大手金融機関は生成型AIの実験を加速させており、ゴールドマン・サックスは現在、複数のバックオフィス業務にわたってアントロピックのクラウドプラットフォームを拡大しています。ゴールドマン・サックスは生成型AIをバックオフィスに導入ゴールドマン・サックスは、アントロピックのクラウドモデルを取引会計や顧客オンボーディングに展開する計画であり、これを大手銀行の間で効率向上を目的としたより広範な推進の一環と位置付けています。最初の重点は、従来は大規模なチームが書類のレビュー、照合、コンプライアンスチェックを行ってきたバックオフィスの運用プロセスにあります。すでにいくつかの銀行は知識作業に生成型AIを適用しています。JPMorgan Chaseは従業員に対して情報検索やデータ分析のための大規模言語モデルのスイートを提供しています。さらに、バンク・オブ・アメリカはエリカアシスタントを使って内部の技術や人事に関する質問に回答しています。シティとゴールドマンも、コーディング作業を支援するAIツールに依存しており、これらの早期導入は研究やソフトウェア開発に重点を置いていたことを示しています。しかし、アメリカン・バンカーの報告によると、新たなトレンドとして、生成型AIを取引会計や顧客確認（KYC）などの運用活動に活用する動きが出てきています。これは純粋な分析用途から、日常の銀行業務に直接影響を与える取引重視のワークフローの自動化へとシフトしていることを示しています。KYCや照合のエッジケースの自動化多くの自動化可能な銀行業務はルールベースで、データ収集、内部外部データベースとの照合、必要な書類の作成を含みます。理論的には、従来のソフトウェアがこれらの作業の多くを処理しています。しかし、ゴールドマンの最高情報責任者（CIO）マルコ・アルジェンティは、ルールベースのプラットフォームがほとんどのケースを解決しても、少数の取引が事前定義されたパラメータから外れ、規模に応じて何千もの例外を生み出すと指摘しています。彼は、KYCコンプライアンスにおける身元確認の例を挙げています。クライアントの記録や書類のわずかな不一致や有効期限間近の書類は、エッジケースを生み出し、人間の判断を必要とします。さらに、これらの例外は大量の取引環境に集中しやすく、手動レビューはコストがかかり遅くなる傾向があります。アルジェンティは、ニューラルネットワークがこれらの微細な判断を処理できると述べています。なぜなら、固定されたルールが欠如または曖昧な場合に、文脈に基づく推論を適用できるからです。この仕組みでは、生成型AIは既存のルールエンジンを補完し、置き換えるものではありません。運用上の利点は、手動介入が必要なケースの割合を縮小し、それにより例外解決にかかる時間を短縮し、ストレートスルー処理を改善することにあります。AI支援ソフトウェア開発から得た教訓ゴールドマンは、内部ソフトウェア開発にクラウドのクラウドモデルを用いた経験から、AIを他の運用分野に拡大する決定をしました。銀行の開発者は、クラウドとコグニションのデビンエージェントを組み合わせてプログラミングのワークフローを支援しています。この過程では、エンジニアが仕様や規制の制約を定義し、エージェントがコードを生成し、その後、開発者が出力をレビュー・改善します。デビンエージェントはコードのテストや検証も行います。アルジェンティはこの仕組みを、「明確に定義された指示のもとで動作するAIエージェントによる構造的な変化」と表現しています。さらに、仕様に基づくコーディングと自動テストの組み合わせにより、開発者の生産性が向上し、プロジェクトの完了時間も短縮されました。この経験から、ゴールドマンは、責任範囲を明確に分ける限り、規制のある環境内でAIエージェントが安全にタスクを処理できると確信しています。ただし、出力に規制やリスクが関わる場合は、人間によるレビュー層が依然として重要です。コーディングから書類中心の運用ワークフローへ取引会計や顧客オンボーディングにおいて、ゴールドマンとアントロピックのプロジェクトリーダーは、まずドメインの専門家とともに既存のワークフローを観察し、ボトルネックを特定しました。