この記事のバージョンはMariselaOrdezによって翻訳されました 汎用テクノロジー は、経済学者が長引く経済成長と社会の進歩に拍車をかけ、家計と企業の運営に革命をもたらす技術のために確保している用語です。汎用技術の例は電気です。電気は、冷蔵庫、洗濯機、電車、そしてもちろんコンピューターを含む、多数の製品とセクターを生み出しました。電気の出現は世界を根本的に変えました。
最近のハーバードビジネスレビューの記事は、人工知能（AI）を私たちの時代の最も重要な汎用技術として指定しています 。私たちはAIの力に精通しています。それは、世界的に有名なチェスプレーヤーを倒すロボットの形で現れます。縦列駐車が可能な車。尋ねると明日の天気に反応するデバイス。しかし、AIとの接触、およびAIの理解の多くは、消費者としての日常生活に影響を与える製品を中心に展開しています。組織レベルでは、AIが業界をどのように混乱させるか、具体的には、金融サービスがAIをどのように活用するかについてより大きな問題があります。
次の記事では、人工知能、その関連テクノロジーの範囲、AI業界全体の規模、および金融における人工知能のアプリケーションについて定義します。この作品は、AI開発に関する規範的な判断を提供することを目的としたものではありません。むしろ、AIがどのように金融を混乱させているかに焦点を当てます。
人工知能は、人間のように機能するインテリジェントなマシンの作成に焦点を当てたコンピューターサイエンスの分野です。 AIコンピューターは、学習、意思決定、計画、音声認識などの人間の機能を実行するように設計されています。
人工知能により、人間がその方法について規範的な指示を提供することなく、機械のパフォーマンスを継続的に向上させることができます。これはいくつかの理由で重要です。第一に、人間は私たちが話すことができる以上のことを知っています。つまり、人間はチェスのゲームで顔を認識したり、スマートな戦略を実行したりできる可能性があります。ただし、高度な人工知能技術が登場する前は、人間が知識を明確に表現できないため、多くのタスクを自動化できませんでした。第二に、AIテクノロジーは実行において超人的であり、人間よりも迅速かつ頻繁に正確に動作します。
人工知能には、多数の機能とテクノロジーが含まれます。コンサルティング会社のPWCは、AIは「モノリシックなサブジェクトエリアではない」と強調しています。これは、「インテリジェント」であることの意味についての私たちの概念にすべてを追加する多くの要素で構成されています。」以下は、AIの最も人気のある分野のいくつかです。
もちろん、このリストは包括的ではありません。人工知能の幅広いトピックとテクノロジーについては、以下をご覧ください。
前述のハーバードビジネスレビューの記事では、「製造、小売、輸送、金融、ヘルスケア、法律、広告、保険、エンターテインメント、教育、その他すべての業界が機械学習を活用するためのコアプロセスとビジネスモデル。ボトルネックは、管理、実装、およびビジネスの想像力にあります。」
業界全体でAIが広く採用されると、2017年には125億ドル、2020年には470億ドルの世界的な収益が見込まれ、2016年から2020年までの年平均成長率（CAGR）は55.1％になります。テクノロジーは銀行業と小売業であり、ヘルスケアと製造業がそれに続きます。合計すると、これら4つの業界は2016年に世界のAI収益の半分以上を占め、銀行部門と小売部門はそれぞれ15億ドル近くを提供します。
業界全体で、2017年の最大のAI投資は、自動化されたカスタマーサービスエージェント、自動化された脅威インテリジェンス、不正分析などの分野になります（下のグラフを参照）。市場調査会社IDCのプログラムディレクターであるJessicaGoepfert氏は、次のように述べています。これらのセグメントには、豊富な非構造化データ、この情報からの洞察を活用したいという願望、革新的なテクノロジーへの開放性があります。」この記事の次のセクションでは、金融サービス業界における人工知能のさまざまなユースケースについて詳しく説明します。
金融における人工知能は、リスク管理や取引から引受や請求に至るまでの分野で運用効率を高める可能性があります。一部のアプリケーションは金融サービス内の特定のセクターにより関連性がありますが、他のアプリケーションは全面的に活用できます。
