1. 与信判断とキャッシュ成果から始める
AIモデルが貸し手にとって価値を持つのは、承認された与信戦略の下でその判断がリスク調整後のキャッシュ成果を改善する場合に限られる。正確性、AUC（曲線下面積）、ジニ係数、適合率その他の技術的指標はモデルの挙動を説明できるが、融資可能性は承認、価格設定、エクスポージャー、延滞、回収、損失、流動性、借り手の扱いに依存する。したがってデューデリジェンスチームは、判断記録から出発し、それを契約上のキャッシュおよび実現キャッシュまで追跡すべきである。
最低限の記録は、申請、借り手、商品、金額、期間、価格、モデルバージョン、入力スナップショット、スコア、判断閾値、説明、人的上書き、承認権限、払出し、返済予定、受領キャッシュ、延滞、延滞解消、リストラクチャリング、回収、貸倒償却を紐付ける。安定した識別子により、モデルプラットフォーム、ローン管理システム、銀行口座、信用情報機関への提出データ、総勘定元帳を接続すべきである。サンプルは、元データとコード、または管理されたスコアリングサービスから再現可能でなければならない。
貸し手は三つの問いを区別すべきである。モデルは承認済みベースラインよりもリスクを適切に順位付けしたか。金融機関はその順位付けを妥当な与信枠、価格設定、方針判断に変換したか。それらの判断は引受前提と整合するキャッシュ実績を生み出したか。第一の問いへの肯定的回答は、弱い方針や業務を補うことはできない。
デューデリジェンス冒頭の成果物は、スコアからキャッシュまでの系譜であるべきだ。包摂性、予測力の向上、資本効率、バリュエーションに関するその後の主張はすべて、それと整合しなければならない。
この図はガバナンス・フレームワークである。役割、証拠、承認は、各金融機関および各法域ごとに検証する必要がある。
2. モデル性能を測定する前に融資可能性を定義する
融資可能なモデルには、定義された用途、責任を負う所有者、適法なデータ、管理された実装、独立した検証、安定したモニタリング、説明可能な判断、業務上のフォールバック、およびポートフォリオ・キャッシュとの実証された結びつきがある。これらの属性は、貸し手が主要な性能指標を検討する前に定義されるべきである。そうでなければ、強い統計値が議論を支配し、不可欠な統制が未検証のまま残り得る。
モデルは、スクリーニング、承認、与信枠、価格設定、不正検知、回収、早期警告を支援する場合がある。用途ごとに重要性とエラーコストは異なる。上級与信担当者の一つの判断材料として使われる順位付けモデルは、自動否決モデルとは異なる。小口・短期の貸付を支えるモデルは、複数年にわたる法人向けファシリティを設定するモデルとは異なる。融資可能性基準は、判断の影響度と可逆性に従うべきである。
FSBが提案する2026年の健全な実務は、AIリスクをガバナンス、ならびに開発、展開、サイバー、テクノロジー、サードパーティのライフサイクル全体にわたって整理している。[1] NISTのAIリスク管理フレームワークは、統治、マッピング、測定、管理の機能を用い、継続的評価、文書化された限界、および意図された用途と性能が一致しないシステムを切り離すための手順を求めている。[19] これらのフレームワークは統制アーキテクチャの参考になるが、現地法および健全性規制要件が引き続き決定的である。
融資可能という用語は、モデルが完全であることを意味しない。それは、残余不確実性が識別、測定、統治され、アドバンス率、引当金、コベナンツ、価格、貸し手の権利に反映されていることを意味する。
3. モデル、方針、システムの対象範囲をマッピングする
金融機関は、一つのスコアの背後で複数のモデルを運用できる。本人確認、不正、返済能力、与信、価格設定、与信枠、回収の各コンポーネントがポリシーエンジンに供給される場合がある。ベンダースコアは変換され、またはルールや人的判断と組み合わされる場合がある。デューデリジェンスの対象範囲には、借り手の結果または貸し手の損失を変えるすべてのコンポーネントを含めるべきである。
インベントリには、目的、所有者、法人、管轄地域、借り手セグメント、商品、意思決定上の役割、アルゴリズム、モデルバージョン、学習期間、入力ソース、ベンダー、バリデーション日、重要性、フォールバックおよび廃止計画を記録すべきである。シャドーモデル、チャンピオン・チャレンジャー・テスト、スプレッドシートによる調整は可視化されたままにすべきである。正式なインベントリ外のモデルは、その技術的パフォーマンスが健全に見える場合でも、ガバナンス上の指摘事項となる。
