人工知能（AI）において、データの価値はその量だけでなく、完全性と信頼性にあります。質の低いデータは信頼性の低い結果を招き、ハルシネーションや偏りといったAIリスクにつながります。
データの透明性、セキュリティ、完全性――金融データの「ウォーターマーキング」のようなもの――は、コンプライアンス、顧客の信頼、効果的なAI導入に不可欠です。
業界全体での連携、「データ信頼」の標準化された定義、相互運用可能な規制は、信頼性の高いAIシステムを育て、世界の金融イノベーションを拡大するうえで不可欠です。
一世紀以上前、テープ状の株価情報は最先端のリアルタイムデータ技術とみなされていました。今日では、デジタルデータが世界経済と金融システムの生命線となっています。しかし、そのデータに正確さと信頼性がなければ、経済全体に深刻な悪影響が及ぶおそれがあります。
世界的なデータ・分析プロバイダーであるLSEG（ロンドン証券取引所グループ）は、190の市場の顧客に対して、毎日約3,000億件のデータメッセージを配信しており、そこには毎秒730万件の価格更新が含まれています。
AIが金融を変革していることも、私たちは実感しています。AIは社内および顧客向け製品の生産性を大幅に高めており、効率の向上、より的確な意思決定の実現、顧客体験の強化によって金融ワークフローを改善しています。
金融サービス分野がAIの可能性を探り続けるなか、データへの需要は非常に大きくなっています。この需要は拡大を続けており、当社のデータに対する顧客需要は2019年以降、年間約40%増加しています。
しかし、適切なデータがなければ、最良のアルゴリズムでさえ平凡な、あるいはさらに悪いことに誤った情報に基づく結果しか出せません。データ品質の低さは、AIのハルシネーション、モデルのドリフト、意図しない偏りのリスクを高めます。この分野では契約や権利管理が複雑化しており、ライセンスや契約違反を避けることが本質的な課題となっています。
データの完全性とデジタル権利を基盤として
生成AI（GenAI）モデルを通じて大規模な非構造化データセットを処理する新たな大きな機会が生まれていますが、信頼でき、適切にライセンスされたデータがなければ、その価値は限られたものになります。GenAIにおけるデータは単に量の問題ではなく、質の問題なのです。
多くの企業が、高品質なデータを活用してAIの機会をどのように捉えるかを真剣に検討しています。LSEGでは、金融サービス業界の他社の指針となりうる多層的な戦略を策定しました。
第一の層は、大規模言語モデル（LLM）において不可欠な要件である、データの完全性と関連性を確保することです。信頼できるデータプロバイダーが選別・検証した「GPT対応」データセットへの需要は高まっており、GenAIの活用を模索する企業が増えるにつれ、この需要はさらに拡大すると見込んでいます。
完全性の高いデータは、LLMやその他のAIアプリケーションを扱う際のセーフティネットとして機能します。
第二の層はデジタル権利管理です。顧客は、LLMで利用できるソースとできないソースを検証し、責任あるAIポリシーを管理し、知的財産権の侵害から保護し、利用権を区別するソリューションを求めています。
金融データにおける信頼と透明性
これらの層は、情報の透明性、セキュリティ、完全性を基盤とするデータへのアプローチである「データ信頼」に支えられています。
データが重大な意思決定につながる場合、顧客は、データの出所を追跡し、そのデータが安全で信頼性が高く、規制およびコンプライアンス基準を満たしていることを確認できる安心感を必要としています。簡単に言えば、それは金融データの「ウォーターマーキング」なのです。
すべての金融サービス企業は、データの質を引き上げなければなりません。
業界全体のデータへの信頼を高めるためには、AIの責任ある倫理的な利用に関する明確な原則に支えられた、より高度な標準化、連携、そして安定した規制環境が必要です。
業界におけるデータ信頼の定義が標準化されるほど、高品質なデータの流通を確保することが容易になります。情報の透明性、セキュリティ、完全性という中核原則をデータの標準に適用できれば、業界全体でリアルタイムかつ正確な情報の実現を促進できるでしょう。
AIが世界の最大の課題に取り組むという潜在能力を発揮するためには、AIに投入されるデータを信頼できなければなりません。
イノベーションのための倫理的基盤の構築
業界は最高水準の透明性を目指すべきです。そうすれば、顧客はデータセットに何が含まれているか、誰が所有しているか、そして利用のためにどのようにライセンスされているかを確認できます。
欧州連合のAI法やデジタル運用レジリエンス法などの規制は、金融サービスにおけるセーフガード、明確な説明責任、ガバナンスと備えへの注力を導入しています。
米国国立標準技術研究所（NIST）のAIリスク管理フレームワークを含む任意のガイダンスも、組織がAIシステムやデータに対するリスクを測定し管理するうえで役立ちます。
これらの規制が、金融セクターが安全で公正なAI実務を発展させ続けるための良い出発点となることは明らかです。これらの規制は、LSEGが独自に定めた責任あるAI原則にも影響を与えました。
今後、政策立案者は、将来のAI対応ツールを開発するうえで、高品質なデータの必要性を認識しなければなりません。
私たちは、AIやデータに関連する国際的に合意された定義の利用を支持します。また、知的財産およびデジタル権利を管理するためのより厳格な基準も必要です。
世界のAI規制への道筋
同時に、技術に関する規制要件はより相互運用可能なものでなければなりません。規則が具体的であるほど、グローバル企業が迅速に事業を拡大することは難しくなります。
企業が異なる法域で事業判断を行う必要がある場合、その影響はデータセンターの立地からクラウドプロバイダーの選択まで、あらゆる面に及ぶ可能性があります。
AI技術の発展に伴い、政策立案者は、今後のAIユースケースに対応し続けながら、他の法域と整合できる十分な柔軟性を法律に持たせるべきです。
これらすべてが容易なことではありませんが、金融およびテクノロジー分野の企業、規制当局、消費者はいずれもこの議論に貢献できます。私たちの生活を変える技術を受け入れるうえで、多様な専門知識と理解が必要になるでしょう。
AIが世界の最大の課題に取り組むという潜在能力を発揮するためには、AIに投入されるデータを信頼できなければなりません。