人工知能は、セキュリティと不正検出に関して非常に価値があることが証明されています。不正検出の従来の方法には、一連のルールに照らして構造化データを分析するコンピューターが含まれます。たとえば、特定の決済会社が電信送金のしきい値を15,000ドルに設定して、その金額を超えるトランザクションにはさらに調査のフラグが立てられる場合があります。ただし、このタイプの分析では多くの誤検知が発生し、多くの追加作業が必要になります。おそらくさらに重要なことに、サイバー犯罪詐欺師は頻繁に戦術を変更します。したがって、最も効果的なシステムは継続的にスマートになる必要があります。
深層学習などの高度な学習アルゴリズムを使用すると、動的調整のために新しい機能をシステムに追加できます。 Deloitte Transactions and Business AnalyticsLLPのアドバイザリープリンシパルであるSamirHans氏は、次のように述べています。コグニティブシステムが潜在的な詐欺と判断したものを追い出し、人間がX、Y、Zのために詐欺ではないと判断した場合、コンピューターはそれらの人間の洞察から学習し、次回は同様の検出を送信しません。コンピューターはますます賢くなっています。」
たとえば、決済大手のPayPalとその高度な詐欺プロトコルを考えてみましょう。その規模と可視性のために、PayPalは「その背後に大きな目標を持っています」。 2015年には、1億7000万人の顧客による400万件の取引から2350億ドルを処理しました。ただし、PayPalは、ディープラーニングテクノロジーを活用することでセキュリティを強化することができました。実際、PayPalの不正は収益の0.32％と比較的低く、マーチャントが見ている平均の1.32％よりもはるかに優れています。
これまで、PayPalは単純な線形モデルを使用していました。現在、そのアルゴリズムは、顧客の購入履歴からデータをマイニングし、増大するデータベースに保存されている可能性のある不正のパターンを確認します。線形モデルは20〜30の変数を消費できますが、深層学習テクノロジーは数千のデータポイントを命令できます。これらの拡張機能は、PayPalが無実の取引と疑わしい取引を区別するのに役立ちます。 PayPalのグローバルリスクサイエンス担当シニアディレクターであるHuiWang氏は、次のように述べています。 ]人間でさえ見ることができないかもしれません。」
何年もの間、投資運用会社は取引を行うためにコンピューターに依存してきました。全ファンドの9％に相当する約1,360のヘッジファンドは、数学の博士号（別名「クォンツ」）を保持していることが多いデータサイエンティストによって構築された大規模な統計モデルに依存しています。ただし、これらのモデルは履歴データのみを利用し、多くの場合静的であり、人間の介入を必要とし、市場が変化したときに同様に機能しません。その結果、資金は、大量のデータを分析できるだけでなく、も分析できる真の人工知能モデルにますます移行しています。 自分自身を改善し続けます。
これらの新しいテクノロジーは、深層学習、ベイジアンネットワークと呼ばれる機械学習の形式、および遺伝学に触発された進化的計算を含む複雑な技術を利用しています。 AIトレーディングソフトウェアは、膨大な量のデータを吸収して、世界について学び、金融市場について予測することができます。世界的な傾向を理解するために、本、ツイート、ニュースレポート、財務データ、収益数、国際金融政策からサタデーナイトライブのスケッチまで、あらゆるものを利用できます。
明確にするために、上記は、トレーダーが数百万の注文を実行し、数秒で複数の市場をスキャンし、人間が単純にできない方法で機会に対応することを可能にする高頻度取引（HFT）とは異なります。上記のAI主導のプラットフォームは、長期的に最良の取引を求めており、人間ではなく機械が戦略を決定しています。
これらのAI取引システムのいくつかは、スタートアップによって開発されています。たとえば、香港を拠点とするAidiyaは、人工知能（AI）を使用してすべての株式取引を行う完全に自律的なヘッジファンドです。 「私たち全員が死んだら、それは取引を続けるでしょう」と共同創設者のベン・ゲルツェルは言います。従来の機関もAIトレーディングテクノロジーに関心を持っています。 2014年、ゴールドマンサックスは、シリーズAの資金調達ラウンドを主導し、見性と呼ばれるAI取引プラットフォームのインストールを開始しました。ケンショーのシリーズBラウンドには、S＆Pグローバルに加えて、ウォール街の最大の6つの銀行（ゴールドマンサックス、JPモルガンチェース、バンクオブアメリカメリルリンチ、モルガンスタンレー、シティグループ、ウェルズファーゴ）も参加しました。