UAEの中央銀行のモデル管理基準は、ガバナンス、データ管理、開発、実装、利用、パフォーマンス監視、独立したバリデーションを中核的要素として特定している。[11] その実現技術に関するガイダンスでは、全社的な記録と、設計から廃止までのライフサイクル全体のカバレッジを求めている。[9] これらの原則は、コードにとどまらず、ポリシー、人材、データ、業務にまで及ぶ対象範囲を支える。
貸し手はまた、どの法人がモデルを所有し、どの法人が貸出を組成・サービシングし、どの法人が損失を負担するかを整理すべきである。グループ会社間のスコアリングやサービシングの取決めは、取引またはエンフォースメント後のデータアクセスと継続性に影響し得る。
表1. モデルインベントリとリスク階層別エビデンスマップ
| インベントリ項目 | 根拠 | ファイナンス可能性に関する質問 | 統制対応 |
|---|---|---|---|
| 意思決定目的 | ポリシー、商品条件、ワークフロー | モデルは借り手またはエクスポージャーに係るどのようなアウトカムを変え得るか？ | 重要性ティアと承認権限 |
| モデルの仕組み | コード、仕様、バージョン、変換ロジック | 結果は再現可能で、チャレンジ可能か？ | 文書化、バリデーション、アクセス権 |
| データ供給 | 契約、同意、データリネージ、品質レポート | インプットは使用可能か、また利用可能な状態が維持されるか？ | 適格条件、フォールバック、ベンダーコベナンツ |
| 運用上の利用 | システムログ、閾値、オーバーライド、例外 | 本番利用は承認済み設計と整合しているか？ | 実装テストとモニタリング |
| アウトカムとの連動 | 口座実績、現金、回収、台帳 | スコアは実現損失と結び付いているか？ | キャリブレーション・ゲート、引当金、コベナンツ |
リスクティアは、意思決定への影響、エクスポージャー、自律性、複雑性、代替可能性を反映すべきである。
4. データ権利、データの来歴、継続的な利用可能性を確立する
オルタナティブデータには、銀行取引、モバイルマネーのフロー、公共料金、家賃、プラットフォーム上の売上、会計記録、デバイスシグナル、位置情報、行動情報などが含まれ得る。貸し手は、各項目または派生特徴量について、法的根拠、借り手への通知、必要な場合の同意、契約上の許可、由来、正確性、保持、移転、および許容されるモデル利用を確認すべきである。
データアクセスは一時的な場合がある。プラットフォームパートナーは、フィードを終了させたり、アプリケーション・プログラミング・インターフェースを変更したり、同意の範囲を狭めたり、項目定義を変更したりすることができる。広範なデータで訓練されたモデルは、本番環境がより小規模または低速なデータセットを受け取ると劣化し得る。トランザクションチームは、開発時と本番時のカバレッジを比較し、各重要データソースの喪失時におけるフォールバックをテストすべきである。
RBIのデジタル融資フレームワークは、必要に応じたデータ収集、事前かつ明示的な借り手の同意、明確な監査証跡、サービス提供者に対する規制対象事業者の説明責任を求めている。[12][13] ケニアのデジタルクレジットプロバイダー規制は、顧客情報の機密保持、および認可を受けた信用情報機関への適時・完全かつ正確な信用情報の提出を求めている。[14] これらの要件は、データの権利と品質が技術的な事務処理ではなく与信上の課題である理由を示している。
貸し手は、モデルの特徴量および借り手に紐づけたデータ権利台帳を要求すべきである。裏付けのない項目は削除または隔離し、モデルを再検証し、パフォーマンスの低下があればそれを与信案件に反映すべきである。
表2. データ権利・証拠台帳
| データソース | 権利および証拠 | モデルリスク | 貸し手の対応 |
|---|---|---|---|
| 銀行またはウォレット取引 | 同意、APIの規約、口座所有権、タイムスタンプ | 欠落期間、取消し、アクセス不能 | 完全性テスト、フォールバック、最低カバレッジ |
| プラットフォーム売上 | 加盟店契約、フィールド辞書、決済照合 | プラットフォーム依存と人為的な取引量 | ソース照合と集中上限 |
