることができます。コンプライアンスにおいて、数百万のデータポイントを分析するので、FSIはスケーラブルな方法でトランザクション、顧客データを取り込み、情報を処理するための計算パワーを必要とします。異常検知アルゴリズムは、様々なシナリオにおいて、ビジネス側が普通ではないデータポイントの特定、対応を支援します。銀行のセキュリティシステムは、不正なトランザクションやコンプライアンスに準拠しない活動を識別するために異常検知技術を活用しています。
AI/MLの別の適用事例は、アラート自身の生成の部分となります。従来は、これらのアラートは一連のルールに基づいて生成されており、多くがハードコーディングされており、一部でデータマイニングや統計的手法を活用していました。これらのいくつかは、明確なものであり、単一の入力パラメーターや特徴量の値に基づいています。例えば、規制のある国へのトランザクション、1万ドルを超えるトランザクションはレポートされ、既存のAMLポリシーの枠組みで分析されます。しかし、目立たない特徴量の組み合わせによって、特定のトランザクションの精査が必要となります(典型的なAMLスキームでは、1万ドル以下で電子送金される場合があります)。結局のところ、マネーロンダリングのトランザクションを偽装し、隠そうとするモチベーションが存在するのです。さらに、悪意を持つ者は監視者の一歩先をいくために、常に新たな方法を考案しています。仮に、モニタリングシステムが、過去に人々がシステムを騙した方法に基づいているとすると、システムを騙す新たな手法やテクニックに対応することができません。グラフ分析とAIを用いることで、企業は人間の目に見えないパターン、既存のルールセットでは捕捉できない目立たないパターンを発見することが可能になり、不正な振る舞いに関する文脈を学習することで、隔離した異常をユニークな攻撃の方向性に関連づけることが可能になります。
4. ヒューマンエラーの軽減
ヒューマンエラーは規制業界に数十億ドルものコストを毎年発生させています。例えば、2020年にCitigroupのクレジット部門の従業員は誤って、Revlon Incの貸し手に約10億ドルを送金する事務手続きのミスをしました。効果的ではないプロセス、時代遅れのテクノロジー、不注意など、資産管理におけるヒューマンエラーの原因は上げたらきりがありません。金融規制はコンプライアンスオフィサーに対して、大銀行におけるトランザクション、顧客、オペレーション上の活動に関する詳細データを追跡、管理、分析することを求めています。この規模の情報は、ヒューマンエラーを引き起こす混乱の可能性をもたらします。日を追うごとに、規制へのコンプライアンスが技術ドリブンになることで、ヒューマンエラーのインパクトを軽減するためにAIとMLアプリケーションは重要なものとなっています。
AI、ML技術は、見えない場所、合理的なエラーや人間が気付きにくい視点に光を当てます。さらに、優れたAI、MLプログラムはトレンドとパターンを明らかにします。
今日のコンプライアンスの問題はデータの問題です。リスク、コンプライアンスに対するモダンなアプローチには、これまでにない規模のデータをスケーラブルな分析、モデルとなるリスク管理のための透明性のある基盤、迅速な対応のためにリアルタイムの洞察を関連づけることで定義される堅牢なデータ戦略を必要とします。モダンなデータドリブン戦略によって、FSIはコンプライアンス/リスクのモニタリング、規制レポーティング、不正検知、KYC(Know Your Customer)、AMLなど最もプレッシャーのあるリスク、コンプライアンスユースケースに対応することができます。データによるコンプライアンスの基礎づくりと、AIによるレベルアップは、将来の活動に耐えうるコンプライアンスチームを作り出します。
詳細を学ぶには
Smarter Risk & Compliance with Data + AI hubをチェックしてください。