投資調査会社Eurekahedgeが実施した最近の調査では、2010年から2016年にかけてAIを利用した23のヘッジファンドのパフォーマンスを追跡し、従来のクォンツや一般化されたヘッジファンドが管理するものを上回っていることを発見しました。
AIが貿易労働市場にどのように影響するかを観察することは興味深いでしょう。その影響は、いくつかの主要な銀行機関ですでに明らかです。 2000年、ニューヨーク本社にあるゴールドマンサックスの米国現金株式取引デスクは、600人のトレーダーを雇用して株式を売買しました。現在、2つのエクイティトレーダーがあり、残りはマシンが行っています。 KenshoのCEOであるDanielNadlerは、次のように述べています。「10年以内に、ゴールドマンサックスの人員は現在よりも大幅に少なくなります。」そして、クォンツに関しては、彼らは彼らのスキルが投資運用会社からの需要が少ないことに気付くかもしれません。
現在、トップビジネスプログラムの卒業生の約3分の1が金融に従事しています。国内の最高の才能のいくつかはどこに移動しますか？米国競争力評議会の上級顧問であるマーク・ミネビッチ氏は、次のように考えています。テクノロジーの谷。」
ロボアドバイザーは、最小限の人間の監督で自動化されたアルゴリズム主導の財務計画サービスを提供するデジタルプラットフォームです。人間の財務マネージャーは2000年代初頭から自動ポートフォリオ配分を利用してきましたが、投資家はテクノロジーの恩恵を受けるためにアドバイザーを雇わなければなりませんでした。現在、ロボアドバイザーは顧客がサービスに直接アクセスできるようにしています。人間とは異なり、ロボアドバイザーは市場をノンストップで監視し、24時間年中無休で利用できます。ロボアドバイザーは、投資家に最大70％のコスト削減を提供することもでき、通常、参加するための最低額を低くするか、まったく必要としません。
今日、ロボアドバイザーは、口座開設や資産譲渡などのより反復的なタスクを支援することができます。このプロセスでは通常、クライアントがリスクの食欲や流動性の要因に関する簡単なアンケートに回答し、ロボアドバイザーが投資ロジックに変換します。現在のロボアドバイザーの大多数は、好みに基づいてクライアントをマネージドETFポートフォリオに割り当てることを目指しています。将来的には、機能が自動資産シフトや不動産などの代替資産クラス全体でのカバレッジの拡大など、より高度な製品に進化することが期待されています。
ロボアドバイザリーは、個人金融およびウェルスマネジメントセクターに大きな影響を与える可能性があります。現在のロボアドバイザーの総運用資産（AUM）は、ウェルスマネジメント業界の4兆ドル（すべてのマネージドアカウント資産の1％未満）のうち100億ドルにすぎませんが、Business Insiderの調査によると、この数字は2020年までに10％に上昇すると予測されています。 。これは約8兆ドルのAUMに相当します。
業界のプレーヤーは、ロボアドバイザリーにさまざまなアプローチを採用しています。小規模なウェルスマネジメント会社は、投資管理を自動化し、コスト/手数料を削減し、ロボアドバイザーと競争するためのアルゴリズムコンポーネントを追加しています。一方、確立された投資会社は、インベスコによるJemstepの買収などの既存のロボアドバイザーを購入したり、FidelityGoやSchwabのインテリジェントアドバイザリーなどの独自のロボアドバイザーソリューションを作成したりしています。
専門家の間の一般的なコンセンサスは、人間が不可欠であり続けるということです。アドバイザーは、困難な経済状況の中でも顧客を安心させ、役立つ解決策で顧客を説得する必要があるため、人間的なタッチは引き続き重要です。コンサルティング会社のアクセンチュアが実施した調査によると、ウェルスマネジメントのクライアントの77％がファイナンシャルアドバイザーを信頼しており、81％が対面でのやり取りが重要であると回答しています。複雑な投資決定を行うクライアントの場合、コンピューター化されたサービスと人間のアドバイザーを組み合わせたハイブリッドアドバイザリーモデルが注目を集めています。
