銀行のAI戦略：3か年のロードマップ

取締役会をうならせた銀行のAIパイロットが、モデルリスクの審査で止まってしまう。よく聞く話です。しっかりした銀行のAI戦略は、管理されたデータから実務をこなすAIエージェントまで4段階で進むことで、この事態を避けます。

私はDXCでの役割を通じて、中東とアフリカの銀行と仕事をしてきました。銀行に足りないのは、たいてい意欲ではありません。

問題はデータです。顧客、口座、取引の記録は、勘定系システム、カードプラットフォーム、CRM、そして十数個のスプレッドシートに分かれています。それぞれが「顧客とは誰か」について独自の考えを持っています。

このロードマップは、監督当局が認める勘定系プラットフォーム、クラウド、モデルプロバイダーであれば、どれとでも組み合わせられます。リテール、中小企業、法人の各取引を対象とします。

3年間、4つの段階

1. 01

   現在：データ基盤

   顧客、商品、リスクのデータを1つの管理されたプラットフォームに集め、監督当局が追跡できるリネージを整えます。

2. 02

   1年目：ガバナンスの効いたインテリジェンス

   顧客、口座、取引を表す共通のビジネス言語、AIガバナンス、最初のクイックウィン。

3. 03

   2年目：AIエージェントの展開

   口座開設、与信、不正、AMLのAIエージェントと、ほぼリアルタイムの顧客エンゲージメント。

4. 04

   3年目：全社規模でのAI定着

   AIが主要な業務機能の中に入り、人とエージェントが一緒に働き、すべての判断を追跡できます。

データ基盤は、信頼できるデータとすっきりした規制報告によって元が取れます。AIの最初の価値は1年目に現れ、より大きな成果はエージェントが実務をこなし始める2年目にやってきます。

銀行はデータの大切さをすでに知っています。監督当局に教えられてきたからです。リスクデータ集計に関するBCBS 239の原則は、正確で、漏れがなく、適時なリスクデータと、明確な責任者を求めています。よいAI基盤とは、その同じ規律を顧客データと商品データにまで広げたものです。

私なら次の順番で作業を進めます。

1. 勘定系、カード、決済、融資、CRM、デジタルチャネルのデータを1つのプラットフォームに集めます。通常はレイクハウス（生データと整備済みデータを1か所に置く保管庫）で、クラウド上か国内に置きます。
2. カタログとリネージを加え、規制報告のすべての数値とモデルへのすべての入力を、元のシステムまでたどれるようにします。
3. 商品、リスク、財務の各チームに、同じ顧客と残高の数値にもとづくセルフサービスのレポートを提供します。

最も難しいのは顧客の名寄せです。あなたの銀行に普通預金口座とクレジットカードを持つ女性を考えてみてください。彼女は弟の事業融資の保証人でもあり、あなたの法人顧客の1社の取締役でもあります。

ほとんどの銀行で、彼女は4件の別々の記録になっています。勘定系システムとカードプラットフォームでは名前の綴りが違い、法人ファイルにはパスポート番号はあっても生年月日がありません。彼女の総エクスポージャーを確認するAIエージェントは、保証の存在をまったく見落とすでしょう。

解決策は地味です。身分証番号、生年月日、住所で照合ルールを決め、業務側の責任者を名指しで置いたゴールデンレコードを1つつくります。基盤で一度やっておけば、すべてのモデルがそれを引き継ぎます。

2つ目の例です。リスクレポートと財務の元帳で、同じ法人顧客のエクスポージャーの数値が違っています。カードプラットフォームは夜間に、融資システムは正午に転記しているからです。

リネージがあれば、アナリストは両方の数値を元のシステムまでたどり、タイミングのずれに気づけます。なければ、取締役会のたびに誰かがスプレッドシートで数値を作り直すことになります。

1. 01勘定系口座、残高、取引
2. 02カードと決済カード利用、送金、給与振込
3. 03融資とCRM融資、与信枠、接触履歴
4. 04ランディングゾーン初日からリネージ付きの生データのコピー
5. 05顧客の名寄せ1人の人物と、その人が持つすべての役割
6. 06レポートと規制報告一致した商品、リスク、規制の数値

