SoDA

取引データを分析し不正の兆候をAIで可視化。
効率的なリスク管理・戦略を支援します

SoDA（Sophisticated Data Analyzer for Anti-Money Laundering）は、金融機関のAMLモニタリング業務（マネーロンダリング対策）を高度化するAI分析支援サービスです。

銀行や証券会社などが日々処理する膨大な取引データをAIで分析し、不正取引のリスクを評価します。現在の検知シナリオの精度を検証したり、新たな検知方法を提案したりすることで、AML業務の負担を減らし、効率的なリスク管理を実現します。

サービス形態は、特定期間のデータ分析・改善提案を行う「スポット分析サービス」と、継続運用できる「ウェブサービス」の2種類をご用意しています。

このような方におすすめ

• 銀行・証券・クレジットカード・保険・不動産など、AMLリスク管理が重視される業種の企業
• 日々の取引モニタリングやレポーティング業務を担う、リスク管理部門・コンプライアンス部門の担当者
• 既存の検知シナリオベース監視では限界があり、AIを活用して新たな不正取引パターンを検出したい企業
• モニタリング検知シナリオの最適化を通じて、リスク判断の負担を軽減したい企業

特長

AIを活用した取引データ分析で、モニタリング業務を高度化

従来のルールベースの監視では、既存の検知シナリオに当てはまらない不正取引を見逃してしまうことがあります。SoDAは、AIを活用して取引データや顧客特性などを分析し、これまで検知できなかった新たな不正取引のパターンを発見します。具体的な支援内容は以下です。

AIモデルによる顧客特性・取引パターンの分析

過去の取引・アラートデータを基に、AIが顧客の取引傾向やチャネルごとの特性を学習。通常のルールベース監視では把握しづらかったリスク傾向を、定量的に把握できます。

アラートスコアリングによる優先順位付け

AIによるアラートスコアリングで、高リスクの取引に優先順位を付けられるため、担当者は重要度の高いアラートを優先的に確認でき、目視チェックの負荷軽減につながります。

AIモデルを用いた新規リスク検出

過去のアラートや高リスク取引を基に、類似パターンをAIが抽出。従来の検知シナリオでは検知されなかった新たなリスク兆候を見つけることができます。

AI分析を用いた、既存検知シナリオの評価・改善支援

金融機関のAML業務では、検知シナリオの設定が不適切なため、不正取引の見逃しや不正とは関係のない取引を過剰に検知することがあります。SoDAは、既存の検知シナリオを評価し、「どの検知シナリオが適切か」「どこに改善の余地があるか」を分析。検知範囲の適切化や過剰検知の抑制の実現を支援します。

検知シナリオ評価に関する支援内容の一例を紹介します。

• 既存検知シナリオのヒット率・ウタトリ対象の網羅性評価と改善提案
• AIを活用した検知シナリオ追加・変更による効果のシミュレーション
• 新規検知シナリオの追加案や組み合わせパターンの検討

API提供により、既存システムへスムーズに導入

ウェブサービスでは、既存システムに追加する形で運用できるため、新しいシステムをゼロから構築する必要はありません。APIを通じたデータ連携で、お客様社内の既存のワークフローに合わせた運用が可能です。

運用環境の安全性と選べるデータ連携方式

SoDAは、ISMAP（政府情報システムのためのセキュリティ評価制度）に準拠したAWS環境上で提供されており、金融機関や公共機関に求められる厳格なセキュリティ基準を満たしています。

また、以下のような複数のデータ連携方式をご用意しており、各社のセキュリティポリシーに応じて選択いただけます。

• SFTP / FTPSによる暗号化通信
• API連携によるリアルタイム送受信
• ローカルマスキング後のCSVアップロード など

サービス

AML業務の課題に合わせて「スポット分析サービス」と「ウェブサービス」の2種類のサービス形態を提供しています。

スポット分析サービス

特定期間のデータを対象にしたスポット的な分析を通じて、現在のAML業務の課題を可視化し、改善の方向性を提案するサービスです。「まずは自社のAML検知シナリオを評価したい」「新しい検知シナリオを導入する前に、影響を試算したい」「今後の施策立案に利用する数値・根拠を取得したい」などさまざまな目的で利用いただけます。

納品成果物

スポット分析サービスでは、AML業務の現状分析や改善提案などをまとめたレポートを納品します。主な納品物は以下です。

• 全入出金データ分析マニュアル（PDFファイル・文書）
• 全入出金データ分析レポート（PDF/PPTファイル・文書）
• 検知シナリオ改善/追加条件候補全データ（Excel/データファイル）

分析レポートは、対象検知シナリオやシステムの利用状況により異なりますが、一般的に100〜200ページに及ぶ詳細な報告書となります。以下は分析レポート内容の一例です。

• 検知シナリオごとのヒット率の評価
• 取引データのリスクスコアリング結果
• 新規検知シナリオの追加・改善シミュレーション
• 今後のAML施策に向けた具体的な提案

ウェブサービス

AML業務の継続的な監視をサポートするサービスです。システムと連携し、自動的に取引データを分析・スコアリングすることで、リスクの高い取引の選別や業務の効率化を支援します。スポット分析サービスとの違いは以下です。

• システム連携による自動化により都度データの抽出・提供が不要
• いつでもAIモデルの再構築・スコアリングの再計算などを実施
• 履歴情報を保持することで利用AIモデルの比較・ロールバックも容易
• 任意の段階での集計結果をレポートとして取得