| 信用情報機関の記録 | 許容される目的、照会ログ、異議申立てプロセス | 遅延、本人確認情報の不一致、未完了の義務 | 最新性ルールと例外準備金 |
| デバイスデータまたは行動データ | 法的根拠、必要性、通知、保持 | 代理変数による差別と借り手の理解不足 | 特徴量レビュー、除外、公平性テスト |
| 財務諸表 | 権限、出所、会計期間、監査状況 | 陳腐化した入力または改ざんされた入力 | 検証の階層と手動による異議申立て |
適用される要件は、現地法、商品、借り手、データソースによって異なります。
5. ターゲット変数とデフォルトを一貫して定義する
モデルの性能は、予測する結果によって異なります。ターゲットは、支払未履行、30日延滞、90日延滞、貸倒償却、不正、リストラクチャリング、または所定の期間における純キャッシュ損失とすることができます。開発時の定義は、商品、方針、資金調達目的と整合している必要があります。短期間の延滞ターゲットは、早期支払行動を順位付けできても、生涯損失を捕捉できない場合があります。
ターゲット期間は、結果が成熟するのに十分な時間を確保する必要があります。十分な実績がない最近のローンは、まだデフォルトしていないという理由だけで良好とラベル付けすることはできません。延滞からの回復、リストラクチャリング、和解、モラトリアム、売却、貸倒償却は一貫して扱う必要があります。結果は、契約上の支払期日、現金受領額、会計記録と照合する必要があります。
バーゼル委員会の2025年「信用リスク管理の原則」は、健全な与信供与、管理、測定、モニタリングおよび統制を重視している。[7] CBUAEの検証ガイダンスは、デフォルト定義、開発データ、モデル設計、前提、安定性、識別力およびキャリブレーションのレビューを求めている。[10] これらの原則は、対象の背後にあるエビデンスに直接適用される。
貸し手は、代替的な定義の下でパフォーマンスを再計算すべきである。ターゲットを早期延滞から純損失に変更したときに予測リフトが消失する場合、そのモデルは回収優先順位付けには有用であり得るが、資本適格性には不適切である可能性がある。
6. 選択と熟成を明らかにするコホートを構築する
ランダムな訓練・テスト分割は、類似した期間、借り手、加盟店または地域のレコードが両方のサンプルに現れる場合、パフォーマンスを過大評価し得る。融資可能性を判断するには、アウト・オブ・タイムおよびアウト・オブ・セグメントのテストが必要である。コホートは、帳簿上の経過月数を等しくした上で、組成日、商品、地域、チャネル、借り手タイプ、チケットサイズ、期間、スコアバンドおよびモデルバージョンに従うべきである。
選択は可視化されるべきである。金融機関が却下申込者に関する別の情報源を持たない限り、モデルは承認済みローンについてのみ結果を観察する。したがって、承認方針はサンプル選択バイアスを生じ得る。過去の承認データで訓練されたモデルは、以前に却下された層や薄い与信履歴の層に拡張すると、パフォーマンスが低下する可能性がある。管理されたパイロットと保守的な限度額によってエビデンスを蓄積できる。
IFCの2026年のオルタナティブ・クレジットに関する研究は、取引データが一般的な入力であること、およびAIが正式な履歴の限られた借り手に対応するモデル全体で選択的に使用されていることを報告している。[16] このエビデンスは機会を裏付けるとともに、文脈、セグメントおよび実装を評価する必要性を強く示している。あるモデルの一国、パートナーまたは商品における成功は、移転可能性を確立するものではない。
コホート・パックには、観察期間とパフォーマンス期間、除外項目、欠損状況、ならびに口座数とエクスポージャーを明記すべきである。小規模サンプルは識別し、妥当な理由がある場合にのみプールすべきである。
7. 予測リフトを経済的ブリッジに変換する
予測リフトは、ベースラインに対する改善を表す。それは、より高い識別力、より良好なキャリブレーション、同じ承認率での低い損失、または同じ損失での高い承認率を意味し得る。貸し手は、人為的に弱いベンチマークではなく、信用情報機関スコア、スコアカード、方針ルールなど、実際の意思決定上の代替案を反映するベースラインを求めるべきである。
