Jay Venkateswaran、WNSの銀行・金融サービス事業部長 – インタビューシリーズ

Jay Venkateswaran, 銀行および金融サービスのビジネスユニット責任者として、戦略、成長、財務実績を監督します。WNS に入社する前は、AT カーニーでコンサルティング パートナーを務めていました。信頼できるビジネス変革およびサービスパートナーとして、 WNS ドメインの専門知識と、分析、ハイパーオートメーション、AI を統合する統合デジタル エコシステムを独自に組み合わせて、クライアントの市場での差別化を実現します。

Generative AIは銀行・金融サービスを急速に変革しています。今後5年間でその影響はどのように進化すると考えますか？

銀行において、生成AI（Gen AI）は顧客体験の向上、業務効率の改善、リスク管理の強化に重要な役割を果たすと考えています。バックオフィスでは、AI 主導の自動化が規制報告、コンプライアンスチェック、文書処理といった業務を効率化し、運用コストを大幅に削減します。さらに、AI はリアルタイムのデータインサイトと予測分析を通じて、信用リスク評価や不正検出を高度化します。

最も変革的な変化の一つはハイパーパーソナライズ化で、金融機関は個々の顧客の行動、嗜好、ニーズに合わせた高度にカスタマイズされた商品やサービスを提供できるようになります。AI の能力が向上するにつれ、銀行は AI 搭載のチャットボットやバーチャルアシスタントをますます統合し、顧客とのやり取りを直感的かつ応答性の高いものにします。最終的に、銀行・金融サービス業界は高度にインテリジェントでデータ駆動型のエコシステムへと進化し、AI 主導のインサイトがより賢い意思決定を可能にし、シームレスでよりパーソナライズされた銀行体験を実現します。

もちろん、生成AIが主流になってからわずか2年足らずで、同等、あるいはそれ以上に変革的なブレークスルーであるエージェンシーAIが登場したことも見逃せません。このイノベーションは、静的なチャットボットやサイロ化された自動化を、適応・学習・ほぼ人間レベルの知能でタスクを実行できる自律的な意思決定AIエージェントに置き換えることで、銀行業界にパラダイムシフトをもたらす可能性があります。

多くの金融機関はまだAI導入の初期段階にあります。遅れている企業が追いつくのは遅すぎるのでしょうか、それともギャップを埋める実行可能な戦略はあると考えますか？

金融機関がAIを導入するのは決して遅くはありませんが、戦略的なアプローチが不可欠です。遅れている企業はAIを戦略計画に組み込み、即時の価値を提供する高インパクトなユースケースに注力すべきです。

まずは「クイックウィン」機会を特定することが推奨されます。たとえば、AI 駆動の顧客サービスチャットボット、文書処理の自動化、詐欺検出など、AI導入により効率と顧客満足度を迅速に向上させられる領域です。

さらに、リソースと時間がかかる社内でのAIモデル開発に代えて、金融機関は専門AIベンダーとのパートナーシップを通じてAI導入を加速できます。これらの提携により、銀行は事前構築されたAIモデルやクラウドベースのAIソリューションを活用でき、導入期間とコストを削減できます。

もう一つの重要な戦略は、ローコード・ノーコードのAIプラットフォームを活用することです。これらのプラットフォームにより、金融機関は高度な技術知識がなくてもAI駆動のソリューションを迅速に展開できます。例えば、AIベースのインテリジェントデータ処理（IDP）モジュールは、PDFやメールといった非構造化データから情報を抽出・分類・分析し、業務効率を向上させます。