利用画面イメージ

操作・閲覧画面は以下のようなイメージです。

各種データ取得

各種データは履歴として保持され、いつでもダッシュボード上で確認できます。また、PDFファイル/データ形式で取得することもでき、特定の事例の証跡としても活用いただけます。ドキュメントのイメージは、スポット分析サービスと同様の形式になります。

サービスの流れ

スポット分析サービス

データ受領からレポート納品、事後作業が完了するまでの期間は約3カ月を想定しています。契約・対象データの抽出など事前の準備期間はお客様により変動します。

1．事前準備・ヒアリング

サービス開始前に、契約の締結とあわせて、分析対象となるデータの抽出方針や形式についてお客様にヒアリングを行います。そのうえで、対象データの抽出作業をお客様側で進めていただきます。

主なヒアリング内容

• 抽出対象のデータ（通常DBテーブル単位）
• 連携項目、マスキング項目の整理
• AMLシステム外のデータの利用有無
• データ形式（CSV/Excelなど）と受け渡し方法（SFTP/可搬媒体など）
• データ抽出・提供スケジュール
• 現行業務の課題やレポート分析で重視したい点

分析に必要なデータ例

3〜6カ月分以上の実績データをご提供いただく想定です。

• 取引データ（入出金記録、送金・受金の相手先情報、取引金額、日時、チャネルなど）
• 顧客属性データ（業種、国籍、所在地、取引目的など）
• 検知シナリオ情報（検知シナリオID、適用条件、アラート発生履歴など）
• アラート履歴（アラート発生日時、内容、判断結果など）

2．データ分析開始

受領したデータを基に、AIを活用した分析を実施します。分析の目的や検知シナリオ構造に応じて、複数の手法を組み合わせながら実施します。

中間レビューや最終報告に向けたドキュメント設計もこのフェーズで行い、必要に応じて「分析マニュアル」などの補助資料もご提供します。主な実施内容は以下の通りです。

実施内容

• AIモデルによるリスクスコアリング・類似取引の抽出
• 検知シナリオの評価や条件改善のシミュレーション
• 中間報告に向けた資料作成・マニュアル提供

3．中間報告

ここまでの分析結果を基に、中間報告を行います。ここでは、AIモデルの傾向や判定理由などについてもご説明します。各種分析手法の妥当性や確認観点についても、この場で共有し、次フェーズに向けた調整をご相談します。

実施内容

• AIモデルの分析結果の初期報告・共有
• モデルの構成要素や判断ロジックの解説
• 現行検知シナリオのカバレッジ/条件適合の傾向分析
• 最終報告に向けた確認・調整事項の整理

4．最終報告

最終報告では、すべての分析結果をレポートにまとめて提出します。
あわせて、レポート説明や質疑応答、施策立案のための観点共有も実施します。

実施内容

• 分析レポート（PDF/PPT形式）の納品
• 提出物の報告会・質疑応答（ウェブ会議想定）
• 検知シナリオ改善案・新規検知案の提案
• 今後の対応方針に関するディスカッション

5．事後作業

報告完了後は、お客様からの受領データを完全消去し、取り扱い完了報告を行います。また、次回以降の分析や、継続的な支援を希望される場合は、振り返りや改善点のフィードバックもご相談可能です。

主な対応内容

• お客様データの削除・削除完了報告
• 次回分析や定期サービス化に向けた方針検討（例：更新頻度、テーマ候補）
• 特定テーマの深掘り分析や新たなPoC（実証検証）の実施提案
• 継続利用時のための安全なデータ保管・管理オプションのご提供
• 必要に応じたレポートの再発行、フォーマット調整、内容アップデートのご相談対応

ウェブサービス

ウェブサービスを導入するには、試験環境での検証を含め、約3カ月のプロセスを想定しています。導入前に、既存システムとの適合性やデータの整合性を確認するための検証を行い、スムーズな本番運用を支援します。

1．スポット分析サービスによる現状確認・AIモデルの効果測定

ウェブサービスをご検討中のお客様には、まずスポット分析サービスを通じた現状分析とモデル効果の事前確認を推奨しています。

初回のレポートでは、お客様の取引データやアラート履歴を基に、以下内容を多面的に評価することが可能です。これにより、ウェブサービスへのスムーズな接続や、初回モデルの品質担保が可能になります。

評価可能な内容

• AIモデルの有効性（過去のウタトリ傾向や検知ロジックとの整合性）
• 有効な特徴量の抽出と活用可能性
• 継続利用に向けた分析対象データの妥当性や粒度
• 検知シナリオ適用の改善余地 など

2．試験環境での動作検証

導入前に、試験期間を設け、SoDAが適切に機能するかを確認します。実データを連携し、初期モデルの構築を行い、一定期間仮運用することで、ウェブサービスとしての運用適性を確認します。

実施内容

• データ連携手段（SFTP/API/CSVなど）の確認と接続・データ連携テスト
• 連携データの整合性・構造・不足項目の確認
• モデル構築・検知シナリオ適用の初期検証
• ウェブサービスでの継続運用可否に関する評価（出力形式/スコア傾向など）

3．ウェブサービス導入・本番運用開始

検証を経て本番環境への導入に移行します。システム連携や検知シナリオの適用、AIモデルの定期学習などの設定を行い、継続的なデータ分析・スコアリング業務を開始します。履歴保存やモデル再構築などの運用機能もあわせて整備します。

実施内容

• システムとの接続設定（APIキー・認証設定・送信タイミングなど）
• 検知シナリオ適用とアラートスコアリングの運用開始
• モデル再学習・履歴保存・比較機能の初期設定
• レポート出力設定（ダッシュボード上/PDFなど）