人とKIBITが協力して
膨大なモニタリングデータの全量チェックを実現。
AIの力で社員の経験差によるばらつきも解消

佐々木氏：教師データが少なくて済むことです。モニタリングは、リスクが高い事象を検知するためのものです。日々行われている営業員とお客さまとの会話の中で、学習に必要なNGデータがとても少ないことが初期の段階でわかりました。かといって、AIに学習させるために意図的にNGデータを作っても、臨場感のある現場のデータとは精度に開きが生じます。そうした点からも、少量の教師データで解析できるKIBITを選びました。

佐々木氏： 導入当初は、KIBITで疑義を識別する以前の音声テキストデータの書き起こしの精度が低く、いくらKIBITが疑義データを抽出しても、該当する音声テキストの内容がよくわからず、AIの選別に不安が残るという声を多く貰いました。AIに対する信頼性を高めるには、モニタリング業務に限らず、人とAIがどのように協働していくのかという課題があります。そこで、音声テキストの精度を高めるために単語登録を見直し、お客さまと会話する金融用語や毎月出てくる商品の情報を取り込む仕組みを作るといった対応を行い、全体の精度を底上げしました。これらは人の新たな仕事です。AIの信頼感を高めるには周辺領域も含めたデータの整備が重要な課題でした。

森田氏：AIと人とのすみわけは悩みどころの一つです。例えば、モニタリング業務で言うと、フロント部署へは正確な情報を伝えたいので、KIBITが抽出する疑義データの中から明らかに疑義レベルが高いものだけを還元したくなる一方、コンプライアンスの立場では抜け漏れがないように疑義レベルが低いものも幅広く還元したい気持ちもあります。その匙加減はシステム的に決められるものではなく、モニタリング担当者が持つ人の感覚が必要です。KIBITの良さを生かすという意味でも、関連部署を巻き込んでKIBITを理解し活用することが必要でした。

佐々木氏：業務にAIを導入する際には、どういうプロセスを辿るかを可視化し説明するのはもちろんですが、業務を担当している現場の部署と最初の一歩を踏み出すことが重要です。導入部署や関連部署と一緒にスモールウィン（小さな成功）を積み重ねていくことで、AIの効果の実感に繋がると感じています。

森田氏： 具体的には、実際にモニタリング業務を行っているフロント部署にも文書を見てもらい、KIBITがどのように判断を下し、順序をたてて抽出したのかを一緒に確認しました。さらに、どこに閾値を設けると結果がどう変わるかを踏まえ、最適な閾値を一緒に調整しました。また、今のKIBITが得意とする分野と、人が得意とする分野が明確になったこともプラスに作用しました。マーケットの変化は人の方がすぐに把握して注視すべき観点を自由度高く変えられます。AIが得意そうなこととそうでないことを理解して、業務のすみわけをしていく。それを積み重ねてAI活用を浸透させていきました。

佐々木氏：モニタリング時間の削減と、業務の平準化です。例えば、あるモニタリング業務では、膨大なデータから査閲すべき対象を抽出した際、その量が1日当たり約2,500 件とすると、人が査閲できるのは対象データの5割弱で、全件を見ることは不可能に近い状態でした。KIBIT導入後は、AIが対象データの全件を査閲し、リスクの高い内容から順位をつけて抽出してくれるため、初めから確認すべきリスクの高いデータにアクセスできますし、人が見る査閲割合も3割にまで圧縮し、業務効率化を図ることができました。（図参照）また、ベテランと初任者でスキル差がありながらも、最初にAIが見るべきところを抽出してくれるので、平準化の効果もありました。

森田氏：横展開が容易にできたことも挙げられます。最初にKIBITを導入した部署におけるモニタリングの中でも、お客さまとの会話内容をチェックする取引モニタリングでKIBITが効果を発揮したため、お客さまの声を集めて施策に生かす経営企画のお客さま本位推進室でもKIBITを導入しました。自然言語データが大量に保有されていて、人では網羅的な確認が困難な業務においてKIBITは有効です。お客さまとのコミュニケーションツールは電話やメール、LINEのようなSNSなど多様にあります。現在はこれらのチャネルを超えて、お客さまの声を収集し活用することを検討しています。

佐々木氏： KIBITの導入により、AIと人が一緒に業務をしていくのはどういうことか、社内の意識が高まりました。AIは導入して終わりではなく、AIが役割を果たすための周辺準備を整えるのは人の役割です。リリース後に何も対応しないでおくとAIの精度は伸びませんので、ユーザ部署の意見を取り込みながら、AIの精度検証・モデル更新・データ追加を継続することが重要です。また、AIの精度は100%になることはないため、AIに任せていい業務/いけない業務を選別することや、必要に応じて、人的判断のフローの導入を検討することも重要であると学びました。

AIの導入で楽になることはありますが、一方で新しい仕事も生まれます。AIを最適な業務支援パートナーとして活用するためには、日々育て続けなくてはいけないと学べたことも、導入効果の一つだと感じています。

佐々木氏：データを使う担当部署の社員と一緒に、変えるべき箇所やチューニングのポイントを考えています。チームとしてさまざまな部署に入ってもらい、利用者のアンケートを定期的に収集する、FRONTEOのエンジニアと密にミーティングを行うなど、チームアップが重要です。AIの導入作業を行うチームが現場からかけ離れてしまうと、精度は良くても実際に使うときにギャップが生まれてしまう、閾値のコントロールにおいて絶妙感を出しづらくなる、といったことが発生する可能性があります。それらを避けるためにも、「デジタル戦略部」「現場」「FRONTEO」の三位一体のチームができているのは理想の姿です。

森田氏： 現場の声の重要性は実感しています。KIBITに取り込む教師データに何を選ぶかは、現場の感覚が生きるところです。季節性や市場環境に応じてトレンドは変化するので、少量のデータの中でバランスを考慮することは、現場の業務を熟知している人だからこそできるものです。デジタル戦略部はDXの推進だけにとどまらず、デジタル人材育成を担っている部分もあります。お客さまとビジネスを熟知している現場と一緒にデジタルの良さを学び、理解し、最大限に活用してもらえることを目指しているので、今後もチーム一体でKIBITを育て、活用していきたいです。

森田氏：社内で実際にKIBITを扱っている人は限られています。今は解析チームがKIBITの抽出したデータを現場に渡すという流れになっていますが、将来的には日々入ってくる情報をKIBITが解析し、全社員が共有できる形が理想だと考えています。

佐々木氏： 今回AIを導入したのは当社の業務の一部です。私たちはユーザ部署から、負荷の高い業務に対しAIを活用できないかという相談を頻繁に受けています。モニタリング業務の成功体験を他の部署にも横展開できるよう、新たな広がりを見つけるため、異なる観点で使える余地を一緒に模索していきたいです。