金融サービスはどのように生成AIに備えるべきか

注：本記事は(2024年3月7日)に公開された(How Financial Services Should Prepare for Generative AI)を機械翻訳により公開したものです。

2022年11月にChatGPTのより広範な予測機能が一般公開されて以来、大規模言語モデル（LLM）に対するステークホルダーの大文字化の無秩序な拡大が、集団的魅力を伴う、または悪化しながら、現代産業のほぼすべての部門に浸透したのは驚くべきことではありません。金融サービスもその一例です。 

では、実用的なアプリケーションから潜在的なリスクまで、このトランスフォーメーションはどのようなものでしょうか？この記事では、LLMの実際の機能とは何か、そして金融機関がこのテクノロジーを効果的かつ安全に利用するためにとるべきステップについて説明します。

従来のAIモデルと比較して、生成AI/LLMは、融資契約、請求契約、引受書類などを構成する大量の非構造化データに対する取り組みを大幅に強化します。LLMは次の点で際立っています。

• コンテンツ合成：生成AIモデルは、膨大な量のマルチモーダル情報（テキスト、画像、動画、音声など）を処理し、コンテンツを短時間かつ非常に合理的な精度で合成できます。 
• 情報抽出：ChatGPTなどのテキストジェネレータは、質問やリクエストなどの人間の特定の入力に対する応答を生成できる効率的な情報検索ツールです。このような抽出と単純なコンピューター出力の主な違いは、人間とコンピューターのインタラクションに語彙的な流動性があるということです。
• コンテンツの生成：DALL-Eのような画像ジェネレータは、人々の関心を集め、直接的に利用されています。AIモデルは、人間の絵画、ミュージックビデオ、さらには音声学を模倣できるということを教えてくれます。人間言語でもシステム言語でも、コンテンツをある言語から別の言語に翻訳できるということは、金融サービスを含むあらゆる業界にとって大きなメリットとなります。   

これは、生成AIとLLMが使用状況の観点から見て著しく付加的であることを示しています。特定の財務プロセスの自動化や、素人でも読める技術文書の要約の生成など、技術者と非技術者の両方にとっての複雑さが大幅に軽減されます。ChatGPT（およびその他のAI/MLシステム）のようなテキストジェネレータは、このようなアクセシビリティと使いやすさを求める人々の願望を満たします。技術的に複雑なモデルであっても、誰でもそれを使用することができます。

しかし、民主化にはリスクも伴います。 

規制の厳しい金融サービス部門には、ほとんどの業界組織でAIガバナンスとモデル検証に対処するための枠組みと構造があります。しかし、多くの場合、生成AIによって増幅される新たなリスク（幻覚や知的財産権の露出など）や規制状況の変化を考慮して、これらのフレームワークを評価し、アップグレードする必要があります。世界中の規制当局がAI/MLモデルの使用に関するガイドラインを発行しており、その処方的ガイダンスのレベルは地域や国によって異なります。たとえば、最近、バイデン政権は、AIおよびMLモデルの開発と使用における公平性、テスト、セキュリティ、プライバシーの重要性を強調する大統領令（「人工知能の安全かつ安心で信頼できる開発と使用」）を発しました。 

しかし、金融サービスに生成AIとLLMを採用することには、永続的なメリットがあります。コンピューティングリソースが拡大し、導入コストが削減されれば、その新規性は成熟するでしょう。あらゆる組織のインフラストラクチャーに生成AIがどの程度浸透しているかについては、推測するしかありません。

短期的には好奇心が優勢となり、ほとんどの金融サービス企業が特定の組織内のいくつかのユースケース向けにこのテクノロジーを試験的に導入していることは明らかです。アプリケーションでのAIの導入はすでに何年も普及していますが、生成AIは、特に非構造化データを使用して、情報のレビュー、解析、合成という日常的な機能を自動化することで、その領域を拡大します。もちろん、チャットボットに指示や質問を求めるだけでデータをクエリすることもできます。つまり、AIバーチャルアシスタントによるカスタマーアシスタンスはすぐそこまで来ています。また、投資会社は、マクロ経済状態、規制、会社の届出などに関するインサイトを引き出すために、より熟練した生成AIデータクエリを活用することもできます。 

長期的には、生成AIはコスト効率が高く、自動化の効率化による運用コストの削減を促進するでしょう。慎重かつ手頃なコストの懸念から、AIのユースケースはシンプルでほぼ「第2の」補助的な役割にシフトしがちですが、最終的なコンセンサスは、この短期的な支援がより関与の深い、長期的な自動化と、すべてのビジネスプロセスのコアに組み込まれたAIに移行するということです。 

しかし、移行は口で言うほど簡単ではありません。

人によっては、AIパラダイムシフトをめぐる絶え間ない議論は、単なるノイズではないようです。AI、特にLLMが依然として存在しているのは明らかだと思います。強いて言えば、組織がそれをすべてのビジネスプロセスに不可欠にしようとしているということです。しかし、どのように移行するかという問題は、生成AIの黎明期と、この重ね合わせに関する多くのデータ戦略を考慮すると、その移行の準備が整っているかどうかという、より差し迫った懸念事項となります。 

AIモデルは、ユーザーが入力したデータがあって初めて成り立つものです。強力なデータインフラストラクチャーに投資することで、サイロ化されたデータや断片化の潜在的なバグや穴に対処できます。互換性のないデータアーキテクチャ（またはその導入をサポートするための人材オンボーディングが不十分など）が蔓延する構造の上にLLMを実装しても、問題は増える一方です。言うまでもなく、プライバシーコンプライアンスのための堅牢なガバナンスフレームワークの欠如と、AIが生み出す潜在的な幻覚は、倫理とセキュリティの懸念を高めるだけです。したがって、スムーズに移行できるかどうかは、AIリサーチのAshok Goel氏現する「筋肉増強」の成熟度にかかっています。

生成AIの「ディスラプション」というノイズは、多くの人が思っているほど大きなものではなく、劇的なものでもありません。エコシステムの突然の裂け目や、即座に組織全体を変革するための急ピッチの奮闘ではありません。それどころか、生成AIやLLMが金融サービスのビジネスプロセスをゆっくりとシフトさせるのは、組織がまずデータ戦略やデータインフラストラクチャを最適化してからです。

金融サービスのLLMとSnowflakeがどのように役立つかについては、DCNのチャネルでインタビューの全文をご覧ください。