過学習を抑制し、リスク管理業務の高度化、効率化をする
Hitachi AI Technology/Prediction of Rare Case スコアリングサービス（以下、AT/PRC スコアリングサービス）は、発生頻度の低い事象を高精度で予測し、その根拠を提示する日立の人工知能技術「AT/PRC」を活用して、稀な事象の予測や予測根拠の説明が求められる、株式の不公正取引審査や新規取引顧客の評価、信用度調査など、企業が取り組むさまざまなリスク管理業務を支援するサービスです。
与信業務における融資審査はますます小口化が進み、融資審査の効率化や審査担当者の負担軽減といった課題に対して、AI導入によって課題解決を図る企業が増えてきました。しかし、AIに学習させるデフォルト事例等のデータが少ないために過学習を起こしたり、予測根拠が明示的に説明できないといった課題がありました。
そこで、日立の人工知能「AT/PRC」は、日立の独自技術「シグナル＆ノイズに基づく学習」によって過学習を抑制し、「影響度算出技術」によって予測根拠を定量的に提示することでブラックボックス化を解消します。そして、「AT/PRC スコアリングサービス」で算出したスコアや予測根拠を活用することで、融資審査の対象を絞込み、融資審査の効率向上や担当者の負担軽減などを支援いたします。
AT/PRC スコアリングサービスの概要図
過学習とは、発生頻度が低く、学習用のデータ件数が少ない状況下で、偶然発生した事象にモデルが過剰適合することで、結果的に予測精度を下げてしまうことをいいます。
この過学習を抑制するために「シグナル＆ノイズに基づく学習」では、スコアリングに影響する特徴量を比較し、共通でない特徴量は予測精度を下げる要因「ノイズ」として特定・抽出します。そして、「ノイズ」に対して重みを下げる処理を実施し、モデルへの影響度を弱める調整をします。
過学習を抑制する「シグナル＆ノイズに基づく学習」のイメージ図
学習用データの件数が少ない場合に予測モデルを高精度化しようとすると、予測式が複雑になり、予測根拠の説明が難しくなる課題がありました。そこで、「影響度算出技術」では、スコア算出結果を各変数に分解して影響度を求めることで、ブラックボックス化を解消します。
「影響度算出技術」による予測根拠提示のイメージ図
AT/PRC スコアリングサービスによる導入までの進め方は、下記の利用手順にそって行います。
AT/PRC スコアリングサービスの利用手順の流れ
過去実績（デフォルト状況）、融資申込情報、外部データを分析することで、デフォルト確率を予測し、融資審査業務の精緻化、効率化に貢献しました。
過去の不正取引の特徴に類似する取引を検査対象として抽出し、審査の優先度を設定することで、初段階の調査業務負荷を削減し、担当者による本格審査への注力と精緻化を実現します。
企業間の取引実績のあるデータから共通要素を抽出し、取引先候補を提示することで、マッチング成立の高い条件が導出でき、業務効率化も実現しますので、取引先のビジネス拡大に貢献できます。
| 名称 | 概要 | 価格 | |
|---|---|---|---|
| 詳細情報 | Hitachi AI Technology/Prediction of Rare Case スコアリングサービス | AT/PRC スコアリングサービスは、AT/PRCを活用して、リスク管理業務やビジネスマッチングなどのマーケティング業務などスコアリングにより業務効率化・高度化を支援するサービスです。 | 個別見積 |
