銀行を代表とする金融機関では超低金利からくるビジネスモデル変革の波に加え、オープンAPI化によるサービス活性化やキャッシュレス化等、競争は激しさを増し、不正取引の増加や高度化するAMLへの対応も求められています。RPAやAI導入による省人化やデジタル化にも取り組んでいる中でさらなる生産性向上が求められ、課題が多方面で山積しています。
課題解決の鍵となる各社の蓄積データの有効活用を実現するためには、データを自由に利活用し、他社とも共有できる環境・ルール・AI分析力が必要ですが、ハードルの高さから思うように進んでいません。このページではイーグリスの提供する秘密計算技術とAI解析技術を用い、与信判断の自動化や不正検知等、金融機関各社の業務のデジタル化に取り組んだ事例について紹介いたします。
国内で増え続ける特殊詐欺や不正取引、AMLへの対応の高度化やRPAによる業務自動化、AIを活用した一部業務の省人化等、既にデジタル化の取り組みは進んではいるものの、さらなる業務の生産性向上が求められ、多方面で課題は山積です。金融機関各社に蓄積されてきた数々のデータの有効活用がデジタル化による課題解決の鍵として重要性を増していますが、データを自由に利活用できる環境や、必要に応じて他社ともデータを共有できるルール、理想の学習結果を得られるAIを生みだすための分析力等が必要となり、思うように進んでいません。
これらデータ利活用やAIによる生産性向上を進める上で特に制約として挙がるのが、機密性の高いデータとその解析アルゴリズムのセキュリティです。個人情報の塊ともいえる金融データはもとより、不正検知や与信判断に活用するアルゴリズムが外部に漏れてしまうとさらなる犯罪リスクの高まりにつながるため、データ利活用ではセキュリティレベルを維持しながらの対応が肝要といえます。
RPA化による自動化やAI活用、オープンAPIによるスタートアップとの機能連携等、金融業界全体でデジタルシフトが急速に進んでいます。某フィンテック会社では数千件/日を超える支払い能力審査（与信判定）を人手でおこなっており、業務コストが課題となっていました。業務コストを削減するため、AIで判断できるものはAIを活用することで、人が判断すべき件数を極小化する取り組みを開始しました。
イーグリスは過去の不正・正常判定の審査データを整理しデータの性質や特徴量を設計した上で、複数のAIモデルを選定、実装検証による評価をおこない、明示的で高精度なAI審査モデルを構築しました。構築したAIモデルを活用することで、与信判定業務の一部自動化に成功し、1日当たり25%分の業務コストを削減することができました。
高齢者等を狙った特殊詐欺や不正取引、AMLの事例が年々増加し、手口も巧妙化しています。これまでは時間帯・金額・地域等想定しやすい属性情報を活用したルールベースの検知システムはありましたが、想定外のパターンは検知できないことが課題でした。
また、新しい手口や進化した手口が次々と出てくるため、想定外のパターンの種別検知に加え、手口を自動的にフィルターとして登録する必要があり、対策に向けたデータの質・量の重要性がより高まっています。
イーグリスはAI解析技術と設計技術を用いて、不正取引に繋がる取引のパターンに偏りや関連性があるか特徴点を抽出し、ルールベースではなく今後起こりうる手口を網羅的に検知するAIアルゴリズムを構築しました。
さらにフェデレーテッドラーニング（連合学習）技術を活用することで、データそのものを共有せず異常・不正な特徴量のみを銀行間で共有し、AIアルゴリズムへ反映することで、各金融機関単独ではカバーできなった想定外のパターンを検知し、不正取引の予防へ活用できるようにしました。
通常、不正取引をおこなう顧客を検知するためには、一度ローカル端末でデータ加工（個人情報をハッシュ化する等）した上で分析用データをクラウド上に置くことで、セキュリティ対策を行っています。ローカル端末で個人情報を加工する作業をおこなっているため、加工後に使えるデータ項目が限られ、分析精度が著しく低い（使えるデータ項目が少ない、部分一致検索できない等）ことが課題になっていました。
秘密計算をデータベースに適用することにより、データ加工の暗号化による自動化と、分析データの品質の維持を同時に実現し、データ管理コスト・分析コストの削減に貢献しました。
