株式会社renue
アウトソーシング効率化エージェント
アウトソーシング効率化エージェントで、この記事のテーマを実務に落とし込めます
renueが社内で運用しているシステムをサービス化したものです。何ができるか、どう動くかをサービスページでご覧ください。
証券会社のAML/KYC審査をAIで効率化する方法|取引パターン分析からスコアリング・一次スクリーニングの自動化まで
マネー・ローンダリング対策(AML)と本人確認(KYC)は、証券会社のコンプライアンス部門にとって最も業務負荷の高い領域です。毎月数千〜数万件のアラートが発生するトランザクションモニタリングの中から、真に疑わしい取引を見極め、疑わしい取引の届出(STR)の要否を判定する——この一次スクリーニングをAIで効率化するアプローチを解説します。
業務の詳細フロー(現状の手作業)
ステップ1:取引モニタリングシステムによるアラート検知
トランザクションモニタリングシステムが、事前に設定されたルール(閾値超過、短期間の大量取引、制裁対象国への送金等)に基づいてアラートを自動検知します。
ステップ2:一次スクリーニング(調査員による確認)
検知されたアラートを調査員が1件ずつ確認します。顧客の属性情報、取引履歴、口座開設時のKYC情報、過去の調査履歴等を参照し、「このアラートは精査が必要か、正常取引として消し込めるか」を判断します。この作業が最も時間を要します。
ステップ3:二次調査(詳細調査)
一次スクリーニングで「要精査」と判断されたケースについて、より詳細な調査を行います。取引の経済合理性の確認、資金の出所・使途の確認、関連口座の調査等を実施します。
ステップ4:疑わしい取引の届出(STR)判定
詳細調査の結果、疑わしい取引に該当すると判断した場合、当局へ疑わしい取引の届出(STR: Suspicious Transaction Report)を提出します。届出の要否判定は高度な専門判断を要します。
ステップ5:記録の保存・定期レビュー
調査結果・判断根拠を記録として保存し、定期的なレビュー(バックテスト)を実施して検知ルールの有効性を検証します。
課題・ペインポイント
- 大量の誤検知(フォルスポジティブ):アラートを一件ずつ確認する負荷が課題となる。三菱UFJ銀行の公開事例では届出確率に応じた振分けを支援し、担当者が根拠を確認して判定する仕組みを説明している
- 調査員の慢性的な人員不足:AML/KYC調査の専門知識を持つ人材は希少で、金融機関間で人材の争奪が続いている
- 規制強化への対応:FATF(金融活動作業部会)の第4次相互審査を受け、日本の金融機関にはAML/CFT態勢の一層の強化が求められている
- 新手の手口への対応:暗号資産を介したマネロン、複雑な法人スキーム等の新しい手口に既存ルールが追いつかない
- 判断基準の属人化:STR届出の要否判断が調査員の経験に依存し、判断にばらつきが生じる
AI化のアプローチ(LLMによる実装イメージ)
入力データの設計
- 取引データ:検知されたアラートの取引詳細(取引日時・金額・相手方・取引種類・頻度)
- 顧客データ:KYC情報(氏名・住所・職業・年収・取引目的)、口座開設日、過去の取引パターン
- 過去の調査結果:同一顧客・類似パターンの過去のアラート調査結果と判断根拠
- 制裁リスト:OFAC、EU、国連等の制裁対象者リスト、PEPs(政治的に重要な人物)リスト
- ネガティブニュース:対象顧客に関する報道・SNS情報のスキャン結果
LLMへの指示(プロンプト設計の考え方)
- 役割設定:「あなたは証券会社のAML調査支援AIです。以下のアラート情報を分析し、一次スクリーニングの判断を支援してください」
- リスクスコアリング:「以下の要素に基づきリスクスコア(1〜100)を算出してください。①取引の異常度(通常パターンからの乖離)、②顧客リスク(職業・国籍・PEPs該当)、③取引相手のリスク(制裁リスト・高リスク国)、④過去のアラート履歴、⑤経済合理性の有無」
- 判断根拠の言語化:「スコアリングの根拠を日本語で説明してください。どの要素がリスクを高めているか、なぜこのスコアになったかを調査員が理解できる形で記述してください」
- 推奨アクション:「①消し込み(正常取引)、②追加調査要、③STR届出検討の3段階で推奨アクションを提示してください」
人間が判断すべきポイント
- STR届出の最終判定:疑わしい取引の届出は法的義務であり、最終判断は必ず人間(コンプライアンス責任者)が行う
- コンテキストの理解:「この顧客は海外赴任から帰国したばかりで大口送金は正当」等の個別事情の理解は人間の判断
- エスカレーション判断:「このケースは経営層に報告すべきか」「当局への自発的な情報提供が必要か」の判断
- 検知ルールの見直し:AIの分析結果を踏まえ、モニタリングルールの閾値・パラメータを見直す判断は人間が行う
