キャサリン・ウーラーは、Financial Services、Softcat plcのチーフ・ストラテジストであり、FTSE上場のIT企業です。
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モルガン、Coinbase、Blackrock、Klarnaなどの幹部が読む
AIほど賛否が分かれるテーマはほとんどありません。評価は、より前向きな側では、人類の次なるフロンティアであるという見方もあれば、解決すべき問題を探している技術ソリューション、あるいは最悪の場合、人類の終焉を生み出す可能性まで、幅広くあります。
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、FS&Iの企業全体にわたって革新が展開していく様子を、特等席で見守ることができています。
まず最初に、強い浸透が見られたのがクオンツ・ヘッジファンドです。彼らは、改善されたリターンを得るためにAIへの多額の投資を受け入れています。また、膨大な量のデータから恩恵を受ける保険も同様です――これらはいずれも、明確なユースケースを強力なROI（投資収益率）とともに簡単に正当化できるからです。 金融サービス企業は、AIが現在の姿で市場に出されるほぼ10年前から、数学的モデリングや機械学習に取り組んできました。しかし最近、AIインフラの驚異的な性能が、定量的トレーディングのファンドや保険、ウェルスマネジメント企業による強い取り込みを後押ししています。いずれも、いま利用可能になっている膨大なデータから利益を得ようとしています。
さらに、AIとして売られている多くのものは、単に次の形の自動化にすぎません。
私たちはあらゆる種類の金融サービス企業におけるAIへの大きな関心を目にしていますが、その技術の大きな潜在力を踏まえても、最終的にはまだ導入のふもとにいる状況です。加えて、ユースケースには非常に多様性があります。たとえばティア1の銀行は、10支店規模の地域密着型のビルディング・ソサエティとは、AIの導入の仕方をまったく異なる形で行うでしょう。
同じ組織の中でも、取締役会や、より若くデジタルに精通した世代、そしてオペレーション／ファイナンス機能は、たとえばコンプライアンスの同僚よりも、その考え方により前向きであることが多い――私はそうした違いをよく見ます。 挙がる懸念には、技術の「ブラックボックス」性、AIの倫理的な導入への不安、そして規制に関する明確性の欠如などがよく含まれます。
しかし、早期導入と利用の高い水準を生み出すものには、明確なパターンが見えてきています。成功している企業は、AI導入の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、最初から自社データが適切な状態にあることを確実にします。これ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です。
私たちは、最初のユースケースとして、生産性ツール（ChatGPT、Co-pilot、またはClaudeなど）に展開するケースをよく目にします。これらは、多くの同僚にとってAIという考え方を受け入れる際の入り口になることが多く、時に乾いた言い方で「ゲートウェイドラッグ！」と呼ばれることさえあります。 文化的には、AIの導入は現状維持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、自組織を将来に備えたものにするための準備を進めようとします。先を見据えた人事（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、適用可能なスキルや専門性に焦点を当て、知識共有を促すことが必要です。さらに、AIによる効率化で置き換えられて役割が変わる同僚を再配置するためには、中長期的な視点で取り組む必要があります。
AIの付加価値に注目が集まるのは当然です。何百もの潜在的なユースケースがある銀行もあり、どれを選んでPoC（概念実証）に入るべきか、そしてより広く展開するかを見極めるのは難しい場合があります。そのような新しい技術におけるベストプラクティスは、ようやく出そろってきた段階です。第一に、膨大な数の潜在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順位づけすることは、圧倒されるほど大変になり得ます。ROIの可能性を評価するために、インパクト、コスト、実現可能性、そしてより広範な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（優先度の切り分け）を行えます。
AIプロジェクトを評価するための、よく考え抜かれた測定フレームワークが必要です。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が求められます。AIプロジェクトがBAU（通常業務）の一部になったら、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で反復的な開発方針が必要です――これは繰り返しになりますが、成果の高いチームの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、見事に戸惑うような質問が提示されました。「AIが、他の何よりも優れた形で解決する“たった1つの問題”は何ですか？」驚くことなく、各組織はまったく異なる答えを出しており、私は各社がこれから何年もこの問いに取り組むことになるだろうと見ています。
AIについて戦略的になれず、適切かつタイムリーな形で導入できない企業は、大きな不利を抱えることになります。
33.18K 人気度
265.36K 人気度
18.58K 人気度
101.46M 人気度
