金融サービス全体でのデジタルインタラクションが飛躍的に増加し、これまで以上に多くの人々がグローバル金融システムとキャッシュレス経済にアクセスできるようになったため、金融犯罪はより蔓延する脅威となっています。
LexisNexisによると、世界の詐欺による年間の影響額は1兆ドルを超え、米国の金融サービス企業は詐欺による損失1ドルにつき4.23ドルの損失を被っています。2022年には、金融サービス企業における文書詐欺が前年比で79%増加しました。そして、2023年の経済環境を考えると、金融詐欺はさらに悪化すると言っても過言ではありません。
このような困難な環境において、フィンテックのスタートアップ企業や既存企業は、今日の最も巧妙な詐欺の手口から身を守るだけでは不十分です。新たな詐欺の手口を予測し、不正行為者を根絶することで、常に先手を打つ必要があります。同時に、マネーロンダリング対策（AML）や顧客確認（KYC）規制を遵守し、優れた顧客体験を提供する必要があります。
AIとディープラーニングモデルの登場により、はるかに大規模で複雑なデータ入力を処理し、人間だけでは検出できないパターンや異常を特定できるようになります。これにより、不正行為の調査に費やす時間とリソースを節約できるだけでなく、正当な取引が誤って不正行為としてフラグ付けされる件数を減らすことで、顧客体験も向上します。ディープラーニングモデルへの投資と、NVIDIAやAWSなどの適切なプラットフォームとの連携により、金融機関は大規模な不正行為の特定と防止において、新たなレベルの精度を実現できます。
詐欺のコスト増大
金融サービス企業には顧客を保護する受託者責任と規制義務がありますが、詐欺対策や金融犯罪に関する規則の遵守には多額の費用がかかる可能性があります。金融機関は2021年に金融犯罪コンプライアンスに推定2,139億ドルを費やしました。これはわずか2年前の投資額の2倍であり、増加を続けています。
これらの増加は、業界の急速なデジタル化とキャッシュレス社会の台頭によるところが大きい。デジタル決済は今年9.5兆ドルに達し、今後5年間は前年比15%の成長が見込まれている。また、この分野は、後払い（BNPL）などの新たなビジネスモデルの登場により、より複雑化している。これらのモデルは市場に新たなリスクカテゴリーを生み出し、詐欺師にとってより多くの機会を提供している。生活費の高騰が続く現在の経済情勢において、この分野ではリスクが再び加速する可能性が高い。
その結果、フィンテック業界は不正行為への対策を迫られ、デジタル化の進展に伴うリスクに積極的に対処する必要に迫られています。ComplyAdvantageの最近の調査によると、金融機関の約40%がコンプライアンス・プログラムにおいて不正検知方法の改善を優先しており、これは現行のテクノロジーが不正行為を効果的に検知・防止できる能力に自信が持てないことを示唆しています。フィンテック企業と金融機関は、金融犯罪の猛スピードに対応しながら、コンプライアンスと不正行為防止の取り組みを管理するための新たなソリューションを見つける必要があります。
「実際の不正行為で失われるのは金銭だけではありません。ドミノ効果によって金融システムと私たち全員に損害をもたらします」と、NVIDIAの金融サービス業界グローバルインダストリービジネス開発責任者であるケビン・レビットは説明します。「規制上の罰則から企業文化や士気の低下まで、顧客ロイヤルティにも打撃を与え、金融システムの安全性に対する認識に複合的な悪影響を及ぼします。」
ディープラーニングで詐欺と戦う
金融機関がディープラーニングに移行すると、迅速に実装できる不正防止保護の種類が大幅に増加します。
従来のルールベースのシステムでは、多くの場合、過去の取引と比較して不正な取引を特定するため、新たな不正パターンの特定に苦労することがあります。しかし、ディープラーニングは事前に定義されたルールを必要とせず、常に自己学習することで異常をより正確に認識します。そのため、金融機関が過去に経験した不正行為とわずかに異なる場合でも、パターンを検知できます。金融不正の手口は常に進化しているため、新たな形態の不正を特定し、その蔓延を防ぐための積極的なアプローチを採用することが不可欠です。
AIは、ID文書分析のためのコンピュータービジョン、ログインのための音声認識、個人や組織の行動変化を監視するための自然言語処理など、不正予測モデルで使用されるデータの種類を増やすことで、不正行為や悪質な行為者の特定率を高めます。これらのモデルにより、フィンテック企業は新規顧客のオンボーディング中にリアルタイムで不正行為を検知できるようになります。AIベースの本人確認およびビジネス検証のリーダーであるHyperVergeは、NVIDIAのアクセラレーテッドコンピューティングプラットフォームを搭載したAWS AI/MLプラットフォームを活用し、偽造チェック、文書分類、情報抽出など、50以上のディープラーニングモデルと併せて音声認識を展開しています。
「私たちは金融詐欺との戦いの最前線に立ち、ディープフェイク生成などの新たな詐欺に対応するため、新しいモデルを継続的に開発しています」と、HyperVergeの最高技術責任者であるVignesh Krishnakumar氏は述べています。「このアプローチにより、あらゆる詐欺行為を確実に阻止しながら、処理時間を最小限に抑え、シームレスな顧客体験を提供することが可能になります。」