監督当局に向けて追跡できる、信頼できるデータ

1年目の中心はセマンティックレイヤーです。人とAIエージェントが共有する1つのビジネス言語で、顧客、口座、商品、与信枠、エクスポージャー、取引、苦情のそれぞれに定義を1つずつ与えます。

なぜそれが大切なのでしょうか。3つのチームに、アクティブな顧客は何人いるかを尋ねてみてください。

マーケティングは過去90日にアプリを開いた人を数えます。財務は残高のある人を数え、リスクは有効な商品を持っている人を数えます。

取締役会に向けてこの質問に答えるエージェントは、取締役会資料の定義を使わなければなりません。セマンティックレイヤーは、その定義を一度だけ書き残す場所です。

AIガバナンスも同じ年に、監督当局の要件に合わせて整えます。UAEであれば、イネーブリング・テクノロジーを導入する金融機関向けの共同ガイドラインです。英国であれば、PRAのモデルリスク管理の原則（SS1/23）です。

EUでは、AI Actが個人の信用力の審査を高リスクとして扱います。私のアドバイスは、AIユースケースの台帳を1つにまとめることです。それぞれに責任者、リスク評価、テスト結果、人によるレビューの手順を設け、その台帳を対応すべきすべての規則に対応付けます。

そのうえで、行員と顧客が実感できるクイックウィンを狙います。私なら次の中から選びます。

1. 行員向けコパイロット。規程、商品条件、顧客履歴をもとに質問に答えるアシスタントです。
2. 苦情のサマリー。案件担当者が1つの画面で経緯の全体をつかめます。
3. 顧客がすでに使っているアプリの中の、個人向け支出アドバイザー。
4. 顧客が離れそうな兆しをリレーションシップマネージャーに知らせる、引き留めのアラート。

コンタクトセンターの行員向けコパイロットを例にとります。ある顧客が、海外でのカード決済にかかった手数料について電話してきます。コパイロットは手数料の条項を探し、彼女のカードのランクを確認し、条項を引用した回答を表示します。

好意として手数料を返金するかどうかは、引き続きオペレーターが判断します。私はそのままであるべきだと考えています。

支出アドバイザーは、顧客がすでに暮らしの中で慣れているパターンを使います。たとえば給与が25日に入り、家賃が1日に引き落とされ、毎年9月に学費がかかるとします。アドバイザーは9月に向けて毎月少しずつ貯めることを提案します。

引き留めのアラートは、もっと控えめなシグナルを読み取ります。たとえば25日に入っていた給与が突然入らなくなる、といったものです。リレーションシップマネージャーはその週のうちにそれを知り、まだ電話をする時間があります。

1. 01リレーションシップマネージャーが質問私の顧客の中で離れそうなのは誰か
2. 02セマンティックレイヤー顧客、商品、アクティブについての銀行の定義
3. 03管理されたデータ口座、取引、苦情
4. 04コパイロットが回答それぞれの理由と出どころを添えて
5. 05マネージャーが確認顧客に電話するか、アラートを閉じる

取締役会資料と同じ答え

ビジネス価値高中低

• 個人向け支出アドバイザー

• 引き留めのアラート
• AMLアラートの一次振り分け

• 与信判断の支援

• 行員向け規程コパイロット
• 苦情のサマリー

低中高規制リスク

• 低
• 中程度
• 重大

2年目は、アシスタントからAIエージェントへ移ります。アシスタントは人の質問に答えます。エージェントはあなたが決めた範囲内で1つの仕事をこなし、それを人に引き渡します。

銀行では、件数と価値は4つの領域に集中しています。

1. 口座開設とKYC。新しい口座ごとに必要な本人確認です。
2. 与信。書類の収集から与信稟議書の起案までです。
3. 不正。エージェントがカードと決済の取引をほぼリアルタイムでスコアリングします。
4. AML（マネーロンダリング対策）。アラートが調査担当者の処理能力を上回る速さで積み上がっていきます。

中小企業の口座開設を例にとります。ある商社が営業許可証、定款、株主のパスポートをアップロードします。株主の1社は別の国で登記された会社です。

エージェントは次のように一歩ずつ進めます。

1. 各書類を読み取り、名前、日付、登録番号を抜き出します。
2. 営業許可証を商業登記と照合し、すべての名前を制裁リストと要注意人物リストでスクリーニングします。
3. 外国の株主を上へたどり、最終的な実質的支配者、つまりその事業を実際に所有している人物を見つけます。
4. 1人の取締役について、名前が同じで生年月日が違う、制裁リスト上の近似一致を見つけます。
5. その一致に印を付け、根拠資料を添えてファイルを準備します。

