2026年10月30日

ウェルス・マネジメントの顧客オンボーディングにはAI以上のものが必要です

ガバナンスの効いたケースコンテキストが、証拠資料、監視対象のエージェント、人間の判断を結びつけ、最初のドキュメント提出から口座開設完了までのプロセスをスムーズに進めます。

によって Andrea DeSosa, Amit Kumar Jha 、 Siddharth Nahar による投稿

タスク単位のAIによりドキュメント処理やKYCスクリーニングが高速化されますが、証拠資料、ケースのステータス、判断内容がシステム間で分散している状態では、ウェルスマネジメントの顧客オンボーディングが依然として停滞してしまいます。
ガバナンスの効いたケースコンテキストにより、AIエージェントと人間のレビュー担当者は、証拠資料、例外処理、判断履歴を含む各ケースの共有されたバージョン管理されたビューを確認できます。
Databricks Data + AI Platform上で、監視対象のAIエージェントが、ガバナンス、トレーサビリティ、人間の監督のもとでプロセス全体をコーディネートします。サイクルタイム、手動による作業、承認から資金化までの時間を通じて効果測定を行います。

ウェルスマネジメントのクライアントのオンボーディングは、すべてのシステムが正常に機能している場合でも停滞することがあります。ドキュメントが収集され、スクリーニング結果が返され、ワークフローのタスクが完了しても、何が変更されたのか、どのエビデンスが最新なのか、誰が例外処理を担当するのかを判断する必要があるため、ケースは依然として保留状態のままになります。

クライアントにとって、そのような境界線は見えません。彼らは1つのジャーニーを体験しており、自身の情報や進捗状況がそれに伴って移動することを期待しています。しかし、企業の内部では、そのジャーニーは顧客関係管理（CRM）、ドキュメント、顧客確認（KYC）、スクリーニング、カストディ、ワークフローシステムなどを横断し、それぞれがケースの一部を保持しています。

企業は、それらの個別のステップをより迅速に行えるように投資しており、AIはそれをさらに加速させています。しかし、次のチームが依然としてケースを再構築し、エビデンスを突合し、完了したように見える作業をやり直さなければならない場合、より迅速な抽出、スクリーニングのサマリー、またはルーティングの決定はほとんど役に立ちません。

オンボーディングでは、依然としてこうした引き継ぎの場面で時間が失われています。モダンなプラットフォームは、システム間でケースを接続し、状況の変化に合わせて作業を調整し、プロセスが依存しているコントロールと人間の判断を維持する必要があります。それができない場合、コストがシステム間に蓄積されます。

なぜウェルスマネジメントのクライアントオンボーディングにはこれほど時間がかかるのか？

最初のコストは、クライアントが最も直接的に感じるもの、つまり時間です。

シンガポールでは、プライベートバンキングの口座開設には約6週間かかり、複雑なケースではさらに時間がかかります。2026年5月、シンガポール金融管理局（MAS）は、MASと業界が共同で主導した口座開設ワーキンググループによるイニシアチブにより、その中央値が1か月以内に収まると予想されていると述べました。

社内では、スタッフの時間という形で現れます。Capgemini World Wealth Report 2026によると、144人のウェルス部門のエグゼクティブのうち60%が、統合されたクライアントビューを持っていませんでした。また、同レポートによると、16市場の1,317人のリレーションシップマネージャーが、業務運営に時間の41%を費やしていると回答しています。この数値はオンボーディング単体ではなく、ウェルス事業全般を対象としていますが、日常的な調整業務がいかに多くのリソースを消費しているかを示しています。

オンボーディングのジャーニー自体、多くのチームにまたがっています。12社以上のグローバルアセットマネージャーを対象とした2024年のEYのレポートによると、半数以上がオンボーディングに少なくとも10のチームを関与させています。しかし、CRMシステムとの強力な統合を報告したのはわずか15%でした。

「グローバルアセットマネージャーの半数以上がオンボーディングに少なくとも10のチームを関与させているが、CRMとの強力な統合を報告しているのはわずか15%に過ぎない。」

