ロイズ銀行グループにおける人工知能
ロイズ銀行グループは英国最大級の金融サービスグループであり、AIを中核的な戦略手段として、実験的パイロットから大規模展開へと移行しています。グループは2024年に元AWSのデータ・AI責任者ロヒット・ダワンをグループAI・アドバンストアナリティクスディレクターに任命し、集中型AIセンターオブエクセレンスを設立しました。2025年には50以上の生成AIソリューションが本番稼働し、約5000万ポンドの価値を創出、2026年には1億ポンド超のAI関連価値を見込んでいます。技術基盤はGoogle Cloud Vertex AIプラットフォームで、300人以上のデータサイエンティストと少なくとも18のGenAIシステムをサポートしています。本記事では、フロントラインの知識検索のための大規模生成AIと、デビットカード不正検出のためのリアルタイム機械学習という2つの内部ユースケースに焦点を当てています。
ロイズ銀行グループは英国最大の金融サービスグループの一つであり、リテール、商業、保険、ウェルスマネジメントにわたる約2700万の顧客にサービスを提供しています。グループの2025年法定税引前利益は67億ポンド、総収入は194億ポンドで、最大39億ポンドの資本返還も計画しています。
ロイズは、AIを中核的な戦略手段として組み込むことで、業務アーキテクチャを変革しています。同社は実験的なパイロットから大規模展開へと移行しており、AIは現在取締役会レベルの優先事項となっています。2024年8月、グループは元AWSデータ・AI責任者のロヒット・ダワンをグループAI・アドバンストアナリティクスディレクターに任命し、データサイエンス、MLエンジニアリング、行動科学、AI倫理を一元管理する集中型AIセンターオブエクセレンスを立ち上げました。
経営陣は、2025年に50以上の生成AIソリューションが本番稼働し、約5000万ポンドの価値に貢献したことを明らかにしており、2026年には1億ポンド超のAI関連価値を見込んでいます。共通の技術基盤はGoogle Cloud Vertex AIプラットフォームで、2024年に移行が完了し、現在300人以上のデータサイエンティストと少なくとも18のGenAIシステムをサポートしています。
本記事では、ロイズが業務にAIを適用する方法を示す2つの内部ユースケースを検証します。
- フロントライン知識検索のための大規模生成AI：GenAIによる情報アクセスの近代化により、手動検索の遅延が約1分から数秒に短縮され、フロントラインスタッフが初回対応で顧客の問い合わせを解決し、総運用処理時間を短縮します。
- デビットカード不正検出のためのリアルタイム機械学習：ルールベースのエンジンから適応型MLベースのスコアリングへの移行により、サブ秒の取引判断が可能となり、進化する不正パターンに対応しつつ、有効な顧客支払いの摩擦を最小限に抑えます。
フロントライン知識検索のための大規模生成AI
ロイズのカスタマーオペレーションは、銀行、保険、ウェルスブランドにわたる2700万の顧客をサポートしています。以前は、フロントラインスタッフがライブ通話中に13,000件の内部記事を調べる必要があり、運用上の摩擦とFCAコンプライアンスリスクを引き起こしていました。ロイズは、この非効率性の解消が2025年に生成AIに投資した主な理由の一つであると公表しています。
この関連性は、運用面と規制面の両方にあります。FCAのAIガイダンスは説明可能性と監査可能性を要求しており、顧客とのやり取りで使用されるツールは承認された内部情報源に依存する必要があります。同時に、OECDの研究によると、生成AIは勤続年数の短い知識ワーカー（まさにフロントラインのカスタマーオペレーションスタッフのプロファイル）に最大の生産性向上をもたらします。
ロイズはこの問題に対処するためにAthenaを実装しました。AthenaはグループのVertex AIベースのML・GenAIプラットフォーム上で動作し、オープンウェブではなく約13,000件の承認された内部ナレッジ記事から回答を引き出します。
ロイズはAthenaを支える具体的な基盤モデルを公開していませんが、同プラットフォームが内部コンテンツストアに対するRAGをサポートし、プラットフォーム層で集中ログとガードレールが適用されていることを確認しています。
Athenaの回答を承認された内部コンテンツに限定することで、ロイズはFCAの説明可能性とデータローカリティの期待に応えています。規制対象機関の運用ルールは単純です：GenAIアシスタントは、企業が行ごとに監査できない情報源からの顧客情報を決して参照してはなりません。
Athenaはフロントラインのワークフローを4つの実用的な方法で変えます：
- スタッフは文書タイトルを検索する代わりに、通話中に自然言語で質問し、統合された回答を受け取ります。
- 回答には根拠となる参照情報が表示され、スタッフは顧客に話す前に承認された情報源を確認できます。
- 以前はプロダクトスペシャリストやポリシースペシャリストへのエスカレーションが必要だった判断が、初回接触で解決できるようになります。
- 使用状況と結果のシグナルが集中キャプチャされ、AIセンターオブエクセレンスが次に拡張すべき知識領域を優先順位付けできます。
Athenaはロイズ初の大規模GenAI展開であり、すでにパイロット段階を超えています。グループは具体的な成果データを開示しています：
- 2025年半ばまでに21,000人の従業員がアクティブなワークフローでAthenaを使用しており、カスタマーオペレーション全体に展開が続いています。
