* * ***フィンテックは急速に進化しています。ニュースは至る所にありますが、明確さはありません。****フィンテックウィークリーは、主要なストーリーとイベントを一つの場所にまとめてお届けします。****フィンテックウィークリーのニュースレターに登録するにはこちらをクリックしてください****JPモルガン、コインベース、ブラックロック、クラーナなどの幹部に読まれています。*** * *数年間、金融における人工知能に関する会話は非常に不明瞭でした。ほとんどの金融チームは、幹部が破壊的な変化について話し、コンサルタントが約束に満ちたスライドを作成しているにもかかわらず、同じ方法で物事を続けていました。しかし、過去18ヶ月ほどで何かが変わりました。ツールが改善され、ユースケースが明確になり、以前は懐疑的だった部門が重要な分野で実際の成果を見始めました。すべての人が同じように、または同じタイミングで変化の影響を受けたわけではありません。金融のいくつかの分野は他の分野よりも早くAIを採用し、その理由は注目に値します。FP&Aチームは、明らかな痛みのために、最初に動いたグループの一つでした。誰もが、分断されたシステムからデータを引き出すのに2週間かかるだけで、四半期の予測を作成するのは持続可能ではないことを知っていました。データ収集を自動化し、数日ではなく数時間でトレンドを発見できるプラットフォームが登場すると、採用は急速に進みました。この波が定着した理由は、人々がすでに対処するのに疲れていた問題を解決したからです。**金融における人工知能**は、すでに実験段階を超えています。チームは、帳簿をより早く締め、アナリストを疲れさせることなくローリング予測を生成し、手動で数週間かかるシナリオモデルを実行するために使用しています。その価値はもはや抽象的ではありません。短い報告サイクルと取締役会の会議前の遅い夜が少なくなる形で現れます。**FP&Aが最初に到達したが、そこで止まらなかった**--------------------------------------------------手作業で反復的なワークフローがあったため、予測と予算策定が始める論理的な場所でした。しかし、チームが可能性を見たとき、技術は隣接する機能にも広がり始めました。バリアンス分析は良い例です。実績が計画と一致しない理由を特定するために、アナリストは通常、項目を確認するのに数時間を費やします。AIツールは、数分でその不一致を指摘し、より重要なこととして根本原因を示すことができます。もう一つの注目を集めている分野は収益認識です。スプレッドシートと広範な組織知識は、複雑な**契約構造**や複数要素の取り決めを扱うビジネスにとって、かつては標準でした。そのプロセスの一部は自動化でき、リスクを低減し、真に人間の知能を必要とする意思決定のための時間を確保できます。金融チームが反復的でルールベースの作業に費やしている時間が多すぎるところでは、AIが介入し、より早くそれを行っています。**リスク管理はより大きな話題です**---------------------------------------FP&Aが入り口であれば、リスク管理はAIが最も持続的な影響を与える場所かもしれません。規制の遵守、詐欺検出、信用リスクモデリングはすべて、複雑なパターン認識と大規模なデータセットを必要とします。それこそが、機械学習が手動分析を上回る条件です。保険会社や銀行は、これを最初に認識しました。しかし、新しいのは、リスク分析チームを持たなかったミッドマーケット企業の間での採用です。クラウドベースのプラットフォームは、数百人の従業員を持つ企業がかつてはクオンツのチームを必要としたリスク評価を実行できるようにしました。これらのツールは監視を行い、異常を発生したときにキャッチし、自動的に監査対応の報告書を作成します。これは、日々の財務プロセス管理の大きなステップアップです。現在、コンプライアンスはこの全体の変化の中で最も魅力的な部分かもしれません。規制環境は**常に変化しています**。異なる管轄におけるルールの変化の中で、単に遵守すること自体が一つの仕事です。AIはコンプライアンスオフィサーの代わりにはなりませんが、規制の更新をスキャンし、それを現在のポリシーと比較し、問題になる前にギャップを特定できます。過去には、そのようなプロアクティブな監視を行う余裕があったのは最大の機関だけでした。**いくつかのチームが躊躇している理由**----------------------------------すべての金融部門が同じペースで運営されているわけではなく、躊躇の主な原因は通常、才能と信頼です。信頼は、金融の専門家が、モデルがどのように結論に達したのかを理解する必要があり、その結果に基づいて自分の評判を賭ける準備ができることです。才能は、これらのツールをうまく実装するには、**技術と金融の文脈の両方を理解している人々**が必要であり、その組み合わせはまだ珍しいのです。もう一つのボトルネックは、十分な注目を集めていないデータの質です。AIは、それに供給されるデータが良いものでなければならないため、多くの企業は、部門によって同じ指標が3つの異なる方法で定義される、整理されていない、バラバラなシステムで運営し続けています。それを整理することは華やかな作業ではありませんが、AIの実装から最大の成果を引き出すためには必要です。**軌道はかなり明確です**----------------------------------すでに移行を果たした金融チームは、使用ケースを拡大しており、後退していません。FP&Aにおける初期の成功は、リスク、コンプライアンス、財務業務に進出する正当な理由を内部で築きました。大学は、データリテラシーをその金融カリキュラムに組み込み始めており、時間をかけて才能のギャップを埋める手助けになるでしょう。一方、ベンダーはより専門的なツールを次々と展開しています。毎四半期、まだ始めていないチームにとって数学は難しくなっています。AIを活用している金融部門と従来の部門との間の競争のギャップは広がっており、そのギャップを後で埋めることは、今ペースを維持するよりも常にコストがかかります。技術は完璧ではなく、誰もそうであるべきではありません。しかし、完璧を待つことは一種のリスクであり、それを引き受ける余裕のある組織は少なくなっています。