香港の35のプライベートウェルス機関を対象とした、KPMGおよびPrivate Wealth Management Associationによる2024年の調査では、オンボーディングの要求事項がコスト増加とクライアントエクスペリエンスの低下の要因として挙げられています。

調査結果は市場、人口統計、監督体制にまたがっており、それぞれコンテキストの中で読み解く必要があります。これら全体を通じて、パターンは一貫しています。つまり、クライアント情報が断片的であり、多くのチームがそのジャーニーをつなぎ合わせているということです。

企業は、スタッフの稼働時間、繰り返し行われるエビデンスの検索、手動での突合、例外処理、コントロール履歴の準備を通じて、この調整コストを吸収しています。統合、保守、変更テストによってコストがさらに増加する一方で、口座の開設と資金の着金は待たされることになります。

タスクが高速化されたからといって、必ずしもオンボーディングのジャーニー全体が速くなるとは限れません。システムが自身の作業を時間内に完了させたとしても、次の引き継ぎの段階でケースが停滞したままになることがあります。

AIは各タスクをさらに加速させることができますが、システム間の摩擦を自動的に取り除くわけではありません。

なぜタスクレベルのAIはオンボーディングのジャーニーを迅速化しないのか？

AIはすでにウェルスおよびアセットマネジメント分野に導入されつつあります。ウェルスおよびアセットマネジメント企業の意思決定者100人を対象とした2025年のEYの調査では、95%の企業が複数のユースケースにわたって生成AIの拡張を行っていると回答し、78%がエージェント型AIを模索していると回答しました。しかし、この勢いを測定可能なビジネス価値に変換することは依然として課題であり、GenAIから実質的なビジネスインパクトを実感していると回答したエグゼクティブはわずか27%にとどまっています。

実際の作業内容を見れば、そのギャップの理由がわかります。AIは、ドキュメントのフィールドを抽出したり、スクリーニング結果を要約したり、次のワークフローのアクションを推奨したりすることができます。それぞれの機能により単一アプリケーション内のタスクが改善される可能性がありますが、引き継ぎの段階では依然として最新のエビデンスと、何が変更されたのかについての明確な記録が必要になります。また、チームは、以前の作業をやり直す必要があるかどうかも把握しなければなりません。

AIエージェントの登場により、この依存関係の重要性がさらに高まります。専門的なエージェントや承認されたツール間で作業をルーティングするには、共有のケースステート（状態）が必要となるためです。そのステートには、何が完了しているか、何が陳腐化しているか、どの例外が次のステップをブロックしているかを示す必要があります。それがなければ、高度なオーケストレーションによって、本来削減されるはずだった断片化が再び引き起こされる可能性があります。

クライアントオンボーディングにおけるガバナンスされたケースコンテキストとは何か？

ガバナンスされたケースコンテキストとは、クライアントの各オンボーディングケースに関する、最新の、バージョン管理された、ソースにリンクされたビューです。これは、エビデンス、ケースのステート、完了したコントロール、未解決の例外、エージェントのアクティビティ、および決定履歴を統合します。コンテキストがバージョン管理されているため、チームは、何が変更されたか、その変更が何に影響を与えたか、そして以前の作業をやり直す必要があるかどうかを確認できます。

オンボーディングのさまざまな部分は、さまざまな場所に存在することがあります。コアとなるクライアントおよびカストディの記録はそれぞれの割り当てられたシステムに留まり、エビデンスの処理、コントロール、モデル、ケースのワークフローはDatabricks Data + AI Platform上で実行できます。ガバナンスされたケースコンテキストは、記録の所有権と決定権を維持しながら、以下の図に示すように、それらの作業を1つのガバナンスされたビューで接続します。Databricksでは、Unity Catalogがこのコンテキストのアクセス制御、リネージュ、および監査可能性を一元管理し、Delta LakeやApache Icebergなどのオープンなテーブルフォーマットがシステム間での信頼性の高いデータ管理と相互運用性をサポートします。

