アヌーシャ・ネレラは、グローバル市場向けの安全で回復力があり持続可能な金融システムに焦点を当てるシニアフィンテックエンジニアである。
フィンテックにおいて、レジリエンス（回復力）は妥協の余地がなくなっている。リアルタイム決済、機関投資家向け取引、流動性モデリング、不正検知、規制報告は24時間365日のグローバルクロックで稼働している。システム障害はもはや「技術的インシデント」ではなく、市場イベントなのだ。
先を行くために、金融機関はカオスエンジニアリング、自動フェイルオーバー、AIを活用したシステムインテリジェンスに力を入れている。しかし、ほとんど議論されていない重要な側面がある：このレジリエンスの背後にあるカーボンフットプリントだ。
フィンテック企業が障害に強い自己修復システムを構築する一方で、知らず知らずのうちに環境コストを生み出している。次世代の運用レジリエンスには、稼働時間、セキュリティ、冗長性だけでなく、カーボンを意識したアーキテクチャも必要となる。なぜなら、大規模なレジリエンスは強力だが、持続可能性のないレジリエンスはコストがかかり、評判リスクがあり、そして近い将来、おそらく規制の対象となるからだ。
AIはシステムを強化するが、同時に重くもする。
ISACAが指摘するように、AIは現在「障害をどのように予測し、対応し、適応するか」を定義している。つまり、レジリエンスはAI駆動になりつつある。予測モニタリング、自律的修復、攻撃検知、モデル駆動型インシデント対応が新たな標準となっている。
しかし、これらのインテリジェントシステムには大きな計算コストが伴う。例えば、最新のトランスフォーマークラスのモデルのトレーニングは、MITテクノロジーレビューが報じたマサチューセッツ大学アマースト校の研究によると、5台の車の生涯排出量に相当するCO2—つまり62万6000ポンド以上の排出量—を生み出す可能性がある。
さらに、グリーンアルゴリズムモデルによると、1,000 GPU時間は、特に効率の低いデータセンターや炭素強度の比較的高いグリッドでは、数百ポンドのCO2を生成する可能性がある。
フィンテックでは、市場、ボラティリティ、攻撃パターンの進化に伴い、モデルは頻繁に再トレーニングされる。つまり、レジリエンスは一度きりのカーボンコストではなく、繰り返し発生するコストなのだ。
カオスエンジニアリングにもカーボンフットプリントがある。
障害注入、障害訓練、制御された停止を伴うカオスエンジニアリングは、グローバルな銀行全体でベストプラクティスとなっている。しかし、すべてのテストは計算、ネットワーキング、I/O、ストレージを消費する：
• AI指向のデータセンターラック1台は、Nlyteの分析によると、30kWから100kWの連続電力を消費する可能性があり、ラックの全容量を活性化するストレステストやフェイルオーバーは、すぐに高い電力使用量に変換される。
• 2020年、米国の発電はEIAによると、MWh当たり約854ポンドのCO2を平均して排出した。
これが様々な地域、四半期ごとの訓練、災害復旧シミュレーション、冗長環境に掛け合わされると、大規模な機関は「レジリエンスの練習」だけで、意図せずに年間数十メートルトンのCO2を生成する可能性がある。
これらのコストはほとんど測定されていない。しかし、測定されるべきだ。
フィンテックはもはやこれを無視できない。
3つの収束する現実が、カーボンを意識したレジリエンスを緊急のものにしている：
1. 情報開示は現在、米国の大企業ではほぼ普遍的になっている。 2024年には、S&P 500の99%とRussell 1000の94%が持続可能性について報告している。
2. 「サイバーレジリエンスは現在、従来のサイバーセキュリティよりも重要になっている。」 Absolute Securityが委託した米国を拠点とする500人のCISOを対象とした2025年の調査によると、AI駆動の脅威が急速に進化する中、83%がそう述べている。
