生成AIの力を銀行業務に活用するための5つの優先課題

銀行は、生成AIへの投資で高いリターンを得ることの障壁となり得る大きな課題に直面しています。今回の調査結果から以下の課題が明らかになりました。

専門知識とリソースの不足

銀行では、生成AIの取り組みを担う人材が不足しています。調査回答者の半数以上が、生成AI専任チームを立ち上げる上での最大の課題に、社内の専門知識不足を挙げています。

コストと予算上の制約

銀行は、経済状況に応じてあらゆるテクノロジーへの投資を制限せざるを得ず、生成AIも例外ではありません。回答者の半数強が、生成AIの取り組みを進める上での課題として、導入コストを挙げています。

社内能力に対する自信の欠如

現在も多くの銀行で見られる、大幅にカスタマイズされた古いテクノロジーアーキテクチャは、これまでの急場しのぎの追加開発や低品質なデータフローにより、AI導入を阻む障壁となっています。このような制約を踏まえ、かなりの割合の回答者が、自社に生成AIの導入に適したテクノロジーインフラや能力があるとは思えないと述べています。

ユースケースの優先順位付け

AI導入においては相反する選択肢があるため、銀行は最もインパクトのある初期のユースケースを探すという課題を突きつけられています。多くの銀行が優先しているのが、従来のバックオフィス部門における能力の自動化（ロボティック・プロセス・オートメーションなど）です。回答者の大半が、さらなる開発とテストを待っている段階で、フロントオフィスのユースケースの優先順位を決めるのはその後になると述べています。

規制の不確実性とリスク

規制の変化により、銀行が直面する可能性のあるコンプライアンス要件と法務リスクに対する不確実性が生じています。レジリエンスの観点から見ると、銀行は生成AIの力を悪用するハッカー、詐欺師やその他の攻撃者などに備える必要があります。規制は現状に合わせて変化していくため、企業は今後規制に追い越され時代遅れとなるプロセスを構築するのではなく、規制の動向を見越したシステムをどのように構築し実現するかを考える必要があるでしょう。また、生成AIの導入を目指す銀行は、既存のルールが生成AIにも適用されるという規制当局の主張を念頭に置かなければなりません。

生成AIを導入する上で、銀行の懸念事項として最も多く挙げられたのは、データプライバシー、セキュリティ、正確性、信頼性に関わるリスクです。大規模言語モデル（LLM）がバイアスやハルシネーションの影響を受ける可能性があることを考えると、この懸念も無理はありません。銀行ではセンシティブな機密情報が非常に多いため、偶発的なデータ侵害や誤った取引に対する懸念が生じることは避けられないでしょう。

2. 新しいテクノロジーと人材にアクセスするためのエコシステム・アプローチを模索する

テクノロジーの更新を必要とする銀行の多くが、生成AIを導入することで、現在のアーキテクチャ上の制約を乗り越える機会を得ることができますが、生成AIが職場で役に立つものにするためには、従業員が持つ業務に関する専門知識や業界知識にアクセスする必要があります。

生成AIが新しいテクノロジーであり、多くの銀行における技術力不足を考えると、必要なスキルとリソースを確保するには、買収またはパートナーシップの締結が必要となるかもしれません。生成AIは非構造化データを処理できるため、エコシステムを通じて第三者とつながり、データの共有が容易になります。銀行の約半数（51%）は、生成AIのユースケースの市場参入アプローチとして、社内で開発するより、パートナーシップを締結する方を優先すると回答しています。

今、何から行動すべきか

まずやるべきことは、インフラを最新化し、データ品質を高め、データフローを改善する機会を特定することです。銀行が既存のテクノロジーとデータの環境でAIを導入するには、コンピューティング機能（サーバーの容量やデータストレージ、演算能力など）を強化する必要があるかもしません。また、組織の既存の専門知識からナレッジグラフを構築することで、生成AIは貴重なインサイトを引き出すことができます。

今後の展望

買収や合弁事業の機会は、銀行が生成AIを活用して新しいエコシステムを構築したり、既存のエコシステムを強化したりして、新しい商品やソリューションの提供を迅速化させる一助となります。このようなディールのビジネスケースは、機能の慎重な評価結果に加え、初期のユースケースの成果に基づき作成すべきです。

