Hitachi AI Technology/Prediction of Rare Case スコアリングサービス
過学習を抑制したAIスコアリングにより、業務の高度化・効率化を実現
コンセプト
Hitachi AI Technology/Prediction of Rare Case スコアリングサービス（以下、AT/PRC スコアリングサービス）は、発生頻度の低い事象を高精度で予測し、その根拠を提示する日立の人工知能技術Hitachi AI Technology/Prediction of Rare Case（以下、AT/PRC）を活用した、AIスコアリングサービスです。
稀な事象の予測や、予測根拠の説明が求められる新規取引顧客の評価、信用度調査や株式の不公正取引審査など、さまざまな業務に適用可能です。
概要
与信業務における融資審査はますます小口化が進み、融資審査の効率化や審査担当者の負担軽減といった課題に対して、AI導入によって課題解決を図る企業が増えてきました。しかし、AIに学習させるデフォルト（債務不履行）事例などのデータが少ないために過学習を起こしたり、予測根拠が明示的に説明できないといった課題がありました。
日立の人工知能AT/PRCは、日立の独自技術「シグナル＆ノイズに基づく学習」によって過学習を抑制し、「影響度算出技術」によって予測根拠を定量的に提示することで、ブラックボックス化を解消します。AT/PRC スコアリングサービスで算出したスコアや予測根拠を活用することで、融資審査の対象を絞り込むなど、融資審査の効率向上や担当者の負担軽減などを支援します。
特長
「シグナル＆ノイズに基づく学習」による過学習の抑制
過学習とは、発生頻度が低く、学習用のデータ件数が少ない状況下で、偶然発生した事象にモデルが過剰適合することで、結果的に予測精度を下げてしまうことをいいます。
この過学習を抑制するために「シグナル＆ノイズに基づく学習」では、スコアリングに影響する特徴量を比較し、共通でない特徴量は予測精度を下げる要因「ノイズ」として特定・抽出します。そして、「ノイズ」に対して重みを下げる処理を実施し、モデルへの影響度を弱める調整をします。
「影響度算出技術」による予測根拠提示でブラックボックス化を解消
学習用データの件数が少ない場合に予測モデルを高精度化しようとすると、予測式が複雑になり、予測根拠の説明が難しくなるという課題がありました。「影響度算出技術」では、スコア算出結果を各変数に分解して影響度を求めることで、ブラックボックス化を解消します。
利用手順
活用イメージ
与信高度化例
過去実績（デフォルト状況）、融資申込情報、外部データを分析することで、デフォルト確率を予測し、融資審査業務の精緻化、効率化に貢献します。
株取引の不正検知例
過去の不正取引の特徴に類似する取引を検査対象として抽出し、審査の優先度を設定することで、初段階の調査業務負荷を削減し、担当者による本格審査への注力および審査の精緻化を支援します。
ビジネスマッチング例
企業間の取引実績データから共通要素を抽出し、取引先候補を提示することで、マッチング成立の高い条件を導出します。取引先の業務効率化を実現し、ビジネス拡大にも貢献します。
※ビジネスマッチングとは、企業・団体・個人事業主が、自らの商品／サービスの販路拡大や新しい取引先開拓をしたい供給者に対して、商品／サービスを求める企業や取り扱いをしたい代理店、および導入したい需要者との商談の場を提供することをさします。
提供価格
| 名称 |
|---|
| Hitachi AI Technology/Prediction of Rare Case スコアリングサービス （AT/PRCスコアリングサービス） |
| 概要 |
| AT/PRC スコアリングサービスは、AT/PRCを活用して、リスク管理業務やビジネスマッチングなどのマーケティング業務などスコアリングにより業務効率化・高度化を支援するサービスです。 |
| 価格 |
| 個別見積 |
関連情報
ニュースリリース
- 2023年7月5日
- 2023年3月16日
- 2022年5月16日
- 2020年11月6日
- 2020年2月10日
- 2019年5月30日
- 2019年1月29日
記事／コラム
- 日立評論 2022年 Vol.104 No.1
- 日立評論 2021年 SPECIAL ISSUE Autumn 2021
- 日立評論 2021年 Vol.103 No.6
- 日立評論 2021年 Vol.103 No.1
- 日立評論 2020年 Vol.102 No.1
- はいたっく 2020年3・4月
