金融サービスにおけるエージェンティックAIのデータ準備

金融サービス企業はビジネスAIに関して独自のニーズを持っています。最も規制の厳しいセクターの一つで事業を展開しながら、秒単位で更新される外部イベントに対応しています。その結果、金融サービスにおけるエージェンティックAIの成功は、システムの洗練度よりも、それが依存するデータの品質、セキュリティ、アクセス可能性にかかっています。

ElasticのSearch AIグローバルマネージングディレクターであるSteve Mayzak氏は、「すべてはデータから始まります」と述べています。エージェンティックAI（単に応答を生成するのではなく、タスクを完了するために独立して計画し行動できるシステム）は、リアルタイムデータを取り入れ、複雑なワークフローを最適化する能力により、金融サービスに大きな可能性を秘めています。Gartnerは、金融サービスチームの半数以上がすでにエージェンティックAIを実装しているか、実装を計画していることを明らかにしました。

しかし、自律型AIを組織に導入すると、基盤となるデータの長所と短所の両方が増幅されます。スピード、自信、コントロールをもってエージェンティックAIを展開するには、金融サービス企業はまず、データを大規模に検索、保護、コンテキスト化できなければなりません。Mayzak氏は「エージェンティックAIはチェーンの最も弱いリンク、つまりデータの可用性と品質を増幅します。そして、システムは最も弱いリンクと同じ程度にしか良くありません」と述べています。したがって、金融サービス企業には、信頼性が高く集中管理された、アクセスしやすく信頼でき、大規模に管理できるデータストアが必要です。

高品質情報の重要性

金融サービス部門の規制は、データツールに高度な説明責任を要求します。Mayzak氏は「データの出所と変換内容を説明するだけでは不十分です。モデルがどの情報を見つけ、なぜそのデータが次のステップに適切だったのかというロジックを監査可能かつガバナブルに説明する必要があります」と述べています。つまり、基礎となるプロセスを確認、理解、説明できなければなりません。

同時に、金融サービス企業は、顧客の期待に応え、競争に打ち勝つためにスピードと正確性を必要とします。市場は絶えず変化し、リスクと機会もそれに伴って移動します。AIモデルが複雑なソースからの自然言語（非構造化データ）に加えて、分析しやすいスプレッドシートの構造化データも解析できれば、ユーザーはより関連性の高い情報を得られます。

この環境では、初期のAIを悩ませた幻覚を含め、エラーは許容されません。エージェンティックAIシステムは、セキュアでアクセス可能な、高品質で適切にガバナンスされたデータへの迅速なアクセスに依存しています。金融サービスにおいて、そのデータは取引、顧客インタラクション、リスクシグナル、ポリシー、履歴コンテキストに及びます。AI向けにデータを準備する作業は過小評価されるべきではありません。Mayzak氏は「自然言語は構造化データよりもはるかに乱雑であり、整理とクリーニングのプロセスがより重要かつ困難になります」と述べています。

データは異なる場所にわたって適切にインデックス化され統合されている必要があり、組織内の別々のシステムのサイロに閉じ込められてはいけません。そうでなければ、AIエージェントは遅延し、一貫性のない回答を提供し、追跡や説明が困難な決定を生み出し、規制当局、顧客、内部関係者の信頼を損なうことになります。Mayzak氏は「銀行での取引実行方法を説明する方法は多数あります。エージェント駆動の世界では、これらの記述は決定論的である必要があります。毎回同じ結果を与えるように。しかし、私たちは強力だが非決定論的なモデルの上に構築しています。これは非常に難しいですが、不可能ではありません」と述べています。

金融サービス企業にとって、これを管理することは非常に困難です。Forresterの調査によると、金融組織の57％がエージェンティックAIを完全に活用するために必要な内部能力をまだ開発中です。Mayzak氏は「データは銀行の歴史の中で作成された多くの異なる形式で存在します。50年の歴史のある銀行を考えてみてください。まったく同じものに対して60種類のPDFがあるかもしれません。同時に、これらのシステムの出力は100％正確であることを望んでいます。多くの場合、『十分良い』はありません」と述べています。つまり、企業は最初から正しく行う必要があります。