3. ユースケースを特定しながら、イノベーションポートフォリオを再編成する

生成AIの導入に関して、銀行は自動化、プロセス改善、コスト管理を、初期の導入の優先課題とするのはよいのですが、その後、これらに限定して注力すべきではありません。生成AIは、現在のAI実装では見られないような形で、顧客対応業務や収益業務に影響を与える可能性があります。例えば、生成AIは、商品やサービスの高度なパーソナライゼーションをサポートする可能性を秘めており、顧客の満足度と定着率、信頼感を高める一助となります。

また、多くの銀行は、業界の垂直統合と預金残高を維持するための戦略を推し進め、多様化した新しい収益源の開拓を模索しており、これらは、生成AIの初期のユースケースに関する議論において、必然的なトピックとなっています。

5. ガバナンスと統制を確立する

生成AIは、銀行業務に新たなリスクをもたらし、既存のリスクを高めます。AIのガバナンスプロセスと統制はレガシーテクノロジーのそれに多少似ているものの、新たなリスクの対処には、社内のユースケースおよびサードパーティー・ツールの使用の両方について、新しいモデルと枠組みが必要です。

組織は従業員がいつ、どのように生成AIを活用できるかを考え、社内と社外のユースケースがもたらす独自のリスクを評価しなければなりません。さらに、生成AIが業務に及ぼす影響も考慮する必要があります。例えば、融資の判断に生成AIを利用すると、対象者の特性（ジェンダーや人種など）に基づいてバイアスを反映した決定を下すことになりかねません。立証責任は銀行にあるため、申請を却下した理由と、申請者を公平に検討したことを規制当局に示す証拠を収集する必要があります。現時点で法律や規制の枠組みがない場合であっても、ガバナンスモデルを構築し、生成AIの責任ある倫理的使用を促進しなければなりません。

今、何から行動すべきか

銀行は最初に、公開されている既存の生成AIのツールとモデルの従業員による利用に関して、ガイドラインと統制を確立すべきです。このガイドラインは、従業員がこれらモデルへ会社の機密情報を読み込むことを監視し防止します。また、ユースケースを問わず、生成AIの開発、使用用、モニタリング、リスク管理をするために、トップレベルのガバナンスと統制の枠組みを確立しなければなりません。

今後の展望

銀行は、生成AIの能力への投資と新たなユースケースの策定を進める中で、ツールの使用に関する独自の課題とリスクを評価し、個別のユースケースに合わせてガバナンスと統制を調整する必要があります。新たなユースケースでは、バイアスやハルシネーションなどのリスクに関するテストと評価を継続に行う必要性が新たに生じます。
 

最後に

生成AIの変革力を活用するには、業務を継続しながら、いかに変革を加速させるかという銀行の長年の課題に対する考え方も変える必要がありますが、銀行はその緊急性を十分に理解しており、大部分がすでに生成AIにリソースを投じています。

生成AIの導入を成功させるには、バックキャスティング・アプローチでビジョンを設定し、プログラマティック・アプローチでユースケースの優先順位を決め、リスク管理およびガバナンスを行う必要があります。銀行は、AIを主にバックオフィスの自動化とコスト削減を図るためのテクノロジーとする、現在の認識を転換する必要があるでしょう。テクノロジー投資のリターンを最大化するには、生成AIでフロントオフィス機能とビジネスモデル全体を変革する方法について熟慮することが不可欠です。銀行は、生成AIがイノベーションアジェンダ全体の1つにすぎないことも認識しておかなければなりません。長期戦略に沿った対策をバランスよく講じる中で生成AIを使用することで、未来の新しい銀行の姿を構築し、顧客と株主に価値を創造することができます。

サマリー

生成AIが持つ真の力を活用するためには、ユースケースの価値とリスクを評価した上で、長期的なロードマップを策定する必要があります。銀行は、技術革新プロジェクト、データ管理や人材開発において得た教訓から学ぶことで、ユースケース開発の枠組みの構築を促進することができます。ユースケースの価値創造を評価しながら、それに伴うレベルのリスク管理をするには、社内外の生成AI使用に対するコーポレートガバナンスや統制、コントロールタワー・アプローチの確立が不可欠となります。

本記事の執筆に当たっては、Senior Director Digital Assets Strategy Lead, EY-Parthenon, Ernst & Young LLPのPrashant KherとFinancial Services Strategy EY-Parthenon, Ernst & Young LLPのZachary Trullの協力を得ました。