不正行為対策において、検出のスピードは重要な役割を果たします。AWSおよびNVIDIAと提携して最先端の本人確認ソリューションを構築するVeriffは、ディープラーニングモデルを用いて、190カ国以上で発行された1万種類以上の政府発行IDを迅速に分析しています。Amazon SageMakerまたはNVIDIA GPUを搭載したAWS EC2インスタンスを使用してトレーニングされたVeriffのアルゴリズムは、わずか数時間でモデルを更新し、新たな不正行為の手口に対応できます。
「当社のパイプラインにおける重要なモデルの一つ、そしてVeriffが初めてトレーニングしたモデルは、文書標本の検出を目的として設計されています」と、Veriffの最高技術責任者であるヤーヌス・キヴィスティック氏は述べています。「このモデルは数十万枚の画像でトレーニングされており、現在200回目の反復処理中です。AWSとNVIDIAの両社による定期的な再トレーニングが行われています。」
マネーロンダリング対策の警告を発する
マネーロンダリング対策に関する世界的な規制要件は、本人確認の改善を促す重要な要因です。しかしながら、これらのAML規制は、銀行や規制当局が、以前は善良な行為者とみなされていた組織であっても、不正行為の兆候となる可能性のある新たなデータを常に監視する必要があることを意味します。
AIを活用したソリューションは、顧客体験を損なうことなく、金融機関がこれらの重要な基準を満たすのに役立ちます。例えば、調査報告書で特定の組織が犯罪組織のためにマネーロンダリングに関与していることが判明した場合、AI分析によってこの新しい情報を迅速に理解・構造化し、既存のAMLルールに適用することで、不正行為や疑わしい活動に関与する組織による金融機関ネットワークへのアクセスを遮断することができます。
2022年のロシア・ウクライナ戦争の激化に伴う制裁措置により、金融システムは大きな圧力にさらされました。高度な技術を用いていない多くのフィンテック企業は、制裁対象者のリストが急速に変化したため、義務の履行に苦慮していました。こうした状況を背景に、金融犯罪、特に制裁の執行に対する規制環境は厳格化しています。
このような状況において、不正行為およびAMLリスク検出を専門とするNVIDIAとAWSのパートナーであるComplyAdvantageは、AIを活用して政府の措置の対象となる個人や組織を特定しています。その結果、ComplyAdvantageを利用する金融機関は、制裁の対象となる適切な個人を迅速に特定し、それに応じてスクリーニングサービスを更新することができます。
「制裁執行を支援する金融サービス企業は、新たに名前が挙がった個人や組織をほぼ瞬時に更新できるようになり、数十年前には簡単に悪用されていたタイムラグが解消されました」と、ComplyAdvantageのCEOであるVatsa Narasimha氏は説明する。
不正行為者を根絶することは重要ですが、フィンテック企業にとって、合理化されたプロセスと透明性の高い顧客サービスを通じて、消費者が金融システムにアクセスしやすくすることも不可欠です。AML規制へのコンプライアンスは、顧客体験を犠牲にして実現されるべきではありません。
「ディープラーニング技術を不正検知に活用すると、誤検知が減り、つまり、善良な利用者を潜在的な不正行為者としてフラグ付けする数が減ります」とレビット氏は言います。「これにより、顧客と、できるだけ早く売上を計上したい小売業者の両方にとって、カスタマーエクスペリエンスが向上します。」
決済の未来を形作る
AWS のスタートアップ向けフィンテックのグローバル責任者であるサム・エッジ氏は、金融詐欺は時間とともにますます巧妙化する一方であり、ルールベースのモデルではこのような進化する環境に対処するのに不十分になると予測しています。
これらの課題に対処するには、ディープラーニング、特に生成的敵対的ネットワーク（GAN）の活用が重要な役割を果たします。GANは、既存のデータセットを補完できる現実的な合成データを作成し、銀行がこれまで経験したことのない将来の潜在的なリスクについてモデルを学習させるのに活用できます。
「銀行がある程度将来を予測し、AIを活用してそれに基づいて合成データを構築し、モデルをトレーニングできれば、長期的には詐欺のコストを削減できます」とエッジ氏は言う。
不正防止における新たなトレンドとして、企業が連携して不正対策に取り組むことが挙げられます。AIモデルを学習しながら基盤となるデータのセキュリティを維持する手法であるフェデレーテッドラーニング（Federated Learning）により、銀行は機密情報を漏らすことなく、組織や地域を超えてデータを共有できます。最終的には、金融機関がリソースをプールし、業界の不正検出モデルを改善することが容易になります。
このような手法は金融システムのセキュリティに大きなメリットをもたらします。なぜなら、不正行為は単一の銀行や金融機関に対して行われるのではなく、複数の機関を悪用してマネーロンダリングや不正行為が行われることが多いからです。フェデレーテッドラーニングを活用することで、業界や地域を超えたコンソーシアムの連携が促進され、金融システムはこれまで発見できなかったデータセット間の関係性を理解し、新たな不正行為の手口に対抗できるようになります。
金融サービスにおける AI の現状レポートをダウンロードして、ディープラーニングが不正検出の未来である理由について詳しく学んでください。