ウェルスマネジメントのクライアントオンボーディングのためのガバナンスされたケースコンテキスト。CRM、KYC、スクリーニング、カストディ、ワークフローの各システムをAIエージェントおよび人間のレビュー担当者と接続します。

ガバナンスされたケースコンテキストは、次のエージェントやレビュー担当者がケースを理解し、前進させるのに役立つ場合にのみ有用です。実践的なテストとして、履歴を再構築することなく次の4つの質問に答えられるかどうかを確認します。

どの日付のエビデンスが最新であり、どのソースとバージョンによって裏付けられているか？
どの作業が完了しており、何が変更され、どの結果が陳腐化している可能性があるか？
何が未解決であり、次に許可されるアクションは何か？
どの作業をエージェントまたは承認されたツールが実行でき、どこで承認されたレビュー担当者が判断を下さなければならないか？

これらの回答が1か所にあることで、ガバナンスされたスーパーバイザーエージェントは現在のケースステートから作業を再開できます。専門エージェントに独立したタスクを割り当て、承認されたツールを呼び出し、判断が必要な場合にはレビュー担当者を参加させることができます。また、競合するエビデンスにフラグを立て、レビュー用の完全なパッケージを組み立てることも可能であり、そのパッケージの背後にあるエビデンス、変更、およびアクションはケースに紐付けられたままになります。

価値をもたらすのは、このコンテキストをジャーニー全体で活用することです。モダンなプラットフォームは、コンテキストを常に最新の状態に保ち、その周囲でエージェントと人間を調整し、最初のエビデンスから最終的な決定に至るまで可視性とガバナンスを維持する必要があります。

エージェント対応のオンボーディングプラットフォームに求められるものとは？

ガバナンスされたケースコンテキストを機能させるには、4つのプラットフォーム機能が必要です。これらが一体となって、先ほど特定された摩擦に対処します。すなわち、引き継ぎのたびにケースを再構築すること、手動で作業を調整すること、機密データへのアクセスを管理すること、そしてジャーニー全体を把握せずにタスクを測定することです。

ケースの最新ビューを維持する:
エビデンスが到着し、コントロールが実行され、決定が下されるにつれて、プラットフォームはガバナンスされたコンテキストを更新し、基盤となるソースへのリンクを維持する必要があります。特定のレコードに割り当てられたシステムは権威ある状態を維持し、エージェントとチームは同じバージョン管理されたコンテキストに基づいて作業を行います。Databricksでは、Lakeflow Connectがサポートされているソースシステムからの変更をプラットフォームに取り込み、Databricks AI Functionsが新しいエビデンスの抽出と分類を行い、Lakebaseがオンボーディングアプリケーションで使用されるライブのトランザクションステートを維持します。
人間が権限を保持しながらエージェントの作業を調整する：
ガバナンスされたスーパーバイザーエージェントは、現在のケースの状態に基づいて次に許可されるアクションを選択し、定義されたタスクを専門エージェントや承認されたツールに送信し、判断が必要な場合は適任のレビュー担当者を呼び出します。例外処理、上書き、およびオンボーディングの承認については、人間が責任を保持します。Databricksでは、Supervisor Agentsが、Unity Catalogの関数、MCPサービス、Genie Agents（旧称Spaces）などの承認されたツールや専門エージェントを、ガバナンスされたエンタープライズデータ上で調整できます。
データ、ツール、アクションをガバナンスする：
オンボーディングには、個人情報（PII）やその他の機密レコードが含まれます。各エージェントは、そのタスクに必要なデータとツールのみにアクセスできるようにし、必要に応じて機密フィールドをマスクまたは非表示にする必要があります。エージェントのアクティビティは、追跡およびレビュー可能な状態を維持する必要があります。Databricksでは、Unity Catalogが、ガバナンスされたデータとAIアセット全体にわたって、きめ細やかなアクセス制御、マスキング、リネージ、および監査可能性を提供し、一方Unity Gatewayは、各エージェントが呼び出すことができるモデルとMCPツールの制御、ガードレールの適用、モデル間でのリクエストのルーティング、予算とレート制限の適用、およびすべてのリクエストのログ記録を行うことで、そのガバナンスをエージェントのランタイムに拡張します。
エンドツーエンドで測定する：
チームは、エージェントの品質、レイテンシー、信頼性、およびエスカレーションを、サイクルタイム、手動による対応、手戻り、例外処理、承認から資金調達までの時間とともに監視する必要があります。また、稼働状況には、統合の変更、重複したデータの移動、およびコントロールのエビデンスを準備するために必要な労力も含める必要があります。Databricks Appsは、キューおよびケースのワークスペース内にDatabricks AI/BIのダッシュボードを組み込むことができ、運用やコンプライアンスのリーダーに対して、アクティブなケースと並行してジャーニーのパフォーマンスの統合ビューを提供します。

