実践例:KYC審査の滞留を解消する

この記事. これは例示的な実践例であり、顧客の成果ではありません。決済会社、その待ち行列、審査にかかる時間はすべて例のための仮定です。KYC書類を読むAIと、全案件を承認するコンプライアンス担当アナリストの組み合わせで、オンボーディングの滞留をどう解消できるかを示します。

ここでの購入者は、決済会社のコンプライアンス兼オンボーディング責任者です。例のための一般的な会社です。新規の法人顧客がKYCの待ち行列で止まっています。案件ごとに、担当者が本人確認書類、住所証明、設立書類、所有者記録を社内のオンボーディング手順書に照らして読み、不足や不整合を書き出します。待ち行列は約1,000件で、採用が追いつかない速さで増えていると仮定します。

設計は、KYC書類審査アシスタントです。各オンボーディングファイルを読み、同じ手順書に照らして確認し、違反したルールに紐づいたフラグ付きの判断案をアナリストに渡します。この記事は、仕組みの配線ではなく、オンボーディングチームにとって何が変わるかを示します。ここにある数字はすべて仮定で、背後に顧客の成果はありません。

#KYC 書類審査のための AI は、オンボーディングチームに実際何をするのか

アシスタントは最初の読み込みを担います。各案件を開き、提出された書類から必要な項目を取り出し、社内のオンボーディング手順書と照らし合わせます。住所の不一致、期限切れの身分証、登記記録に載っていない実質的支配者。それぞれが、該当する手順書のルールを横に添えた指摘として表示されます。担当者はもう、白紙の画面と PDF の山から始めません。決定の下書きから始め、指摘ごとに承認するか覆すかを判断します。審査を行うのは同じ人たちです。ただ、判断が必要な案件を探す作業ではなく、判断そのものに時間を使うようになりました。

#採用を増やさずにKYCの滞留を解消するには?

時間の節約は案件ごとに生じ、積み上がります。例として、手作業の審査に20分かかると仮定します。書類を探し、読み、一つずつ手順書と照らし、抜けを書き出す作業です。アシスタントが最初の読み込みを担当すれば、アナリストは判断案を確認するだけになり、これに6分かかると仮定します。実際のチームなら、まず自分たちの案件の時間を測ってから比較するでしょう。計算は単純で、案件あたりの節約を滞留全体に掛けたものが、既存の人員が取り戻す時間です。

もう一つは一貫性です。600件目の疲れた審査者も、10件目の元気な審査者も、同じ手順書を読みます。アシスタントは毎回同じようにルールを適用し、ルールで決められないことの判断者はアナリストのままです。Stennirなら、これをAIコンサルティングで範囲を決め、AI導入の仕事として作ります。

規制当局に書類を指摘した理由を問われたとき、どう耐えるのか

AIが関わったすべての判断はログに残ります。ログには入力、プロンプト、モデル、出力、承認したアナリストが記録されます。監査人は任意の案件を引き出し、書類がなぜフラグされ、誰が解消したかを正確に再現できます。これは契約レビューの実践例で説明した監査水準のログを、契約書ではなくオンボーディングに当てはめたものです。記録はすべての案件に存在し、誰も記憶から判断を再構築する必要はありません。

これが何でないかについての注記です。これは例示的な実践例で、背後に顧客はおらず、精度の実測値もありません。設計では、AIがフラグを立てて下書きし、コンプライアンス担当アナリストが全案件を承認します。導入するチームは、スピードアップを信じる前に、解消した案件のサンプル監査を手作業の基準と比べるべきです。主張できるのは、同じ品質で審査が速くなりうるということだけで、それはご自身の案件で示す必要があります。

• アシスタントは各 KYC 案件を読み、会社のオンボーディング手順書と照らして確認する
• 各指摘には、違反した手順書のルールが書類の横に添えられる
• 案件が完了する前に、コンプライアンス担当者がすべての指摘を承認または却下する
• 各決定は、入力、プロンプト、モデル、出力、承認した担当者を記録する
• 計測するもの:滞留の規模と案件ごとの審査時間を、導入の前後でご自身の案件について

オンボーディングの待ち行列が採用より速く増えているなら、答えはもう一つのチャットボットでも、さらなる残業でもありません。自社の手順書に照らした一貫した最初の読み込みと、承認を握り続ける人、そして監査人が質問を言い終える前に答えられる記録です。作ろうとしているものを聞かせてください。どこから始めるかをお見せします。