他業種の類似事例
- 銀行のAML/KYC:横浜銀行×NECの事例では、AML取引モニタリングAIで調査対象を大幅に削減。AIスコアリングにより調査の優先順位付けを実現(出典:NEC "AMLサービス")
- 保険会社の不正請求検知:過去データのパターン分析+テキスト分析で不正請求の疑いをAIが自動フラグ
- EC・決済サービスの不正検知:クレジットカード不正利用の検知にAIスコアリングを導入し、正常取引の誤ブロックを削減
導入ステップと注意点
ステップ1:過去のアラート・調査データの整理(2〜4週間)
過去の調査結果(消し込み/要精査/STR届出)を学習データとして整理します。調査員の判断根拠が記録されているデータを優先的に収集します。
ステップ2:リスクスコアリングモデルの設計(2〜4週間)
スコアリングの評価軸と重み付けを設計します。規制当局のガイドライン(金融庁「マネー・ローンダリング及びテロ資金供与対策に関するガイドライン」)を踏まえた設計が必要です。
ステップ3:LLMによるスコアリング・判断根拠生成のテスト(4〜8週間)
過去の調査済みケースでLLMのスコアリング精度を検証します。AIの推奨と実際の調査結果の一致率を測定し、プロンプトとスコアリング基準を改善します。
ステップ4:並行運用と精度検証(8〜12週間)
AIスコアリングと従来の人手調査を並行運用し、AIが見逃すケース(フォルスネガティブ)がないかを重点的に検証します。
注意点
- 監督当局との連絡:本記事では、AIの用途・検証結果・人による確認を説明できるようにし、必要に応じて金融庁等の所管監督当局に相談することを推奨します。JAFICは疑わしい取引情報を集約・整理・分析し、捜査機関等へ提供する日本のFIUであり、AI導入の事前承認窓口として扱うものではありません。
- 説明可能性の確保:AIのスコアリング根拠が調査員・監査人・当局に説明可能であること。ブラックボックスモデルは避ける
- フォルスネガティブへの厳格な対応:疑わしい取引を見逃すリスク(フォルスネガティブ)は法的リスクに直結するため、AI導入初期は人間のダブルチェックを維持すること
renue視点:専用ツールではなく汎用LLMで実現する理由
AML/KYCの一次スクリーニングでは、「取引データを読む→顧客情報と照合する→リスクを評価する→判断根拠を言語化する」という一連のプロセスがあります。専用AMLでは取引監視・調査管理・届出支援などの機能が提供されており、本記事では導入費を機能範囲・データ連携・検証・継続運用に分けて比較することを提案します。一方、汎用LLMによるスコアリング+判断根拠生成は、プロンプトの設計と過去データの構造化で実現可能です。特に「判断根拠の言語化」はLLMの最も得意とする領域であり、調査員が「なぜこのスコアなのか」を即座に理解できるレポートを自動生成できます。
まとめ
証券会社のAML/KYC審査は、大量のアラートに対する一次スクリーニングが最大のボトルネックです。AIによるリスクスコアリングと判断根拠の自動生成により、調査員は真にリスクの高いケースに集中でき、誤検知対応に費やす時間を大幅に削減できます(出典:Moody's "AML in 2025")。ただし、STR届出の最終判定、個別事情の理解、エスカレーション判断、検知ルールの見直しは必ずコンプライアンス担当者が行うことが不可欠です。
設計観点の整理: 証券会社AML/KYC審査AIの3大落とし穴
2025-2026年時点の公開文献(金融庁「マネー・ローンダリング等対策の取組と課題」2024-06公表、金融庁「AML/CFT対策の現状と課題」2022-04、三菱総研DCS・三菱総合研究所による三菱UFJ銀行のAML予測モデル事例、NEC「AI不正・リスク検知サービス」公式、Moody's「AML in 2025」、FINRA「2025 Annual Regulatory Oversight Report AML」、SEC「AML Source Tool for Broker-Dealers」、各国当局の最新ガイドライン、Silent Eight「2025 AML Trends」、Flagright「AML Regulation 2025」、中国領雁科技「反洗銭AI智能体」、浙商銀行「新世代数智反洗銭システム」、国金証券大模型反洗銭探索、CSDN上の反洗銭・AML関連記事ほか)を踏まえ、証券会社のAML/KYC審査業務における生成AI/機械学習導入で繰り返し観察される「設計上の落とし穴」を3つの論点として整理する。特定ベンダーや社内プロジェクト事例には触れず、公開ガイドライン・業界報告に限って設計観点を提示する。
① AML/KYC審査AI×犯収法×金融庁ガイドライン×取引モニタリングML×False Positive削減