これらの機能を組み合わせることで、ガバナンスされたケースのコンテキストが運用モデルに変換されます。以下のアーキテクチャは、コンテキスト、監督されたエージェント、および人間のレビューが、実際の運用でどのように連携するかを示しています。

監督されたAIエージェントは、どのようにクライアントのオンボーディングを調整しますか？

このアーキテクチャは、各ケースを中心に4つの機能が継続的にループする運用モデルを構築します。情報はソースシステムから到着し、一方でエビデンスの処理、コントロール、リスクモデル、オンボーディングのワークフローがプラットフォーム上で実行されます。各結果は、ソースの参照と履歴が添付された状態でガバナンスされたケースのコンテキストに戻され、次のエージェントやレビュー担当者にケースの現在の状態が提供されます。

ガバナンスされたスーパーバイザーエージェントはそのコンテキストを読み取り、次に許可されるアクションを選択します。ケースに応じて、承認されたツールの呼び出し、専門エージェントへの作業の割り当て、またはレビュー担当者の参加を行います。新しいエビデンスによって以前の結果が古くなった場合は、ケース全体を最初からやり直すのではなく、影響を受けた作業を再度開くことができます。また、完了状況と鮮度を監視し、ケースが進む前に不足している、または競合しているコントロール結果にフラグを立てます。

共有されたケースのコンテキスト、監督されたAIの作業、および一貫したコントロール下での人間の意思決定を接続する、ガバナンスされたオンボーディングアーキテクチャ。 — 共有されたケースのコンテキスト、監督されたAIの作業、および一貫したコントロール下での人間の意思決定を接続する、ガバナンスされたクライアントオンボーディングアーキテクチャ。

シンプルな例で、このループがどのように機能するかを示します。必要な書類を待っているケースを考えてみましょう。スーパーバイザーはギャップを特定し、レビュー用のクライアントへの連絡メールを準備し、不足しているエビデンスに依存する作業を一時停止することができます。レビュー担当者が連絡を承認し、指定されたチャネルを通じて書類が到着すると、ケースのコンテキストが更新されます。その後、スーパーバイザーは書類処理をトリガーし、影響を受けたチェックのみを再実行し、次の許可されたステップにケースをルーティングできます。

この図解されたデザインでは、各専門エージェントに明確な役割があります：

ドキュメントインテリジェンスエージェントは、提出されたファイルを読み取り、必要な情報を抽出し、不足しているエビデンスにフラグを立てます。
KYCおよびスクリーニングエージェントは、本人確認、KYC、およびスクリーニングのコントロールからの結果をまとめます。
リスク分析エージェントは、検証されたケースの事実を、定義されたルールおよびコントロールの結果と照らし合わせて評価します。
ケース要約エージェントは、レビュー用の評価ドラフトを準備します。

各結果は、サポートするエビデンスとソースの参照とともに、ガバナンスされたケースのコンテキストに戻されます。スーパーバイザーは、その更新された状態を使用して、別のエージェントに行動させるべきか、人間のレビューが必要か、あるいはケースを進めることができるかを判断します。

