決済大手Stripeは、Amazon Bedrockを活用したAIエージェントを導入し、金融コンプライアンス審査の時間を26%削減することに成功した。複雑な審査プロセスを細分化し、人間が最終判断を下す「ヒューマン・イン・ザ・ループ」を徹底することで、規制対応の厳格さと運用の迅速化を両立させている。
世界1.4兆ドルの決済額を扱うStripeにとって、金融犯罪リスクの監視は事業の根幹を成す重責である。これまでコンプライアンス担当者は、膨大な資料収集に業務時間の最大8割を費やしており、人的リソースの限界が課題となっていた。AWSの技術ブログによれば、StripeはAIを単なる自動化ツールではなく、人間の判断を補佐する「調査支援エンジン」と位置づけた。これにより、AI特有のハルシネーション（もっともらしい嘘）のリスクを抑制しつつ、審査時間を26％削減することに成功している。
Stripeが採用したアーキテクチャの核心は、複雑な審査業務を「DAG（有向非巡回グラフ）」に基づいた小さなサブタスクに分解したことにある。単一のAIに全権を委ねるのではなく、各工程でAIが収集した情報を人間が検証し、承認するプロセスを組み込んだ。技術面では、ReAct（推論と行動）フレームワークを採用し、AIが自律的にツールを呼び出してデータを取得・分析するループを構築している。この「閉ループ制御」により、AIの推論プロセスが常に事実データに基づいていることが保証され、監査に必要な証跡を自動的に生成する仕組みを確立した。
Stripeの事例は、AIエージェントが収集した情報の正確性や、AIの判断根拠をいかに解釈可能にするかという「説明責任」のハードルをクリアする上で示唆に富む。人間が最終判断を下す「ヒューマン・イン・ザ・ループ」を徹底することで、AIの回答に対する有用性評価は96％超を記録している。これは、規制当局が求める人間による監視や監査ログの義務化、特に金融分野における「高リスク」AIシステムへの対応として、既存の運用にAIを統合する際の現実的なアプローチとなり得るだろう。
AIエージェントの導入は、コンプライアンス業務の効率化という大きな恩恵をもたらす一方で、未解決の論点も残されている。AIの判断プロセスが複雑化した際、人間がその根拠を即座に検証しきれるか、また、Stripe以外のデータが断片化している金融機関でも同様のアーキテクチャが再現可能かは未知数である。EU AI Actや日本のAI事業者ガイドラインが示すように、AIの判断を監視する人間の専門性はこれまで以上に問われる時代が到来している。
