ウェビナーのまとめ：金融サービス向けAIエージェント活用ガイド
- 公開日
- 最終更新日
聴くこの記事を聴く
ウェビナー振り返り：金融サービス向けAIエージェント活用ガイド
金融サービスの顧客は、電話自動応答システムや保留中の音楽だけでは満足しません。実際に問題を解決する、シームレスでインテリジェントな体験を求めています。
最新ウェビナー「金融サービス向けAIエージェント活用ガイド」では、金融サービスにおいてAIエージェントがどのように構築・導入され、大規模に信頼されているかを解説しました。ライブデモに加え、Revolut、Klarna、Betterでの実例と成果も紹介しています。
金融サービスにとって重要な理由
この業界は2011年以降、デジタルトランスフォーメーションに2.8兆ドル以上を投じてきました。しかし、顧客はいまだに十分なサービスを受けていると感じていません。デジタルチャネルによって支店に足を運ぶ手間は減りましたが、その代わりに生まれたのは、顧客を単なるチケットのように扱う、無機質で自動化された、感情の感じられないやり取りという別の不満です。
このギャップは、あらゆる場面でコストとして表れます。最初の問い合わせで解決できなかった顧客からの再入電が、やり取りのかなりの割合を占めています。エージェントは疲弊し、離職率が上がる一方で、サービス品質は横ばいです。
その結果、ロイヤルティの問題が生じます。顧客を戦略的な関係として扱う金融機関がないため、顧客は複数の銀行に取引を分散させています。
このギャップは、単なる自動化の問題ではありません。人間らしさを失わずに、一貫性がありポリシーに準拠した体験を大規模に提供することが重要です。
マルチモーダルかつマルチチャネルのAIエージェントが、このギャップの解消に役立っています。
デモ：リテールバンキングエージェント
シナリオ：リテールバンキングの顧客が電話をかけ、口座残高の確認、最近の取引の確認、不審な引き出しの報告、個人ローンについての問い合わせを行います。
デモの内容：
- エージェントは、口座へのアクセスを許可する前に、体系化された一連のセキュリティ質問で発信者を認証しました
- 本人確認後、エージェントはバックエンドツールを直接呼び出し、口座と貯蓄の残高をリアルタイムで取得しました
- 顧客が心当たりのないATMでの引き出しを報告すると、エージェントはただちに不審取引としてエスカレーションし、リアルタイムで不正利用の照会番号を発行して、不正対策チームに記録しました
- 通話の途中で話題が個人ローンの問い合わせに変わると、エージェントは意図の変化を検出し、スムーズに適切な専門サブエージェントへルーティングしました
- 顧客が返済額についてアドバイスを求めると、エージェントは金融アドバイスは提供できないと明確に説明し、代わりに支援できる内容を案内しました
重要な理由：これは、決定木に従うだけのスクリプト化されたチャットボットではありません。
エージェントはコンプライアンスの境界を守りながら、1回の通話で認証、口座照会、不正利用の報告、ローンに関する問い合わせに対応します。
ガードレールは多層的で、システムプロンプトに組み込まれています。金融アドバイスの制限など、カスタムルールも含まれます。すべての会話で自動要約、評価スコア、ワークフローレベルの分析が生成されるため、チームは数千件の通話にわたるパフォーマンスを監視できます。
コンプライアンスとセキュリティ
金融サービスにおけるAI導入が失敗するのは、テクノロジーが機能しないからではほとんどありません。組織がセキュリティおよびコンプライアンスの審査を通過できないことが原因です。
ElevenLabsはSOC 2 Type IIおよびGDPRの認証を取得し、利用可能な最高水準であるレベル1 PCI DSSサービスプロバイダーでもあります。この水準を達成したAIエージェントプラットフォームとしては初めてです。これにより、アクワイアリングバンクや加盟店は、セルフホスティングやVPCを必要とせずにプラットフォームを利用できます。スピードとセキュリティのどちらかを選ぶ必要はありません。
さらに高い水準を求めるチームに向けて、ElevenLabs Agentsは標準でAIUC-1認証に必要な要件の75％を満たします。
AIUC-1認証は、AIエージェントのために設計された初のセーフティ、セキュリティ、信頼性に関する標準です。Stanford、MIT、MITREの研究者と、75名を超えるFortune 500企業のCISOによって開発されました。
組織が一貫して求める3つの要素をカバーしています。1）5,000件を超える敵対的シミュレーションによって検証されたセーフティ、2）セキュリティ審査を加速する明確な信頼シグナルによる迅速な導入、3）Lloyd's of Londonを通じて提供される、ハルシネーション、データ漏洩、不正なアクションを補償するAIエージェント保険へのアクセスです。
金融サービス向けAIエージェント導入のベストプラクティス
- 複雑なエージェントは専門サブエージェントに分割します。すべての指示を1つのプロンプトに詰め込むと、本番環境での信頼性が低下します。プロンプト、ツール、ナレッジベースをそれぞれ持つモジュール型のサブエージェントは、テスト、更新、信頼性の確保が容易です。
- 決定論的な制御とLLMの柔軟性を組み合わせます。認証のように解釈の余地がないステップには、ハードコードされたルーティングを使用します。意図の理解や自由形式の問い合わせへの対応には、LLMベースの条件を使用します。どちらも必要です。
- ガードレールを多層化します。プロンプトレベルの指示は出発点です。焦点、操作、コンテンツを対象とするネイティブガードレールが第2の層を加えます。金融アドバイスのブロックなどのカスタムガードレールにより、ビジネス固有のエッジケースを細かく制御できます。
- 導入前に評価基準を定義します。会話のスコアリング、意図の分類、ハルシネーション検出、コンテインメントの追跡を最初から組み込みます。大規模に導入するチームは通常、エージェントごとに20～70の評価基準を使用します。
- 通話レベルだけでなく、ワークフローレベルで監視します。ユーザーがサブエージェント間をどのように移動するか、どこでつまずくか、どのノードで繰り返しループが発生するかを把握します。ワークフロー分析では、通話レベルのレビューでは見落とされる問題を明らかにできます。
- 設計プロセスの早い段階で認証に取り組みます。認証方法はさまざまです。セキュリティ質問、ワンタイムパスコード、アプリ内通知、上流の電話システムなどがあります。適切なアプローチはリスクモデルによって異なります。構築後ではなく、構築前に決めてください。
セッション全編を視聴
ウェビナー全編はこちらからご覧いただけます。