902.03K 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、Financial Services、Softcat plcのチーフ・ストラテジストであり、FTSE上場のIT企業です。
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モルガン、Coinbase、Blackrock、Klarnaなどの幹部が読む
AIほど賛否が分かれるテーマはほとんどありません。評価は、より前向きな側では、人類の次なるフロンティアであるという見方もあれば、解決すべき問題を探している技術ソリューション、あるいは最悪の場合、人類の終焉を生み出す可能性まで、幅広くあります。
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、FS&Iの企業全体にわたって革新が展開していく様子を、特等席で見守ることができています。
まず最初に、強い浸透が見られたのがクオンツ・ヘッジファンドです。彼らは、改善されたリターンを得るためにAIへの多額の投資を受け入れています。また、膨大な量のデータから恩恵を受ける保険も同様です――これらはいずれも、明確なユースケースを強力なROI（投資収益率）とともに簡単に正当化できるからです。
金融サービス企業は、AIが現在の姿で市場に出されるほぼ10年前から、数学的モデリングや機械学習に取り組んできました。しかし最近、AIインフラの驚異的な性能が、定量的トレーディングのファンドや保険、ウェルスマネジメント企業による強い取り込みを後押ししています。いずれも、いま利用可能になっている膨大なデータから利益を得ようとしています。
さらに、AIとして売られている多くのものは、単に次の形の自動化にすぎません。
私たちはあらゆる種類の金融サービス企業におけるAIへの大きな関心を目にしていますが、その技術の大きな潜在力を踏まえても、最終的にはまだ導入のふもとにいる状況です。加えて、ユースケースには非常に多様性があります。たとえばティア1の銀行は、10支店規模の地域密着型のビルディング・ソサエティとは、AIの導入の仕方をまったく異なる形で行うでしょう。
同じ組織の中でも、取締役会や、より若くデジタルに精通した世代、そしてオペレーション／ファイナンス機能は、たとえばコンプライアンスの同僚よりも、その考え方により前向きであることが多い――私はそうした違いをよく見ます。 挙がる懸念には、技術の「ブラックボックス」性、AIの倫理的な導入への不安、そして規制に関する明確性の欠如などがよく含まれます。
しかし、早期導入と利用の高い水準を生み出すものには、明確なパターンが見えてきています。成功している企業は、AI導入の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、最初から自社データが適切な状態にあることを確実にします。これ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です。
私たちは、最初のユースケースとして、生産性ツール（ChatGPT、Co-pilot、またはClaudeなど）に展開するケースをよく目にします。これらは、多くの同僚にとってAIという考え方を受け入れる際の入り口になることが多く、時に乾いた言い方で「ゲートウェイドラッグ！」と呼ばれることさえあります。
文化的には、AIの導入は現状維持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、自組織を将来に備えたものにするための準備を進めようとします。先を見据えた人事（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、適用可能なスキルや専門性に焦点を当て、知識共有を促すことが必要です。さらに、AIによる効率化で置き換えられて役割が変わる同僚を再配置するためには、中長期的な視点で取り組む必要があります。
AIの付加価値に注目が集まるのは当然です。何百もの潜在的なユースケースがある銀行もあり、どれを選んでPoC（概念実証）に入るべきか、そしてより広く展開するかを見極めるのは難しい場合があります。そのような新しい技術におけるベストプラクティスは、ようやく出そろってきた段階です。第一に、膨大な数の潜在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順位づけすることは、圧倒されるほど大変になり得ます。ROIの可能性を評価するために、インパクト、コスト、実現可能性、そしてより広範な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（優先度の切り分け）を行えます。
AIプロジェクトを評価するための、よく考え抜かれた測定フレームワークが必要です。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が求められます。AIプロジェクトがBAU（通常業務）の一部になったら、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で反復的な開発方針が必要です――これは繰り返しになりますが、成果の高いチームの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、見事に戸惑うような質問が提示されました。「AIが、他の何よりも優れた形で解決する“たった1つの問題”は何ですか？」驚くことなく、各組織はまったく異なる答えを出しており、私は各社がこれから何年もこの問いに取り組むことになるだろうと見ています。
AIについて戦略的になれず、適切かつタイムリーな形で導入できない企業は、大きな不利を抱えることになります。