金融サービスにおけるAI導入の現状:TechRepublic独占記事

金融サービスにおけるAI導入の現状:TechRepublic独占記事
若いビジネスマンが仮想ディスプレイ上の Fintech アイコンを選択します。
画像: putilov_denis/Adobe Stock

一般的な金融サービス企業にAI活用の準備ができているか尋ねると、おそらく自信を持って「はい」と答えるでしょう。実際、この分野の企業の大多数は、既にAIを業務に活用していると回答しています。

しかし、この業界の企業が実際に AI 導入にどう取り組んでいるかを詳しく調べると、つまり、データをどのように管理しているのか、データの品質をどのように確保しているのか、AI ツールをデータ プラットフォームに直接どれだけ簡単に接続しているのかといった質問をすると、金融サービスにおける AI 導入に関する主張が必ずしも現実と一致していないことがすぐにわかるでしょう。

これは、金融サービス企業のAI導入と加速を支援する中で、私が長年感じてきたことです。そして今、Indiciumが最近発表した、この業界におけるAI導入に関する調査のおかげで、私の個人的な印象が正しかったことを証明するデータが得られました。

金融サービス企業のAI導入状況に関する見解

金融サービス企業は、AIテクノロジーが効率性の向上、プロセスの加速、そして業務のスケールアップにもたらす計り知れない価値を認識しています。Indiciumの調査によると、金融サービス企業の66.7%が現在AIを活用したソリューションを運用しており、さらに31.5%がAIのパイロットプロジェクトまたは実験を実施しています。現在AI導入の計画がないと回答した企業は1社もありませんでした。

この観点から見ると、AIは金融サービスにおける基盤技術として急速に成長しているように見えます。具体的には、金融サービス企業が不正検知、意思決定、バックオフィス業務の自動化といったユースケースをサポートするためにAIを活用していることが明らかになりました。

AI導入の障壁が残る

しかし、AI システムが実際にそれを動かすデータにどの程度接続しているかに基づいて金融サービスにおける AI 導入状況を評価すると、より曖昧な状況が浮かび上がります。

  • 調査回答者の 40% は、AI イニシアチブがデータ インフラストラクチャと「部分的にしか統合されていない」と回答しており、効果的な AI ベースの自動化を推進するために必要な場所にデータを取得するのが難しいことが示されています。
  • 40.6% は、データ近代化の取り組みに着手する前は、AI ツールやアプリケーションでデータを使用する準備が「ある程度しかできていなかった」と回答しました。
  • 71.5% が、AI ツールやアプリで使用するためのデータの準備がデータ近代化プロジェクトの主な目標であると回答しており、これがデータ インフラストラクチャを近代化する最大の理由となっています。

また、金融サービス企業にAIモデルの強化にどのような種類のデータを使用しているかを尋ねたところ、圧倒的に多かった回答はデータベースに保存された情報などの構造化データであり、80.6%の企業がAI実装にこれを適用しています。対照的に、テキスト文書や画像などの非構造化データをAIモデルの強化に使用していると回答した企業はわずか33.9%でした。

ある意味、これは驚くべきことではありません。構造化データは一般的に一貫性があり統合された方法で整理されているため、扱いやすいのが一般的です。一方、非構造化データは複数のシステムに分散していることが多く、包括的に捕捉してAIシステムに取り込むことが困難です。

金融サービス企業のうち、AIイニシアチブの一環として非構造化データを活用する準備ができている企業が少数にとどまっていることは注目に値します。なぜなら、AIテクノロジー、特に生成型AIとエージェント型AIの強みの一つは、あらゆる種類のデータを活用して高度な意思決定、トレンド検知、コンテンツ生成を可能にする点にあるからです。企業がAIモデルの駆動に構造化データソースのみを利用すると、AIソリューションの有効性と柔軟性も著しく制限されてしまいます。

金融サービスにおけるAI導入の加速

AI を最大限に活用することに関心のある金融サービス企業にとって、重要なことは明らかです。AI システムを展開することと、そのシステムの有効性を最大化するために必要なデータを接続することとは全く別のことです。そして、この業界の企業はこの点で不足しているようです。

幸いなことに、これは金融サービス企業が解決できる課題です。鍵となるのは、データプラットフォームを近代化し、効果的なデータ変換フレームワークを適用することで、データガバナンスとデータ品質を向上させることです。同様に重要なのは、データ運用、つまり組織がデータ管理に使用する一連のプロセスに対する堅牢かつ包括的なアプローチを確立することです。

企業がこれらのソリューションを採用すると、高いレベルのデータ品質と堅牢なガバナンスをより簡単に実現できます。その結果、AI モデルに入力されるデータの品質が向上することでモデル出力も向上し、AI ツールのパフォーマンスが向上します。

さらに、強化されたデータガバナンスの実践により、品質管理とガバナンス管理が組み込まれた単一のプラットフォームにすべてのデータを一元管理できます。これにより、AIツールを高品質なデータに接続しやすくなり、企業は構造化データと非構造化データの両方を含むすべてのデータ資産を最大限に活用してAIイニシアチブを推進できるようになります。

データのモダナイゼーションについて話すことは、金融サービス分野におけるAIの興味深いユースケースの数々について話すことほど刺激的ではないかもしれません。しかし、AIを最大限に活用することに真剣に取り組む企業にとって、この議論が不可欠であることは明らかです。なぜなら、適切なデータ、つまり高品質なデータと効果的なデータガバナンス管理がなければ、最先端のAIソリューションでさえほとんど価値がないからです。

この記事は、ニューヨーク市に拠点を置く AI およびデータ コンサルタント会社Indiciumの最高経営責任者である Matheus Dellagnelo によって書かれました。

Tagged: