富士通研究所の独自AI技術を採用、少量の学習データでも利用開始できる「Finplex EnsemBiz」

富士通、「根拠が説明できる」AIスコアリング基盤を金融業向けに発売

富士通研究所が開発したAI技術「Wide Learning」を実装、強みを生かす

　上述した3つの特徴は、富士通研究所が開発したAI技術、Wide Learningを組み込むことで実現している。Wide Learningの技術的特徴について、富士通研究所 デジタル革新コア・ユニット データアナリティクスプロジェクト マネージャーの太田唯子氏は次のように説明する。

　「Wide Learningでは、ありとあらゆるデータ項目の組み合わせパターンを“仮説”として作りだし、それをもとに（個々の仮説がどの程度“結果”に影響するかを分析したうえで）学習モデルを構築し、予測している。そのため、少量データでも学習が可能になる。ただし、データを増やせば増やすほど予測精度も高まる」（太田氏）

Wide Learningでは、すべてのデータ項目を組み合わせた膨大な数の“仮説”を作り、そこから結果への影響度の高い仮説を「ナレッジチャンク」として抽出する。これにより、従来より少ないデータでも（正解が少ないデータでも）学習ができ、影響度の大きい仮説を“根拠”として示せる（画像は富士通プレスリリースより

　具体的なFinplex EnsemBizの利用シーンも紹介された。たとえば銀行のローン審査においては、審査の自動化と同時にその予測根拠も明確にし、顧客（ローン申請者）への具体的な説明が可能となる。諾否判断の可視化や均質化、さらには審査業務にかかるコストの削減にもつながる。

　生命保険の営業活動では、顧客データ、営業活動データ、顧客特性データに基づき、どのようなチャネルで、どのようなアプローチをするのがよいかというアクションプランを複数提示し、営業職員の意思決定をサポートする。アポイント獲得率や成約率の向上だけでなく、営業スキルの底上げや標準化にもつながる。

　新たな領域におけるAI活用のスモールスタートにも適すると説明した。一般に、プロジェクトのスタート時点では少量の学習データしか用意できないことが多いが、Finplex EnsemBizの場合は少ないデータからでも利用を開始できるためだ。

　朱氏はあらためて、Finplex EnsemBizは学習データの量が少なく、AIの透明性が求められる業務に強みを持つと説明。今回の発表においては金融業向けとして提案をしているが、それ以外にも不良品の検知や疾患発生予測など「さまざまな業種／業務への適用を検討している」と語った。

金融業界における想定ユースケースと、その他業界におけるターゲット領域。「学習データが少なく、AIの透明性が必要な業務」に適する

■関連サイト

• 富士通「Finplex EnsemBiz」製品サイト