FINTECH SNARK TANKからの考察
銀行家たちはAI戦略について議論したがっている。彼らは顧客サービスから与信審査まであらゆるものを革新すると約束するチャットボット、機械学習モデル、生成AIツール、AIエージェントに熱狂している。しかし、彼らが話したがらないのは、自分たちのデータの混乱状態だ。
AI戦略に関する不都合な真実
AIは無から洞察を生み出すわけではない。それは既に持っているもの—弱点も含めて—を増幅するだけだ。混乱したデータを与えれば、混乱した結果が得られる。不完全なデータを与えれば、不完全な洞察しか得られない。互いに連携していないサイロ化されたシステムからのデータを与えれば、全体像を把握できないAIになる。
Cornerstone AdvisorsとKlarivisによるデータEQ（実行品質）に関する新しい調査によると、ほとんどの銀行は必要なレベルに達していない。調査に参加した金融機関のうち、「高パフォーマー」に分類されたのはわずか4分の1だった。
これが意味すること：金融機関の4分の3は欠陥のある基盤の上にAI戦略を構築している。
データIQとデータEQ：欠けている半分
以前、Cornerstoneは金融機関のデータIQ—データの収集、管理、ガバナンスの質—を評価した。銀行や信用組合はデータガバナンスポリシーや中央集権型データウェアハウスなどの項目で相応のスコアを獲得した。
しかし、良質なデータを持っていても、それを効果的に活用していなければ意味がない。
そこでデータEQの出番となる。これは5つの機能領域におけるデータの実行力を測定するものだ：
- 与信分析。最高スコアを獲得した機能の一つである与信分析でさえ、大きなギャップがある。ほとんどの銀行は代替データソースの組み込みやローンパフォーマンスの追跡に苦戦している。
- データアクセスと分析。データ品質と整合性のモニタリングに不足があり、構造化データと非構造化データの統合も課題となっている。
- オペレーション。不正検出と損失防止分析は強みだが、サービス問題の根本原因分析やIT基盤の予測保守は改善が必要な領域だ。
- 営業とマーケティング。これは最低スコアの機能で、機関の3分の2が100点満点中50点未満—つまり「発展中・改善中」レベルにも達していないデータ活用状況だった。
- 戦略的計画。多くの銀行家は取締役会メンバーがデータ流暢性とリテラシーの高いレベルに達していると考えているが、戦略的計画における予測分析の活用は深刻に不足している。
なぜAI戦略がデータEQに依存するのか
現実はこうだ：特定の機能に関するデータEQスコアが低ければ、その機能に関連するAIイニシアチブは失敗する。具体的に言えば、高いデータEQがなければ：
- 戦略的計画は空想に過ぎない。AIモデルは財務シナリオをシミュレーションし、ローン需要を予測できる—しかし、預金フロー、支店パフォーマンス、ローン延滞率、人口統計、金利、経済動向に関するクリーンで構造化されたデータを与えた場合のみだ。堅牢なデータウェアハウスと適切に管理されたビジネスインテリジェンスレイヤーは「あれば便利」なものではない。それらは前提条件だ。
- マーケティングは不十分になる。AIは商品レコメンデーションをパーソナライズし、キャンペーンをターゲティングできる。しかし、これらの取り組みは基礎となる顧客データの質に左右される。統合された顧客プロファイルはあるか？マーケティングエンゲージメント指標は取引データと統合されているか？行動シグナルに基づいて中小企業と個人事業主を区別できるか？行動データがCRMシステムに統合されていなければ、AIマーケティングツールは単に混乱を増幅するだけだ。
- 与信分析は不完全になる。AIはキャッシュフローデータ、請求書支払い履歴、リアルタイムの給与預金を組み込むことで与信審査を改善できる。これにより、信用履歴の薄い借り手やギグエコノミーワーカーへのサービス提供の道が開ける可能性がある。しかし、銀行は非伝統的なデータを受け入れるために与信モデルを再設計する必要がある—そして、ほとんどの銀行はまだそこに達していない。説明可能性と公平性を確保する堅牢なガバナンスがなければ、AIによる融資は単に非効果的なだけでなく、規制上の時限爆弾となる。