ファイナンシャルアドバイザーは引き続き中心的存在ですが、ロボアドバイザーは職務のシフトを引き起こす可能性があります。 AIが反復的なタスクを管理する場合、投資マネージャーは、システムの保守など、データサイエンティストまたはエンジニアの責任を引き受ける可能性があります。人間はまた、クライアントとの関係構築と、マシンが下した決定の説明にもっと焦点を合わせるかもしれません。
保険は、人々のプール間のリスクのバランスに依存しています。保険会社は類似した人々をグループ化し、一部の人々は支払いを要求しますが、他の人々はそうではありません。業界はリスク評価を中心に構築されています。保険会社はデータ分析の見知らぬ人ではありません。ただし、AIは分析されるデータの量とその利用方法を拡張できるため、より正確な価格設定やその他の運用効率が得られます。
スタートアップは業界を前進させる最前線にいます。 Bain＆CoのパートナーであるHenrik Naujoks氏は、次のように述べています。多くの現職の幹部がそれを見ています—彼らはそれを本当に理解していませんが、彼らは関与したいと思っています。」投資家もこの傾向に注目しています（以下を参照）。 2016年、AIは保険技術への投資で最も人気のあるテーマの1つでした。
PWCレポートは、特にデータが利用可能な成熟した市場では、AIが2020年までにかなりの量の引受を自動化すると予測しています。現在、保険引受会社は、コンピューターソフトウェアと保険数理モデルの助けを借りて、潜在的な顧客のリスクとエクスポージャー、顧客が受ける必要のある補償範囲、および請求額を評価しています。短期的には、AIは自動車保険、住宅保険、商業保険、生命保険、団体保険の大量の引受を自動化するのに役立ちます。将来的には、AIはモデリングを強化し、他の方法では見過ごされていた可能性のある人間の意思決定者にとって重要な考慮事項を強調します。また、高度なAIにより、独自の行動や状況を考慮して、企業または個人による個別の引受が可能になると予測されています。
強化された引受は、データマイニングのための機械学習だけでなく、ウェアラブルテクノロジーやディープラーニングのフェイシャルアナライザーも活用できます。たとえば、スタートアップのLapetusは、自分撮りを利用して平均余命を正確に予測したいと考えています。提案されたモデルでは、顧客は自画像を電子メールで送信し、それをコンピューターがスキャンして分析し、顔の何千もの領域を分析します。分析では、基本的な人口統計から、加齢の速さ、肥満度指数、喫煙の有無まで、すべてを考慮します。さらに、ウェアラブルテクノロジーは、引受プロセスをより協調的にする可能性があります。ウェアラブルは、長い医療チェックや複雑な契約プロセスに頼る代わりに、保険契約者の健康と行動に関するリアルタイムの洞察を提供できます。明らかに、金融における機械学習はすでに進化しています。
これらのタイプの微妙なリアルタイムのリスク分析により、より正確な顧客の価格設定だけでなく、健康リスクの早期発見と保険会社が予防に投資する機会も可能になります。保険会社は、最終的に患者の費用のかかる治療にお金を払う代わりに、損害賠償とそれに関連する費用の可能性を積極的に下げることを試みることができます。
2013年のオックスフォードの調査では、700を超える職業を分析して、どの職業が最も影響を受けやすいかを判断しました。保険引受会社は、最も影響を受けやすい上位5社に含まれていました。 AIが引受人を完全に置き換えるわけではない場合でも、AIの自動化によって引受人の責任が変わる可能性があります。 AIは、データが豊富でない新興市場でのリスクの評価と価格設定など、より高い付加価値のために引受会社の時間を解放し、より多くのリスク管理と製品開発のフィードバックを提供します。
保険金請求は、保険会社に送られる正式な支払い要求です。次に、保険会社は請求の有効性を確認し、承認されたら被保険者に支払います。人工知能がプロセスを強化する方法は次のとおりです。
