数字の裏で：AIが金融の最も利益の多い「従業員」になった理由

メディアでは、銀行や金融は、スカイラインの高層ビルからビジネス上の決定を下すスーツを着た人々、または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として描かれることが多い。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機能に関する多くの議論は、これらのフロントデスクの仕事をどのように変えるかについて焦点を当てている。

AIも例外ではなく、金融におけるAIの採用に関する議論の多くは、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焦点を当てている。しかし、AIの最も効率的な応用は、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た。実際、人工知能は、日常業務の「面白くない」側面からより多くの利益をもたらしている。

AIが実際に価値を創造する場所

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ある。そうすることで、実際に運用の効率性を高めることで利益を生み出す。

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分に短縮した。当然、より迅速な意思決定は顧客を喜ばせ、より忠誠心を高めるかもしれない。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変換される。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解放するからである。

AIは、企業が依存す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に役立つ。したがって、最も貴重なユースケースは、最も壮観なものから遠く離れていることが多い。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ないが、自動化されたKYC手続きや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高い。

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ない。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ないが、ローンの決定が数日から数分に短縮されたり、取引が誤って不正としてフラグ付けられることがないように、確率が数十パーセントポイント低下した場合には、それをさらに評価するかもしれない。

AIが最も利益の多い「従業員」になった理由

通常、銀行の顧客ベースが成長すると、そのスタッフもほぼ比例して成長する。増加する数の取引と顧客文書を同じチームサイズで検証することは、以前は不可能だった。さまざまな近代的な技術的ソリューションはある程度役立ったが、ビジネス成長は依然としてヘッドカウントの成長につながり、会社が従業員を雇用するにつれて、管理者も必要になり、全体的な構造を管理するコストが高くなる。

しかし、AIが登場して以来、この問題は消えつつある。AIツールの助けを借りて、従業員の数が減少するにつれて、より多くのクライアントを効果的にサポートできるようになったからである。いくつかの企業はすでにこの論理を使用している。例えば、Klarnaは、1つのAIアシスタントが700人の仕事をこなすことができると主張している。そんなツールを適用するコストがどれくらいかもしれないが、数百人の従業員の通常の給与に近づくことはないだろう。

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る。実験だけでなく、金融では、多くのプロジェクトがパイロット段階に留まっているが、これは明らかに多くの価値を生み出すことはできない。1つの企業が新しいツールを採用するか、またはAIエージェントをどのようにスケールアップするかについて議論している間に、その競合他社はAIの能力を構築するために動き出している。

このレースで後れを取ると、重大な財務損失につながる。正確に言えば、早期に運用をAIに移行できない企業は、最大9%の利益を失う可能性がある。後でこのような欠点を補うことは簡単ではなく、金融企業が堅実なAI戦略を構築することを要求する。

AIの決定をどのように統治するか

ここに最大の課題が来る。金融運用にAIエージェントを組み込むことは、必然的に決定権をそれらに委ねることを意味するからである。金融では、AIが基本的なバックオフィス業務を最適化することで「ジュニア従業員」のようなものになっているが、これは重大なリスクをもたらす。問題は、mistakesがこの種の仕事では最も高価なものになる可能性があることである。

一般に、規制当局は、金融組織がリスクを負って何かをするのを防ぎ、可能な損害を最小限に抑えるルールを作成している。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る。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だけである。これは、運用にエージェントを追加する会社の増加に追いつくのに十分ではない。

結果として、金融企業は自分でAI駆動のツールを規制する方法を見つける必要がある。これは、ここでのmistakesが数百万ドルに及ぶ損失につながる可能性があるため、当然のことである。例えば、現代の銀行では、エージェントには限定された権限が与えられている。クライアントの文書を操作するAIは、クライアントのリスク評価を変更する権限を持たない。エージェントには厳格な運用ロールが割り当てられ、超えることはできない。

別の可能なメカニズムは、AIのすべてのアクションの詳細な記録を保持することである。KYCや不正検出などの分野では、クライアントに関する質問が数か月後に発生する可能性があるため、銀行はAIアシスタントの論理の完全な記録を保持する必要がある。

AIの動作は、サンドボックスでテストすることもできる。イングランド銀行は、AI取引セッションをシミュレートし始めている。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ある。这样的テストは、エージェントがどこでmistakesを犯すかを特定し、公開される前に問題を修正するのに役立つ。

最終的に、AIの決定は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ある。損失が発生した場合、誰も「モデルがそう決定したから」という答えを受け入れない。上級マネージャーは、AIのアクションを承認し、それに対して責任を負う必要がある。

「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る。顧客は、文書が30分速く処理されたことを喜ぶかもしれないが、AIボットが信用履歴を損なったり、お金を失ったりすることは喜ばない。そんな問題を避けるために、顧客は、AI戦略を透明に、誠実に説明する会社に、お金を預ける可能性が高い。もちろん、AIを管理する問題も少ない会社だ。

フィンテック企業には、明らかな利点がある。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ある。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る。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ことよりもはるかに簡単である。驚くことではないが、フィンテック企業のほぼ半数がすでに高度なAI採用段階に達している。一方、伝統的な金融機関では3分の1程度である。

銀行は絶滅することはない。すべて、大恐慌、1970年代、大不況などを乗り越えてきたからである。変化に適応する方法を知っている。レガシーにより、顧客データ、資本、評判を大量に蓄積してきた。ただし、これらの利点を有意義に利用するには、プロセス全体にAIを完全に統合する必要がある。単にサイドプロダクトに追加するだけではほとんど役に立たないからである。