検索とセキュリティ

効果的な検索プラットフォームは、断片化され、インデックス化が不十分で、アクセスできないデータの問題を解決する鍵です。構造化データと非構造化データの両方を容易にふるい分け、安全に保ち、適切なコンテキストで適用できる金融サービス企業は、エージェンティックAIから最大の価値を得ることができます。これには、データアクセスと実用性を念頭に置いてAIシステムを設計し、より高速に動作し、より正確な結果を得るとともにリスクを低減することがしばしば必要です。Mayzak氏は「検索は、AIを正確で実際のデータに根ざしたものにする基盤技術です。検索プラットフォームは、このAI革命を推進する権威あるコンテキストとメモリストアになりました」と述べています。

導入されれば、これらのAI強化検索と自律システムは、金融サービス企業にさまざまな目的で役立ちます。クライアントエクスポージャーの監視では、エージェンティックAIは取引、市場シグナル、外部データを継続的にスキャンして新たなリスクを検出し、プラットフォームはリアルタイムで自動的にフラグを立てたりエスカレーションしたりできます。取引監視では、AIエージェントが取引ワークフローをレビューし、異なる形式間の不一致を特定し、最小限の人間の介入で例外を段階的に解決します。規制報告では、AIはシステム全体からデータを収集し、必要なレポートを生成し、各出力がどのように生成されたかを追跡できます。これらのAIアプリケーションは時間を節約するとともに、トレーサビリティと説明可能性により監査とコンプライアンスのニーズをサポートします。

こうした機能はすでに存在しますが、多くの場合手動で断片化されており、スケールが困難です。エージェンティックAIにより、金融組織は高度に規制された環境で必要な正確性と透明性を維持しながら、より自動化され効率的でスケーラブルなプロセスに移行できます。Mayzak氏は「これは今日人間が運営する方法とそれほど変わりませんが、はるかに速いペースと規模で行われます」と述べています。

エージェンティックAIエコシステムの構築

エージェンティックAIの立ち上げは、特に他のAIベンチャーが内部で停滞している場合、困難に思えるかもしれません。Mayzak氏の推奨は、管理可能なユースケースを選択し、時間をかけて成長させることです。「成功は成功の上に築かれます」と彼は言います。「企業は70ステップのビジネスプロセスを自動化することを目指すかもしれませんが、どこかから始めなければならないことを発見しています。市場でうまくいっているのは、一度に一歩ずつ問題に取り組むことです。最初のステップが機能すれば、次のステップ、その次のステップと進むことができます。」

同業他社をリードする金融サービス組織は、エージェンティックAIを、強力なセキュリティコントロール、優れたデータガバナンス、効果的なシステムパフォーマンス管理を含むより広範なエコシステムに統合する組織です。Mayzak氏は「これをうまく行うことで、AIフィードバックループが生まれ、経営幹部はこれらのシステムから新しいシグナルを得て、投資の有効性を評価し、信頼性が高く実用的なインサイトを生成できるようになります」と述べています。パイロットを反復し継続的に改善することで、企業は測定、管理、拡張可能なエージェンティックシステムを構築し、エージェンティックAIを持続可能な競争優位性に変えることができます。

Elasticが金融サービスをどのようにサポートしているかの詳細についてはこちらをご覧ください。

このコンテンツは、MIT Technology Reviewのカスタムコンテンツ部門Insightsが制作しました。MIT Technology Reviewの編集スタッフによる執筆ではありません。人間のライター、編集者、アナリスト、イラストレーターによって調査、デザイン、執筆されました。これには、調査の執筆やデータ収集も含まれます。使用された可能性のあるAIツールは、徹底的な人間によるレビューを経た二次的な制作プロセスに限定されています。