顧客データの精度が向上しました。 請求プロセスはかなり手動です。人間のエージェントは、顧客情報とインシデントの詳細を手動で記録します。 Experianのレポートによると、データ品質が低下する可能性があります。不完全なデータがデータエラーの55％を占め、タイプミスが32％を占めています。 AIは、手動入力を減らすことで精度を向上させることができます。さらに、請求プロセスでは、保険代理店が顧客情報を多数のデータベースと照合する必要があることがよくあります。 AIを使用すると、これをより効率的に行うことができます。
より早い支払いの推奨事項。 J.D.パワー＆アソシエイツの不動産クレーム満足度調査によると、クレームサイクルタイムが遅いことは、顧客の不満の最大の原因の1つです。 AIは、最初にポリシーを検証し、次に請求と支払いを自動化するかどうかを決定することで、所要時間を短縮するのに役立ちます。これは、AIには構造化データだけでなく、手書きのフォームや証明書などの非構造化データも分析できるためです。
銀行は、チャットボットと呼ばれるクライアント向けの仮想アシスタントで大きな賭けをしています。チャットボットの初期バージョンは、支出制限と最近のトランザクションに関する基本的な質問にしか答えることができませんが、将来のバージョンは、消費者の支払いと予算の追跡ができるフルサービスの仮想アシスタントになる予定です。顧客との関わりは大幅なコスト削減につながる可能性がありますが、人間とのやりとりも、単純な数の計算よりも間違いなく複雑です。批評家は、チャットボットの共感と理解の欠如を指摘しています。これは、困難な経済的決定や状況に対処するときに人間が必要とする可能性があります。このテクノロジーでは、自然言語処理のAIテクノロジーが、パーソナライズされた顧客の懸念や要望を処理して対応するために不可欠です。
2016年10月、バンクオブアメリカとマスターカードの両方がチャットボットであるエリカとカイをそれぞれ発表しました。これにより、顧客は自分のアカウントについて質問したり、取引を開始したり、AmazonのエコータワーのFacebookMessengerを介してアドバイスを受けたりすることができます。
Capital Oneは、「One」のアナグラムである「Eno」という名前の独自のチャットボットも立ち上げました。 Enoを使用すると、顧客はテキストベースの言語を使用して銀行とチャットし、請求書の支払いや口座情報の取得を行うことができます。バークレイズも行動に加わっています。バンクオブアメリカの新しいチャットボットであるバンクオブアメリカのデジタルバンキングの責任者であるミシェルムーアは、次のように述べています。これになります。」
金融サービスにおける人工知能の完全な影響が見られます。一部の未来派は、世界が急速に転換点に近づいていると主張しています。これは、機械知能が人間の知能を超える「特異点」という造語です。ビル・ゲイツやスティーブン・ホーキングを含む有名な技術者や科学者は、この点について警告しています。イーロンマスクはまた、「AIは人類の文明にとって根本的な実存的リスクであり、人々がそれを十分に理解しているとは思わない」と有名に主張しています。
AIが私たちの個人的および職業的な生活を拡大し続けるにつれて、多くの問題が浮上し続けるでしょう。これらには、間違いの可能性、機械に対する一般的な不信感、および転職に関する懸念が含まれます。これらの恐れを無視するのは間違いでしょう。それでも、社会はすでにAI主導の世界に向けて加速する道を進んでいます。この新しい世界では、機械と人間が最もよく共存できる方法に焦点を当てることが最も生産的である可能性があります。政策立案者が慎重を保ち、悪影響を監視して最小限に抑えながら新しいテクノロジーを開発できるようにすることが重要です。開発者と設計者は、AIシステムを理解する人間の能力を高めて、信頼を構築し、AIアプリケーションの満足度を高める必要もあります。誰もが果たすべき役割があります。
2017年のAIと金融サービスの会議で日本銀行総裁の黒田東彦が演説したように、「人間とAIが対峙するのではなく、補完する望ましい方法を建設的に検討することが不可欠です。たとえば、人間の判断は既存のパラダイムから完全に解放されているわけではないため、変更を怠る場合があります。この点で、AIは、無数の[原文のまま]データ間の新しい相関関係を中立的に分析して見つけることにより、バイアスを調整することができます。一方、人間はAIの弱点を直感、常識、想像力で補うことができます。」