キャサリン・ウーラーは、FTSE上場のIT企業Softcat plcにおけるチーフ・ストラテジスト（金融サービス担当）です。
トップのフィンテックニュースとイベントを発見！
FinTech Weeklyのニュースレターを購読
JP Morgan、Coinbase、Blackrock、Klarnaなどのエグゼクティブにより読まれています
AIほど賛否が分かれるテーマは多くありません。評価は、より前向きな側では「人類の進歩の次なるフロンティア」、あるいは「解決すべき課題を探している技術ソリューション」、さらに悪いケースでは「人類の終わりを招き得る可能性」まで幅広いのです。
Softcatのチーフ・ストラテジストとして、ITサービスとインフラを通じて2,500の金融サービス企業を支援しています。私は、金融FS&I企業全体にわたってイノベーションが展開していくのを、最前列で見守れる特権的な立場にあります。
まず最初に出てきたのは、クオンツ・ヘッジファンドの強い採用です。彼らは、リターン改善のためのAIへの大きな投資を受け入れています。さらに保険分野でも、膨大なデータの恩恵を受けられます。どちらも、強いROI（投資収益率）を伴う明確なユースケースを、十分に正当化できます。 金融サービス企業は、AIが現在の呼び方でマーケティングされるほぼ10年も前から、数理モデリングや機械学習を行ってきました。しかし最近では、AIインフラの驚異的なパフォーマンスが、量的取引ファンドや保険・ウェルスマネジメント企業による強い採用を後押ししており、彼らは今や自分たちの手に入る膨大なデータを活用することで利益を得ようとしています。
加えて、「AI」として販売されているものの多くは、単に自動化の次の形態にすぎません。
私たちは、金融サービス企業のあらゆるタイプでAIへの関心が非常に高いのを見ていますが、その技術が持つ大きな可能性を背景に、結局のところ採用の“ふもと”にいる段階です。さらに、ユースケースは大きく多様です。ティア1の銀行は、たとえば10店舗規模の地域に根ざした建築協同組合（ビルディング・ソサエティ）とは、まったく異なる形でAIを導入するでしょう。
私は同じ組織の中でも、理事会（ボード）、若年層でよりデジタルに精通した世代、そして業務／経理機能のほうが、コンプライアンス担当者に比べて「AIの考え方」により前向きなことがあるのをよく見かけます。 提起される懸念には、「ブラックボックス」の性質、AIの倫理的な導入に関する不安、そして規制面での明確性の欠如がよく含まれます。
しかし、早期採用と利用の高い水準につながる要因には、はっきりしたパターンが見え始めています。 成功している企業は、AIを導入するための強い戦略を持ち、センター・オブ・エクセレンスを立ち上げ、最初から自社のデータが適切な状態にあることを確実にしています。これらは小さな取り組みに見えるかもしれませんが、成功するイノベーションの土台（ベッドロック）です。
私たちは、最初のユースケースとして、ChatGPT、Co-pilot、またはClaudeといった生産性ツールに導入するケースをよく見ます。これらは、多くの同僚にとってAIを受け入れる際の入口になっており、ときには乾いた口調で「ゲートウェイドラッグ（入口薬）」とさえ呼ばれることがあります！ 文化的には、AIの導入は現状維持（ステータス・クオ）から大きく踏み出すことになり得ます。そして非常に効果的なリーダーシップチームは、組織を将来に備えようとしています。先見性のある人事（HR）戦略が極めて重要であり、社内のAI能力と専門性を構築し、適用可能なスキルと専門性に焦点を当て、知識共有を促すことが求められます。AIによる効率化で業務が置き換えられてしまう同僚の再配置に関しては、長期的な視点を持って取り組む必要があります。
AIによる価値の上乗せ（バリューアッド）に大きな注目が集まっているのは当然です。何百もの潜在的なユースケースを抱える銀行もあり、その中からPoC（概念実証）に進むべきものを選んで、より広く展開していくのは難しい場合があります。この新しい技術に関するベストプラクティスは、まさに今まさに出てきている段階です。最初の段階では、膨大な数の潜在的ユースケースの中から、最大の価値創出をもたらすものを優先すること自体が圧倒されがちで、影響、コスト、実現可能性、そしてより広いビジネス目標との整合性に基づいて、容赦ないトリアージ（優先度仕分け）を行い、潜在的なROIを評価することになります。
AIプロジェクトを評価するためには、関連するKPI、堅牢なデータ収集の手法、そして明確に定義された報告メカニズムを備えた、よく考え抜かれた測定の枠組みが必要です。 AIプロジェクトがBAU（通常業務）に組み込まれた後は、リターンを最大化し、戦略的優先事項との整合を確実にするために、時間をかけた継続的な反復的開発のポリシーが必要になります。これもまた、高い成果を上げるチームに共通する文化的特徴であることが多いのです。
最近、私は規制当局とAIについて話すよう招かれました。 業界のラウンドテーブルでは、驚くほどややこしくも興味深い質問が提示されました。「AIは、他の何よりも優れて解決できる“1つの問題”とは何ですか？」 当然のことながら、各組織はまったく異なる答えを持っており、私は各社がこの問いに対して今後数年、頭を悩ませることになるだろうと見ています。
AIについて戦略的に考えられず、適切かつタイムリーに導入できない企業は、大きな不利を被ることになります。
68.14K 人気度
31.11K 人気度
19.32K 人気度
2.82M 人気度
