主要な暗号資産取引所の速度、規模、仮名性は、過剰に包括的でありながら効果が不十分なコンプライアンス機能を生み出している。この"不完全な嵐"は、90%から95%の割合で誤検知を発生させる一方、巧妙な不正行為者は静的な検知ロジックを効率的に回避している。その結果、主要な暗号資産取引所は、AIと行動分析を中心にコンプライアンスインフラを再構築し、取引決済後に不正行為者を捕捉することから、リスクパターンが顕在化する前に特定することへと目標を転換している。この移行は、従来の金融機関がまだ同等の規模で直面していない条件下で、まず暗号資産業界で進められている。しかし、今後ますます直面することになるだろう。
ノア・パールマン氏のキャリアは、これらの条件がいかに変化したかを示す有用な視点を提供する。2023年にバイナンスのグローバル最高コンプライアンス責任者に就任する前、同氏はニューヨーク東部地区で金融犯罪を起訴し、米麻薬取締局（DEA）ニューヨーク事務所の法務顧問を務め、モルガン・スタンレーのグローバル金融犯罪部門を率いた後、ジェミニで最高コンプライアンス責任者、その後最高執行責任者を務めた。
同氏が現在バイナンスで監督する業務は、これまでに約17万4000件の法執行機関からの要請を処理し、コンプライアンス機能専属のエンジニアを100人以上雇用し、24の個別のAIイニシアチブにわたって不正対策管理のために100以上のAIモデルを展開している。バイナンスによると、これにより制裁関連のエクスポージャーが総取引量に占める割合として、わずか18カ月で97%減少したという。
コンプライアンスのシグナル問題
パールマン氏が引き継いだコンプライアンス上の課題は、組織的なものではなく構造的なものである。従来のマネーロンダリング対策（AML）フレームワークは、取引量が限定され、顧客の身元が登録時に判明し、資産の流れが限られた数のコルレス関係を通じて追跡可能な環境向けに設計されていた。
仮名のウォレットと複数のブロックチェーンプロトコルにわたって毎日数百万件の取引を処理する暗号資産取引所は、異なる次元の検知問題を提示する。これは、行動分析が活動のベースラインを確立し、取引シーケンス全体にわたって文脈的リスクをモデル化し、静的な閾値監視では到達できない精度でリスクスコアを生成できる問題である。しかし、そのリスクインテリジェンスの質は、モデルの基礎となる取引データの量と特異性に直接依存する。これが、継続的な再トレーニングが理想的なものではなく運用上必要である理由である。敵対者も改善しているからだ。
チェイナリシスの2025年暗号資産犯罪レポートによると、犯罪者はKYC対策を回避し詐欺を自動化するためにAIツールをますます展開しており、検知能力と直接競合する形で回避技術を進歩させている。不正なオンチェーン取引量は2025年に過去最高の1540億ドルに達し、主に制裁対象エンティティによって牽引された。その前年同期比約8倍の増加は、ルールベースの監視が対処を求められている規模を示している。
最近のデビッド・リン・レポートでのインタビューで、パールマン氏が述べたAIアジェンダは、特定の運用ロジック内に投資を位置づけている。「コンプライアンス機能専属のエンジニアが100人以上います。来年プロセスを改善するために本当に取り組みたいことの1つは、より迅速であるだけでなく、より正確であるためにAIをどのように使用できるかということです」と同氏は説明し、この精度により「リスクを本当に特定し、世界中の法執行機関や規制当局を支援できる」と付け加えた。
より正確なリスクモデリングは、より高品質のアラートを少数生成することで、単に申告要件を満たすためにアラート量を報告するのではなく、法執行機関が行動できるインテリジェンスを生成する。これら2つの結果の違いは、主に情報の質の関数である。基礎となる取引データがどれだけ詳細で、どれだけ最新で、どれだけ文脈的に豊富であるか。
「金融業界は何十年もの間、二要素認証で十分だと信じていました」と、リリーフ・フィナンシャルの創業者兼CEOであるクリス・サーダック氏は述べた。「エージェンティックAIの時代には、ユーザーの文脈情報、時空間における位置を、彼らの身元と取引意図の両方の第三の要素として追加しなければなりません。」
制度資本としてのコンプライアンス
不適切なコンプライアンスの法的リスクはますます深刻になっている。2026年3月6日、マンハッタンの連邦判事は、バイナンスが中東およびその他のテロ組織への資金提供を促進したと主張する535人の原告による民事訴訟のすべての請求を棄却し、原告が取引所の行為と特定の攻撃との間の直接的な関連性を立証できなかったと判断した。バイナンスに対するテロ資金調達疑惑の棄却は、取引所がこの規模で投資を行う原動力となっている評判上および法的リスクを確立している」と、バイナンスの法務顧問であるエレノア・ヒューズ氏は述べた。
このエピソードは、取引監視記録が連邦テロ資金調達訴訟の中心的な証拠となる場合、コンプライアンスは運用上のオーバーヘッドから企業リスクの領域へと進化し、結果とは無関係に取締役会レベルの影響を持つことを示唆している。
デジタル取引コンプライアンスのトレードオフ
AIコンプライアンス投資を評価する経営幹部にとって、アーキテクチャの決定は調達の決定よりも重要である。機関独自の取引データに基づいて独自の機械学習インフラを構築することと、汎用的なサードパーティ監視ツールをライセンスすることは、同等の選択ではない。取引所の蓄積された取引履歴は情報資産であり、モデルがより多くのデータでトレーニングするにつれてコンプライアンス機能への価値が高まり、業界平均のトレーニングデータでは再現できない検知特異性を開発する。
規制当局は、AIが展開されているかどうかだけでなく、モデルが監査可能か、トレーニングデータが防御可能か、リスクスコアリングロジックが非技術的な審査官に説明可能かをますます問うようになっており、この基準は、コンプライアンスをベンダー関係として扱う機関よりも、取引データを管理資産として扱う機関を優遇する。
コンプライアンスの専門知識とデータサイエンス能力の間のギャップを埋めることは、ほとんどの機関が過小評価している実装上の課題である。検知モデルを構築するエンジニアと規制結果に責任を持つコンプライアンス担当者は、連続的な機能としてではなく、共有フレームワークから運用しなければならない。モデルガバナンスをベンダーに委任する機関は、モデルがどこで構築されたかに関係なく、規制上の精査が自らに降りかかることに気づくだろう。
必要な投資を行えない小規模な取引所にとって、実際的な選択は、取引所クラスの取引データに基づいて構築された信頼できるサードパーティインフラと、現代の取引量でレガシー監視を実行するエクスポージャーの間で行われる。最大のプラットフォームが設定している基準は、時間の経過とともに、規制当局が業界全体で妥当性を測定する基準となるだろう。その基準が成文化される前に投資を待つ機関は、それに先んじて構築するのではなく、審査圧力の下で改修することになるだろう。