日本市場では、金融庁が2024-06に「マネー・ローンダリング等対策の取組と課題」を公表し、証券会社を含む金融機関に業界横断的対応を要請している。犯罪収益移転防止法(犯収法)を中心に、組織犯罪処罰法・外為法・金商法等の関連制度を確認する。外国PEPs対応は、犯収法施行令第12条第3項等に基づく厳格な顧客管理として、外国の重要な公的地位にある者・過去にあった者、その家族、これらの者が実質的支配者である法人との取引を対象に判断する。FATFの2024年10月の第3回フォローアップ報告は6勧告の技術的遵守状況を再評価したもので、対策の有効性を再審査したものではない。継続的顧客管理については、金融庁の2024年6月報告が、全顧客のリスク評価と、そのリスクに応じた頻度・深度で顧客情報を確認・更新する取組を説明している(業界公開レポート参照:金融庁 AML/CFT対策取組と課題 2024-06、TrustDock 金融庁AML/CFT現状と課題 2022-04、TrustDock 金融機関eKYC AML/CFT、KOTORA AML初心者ガイド、三菱総研DCS・三菱総合研究所×三菱UFJ銀行 AML予測モデル、NEC AI不正・リスク検知サービス、コムチュア AMLソリューション FATF対応、Babel Street AI KYCソリューション、LSEG Digital Bank AML/KYC、NEC AML対策サービス)。
設計観点として整理すると、AML/KYC AIの最大の落とし穴は「False Positive爆発+届出要否判定の誤り」である。三菱UFJ銀行の公開事例は、大量アラートの手作業確認を課題とし、KYCリスクと届出確率による3段階の振分けで担当者の判定を支援する。ただし公表時点では中リスクの判定に人との不一致もあり、モデルは判断の参考として調整中と説明している。機械学習補助モデルにより(a)取引パターンのUnsupervised Clustering(異常パターン発見)、(b)顧客プロファイル+取引履歴のGraph Neural Network(関連口座ネットワーク分析)、(c)疑わしい取引シナリオのSupervised Classification(届出履歴データで学習)、(d)Alert優先度のRanking Model、(e)LLMによる疑わしい取引届出書(STR)ドラフト自動生成――を検討候補とし、届出済み事例と正常取引を用いて検知漏れ・誤検知・調査時間を比較する。本記事が提案する設計原則として、最終的な届出判断は必ず人間のAML担当者が実施+AI判定理由の説明可能性(Explainability)担保+金融庁検査対応のAudit Log保存が必須となる。
② FINRA/SEC/FinCEN規制×Perpetual KYC×Real-time Monitoring×Sanctions Screening AI
米国ではFINRA Rule 3310がブローカー・ディーラーのAMLプログラム中核要件を規定(Written AML Program+AML Compliance Officer任命+独立テスト+継続AMLトレーニング+BSA下の疑わしい取引報告+書面の監督手続)。FINRA Rule 2090(KYC)が顧客理解に関する合理的注意義務、Rule 2111(Suitability)は、対象となる推奨について財務状況・投資目的・リスク許容度・投資経験等を踏まえた適合性を要求する。ただしRegulation Best Interestの対象となる推奨には同規則2111を適用しない(補足.08)(業界公開レポート参照:FINRA 2025 Annual Regulatory Oversight AML、SEC AML Source Tool for Broker-Dealers、FINRA AML Key Topics、Flagright 投資助言業者向けAML規則の解説、FinCEN正式発表:対象RIA・ERA向けIA AML Ruleの施行を2028年1月1日へ延期、AMLWatcher SEC FINRA Broker-Dealer、Flagright AML Regulation 2025)。
グローバル動向として、継続的な顧客情報の更新は各国の顧客管理要件に沿って行う。例えば米国FinCENのCDD規則は、対象となる銀行・証券ブローカー等に、顧客と実質的支配者の確認、顧客関係の目的に基づくリスク把握、疑わしい取引の継続監視とリスクに応じた顧客情報の維持・更新を求めている。AIの導入やリアルタイム処理そのものを一律に義務付けた説明とは区別し、取引や情報変更に応じた確認手順を設計する(業界公開レポート参照:Silent Eight 2025 AML Trends、Adata AML Regulation 2025、Azakaw AML Screening)。
