AI

エーアイ

公開：2025-04-18

あおぞら銀行とneoAIが金融特化型LLMを開発、行内ベンチマークで応答精度が従来比130%に向上

text: XEXEQ編集部
（記事は執筆時の情報に基づいており、現在では異なる場合があります）

記事の要約

• あおぞら銀行とneoAIが金融特化型LLMを開発
• 行内ベンチマークでの応答精度が従来比130%に向上
• オンプレミス環境での次世代AI基盤構築を推進

あおぞら銀行とneoAIによる金融特化型LLM開発の進展

生成AI特化のスタートアップneoAIとあおぞら銀行は、2024年より行内オンプレミス環境での次期AI基盤構築プロジェクトを開始し、行内データで学習した大規模言語モデル「あおぞらLLM」を2025年4月17日に開発した。このモデルは金融業界におけるオープンソースLLMの活用において重要なステップとなり、内部ベンチマークでの応答精度が従来比130%を達成している。^[1]

金融業界のデジタルトランスフォーメーション進展に伴い、あおぞら銀行はセキュリティを最優先としながら業務効率の向上と顧客サービスの革新を目指してきた。neoAIは独自のLLM追加学習およびRAG技術を強みとしており、企業向けにカスタマイズ可能なAIソリューションを提供している。

本プロジェクトでは、法人・リテール業務の事務規定管理業務を想定した内部ベンチマークを作成し、LLMへの継続事前学習を実施した。その結果、行内固有用語の認識精度が向上し、証書貸付・手形貸付を含む融資業務全体の関連性と構造を体系的に把握できるようになった。

あおぞらLLMの機能と特徴まとめ

RAG技術について

RAGとは「Retrieval-Augmented Generation」の略称で、大規模言語モデルの生成能力を外部知識で補強する技術のことを指す。主な特徴として以下のような点が挙げられる。

• 外部データベースから関連情報を検索して回答を生成
• 最新のドメイン固有知識を活用可能
• 精度と信頼性の向上に貢献

あおぞら銀行のケースでは、RAG技術を活用することで行内の事務規定や業務フローに関する情報を効果的に活用している。行内固有の情報をコンテキストとして適切に扱うことで、より正確で実用的な応答が可能になっている。

金融特化型LLMの開発に関する考察

金融機関におけるAI活用において、セキュリティと業務効率の両立は常に大きな課題となっている。オンプレミス環境でのLLM構築は、クラウドサービスでは実現困難な高度なセキュリティを確保しつつ、行内特有の知識を活用可能にする画期的なアプローチといえるだろう。

今後の課題として、継続的な学習データの更新や、システムの安定運用、コスト管理などが挙げられる。特に行内規定や業務フローの変更に対して、モデルの学習をいかに効率的に行うかが重要になってくるだろう。解決策としては、インクリメンタル学習の導入や、効率的なファインチューニング手法の確立が考えられる。

金融業界全体としても、このような取り組みは大きな示唆を与えている。各金融機関が独自のLLMを構築することで、業務効率化だけでなく、新たな金融サービスの創出にもつながる可能性がある。今後は地域金融機関への展開も含め、より広範な活用が期待される。

参考サイト

1. ^ PR TIMES. 「あおぞら銀行 x neoAI オンプレミス型次世代AI基盤構築に向けて、 金融・行内特化LLMを開発 | 株式会社neoAIのプレスリリース」. https://prtimes.jp/main/html/rd/p/000000026.000109048.html, (参照 25-04-18).
2799

※上記コンテンツはAIで確認しておりますが、間違い等ある場合はコメントよりご連絡いただけますと幸いです。

「AI」に関するコラム一覧「AI」に関するニュース一覧