金融業界もついにAI時代に突入しています。全般でAIが様々な課題に対応するために利用されているだけでなく、当該分野におけるこのような急速な進歩は大きな変化を引き起こしています。平成12年以来、フォーチュン500に名を連ねた企業の半数以上が廃業の憂き目に遭っており、AIがこの破壊を新たなレベルにまで引き上げるだろう」ということです。

しかし、金融機関がAIに十分な投資を行えばIT業務全体で20〜25％コスト削減できる可能性があることも示唆されています。鍵となるのは、早期から継続的に投資し、常にイノベーションを繰り返すことです。AIは実際、次のような金融業界の主要分野に影響を与えることができます。

不正検出: 金融業界における従来の不正検出システムは一連の複雑な規則に大きく依存していましたが、機械学習システムを利用することで、異常な活動を検出し、セキュリティチームに警告することができます。AIが場所や取引の異常を特定し、顧客の事業所を確認し、クロスボーダーの微妙な動きに対して警告を発することができるのです。

ポートフォリオ管理:「ロボットアドバイザー」として知られるアルゴリズムは、ユーザーの目標や相対的リスク許容度に合わせて財務ポートフォリオを細かく調整するように構築することができます。ミレニアル世代は人間のアドバイザーを利用しないで投資する方がはるかに気楽だと感じるため、これらのロボットアドバイザーはこの世代の消費者を引きつける上で特に役立ちます。

保険の引き受け: 保険会社では特に、数百万にわたる消費者のデータ例を用いて機械学習アルゴリズムを学習させることができます。例えば、保険会社は、可能なケアプランや標的を定めた介入、あるいは保険請求に関して問題がある可能性を通知することを目的として、患者の繰り返し入院などの情報を収集するためにAIを利用することができます。この場合、保険金支払業務担当者が既に全ての包括的な情報を手元に持っていることになります。

規制の遵守: AIは、反マネーロンダリング規制など、適用される全ての法規を記憶し、遵守することができます。そのため、コンプライアンスからヒューマンエラーを除くことができるというメリットがあるのです。法律文書を分析するために自然言語処理を利用できるので、影響を受ける当事者や手順、規制などのより包括的な概要を提供することができます。

トレーディング: トレーディングでは、効果的に行うために機械学習ツールを必要とすることが多い、大量のデータが生成されます。アルゴリズムがしばしば1日に何百万件もの取引を実行するので、「高頻度取引」と呼ばれます。ヘッジファンドの中には、マネジャーがリスク管理能力を維持し、AIを部分的に利用している企業もありますが、取引とリスク管理を両方とも外注し、マネジャーは最小限の役割を担うだけという企業もあります。

顧客サービス: 銀行はチャットボットの自然言語処理を利用して、顧客サービスを向上することができます。例えば、スタートアップの「Cleo（クレオ）」は、財務状況や支出などを評価する機械学習を基盤とするAI駆動型のチャットボットを提供しています。

音声認識: 同様に、銀行は、電話での顧客の本人確認でバイオメトリック音声認識を提供することができます。この技術は顧客独自の「声紋」を認識するので、従来型のセキュリティ質問やピンコードをなくして、不正行為を削減することができます。

信用取引申請書: AIは個人の信用リスクを評価するためのコストを削減し、企業が信用リスクの測定件数を増やすことに貢献できます。また、信用履歴のない人もAIのおかげで借り入れを行ったり、クレジットカードを作ることができる場合があります。ここ数年にわたって、従来は銀行から借り入れを行うことができなかった顧客をターゲットとする業務を開始するフィンテック企業が増えてきました。特に、中国のような海外市場ではそれが顕著です。クレジット履歴の代わりにビッグデータを利用して、携帯電話や公共料金などの請求書に対するクレジットカード以外による支払いを査定することで、潜在的顧客に関する情報を正確に把握することができるのです。

株価予測: AIは語彙や語調などに感情分析をかけ、収支報告など企業の公示情報を評価することができます。そして、これを歴史的データと比較して、株価予測をすることができます。

センチメント指標: これは投資家の感情分析のことです。株価予想と同様、投資家の「センチメント指標」は、銀行、ヘッジファンド、高頻度取引のトレーダー、そして主要投資家のセンチメントを理解することに関心がある関係者には誰にでも販売することができます。

ストレステスト: 金融危機後ストレステストの施行が増加したことで、規制当局によるストレステストのために大量のデータを分析する作業が銀行にとって大きな課題となっています。AI及び機械学習ツールは銀行のストレステストのための資本市場業務を支援することができます。開発されるツールは、デフォルト時損失率や倒産確率モデルのシナリオ分析で使用される変数の数を制限することを目的としています。

銀行業務の効率化: 銀行は、コールセンターに寄せられる顧客のコメントやヘルプデスクオートメーション、ソーシャルメディアにおけるデータを分析するためにAIを利用することができます。実際、人間が実行するとずっと時間がかかるような作業では特に、このように継続的に情報を保持できるのはどのような企業にとっても非常に有益です。