この記事は、2026/07/10に公開された「From Scoring to Reasoning: Operationalizing Trusted AI with Cloudera, NVIDIA, and Dell Technologies for Financial Services.」の翻訳です。
エンタープライズ AI は、ここ2年間で重要な転換点を越えました。もはや議論の的は、AI が機能するかどうか、あるいはどのモデルを評価すべきかではなく、AI をいかにして本番環境に導入し、大規模に運用して、AI が行うすべての決定に責任を持つか、という点に移っています。現代の IT 部門やビジネスリーダーは運用に関する問題に直面しています。AI ワークロードをどこで実行すべきか、AI を役立てるにはデータとどのように連携させるべきか、そして AI が生成する回答を組織がコントロールし続けるにはどうすればよいかといった問題です。
その運用上の変化の根底には、さらに深い変化があります。 不正検知や信用リスクを管理する金融サービス企業では、初期のAI導入は個別の予測や二値の結果に焦点を当てていました。 今日求められているのは、複数のデータソースを横断して推論し、判断の根拠を説明し、即座に連携して行動できるシステムです。 スコアリングから推論への移行は、組織が最も重大なワークフローに取り組む方法を変えつつあります。
その変化には、これまでとは異なる基盤が必要です。 AI が信頼できる確実なデータ、専用の AI インフラストラクチャ、あるいは大規模なリアルタイム推論を実現できる AI ファクトリー、そして機密データを主権が確保された安全な環境内に維持する能力です。 NVIDIA によって高速化され、Dell Technologies のインフラストラクチャに導入される Cloudera AI は、金融サービスを代表的な実証例とし、AI をパイロットから本番運用へと移行するあらゆる組織へと広がる価値提案を備え、現在の状況において実践的な基盤を企業に提供します。
実験から運用へ
Omdia の一部となった Enterprise Strategy Group の調査によると、金融サービス組織の78％が、他の AI 施策と比較して AI エージェントを最優先事項または優先度の高い事項と見なしています。 その高まりは金融サービス業界に限ったことではありません。 規制対象業界全体で、AIは実験的なプロジェクトから、最も重要な業務プロセスに焦点を当てた取締役会レベルの優先事項へと移行しています。 マネーロンダリング対策、信用審査、リスク管理、不正検知は主要なユースケースに数えられますが、同じ傾向は医療、通信、公共部門、製造業にも見られます。
同じ調査からも、障壁が明らかになります。 金融サービス組織の51％が、AIエージェントの使用におけるデータプライバシーや機密情報の取り扱いに懸念を示しています。 45％が、AIエージェントの意思決定の不正確さを懸念しています。 これらは、実験段階で見られた導入へのためらいではありません。 これらは、あらゆる本番環境の AI システムが満たさなければならない運用要件であり、今日行うアーキテクチャ上の選択は、今後何年にもわたってそれらの要件を支えることも損なうこともあります。
新たなアーキテクチャ：スコアリングから推論へ
従来の機械学習は、大量かつ高速なスコアリングにおいて、引き続き大きな価値をもたらしています。 構造化データでトレーニングされたモデルは、50ミリ秒未満で取引を評価し、大規模に異常を検出します。 機械学習は、自らの判断をうまく説明できません。 スコアは、調査担当者に何が起こったかを伝えます。 スコアは理由を伝えず、人間の審査担当者が確信を持って判断するための文脈も提供しません。
生成 AI がそのギャップを埋めます。 大規模言語モデルは、数千ページの文書を読み込み、関連する情報を抽出して、複雑な状況を平易な言葉で説明する要約文を生成できます。 不正調査では、生成 AI が、取引にフラグが立てられた理由を背景情報とともに説明する調査概要を作成します。 信用判断に際しては、構造化された財務データ、市場情報、非構造化分析をまとめた予備的なメモを作成します。
エージェント型 AI は、これらの機能を連携したワークフローに統合します。人間のアナリストが分散したシステムから情報を収集するのことはありません。エージェントが関連データを自律的に取得し、適切なモデルを呼び出した上で、人間が確認し、行動に移すための包括的な評価をまとめます。その結果、意思決定が迅速化し、結果の説明も明確になりますが、最終判断を下すのは人間です。NVIDIA は、このアーキテクチャを金融サービス向けの AI ファクトリーと呼んでいます。不正の検出や与信審査からリスクモデリングや顧客インテリジェンスまで、金融の中核となるワークフロー全体で、統制された高スループットの AI エージェントが動作する、フルスタックで本番環境に対応したシステムで、従来のデータセンターを、インテリジェンスを生産するための工場へと変革します。