ブリッジでは、一つの業務制約を一定に保つべきである。同じ承認率では、実現損失と貢献利益を比較する。同じ予想損失では、承認件数と資金供与済みエクスポージャーを比較する。分析には、顧客獲得、データ、モデル、検証、サービシング、不正、資金調達および資本コストを含めるべきである。小さな統計的改善は、実装費用と逆選択を経た後では限られた価値しか持たない可能性がある。
以下の仮説例は、ベースラインの予想現金損失100単位から始まる。ランキング改善により損失は18単位減少する一方、薄い与信履歴セグメントへの拡張は7単位、方針の緩さは5単位、データおよびモデルの運用コストは4単位、回収の弱さは3単位を加算する。純分析便益は1単位である。各金額は仮説的な分析前提であり、検証済みの口座レベルのエビデンスに置き換えるべきである。
すべての値は仮説的な分析前提であり、貸し手、モデルまたは市場予測を描写するものではない。
8. 識別力、キャリブレーションおよび実現損失を同時に検証する
識別力は、よりリスクの高い借り手により悪いスコアが付与されるかを測る。キャリブレーションは、予測確率が観測結果と対応しているかを測る。モデルは順位付けを正しく行いながら、損失を体系的に過小評価する可能性がある。資本と価格設定はリスクの順序だけでなく水準に依存するため、貸し手は両方の指標を必要とする。
検証では、信頼区間付きのAUCまたはジニ係数、該当する場合は適合率と再現率、スコア帯別のキャリブレーション、ブライアスコアまたは対数損失、実績対期待（O/E）の結果を報告すべきである。分析では口座ウェイトとエクスポージャーウェイトを用い、デフォルト件数だけでなく現金損失を示すべきである。回収のタイミングとコストは債務返済に影響する。
パフォーマンスは、開発期間、アウト・オブ・タイム期間、本番期間、ストレス期間に分けて評価すべきである。内部格付モデルにおける機械学習に関するEBAの報告書は、信用リスク枠組み内での慎重な利用と、データ保護およびAIルールとの相互作用を重視している。[20] CBUAEの検証基準は、安定性、識別力、感応度、キャリブレーションに関する定量的レビューを求めている。[10]
承認閾値は、処理能力と流動性に対して検証すべきである。より多くの借り手を承認するモデルは、ポートフォリオの構成を変え、本人確認や回収の処理能力を圧迫し得る。したがって、資金調達可能性は技術的テストを業務と資金調達に結び付ける。
9. 逆選択を隠さずに、信用履歴の薄い層の包摂を評価する
AIは、従来のファイルに現れない現金取引を行う借り手を識別できる。BISの分析は、オルタナティブデータが十分にサービスを受けられていない層のデフォルト予測を改善し、従来のスコアが弱いシグナルである借り手を明らかにし得ると指摘している。[3] IFCの研究も、モバイルマネー、デジタル決済、プラットフォーム記録、事業データを用いるモデルについて述べている。[16][17]
貸し手は、包摂を管理されたコホートとして測定すべきである。新規与信または信用履歴の薄い借り手については、明確な定義を設け、承認、エクスポージャー、価格設定、延滞、損失、苦情を別途報告し、パフォーマンスが安定するまで段階的な与信限度を適用すべきである。比較では、金額、期間、地域、チャネル、経済環境を調整すべきである。
包摂に関する主張は、アクセスと成果を区別すべきである。承認件数の増加は、支払不能な価格設定、繰り返される借換え、借り手の理解不足と併存し得る。現金パフォーマンス、総コスト、繰り返し借入、苦情、返済困難、リストラクチャリングは一体でモニタリングすべきである。
ファイナンス構造では、実績の浅いセグメントに対して低いアドバンス率または高い準備金を適用し、検証済みのコホート実績が出た後にそれらを解除できる。これにより、包摂目標を放棄せずに、資本を証拠に従わせることができる。
10. 実際の意思決定プロセスにおける公平性と代理リスクを測定する
過去データは、不平等なアクセス、扱い、成果を内包し得る。代替変数は、保護対象または脆弱な特性の代理変数として機能し得る。したがって、公平性分析は、データ、ラベル、モデル出力、ポリシー閾値、オーバーライド、価格設定、与信限度、サービス業務、回収を対象とすべきである。
金融機関は、法律顧問とともに法的に許容される比較グループを特定すべきである。有用なテストには、グループ別の承認、エラー率、キャリブレーション、価格設定、損失が含まれ得るが、サンプルサイズと信頼度を伴う必要がある。統計的な差がある場合は、メカニズム、業務上の必要性、データ品質、潜在的な是正措置を調査する必要がある。単一のパリティ指標で評価を確定することはできない。
