Financial Services Blog    

Other parts of this series:

  1. 真の「生産性向上」と業務プロセス再構築、そして人の重要性海外先進事例に学ぶデジタル変革実現の鍵とは? ~ウェビナー
  2. RPAの要諦と次なるデジタル変革への挑戦 ~ウェビナー
  3. 「アンバンドル」から「社会構造変革」へ:日本におけるフィンテックの将来的可能性 ~ウェビナー
  4. 来たる“創造的破壊”の波に向けた、保険ビジネスのあり方とは ~ウェビナー
  5. デジタルウェルスマネジメントがもたらすアドバイスモデルの転換 _真の顧客本位の実現に向けて ~ウェビナー
  6. コーポレート領域でのデジタル技術導入による変革効果の限界と打開策–RegTechを中心とした効果創出の仕組みづくり  ~ウェビナー
  7. HUMAN + MACHINE:ビジネス変革における第3の波に日本企業はどう立ち向かうべきか ~ウェビナー
  8. ブロックチェーンは金融ビジネスをどう変えるか、何が可能になるのか~ウェビナー
  9. デジタル変革のあるべき姿 – 伊予銀行様DHDバンクを例に ~ウェビナー
  10. デジタル変革の鍵を握るCloud活用をどう進めるべきか – 金融業界における成功の要因 ~ウェビナー
  11. 真の顧客起点型ビジネスモデルの追求 –2つの主導権争いと鍵となるテクノロジーの展望~ウェビナー
  12. デジタルトランスフォーメーション(DX)における人材活用・リスキルの進め方とは~ウェビナー
  13. 顧客を知り、顧客に応え、顧客と共に育てるビジネス ー 2019年消費者動向調査を踏まえて ~ウェビナー
  14. Beyond RPA -RPAは期待した効果を出せたのか?これまでの総括と求められる次なる一手:第1回 RPAの特性と活用推進の鍵 ~ウェビナー
  15. BEYOND RPA -RPAは期待した効果を出せたのか?これまでの総括と求められる次なる一手:第2回 求められる次の一手と2つの方向性
  16. 第1回 グローバルのイノベーションにみる保険の新たな姿 _今だからできるサービスと日本への示唆~ウェビナー
  17. 第2回 グローバルのイノベーションにみる保険の新たな姿 _今だからできるサービスと日本への示唆~ウェビナー
  18. Bank4.0時代に向けた銀行変革 - “破”銀行、“創”銀行:第1回 Bank4.0時代の到来と国内金融機関への影響~ウェビナー
  19. Bank4.0時代に向けた銀行変革 - “破”銀行、“創”銀行:第2回 Bank4.0時代の“銀行”と実現に向けた鍵~ウェビナー
  20. 顧客価値と企業経営_Design Pivot 新しいデザインとの向き合い方 第1回 金融機関に求められる新たなビジネスデザイン~ウェビナー
  21. 顧客価値と企業経営_Design Pivot 新しいデザインとの向き合い方 第2回 新たなデザインとの向き合い方
  22. デジタルビジネスを加速させる次なるステージの組織運営と人材活用 _デジタルトランスフォーメーション(DX)のその先へ:第1回ディスラプションの進行と金融業界の現状~ウェビナー
  23. デジタルビジネスを加速させる次なるステージの組織運営と人材活用 _デジタルトランスフォーメーション(DX)のその先へ:第2回 変革へのロードマップ(1)オペレーティングモデル・シフト~ウェビナー
  24. デジタルビジネスを加速させる次なるステージの組織運営と人材活用 _デジタルトランスフォーメーション(DX)のその先へ:第3回 変革のロードマップ(2)リソース・シフトとワーク・シフト
  25. 守るテストと攻めるテスト:第1回 創造的破壊(disruption)の進行と金融業界の現状
  26. 守るテストと攻めるテスト:第2回 創造的破壊(disruption)の進行と金融業界の現状~“攻めるテスト”の要諦
  27. BPO(ビジネス・プロセス・アウトソーシング)のその先へ _これまでとデジタル化時代における 今後のあるべき姿 :第1回 新たな市場環境とアウトソーシングのかたち
  28. BPO(ビジネス・プロセス・アウトソーシング)のその先へ - これまでとデジタル化時代における 今後のあるべき姿 第2回 ― BPSのメリットと活用事例
  29. COVID-19による金融業界へのインパクトと先進事例に学ぶ「ニューノーマル」へのシフト:第1回 COVID-19のインパクトと『ニューノーマル』のかたち
