AIを活用したKYCは、銀行の非対称リスクをどのように軽減できるか？

ジョン・フラワーズはeClerxのグローバル・ヘッド・オブ・ファイナンシャル・マーケットを務めています。金融テクノロジーサービス分野で30年以上の経験を持ち、ビジネスの技術側と顧客対応側の両方でさまざまな役職を歴任しています。

トップのフィンテックニュースやイベントを発見しよう！

FinTech Weeklyのニュースレターに登録しよう

JPモルガン、コインベース、ブラックロック、クラルナなどの幹部が読んでいます

非対称リスクは、銀行、フィンテック企業、その他の厳しく規制された事業にとって常に脅威です。マネーロンダリングやその他の犯罪に関与していることを見落とした顧客に関する不十分なデューデリジェンス調査は、数百万ドルの罰金、評判の損失、最高レベルの規制当局による措置につながる可能性があります。小さなミスでもこれらの大きな結果をもたらすため、顧客確認（KYC）プロセスの小さなギャップを排除することは、機関とそのステークホルダーの両方を守るために不可欠です。

従来、効果的なKYCおよびマネーロンダリング対策（AML）には、顧客のリスク評価を入会時に包括的に行い、その後リスクプロフィールや行動の変化を定期的に監視することが必要でしたが、これらは非常に手作業に頼ることが多く、遅延が生じやすいものでした。現在では、AIと自動化により、リアルタイムのデータを活用し、より積極的な金融犯罪防止策を実現することで、KYCを強化し、AMLの監視を向上させることが可能になっています。

AIはKYC/AMLリスク低減においてどのような役割を果たすのか？

運用上のミスや罰則は、銀行のAML/KYCプロセスやソリューションへの多大な投資にもかかわらず発生しています。ジュニパーリサーチによると、2024年の世界のKYC支出は前年の308億ドルと見積もられています。しかし、多くの機関は依然として手作業による顧客データの処理と更新に頼っており、これが入会の遅れやリスクプロフィールの変化を示す更新の遅延につながっています。

ルールベースのロボティック・プロセス・オートメーション（RPA）を用いてこれらの一部のプロセスを自動化すれば、スピードアップは可能ですが、誤検知率が高くなり、手動レビューに多くの時間を要することもあります。一方で、犯罪者は高度な技術を駆使してKYCやAMLのプロセスを回避しようとしています。AIや盗用・偽造された身分証データを使えば、分析官や基本的な自動化システムを騙すのに十分な書類や履歴を作成できるのです。

AI対応の自動化や生成AI（GenAI）をRPAに追加することで、銀行はこれらの課題に多角的に対処できます。

1. 顧客入会体験の向上

KYCの一環として、企業は新規顧客に対して必要な書類や情報のリストを提供しますが、これらが適切に伝えられないと、顧客が混乱し、承認が遅れることがあります。特に、求められる情報が該当する法域の規制要件と明確に一致しない場合、分析官が不一致を解決するために余分な作業を強いられることになります。

AIの自然言語処理モデルを入会プロセスに組み込むことで、銀行は規制に基づいた適切な情報を効果的に伝達し、必要な情報を適切にリクエストできます。その結果、誤った選択や不適切な書類提出によるエラーを減らし、データのギャップや誤りを未然に防ぐことが可能です。

2. 身元詐欺の検出

AIを活用したコンピュータビジョンや合成身分証検出モデルは、書類や金融履歴が偽造または盗用されたものである可能性を指摘できます。これらのツールは、複数の情報源から時間をかけてデータを統合し、人間の分析官や従来のルールエンジンでは見逃しがちなつながりを見つけ出します。顧客の身元と実世界の活動を素早く関連付け、矛盾があればフラグを立てて調査を促します。

3. リアルタイムのKYC・AML監視

入会後も顧客データの維持は終わりのない作業です。顧客の活動を監視し、悪意のあるニュースをスキャンし、ビジネスネットワークの変化を把握することは、顧客のリスクプロフィールの変化を見逃さないために重要です。GenAIモデルは、複数のプラットフォームやデータソースからデータを取り込み、各顧客のリスクプロフィールの基準を設定し、新たなデータがリスクの変化を示した場合にアラートを発します。

4. コンプライアンスとレポーティング

包括的な入会と監視ソリューションは、銀行がAMLコンプライアンスを評価し、改善点を特定し、内部関係者や規制当局向けのレポートを作成するために必要なデータインサイトも提供します。GenAIのレポーティングソリューションは、大量のデータを取り込み質問に答えるだけでなく、直感的なグラフやチャート、ダッシュボード、レポートに情報を表示できるように学習させることも可能です。これにより、銀行のリーダーシップは新たな問題を早期に発見し、対処できます。

5. 技術と規制の変化への適応

GenAIやAI対応の自動化システムは、入力データから学習します。つまり、新しいデータソースや技術プラットフォームを接続した際に、大規模な再構築や長い統合プロセスを必要とせずに適応できるよう訓練可能です。これにより、機関はAI投資の価値を長期にわたって最大化できます。

AIの学習能力は、規制変更時の要件更新も容易にします。新しいガイドラインに基づくAIのKYCモデルの訓練やテストは、手動で非AIプラットフォームを更新するよりも短時間で済みます。分析官の新しいガイドラインへの習熟よりも速いこともあります。AIは、簡単な質問に答えたり、変更点をわかりやすく要約したりすることで、この訓練を支援することも可能です。分析官は、最新の情報を迅速に把握し、新しいポリシーを一貫して遵守・施行できます。

AIによるKYC/AMLの非対称リスク低減

AIを活用したKYCおよびAMLツールは、金融リスク管理の未来を示しています。これらは、今日の銀行の非対称リスクへの露出を大きく抑えるとともに、進化する技術や規制環境に適応し、将来の脅威から守ることも可能です。規制当局が国際犯罪における金融機関の役割をますます厳しく監視し、犯罪者が従来のKYCやAMLの対策を回避する能力を高める中、AIをKYC・AMLのワークフローに統合することは、機関が今後も効果的に保護を強化する最も有効な方法です。