マイアミで開催されるSibosで議論すべき、AI、ガバナンス、データ、コストに関する重要な疑問。
によって Junta Nakai, Erin Butler, Roshni Joshi, アントワーヌ・アメンド（Antoine Amend）, ジェニファー・ミラー, Andrea DeSosa, Rajaram Suresh, Kim Hatton, Naeem Rehman, Spencer Cook, Ed Bullen 、 Felix Mutzl による投稿
昨年のSibos Frankfurtでは、AIが機能するかどうかが問われました。今年は、「あなたのAIは信頼に値するか？」がテーマです。
データもこの変化を裏付けています。Grant Thorntonによる「2026 Banking Insights AI Impact Survey」では、銀行幹部の半数がガバナンスとコンプライアンスがすでにAIのパフォーマンスを制限していると回答した一方で、自社のAI管理体制に関する独立監査に合格できる自信があると答えたのはわずか18%でした。Economist Enterpriseと共同で実施した当社の調査レポート「Making AI Deliver」（2026年版）でも、特にエージェント型AI（agentic AI）において同様のギャップが見つかりました。自律型システムに対してガバナンスフレームワークを正式に義務付けている組織は、全体の半数未満にとどまっています。
これらは、最高財務責任者（CFO）、コンプライアンス責任者、財務（トレジャリー）リード、リレーションシップマネージャーから最もよく寄せられる5つの質問です。今年Sibosに参加する予定があるかどうかにかかわらず、自問してみる価値のある問いです。
「すべての法人と通貨を合算した、現在の正確な流動性ポジションはどうなっているか？」これは財務担当者が毎日抱く疑問です。3日間スプレッドシートと格闘することなく、AIがようやく解決すべき課題です。
モデルにレポートを要約させるのは簡単です。より難しいのは、ガバナンスの効いたデータとAIを、財務チームがバランスシート、流動性、支出、業務全般にわたって毎日行う意思決定に組み込むことです。目標は、チームが変化を察知し、その要因を調査できるように支援し、単にレポート作成サイクルを自動化する以上の価値を提供することです。
Sibos MiamiのDatabricksブース（#DISL25）では、「Trapped Capital, Released by AI: Reconciliation Your Regulator Can Audit（AIが解放する埋没資本：規制当局が監査可能な照合）」と題した講演を行います。このセッションでは、リスクアセットを密かに膨張させている総勘定元帳（GL）と リスクデータ間の不整合を特定し、根拠となる証拠を提示して調査し、拘束されている規制資本を解放する方法をご紹介します。人間による二重チェック（メーカー・チェッカー）の管理体制を維持し、検査官が実際に追跡できる監査証跡も確保します。
また、資金移動の「その後」についても深く掘り下げます。トークン化された決済レールは問題の一部を解決しますが、照合、金融犯罪対策、日中流動性管理は依然としてオフチェーンで行う必要があります。ライトニングトーク「Tokenization Moved the Money. It Didn't Move the Hard Part（トークン化は資金を移動させたが、難題は残された）」では、トークンポジション、預金補助元帳、資金調達口座を常に一致させるための運用モデルを解説します。さらに、トークン化された預金照合のコントロールプレーンの実演もご覧いただけます。
「このアラートは本当のリスクか、それともノイズか？」これはAMLアナリストが日に何度も抱く疑問であり、本当に役立つAIと、誰も信頼しないシステムをもう一つ増やすだけのAIを分けるポイントでもあります。
AIは事案を調査し、文脈を関連付け、アナリストの意思決定をサポートできます。しかし、すべての推奨事項には追跡可能な情報源が必要です。どのデータが入力されたのか、何を推奨したのか、人間が出力を確認したのか、そして監査や規制当局の審査のために金融機関が調査プロセスを再現できるか、といった点です。ガバナンスはポリシー文 書の中だけに存在するものではありません。データ、アクセス制御、そしてワークフロー自体に組み込まれている必要があります。
ブースでは、この実例をライブでご紹介します。銀行独自のレイクハウス上で実際のAMLアラートを処理するエージェントが、アナリストに許可された範囲のデータのみを参照して動作します。エージェントは不審取引届出書（SAR）のドラフトを作成し、最終的な届出は人間が行います。すべてのステップは、顧客確認（KYC）/AMLの証拠および実行されたモデルと紐付けてログに記録されます。これは、10月1日（木）午前11:00からDiscover Stageで行われるセッション「How financial institutions are governing AI in financial crime operations（金融機関は金融犯罪対策業務においてどのようにAIを統制しているか）」でも取り上げるテーマであり、AIに何ができるかだけでなく、AIが実際に何を行ったかを証明する方法を解説します。
「このクライアントが今、本当に求めているものは何か？」すべてのリレーションシップマネージャーが電話をかける前に一度は考える問いですが、その正確な答えは、3つのシステムに分散したデータや、読む時間のなかったリサーチフォルダの中に埋もれているのが現実です。
RBC Brewin Dolphinは、生成AIを活用して顧客向けレビュー会議資料の作成準備を自動化し、年間推定4,700時間を削減しています。他社はさらにその先を進んでいます。 あるグローバル資産運用会社では、マルチエージェントワークフローが数百のファンドにわたる投資コメンタリーを生成し、コンプライアンスを維持しながらアドバイザーのカバー範囲を広げています。また別の会社では、エージェントが独自のファンドスコアリングと社内文書を組み合わせて、監査に対応可能なポートフォリオ分析を数秒で作成し、チームが自力で見つける時間のなかった投資機会を浮き彫りにしています。
目標は、価値の高い意思決定から人間を排除することではありません。意思決定に伴う周辺業務を削減し、判断や信頼関係の構築そのものにより多くの時間を割けるようにすることです。
「なぜ今、正常な取引を拒否してしまったのか？」リスク判定がミリ秒単位ではなく、数分前の古いデータに基づいて行われている場合、トランザクションバンキングの責任者はこのような疑問を抱くことになります。
ほとんどの金融機関はすでにデータを保有しています。ただ、システム間に分散していたり、バッチ処理によって遅延が発生していたり、ガバナンスが効いた形で利用するのが難しかったりするだけです。Coinbaseは、Databricks上で100ミリ秒未満のP99レイテンシでリアルタイムの不正検知を実行しており、これは「リアルタイム」が実際に意味すべき基準の優れたベンチマークとなっています。
AIの経済性は、パイロット段階では管理可能に見 えても、本番環境（プロダクション）ではまったく異なる様相を呈します。最近のBloomberg CFO Briefingで、あるCFOは2026年上半期のAIトークン費用を「わずかな額」と呼びつつ、すべてのタスクに最も高価なモデルが必要なわけではないと指摘しました。しかし、その銀行にとっても、他のどこにとっても、それが「わずかな額」であり続けることはありません。コスト管理（コストディシプリン）は、支出の追跡が困難になる前、つまり初期段階から始める必要があります。
エンジニアリングチームがこの課題をどのように解決しているかについて詳しくは、Databricksのブログ記事「Managing AI Coding Costs at Scale（大規模環境におけるAIコーディングコストの管理）」をご覧ください。モデルルーティングから支出の可視化まで、AIコストが創出する価値を上回らないようにするための手段を解説しています。
貴社のチームですでにこのような議論が行われているのであれば、ぜひ直接お話しさせてください。Databricksは、9月28日〜10月1日にマイアミで開催されるSibos 2026に参加します。アジェンダの確認やミーティングのご予約は、メール（sibos@databricks.com）でお問い合わせいただくか、こちらのイベントページをご覧ください。
(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事
ブログを購読して、最新の投稿を受信トレイにお届けします。