- 2025年初頭に210万回の検索が実行され、年末までに約4000万回の検索が見込まれています。
- 平均検索時間が59秒から20秒に短縮（66％削減）。
- 電話バンキングチームだけで年間約4,000時間の削減と見積もられ、顧客の待ち時間短縮に直接つながっています。
ロイズは2025年のGenAIによる5000万ポンドの価値のかなりの部分をAthenaと類似ツールに帰しており、2026年にモバイルアプリでリテール顧客向けのAIパワードファイナンシャルアシスタントを開始することを確認しており、同じプラットフォーム基盤を顧客向け表面に拡張します。
Dynamic Risk Engine — デビットカード不正検出のためのリアルタイム機械学習
カードおよび支払い不正は、英国のリテールバンキングにとって依然として大きなコストと管理上の課題です。UK Financeによると、2024年に犯罪者は認証済みおよび未認証の詐欺を通じて11.7億ポンドを盗み、英国発行のカード詐欺損失は5億7260万ポンド、未認証詐欺事件は14％増加して313万件に達しました。
ルールベースの不正システムは第二の問題を増幅します。Wedgeらは実際の銀行データを用いて、不正としてフラグ付けされた取引のうち実際に不正であるのは約5分の1に過ぎず、約6分の1の顧客が過去1年間に有効な取引を拒否された経験があることを実証しました。
2025年のデジタルバンキング不正検出のためのMLに関する体系的なレビューでは、不均衡対応・コストセンシティブなMLアプローチが再現率と誤検出率の両方で静的ルールを一貫して上回ることが確認されており、MLベースのスコアリングはロイズの規模の運用標準となっています。
グループはDynamic Risk Engine（DRE）を運用しており、これはすべてのデビットカード認証をリアルタイムでスコアリングする独自の機械学習プラットフォームです。ロイズのエンジニアは、ロイズ銀行グループAI工学出版物で、DREが過去の取引、デバイス、行動シグナルを消費し、応答時間は取引あたり0.01秒という低さで、販売時点で顧客には感知されないと説明しています。
DREは補完的なシステムと並んで存在します：Googleと共同構築されたDynamic Risk Assessment層は、金融犯罪シグナルについて月間約9億件の取引をスクリーニングし、着信コールの音声詐欺検出、およびクロスチャネルサイバーセキュリティ分析のためのグローバル相関エンジンがあります。同規模の発行者にとってのベストプラクティスは、ルールベースのエンジンを主要な判断層ではなく、補完的な絞り込みツールとして扱うことです。
不正アナリストと彼らが保護する顧客にとって、DREは3つの運用上のシフトをもたらします：
- すべての認証がリアルタイムでスコアリングされ、承認、チャレンジ（ステップアップ認証または外部連絡）、または拒否にルーティングされ、最終的に認証パスから手動レビューの遅延を排除します。
- 新しい不正パターンは、人間のアナリストが新しいルールを書くのではなく、再トレーニングサイクルを通じて学習・展開され、新しい詐欺の出現から銀行の検出カバレッジまでのタイムラグを短縮します。
- アナリストの判断と顧客の異議申し立て結果がトレーニングデータにフィードバックされ、モデルは不正戦術の変化に応じて継続的に改善し、劣化しません。
DREはロイズの不正スタックで最も成熟したAI展開であり、英国規模で本番稼働しています。ロイズ自身のエンジニアリング開示とセクターベンチマークに基づく：
- グループのエンジニアリングチームによると、DREは英国のどの銀行よりも多くのデビットカード取引を毎日処理しています。
- 推論レイテンシは約0.01秒で、目に見える顧客摩擦なくリアルタイムの認証判断を可能にします。
- セクター全体では、UK Financeは銀行が2024年に合計14.5億ポンドの未認証詐欺を防止したと推定しており、決定的な運用マージンは現在、ロイズが構築した層であるリアルタイム検出とスコアリングにあります。
ロイズはスタックを次世代検出に拡張しています：2026年4月、グループはIBMと協力し、匿名化データを使用して156量子ビット量子システム上で取引グラフ内のマネーミュール識別に量子アルゴリズムを適用する9ヶ月の実験を完了しました。
本記事では、ロイズ銀行グループのAIイニシアチブからいくつかの戦略的洞察を強調しています：
- プラットフォームの集中、ユースケースの分散：単一のML・GenAIプラットフォーム（Vertex AI）に統合しつつ、ビジネスユニットが個々のユースケースを所有することで、ロイズは1年以内に50以上のGenAIソリューションと80のMLユースケースを本番稼働させ、ベンダー乱立やガバナンス負債を生み出しませんでした。
- モデルだけでなくソースをガバナンスする：Athenaの価値はモデル選択よりも、すべての回答を13,000件の承認済み記事コーパスに限定することに依存しています。規制対象機関にとって、ソースマテリアルを管理することが、FCAのAIアプローチの下でGenAIを説明可能かつ監査可能にするのです。
- 認証層で競争する：英国の不正防止額が総不正損失額を上回る中、限界的優位性は事後レビューから認証時のサブ秒判断へと移行しています。Dynamic Risk Engineはその層向けに構築されており、ロイズがそこに投資を優先し、すでに次世代（量子）拡張をパイロットしている理由です。