数字の裏で：AIが金融で最も利益の出る「従業員」になった方法

メディアでは、銀行や金融は、スーツを着た人々が高層ビルの上層階からビジネス上の決定を下したり、市場の状態をわずかなデータから理解できる才能あるトレーダーであるというイメージでよく表現されます。金融の最も強力なイメージの1つであるため、この分野の新しい技術的特徴について議論する際には、どのようにしてこのフロントデスクの仕事を変えるかについて焦点が当てられます。

AIも例外ではありません。金融におけるAIの採用を巡る議論の大部分は、エージェントがトレーダーを置き換えるか、またはアドバイザーよりも効果的に資本を割り当てることができるかについてです。ただし、最も効率的なAIの適用は、多くの人が想像する華やかなイメージから遠く離れています。実際、人工知能は、金融の「面白くない」側面、つまり日常業務から利益をもたらしています。

AIが実際に価値を生み出す場所

AIの主な利点は、人間よりもはるかに安価で、数倍速くタスクを処理できることです。そうすることで、運用の効率が向上し、実際に利益を生み出します。

例えば、AIツールの助けを借りて、シティバンクは会計開設前の文書検証時間を1時間以上から15分に短縮しました。当然、迅速な意思決定は顧客を喜ばせ、さらに忠誠心を高めるかもしれません。しかし同時に、その45分は、銀行にとって数十万ドルに相当するコスト削減に繋ります。なぜなら、これらのツールは、より重要な仕事のために人間の労働時間を数時間解放するからです。

AIは、企業が頼る金融の膨大な官僚主義的レイヤーと内部フレームワークを最適化するのを助けます。したがって、最も有価値なユースケースは、最も壮観なものから遠く離れています。自律トレーダーまたはクライアントに最適な取引を提案するチャットボットは印象的かもしれませんが、自動化されたKYC手続きとデューデリジェンスチェックは、銀行または金融会社にはるかに大きな経済的価値をもたらす可能性があります。

ただし、シティバンクの文書検証プロセスと同様に、これらの改善が顧客にも利益をもたらさないことはありません。ユーザーはアプリ内のパーソナルAIアシスタントを評価するかもしれませんが、ローンの決定が数日から数分に短縮されたり、取引が誤って詐欺としてフラグ付けされなかったり（その確率が数十パーセントポイント低下したり）することができた場合は、さらに評価するでしょう。

AIが最も利益の出る「従業員」になった方法

通常、銀行の顧客ベースが成長すると、スタッフもほぼ比例して成長しなければなりません。同じチームサイズで増加する数の取引と顧客の文書を検証することは、以前は不可能でした。さまざまな現代の技術的ソリューションはある程度役立ったに違いありませんが、ビジネスの成長は必然的にヘッドカウントの増加につながり、会社が従業員を増やすと、管理者も必要になり、全体の構造を監督するコストも高くなります。

しかし、AIが登場して以来、この問題は消えつつあります。AIツールの助けを借りて、従業員はより少ない数で、顧客の増加した数に効果的に対応できます。いくつかの企業はすでにこの論理を使用しています。Klarnaは、1つのAIアシスタントが700人の仕事をこなせるという主張をしています。そんなツールを導入するコストが何であっても、数百人の従業員の給与よりもはるかに低い可能性があります。

しかし、実際に機能させるには、企業はワークフローにAIを適切に統合する必要があります。実験の範囲を超えてです。金融では、多くのプロジェクトはまだパイロット段階に留まっており、当然ながらあまり価値を生み出すことはできません。一方の企業が新しいツールの採用やAIエージェントのスケーリングについて議論している間に、他社はAIの機能を構築しています。

このレースで後れを取ると、重大な財務損失につながります。正確に言えば、運用をAIに移行することに早くから着手しなかった企業は、最大9%の利益を失う可能性があります。後からこのような欠点を補うことは容易ではありません。金融企業は、堅固なAI戦略を構築する必要があります。

AIの意思決定をどのように統治するか

ここが最大の課題です。金融業務にAIエージェントを組み込むことは、必然的に、決定権の一部を彼らに委ねることを意味します。金融では、AIが基本的なバックオフィス業務を最適化して「無料の下級従業員」のような存在になった場所では、これは重大なリスクをもたらします。問題は、こうした仕事でのミスは、しばしば最も高価なものになる可能性があることです。

一般に、規制当局は、金融機関がリスクのあることを行ったり、被害を最小限に抑えるルールを作ったりするのを防いでいます。しかし、AIの場合、業界は監督よりもはるかに速く進んでいます。規制対象エンティティからAIの使用に関するデータを収集している規制当局は、4分の1にすぎません。これは、業務にエージェントを追加している会社の増加する数についていくには明らかに不十分です。

結果として、金融企業は、AI駆動のツールを自分で規制する方法を見つける必要があります。これは、ここでのミスが数百万ドルの損失につながる可能性があるため、当然のことです。例えば、現代の銀行では、エージェントに限定された権限が与えられます。クライアントの文書を扱う場合、クライアントのリスク評価を変更する権限は必要ありません。エージェントは厳格な運用ロールが割り当てられ、超えてはなりません。

別の可能なメカニズムは、エージェントのすべての行動について詳細なレコードを保持することです。エラーが発生した場合、エージェントが取ったすべてのステップを追跡できる必要があります。KYCや詐欺検出などの分野では、クライアントについての質問が数か月後に発生する可能性があるため、銀行は絶対にAIアシスタントの論理の完全なレコードを保持する必要があります。

AIの動作は、サンドボックスでテストすることもできます。イングランド銀行は、AI取引セッションのシミュレーションを開始しました。エージェントが互いに、そして実際の市場とどのようにやり取りするかを理解するためです。こうしたテストにより、エージェントがどこでミスを犯すかを特定し、公開される前に問題を修正できます。

最終的に、AIの意思決定は、責任を負う人間によって確認される必要があることを覚えておくことが重要です。損失が発生した場合、誰も「モデルがそう決めたから」という答えを受け入れないでしょう。上級マネージャーは、AIの行動を承認し、それに対する責任を負わなければなりません。

「銀行対フィンテック」から「速い対遅い」へ

AIの規制は、金融市場での競争も形作っています。顧客は、文書が30分速く処理されたことを喜ぶかもしれませんが、AIボットが信用履歴を損なったり、お金を失ったりした場合は、喜ぶことはありません。そうした問題を避けるために、顧客は、AI戦略を透明に、そして誠実に説明する会社に、より多くの信頼を寄せるでしょう。当然、その会社はAIの管理に問題が少ないでしょう。

フィンテック企業には、明らかなアドバンテージがあります。単純に、レガシーシステムの重荷に押しつぶされていないからです。モダンなフィンテック企業は、サービスをAIの周りに構築し、すべてのプロセスをすぐに自動化できます。新しいものを構築することは、AIエージェントを、まだファックスマシンや数十年前のCOBOLシステムに依存している組織に統合しようとするよりも、はるかに簡単です。驚くことではありませんが、フィンテック企業のほぼ半数が、高度なAI採用の段階に到達しています。一方、従来の金融機関では3分の1以下です。

銀行は絶滅することはありません。彼らは、世界恐慌、1970年代、世界金融危機、そしてそれ以降を生き延びてきました。変化に適応する方法を知っています。彼らのレガシーのため、顧客データ、資本、評判を大量に蓄積してきました。しかし、これらの利点を有意義に利用するには、サイドプロダクトにAIを追加するだけでは役に立たないため、プロセス全体にAIを完全に統合する必要があります。