FSBは、過去データと不透明な代替ソースがバイアスを固定化し、借り手が誤りを訂正することを困難にし得ると警告している。[2] G20のMSME金融行動計画は、自動与信評価が歪みをもたらし得ること、および不完全で代表性のないデータが十分にサービスを受けられていない層に影響し得ることを指摘している。[18]
貸し手は、特徴量登録簿、代理変数レビュー、公平性テスト、苦情申立て経路、変更管理プロセスを求めるべきである。適法なグループラベルが利用できない場合、金融機関はその制約を文書化し、特徴量感応度、地域別成果、人手レビュー、借り手フィードバックなどの他の証拠を用いるべきである。
11. 借り手、与信担当者、検証担当者にとって有用な説明を実現する
説明は、その読み手に適合するべきです。借り手には、明確な主要理由と、データを訂正するか見直しを求めるための手段が必要です。与信担当者には、意思決定の要因、感応度、ポリシー上の文脈が必要です。検証者には、再現可能な手法、安定性、限界が必要です。監督当局には、トレーサビリティと説明責任を果たしている証拠が必要です。
大域的特徴量重要度または局所的特徴量重要度だけでは不十分な場合があります。相関する変数間で重要度が入れ替わることがあり、事後説明は変動し得ます。金融機関は、忠実性、安定性、実行可能性を検証すべきです。理由は実際の意思決定を反映し、機微なセキュリティ管理や不正対策の管理情報を開示しないようにすべきです。
BISのProject Noorは、プライバシーを保護しながら、監督当局が透明性、公平性、頑健性を評価できるよう支援する説明可能なAI手法を開発しています。[5] 2026年のBIS講演は、与信申請などの影響度の高い意思決定において、金融機関が説明可能性とデータ品質について引き続き説明責任を負うと述べています。[6] これらの取り組みは、機関の責任を維持しながら実務的な説明を支援します。
貸し手は、説明をソースデータ、スコアの変化、ポリシー上の決定に照らしてサンプル検証すべきです。借り手に不利な決定で、一貫して説明できないものは、自動化の拡大や資本上の便益の対象とすべきではありません。
12. 人的オーバーライドを測定可能なモデル構成要素として管理する
人的判断は、モデルが観測できない情報を追加できます。また、規律を弱め、成長目標を優先させ、悪化しているセグメントを隠す可能性もあります。各オーバーライドでは、方向、理由、証拠、権限、タイムスタンプ、モデルスコア、当初の決定、最終条件、およびその後の結果を記録すべきです。
オーバーライド分析では、モデルオーバーライドをポリシー例外やデータ訂正と区別すべきです。検証済みの入力エラーを訂正することは、リスクアペタイトの範囲外の借り手を承認することとは異なります。上方および下方オーバーライドは、担当者、支店、チャネル、商品、地域、スコア帯別に別々に追跡すべきです。
仮定分析では、同程度のモデルリスクにおける非オーバーライド承認、正のオーバーライド、負のオーバーライドの実現損失を比較すべきです。オーバーライド頻度が高いことは、モデルの適合が不十分であるか、利用定着が弱いことを示す可能性があります。オーバーライド権限が集中すると、コンダクト・リスクとオペレーショナル・リスクを生じさせます。オーバーライド率が低い場合も、職員が不適切なモデルに異議を唱えずに従っているのであれば、懸念材料となり得ます。
CBUAEの検証ガイダンスは、格付オーバーライドのレビュー、ならびに主観的インプットの一貫性および潜在的バイアスのレビューを明確に求めています。[10] 貸し手は、報告トリガー、独立的なサンプルレビュー、限度額を設定でき、オーバーライドの実績が承認済み損失を重要な程度に上回る場合には一時停止とすることができます。
頻度および損失率は仮定的な分析前提であり、特定の貸し手やモデルを表すものではありません。
13. データ、スコア、意思決定、および結果のドリフトを監視する
ドリフトは、本番環境が開発時または以前の承認済み期間と異なる場合に発生します。データドリフトは、入力分布またはカバレッジを変化させます。コンセプトドリフトは、入力とデフォルトの関係を変化させます。ポリシードリフトは、しきい値、ルール、または人的行動を変化させます。アウトカムドリフトは、延滞、回収、または損失を変化させます。貸し手は4つすべてを監視すべきです。安定的なスコア分布とキャッシュフローの悪化が同時に存在し得るからです。
