
AI・データ分析CASE
都市銀行
AML取引モニタリングのAI補助システム
- Challenge
- 国際送金・口座取引の疑わしい取引検知で、ルールベースの誤検知率が高く、アナリスト1人あたり1日200件以上のアラート精査に追われていた。
- Approach
- 過去5年分の取引ログと判定結果を学習した補助AIを構築。ルールエンジンの出力にリスクスコアを付与し、アラート優先順位と判定補助コメントを自動生成。
- Outcome
- 誤検知アラートを62%削減、アナリスト1人あたりの精査工数を日200件→日80件に圧縮。判定品質は監査部門レビューで同等以上を維持。
PythonPyTorchFastAPISnowflakeAWSDatabricks
10ヵ月PJ規模 12名 / 対象取引 日次2,400万件






