これらの焦点を絞った戦略を採用することで、遅れている企業はコンプライアンスとスケーラビリティを確保しながら、AIギャップを効率的に埋めることができます。

AIソリューションを導入する際に銀行が直面する最大の課題は何ですか、そしてそれらをどのように克服できますか？

AIソリューションを導入する際、銀行は主にデータ品質、レガシーシステムの統合、規制遵守という3つの課題に直面します。

1. データ品質と可用性：AIモデルは高品質で構造化された多様なデータセットをトレーニングに必要とします。しかし、多くの銀行はデータソースが分散し、ガバナンスが欠如し、データ形式が一貫していないという課題に直面しています。これを克服するために、金融機関は堅牢なデータガバナンスフレームワークに投資し、データリポジトリを集中化し、AI駆動のデータクレンジングと強化ツールを活用すべきです。
2. レガシーシステムの統合：多くの銀行はAI導入に最適化されていないレガシーITインフラで運用しています。APIベースの統合アーキテクチャを導入することで、AI駆動ソリューションとレガシーシステム間のギャップを埋め、システム全体の刷新なしにシームレスなデータフローとプロセス自動化を実現できます。
3. 規制・コンプライアンスの懸念：変化し続ける規制環境では、AIモデルが透明性、説明可能性、監査可能性を備える必要があります。これに対応するため、銀行はAIガバナンスフレームワークを導入し、規制当局と連携し、透明性、バイアス軽減、コンプライアンス適合性を重視した信頼できるAIソリューションを採用すべきです。

これらの課題に積極的に取り組むことで、銀行はAI導入の堅固な基盤を築き、長期的な成功を確保できます。

なぜ銀行は本格的な導入前にAIユースケースを実験することが重要なのでしょうか？

AIユースケースの実験は、銀行が本格導入に踏み切る前に、運用上の実現可能性、規制遵守、ユーザー受容の成功を確保するために不可欠です。

1. 運用準備性：AI駆動のソリューションはワークフローを大幅に変える可能性があり、単なる再設計ではなくプロセスの再構想が必要です。実験により、銀行は既存プロセスへの影響を評価し、広範な実装前に必要な調整を行うことができます。
2. ユーザー受容とトレーニング：AI駆動システムはエンドユーザーの期待と合致する必要があります。小規模なパイロットプロジェクトは、銀行がユーザー受容度を測定し、実際のフィードバックに基づいてAIモデルを洗練させ、AI駆動の意思決定への信頼と円滑な導入を確保するのに役立ちます。
3. ROI の検証：銀行は大規模投資を行う前に、AI の財務的・運用的インパクトを測定しなければなりません。顧客獲得の強化、業務コスト削減、詐欺防止の改善などのAIユースケースを実験することで、ROI に関する具体的な洞察が得られ、データ駆動型の投資判断が可能になります。

反復的なテスト＆ラーニングアプローチを取ることで、銀行はリスクを軽減し、AI戦略を洗練させ、AI導入がビジネス目標と合致することを確保できます。

金融機関はAIの準備と導入にどのように取り組めば、ROI を最大化できるでしょうか？

AI導入で最大のROIを得るためには、銀行はAIイニシアチブをビジネス目標と整合させる戦略的かつ部門横断的なアプローチを取る必要があります。

1. 戦略的整合性：AIはコスト削減、プロセス効率化、顧客獲得、リスク管理の向上といった金融機関の広範な戦略目標に組み込まれるべきです。
2. 部門横断的協働：AI導入はIT部門だけに閉じるべきではありません。リスク、コンプライアンス、オペレーション、カスタマーサービス、事業部門など、部門横断的な協働が、AIソリューションが組織全体のニーズに応えるために不可欠です。
3. 人材のスキル向上とチェンジマネジメント：銀行は従業員にAI関連スキルを身につけさせる研修プログラムに投資すべきです。AI駆動の業務への円滑な移行には、体系的な学習プログラム、実践的なトレーニング、そしてパートナーシップを通じた外部AI人材の活用が必要です。
4. スケーラブルなAIインフラ：金融機関は、反復的な改善と既存の銀行システムとのシームレスな統合を可能にするスケーラブルなAIプラットフォームを導入すべきです。

これらの要素を優先することで、銀行はAI導入が実質的なビジネス成果をもたらし、顧客体験を向上させ、測定可能な財務リターンを実現できることを確保できます。

デジタル決済における詐欺は増大する懸念です。生成AIは金融機関が増加する詐欺と戦い、セキュリティを向上させるためにどのように役立ちますか？

デジタル決済の採用が拡大するにつれ、詐欺手法はより高度化しています。生成AIは、膨大なデータセットをリアルタイムで分析し、従来のルールベースシステムが見逃す可能性のある異常な取引パターンを特定することで、詐欺検出能力を強化します。

Gen AIは:

1. 取引データから継続的に学習することで、誤検知を減らしながら詐欺防止率を向上させ、より高精度で詐欺を検出します。
2. 個々の顧客レベルで行動異常を特定し、過去のトレンドに基づいて疑わしい活動をフラグします。
3. 業界レポート、セキュリティ速報、グローバルなインシデントデータベースをスキャンし、出現する詐欺トレンドを予測して適応することで、脅威インテリジェンスを強化します。