AIがあるべき場所：データとともに
エンタープライズ AI における最も重要かつ単純な問題「AI をどこで稼働すべきか」に対する答えは時間が経つにつれ、より明確になりつつあります。オンプレミス、クラウド、ハイブリッド環境のいずれであっても、AI はデータが存在する場所で稼働するときに最大のビジネス価値を発揮します。金融機関にとって、これはアーキテクチャ上の好みの問題ではなく、規制面および競争上の必須条件です。自社独自の取引データでドメイン適応型のカスタムモデルをトレーニングする銀行や決済プロバイダーは、競合他社が再現できないインテリジェンス資産を構築します。そして、Cloudera により、そのデータが存在する場所を問わず AI を展開できるようになります。
AI が企業データと連携して動作すると、コンテキストの質が変わります。リスクスコアは、それ自体では単なる数値に過ぎません。最近の取引履歴、顧客履歴、デバイス信号、アカウント行動など、あらゆる情報に完全にアクセスできるリスクスコアは、人間が自信を持って行動に移せる、コンテキストに沿った提案へと変わります。この深いコンテキスト、つまり金融機関が既に保有しているマルチモーダルデータセットから予測シグナルを抽出する能力こそが、独自の AI インテリジェンスを構築する機関と汎用モデルに依存する機関を分ける決定的な要素なのです。
Dell Technologies 上で NVIDIA により高速化された金融サービス向け Cloudera AI
Cloudera は、信頼できるデータ基盤を提供します。 Cloudera のハイブリッドデータ・AI プラットフォームは、オープンなレイクハウスアーキテクチャで構造化データと非構造化データを統合します。 Cloudera の流れているデータは、リアルタイムのストリームを履歴データとともに取り込み、Shared Data Experience は、オンプレミス、プライベートクラウド、パブリッククラウド環境全体で一貫したガバナンスとセキュリティを実現します。 このプラットフォームは、機密データを管轄区域内に留めながら、必要とする AI システムが利用できるように設計されています。
NVIDIA は、フルスタックの AI Factory プラットフォームを通じて AI パイプラインを高速化します。 NVIDIA Blackwell GPU は、従来の機械学習のトレーニング時間を短縮し、ニューラルネットワークと言語モデルの大規模な推論を可能にします。 リスクモデリングにおいて、NVIDIA のアクセラレーションは、以前は一晩かかっていたシミュレーションをほぼリアルタイムの分析へと変革します。 NVIDIA を搭載した Cloudera AI Inference により、組織はオンプレミスでモデルを展開および拡張できます。この環境を支える NVIDIA AI スタックには、各機関が独自の専有データでファインチューニングできるオープンでドメイン適応型のモデルファミリーである NVIDIA Nemotron、NVIDIA Dynamo-Triton Inference Server、そして最適化された低遅延推論のための NIM マイクロサービスやカスタムモデルの構築およびファインチューニングを行う NeMo を提供する AI ファクトリーのオペレーティングシステム、NVIDIA AI Enterprise が含まれています。 金融不正検知向けの NVIDIA AI ブループリントは、グラフニューラルネットワークと、開発者向けサンプルである Build Your Own Transaction Foundation Model に基づいています。 これらのブループリントは NVIDIA から提供されており、組織が金融データに基づいて AI アプリケーションを構築するための具体的な足がかりとなります。
Dell Technologies は、ソリューションを統合するエンタープライズインフラストラクチャを提供します。 NVIDIA Blackwell GPU を搭載した Dell PowerEdge サーバーは、要求の厳しい AI ワークロードに必要な計算密度を実現するとともに、その計算処理を、対象となる機密データと同じ物理環境内で維持します。 このソリューションにより、同等のパブリッククラウド推論と比べて総所有コストを大幅に削減でき、利用量に応じて拡張し、利用量の増加が不利にならない予測可能なコスト構造を実現できます。
