FDUA生成AIガイドラインに見る金融機関のガバナンス設計

FDUAとは何か、なぜ金融機関が参照すべきなのか

金融データ活用推進協会(FDUA、Financial Data Utilizing Association、一般社団法人)は、3メガバンクグループ・カード会社・信託銀行・損害保険会社が理事を務める業界団体です。会員企業は255社(2024年4月19日公表の会員マップによる)にのぼり、顧問には元金融庁長官も名を連ねています。

FDUAは2023年7月に「生成AIワーキンググループ」を立ち上げました。参加は25社です。東京海上ホールディングス・日本生命・日本マイクロソフト・EYストラテジー・アンド・コンサルティング・日鉄ソリューションズが事務局を務め、KPMGコンサルティングが全体アドバイザーに入っています。このWGが2024年に公表したのが「金融機関における生成AIの開発・利用に関するガイドライン」(以下、金融生成AIガイドライン)です。活用事例に焦点を当てた「金融機関における生成AIの実務ハンドブック」と合わせた二分冊構成になっています。

法令ではなく業界の自主的な指針という位置づけです。ただし総務省・経済産業省の「AI事業者ガイドライン」を土台に、金融機関特有の事情(膨大なセンシティブデータの取り扱い、金融規制法の遵守)を上乗せして作られている点に価値があります。金融機関がClaudeのような生成AIを業務に組み込む際、自社の運営指針を作るたたき台として参照できる内容です。

「金融生成AIガイドライン」が定める5原則と考慮事項

金融生成AIガイドラインの第3章は、AI事業者ガイドラインの共通指針(人間中心・安全性・公平性など10項目)に、生成AIの特性と金融機関の業務特性を掛け合わせて再構成した5つの原則群を示しています。

各項目には「考慮すべき事項例」が付記されています。たとえば2.2「適正なデータ」では「利用データの特定とデータ品質を評価する。不用意に顧客情報、機密情報を入力しない」、4.1「追跡可能性」では「AI決定の各プロセスを記録し、監査可能とする」という具体的な行動指針まで踏み込んでいます。

第4章では、これら5原則が著作権法・個人情報保護法・金融規制法・国内AI関連ガイドライン(セキュアAIシステム開発ガイドライン、金融庁のモデル・リスク管理原則、FISCの「金融機関による生成AIの業務への利活用に関する暫定的考察」など)とどう対応するかを整理しています。つまりこのガイドラインは、原則論だけでなく実際に参照すべき法令・ガイドラインへの導線を兼ねています。

生成AIのリスクとFDUAが示す必要な対応策

ガイドライン第2章は、生成AI特有のリスクを7種類に整理し、それぞれに必要な対応例を対にして示しています。

このリスク表の特徴は、リスクごとに「利用しない」という選択肢も明示している点です。効果が見込めても追跡可能性や説明責任を担保できない用途では、無理に生成AIを使わないという判断を許容する構成になっています。

ハンドブックが示す活用事例のカテゴリと想定リスク

実務ハンドブック第1章は、金融機関の生成AI活用を3段階のレベルに分けています。レベル1は個人がChatGPT等を単体利用する段階、レベル2はRAGで社内情報を取り込み特定分野のアプリケーションを構築する段階、レベル3は社外顧客向けにサービス提供する段階です。

事例は「社内業務効率化」「顧客向けサービス」「営業支援」「金融機関の固有業務」「高度取組み(特化型LLM構築)」の5カテゴリに分かれています。事例2として紹介されている「バーチャル顧客を活用した営業スキル向上トレーニング」では、期待効果(研修の質向上、研修コストの削減)と並んで想定リスクが4点、明示的に第3章の原則名と紐づけて示されています。

この「事例ごとに原則との対応関係を明示する」書き方は、社内で生成AI活用の稟議を通す際にそのまま流用できる形式です。自社の新規ユースケースを検討するときも、この4点セット(事例概要・期待効果・想定リスク・該当する原則)で整理すると、FDUAガイドラインの評価軸に沿った資料になります。

AIライフサイクルの各段階で金融機関が確認すべきこと

ガイドライン第5章は、AIシステムが持つ「意思決定を担うAIをシステム内に包含している」という他のITシステムと異なる特性を踏まえ、企画からデプロイ後の運用までの一連プロセスを5段階に分けて考慮事項を整理しています。

