ページの本文へ

Big Data × AI

AI技術を金融業務へ適用し
トップライン向上とコスト削減に貢献

BIG DATA X AI ビッグデータ×AI

日立のビッグデータ×AIは、最先端の技術・手法でデータの収集・加工・蓄積・分析をおこない、お客さまの課題解決とイノベーションの創出をAI技術の側面からご支援します。

金融機関においては、これまでに蓄積されたお客さまのデータをAIで解析し、業務の一層の効率化や新しい事実を見つけ出すなどの取り組みをおこなっています。近年、金融商品の高度化やお客さまニーズの多様化が進みデータがより複雑化している中でも、複合的にAI技術を組み合わせることで、金融業務の課題に最適なソリューションの提供を進めていきます。

BIG DATAとさまざまなAIの組み合わせにより最適なAIソリューションを提供

HITACHI'S AI TECHNOLOGY 日立のAI技術

ビッグデータの解析技術として、AIは幅広い業務分野に適用されています。
日立では、AIを分析系、言語系、認識系の3つに分類し、それぞれの分野のAI技術を研究・開発しています。お客さまとともに、AI技術の業務適用に関する仮説立案から効果検証、システム化まで一貫して実施する取り組みを進めています。
また、さまざまなデータと適したAIを組み合わせることで、新サービスの創出を推進しています。

日立がこれまで築き上げてきたシステム構築の技術とAI技術を活用することで、業務の効率化やお客さまのビジネスの拡大を支援します。

AI3つの分類:[分析系(ANALYZE)AI](機械学習、ルールベースエンジンetc.)[言語系(LANGUAGE)AI](自然言語処理、検索エンジン、チャットボットetc.)[認識系(RECOGNITION)AI](文字認識、画像認識、音声認識etc.)それぞれのAI活用によるサービスの例:[分析系AI](リスク管理、需要予測、ロボアドバイザー、審査高度化)[言語系AI](報告書情報抽出、コンプライアンスチェック)[認識系AI](手形・小切手交換業務、出納業務、為替帳票入力)[分析系AIと言語系AI](マーケティング、ビジネスマッチング、営業支援)[分析系AIと認識系AI](株価分析、不正検知)[言語系AIと認識系AI](コールセンター業務支援)さらに、単純業務の代行や意思決定の支援など、さまざまな角度でソリューションを提供

TOPICS & NEWS

2020年11月6日ニュースリリース
2020年8月11日トピックス
2020年3月10日トピックス
2020年3月3日ニュースリリース
2020年2月10日ニュースリリース
2019年12月20日ニュースリリース
2019年12月4日ニュースリリース
2019年6月3日ニュースリリース
2019年5月30日ニュースリリース
2019年1月29日ニュースリリース
2019年1月16日ニュースリリース
2018年12月18日ニュースリリース
2018年10月16日ニュースリリース
2018年7月31日ニュースリリース
2018年6月29日ニュースリリース
2018年6月27日ニュースリリース
2018年3月19日ニュースリリース
2018年1月15日ニュースリリース
2017年12月26日ニュースリリース
2017年6月9日ニュースリリース
2017年3月28日ニュースリリース
2016年9月30日ニュースリリース
2016年7月25日ニュースリリース
2015年9月25日ニュースリリース
  • 日々の取引データである口座の入出金情報をもとに、融資可否判断に必要な企業ごとのデフォルト確率と根拠となる要因の影響度、融資可能額、貸出金利を推計
  • 事前に融資可否判断を行い、融資可能金額、貸出金利をオファーとして企業に提示することで、審査を効率化し、融資の実行までの期間を短縮
  • 各金融機関において従来以上に幅広い層への融資を実現し、中小企業の資金繰り支援のための円滑な資金供給に貢献

口座利用企業からのメールや利用画面からの融資申し込みに対し、金融機関からの顧客口座利用データを分析系AIで分析することにより、デフォルト確率、融資可能額、貸出金利を推計。デフォルト確率・融資可能額・貸出金利を推計し、金融機関にフィードバック。金融機関は口座利用企業へ審査結果に応じてオファー。融資審査の高度化、事前与信により、従来以上に幅広い層への融資を実現。

  • 金融機関の取引先企業の過去の商談実績や企業属性、ヒアリングした希望条件などを入力することで、AIが企業間の相性をスコアリング
  • スコアリングの根拠を提示することで、ノウハウを可視化し、属人化を解消
  • 成約する可能性の高い取引候補先を提示することで、人手での調査負荷を軽減

金融機関の取引先企業の過去の商談実績や企業属性について、分析系AIにより商談の有無や企業の特徴を活用した相性スコアリング、言語系AIによりヒアリングした内容と取引候補先企業との類似性のスコアリングを実施し、取引候補先リストを生成。さらに、候補先選定の根拠を提示。これらをもとに取引候補先リストを金融機関に提示することで、ノウハウの属人化を解消、人手での調査負荷軽減。

  • 活字や手書き文字、二次元コードなどの帳票を読み込ませると、テンプレートが自動で選択されるため、帳票読み取りの自動化が可能
  • 結果の正しさを「確信度」で評価することで、人による確認作業を削減し、業務の効率化を実現
  • 業務ルールベースエンジンを活用することで、複雑な社内規定と申請内容を自動で照合し、人手による確認作業を大幅に削減

請求書、社内申請書、その他財務データを認識系AIによりテンプレートを自動で選択。認識系AIによる確信度算出による分類で、低確信度の場合のみ人の目による確認・修正を行うことにより、確認作業を大幅に削減。業務ルールベースエンジンを活用することで、複雑な社内規定と申請内容を自動で照合し、出納業務システムに入力。入力NGの場合のみ、人の目による確認・修正を行うことにより、確認作業を大幅に削減。

  • サービスマニュアルなどのテキストデータを言語系AIに入力することで、自動的にFAQを作成できるため、チャットボットの導入コストを大幅に削減
  • 一次対応を対話型チャットボットが対応することで、お客さまの待ち時間を軽減
  • 複雑な問い合わせのみをオペレーターが対応することで、業務の効率化に寄与
  • 通話の音声データをテキスト化し、言語系AIを活用した分析を実施することで、業務の高度化を実現

お客さまからの問い合わせの一次対応を対話型チャットボットで対応することで、お客さまの待ち時間を軽減。金融機関のサービスマニュアルなどを言語系AIに入力することで、FAQの自動生成が可能になり、チャットボットの導入コストを低減。複雑な問い合わせのみオペレーターに接続することにより、オペレーターの負荷軽減。オペレーターの音声データを認識系AIでテキスト化、言語系AIで自動要約し、対話データを分析。営業活動の高度化やコンプライアンスチェックの負荷削減、対応品質の向上に寄与。さらに、分析結果を学習データとして還元し、FAQの自動生成に寄与。

  • 有価証券報告書や交渉履歴などの膨大な文章や表から、言語系AIが係り受けなどの文の構造を解析してデータ抽出を行うことで、目的のデータを正確に抽出可能
  • 従来のデータ抽出手法では課題となっていたノイズとなるデータの抽出を削減できるため、人手での確認作業を低減し、業務の効率化を実現

有価証券報告書、会話文書、交渉履歴、その他さまざまな文書について、言語系AIにより品詞情報や単語間の係受け関係を高精度解析(係り受け関係の例:「この商品は解約はできません。」について、「解約は」(名詞)が「できません。」(動詞+否定)に係る)。データベースに目的に該当するデータのみ格納。これにより、従来のデータ抽出方法ではノイズデータとなっていたデータの抽出を削減でき、人手での確認作業を低減。