金融危機以降、金融サービスのリスク管理は極めて高度化してきた。モデルリスクガバナンスフレームワーク、ストレステストインフラ、限度額監視システムなど、リスクインフラへの投資は多大である。SR 11-7は、ほとんどの金融機関がモデルリスク管理プログラムをベンチマークする規制基準であり続けている。現在、大手金融機関は、リスクチームが意味のある監視をできる数を超えるリスクモデル、データフィード、監視ダッシュボードを保有している。
しかし、このインフラの高度さは根本的な問題を覆い隠している。CROがクレジットリスク集中の現状、特定シナリオに対するストレステスト感応度、市場リスクポジションとクレジットブックエクスポージャーの相関を理解する必要があるとき、その回答を得るには、複雑なモデル出力、アナリストの解釈レイヤー、相互に連携するよう設計されていないデータシステムを渡り歩かなければならない。
リスクガバナンスとリスクインテリジェンスのギャップ リスク管理の意思決定は迅速に行われる――クレジット委員会のレビュー、市場リスクの日次ブリーフィング、限度額違反のエスカレーション、規制当局の問い合わせ。こうした場面でCROは迅速かつ正確で防御可能な回答を必要とする。しかし、彼らがしばしば得るのは、レポート設計時に想定された質問に答えるために作られた事前パッケージ化されたレポートであり、会議で実際に問われている特定の質問に答えるものではない。リスクレポートは、レポートに組み込まれた内容を伝える。リスクインテリジェンスは、実際に問われている質問に答える――それは、誰かがダッシュボードを構築したときに想定した質問とほとんど一致しない。
SR 11-7下の対話型リスクインテリジェンス Databricks AI/BI Genieは、金融規制が要求するガバナンス管理を備え、リスクリーダーが自然言語でリスクデータ環境を照会することを可能にする。CROは次のように質問できる。「現在のローン帳簿における商業用不動産の集中エクスポージャーは？地理およびLTVバンド別に分解し、内部限度額構造と比較してどうか？」その回答は、適切なアクセス制御と監査ログを備えた実際のクレジットデータから生成される。
ガバナンスからインテリジェンスへ リスクガバナンスフレームワークはリスク管理の卓越性のために必要だが、十分ではない。リスク環境を対話的に探求できるCRO――最新のダッシュボードが構築されたときに想定された質問だけでなく、現在の市場環境が実際に生み出す質問を問うCRO――は、根本的により高品質な情報でリスクを管理している。
Databricks Genieの主な差別化要因は以下の通り。防御可能な監査証跡（すべてのクエリと応答が記録され、モデルリスクガバナンスと規制検査の準備に不可欠）、Unity Catalogのデータリネージ（回答を生成元のデータにトレース可能）、クロスリスクビュー（クレジット、マーケット、オペレーショナル、流動性リスクデータを統合環境で扱い、単一リスクダッシュボードでは答えられない相関質問を可能に）、ストレステスト統合（シナリオ出力データと実際のエクスポージャーデータが同一環境にあり、「シナリオXで帳簿はどうなるか」がリアルタイム質問になる）。
Genieは現在利用可能である。業界の同業者がどのようにデータへのアクセスと行動を再構築しているかをぜひ確認してほしい。