3. 高計算ワークロードはクラウドコストとカーボンを増加させる。 例えば、Google Cloudは、場所によって地域のグリッド炭素強度が約0.296 kg CO2/kWhから約0.679 kg CO2/kWhまで異なることを示しており、同じ計算ワークロードが高炭素地域ではより多くのコストがかかり、大幅に多くの排出量を生み出す可能性がある。コストとカーボンの両方を最適化する銀行は競争上の優位性を得るだろう。
トレードオフは実在するが、管理可能だ。
これはレジリエントなシステムと持続可能なシステムの選択ではない。インテリジェントにレジリエンスを設計することが重要だ。
現代の企業レジリエンスアーキテクチャは、4つのレバーを中心に設計できる：
1. カーボンを意識したAIとテスト
すべてのワークロードがグリッドが汚れているときに実行される必要はない。
上述のように、Google Cloudの公開カーボンレポートは、地域によるグリッド炭素強度の大きな違いを示している。一部の欧州地域では0.296 kg CO2/kWh未満から、インドなどの高炭素地域では0.679 kg CO2/kWh以上まで様々だ。
2. 小さなモデル、同じレジリエンス
UNESCOとUCLの調査によると、ターゲットを絞ったモデルはパフォーマンスを維持しながら消費量を最大90%削減できることがわかった。
3. よりスリムなカオスエンジニアリング
多くの企業は、安全で便利だからという理由でテスト用に完全な環境レプリカを実行している。それはコストがかかり、炭素を多く消費する。より良い選択肢には以下が含まれる：
• スケールダウンした合成環境
• サービス境界での障害注入
• リスク閾値が検証された場合にテストを停止する自動検出
• 事業部門間で共有されるシミュレーションプラットフォーム
目標：同じレジリエンス成果をより少ないエネルギー、重複、無駄で達成すること。
4. リスク指標としてのカーボン
今日、レジリエンスダッシュボードはRTO、RPO、MTTR、SLA、フェイルオーバーカバレッジを表示している。明日には、テストごとの計算時間、モデルトレーニングの排出量、クラウド地域の炭素強度、「稼働時間ポイント」あたりの排出量を表示できるだろう。経営者は見えないものを最適化することはできない。
例えば、グローバルな外国為替取引プラットフォームを考えてみよう。このシステムは年に12回のAIモデル再トレーニングを受け、4回の完全な災害復旧訓練を実施している。一方、継続的な異常検知が異常なアクティビティを監視するためにバックグラウンドで実行されている。
これらの実践を実装することで具体的な利点が得られる：クラウドコストの削減、規制リスクの軽減、ESGポジショニングの強化、投資家の信頼向上、評判リスクの軽減などだ。
カーボン最適化されたレジリエンスは競争上の優位性となりうる。
フィンテックのイノベーターはすでにこの方向に動いている。次世代のアーキテクチャには以下が含まれると予測する：
• カーボンを意識したワークロードスケジューラ
• モデル効率スコアリング
• 持続可能性SLAと組み合わせたレジリエンスSLA
• セキュリティと再生可能エネルギーの利用可能性によって駆動されるクラウド地域選択
運用レジリエンスはかつて稼働時間を意味していた。今では稼働時間と環境インテリジェンスを意味する。
レジリエンスは現代のフィンテックにおいて最も重要な能力だ。しかし、冗長性とAIのカーボンコストを考慮せずにレジリエンスを盲目的に構築することは、静かな脆弱性を生み出す。レジリエンスワークフローにおけるカーボンを測定、最適化、管理する企業は、支出削減、排出量削減、信頼性向上、規制への先行対応において業界をリードできる。
次の時代は明確だ：私たちはただレジリエントなシステムを設計しているのではない。グリーンでレジリエントなシステムを設計しているのだ。そして、それを最初に実現するフィンテックリーダーが、他のすべての企業が従うべき市場標準を定義するだろう。