人間が意思決定の権限を保持します。制御されたワークスペースから、レビュー担当者はエージェントのエビデンスの検査、追加情報の要求、例外の解決、根拠を伴う上書きの記録、または権限内での意思決定を行うことができます。彼らのアクションはケースの履歴の一部となり、別のエージェントのタスクや対象を絞った再実行をトリガーする場合があります。ケースの推奨事項は評価のドラフトのままです。アラートの処理、リスクの受容、およびオンボーディングの承認は、その権限が割り当てられたシステムとレビュー担当者に残ります。

ガバナンスは、ループ全体を通じて作業に追従します。きめ細やかなアクセス制御により、各エージェントは業務に必要なデータとツールのみに制限されます。エージェントのトレースには、各エージェントが何を行ったか、どのくらいの時間がかかったか、推定されるモデルコストが記録されます。チームはこの履歴を使用して、品質の評価、退行の特定、および障害の調査を行うことができます。これらのトレースはAIおよびモデルリスクの監督をサポートし、権限のある意思決定はビジネスレコードに保持されます。トレースと意思決定のレコードを組み合わせることで、コンプライアンスおよび監査チームは、どのエビデンスがレビューされたか、どのコントロールが実行されたか、各エージェントが何を生成したか、誰が結果を承認、上書き、またはエスカレーションしたか、そしてその理由など、各ケースの再構築可能な説明を提供できます。これにより、企業は後から履歴をつなぎ合わせるのではなく、各決定に至った経緯を示すことができるため、AML/KYCの記録保持と検査への対応がサポートされます。

レビュー担当者のワークスペースには人間のアクションが記録され、アプリケーションはワークフローに必要なライブのケース状態を維持します。承認された決定の後、制御された統合機能により、それを所有するよう割り当てられたシステムに承認された結果が記録されます。Databricksでは、レビュー担当者のワークスペースをDatabricks Appとして実行でき、Lakebaseがライブのケース状態を維持します。

この運用モデルの価値は、最初に収集されたエビデンスから口座への資金調達に至るまで、ジャーニー全体を通じて測定される必要があります。そうしないと、より高速なエージェントやコントロールによって、遅延が次のハンドオフに移動するだけになってしまいます。

企業はエージェント支援によるオンボーディングをどのように測定すべきですか？

このアーキテクチャは、オンボーディングジャーニー全体を改善するときに価値を生み出します。エージェントの応答が速いことも重要ですが、本当のテストは、ケースがより早く進行するか、チームが作業の調整に費やす時間が減るか、そしてコントロールが効果を維持しているかという点にあります。

摩擦の多い1つのパスから始めます。ハンドオフ、手戻り、遅延がすでに目に見えているオンボーディングジャーニーを選択します。パイロットを開始する前に、ウェルスマネジメントのオペレーション、コンプライアンス、データ、およびテクノロジーのリーダー間で意見を合わせます。必要なエビデンス、各レコードと決定の所有者、人間の判断が必須である場所、およびスーパーバイザーがトリガーできるアクションについて合意します。

ワークフローを変更する前にベースラインを確立します。現在のジャーニーを次の3つの領域で測定します：

コストとキャパシティ：完了したオンボーディングあたりのコスト、および各ケースに費やされたアドバイザー、オペレーション、およびコンプライアンスの作業時間。
ジャーニーのパフォーマンス：中央値および90パーセンタイルのサイクルタイム、承認から資金調達までの時間、手動による対応、アクセスされたシステム、書類の手戻り、例外、未完了のケース、および途中で放棄されたケース。
テクノロジーとコントロール：統合の実行および変更のコスト、重複したデータの移動、ならびにコントロール、リネージ、および監査のエビデンスを収集するために必要な労力。

これらの測定基準を組み合わせることで、チームのキューやシステムのハンドオフの中で見えなくなりがちな作業が表面化します。また、ガバナンスされたケースのコンテキストによって、繰り返される突合やエビデンスの検索が削減されたのか、単に作業が別の場所に移動しただけなのかを示します。

