ビッグデータ × AI
～データサイエンス for Fintech～

CACでは、金融機関にとってデータサイエンスはDX（Digital Transformation）やFinTechを実現する上での中核的な取り組みになると考えています。特に金融機関は、保有するビッグデータを新たな経営資源として活用していくことが求められています。新たな経営資源である「データ」を最大限活用し、ITと業務がシームレスの関係を実現することでお客様の企業価値向上をお手伝いします。

金融機関におけるデータ利活用の課題

金融機関が保有するビッグデータの利活用において、AI（Artificial Intelligence：人工知能）を用いたシステムの導入は必要不可欠です。中でもAIモデルを実現する機械学習のひとつであるディープラーニング（深層学習）が注目を集めています。ディープラーニングを重視したアプローチは、過去データを基盤とした予測精度が非常に高く、様々な場面での利用が検討されています。しかし、実務レベルで利用されているものは、定型作業や業務の効率化といった軽微なものにとどまっています。その大きな原因は、AIによる予測過程や導き出された結果に対する「説明可能性」が不足することが挙げられます。

予測精度を重視したアプローチでは、『予測過程の解釈を人間が行うことができない』というAIモデルのブラックボックス化により、「金融機関の持つ説明責任」を果たすことが難しくなります。また、過去データに対する精度を重視しすぎたアプローチでは環境の変化に対する追随も課題となります。

予測精度の追求だけではなく、「説明可能性」の課題を解決し、金融機関においてデータの利活用を進める上では、いろいろなデータからあらゆる専門領域の知識、統計学やアルゴリズムなどを用い、新しい価値を生み出すデータサイエンス的なアプローチがとても重要になります。

世界的にも「説明可能性を備えたAIの活用」が求められる傾向にあります。

「説明可能性」を実現するホワイトボックス型AI

金融機関における「説明可能性」の課題を解決し、AIを最大限活用するためには、トレードオフの関係にある説明可能性（AIの予測過程を人間が解釈することが出来るか）と予測精度（AIの予測結果がどの程度正しいか）の両立が必要になります。

CACが提供する『データサイエンス for Fintech』では、その課題の解決に向けデータサイエンスを取り入れたアプローチでホワイトボックス型のAIの構築を支援いたします。

データサイエンスとは、様々なデータからあらゆる専門領域の知識、統計学やアルゴリズムなどを用い、新しい価値を生み出すアプローチといえます。あわせてホワイトボックス型のAIにより、「何故そのようにAIが判断したか？」の因果関係を明確にすることを可能としています。

ホワイトボックス型のAIは、これまで難しかった判断を伴う領域（説明責任が求められる業務領域）を自動化しつつ、業務効率化・サービスの高度化の推進に貢献いたします。

ホワイトボックス型AIモデル構築のアプローチイメージ

①分析計画	・ビジネスおよび分析プロジェクトの明確化・AI活用の業務プロセスを検討	④PoC実施	・達成可能な予測精度の見極め・説明可能性を維持したモデル改善
②予備解析	・AIモデル構築可能性の判断・AIモデルの方針検討	⑤実モデル開発	・実用レベルの精度獲得・実モデルの開発
③アセスメント解析	・説明可能性の獲得を中心に、探索的に解析	⑥業務システムへの組み込み	・実モデルの業務システムへの組み込み・必要に応じたアプリケーション開発