banking-use-case-discovery

銀行業務のユースケース発見

銀行の幅広い研究開発目標を、優先順位付けされたユースケースのポートフォリオに変換します。

目的は、銀行業務で考えられるすべての AI ユースケースを列挙することではありません。ビジネス価値、データの実現可能性、リスク管理、文献での先例がそろう機会を特定することです。

このスキルを使う場面

次のような依頼を受けたときに、このスキルを使います。

• 銀行で検討すべき AI／ML／研究開発の課題について尋ねられたとき。
• 銀行業務の課題をユースケースに変換する方法について尋ねられたとき。
• 利用可能なデータで実現可能な銀行業務のユースケースについて尋ねられたとき。
• 研究開発、PoC、パイロット向けのアイデアの優先順位付けについて尋ねられたとき。
• 信用、詐欺、AML、顧客、業務、文書、コンプライアンス、生産性の分野でアイデア出しを求められたとき。

ユースケースを選定した後、論文に裏付けられたソリューションの詳細が必要な場合は、publication-grounded-solution-design または banking-ai-literature-mapper を使います。

銀行業務の機会マップ

次の領域を検討します。

領域	意思決定／ワークフローの例	一般的な手法	主なリスク
信用リスク	承認、限度額、早期警告、返済能力	スコアリング、生存時間モデル、グラフ ML、説明可能な ML	公平性、説明可能性、規制、データリーク
詐欺・詐欺被害	取引監視、マネーミュール検出、詐欺防止	異常検知、グラフ学習、系列モデル、ルール＋ML	敵対的行動、誤検知、レイテンシ
AML	疑わしい活動の検知、案件の優先順位付け	グラフ分析、弱教師あり学習、エンティティ解決、手口のマイニング	ラベルの偏り、監査可能性、規制上の正当性
債権回収	連絡の優先順位付け、困窮状態の検知、対応戦略	アップリフトモデリング、強化学習、セグメンテーション	顧客への不利益、ポリシー上の制約
顧客インテリジェンス	解約、次善アクション、パーソナライゼーション	レコメンダーシステム、アップリフトモデリング、表現学習	同意、公平性、過剰なターゲティング
コンタクトセンター	振り分け、要約、品質保証、エージェント支援	検索、LLM、音声／テキスト分析	幻覚、プライバシー、人間による活用
ドキュメント AI	KYC、ローン関連書類、契約書、フォーム	OCR、レイアウトモデル、情報抽出、RAG	抽出エラー、監査証跡、文書の変化
コンプライアンス・リスク業務	ポリシー確認、統制テスト、レポート作成	NLP、検索、ワークフローマイニング、異常検知	法的解釈、説明責任
生産性	アナリスト向けコパイロット、ナレッジ検索、コード／データアシスタント	RAG、エージェント、ツール使用、要約	データリーク、回答の根拠付け、評価

ワークフロー

1. テクノロジーではなく、課題から始める

候補となる各領域について、次の項目を記録します。

• 現在のプロセス
• ユーザーの課題
• 失敗した場合のコスト
• 意思決定の頻度
• 手作業の負担
• 利用可能なデータ
• 既知の制約
• 責任者と導入までの道筋

問題の性質から正当化できる場合を除き、「LLM を使う」「グラフニューラルネットワークを使う」といったところから始めるのは避けます。

2. 領域をユースケースカードに変換する

次のテンプレートを使います。

### Use case: [name]
- Business problem:
- Decision/workflow:
- Target users:
- Data needed:
- Candidate method families:
- Prior precedent to search:
- Business value hypothesis:
- Risk/compliance concerns:
- Pilot shape:

3. 各ユースケースを評価する

次の項目を 1～5 で評価します。

• ビジネスへのインパクト
• データの準備状況
• 技術的な実現可能性
• 文献／業界での先例
• 評価の明確さ
• 業務への導入可能性
• リスク／管理のしやすさ

その後、次のように分類します。

• 迅速なパイロット：実現可能性が高く、データが明確で、リスクを管理できるもの。
• 研究開発候補：有望だが、手法やデータの調査が必要なもの。
• 戦略的な賭け：インパクトは大きいが、統合やガバナンスが難しいもの。
• 保留：価値が不明確、データが不十分、または受け入れられないリスクがあるもの。

4. 研究上の裏付けが必要な点を特定する

有望なユースケースごとに、次のような検索の方向性を挙げます。

• 銀行／金融分野で一般的な用語
• 問題の性質が似ている隣接領域
• 評価ベンチマーク
• 規制または説明可能性に関する文献
• 既知の失敗パターン

例：

• マネーミュール口座の検出 → グラフ異常検知、詐欺ネットワーク、金融取引ネットワーク
• 苦情の要約 → 根拠に基づく要約、カスタマーサポートの品質保証、RAG の評価
• 信用リスクの早期警告 → 生存時間分析、時系列の表形式データモデリング、マクロ経済ストレス特徴量

5. ポートフォリオを優先順位付けする

バランスの取れた構成を推奨してください。

• 迅速に実施できるパイロットを1つ；
• 中期的なR&Dプロジェクトを1つ；
• 戦略的な学習への投資を1つ；
• 同じデータの不足が多くのユースケースの障害になっている場合は、データ基盤プロジェクトを1つ。

出力形式

# Banking use-case discovery

## Context and constraints

## Use-case portfolio
| Use case | Domain | Impact | Data readiness | Feasibility | Precedent | Evaluation clarity | Risk | Priority |
|---|---|---:|---:|---:|---:|---:|---:|---|

## Top use-case cards
### 1. [Use case]
- Business problem:
- Decision/workflow:
- Target users:
- Data needed:
- Candidate methods:
- Prior precedent to search:
- Pilot shape:
- Main risks:

## Recommended portfolio
- Quick pilot:
- R&D candidate:
- Strategic bet:
- Data foundation need:

## Next literature searches

品質基準

優れたユースケースマップは、多くの銀行業務にAIを活用できることを示すだけでなく、ユーザーが次に何を調査するかを選ぶのに役立つものであるべきです。