コンプライアンス担当者がその印を確認し、判断します。収集はエージェントが行い、判断は彼女が行います。

与信も同じように進みます。運転資金枠を申し込む中小企業について、エージェントは銀行取引明細、監査済み財務諸表、信用情報機関のレポートを集めます。数値を銀行の標準フォーマットに並べ（与信チームはこれをスプレッディングと呼びます）、与信稟議書を起案します。

売上の大半が1社の買い手に集中していることを指摘するかもしれません。判断は与信担当者に残ります。

不正はもっと速く動きます。ある人が国内の店舗でカードを使い、その40分後に別の国でオンライン決済に使います。エージェントは2回目の決済を保留し、アプリで顧客に確認を求め、なぜその対応をとったのかをアナリストに示します。

AMLはもっとゆっくり進みます。報告基準額をわずかに下回る現金の入金が、別々の支店で何度も続きます。エージェントは履歴を集めて事案の経緯を起案し、疑わしい取引の届出を行うかどうかは調査担当者が判断します。

同じ年に、ほぼリアルタイムのエンゲージメントも始まります。小規模事業者のオーナーは、大口の仕入先への支払期日の1週間前に資金繰り予測を目にします。

オペレーティングモデルも変わります。すべてのエージェントに責任者、実行してよいことの明確な制限、モニタリング、停止スイッチが必要です。モデルリスクのチームは、モデルと同じ丁寧さでエージェントをレビューすべきです。

1. 01アラート取引モニタリングがアラートを出す
2. 02収集口座、取引相手、履歴、スクリーニングの該当結果
3. 03評価過去の事案と比べてアラートをスコアリング
4. 04起案根拠を添えて事案の経緯を記述
5. 05判断調査担当者がクローズまたはエスカレーション
6. 06学習結果が次の振り分けを調整する

モデルリスク部門がエージェントをモデルと同じようにレビュー

3年目になると、AIはリテール融資、カード、中小企業取引、トレジャリー、オペレーション、リスクの中に入っています。人とエージェントが並んで働き、すべての判断経路に名前のある責任者と監査証跡があります。

データ共有によって、エージェントに見えるものが広がります。オープンバンキングのAPIを使えば、顧客は同意のうえで他行の口座を共有できます。決済メッセージの新しい標準であるISO 20022は、誰が誰に何のために支払ったのかを、より詳しく伝えます。

1日に数百件の入金を受け取る法人顧客を考えてみてください。エージェントはISO 20022の送金明細を使って、1件ずつ正しい請求書と照合します。残りには印を付けて、顧客のトレジャリーチームに回します。

バックオフィスの仕事も変わります。月末には、エージェントが銀行のノストロ勘定（他行に持つ外貨建ての口座）を1行ずつ照合します。オペレーションのアナリストは、エージェントが説明できない差異だけに取り組みます。

パートナーも同じ管理されたレイヤーにつながり、あなたの定義と統制を使います。3年分の地道な基盤整備を、競合他社がすぐにまねることはできません。

1. 最高執行責任者エージェントのポートフォリオとその結果に責任を持つ
   モデルリスクとコンプライアンス検証、モニタリング、停止スイッチ
2. 事業部門の責任者自部門のエージェントに責任を持つ

• 口座開設エージェント責任者は口座開設部門長
• 与信エージェント責任者は最高与信責任者
• 不正対策エージェント責任者は不正対策部門長
• AMLエージェント責任者はMLRO

1. 04AIエージェントとコパイロット口座開設、与信、不正、AML、エンゲージメントのエージェントと、人による承認ポイント
2. 03ガバナンスの効いたインテリジェンス層顧客、口座、商品、取引のセマンティックモデルとAI台帳
3. 02データ基盤リネージ、カタログ、データ品質を備えたレイクハウス。必要に応じて国内に配置
4. 01基幹システム勘定系、カード、決済、融資、CRM、デジタルチャネル