母集団安定性指数、特性安定性、欠損性、カテゴリ移動、分布距離は、データ監視を支援できます。スコア帯別の承認、拒否、価格設定、限度額の変化は、意思決定の監視を支援します。実績対予想損失、ロールレート、ヴィンテージ曲線、回収率は、結果の監視を支援します。指標は、商品、コホート、チャネル、地域、重要なデータソース別に表示すべきです。
閾値には承認済みの対応が必要である。警告は調査および強化された報告を促すことがある。違反は新規組成の制限、引当金の増加、アドバンスレートの引き下げ、フォールバックへの切替、または再キャリブレーションとバリデーションの要求につながり得る。対応は単一の孤立した統計値に依存するのではなく、サンプルサイズと季節性を考慮すべきである。
以下のダッシュボードはガバナンスを示すための仮定値を使用している。普遍的な閾値を提供するものではない。各金融機関は、検証済みの過去の変動性、ポートフォリオ・リスク、規制要件に合わせてトリガーをキャリブレーションすべきである。
スコアは1〜5のモニタリング尺度における仮定的な分析上の前提であり、普遍的な上限値ではない。
14. マクロ経済および地域固有のショックを通じたパフォーマンスを検証する
新興市場のクレジット・ポートフォリオは、インフレ、通貨減価、商品価格、気候事象、紛争、政策変更、プラットフォーム障害、地域の雇用ショックにさらされる可能性がある。開発データには比較可能な期間がほとんど含まれないことがある。モデルは統計的に安定したままであっても、借り手の返済能力はモデルが観測しない変数を通じて変化し得る。
ストレステストはモデルとポートフォリオの経路を組み合わせるべきである。防御可能な関係が存在する場合にはインプットにショックを与えることができる。政策上の閾値とキャッシュ・アウトカムも直接テストすべきである。貸し手は、コホートおよび地域別に、より高い遷移率、より低い治癒率、回収の遅延、より低い所得、より高いリファイナンス費用、データ障害を適用できる。シナリオには相関効果と運用上の制約を含めるべきである。
BISによるAIと関係性貸付に関する研究では、調査対象サンプルにおいて、AIへの投資が平常時の信用供給を支えた一方、Covid危機時には追加の信用や金利保護を提供しなかった。[4] この結果は文脈依存であり、平常時のパフォーマンスが新たなショックを通じて持続すると仮定すべきでない理由を示している。
取引ケースでは、ストレス下の損失と流動性を、資本、引当金、ファシリティのヘッドルームと比較すべきである。ショックが開発時の経験の範囲外である場合、モデルへの信頼度は高めるのではなく引き下げるべきである。
15. モデル・モニタリングをポートフォリオ会計およびキャッシュと照合する
モニタリング報告書は、貸付システム内で生成された延滞またはデフォルトのラベルを使用することが多い。貸し手はこれらのラベルを、契約上の返済スケジュール、銀行入金、総勘定元帳、引当金、償却、回収と照合すべきである。延滞債権がパフォーマンス・データの外でリストラクチャリング、ロール、償却された場合、モデルはキャリブレーション済みに見えることがある。
照合では、当初および改訂後のスケジュール、総償却額と純償却額、決済、治癒、回収費用およびそのタイミングを保持すべきである。勘定とエクスポージャーのビューは併せて表示すべきである。損失は、組成時に有効であったモデル・バージョンとポリシーに帰属させ、その後のサービシング対応は別途記録すべきである。
資本およびファシリティのモデルは、モデルの目標とは異なる予想損失、予想外損失、集中度またはストレス指標を使用することがある。ブリッジでは各定義を明記し、スコア帯域がデフォルト確率、デフォルト時損失率、エクスポージャー、引当金またはアドバンスレートにどのように反映されるかを示すべきである。サポートされていない変換はファイナンス可能性のギャップである。
データ調整は統制され、報告されるべきである。バーゼルのコーポレート・ガバナンス枠組みは、データ品質およびモデルと外部インプットの限界に対する取締役会の責任を重視している。[8] 照合により、その説明責任が可視化される。
