大規模なデータセットからインサイトを抽出することができるAIは、キャピタルマーケッツで (例えば、アルゴリズム取引において) 数十年にわたって利用されてきた。電子取引や自動化の開発が加速し、データが飛躍的に増大する中、キャピタルマーケッツ業界全体でAIのユースケースが増加している。現在では、ディープラーニングといったさらに複雑で説明が難しいモデルの導入も進み、AMLや市場分析においてパターンを認識するために頻繁に使用されている。従来のモデルは非常に的を絞った狭い範囲の用途に使用され、利用可能なデータの分析に重点が置かれていたが、こうした状況は大規模言語モデル (LLM) と生成AI (Gen AI) の登場によって変わった。これらのモデルの訓練に使用される大規模なデータセットと、データからより多くのコンテキストを認識する能力は、モデルに幅広い応用を与えると同時に、生成能力によってキャピタルマーケッツにおけるAI統合に向けて多くの新しい可能性を開いた。ユースケースの多くは、要約、ヘッドライン分析とセンチメント分析、コンプライアンス管理など、以前のAIアプリケーションの性能を向上させたものである。こうしたモデルは型にはまっておらず、各モデル、そして多くの場合各ユースケースでは、微調整や迅速なエンジニアリングが必要になる。加えて、生成AIは多くのことにおいて優れているが、別のユースケースではそれ以上に確立された他のモデル (AIや他の従来の統計モデル) の方が優れている場合もある。したがって、生成AIモデルはスタンドアローンシステムではなく、より規模の大きいAIエコシステムの要素の1つと言える。しかし、テキストや会話のコンテキストをより深く理解し、アウトプット (コード、テキストなど) を生成することで、コパイロットや完全なワークフローの再設計において新たな生産性向上の可能性が高まっている。本レポートでは、要約からAIを活用したエンド・ツー・エンドのシステムまで、資本市場における生成AIの現在と将来のユースケースを探る。

あらゆる機会と同様に、生成AIにもバイアス、ハルシネーション、および規制上の懸念が拡散されるといったリスクがある。しかし、金融機関は、時代に取り残されるリスクや、サイバー攻撃に脆弱な状況に陥るリスクを避けるために、この新しいテクノロジーに関与する必要がある。また、初期データ、開発、継続的な処理に要する費用が優に数百万ドルに達する可能性があるため、コストも高いハードルになる。

このようにいくつかの問題点はあるものの、生成AIに対する業界全体の関心は高まっており、この新しいテクノロジーへの関与を検討していない金融機関は、競争優位を獲得する機会を逃したり、自らをリスクにさらすことになるかもしれない。そこで、キャピタルマーケッツの参加者が生成AIのジャーニーを開始できるよう、実行可能ないくつかのステップを紹介したい。具体的には、事業とガバナンスの枠組みの設定、従業員によるユースケースの観念化、インフラと人材への投資などがある。