BNP：ESGシナリオ分析にAIを統合

以下のインタビューは、パリで開催されたEveryday AI Conferenceの際に行われました。

動画を視る

ストレステストのユースケースはどのようなステップで行いますか？

基本的に、4つのステップでストレステストユースケースを行っています。最初のステップは関連シナリオの設計であり、非常に重要な作業です。実施する分析の種類に応じて、十分に厳しく、かつ妥当性の高い関連シナリオを見つける必要があります。この点が重要です。

例えば、気候を分析する場合は、複数のリスク要因を組み合わせて、十分に詳細なレベルで行う必要があります。それが終わったら、2番目のステップでデータを収集し、次に、そのデータと設計したシナリオを適用してモデルを実行します。

そして最後の段階では、分析結果をさまざまな技術レベルで復元し、多様なユーザーに合わせて微調整します。気候のシナリオの例で考えると、さまざまな利害関係者がいるため、ユーザーのタイプに応じて、結果に関するコメントの洗練度を調整する必要があります。

Dataikuをどのように活用していますか？

当行では6年前からDataikuを活用しており、長い利用経験があります。最初はデータ管理への活用でした。当行には大量のデータソースとデータ準備作業があり、さまざまなチームがさまざまな場所でそれぞれ異なる能力レベルで作業していました。Dataikuは、作業を効率化し、これらのさまざまなチーム間の直接的なコラボレーションを管理できる優れたプラットフォームです。

その後、Dataikuの活用をモデリングにも広げました。私たちのプロセスで私たちのモデルを実行する能力は、データの準備だけでなく、分析結果にも広がりました。また、少なくとも技術系ユーザー向けに、Dataikuを活用した結果の詳細な自動分析も試みています。

Dataikuがもたらす主な利点は何ですか？

Dataikuを使い始めたとき、第1の利点は速さでした。価値を実現する速さと、人々を納得させる速さです。これには非常に驚きました。私のチームはほとんどがSASユーザーでしたが、驚くほど短期間でソリューションを稼働できました。

第2の利点は、このプラットフォームでは、場所や文化の異なるチームが効率的でスムーズなコラボレーションを行い、詳細なプロセスを進めることができることです。それは私たちにとってDataikuの大きな利点です。

今後は、Dataikuの他の機能、とくに本番環境と設計環境を並行して稼働する機能を活用していきたいと考えています。また、さまざまなAIスイートを使用したDataikuでのモデリングにも着手しており、大きな期待を寄せています。

あなたにとってEveryday AIはどのようなものですか？

日常的なプロセスと業務の枠組みにAIを活用し始めることが課題だと考えています。現在、いくつかのAIユースケースを進めていますが、本番稼働しているものはごくわずかです。AIユースケースの一部は、まだ概念実証（POC）の段階にあります。私にとって、Everyday AIは次のステップです。それは、本番稼働へ進めるPOCを増やし、AIを安全に使用する段階です。そこには、AIを使う部分と、従来のアプローチを使い続ける部分を見極める作業も含まれます。

Everyday AIは、私たちのプロセスにAIを適正かつ自由に、負担なく活用できることを意味しています。