説明可能なAIが「今買って後で払う」決済サービスをどう改善するか

• Buy Now Pay Later（BNPL）は人気が高まっているが、生活費危機を踏まえると、そのリスクも増大している。

• 銀行が運営するBNPLを顧客が好むことで、銀行は説明可能なAIソリューションに必要なデータを活用でき、顧客により良い商品を提供できる。

• 説明可能なAIは、過去の購入をローンとして組み直す遡及型BNPLなど、より良いBNPLの利用条件を実現できる。

銀行の利用方法、利用する場所、取引する相手は劇的に変化している。こうした驚くべき変化を促しているのは、高まる顧客の期待と、それに応える破壊的技術の力だ。この主張を裏付ける証拠が必要なら、Buy Now Pay Later（BNPL）の台頭が好例となる。

今日の消費者は、NetflixやAmazonのようなグローバルプラットフォームが提供する、迅速でシームレスかつパーソナライズされた体験に慣れている。銀行にも、日常の取引を直感的に進められ、他のサービスに組み込まれた体験が期待されている。BNPLはそうした体験を提供する。

急速な普及

Buy Now Pay Laterは、販売時点に組み込まれた代替的な信用供与の形態である。顧客は購入する商品を選ぶと、別の金融サービスの利用手続きや提供事業者へ誘導されることなく、すぐにBNPLローンを利用できる。審査は迅速で、厳格な信用調査はまれであり、通常、利息はほとんど、あるいはまったくかからない。

分割払いという考え方は新しくないが、画期的なのは、オープンAPI、クラウド、人工知能などの今日の技術によって、消費者向けプラットフォーム上で新たな水準の速度、拡張性、シームレスな統合が実現したことだ。

この技術が急速な成長を後押ししている。現在、約3億6,000万人がBNPLを利用しており、その数は3倍になって、2027年までにほぼ9億人に達すると予測されている。この推計の基礎となる見通しでは、2021年から2030年にかけて市場が毎年45%成長する。これにより市場規模は2021年の1,320億ドルから、2026年には8,500億ドルになる。

たとえばPayPalは、Temenosのクラウド技術を利用し、複数の法域でBuy Now Pay Laterソリューションを立ち上げた。その成果は目覚ましく、2年間で4,800万件のBNPLローン申請を処理し、そのうち75万件はブラックフライデーの1日だけで処理された。

短期的な利益、長期的な苦痛？

しかし、Buy Now Pay Laterの急速な普及は、世界的な生活費危機と時を同じくしている。インフレとエネルギー価格の上昇はBNPLにも影響を及ぼしており、最近の調査では、この決済方法を利用する消費者の42%が、少なくとも1回の支払いで支払いが遅れたことが明らかになった。

ある意味では、Buy Now Pay Laterの手軽さと利便性が課題を生み出している。顧客は商品をすばやく、煩わしさなく購入できるため、より衝動的に購入することがある。私たちに根付いた行動上の偏りは、「今買って」「後で払う」という考え方を後押しする。将来への影響よりも、目の前の報酬に目を向けがちだ。この傾向は「現在バイアス」と呼ばれる。一方で、将来の支出義務は過小評価されることが多く、これは「典型性の無視」と呼ばれる現象だ。

これらのテーマの詳しい検討は、行動科学者に委ねるのが最善かもしれない。しかし、BNPLのバリューチェーンに関わる私たち全員が、消費者がより責任ある、十分な情報に基づいた支出判断をできるよう、さらに取り組む必要があることは明らかだ。

銀行＋説明可能なAI＝解決策

消費者保護への懸念が高まるにつれ、Buy Now Pay Laterに対する規制当局の監視も当然強まっている。世界各地の規制当局は、信用調査、透明性、消費者教育などの分野にますます注目している。

また、次のような多くの論評者が指摘しているように、S&P Global、こうした調査は銀行が市場に参入する好機となる。銀行はすでに、Buy Now Pay Later専業事業者に年間数十億ドルの収益を奪われている。

銀行は、新規参入事業者とは異なり、規制当局の監視に慣れている。また、新規参入企業の借入コストが上昇する中でも、十分な資本を備えている。しかし、銀行が持つ最大の強みは、おそらく顧客からの信頼だ。実際、顧客の50%は自分の銀行が提供するBNPLを好んでいる。

この関係によって銀行が得られるのは、予想月収、支出義務、過去の取引履歴、さらには雇用状況など、豊富な顧客データだ。

顧客についてより深く知ることで、銀行はさまざまな形のBNPLを提供できる。たとえば「後払い」サービスでは、過去の対象取引をBuy Now Pay Laterローンに切り替える選択肢を、銀行が事後的に顧客へ提供できる。こうした事後的な切り替えは、資金繰りに苦しむ人々の負担を軽減すると同時に、事前審査で信用リスクを評価済みの顧客を選ぶことで、銀行が債務不履行リスクを管理できるようにする。

さらに、この顧客データを、Temenosの特許取得済みXAIプラットフォームのような透明性と説明可能性を備えたAIエンジンで活用すれば、「ブラックボックス」を使う場合よりも、良い影響をもたらす可能性が高まる。

説明可能なAIの実例

たとえば、当社のXAIを活用したBNPLサービスを利用する一般的なオンライン購入では、顧客は購入手続きの際に銀行のBNPL支払いオプションを提示される。銀行があらかじめ設定した複数のBuy Now Pay Laterの「選択肢」（分割払いの金額、頻度、期間、金利）から選ぶことができる。この時点で、顧客には将来の支出余力について、予想される可処分所得など、XAIに基づく推定値が示される。

これらの推定値には、算出された数値を左右する主な要因を平易な言葉で説明する、分かりやすい情報が添えられる。顧客は、さまざまなBNPLの選択肢をより無理なく利用するために必要な予算調整について、提案を受けることもできる。その結果、すべての関係者にとって「ウィンウィン」となる。

銀行にとって、顧客データをこうした前向きな形で活用すれば、BNPLを新たな収益源とし、延滞やコンプライアンス上のリスクを抑えながら、顧客のロイヤルティと信頼を築ける。さらに、自行ブランドでBNPLを直接提供することで、銀行は、これまで接点を持ちにくかった、Buy Now Pay Laterを多く利用するデジタルネイティブのZ世代顧客と、より効果的に関係を築ける。そして顧客にとっては、煩わしさのないBNPL体験を保ちつつ、十分な情報に基づく支出判断を後押しし、根本的な行動上の偏りに対処できる。

デジタル技術が市場を現在の成長水準に押し上げたのと同様に、説明可能なAIは今後、この成長の持続可能性を実現できる。テクノロジーで銀行業務を改善できることを示す好例だ。