金融機関は長年、不正検出や与信審査など個別のタスクに特化した AI モデルを多数導入してきましたが、これらのシステムがサイロ化され、顧客の金融行動を統合的に理解する障壁となっていました。企業データが拡大する中で、AI が処理できる範囲と企業の知識の間にギャップが生じており、この課題を解決するため、業界は独自のデータを用いて訓練された「取引ファウンデーションモデル」への移行を進めています。NVIDIA の調査によると、金融機関の 65% が既に AI を活用しており、その活用と投資はさらに拡大しています。従来の統計手法や機械学習モデルでは対応が難しかった複雑な文脈を、トランスフォーマーベースのファウンデーションモデルが扱うことが可能になりました。これは、支払い、送金、行動パターンなど数十億単位の取引データを学習させることで、顧客の行動を統一的に表現する仕組みです。 具体的な事例として、Revolut は NVIDIA と協力し、2600 万人のユーザーの 240 億件に及ぶ取引データを用いて PRAGMA というファウンデーションモデルを開発しました。これにより、融資スコアリングや不正検出の精度が向上し、手作業による特徴量エンジニアリングの時間が劇的に短縮されました。同様に Mastercard も、不正処理やロイヤルティなど複数のドメインに跨る独自の大型モデルを構築中であり、早期テストでは既存の手法を上回る性能を示しています。Adyen も同様のモデルを採用し、承認率のわずかな改善が巨額の利益増とコスト削減につながると指摘しています。また、Stripe は文脈を深く理解するモデルによって年間 1120 億ドルの不正をブロックし、不正検出率を平均 38% 削減しました。 この技術の進化は、単なる分析を超え、subscription 管理や支払いルーティングを実行する「エージェント AI」の基盤ともなっています。現在、金融機関の 42% がエージェント AI の活用を検討しています。NVIDIA は、AWS や Nebius クラウド上で実行可能な開発者向けサンプルを提供しており、EXL、Infosys、GFT、Thoughtworks といったパートナー企業を通じて、各金融機関の用途に合わせた実装を支援しています。これらの取り組みにより、金融業界は個々のモデルの断片化から脱却し、独自のデータと統合されたアーキテクチャを活用した次世代の AI インテリジェンスを加速させています。