パイロットを開始する前に成功の閾値を設定します。スピード、スタッフの労力、エージェントの品質、トレースの完全性、およびコントロールの効果を評価します。スーパーバイザーと専門エージェントは、回避可能なハンドオフを削減し、レビューに向けてより完全なケースを準備する必要があります。それらのトレースにより、作業の評価と調査が容易になるはずです。

例外、上書き、および再オープンされたケースの割合については、引き続き根本原因と品質のレビューが必要です。増加は、コントロールの問題を示している可能性があります。また、新しいプロセスがこれまで見逃されていた問題を検出していることを意味している可能性もあります。

ジャーニー全体の結果を読み解きます：

中央値のサイクルタイムが改善しているにもかかわらず90パーセンタイルが改善していない場合、複雑なケースで依然として滞りが発生しています。
エージェントの処理速度が向上した一方で、承認から資金化までの時間が変わらない場合、ボトルネックが移動しています。
手動での確認作業が減少した一方で、コントロールのエビデンス準備が変わらない場合、最終的なレビューパッケージにはまだ改善の余地があります。

最初のエビデンス収集から口座への資金化まで効果が持続し、管理の有効性が保たれるようになったら、スケールさせましょう。現代のオンボーディングの基準はシンプルです。案件の処理を迅速化し、エージェントのすべてのアクションを確認可能にし、判断が必要な場面では常に人間の権限を維持することです。

FAQ

AIだけではウェルスマネジメントの顧客オンボーディングの課題を解決できないのはなぜですか？

書類の処理、スクリーニング、ルーティングの高速化だけでは、断片化したエビデンス、案件のステータス、そして決定履歴の問題は解決しません。チームが何が変更され、どの作業が有効であり、誰が行動すべきかを判断しなければならない場合、次の引き継ぎの段階でオンボーディングが依然として停滞する可能性があります。

ガバナンスされたケースコンテキストとは何ですか？

ガバナンスされたケースコンテキストとは、オンボーディング案件の現在のものであり、ソースにリンクされ、バージョン管理されたビューのことです。エビデンス、案件のステータス、管理結果、例外、エージェントの活動、および決定履歴を結びつけ、エージェントとレビュアーが同じコンテキストに基づいて作業できるようにします。

人間がコントロールを維持しながら、監視付きAIエージェントはどのようにKYCと顧客オンボーディングを支援できますか？

ガバナンスされたスーパーバイザーエージェントは、文書のインテリジェンス、KYCスクリーニング、リスク分析を担当する専門エージェントの間で作業をルーティングし、承認されたツールを使用すると同時に、判断が必要な場合にはレビュアーを関与させることができます。きめ細かなアクセス制御とトレースによりエージェントの活動を確認可能にし、例外、上書き、オンボーディングの承認に対する権限は人間が保持します。

ガバナンスされたケースコンテキストを導入するために、企業は既存のシステムを置き換える必要がありますか？

いいえ。コアのレコードはCRM、カストディ、その他の割り当てられたシステムに残したまま、エビデンスの処理、コントロール、モデル、ワークフローをDatabricks Data + AIプラットフォーム上で実行し、Unity Catalogでデータ、モデル、エージェントツールをガバナンスすることができます。ガバナンスされたケースコンテキストは、レコードの所有権と決定権を維持しながら作業をつなぎ合わせます。

企業は、エージェントの速度だけに頼るのではなく、オンボーディングのプロセス全体を通じて価値を測定すべきです。有用な指標には、サイクルタイム、承認から資金化までの時間、手動での確認作業、手戻り、スタッフの労力、統合コスト、管理の有効性などが含まれます。改善がエンドツーエンドで持続し、エージェントのアクションが確認可能な状態を維持できたら、企業はスケールさせるべきです。

まずは摩擦の大きい1つのオンボーディングプロセスから始め、最初のエビデンス収集から口座への資金化までの影響を測定しましょう。Databricksが、金融機関が人間によるコントロールを維持しながらガバナンスされた追跡可能なエージェント型ワークフローを構築するのをどのように支援するかをご覧ください。

金融サービスのソリューションを見る

(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