これらのAI駆動機能を活用することで、金融機関は詐欺防止策を大幅に強化し、人間が主導する調査を最適化し、より安全なデジタル取引を実現できます。

WNSは、分析とAIを活用して詐欺検出および調査の側面に対応するソリューションを多様なクライアントと共同で構築してきました。これらのソリューションは以下の組み合わせを活用しています。

詐欺検出と分類のための予測モデリング。

• 文書デジタル化のための IDP
• 改ざん文書検出のためのディープラーニング活用ソリューション

コンプライアンス要件は世界各市場でますます複雑化しています。AIは銀行が規制基準をより効率的に満たすのにどのように支援できますか？

規制遵守は、世界的な規制の絶え間ない変化により、過去数十年にわたり動的かつ変化し続ける課題となってきました。そのため、銀行は人材、プロセス、テクノロジーに投資し、ますます複雑化するコンプライアンス要件を遵守することが不可欠となっています。AIは規制遵守を効率化する強力なツールとして浮上しており、特に規制変更の追跡とそれが銀行業務に与える影響の評価に有効です。AIを活用することで、金融機関は規制変更のリアルタイム更新を受け取り、プロアクティブにコンプライアンス対策を計画・実施できるようになります。

さらに、AI駆動のソリューションは規制文書を体系的に整理・管理でき、これらの変更を追跡・解釈するための手作業を削減します。生成AI（Gen AI）は、新しい規制と過去のバージョンを比較分析することでコンプライアンス機能をさらに強化し、内部ポリシーや手順への影響を迅速に評価できるようにします。この機能はリスクとコントロールの評価を強化し、コンプライアンスプロセスをより効果的かつ効率的にします。さらに、生成AIは構造化された研修コンテンツの作成に役立ち、スタッフが規制変更について十分に情報を得られるようにします。AI駆動の継続的なモニタリングと監査機能はコンプライアンスリスクを大幅に削減し、金融機関に対し規制管理へのプロアクティブなアプローチを提供し、全体的なリスクとコンプライアンスフレームワークにおける予期せぬ事態を最小化します。

コンプライアンス領域において、WNSは過去数年間にわたり AI と生成AI を活用したソリューション構築の最前線に立ってきました。その例としては：

• 不利メディアスクリーニング向け生成AIソリューション
• AML（マネーロンダリング防止）調査向け AI と生成AI ソリューション
• 強化された KYC のための AI 駆動ソリューション

詐欺検出やコンプライアンス以外で、現在の銀行業務において最も有望な AI 駆動ユースケースは何ですか？

AI は絶えず進化しており、データサイエンティストや AI 実務者は銀行セクターのさまざまなビジネス課題に対応する革新的なソリューションを開発しています。詐欺検出やコンプライアンスを超えて、AI は顧客体験、業務効率、意思決定プロセスにおいて大きな変革をもたらしています。

最も顕著なユースケースの一つは、AI 搭載チャットボットと生成AI 主導のリアルタイムエージェント支援で、これらはパーソナライズされた即時かつ効率的なやり取りを提供することで顧客サービスを革命的に変えています。この変化は顧客満足度を向上させ、問題解決をスムーズにします。

業務面では、AI は金融機関内の複数部門にまたがる長年の課題である照合プロセスに取り組んでいます。AI 駆動のアルゴリズムは、過去のパターンやトレンドを分析して未照合取引のマッチングを自動化し、手作業の介入を大幅に削減します。

もう一つの重要な応用は決済処理で、特に入金時に情報が不完全または曖昧で人手が必要となるケースです。AI 駆動の傾向モデルは確率スコアを生成し、金融機関が正しい取引先を迅速かつ正確に特定できるよう支援し、手作業の処理を最適化します。

これらは、WNS が主要な金融機関を支援し、AI を活用して効率を向上させ、顧客体験を改善し、業務レジリエンスを強化している例の一部に過ぎません。

AI 人材は業界全体で高い需要があります。銀行は優秀な AI 専門家を引き付け、保持するために何ができるでしょうか？

業界全体で AI の採用が進むにつれ、特にデータサイエンティストや機械学習エキスパートといった AI 人材の需要が急増しています。優秀な AI 専門家を引き付け、保持するには、意義ある機会を提供し、イノベーションに満ちた環境を育む戦略的アプローチが必要です。