導入されたAIエージェントは、書類のレビュー、エンティティの抽出、追加書類の必要性の判断、所有権構造の評価、適切な場合にはコンプライアンスチェックのトリガーを行います。これらの作業は書類が多く、個別の判断を要するため、AI支援による意思決定支援に適しています。抽出と予備評価を自動化することで、分析担当者の手作業による比較作業の時間を短縮しています。ただし、最終的な意思決定を置き換えるわけではなく、構造化されたデータや次のステップの提案を提示し、専門家は複雑またはリスクの高いケースに集中できるようにしています。フォレスターの主任アナリスト、インドラニル・バンディオパディヤは、取引会計の照合には、内部台帳、相手方確認、銀行明細などの断片化されたデータの比較が必要だと説明しています。典型的なワークフローは、複数の書類から正確に数値やテキストを抽出し、照合することに依存しています。ここで、アントロピックのクラウドは、この大量の書類を扱う照合ステップを効率的に処理する手段として位置付けられています。クラウドが照合とオンボーディングに適している理由バンディオパディヤは、クラウドの大きなコンテキストウィンドウの処理能力と詳細な指示に従う能力が、複雑な照合ワークフローに適していると指摘しています。顧客オンボーディングでは、パスポートや法人登録書類を解析し、すべての情報源をクロスリファレンスする必要があります。さらに、非構造化書類の解釈も必要となり、従来のルールベースツールでは効率的に管理できない複雑さが加わります。この環境では、AIの構造化データ抽出、矛盾点の指摘、欠落書類のフラグ付けが有効です。これにより、アナリストの作業負荷が軽減され、クライアントのオンボーディングも迅速化される一方、銀行に求められるガバナンス基準も維持されます。重要なのは、会計やコンプライアンスのプラットフォームが依然として記録の正規システムである点です。クラウドは、抽出と比較のワークフロー層に位置し、例外処理は人間のアナリストが担当します。この分業により、銀行のような規制の厳しい分野では、完全自動化よりもこの仕組みの方が運用上の価値が高いと考えられています。リスク管理、不確実性、人的監督アントロピックの金融サービス責任者ジョナサン・ペロシは、クラウドは不確実性を浮き彫りにし、出典を明示することで、ハルシネーションの影響を軽減する監査証跡を作り出すと述べています。これらの設計は、出力に対する証拠をリンクさせることで、リスクチームや規制当局に対してAIの挙動をより透明にすることも目的としています。バンディオパディヤも、人的監督と検証の重要性を強調し、早期にエラーを検出できるようシステム設計を促しています。ただし、適切に監視された場合、AIエージェントは繰り返しのチェックや比較を人間よりもはるかに迅速に処理できると認めています。ゴールドマンのマルコ・アルジェンティは、AIシステムが人間よりも騙されやすいという考えを否定します。彼は、ソーシャルエンジニアリング攻撃は主に人間の脆弱性を突くものであり、AIモデルは微妙な異常を大規模に検出できると述べています。ただし、最適な運用は、人間の判断と自動化された監査を統合したチームの形態であると繰り返しています。銀行業務への影響アルジェンティによると、この組み合わせは、既存の人員増加を伴わずに運用能力を大幅に向上させることを意味します。さらに、規制や書類作成の負担が増大する中でも、銀行は人員の拡大を抑えつつ、管理体制を維持できるとしています。銀行業界全体では、生成型AIは書類処理の高速化、例外処理時間の短縮、取引量の多いワークフローの処理能力向上に役立つツールとして浮上しています。ただし、人的監督の必要性は依然として高いため、金融機関は既存の記録システムやガバナンス体制を維持しつつ、AIはそれらの上層にある層の効率化に利用するのが基本的なモデルです。要約すると、ゴールドマンのクラウドや関連エージェントの取り組みは、金融分野における生成型AIの実用的なモデルを示しています。書類中心のルールに近いタスクを自動化し、例外を明確に浮き彫りにし、最終的な重要判断や規制遵守は人間の専門家に委ねるというアプローチです。
ゴールドマン・サックス、取引会計とクライアントオンボーディングにおけるAnthropic Claudeの運用利用を拡大
