2026-07-02 02:53 UTC+9サイト内リライト3 分で読了更新: 2026-07-02 02:57 UTC+9

Inscribe が Amazon Bedrock を使って数秒で文書詐欺を阻止する方法

Inscribe は Amazon Bedrock を活用したエージェント型 AI システムを開発し、専門の詐欺分析官のように文書を推論します。このシステムは改ざん、偽造、AI 生成された金融文書を 90 秒未満で検出し、従来の手動審査比で 20 倍の改善を達成しながら、金融規制が求める正確性と説明可能性を維持します。

ソースAWS Machine Learning Blog著者: Conor Burke

記事インテリジェンス

エンジニア中級

要点

16 件中 1 件の文書に詐欺が含まれ、AI 生成の偽造文書は 2025 年 4 月から 12 月で 5 倍に増加。
Inscribe のエージェント型 AI は Amazon Bedrock 上の複数の基盤モデルを連携し、90 秒未満でエンドツーエンドの詐欺検出を実現。
Claude Haiku はルーチン処理、Llama は取引分析、Claude Sonnet は文書間の推論とレポート生成を担当。
審査時間を 30 分から 90 秒未満に短縮し、推論コストを最大 40% 削減。

重要な理由

このニュースが重要なのは、16 件中 1 件の文書に詐欺が含まれ、AI 生成の偽造文書は 2025 年 4 月から 12 月で 5 倍に増加ためです。

技術的影響

モデル選定、推論コスト、プロダクト能力、評価基準に影響する可能性があります。

このパネルは AI が生成し、正確性を確認済みです。

金融詐欺は深刻化しており、Inscribe の「2026 年文書詐欺の現状報告書」によると、16 件中 1 件の文書に詐欺が含まれ、AI 生成の偽造文書は 2025 年 4 月から 12 月で 5 倍に増加しました。毎日数千の申請を処理する金融機関にとって、従来の手動審査では 1 件あたり 30 分を要し、増大する詐欺の規模や巧妙化する手口に対応できません。速度だけでなく、高度な偽造やディープフェイク、組織的な詐欺を見破る能力が求められています。

Inscribe は 2017 年から AI を活用した文書詐欺検出を提供しており、主要な銀行、貸付機関、フィンテック企業を支援しています。本稿では、Inscribe が Amazon Bedrock を利用してエージェント型 AI システムを構築し、専門家のように文書を推論しながら、90 秒未満で改ざん・偽造・AI 生成された金融文書を検出する方法を紹介します。このシステムは従来の手動審査比で 20 倍の高速化を達成し、金融規制が求める正確性と説明可能性も維持しています。

Amazon Bedrock はフルマネージド型のサービスで、AI21 Labs、Anthropic、Cohere、Meta、Stability AI、Amazon などの基盤モデルを単一の API で利用でき、生成 AI アプリケーション構築に必要なセキュリティ、プライバシー、責任ある AI 機能を備えています。

従来の審査には、規模拡大に伴うアナリスト増員コスト、ディープフェイクなどの新たな詐欺手法への対応困難、アナリスト間の判断のばらつきという三つの課題があります。Inscribe のソリューションは、リスク・引受チームと連携し、定型文書分析を自動化しつつ複雑なケースを人間の審査に回すことで、これらの課題を解決します。

エージェント型 AI は、目標を設定し、ステップに分解し、複数のツールを駆使して完了まで導く、専門アナリストのようなシステムです。Inscribe のシステムは、文書を提出すると適切なモデルにルーティングし、並行してフォレンジックチェックを実行し、ウェブ検索で雇用主情報を確認し、文書セット全体のデータを相互参照し、監査可能な詐欺レポートを生成します。すべて人間の介入なしで数秒で完了します。

Inscribe のアーキテクチャの鍵は「単一のモデルですべてのタスクをこなすより、タスクごとに最適なモデルを選ぶ方が低コストで高品質」という洞察です。Amazon Bedrock は幅広いモデル選択肢を提供し、Inscribe は各タスクに最適なモデルを選択できます。サーバーレススケーリングで処理量の変動に対応し、エンタープライズセキュリティとコンプライアンスで金融業界の厳格な基準を満たします。

具体的なモデル割り当てとして、Anthropic Claude Haiku 4.5 は文書解析、フィールド抽出、初期分類などの高頻度処理に使用され、推論コストを約 40% 削減します。Meta Llama 3.1 70B と Llama 4 は取引データの充実やエンティティ抽出に利用され、コスト削減に貢献します。Anthropic Claude Sonnet 4 と 4.5 は最も高度なタスク、すなわち文書間の詐欺分析、多段階推論、ウェブ検索による雇用主確認、監査可能な詐欺レポートの生成を担当します。Sonnet の拡張コンテキストウィンドウにより、文書セット全体のパターンを把握できます。

Inscribe の AWS インフラストラクチャは、Amazon S3 への文書保存、Amazon CloudFront と Application Load Balancer による Web アプリケーション配信、Amazon SQS によるジョブキューイング、Amazon EC2 上の Celery ワーカーによる非同期処理を備えています。Amazon Textract で OCR を行いますが、複雑な金融文書については Amazon Bedrock 上の基盤モデルに直接解析を移行しています。

テキスト抽出後、文書は複数の基盤モデルを順次通過します。Claude Haiku が初期解析、Llama が取引処理、Claude Sonnet が文書間分析と最終評価を実行します。同時に、Amazon SageMaker AI 上で動作する Inscribe 独自の機械学習モデルが、ピクセルレベルのフォレンジック分析、既知の詐欺テンプレートとのパターンマッチング、署名やレイアウトの視覚的異常検出を行います。

結果データは Amazon RDS に保存され、コンプライアンスチームの監査証跡を提供します。Amazon ElastiCache for Valkey で短期データをキャッシュし、Amazon MemoryDB でベクトルデータベース層をサポートします。Amazon CloudWatch で推論レイテンシー、エラー率、トークン使用量、コストを監視し、モデルドリフトの検出に役立てています。

Inscribe のエージェント型詐欺検出システムは顧客に測定可能な成果をもたらしています。例えば、ある大手銀行では手動審査時間が 30 分から 90 秒未満に短縮され、詐欺検出精度が 15% 向上しました。全体として、Inscribe の顧客は高い精度を維持しながら運用コストを大幅に削減しています。