AI 専門家の主な動機の一つは、実験・イノベーション・インパクトのあるソリューション開発を可能にする高品質なデータへのアクセスです。構造化され、整然としたデータエコシステムを提供する組織は、AI エキスパートが活躍できる環境を作ります。一方で、ビジネスに意味のあるインパクトを創出する機会が欠如していることが、AI 専門家が組織を離れる主な理由の一つです。

優秀な人材を引き付けるため、銀行は主要な工学系大学や大学院と強固なパートナーシップを築き、AI に特化したインターンシップ、研究協働、直接採用ルートを提供すべきです。このアプローチにより、金融機関は AI 専門家と早期に関わり、組織内での明確な成長パスを示すことができます。

さらに、AI 専門家がドメインエキスパートと協働して実世界の課題を解決できる AI 駆動の文化を銀行内で育むことは、仕事への満足度と定着率を高めます。WNS はインドの主要大学と協力し、同様のモデルを成功裏に実施しており、金融サービスセクターに貢献できる熟練した AI 人材の安定した供給ラインを確保しています。

AI の統合に伴い、銀行のプロフェッショナルの役割はどのように変化すると考えますか？従業員は職務の置き換えを懸念すべきでしょうか？

AI が人間の仕事を奪うという議論は長年にわたり広がってきました。AI は確かにルーティン業務を自動化しますが、真のインパクトは人間の能力を補強し、銀行プロフェッショナルが行う仕事の質を向上させることにあります。

繰り返し的でルールベースの業務が AI とロボティック・プロセス・オートメーション（RPA）によってますます管理されるにつれ、銀行プロフェッショナルは判断力、批判的思考、意思決定といった高度なスキルを要する役割へとシフトしています。この変化は過去10年にわたり進行し、デジタル決済が従来の小切手取引を徐々に置き換えてきました。この移行により支店やATMの利用者数は減少しましたが、同時に支店スタッフは支払例外管理、投資アドバイス、詐欺調査といったより複雑な業務を担うようになっています。

バックオフィスレベルでは、AI が PDF やスキャン文書といった非構造化データをデジタル化することで業務を簡素化し、従来は手作業で処理されていた作業を自動化しました。人間の関与は現在、例外処理や複雑な調査タスクに主に集中しており、効率と正確性が向上しています。

職務の置き換えを引き起こすのではなく、AI 駆動の変革は人材のスキル向上を促し、プロフェッショナルが業界のニーズに合致した新たな能力を身につけることを保証しています。この変化は、先進的な分析力と問題解決能力を備えた人材を育成することで、金融サービスセクター全体に利益をもたらします。

銀行組織内で AI ファースト文化を育む際に、あなたが観察したベストプラクティスはありますか？

WNS は多様な銀行案件において AI ファースト文化の育成を先導し、構造化された協働アプローチで AI 主導の変革を推進しています。以下のベストプラクティスが、銀行組織内に AI を効果的に根付かせることに貢献しています：

1. 共同創造モデル：銀行はドメインエキスパートとデータサイエンティストを業務チームに統合し、AI 駆動ソリューションが実際の銀行課題と合致するようにすべきです。WNS ではこのアプローチにより、ハイパーオートメーションの機会を特定・実行し、継続的な改善を実現しています。
2. 埋め込み型変革チーム：AI 変革は IT やイノベーション部門に閉じるべきではありません。代わりに、変革チームをコア業務に埋め込むことで、AI 主導の効率化機会の特定と組織全体へのソリューション拡大に継続的に注力できます。
3. 文化的認識と採用：組織は AI リテラシー教育プログラムに投資し、従業員に AI の利点、ユースケース、役割強化の可能性を教育すべきです。十分に情報を得た従業員は AI ソリューションを採用し、成功的な実装に貢献する可能性が高まります。
4. イノベーションへのインセンティブ付与：従業員が AI 駆動のアイデアを提案し、成功した実装を報酬で評価することで、継続的改善とエンゲージメントの文化が醸成されます。コンペティション、ハッカソン、表彰プログラムは、組織全体での AI 採用を促進するのに役立ちます。

すべての組織レベルで AI の導入を推進します。

これらのベストプラクティスを採用することで、銀行はシームレスな AI 統合を実現し、業務効率を最大化し、将来の金融サービスに対応できる人材を育成できます。

素晴らしいインタビューをありがとうございました。詳しく知りたい読者は WNS をご覧ください。