Northern Trust、顧客のオンボーディングを迅速化するAIエージェントを導入

Northern TrustとMicrosoftは2026年11月9日に発表し、共同開発した顧客オンボーディング用エージェントにより、データ準備にかかる時間を約2週間半から3日へと83％短縮したと明らかにした。今回の導入は、両社のAI分野での協業拡大の第一歩となるもので、Northern Trust Asset ServicingのFront Office Solutionsプラットフォームを利用する顧客に提供される。

このシステムは、数年分にわたる過去の投資記録や取引記録を取り込み、レポート作成用のNorthern Trust標準データ形式に変換する。年金基金、寄付基金、財団、大規模なファミリーオフィスなどの機関投資家は、投資パフォーマンスの把握や分析にFront Office Solutionsを利用している。新規顧客の運用実績を再構築するには、導入チームが複数の情報源にある記録を集約しなければならない場合があり、オルタナティブ資産が加わると作業はさらに複雑になる。

本番環境での測定と品質テスト

Northern Trustは、導入後、実際の顧客オンボーディング事例における所要時間の短縮を測定した。分析対象には、データ変換、アナリストによる確認、例外処理、最終検証が含まれ、従来のワークフローにおける基準所要時間と、エージェントを活用して本番環境で処理した事例の平均完了時間を比較した。したがって、この測定には自動変換の工程だけでなく、その前後に伴うアナリストの作業も含まれている。

両社はまた、適合率と再現率を組み合わせた評価指標を用いた結果、初回出力のF1品質スコアが96.5％だったと報告した。テストセットは、Northern Trustが匿名化して提供した、実際の過去の顧客取引ワークブックから選んだ代表的な7つの事例で構成された。

エージェントが生成した値を、実行中には開示されなかった、アナリスト作成の参照用出力と比較した。初回出力の結果は、アナリストからのフィードバックや修正を受ける前に記録されたため、人による確認後の品質ではなく、エージェントの初期出力の品質を測定している。この違いにより、管理された環境での品質テストと、アナリストによる確認・検証を含む本番環境での所要時間の測定とが区別される。

Azureのアーキテクチャと人による管理

Northern Trustは、Microsoft Frontier Companyの現場展開エンジニアリングチームとともにシステムを開発した。エンタープライズ向けAIツールはMicrosoft Foundryが提供し、その基盤となるプラットフォームにはMicrosoft Azureを採用している。Excel、SharePoint、その他のMicrosoft 365ツールとの連携により、アナリストは出力を確認、調整し、承認できる。またAzureは、承認済みのオンボーディングに関する知識を保持する、ガバナンスの効いた知識レイヤーも支えており、システムは時間の経過とともに組織の専門知識を活用できる。

ワークフロー全体を通じて監督体制が維持される。アナリストは、エージェントの推論を評価し、例外に対処し、専門知識に基づくフィードバックを提供できる。導入時には、顧客が本稼働する前に、エージェントを使って顧客の初期データを検証しながらエラーを特定・照合できる。これにより導入チームは、エージェントの出力だけでなく、受け取った過去のデータも確認できる。

Microsoftの開発プロセスでは、両社が「データ非閲覧」方式と呼ぶ手法を採用した。Microsoftは匿名化データのみを使用してF1初回出力の品質やその他の評価指標を最適化し、Northern Trustの顧客データは同社の管理下でガバナンスを維持した。この体制は、金融サービスに求められるプライバシー、セキュリティ、データ管理の要件に対応しながら、共同エンジニアリングチームがシステムを改善できるよう設計された。

Northern Trustの最高執行責任者（COO）であるPete Cherecwich氏は、このエージェントにより、顧客データの準備と検証にかかる時間を短縮し、「顧客が期待する監督体制と管理策を維持しながら」、双方がより付加価値の高い業務に注力できる余力を生み出せると述べた。同社が掲げる、より広範な拡張知能の方針のもとでは、AIが人の専門知識を拡張する一方、判断と説明責任は人が担い続ける。

今回の導入では、測定可能な準備時間の短縮と、責任分担の明確化が結び付いている。AIがデータ変換を担い、アナリストが例外処理と検証を行い、Northern Trustが顧客情報の管理権限を保持する。こうした管理体制のもと、顧客ごとに異なる履歴に対しても、測定された時間短縮と初回出力の品質が一貫して維持されるかどうかが、より広く活用する際の課題となる。