408.64K 人気度
人工知能：皇帝の新しい衣装？金融サービスにおける採用
キャサリン・ウーラーは、FTSE上場のIT企業Softcat plcにおけるチーフ・ストラテジスト（金融サービス担当）です。
トップのフィンテックニュースとイベントを発見！
FinTech Weeklyのニュースレターを購読
JP Morgan、Coinbase、Blackrock、Klarnaなどのエグゼクティブにより読まれています
AIほど賛否が分かれるテーマは多くありません。評価は、より前向きな側では「人類の進歩の次なるフロンティア」、あるいは「解決すべき課題を探している技術ソリューション」、さらに悪いケースでは「人類の終わりを招き得る可能性」まで幅広いのです。
Softcatのチーフ・ストラテジストとして、ITサービスとインフラを通じて2,500の金融サービス企業を支援しています。私は、金融FS&I企業全体にわたってイノベーションが展開していくのを、最前列で見守れる特権的な立場にあります。
まず最初に出てきたのは、クオンツ・ヘッジファンドの強い採用です。彼らは、リターン改善のためのAIへの大きな投資を受け入れています。さらに保険分野でも、膨大なデータの恩恵を受けられます。どちらも、強いROI（投資収益率）を伴う明確なユースケースを、十分に正当化できます。
金融サービス企業は、AIが現在の呼び方でマーケティングされるほぼ10年も前から、数理モデリングや機械学習を行ってきました。しかし最近では、AIインフラの驚異的なパフォーマンスが、量的取引ファンドや保険・ウェルスマネジメント企業による強い採用を後押ししており、彼らは今や自分たちの手に入る膨大なデータを活用することで利益を得ようとしています。
加えて、「AI」として販売されているものの多くは、単に自動化の次の形態にすぎません。
私たちは、金融サービス企業のあらゆるタイプでAIへの関心が非常に高いのを見ていますが、その技術が持つ大きな可能性を背景に、結局のところ採用の“ふもと”にいる段階です。さらに、ユースケースは大きく多様です。ティア1の銀行は、たとえば10店舗規模の地域に根ざした建築協同組合（ビルディング・ソサエティ）とは、まったく異なる形でAIを導入するでしょう。
私は同じ組織の中でも、理事会（ボード）、若年層でよりデジタルに精通した世代、そして業務／経理機能のほうが、コンプライアンス担当者に比べて「AIの考え方」により前向きなことがあるのをよく見かけます。 提起される懸念には、「ブラックボックス」の性質、AIの倫理的な導入に関する不安、そして規制面での明確性の欠如がよく含まれます。
しかし、早期採用と利用の高い水準につながる要因には、はっきりしたパターンが見え始めています。 成功している企業は、AIを導入するための強い戦略を持ち、センター・オブ・エクセレンスを立ち上げ、最初から自社のデータが適切な状態にあることを確実にしています。これらは小さな取り組みに見えるかもしれませんが、成功するイノベーションの土台（ベッドロック）です。
私たちは、最初のユースケースとして、ChatGPT、Co-pilot、またはClaudeといった生産性ツールに導入するケースをよく見ます。これらは、多くの同僚にとってAIを受け入れる際の入口になっており、ときには乾いた口調で「ゲートウェイドラッグ（入口薬）」とさえ呼ばれることがあります！
文化的には、AIの導入は現状維持（ステータス・クオ）から大きく踏み出すことになり得ます。そして非常に効果的なリーダーシップチームは、組織を将来に備えようとしています。先見性のある人事（HR）戦略が極めて重要であり、社内のAI能力と専門性を構築し、適用可能なスキルと専門性に焦点を当て、知識共有を促すことが求められます。AIによる効率化で業務が置き換えられてしまう同僚の再配置に関しては、長期的な視点を持って取り組む必要があります。
AIによる価値の上乗せ（バリューアッド）に大きな注目が集まっているのは当然です。何百もの潜在的なユースケースを抱える銀行もあり、その中からPoC（概念実証）に進むべきものを選んで、より広く展開していくのは難しい場合があります。この新しい技術に関するベストプラクティスは、まさに今まさに出てきている段階です。最初の段階では、膨大な数の潜在的ユースケースの中から、最大の価値創出をもたらすものを優先すること自体が圧倒されがちで、影響、コスト、実現可能性、そしてより広いビジネス目標との整合性に基づいて、容赦ないトリアージ（優先度仕分け）を行い、潜在的なROIを評価することになります。
AIプロジェクトを評価するためには、関連するKPI、堅牢なデータ収集の手法、そして明確に定義された報告メカニズムを備えた、よく考え抜かれた測定の枠組みが必要です。 AIプロジェクトがBAU（通常業務）に組み込まれた後は、リターンを最大化し、戦略的優先事項との整合を確実にするために、時間をかけた継続的な反復的開発のポリシーが必要になります。これもまた、高い成果を上げるチームに共通する文化的特徴であることが多いのです。
最近、私は規制当局とAIについて話すよう招かれました。 業界のラウンドテーブルでは、驚くほどややこしくも興味深い質問が提示されました。「AIは、他の何よりも優れて解決できる“1つの問題”とは何ですか？」 当然のことながら、各組織はまったく異なる答えを持っており、私は各社がこの問いに対して今後数年、頭を悩ませることになるだろうと見ています。
AIについて戦略的に考えられず、適切かつタイムリーに導入できない企業は、大きな不利を被ることになります。