「Amazon Bedrock」事例、金融業界特化の生成AIユースケースが続々

金融向けサービス＋生成AI “5つの実例” ―RAGの実装は？モデルの選択は？

2024年09月09日 07時00分更新

文● 福澤陽介／TECH.ASCII.jp

　アマゾンウェブサービスジャパンは、2024年9月5日、「金融領域における業務アプリケーションへの生成AI組み込み事例」に関する記者説明会を開催した。

　AWSは現在、「Amazon Bedrock」を中心とした生成AIアプリケーションを開発するためのソリューションを提供し、さらに、ユースケースの検討段階から手厚く支援するプログラムも展開しながら、生成AIによる課題解決の推進に力を注ぐ。

　これは金融領域においても同様だ。同社の金融事業開発本部長である飯田哲夫氏は、同領域における生成AI活用が、一般的なユースケースから業界特化のユースケースへと広がりを見せており、RAGやファインチューニングなどを用いた精度向上に取り組む企業が多いと説明する。

　金融領域におけるもうひとつの生成AIトレンドが、顧客向けの業務アプリケーションに生成AIを組み込む事例の増加だ。飯田氏は、「（このトレンドにより）今後、何十社、何百社という企業が生成AIを活用するようになる。アプリケーションに組み込まれることでUIも洗練されていき、今後、明示的に意識しなくても業務支援に生成AIが取り込まれていくフェーズに移っていく」と強調した。

アマゾンウェブサービスジャパン金融事業開発本部長飯田哲夫氏

　ここからは、Amazon Bedrockを用いて、金融業界向けアプリケーションに生成AIを組み込んだ5社の取り組みを紹介する。

インテック：金融向けCRMに特定ユースケースに強いAIエージェントを

　インテックが生成AIを組み込むのは、金融機関向けCRMの「fcube」である。現在は、このCRMに搭載するユースケース特化型の生成AIエージェントを開発中であり、2024年度中にリリース予定だ（「商談記録の要約・分析」「行内情報を踏まえたFAQ」の2つのユースケースで試行版を提供中）。

　アーキテクチャーとしては、Amazon Bedrockを核に据え、“AIエージェント基盤”、“fcubeサービス基盤”、“データ利活用基盤”の3つで構成。AIエージェント基盤はサーバレスで構築し、ユースケースに応じたエージェントをAPIとして疎結合させ、fcubeサービス基盤にデプロイされた各サービスで柔軟に利用できる。データ利活用基盤には、データ加工のためのデータパイプラインを内包し、安全にデータのやり取りができるよう設計されている。

fcubeの生成AIエージェントのアーキテクチャー

　同社が最終的に目指すのは、生成AIと意識させずに、蓄積したデータを基にパーソナライズされた機能を実装することだ。インテックの宮丸友輔氏は、「ユーザーのニーズに応えて、蓄積されたデータを継続分析していくことで、人に寄り添ったエージェントを生み出して、使いやすいCRMを提供したい」と語った。

インテックが目指すfcubeの生成AI実装

インテックバンキングビジネス事業本部事業企画部プロダクトマネージャー宮丸友輔氏

キャピタル・アセット・プランニング：保険の募集関連文書チェックサービスを展開

　キャピタル・アセット・プランニングは、生成AIを組み込んだ生命保険の募集関連文書チェックサービス「リベリス（LibelliS）」を提供予定だ。

　保険における募集関連文書は、ガイドラインや規定を遵守していなければならないため、作成作業の大半はその調査に費やされる。この課題を解決するのが、生成AIが文章を分析・評価してくれるリベリスであり、同社内の検証では「調査業務の65%を削減できる」という。

リベリスの画面。PDFからAI-OCRでテキストデータ化された文章に対して、評価する観点（法令・ガイドライン／社内規定・ルール）を選択

AIによる分析・評価結果が表示され、観点ごとの指摘や関連情報も把握できる

　仕組みとしては、まずBedrockがPDFを解析、次に評価基準を検索するが、精度を高めるためにエンタープライズ検索サービスである「Amazon Kendra」を用いて“Graph RAG”を構築している。最後にBedrockが、検索された情報をモデルにインプットして、評価結果を生成する。基盤モデルは、Anthropicの「Claude 3.5 Sonnet」を使用。マルチモーダルに対応するため、表形式を含む資料からも、高精度なテキスト抽出が可能だ。