  30. COVID-19による金融業界へのインパクトと先進事例に学ぶ「ニューノーマル」へのシフト:第2回 先進事例に学ぶ「ニューノーマル」へのシフト 銀行業界
  31. COVID-19による金融業界へのインパクトと先進事例に学ぶ「ニューノーマル」へのシフト 第3回 先進事例に学ぶ「ニューノーマル」へのシフト〜証券・保険業界
  32. 異業種連携による新たなビジネスチャンス獲得のための要諦とは:第1回 異業種連携の最新動向と金融サービスのポテンシャル
  33. 異業種連携による新たなビジネスチャンス獲得のための要諦とは:第2回 異業種による金融参入事例〜MarCoPayの実現に向けた日本郵船の取り組み
  34. 異業種連携による新たなビジネスチャンス獲得のための要諦とは:第3回 異業種による金融参入・連携における成功実現の要諦
  35. 保険イノベーションの最新動向 〜EFMA受賞イノベーションから見た次なる一歩とは:第1回 EFMAアワード受賞企業と保険イノベーションのトレンド
  36. 保険イノベーションの最新動向 〜EFMA受賞イノベーションから見た次なる一歩とは:第2回 保険会社が取るべき次なる一歩
  37. 筋肉質な経営体質に転換するための、聖域なきコスト削減 – リバウンドしない仕組みづくりとカルチャー変革
  38. 欧州デジタルバンキング、何が成否を分けたのか。そこから学ぶ日本への示唆とは:第1回
  39. 欧州デジタルバンキング、何が成否を分けたのか。そこから学ぶ日本への示唆とは:第2回
  40. 顧客体験を軸にしたビジネス変革 ~他業界に学ぶ顧客体験の追求と成長へのチャレンジ~
  41. 2021年の金融業界の展望 – 「ニューノーマル」を実現するために金融機関には何が求められるのか
  42. 「2025年の崖」を乗り越えるモダナイゼーションの現実的な施策とは その4 ~アクセンチュアの謎、なぜレガシーモダナイゼーションで選ばれるのか?
  43. データドリブン保険経営の要諦〜大同生命におけるビジネス・アナリティクス・クリエイティブ三位一体改革〜
  44. Capital Markets 2025 – 証券ビジネスの再創造に向けて
  45. Technology Vision 2021から読み解く日本の金融機関への示唆
  46. 日本初のデジタルバンク「みんなの銀行」は何を目指しているのか - 横田頭取・永吉副頭取をお迎えして
  47. 保険イノベーションの最新潮流~ Efma受賞イノベーションから見た最新事例と保険DXの将来像~
  48. 「パーパス起点」で金融機関はどう変わるのか ~ “Business of Experience(BX)”実現に向けた具体的な変革ポイント
  49. アウトソーシングの新潮流と人材戦略について
  50. 「事故のない世界」を目指して。イーデザイン損保の新たな自動車保険「&e アンディー」からパーパス起点の変革の意義を紐解く
  51. 2022年、金融機関の持続的成長には何が必要なのか。銀行・証券・保険の各業界のトレンドと展望を総括
  52. 銀行業界を牽引するグローバル大手銀行の戦略から、日本の金融機関への示唆を読み解く
  53. 岐路に立つ金融機関系システムは、10年後を見据えてどのように変わるべきなのか
  54. 金融機関のグローバル展開パターンを分析し、成功の要諦とシナジーの生み方を読み解く
  55. COVID19とは何だったのか。これまでの総括とこれからの予測、そして日本の金融機関への示唆
  56. メタバースは現実世界やビジネスをどう変えるのか。テクノロジー・ビジョン2022に寄せて
  57. 顧客ニーズの変化や手数料率の低下。証券リテール業界はどのように変わるべきなのか
  58. 保険イノベーションのグローバルトレンドと、今後起こりうる大きな変化。Qorus(旧Efma)受賞イノベーションから最新事例のご紹介
  59. 多様化するリスクに対し、日本の金融機関が取るべきデータドリブンなリスクマネジメントとは
  60. 顧客を「生活者」として捉え直す。真の顧客志向による顧客体験の最適化とマーケティングの変革
  61. 2023年の金融業界を占う。不確実な世界で持続的な成長と新たな価値創造を実現するための注力テーマ
  62. AI活用は意思決定の領域にまで拡大。金融業界におけるAI活用と「責任あるAI」の実現に向けて
  63. 金融機関におけるTalent Transformation(TX)の進め方