AIが現在実際に金融分野で差をつけている場所
フィンテックは急速に進化しています。ニュースは至る所にありますが、明確さはありません。
フィンテックウィークリーは、主要なストーリーとイベントを一つの場所にまとめてお届けします。
フィンテックウィークリーのニュースレターに登録するにはこちらをクリックしてください
JPモルガン、コインベース、ブラックロック、クラーナなどの幹部に読まれています。
数年間、金融における人工知能に関する会話は非常に不明瞭でした。ほとんどの金融チームは、幹部が破壊的な変化について話し、コンサルタントが約束に満ちたスライドを作成しているにもかかわらず、同じ方法で物事を続けていました。しかし、過去18ヶ月ほどで何かが変わりました。ツールが改善され、ユースケースが明確になり、以前は懐疑的だった部門が重要な分野で実際の成果を見始めました。
すべての人が同じように、または同じタイミングで変化の影響を受けたわけではありません。金融のいくつかの分野は他の分野よりも早くAIを採用し、その理由は注目に値します。FP&Aチームは、明らかな痛みのために、最初に動いたグループの一つでした。誰もが、分断されたシステムからデータを引き出すのに2週間かかるだけで、四半期の予測を作成するのは持続可能ではないことを知っていました。データ収集を自動化し、数日ではなく数時間でトレンドを発見できるプラットフォームが登場すると、採用は急速に進みました。
この波が定着した理由は、人々がすでに対処するのに疲れていた問題を解決したからです。金融における人工知能は、すでに実験段階を超えています。チームは、帳簿をより早く締め、アナリストを疲れさせることなくローリング予測を生成し、手動で数週間かかるシナリオモデルを実行するために使用しています。その価値はもはや抽象的ではありません。短い報告サイクルと取締役会の会議前の遅い夜が少なくなる形で現れます。
FP&Aが最初に到達したが、そこで止まらなかった
手作業で反復的なワークフローがあったため、予測と予算策定が始める論理的な場所でした。しかし、チームが可能性を見たとき、技術は隣接する機能にも広がり始めました。バリアンス分析は良い例です。実績が計画と一致しない理由を特定するために、アナリストは通常、項目を確認するのに数時間を費やします。AIツールは、数分でその不一致を指摘し、より重要なこととして根本原因を示すことができます。
もう一つの注目を集めている分野は収益認識です。スプレッドシートと広範な組織知識は、複雑な契約構造や複数要素の取り決めを扱うビジネスにとって、かつては標準でした。そのプロセスの一部は自動化でき、リスクを低減し、真に人間の知能を必要とする意思決定のための時間を確保できます。金融チームが反復的でルールベースの作業に費やしている時間が多すぎるところでは、AIが介入し、より早くそれを行っています。
リスク管理はより大きな話題です
FP&Aが入り口であれば、リスク管理はAIが最も持続的な影響を与える場所かもしれません。規制の遵守、詐欺検出、信用リスクモデリングはすべて、複雑なパターン認識と大規模なデータセットを必要とします。それこそが、機械学習が手動分析を上回る条件です。
保険会社や銀行は、これを最初に認識しました。しかし、新しいのは、リスク分析チームを持たなかったミッドマーケット企業の間での採用です。クラウドベースのプラットフォームは、数百人の従業員を持つ企業がかつてはクオンツのチームを必要としたリスク評価を実行できるようにしました。これらのツールは監視を行い、異常を発生したときにキャッチし、自動的に監査対応の報告書を作成します。これは、日々の財務プロセス管理の大きなステップアップです。
現在、コンプライアンスはこの全体の変化の中で最も魅力的な部分かもしれません。規制環境は常に変化しています。異なる管轄におけるルールの変化の中で、単に遵守すること自体が一つの仕事です。AIはコンプライアンスオフィサーの代わりにはなりませんが、規制の更新をスキャンし、それを現在のポリシーと比較し、問題になる前にギャップを特定できます。過去には、そのようなプロアクティブな監視を行う余裕があったのは最大の機関だけでした。
いくつかのチームが躊躇している理由
すべての金融部門が同じペースで運営されているわけではなく、躊躇の主な原因は通常、才能と信頼です。信頼は、金融の専門家が、モデルがどのように結論に達したのかを理解する必要があり、その結果に基づいて自分の評判を賭ける準備ができることです。才能は、これらのツールをうまく実装するには、技術と金融の文脈の両方を理解している人々が必要であり、その組み合わせはまだ珍しいのです。
もう一つのボトルネックは、十分な注目を集めていないデータの質です。AIは、それに供給されるデータが良いものでなければならないため、多くの企業は、部門によって同じ指標が3つの異なる方法で定義される、整理されていない、バラバラなシステムで運営し続けています。それを整理することは華やかな作業ではありませんが、AIの実装から最大の成果を引き出すためには必要です。
軌道はかなり明確です
すでに移行を果たした金融チームは、使用ケースを拡大しており、後退していません。FP&Aにおける初期の成功は、リスク、コンプライアンス、財務業務に進出する正当な理由を内部で築きました。大学は、データリテラシーをその金融カリキュラムに組み込み始めており、時間をかけて才能のギャップを埋める手助けになるでしょう。一方、ベンダーはより専門的なツールを次々と展開しています。
毎四半期、まだ始めていないチームにとって数学は難しくなっています。AIを活用している金融部門と従来の部門との間の競争のギャップは広がっており、そのギャップを後で埋めることは、今ペースを維持するよりも常にコストがかかります。技術は完璧ではなく、誰もそうであるべきではありません。しかし、完璧を待つことは一種のリスクであり、それを引き受ける余裕のある組織は少なくなっています。