銀行のAI戦略には、次の4つの約束事が一貫して求められます。

1. 国内で完結するAIとソブリンAIの選択肢。 多くの監督当局は、顧客データが国内にとどまることを求めます。自社でホストするオープンモデルも含め、国内で稼働できるプラットフォームとモデルを選んでください。
2. オープンなマルチプラットフォーム構成。 モデルは数か月ごとに変わるので、銀行がAIベンダーを自由に切り替えられる状態を保ちます。
3. 監督当局に沿ったガバナンス。 AI台帳を1つ、モデルリスクのプロセスを1つ持ち、対応すべきすべての規則に対応付けます。
4. エージェントと一緒に働ける人材。 リレーションシップマネージャー、アナリスト、調査担当者は、いつエージェントを信頼し、いつその判断を覆すべきかを知っておく必要があります。

判断を覆すとはこういうことです。AMLエージェントが、入金が顧客のいつもの給与と一致しているという理由で、アラートを低リスクと判定します。調査担当者は、その勤務先が先月閉鎖されたことを知っているので、事案を再び開きます。

最初の失敗は、顧客向けのチャットボットから始めることです。セマンティックレイヤーがないと、同じ質問に違う答えを返します。

カードの利用限度額を2回尋ねると、2つの数字が返ってくるかもしれません。1つはカードプラットフォームから、もう1つは古いCRMのコピーから来たものです。

私なら、銀行のAI戦略を銀行の内側から始めます。行員向けコパイロットとオペレーションのエージェントは学ぶ場としてより安全です。顧客の目に触れる前に、すべての回答を人が確認するからです。

2つ目の失敗は、モデルリスク管理の外側でAIを構築することです。検証を経ていないパイロットは本番に移せないので、チームは最初からやり直すことになります。遅く感じても、最初のユースケースからリスクとコンプライアンスの担当者に参加してもらってください。

つまずく理由うまくいく方法

1. 01つまずく理由: 最初のプロジェクトが顧客向けチャットボット→うまくいく方法: まず社内のコパイロットとオペレーションのエージェント
2. 02つまずく理由: モデルリスク管理の外側で構築したパイロット→うまくいく方法: 最初のユースケースからモデルリスク部門が関与
3. 03つまずく理由: モデルごとに異なる顧客の定義→うまくいく方法: すべてのモデルで1つの管理された顧客ビュー
4. 04つまずく理由: リスクとコンプライアンスを最後に呼ぶ→うまくいく方法: リスク、コンプライアンス、事業部門が共同で責任を持つ

あなたの銀行が今どの段階にいるのかを知りたければ、私との通話を予約してください。現在のAIユースケースのリストをお持ちいただければ、私ならどこから始めるかをお伝えします。

銀行のAI戦略には何を含めるべきですか？

よい銀行のAI戦略には、管理されたデータ基盤、セマンティックレイヤー、監督当局に沿ったAIガバナンスが必要です。そのうえで、口座開設、与信、不正、AMLのエージェントを加えます。国内で完結する選択肢、オープンなスタック、行員の教育がそのすべてを支えます。

銀行はAIをどこから始めるべきですか？

データ基盤と社内向けのユースケースから始めます。行員向けコパイロット、苦情のサマリー、個人向け支出アドバイザーは、管理できるリスクで価値をもたらします。与信判断はその後で、最も強い統制を設け、1件ごとに人が承認します。

信用スコアリングに使うAIはEU AI Actで高リスクに当たりますか？

はい。EU AI Actは、個人の信用力を評価したり信用スコアを設定したりするAIシステムを高リスクとしています。不正検知は例外です。高リスクのシステムには、リスク管理、データガバナンス、文書化、人による監督、モニタリングが必要です。

銀行業務でAIエージェントとAIアシスタントはどう違いますか？

アシスタントは人のために質問に答えます。エージェントは、KYC書類の収集、アラートの一次振り分け、与信稟議書の起案など、あなたが決めた範囲内で行動します。銀行では、エージェントが判断の準備をし、人がそれを承認するべきです。

銀行はデータを国内にとどめたままAIを使えますか？

はい。多くのクラウドプロバイダーが国内リージョンを提供しており、オープンモデルは銀行が管理するサーバーで稼働できます。プラットフォームとモデルを選ぶ前に、どのデータなら国外に出してよいかを決めてください。