ナレッジグラフは銀行のビジネスモデルをどのように変えるのでしょうか?

金融部門は、個人の購入から大規模な取引まで、莫大な富につながる大量の貴重なデータを定期的に生成しており、人工知能技術は2030年までに金融業界に1兆ドル以上の節約をもたらすと予想されています。

このチャンスに直面して、多くの銀行が行動を起こし始めました。しかし、AI テクノロジーを最大限に活用するにはどうすればいいのでしょうか?

現在、銀行は同じ厳しい現実に直面しています。人工知能アプリケーションをうまく導入するには、膨大な量のデータだけでは不十分なのです。データ品質は AI によって提供される結果において重要な役割を果たしますが、これはほとんどの組織が苦労している点です。

銀行は数十年にわたってデータを収集しており、その結果、データ管理は極めて複雑になっています。多くの場合、データは断片化され、さまざまな形式で保存されており、使用できないサイロ化された情報データベースが組織全体に散在しているため、銀行全体の調査を実施したり、AI アプリケーションでデータから洞察を発見したりすることが困難になっています。

幸いなことに、解決策が見つかりました。アマゾン、グーグル、アップルなどの大企業が使用する技術である「ナレッジグラフ」は、さまざまなデータベースを接続して検索可能にすることができる。ナレッジグラフは構造化データと非構造化データを接続することもできるため、AI アプリケーションは内部データベースの情報だけでなく、テキストなどのドキュメントからの情報も使用できるようになります。

[[318613]]

ナレッジグラフはどのように機能しますか?

ナレッジグラフは知識ドメインのモデルです。企業のすべてのビジネスオブジェクトと概念、およびそれらの相互関係をマッピングします。ナレッジグラフは、既存のデータベースの上に配置され、大規模にデータをリンクする追加の仮想データレイヤーとして構築されます。スプレッドシートなどの構造化データとテキストドキュメントなどの非構造化データはすべて、ナレッジグラフによって接続されたオブジェクトです。

ナレッジグラフは知識と概念に基づいているため、優れたナレッジグラフを作成するには、組織全体のさまざまな分野の専門家の関与が必要です。これにより、コラボレーションの必要性が高まり、知識管理の分野における責任の共有と透明性が強化されます。また、このテクノロジーは既存の IT システムを置き換えるのではなく、強化するものなので、コスト効率が非常に高くなります。

独自のナレッジグラフを構築しようとしている金融機関は、ゼロから始める必要はありません。金融業界ビジネスオントロジー (FIBO ) は、金融ビジネスアプリケーションにおける興味深いビジネスオブジェクトのセットとそれらの関係を定義します。 FIBO を使用することで、組織は財務業務を説明するあらゆるデータを理解できるようになります。

セマンティック AI を使用したパーソナライズされた銀行サービス

ナレッジグラフ、自然言語処理 (NLP)、人工知能の組み合わせは、銀行業界のデジタル変革にとって非常に重要になります。

特に興味深いトレンドの 1 つは、テクノロジーを使用してパーソナライズされた顧客サービスを向上させることです。これは、ナレッジグラフを使用して、オンラインストアがユーザーに関連製品を表示するためによく使用する推奨システムと同様の推奨システムを構築することで実現できます。

ナレッジグラフはデータをインテリジェントな方法でリンクできるため、推奨システムは純粋な機械学習システムよりも優れた推奨を行うことができます。オンラインストアが、ブルーチーズの中でも最も高級なロックフォールなどのブルーチーズに興味のあるユーザーに出会ったとします。ほとんどの推奨システムはこのユーザーに他の種類のブルーチーズを推奨するかもしれませんが、ナレッジグラフでサポートされた推奨システムの方が優れており、特定の種類のチーズによく合うワインを推奨する可能性があります。

さまざまなエンティティ (この場合は、チーズとワイン、およびそれらのすべての属性) が互いにどのように関連しているかを理解すると、豊富な追加のコンテキスト情報が得られ、推奨事項の品質に違いが生じます。

多くの銀行は、セルフサービスポータルにこのテクノロジーを導入し、新製品や新サービスなどの情報を顧客にパーソナライズして提供しています。同様に、同社はオンラインポータルでナレッジグラフを使用して、顧客の金融リテラシーを向上させています。これらは、ナレッジセンターでのセマンティック検索を通じて顧客が金融知識を得るのに役立つデジタルアシスタントを構築することで実現されます。

たとえば、Credit Suisse は、セマンティック AI 検索エンジンを通じて、顧客とアナリストがより迅速に賢明な意思決定を行えるよう支援しています。このプラットフォームは、大量の情報を迅速かつ高品質で取得し、コンテキストに基づいて高品質の結果を提供することができます。これにより、顧客とアナリストは必要な情報のみに集中でき、パーソナライズされた視覚的な分析が可能になります。

もう 1 つの例はドイツ銀行です。同行は、関係性の発見によるコンテンツの自動強化、コンテンツのコンテキスト化、データの意味のより深い理解など、さまざまな理由から AI 戦略をサポートするためにナレッジグラフの実装に取り組んでいます。

しかし、銀行サービスのパーソナライゼーションは、銀行業界における数多くのテクノロジートレンドの 1 つにすぎません。また、コンプライアンス、不正検出、リスク評価、リース契約、さらにはローン申請に関連する事項にもこのテクノロジーが取り入れられるようになっています。これらすべてのユースケースにおいて、ナレッジグラフは最良の結果を達成するために不可欠です。

ナレッジグラフに基づくもう 1 つの重要なアプリケーションは、「Know Your Customer ( KYC )」または「Customer 360」です。これも、リンクと顧客の全体像を使用してコンテキスト情報を充実させ、正確なコミュニケーション、情報に基づいた意思決定、正確な製品オファーの作成を可能にします。

セマンティック AI の活用を始めるにはどうすればよいでしょうか?

セマンティック AI の使用を開始するには、銀行はまず特定の目標を設定した特定のユースケースを定義する必要があります。定義されたプロジェクトを実行することで、組織はテクノロジの可能性を完全に理解し、テクノロジを適用して最終的に組織全体に展開するための追加の機会を見つけることができます。

したがって、この方法論をより包括的な AI 戦略に組み込むために十分な知識を構築しながら、個々のユースケースに基づいてナレッジグラフの有用性を評価する必要があります。

エンタープライズナレッジグラフを管理するためのソフトウェアを選択するときは、現在のアーキテクチャと相互運用可能で、拡張可能で、習得しやすい標準ベースのソリューションを探す必要があります。セマンティック AI を導入する上での最大のボトルネックは、もはやテクノロジーではなく、それが長期的に役立つと信じようとしない人々です。

<<: RPAは人工知能の究極の発展方向でしょうか？

>>: Google は、MLM 損失で直接事前トレーニングされた 24 個の小さな BERT モデルをリリースしました。