AIがフィンテックにおいてポテンシャル及び際限

ai_fintech

ai_fintech

デジタルバンクから決済ゲートウェイプロバイダー、株式取引アプリまで、フィンテック企業は、ワークフローの自動化、意思決定の改善、付加価値の向上のために、人工知能AI)の力をますます活用しています。

フィンテックにおけるAIのメリットは、人間よりも効率的にデータを扱い、データモデルを作成できることですが、デメリットとしては、理解の深さが足りないこと、ダイバーシティ・インクルージョンに疑問があること、金融規制の問題などが挙げられます。

1.なぜAIがフィンテックの未来なのか

Research and Market社のレポート「AI in Fintech Market – Growth, Trends, Forecasts (2020 – 2025)」の2020年6月版によると、AI Fintech市場は2019年に66.7億ドルの価値があり、2025年には226億ドルに成長すると予想されています。これは、2020年から2025年までの年平均成長率(CAGR)が23.7%になるということです。

金融分野におけるAIの価値が今後5年間で飛躍的に高まると言われているのは、人工知能が金融機関の従来のデータ分析能力よりも強力であると認識されているからです。これは、以下の理由によります。

1.1.AIは生のデータを利用できる

AIは、構造化されていないデータを取り込み、その中から重要なデータポイントを発見し、効果的に処理できる形に変えることができます。例えば、AI技術である光学式文字認識(OCR)は、契約書やIDカードなどの文書の画像をスキャンし、そこから単語や数字を抽出してデータセットに変換することができます。

1.2.AIにとってデータの保存は柔軟なもの

データは必ずしも他の種類のコンピュータプログラムのようにクリーニングされ、データマネジメントプラットフォーム(DMP)のように整然と保存されている必要はありません。AIベースのデータアナリストは、ニューラルネットワークを介して直接ストリーミングされた生データからパターンを認識することができます。

つまり、データウェアハウスのように構造化された形でデータを保存する必要はなく、時間もかかりません。その代わり、データレイクにデータを格納し、ファネルの先でAI分析ツールにハードワークをさせることができます。

1.3.データは完璧である必要はない

ソフトウェアモデルの中には、データセットが不完全だと不完全なインサイトを提供してしまうものもありますが、AIモデルは機械学習(ML)を使って、与えられた様々なソースから不足している情報を推定することができます。

データセットにギャップがある場合のデータ連携の方法の一つとして、確率的マッチングがあります。これは、データポイントの統計的な類似性を比較するもので、例えば、複数のチャネルやコンタクトポイントにまたがる一人のユーザーを特定することができます。MLでは、コンピュータがミスから学習することで、確率的マッチングの精度を向上させることができます。

1.4.AIは人間がいなくても失敗から学ぶことができる

AIの重要な特徴の1つは、データパターンの変化を検知し、それに応じて分析モデルを人間の介入なしにすべて自力でチューニングできることです。異常が検出された後に、データサイエンティストが入ってモデルを微調整する必要はありません。このようにデータモデリングプロセスを自動化することで、ビジネスワークフローが加速し、最終的には企業のコスト削減につながります。

2.フィンテックにおけるAIの限界とは?

Digital Transformation New Technologies

AIは私たちの生活にさらに浸透しています。あなたはその手を取るのか、それとも指を差し出すのか?

どんな話にも賛否両論がありますが、金融技術における人工知能も例外ではありません。フィンテックにおけるAI活用のデメリットを紹介します。

2.1.AIは排他的である

AIシステムがバイアスにさらされやすい例として、障害者の扱いがあります。AIをはじめとする新しい技術ソリューションは、多くの人や特権階級のニーズに応えるために構築されることが多く、包括性や多様性を考慮したものではありません。例えば、eKYC(デジタル・ノウ・ユア・カスタマー)は、画像スキャンや音声認識ソフトウェアを使ってユーザーの身元を確認するプロセスです。この種の技術がより正確になり、金融セキュリティ対策の義務化が進んでいます。

しかし、目の不自由な人や口の利けない人、携帯電話や従来の技術を操作することが困難な人にとって、これらのAIプロジェクトは彼らの違いを考慮することができません。これは、AIがマイノリティを排除する傾向を内蔵しているために危険であるという一つのケースに過ぎません。

2.2.深い学習よりも、浅い理解が一般的

人間や動物の学習の最も基本的な形は「模倣」であり、人工知能はこれを得意としています。しかし、人間の思考を真似ることは、高価な機械を使わなくても人間が行うことができます。私たちがAIを開発しようとする理由の一つは、人間よりも優れ、賢くなることであり、単に人間の真似をして、人間と全く同じことをより速く行うことではありません。

課題は、AIに自ら学ぶことを教え、浅い機械的な知能ではなく、問題を深く理解して革新的なソリューションを開発することです。このような思考システムを機械に開発するということは、人間の創造者が既成概念にとらわれず、私たちが慣れ親しんだものとはまったく異なる種類の学習や思考プロセスをプログラムすることを意味しますが、このような能力はAIにはまだありません。

2.3.金融分野のAIは規制されていない

金融や銀行の分野は、フェアプレーや税法の遵守を保証する厳格な法律によって規制されています。しかし、Deloitte AP Blockchain Lab LeaderのPaul Sin氏が指摘するように、金融サービス向けのAIアナリティクスは、従来の人力によるアナリティクスとは異なり、規制当局への報告に用いることができません。その理由は、ニューラルネットワークから傾向モデルを抽出して規制当局に示すことができないからです。このように、AIを使用した場合のフィンテックの法的規制の壁は、意図的または無意識のうちに、金融機関による法律違反や汚職を助長する可能性があります。

フィンテックソリューションにおけるAIの長所と短所は、その技術の能力と限界に大きく依存します。しかし、AIは日進月歩で進歩しており、機械がより強力になれば、これらの短所は緩和されたり消滅したりするでしょう。新たな問題が発生しないわけではありませんが、進歩には、これらの問題に対する創造的な解決策の開発が必要です。

金融分野でAIがますます普及し、生産性の向上や意思決定の支援のために日常的に利用されるようになることは必至です。データサイエンティスト、フィンテックプロバイダー、ロボットエンジニアが協力して、テクノロジーを意識的に応用して障害を克服し、金融サービスが地球とそこに住むすべての人々のために公平に機能するようにする必要があります。

►►►サービスについて