経営環境の不確実性が増している昨今、AIやデータの活用はビジネスにおいてますます重要なテーマとなっています。

また一方で、近年のAIは急速な進化を遂げつつあり、今までは機械での代替が難しいと思われていた領域にもAIの進出が始まっています。あらゆる領域でAI活用が進んでいく中、金融業界はどのようにAIと向き合うべきなのでしょうか。

第53回となる金融ウェビナーではAIの専門家2名も登壇し、「金融業界におけるデータ・AIの活用と“責任あるAI”の実現に向けて」というテーマで講演を開催いたしました。

なぜ今、データ・AIの活用が求められているのか?

デジタルテクノロジーが人々の生活の一部になった現在、世界の人口の半数以上がインターネットにアクセスし、平均して1日に6.4時間をオンラインで過ごすようになったといわれています。

このようにテクノロジーが日常化し、そして社会の不確実性が高まっている時代において、AI、クラウド、データアナリティクスなどデジタルの高い能力を持った「未来型企業」は、同業他社と比べて2倍の効率性、3倍の収益性を実現しています。

事実、世界時価総額で上位に並ぶトップ企業の多くは、AI技術をビジネスやサービスの主軸に据えています。ビジネスを成長させる上で、AIの活用は不可欠であるといえるでしょう。

さて、AIの進化とビジネスへのインパクトを振り返ると、AIはこれまでに数度のブームを経て進化してきました。特に2000年初頭からの第三次AIブームでは、ビジネスにおけるAI活用が飛躍的に進みました。

しかし、近年のAI活用はそれまでとは異なるフェーズに入っています。2022年から新たなブームとなっている「生成系AI」は、これまでの領域特化型AIとは違い、より実用的な多目的型AIとしての期待が高まっています。

金融業界でもAIの活用は進んでおり、既に一部業務は代替されつつあります。銀行ではローン審査担当やセールス担当、ファイナンシャルアドバイザーなど、そして保険ではセールス担当や請求査定担当、審査・調査官、保険引受人などの労働力がAI活用の影響を受けています。

しかし、AI活用においては注意すべきリスクもあります。

直近ではGPT-3ベースで人間に近い高度な言語能力を持つChatGPTが話題になりましたが、一方でその能力の高さを悪用する例も報告されています。良くも悪くも利用できるAIというテクノロジーに対して、どのように向き合うべきかを真剣に考えるタイミングが来ているといえるでしょう。

金融業界におけるAI活用事例

ここからは具体的なAI活用事例を見ていきます。

金融業界では顧客満足の飛躍的向上に向け、営業・マーケティング、契約、カスタマーサポートといった顧客接点においてAIの活用が始まっています。

なお、ウェビナーでは上記の図のうち(1)顧客ロイヤルティ分析、(2)コンタクトセンターのデジタル化、(3)NBA(Next Best Action)提供による営業活動のサポート、(4)解約の予兆分析などの事例を紹介しましたが、本レポートでは顧客ロイヤルティの分析を抜粋して紹介いたします。

顧客のライフスタイルや求める価値が大きく変化する中で、金融機関は既存の営業手法から脱却し、正しく顧客ロイヤルティを捉え、適切なアクションを実施することが急務となっています。とはいえ、様々なサービスを提供する中で、個々の顧客の状態を把握することは現実的に困難です。

そこで、アナリティクスによって顧客状態の把握や顧客ロイヤルティを予測。施策がもたらす経営へのインパクトをシミュレーションして可視化することが可能になります。

今まで人手がかかっていたり、高度な専門知識が求められることから機械への代替が難しいと思われていた領域であっても、AIの活用は進んでいきます。先述の図では顧客接点を中心にAIが活用されていましたが、今後、AIの活用範囲はバリューチェーン全体へと及んでいくでしょう。

「責任あるAI」が求められる理由とは

AIの性能向上に伴い、RPAなど既存業務の効率化に留まらず、人間の判断が必要になる業務でもAIの活用が進んでいきます。ゆくゆくは医療や人事、社会インフラなど、ヒトや社会を対象にした意思決定支援においてもAIを活用するケースが増えていくでしょう。

このようにAIによる意思決定の領域が拡大していく中、求められるのは「責任あるAI」です。

「責任あるAI」とは、「顧客や社会に対してAIの公平性・透明性を担保する方法論」と定義されています。AIそのものを指すというより、この方法論にもとづいて人間中心のAI活用を行うことが「責任あるAI」のあり方であるといえます。

「責任あるAI」が必要とされる背景には、AIが開発者の意図しなかった結果を生み出す「AIの暴走」があります。画像のタグ付けが不適切だったり、男女差別を助長したりと、特定のグループの人々に不利益が集中する問題は実際に起きています。

特に昨今では「倫理に反する企業からは製品を買わない、サービスを利用しない」と考える消費者が75%を占めるという調査結果もあり、企業は社会的倫理の高い行動を取ることが求められています。「AIの暴走」のような問題が発生した場合、自社のビジネスにもたらすネガティブなインパクトはきわめて大きなものになるでしょう。