デプロイ後のAIアップデートが高頻度に行われることと、入力に対する出力結果の網羅的な確認が困難であることが、AIシステムを他のITシステムと分ける特性としてガイドラインで強調されています。この2点は、Claudeのようなクラウド提供型のモデルを使う場合にも当てはまります。モデルのバージョンアップは提供側のタイミングで行われるため、金融機関側は「デプロイ」フェーズの考慮事項として、モデル更新時の既存業務への影響評価プロセスをあらかじめ運用設計に組み込む必要があります。

Claudeの機能はFDUAの「追跡可能性」原則をどう満たすか

FDUAが繰り返し重視するのが4.1「追跡可能性」と4.2「モニタリング・監査」です。AIの判断プロセスを記録し、監査可能な状態を保つことが求められます。

Claudeにはこれに直接対応する管理者向け機能としてCompliance APIがあります。組織内のClaudeの利用状況(チャット作成、ファイルアクセス、セッションなど)をイベント単位で取得できる仕組みで、セキュリティ・法務・コンプライアンス部門が監査やダウンストリームのSIEM連携に使う想定で設計されています。

curl --fail-with-body -sS \
  "https://api.anthropic.com/v1/compliance/activities?limit=1" \
  --header "x-api-key: $ANTHROPIC_COMPLIANCE_ACCESS_KEY" \
  --header "anthropic-version: 2023-06-01"

このAPIはclaude_chat_createdのようなイベントタイプでアクティビティを記録し、actor(誰が)・created_at(いつ)を含むJSONを返します。FDUAの「追跡可能性」原則が求める「AI決定の各プロセスを記録し、監査可能とする」という要件を、機能としては満たせる設計です。ただし記録されるのは操作イベントであって、生成AIの出力そのものが「なぜその回答に至ったか」という判断根拠の説明(4.3「正確性」や5.2「透明性・説明可能性」)までは別の話です。ここは人による確認プロセスを組み込む、というFDUAガイドラインの多くのリスク対応例と同じ結論になります。

プライバシー(3.3)とデータの適正管理(2.2)については、CMEK(顧客管理暗号鍵)によって暗号鍵の管理主体を自社側に置く選択肢があります。ただしCMEKは鍵の管理権限を移すものであり、データの保存地域を日本に変えるものではありません。この違いは規制適合性の評価で見落としやすいポイントで、詳しくはCMEKが日本企業の暗号鍵管理要件を満たすかで扱っています。

FISC・重要インフラ要件との接続で注意すべき点

第4章が参照する国内ガイドラインには、金融機関等コンピュータシステムの安全対策を担うFISC(金融情報システムセンター)の考察も含まれています。FDUAガイドラインはFISCの考察を「関連するガイドライン等」として位置づけており、両者は競合するものではなく、FDUAが業界横断の実践的な指針、FISCが金融システムの安全対策という別レイヤーを担う関係です。

金融機関がFISCの安全対策基準を踏まえてClaudeを導入する際の個別チェックリストは、FISCが示す金融機関のAI利活用と安全対策の考え方と金融機関のClaude導入とFISCの安全対策チェックリストで扱っています。本記事のFDUA5原則と合わせて参照すると、業界団体の指針(FDUA)と金融システムの安全対策(FISC)の両輪でガバナンス設計を進められます。

まとめ

FDUAの金融生成AIガイドラインは、AI事業者ガイドラインを土台にしつつ、金融機関特有の考慮事項を5原則・21項目に落とし込んだ実践的な指針です。7種類のリスク表と、原則に紐づけた活用事例(事例2のような形式)は、社内の稟議資料や運営指針のたたき台としてそのまま使える完成度があります。

Claudeを使う金融機関にとっては、Compliance APIが「追跡可能性」「モニタリング・監査」の技術的な受け皿になり、CMEKが「プライバシー」「適正なデータ」の一部を補完します。ただしデータの保存地域や、生成結果の判断根拠まで自動で説明できるわけではない点は、FDUAのリスク表が示す「人による確認プロセス」で埋める必要があります。

FDUAガイドラインが優れているのは、原則論だけで終わらせず「リスク表」「事例と原則の対応」「AIライフサイクルの各段階の考慮事項」という3つの実務ツールをセットで提供している点です。情報システム部門とコンプライアンス部門が合同で、この3点セットを自社の生成AI運用指針にマッピングするところから始めるのが、遠回りに見えて最も再現性の高い進め方になります。