- オペレーションは平均以下になる。AIは照合を自動化し、エラーをリアルタイムでフラグ付けできる—しかし、システムがローン申請の段階を把握し、窓口取引量が正確に追跡され、コアシステムとデジタルチャネルが適切に統合されている場合のみだ。ほとんどのコミュニティバンクと信用組合はこれら3つすべてで失敗している。
あなたはデータEQレッドネックかもしれない、もし…
あなたのデータEQがAIの夢を殺しているか疑問に思っているなら、これが現実チェックだ：
- ダッシュボードがExcelウィザードによって「キュレーション」されている。レポートが一人の人間のGoogleシートの魔法に依存しているなら、それはシステムではない。それは脆弱性だ。
- ドリルダウンできない。預金流出傾向を見るのは良いが、年齢、商品、支店、勤続年数でスライスできないのは失格だ。
- ビジネスユーザーがデータを信頼していない。融資部長が「シャドーP&L」を持っているなら、あなたのデータEQは低い。
- 戦略的計画が考古学のように感じる。取締役会のために3年分のデータを引き出すのにインターン、祈り、FedExの封筒が必要なら、あなたはAIの準備ができていない。
- 複数の情報源があり、どれもリアルタイムではない。これ以上の説明は不要だろう。
誰も認めたくない文化的問題
高データEQパフォーマーと他の組織を分けるのは技術だけではない—それは文化だ。高パフォーマーの間では：
- 72%が情報を戦略的資産と考えているのに対し、低パフォーマーではわずか3%だ。
- 半数以上がデータを戦略的意思決定の主要な推進力と言っている。低パフォーマーでこれを言えるのはゼロパーセントだ。
- 高パフォーマーのほぼ半数がデータ活用に関する文化を育んでいる。低パフォーマーではゼロだ。
文化の問題を「AI」で解決することはできない。そして、最新のベンダーソリューションで買い取ることも絶対にできない。
データEQを高めてAI戦略を成功させるには
AI戦略を成功に導くために：
1. 統一されたパフォーマンスモデルを作成する。銀行は共通のパフォーマンスモデル—機関全体で商品、支店、チーム、顧客セグメントを整合させるもの—を構築すべきだ。単なる勘定科目表ではなく、統一されたデータ言語だ。これがなければ、AIエージェントは盲目的に飛行している—そしてCFOも同様だ。
2. スプレッドシートではなく洞察を表面化する。コア、LOS、CRMなどの上に位置する運用インテリジェンスプラットフォームを導入する—それらを置き換えるのではなく。目標は：ビジネスユーザーが質問をして回答を得られるようにすること、アナリストが「レポートを引き出す」のを3週間待つのではなく。戦略的データアクセスは次世代BIだ。
3. データ品質をビジネス成果に結びつける。経営陣の賛同が欲しいか？低いデータEQが成長目標の未達、マーケティングキャンペーンの失敗、コンプライアンスリスクにつながる様子を示そう。支店レベルのデータ可視性を向上させることで、数百万ドルの成長ギャップを発見できる。
4. データ成熟度に基づいてAIユースケースを計画する。2003年からの4文字コードを使用している商品マッピングがあるなら、最前線の銀行員向けAIコパイロットを構築しないこと。高EQ領域（預金、融資、デジタルエンゲージメントなど）から始めて、そこから拡大しよう。AIには深さ、最新性、構造を持つデータが必要だ。そうでなければ、単なる推測に過ぎない。
5. 問題の人的側面に対処する。「妨害者」—データを戦略的資産と考えず、データ活用の文化を育まず、自分の機能をより高いデータEQに向けて推進しない幹部—を特定しよう。彼らは変わるか、変えられる必要がある。次に、スキルギャップに対処しよう。多くのマーケターは分析が弱い。デジタルチャネル支出の最適化や予測的解約モデルの開発を彼らに求めることは、失敗の準備をしているようなものだ。
データとAI戦略に関する結論
データEQを改善せずにAI戦略に突入するコミュニティバンクと信用組合は、高価な教訓を学ぶことになるだろう：ガベージイン、ガベージアウトがより速く、より大規模に発生する。
AI時代に勝利する機関は、最大のAI予算を持つ機関ではなく、地味で華やかさのないデータ整理の作業を行う機関だろう。
だから、取締役会にAI戦略の承認を求める前に、自問してみよう：私たちのデータEQスコアはいくつか？答えがわからないなら、調べた方がいい。