そして、「責任あるAI」の考え方はグローバルで広まり、リスクベースのAIガバナンスが共通の戦略テーマになっています。特にEUでのAI包括規制案は、リスクベース・ライフサイクル横断的なガバナンスを求めています。

EUのAI包括規制案では、特定のAIシステムが「高リスク」に分類されると想定されています。「高リスクAIシステム」の例は、生体認証、法執行機関・犯罪分析、教育評価・入学、公的・民間サービスへのアクセス可否決定などのシステムが挙げられます。「高リスクAIシステム」では、人間による監視やシステムの透明性などがシステムの要件として求められるようになると考えられます。

まだ現段階では不確定なことも多く、これらの分類や要件は現状の規制案から類推される内容となりますが、自社のAIシステムが「高リスクAIシステム」に分類される可能性も考慮しておくべきです。

「責任あるAI」実現に向けたソリューション

「責任あるAI」の実現に向け、企業はどのようなガバナンスを取るべきなのでしょうか。

EUのAI包括規制案については、95%もの企業が自社の事業に影響があると考えていますが、必ずしも対策が進んでいる企業ばかりではありません。いまだ流動的な部分も多いため、見通しが立てにくいのが現状です。

「責任あるAI」ガバナンスの中心は、組織の様々な部門を結集した部門横断的なアプローチとなります。主なアプローチは、「原則とガバナンス」、「リスク、施策、統制」、「テクノロジーとイネーブラー」、「文化と教育」の4本の柱です。

また、以下はAI包括規制案がAI開発にどのように関わってくるのかをマッピングした図です。12個の主要テーマを取り上げていますが、あらゆるフェーズにおいてAI規制が関わってくることが見て取れます。

このことからも、責任あるAI実現に向けた4つの柱は、どれかひとつに注力するのではなく、すべてにバランス良く取り組むことが重要であることが分かります。

銀行・保険業界のユースケース

銀行・保険業界でのユースケースとして、アクセンチュアが支援したふたつの事例を紹介いたします。

まずひとつは、シンガポール金融管理局でのAI・データ分析活用フレームワーク作成の取り組みです。

シンガポールの金融セクターでは、AI・データ分析において「公平性、倫理、説明責任、透明性(FEAT)」を推進する原則を2018年に発表し、2019年よりFEAT原則をAI・データ分析ソリューションに組み込むためのガイドラインの作成を開始。アクセンチュアは、FEAT原則全体を発展させ、統合されたガイダンスとして提供するフェーズ2に参画いたしました。

次の保険業界の事例は、保険会社のAI活用において公平性を適用した取り組みです。某保険会社では、顧客の正確な保険リスク評価を行い、保険承認までのプロセスを短縮化するため、AIでのリスク評価を検討していました。

個人の保険加入をAIの評価によって高リスクと低リスクに分け、高リスクについては従来の決定プロセスで、低リスクについてはAIを用いて短時間で判断する意思決定フローを策定しました。不公平な推定はより多くの顧客に影響を与えてしまう可能性があるため、このAIの公平性が問題になります。

とはいえ、異なる公平性指標を同時に満たすことはできず、最適な判断を行うことは現実的に困難です。ここでの重要なポイントは、公平性の評価指標を定めておき、意思決定の判断根拠を履歴として残しておくことです。

今までは人間による恣意的な判断も多かったかと思いますが、AIを活用した意思決定については、後から参照できるよう、その判断根拠を残しておくことがガバナンスにおいて重要になります。

さて、今回の金融ウェビナーでは、AIがあらゆる領域に拡大していくこと、そしてAIのリスクも考慮しながらガバナンス体制を構築することが必要であることをお伝えしてまいりました。

本レポートでは内容を抜粋して紹介しましたが、ウェビナー本編ではその他の活用事例や、他社の事例なども紹介しております。ご興味をお持ちの方は無料のオンデマンド版もぜひご視聴ください。

今回のウェビナーでは、金融業界の外部へと目を向け、最新の顧客体験の創造に取り組んでいる事例を紹介しました。本記事の内容は、オンデマンド視聴可能なウェビナーでより詳しく紹介しております。ハンズオン資料のご提供ほか、豊富な図版を交えた説明、視聴者からのQ&Aを含む約60分の映像コンテンツとなっておりますので、ぜひご視聴ください。

アクセンチュア金融サービス本部ウェビナー第53回のご視聴はこちら

Submit a Comment

Your email address will not be published. Required fields are marked *