プラメリAI、銀行業務向け標準統合ソリューションを発表

デジタルバンキングプラットフォーム「Plumery AI」は、金融機関が直面する主要課題——ガバナンス、セキュリティ、規制コンプライアンスを損なうことなく、AIのパイロットプロジェクトから脱却し、人工知能を日常的な銀行業務に組み込むこと——を解決するために設計された新技術を導入した。

「AIファブリック」と名付けられたこのソリューションは、生成AIツールやモデルを中核的な銀行データ・サービスに接続するための標準化されたフレームワークを提供する。同社によれば、本製品はカスタム統合の必要性を最小限に抑え、金融機関の成長に合わせて拡張可能なイベント駆動型・APIファーストのアーキテクチャを促進する。

この課題は銀行業界全体で広く認識されている。過去10年間にAI実験へ多額の投資を行ってきたにもかかわらず、多くの銀行は大規模なAI導入に苦戦している。 マッキンゼーの調査によれば、生成AIは金融サービスにおける生産性大幅向上と顧客体験強化の可能性を秘める一方、断片化したデータシステムとレガシーな運用モデルが原因で、大半の銀行がパイロット段階から本番環境への移行に困難を感じている。同コンサルティング会社は、企業全体でのAI導入には共有インフラ、強固なガバナンス、再利用可能なデータプロダクトが不可欠だと強調する。

プラムリー創業者兼CEOのベン・ゴールディンは本発表について、金融機関がAIに明確な期待を抱いていると指摘した。

「顧客体験の向上と業務効率化を実現する実世界のユースケースを求めているが、ガバナンス、セキュリティ、管理権限については一切の妥協を許さない」と説明。「イベント駆動型データメッシュアーキテクチャは、銀行データの生成・共有・利用方法そのものを変革する。単なるレガシープラットフォームへのAIシステムの追加ではない」

断片化されたデータが障壁に

データの断片化は、銀行業界におけるAIの効果的な導入を阻み続けている。多くの金融機関は、新しいデジタルチャネルと並行して稼働する旧式の基幹システムに依存しており、製品データと顧客データがサイロ化されている。新たなAIプロジェクトごとに追加の統合作業、セキュリティ評価、ガバナンス承認が必要となり、コスト増加と導入遅延を招いている。

この診断は学術研究と業界調査の両方で裏付けられている。金融分野における説明可能なAIに関する研究は、断片化されたデータパイプラインが意思決定の追跡を複雑化し、特に信用スコアリングやマネーロンダリング対策において規制リスクを高めることを強調している。規制当局は、基盤となるモデルの起源に関わらず、銀行がAI駆動の結果を説明し監査できる必要性を強調している。

Plumery社は、自社のAI Fabricが銀行データを管理されたドメイン特化型ストリームに組織化することで、複数のユースケースを支援し、これらの課題を解決すると主張している。同社は、記録システムとエンゲージメント／インテリジェンスシステムを分離することで、銀行がより安全にイノベーションを実現できると述べている。

AIの実用化事例

こうした障壁があるにもかかわらず、金融業界の様々な分野で既にAIが活用されている。業界アナリストのレポートは、カスタマーサービス、リスク管理、コンプライアンスにおける機械学習と自然言語処理の広範な採用を強調している。

例えばシティバンクはAI駆動型チャットボットで日常的な顧客問い合わせを管理し、コールセンターの負担軽減と応答時間短縮を実現。他主要銀行は予測分析を融資ポートフォリオ監視や債務不履行予測に活用。サンタンデール銀行は信用リスク評価とポートフォリオ管理改善のための機械学習モデル導入を公表している。

不正検知も成熟した応用例である。銀行は取引パターンの分析や不審な活動の特定にAIシステムをますます活用しており、従来のルールベース手法よりも高い精度を実現している。技術コンサルティング企業によれば、これらのモデルは一貫した高品質のデータストリームに依存するが、中小金融機関にとっては統合の複雑さが依然として障壁となっている。

より高度な応用例も出現している。大規模言語モデルに関する学術研究では、適切なガバナンスのもとで対話型AIが最終的にリテールバンキングにおける取引処理やアドバイザリー機能を支援できる可能性が示唆されている。とはいえ、こうした実装は依然として実験段階にあり、厳格な規制監視の対象となっている。

プラットフォーム提供者とエコシステムアプローチ

プラムリーは、ベンダーがコアシステム代替ではなくオーケストレーション層として位置付けるデジタルバンキングプラットフォーム市場で競争している。同社はより大規模なフィンテックエコシステムへの統合を目指し、パートナーシップを構築している。オープンバンキングインフラプロバイダーであるオゾンAPIとの連携は、銀行が広範なカスタム開発なしにコンプライアンス対応サービスを迅速に立ち上げられるよう支援することを目的としている。

この戦略は、業界全体で進む「コンポーザブル・アーキテクチャ」への移行を反映している。バックベースなどのベンダーは、銀行がAI、アナリティクス、サードパーティサービスを既存コアシステムに統合できるAPI中心のプラットフォームを推進している。アナリストは概ね、こうしたアーキテクチャが全面的なシステム置換よりも段階的なイノベーションを効果的に支援すると見ている。

導入準備状況は依然としてばらつきがある

AI導入に向けた業界の準備状況には大きなばらつきがある。ボストン・コンサルティング・グループの報告書によれば、大規模なAI導入に備えができていると感じている銀行は4分の1未満である。この格差は、ガバナンス、データインフラ、運用規律の弱さから生じていると結論づけている。

これに対応し、規制当局は管理されたテスト環境を整備した。英国では規制サンドボックスプログラムにより、銀行は監督下でAIを含む新技術を試験導入できる。これらの取り組みは、説明責任とリスク管理を確保しつつイノベーションを促進することを目的としている。

プラメリのようなプロバイダーにとっての機会は、技術的野心と規制要件を両立させるインフラの提供にある。AIファブリックは運用AIへの明確な需要がある市場に参入するが、成功は新たなツールが安全かつ透明であることを実証できるかどうかにかかっている。

プラメリのアプローチが業界標準となるかは未知数だ。銀行が実験段階から本番運用へ移行する中、焦点はAIを支える基盤アーキテクチャへと移りつつある。こうした状況下では、技術的柔軟性と強固なガバナンスを提供するプラットフォームが、デジタルバンキングの次段階において重要な役割を担う可能性が高い。

業界の専門家からAIとビッグデータについてさらに学びたいですか？アムステルダム、カリフォルニア、ロンドンで開催される「AI & Big Data Expo」にご参加ください。この包括的なイベントはTechExの一部であり、他の主要テクノロジーカンファレンスと同時開催されます。詳細はこちらをクリック。

AIニュースはTechForge Mediaがお届けします。今後のエンタープライズ技術イベントやウェビナーの詳細はこちらでご確認ください。