大手金融機関は生成型AIの実験を加速させており、ゴールドマン・サックスは現在、複数のバックオフィス業務にわたってアントロピックのクラウドプラットフォームを拡大しています。
ゴールドマン・サックスは生成型AIをバックオフィスに導入
ゴールドマン・サックスは、アントロピックのクラウドモデルを取引会計や顧客オンボーディングに展開する計画であり、これを大手銀行の間で効率向上を目的としたより広範な推進の一環と位置付けています。最初の重点は、従来は大規模なチームが書類のレビュー、照合、コンプライアンスチェックを行ってきたバックオフィスの運用プロセスにあります。
すでにいくつかの銀行は知識作業に生成型AIを適用しています。JPMorgan Chaseは従業員に対して情報検索やデータ分析のための大規模言語モデルのスイートを提供しています。さらに、バンク・オブ・アメリカはエリカアシスタントを使って内部の技術や人事に関する質問に回答しています。シティとゴールドマンも、コーディング作業を支援するAIツールに依存しており、これらの早期導入は研究やソフトウェア開発に重点を置いていたことを示しています。
しかし、アメリカン・バンカーの報告によると、新たなトレンドとして、生成型AIを取引会計や顧客確認（KYC）などの運用活動に活用する動きが出てきています。これは純粋な分析用途から、日常の銀行業務に直接影響を与える取引重視のワークフローの自動化へとシフトしていることを示しています。
KYCや照合のエッジケースの自動化
多くの自動化可能な銀行業務はルールベースで、データ収集、内部外部データベースとの照合、必要な書類の作成を含みます。理論的には、従来のソフトウェアがこれらの作業の多くを処理しています。しかし、ゴールドマンの最高情報責任者（CIO）マルコ・アルジェンティは、ルールベースのプラットフォームがほとんどのケースを解決しても、少数の取引が事前定義されたパラメータから外れ、規模に応じて何千もの例外を生み出すと指摘しています。
彼は、KYCコンプライアンスにおける身元確認の例を挙げています。クライアントの記録や書類のわずかな不一致や有効期限間近の書類は、エッジケースを生み出し、人間の判断を必要とします。さらに、これらの例外は大量の取引環境に集中しやすく、手動レビューはコストがかかり遅くなる傾向があります。
アルジェンティは、ニューラルネットワークがこれらの微細な判断を処理できると述べています。なぜなら、固定されたルールが欠如または曖昧な場合に、文脈に基づく推論を適用できるからです。この仕組みでは、生成型AIは既存のルールエンジンを補完し、置き換えるものではありません。運用上の利点は、手動介入が必要なケースの割合を縮小し、それにより例外解決にかかる時間を短縮し、ストレートスルー処理を改善することにあります。
AI支援ソフトウェア開発から得た教訓
ゴールドマンは、内部ソフトウェア開発にクラウドのクラウドモデルを用いた経験から、AIを他の運用分野に拡大する決定をしました。銀行の開発者は、クラウドとコグニションのデビンエージェントを組み合わせてプログラミングのワークフローを支援しています。この過程では、エンジニアが仕様や規制の制約を定義し、エージェントがコードを生成し、その後、開発者が出力をレビュー・改善します。
デビンエージェントはコードのテストや検証も行います。アルジェンティはこの仕組みを、「明確に定義された指示のもとで動作するAIエージェントによる構造的な変化」と表現しています。さらに、仕様に基づくコーディングと自動テストの組み合わせにより、開発者の生産性が向上し、プロジェクトの完了時間も短縮されました。
この経験から、ゴールドマンは、責任範囲を明確に分ける限り、規制のある環境内でAIエージェントが安全にタスクを処理できると確信しています。ただし、出力に規制やリスクが関わる場合は、人間によるレビュー層が依然として重要です。
コーディングから書類中心の運用ワークフローへ