不正行為の検知と信用リスクに関する2つの使用例
金融サービスが、このアーキテクチャの価値を如実に表しています。リアルタイムの不正検知において、Cloudera は、顧客とのやり取りの履歴、デバイスのメタデータ、行動シグナルとともに取引を取り込みます。数十億件の金融イベントでトレーニングを行ったトランスフォーマーベースの AI である「トランザクション基盤モデル」は、タイミング、デバイス、場所、過去の行動など、複数の要素を掛け合わせて、その真意やコンテキストをデータから読み解きます。例えば、顧客がこれまで取引したことのない都市で、見慣れないデバイスから10分間に4回の決済を深夜帯に行った場合、その意味合いは通常と異なってきます。Nemotron やオープンソースの基盤モデルなど、NVIDIA によって高速化された機械学習モデルは、即時決済ネットワークが求めるレイテンシの範囲内で各取引をスコアリングします。取引にフラグが立てられると、Cloudera AI 上のエージェント型ワークフローが関連するコンテキストを取得し、言語モデルがリスク要因を自然言語で説明する調査資料を生成します。調査担当者が受け取るのはスコアやワークロードではありません。予備調査の報告書を受け取り、より迅速で、より確かな根拠に基づいて判断を下せるようになるのです。
信用リスク評価にも同じ変化が見られます。 信用情報機関のスコアと構造化された支払い履歴は、これまでも対象範囲が限られていました。 信用判断を充実させる可能性のある非構造化情報（財務諸表、市場分析、報道など）は、歴史的に、大規模に取り込むには労力がかかりすぎていました。 統合プラットフォームは、NVIDIA のフルスタックプラットフォームが従来型インフラストラクチャーのわずかなコストで実行する、NVIDIA アクセラレーションによるモンテカルロシミュレーションとリスクモデリングのワークロードを活用するガバナンスの効いたレイクハウスに、これらのソースを統合します。また、NVIDIA のアクセラレーションを活用して、以前なら意思決定までの期間を長引かせていた高度なシミュレーションを実行し、融資担当者がゼロから作成するのではなく仕上げるための予備的な与信審査メモを作成します。
保険における保険金請求査定、医療における臨床意思決定支援、製造業におけるサプライチェーンリスク、公共部門におけるインテリジェンス業務にも、同じ論理が当てはまります。ユースケースは業界によって異なります。アーキテクチャは異なりません。
洞察から成果へ
このアプローチを採用した組織には、以下のような共通する成果が見られます。
リアルタイムでスコアリングを行うために50ミリ秒未満で推論し、分析ワークロードのサイクルを劇的に短縮することで、最も重要なワークフローにおいて意思決定の高速化を実現します。
内部レビューと規制当局の審査の両方を満たすデータリネージ、コンテキスト、およびビジネスメタデータによって、根拠がより明確な意思決定を支えます。
パブリッククラウドでの推論と比べて総所有コストを削減し、利用規模が拡大してもコストを予測可能にします。
データの主権、コンプライアンス、ガバナンスの要件とシステム構造的な整合性を図ることを通じて、リスクを低減します。
こうしたメリットは複合的に積み重なっていきます。 今日のオペレーショナル AI を実現する同じアーキテクチャが、その下にあるデータおよびガバナンス層を再構築することなく、次世代のエージェント、新たなユースケース、そして次の自動化フェーズの基盤となります。
金融サービスが運用型 AI へと進む道筋
エンタープライズ AI の次のフェーズを決定づけるのは、モデルの性能よりも、運用規律です。 成功する機関とは、データ中心からインテリジェンス中心へと進化し、自らのデータを活用して独自の AI を構築し、安全で主権が確保された環境に導入するとともに、規制当局やリスク委員会が求める監査可能性を備えたガバナンスを実現する機関です。 NVIDIA 社によって高速化され、Dell Technologies のインフラストラクチャに導入される Cloudera AI は、企業がその目標に到達するための現実的な道筋を示し、AI に何ができるかという議論を、最も重要なシステムで AI が日々何を実現しているかという議論へと変えます。
詳しくは、次の資料をダウンロードしてください：Dell Technologies 上で NVIDIA により高速化された Cloudera AI を活用した不正検知と信用リスク評価：Omdia Showcase Brief および BrightTALK オンデマンドウェビナー。
