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における金融サービス部門のチーフ・ストラテジストです。

トップのフィンテックニュースとイベントをチェック！

FinTech Weeklyのニュースレターを購読する

JPモルガン、コインベース、ブラックロック、クラーナ、その他のエグゼクティブに読まれています

AIほど意見が割れる話題は多くありません。評価は、より前向きな見方では「人類の進歩の次なるフロンティア」や、「解決すべき課題を探しているテクノロジー・ソリューション」、あるいは最悪の場合、「人類の終焉を招き得る」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る私は、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様子を、最前列で観察できる立場にあります。

まず先に動きが強かったのは、量的ヘッジファンドです。彼らは、リターンの改善を目的としてAIへの大きな投資を受け入れています。さらに、膨大なデータを活用できる保険もあります。どちらも、強いROI（投資収益率）につながる、明確なユースケースを十分に正当化しやすいのです。
 
金融サービス企業は、AIが現在の姿で市場に出るほぼ一年前から10年近く、数学的モデリングや機械学習に取り組んでいましたが、最近になってAIインフラの驚異的なパフォーマンスが、量的トレーディング・ファンドや保険・資産運用企業による強い採用を後押ししています。いずれも、今まさに自分たちの手元にある膨大なデータの恩恵を得ようとしています。

加えて、AIとして売られているものの多くは、単に次の世代のオートメーションにすぎません。

私たちは金融サービス企業のあらゆるタイプでAIへの大きな関心を目にしていますが、技術の大きな潜在力を踏まえても、最終的には採用のふもと、つまり導入初期の段階にあると言えます。さらに、ユースケースは大きく多様です。ティア1（最上位）の銀行は、たとえば10拠点のローカルな建物協同組合（建設・住宅系の地域金融機関）のような組織とは、AIをまったく別のやり方で展開するでしょう。

同じ組織の中でも温度感が異なるのをよく見ます。取締役会はもちろん、より若くデジタルに精通した世代や、業務／経理機能は、その発想に前向きであることが多い一方で、たとえばコンプライアンス担当者はそうではない、といったケースです。
よく挙がる懸念には、「ブラックボックス」と呼ばれる技術の性質、AIを倫理的に導入することへの不安、そして規制面での明確性の欠如があります。

しかし、早期導入と利用の高い水準を生み出す要因には、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導入に関する強い戦略を持ち、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ます。これらは一見すると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そのものです。

私たちはしばしば、最初に展開するユースケースとして、生産性ツールであるChatGPT、Co-pilot、またはClaudeが挙げられるのを見ます。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、時には乾いた比喩で「ゲートウェイ・ドラッグ（入口の麻薬）」と呼ばれることもあります。
 
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するはずです。先見的なHR戦略は極めて重要であり、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、知識共有を促す必要があります。AI主導の効率化によって職務が置き換わる同僚については、長期的な視点で再配置（再活用）をどう進めるかを考える必要があります。

AIの価値創出に大きく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持つ銀行もあり、その中からどれをPoC（概念実証）に入れるべきか、さらに広く展開するのかを判断して進めるのは難しい場合があります。こうした新技術におけるベストプラクティスは、ようやく出始めた段階です。最初の段階では、価値創出が最大になるものを優先するために、膨大な数の潜在ユースケースの中を選別するだけでも圧倒されてしまい得ます。そして、影響、コスト、実現可能性、ならびにより広い事業目標との整合性に基づいて、冷徹なトリアージ（優先順位付け）を行い、潜在的なROIを評価することができます。

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方法論、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フレームワークが必要です。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（継続的な改善）を行う方針が必要になります――これもまた、高い成果を上げるチームに共通する文化的な特徴であることが多いのです。

最近、私は規制当局に対して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、非常に素晴らしく、しかし当惑させられる質問が提示されました。
「AIは、他の何よりもどんな“ひとつの問題”をよりうまく解決できるのか？」
意外にもありませんが、各組織の答えはまったく異なっており、私は、この問いに対して各社が今後何年も悩み続けることになると見ています。

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。