取引会計や顧客オンボーディングにおいて、ゴールドマンとアントロピックのプロジェクトリーダーは、まずドメインの専門家とともに既存のワークフローを観察し、ボトルネックを特定しました。導入されたAIエージェントは、書類のレビュー、エンティティの抽出、追加書類の必要性の判断、所有権構造の評価、適切な場合にはコンプライアンスチェックのトリガーを行います。これらの作業は書類が多く、個別の判断を要するため、AI支援による意思決定支援に適しています。
抽出と予備評価を自動化することで、分析担当者の手作業による比較作業の時間を短縮しています。ただし、最終的な意思決定を置き換えるわけではなく、構造化されたデータや次のステップの提案を提示し、専門家は複雑またはリスクの高いケースに集中できるようにしています。
フォレスターの主任アナリスト、インドラニル・バンディオパディヤは、取引会計の照合には、内部台帳、相手方確認、銀行明細などの断片化されたデータの比較が必要だと説明しています。典型的なワークフローは、複数の書類から正確に数値やテキストを抽出し、照合することに依存しています。ここで、アントロピックのクラウドは、この大量の書類を扱う照合ステップを効率的に処理する手段として位置付けられています。
クラウドが照合とオンボーディングに適している理由
バンディオパディヤは、クラウドの大きなコンテキストウィンドウの処理能力と詳細な指示に従う能力が、複雑な照合ワークフローに適していると指摘しています。顧客オンボーディングでは、パスポートや法人登録書類を解析し、すべての情報源をクロスリファレンスする必要があります。さらに、非構造化書類の解釈も必要となり、従来のルールベースツールでは効率的に管理できない複雑さが加わります。
この環境では、AIの構造化データ抽出、矛盾点の指摘、欠落書類のフラグ付けが有効です。これにより、アナリストの作業負荷が軽減され、クライアントのオンボーディングも迅速化される一方、銀行に求められるガバナンス基準も維持されます。
重要なのは、会計やコンプライアンスのプラットフォームが依然として記録の正規システムである点です。クラウドは、抽出と比較のワークフロー層に位置し、例外処理は人間のアナリストが担当します。この分業により、銀行のような規制の厳しい分野では、完全自動化よりもこの仕組みの方が運用上の価値が高いと考えられています。
リスク管理、不確実性、人的監督
アントロピックの金融サービス責任者ジョナサン・ペロシは、クラウドは不確実性を浮き彫りにし、出典を明示することで、ハルシネーションの影響を軽減する監査証跡を作り出すと述べています。これらの設計は、出力に対する証拠をリンクさせることで、リスクチームや規制当局に対してAIの挙動をより透明にすることも目的としています。
バンディオパディヤも、人的監督と検証の重要性を強調し、早期にエラーを検出できるようシステム設計を促しています。ただし、適切に監視された場合、AIエージェントは繰り返しのチェックや比較を人間よりもはるかに迅速に処理できると認めています。
ゴールドマンのマルコ・アルジェンティは、AIシステムが人間よりも騙されやすいという考えを否定します。彼は、ソーシャルエンジニアリング攻撃は主に人間の脆弱性を突くものであり、AIモデルは微妙な異常を大規模に検出できると述べています。ただし、最適な運用は、人間の判断と自動化された監査を統合したチームの形態であると繰り返しています。
銀行業務への影響
アルジェンティによると、この組み合わせは、既存の人員増加を伴わずに運用能力を大幅に向上させることを意味します。さらに、規制や書類作成の負担が増大する中でも、銀行は人員の拡大を抑えつつ、管理体制を維持できるとしています。
銀行業界全体では、生成型AIは書類処理の高速化、例外処理時間の短縮、取引量の多いワークフローの処理能力向上に役立つツールとして浮上しています。ただし、人的監督の必要性は依然として高いため、金融機関は既存の記録システムやガバナンス体制を維持しつつ、AIはそれらの上層にある層の効率化に利用するのが基本的なモデルです。
要約すると、ゴールドマンのクラウドや関連エージェントの取り組みは、金融分野における生成型AIの実用的なモデルを示しています。書類中心のルールに近いタスクを自動化し、例外を明確に浮き彫りにし、最終的な重要判断や規制遵守は人間の専門家に委ねるというアプローチです。