設計観点として、グローバルAML AIの落とし穴は「Sanctions List跨り更新×False Negative重大インシデント」である。設計原則として(a)OFAC SDN List・UN 1267制裁・EU規則・英HMT・日本外務省外為法告示等のリアルタイム取り込みと名寄せ(音韻類似・漢字ローマ字変換・表記ゆれ対応)、(b)Customer Risk Rating動的更新(PEP・ハイリスク国・産業リスク・取引頻度・金額規模の多次元スコアリング)、(c)Cross-border Transaction特別監視(SWIFT MT103メッセージ解析・クロスチェーン暗号資産フロー追跡)、(d)False Negative(検知漏れ)に対応するMultiple Layer Defense。制裁の具体例としてFinCENは2024年10月10日、TD BankにBSA違反で13億米ドルの民事制裁金と4年間の独立監視を課したが、これは同社の違反事実に基づく処分で、検知漏れ1件ごとの共通罰金額ではない、(e)Model Risk Managementとして用途・検証・監視・変更管理を整理する。銀行向けSR 11-7は2026年4月17日にSR 26-2へ置換され、主に総資産300億米ドル超の監督対象銀行組織を想定し、生成AI・エージェントAIは対象外としている――本記事ではこれらの適用範囲を区別し、証券会社のAIにも業務リスクに応じた内部管理を設計することを提案する。
③ 中国証券AML×国金AML分析システム×浙商銀行智能反洗銭×領雁科技AI智能体×Multi-regional AML Governance
国金証券の2025年半期報告(43頁)は、反洗銭智能化分析システムの稼働に向けた取組、AML管理用レポートとデータ連携の改善、疑わしい取引の監視指標の改良と利用研修を記載している。この記載はAMLでのDeepSeekの採用や効果値を示すものではなく、同社が公表したシステム整備の範囲として参照する。浙商銀行の2024年度サステナビリティ報告は、新世代AMLシステムと強化デューデリジェンス基盤の稼働、AMLデータ基盤の構築、取引監視モデルの改善を報告している。AI関連の説明ではAML基盤による監視・シナリオ分析・識別・管理を挙げており、大模型と知識グラフを一律に中核技術とする説明とは分けて参照する。領雁科技の公式製品ページでは、(a)大模型を用いた疑わしい案件のデータ・外部情報・調査結果の分析と届出/除外理由の生成、(b)監視・報告基盤での顧客本人確認、(c)リスク識別用のモデル管理と規制方針の解釈支援を案内している。単一AIエージェントが全機能を自動で担うという説明ではなく、製品・サービスごとの機能として読む(業界公開レポート参照:知乎 AI多模態融合反洗銭システム、財聯社 17家券商大模型、CSDN 反洗銭・AML関連記事、Jumio 金融機関AML合規KYC要求、CSDN 金融銀行DeepSeek応用、CSDN 金融科技反洗銭創新応用、SlowMist 2025 Stablecoin AML Compliance Report、Oracle Financial Crime Compliance、IBM AML Transaction Monitoring、Oracle AI-Enhanced AML)。
設計観点として、Multi-regional展開証券AML/KYCの構造課題は「各国制裁リスト・規制要件の地域差分」と「暗号資産・ステーブルコイン新興リスク」である。日本(犯収法・関連ガイドライン、金融庁2024年6月報告とFATF第4次相互審査対応)/米国(BSA+USA PATRIOT Act+IA AML Rule(一定のSEC登録・登録義務のある投資助言業者RIAと免除報告業者ERAが対象、適用除外あり)。2025年12月の最終規則で2028年1月1日施行へ延期+SEC/FINRA Rule 3310/2090/2111+OFAC)/EU(AML 6th Directive+AMLR+AMLA+MiCA暗号資産)/英国(FCA Money Laundering Regulations 2017+UK HMT Sanctions)/中国(反洗銭法+証監会AMLガイドライン+人民銀行反洗銭規則+PIPL+国家制裁名単+生成AIサービス管理暫行弁法(2023-08-15施行、公衆向けサービス対象)+網信部門の備案・登録(輿論属性・社会動員能力等の条件や、備案済みモデルを直接使うアプリ等の地方登録を確認))が並存する。公開文献に基づく設計観点として、多拠点展開証券会社では、法域別ルールや制裁リスト、PEP・ハイリスク国リスト、現地言語での取引解析を組み合わせ、匿名化された疑わしい取引パターンの分析や、複数法域にまたがる届出・制裁対応を整理する設計が重要となる。