16. 取締役会、経営陣、統制の責任を明確に割り当てる
統治機関は、重要なAIの利用、リスク選好、説明責任を承認すべきである。上級経営陣は、実施、資源、能力、モニタリング、是正措置について責任を負うべきである。与信、リスク、コンプライアンス、データ、技術、セキュリティ、法務、内部監査、事業部門の各チームには、独立した牽制を伴う明確な役割が必要である。
モデル所有者は独立検証を承認すべきではない。モデル委員会は、開発、変更、パフォーマンス、オーバーライド、廃止をレビューできる。与信委員会は、与信方針およびポートフォリオ・リスクに対する権限を保持すべきである。重要な問題は、定義された閾値を通じて取締役会または取締役会リスク委員会にエスカレーションすべきである。
CBUAEの実現技術ガイダンスは、統治機関および上級経営陣を結果に対して説明責任を負う立場とし、適切な技能を有する技術および与信の専門家を求める。[9] 南アフリカ健全性監督庁および金融セクター行動監督庁の2025年報告書は、包括的なガバナンス、データガバナンス、モデルリスク管理、取締役会レベルの監督を推奨している。[21]
貸し手は、組織図を受け入れるのではなく、議事録、牽制、決定、問題のクローズを検査すべきである。権限が行動、資金調達、配分を変えるときに、ガバナンスは資金調達可能になる。
17. 再現可能な証拠を伴う独立検証を求める
独立検証は、概念的健全性、データ、コード、実装、利用、パフォーマンス、限界、結果をレビューすべきである。独立性は組織上のものでも、外部レビューによって達成されてもよいが、検証者がアクセス、能力、および開発インセンティブからの自由を有することを条件とする。重要性により深さと頻度を決定すべきである。
検証は、サンプルを再現し、ターゲット構築を確認し、リーケージをテストし、ベースラインを比較し、チューニングと選択を検討し、アウトオブタイムテストおよびセグメントテストを実行し、キャリブレーション、公平性、説明、オーバーライド、ストレス、ドリフト、フォールバックを評価すべきである。実装検証は、承認されたコード、変換、閾値、データが本番環境で機能することを確認すべきである。
検証者は、指摘事項、重大度、補完的統制、利用条件を明示すべきである。未解決の重大な指摘事項を有するモデルは、完全に検証されたモデルと同じ資本またはファシリティの取扱いを受けるべきではない。是正措置は独立した第三者によって再テストされるべきである。
CBUAE基準は、安定性、識別力、感応度、キャリブレーション、ガバナンス、オーバーライド、文書化、データを検証領域として特定している。[10][11] 検証報告書は、独立した評価に十分な詳細を伴い、秘密保持条件の下で貸し手に提出されるべきである。
表3. 独立検証テストプログラム
| テスト領域 | 最小限の証拠 | 失敗シグナル | 資金調達可能性への対応 |
|---|---|---|---|
| データとターゲット | リネージ、権利、完全性、リーケージ、デフォルト再構築 | サポートされていない特徴量または未成熟なアウトカム | モデルまたは影響を受けるコホートを除外する |
| パフォーマンス | ベースライン、アウト・オブ・タイム、セグメント、キャリブレーション、現金損失 | リフトが消失する、または損失が過小評価される | 引当金を積み、価格を見直し、または新規貸付を制限する |
| 公平性と説明 | グループ別アウトカム、特徴量感度、理由の忠実性 | 不安定または誤解を招く説明 | 人によるレビューと是正ゲート |
| 実装 | コード、変換、バージョン、閾値、アクセス権のテスト | 本番環境が承認済みモデルと異なる | 使用を停止し、配備を修正する |
| モニタリングとフォールバック | ドリフト、インシデント、オーバーライド、フォールバック、廃止 | 違反に対する検証済みの対応がない | コベナンツ、フォールバックの発動、停止権 |
範囲と頻度は、モデルの重要性、法域、ポートフォリオ・リスクに従うべきです。
18. ベンダーモデルと集中した技術依存関係のデューデリジェンス
ベンダーは、スコア、データ、特徴量、コード、ホスティングまたはモニタリングを提供する場合があります。知的財産が外部にあっても、規制対象機関と貸し手はモデル・リスクおよび継続性リスクにさらされたままです。デューデリジェンス・チームは、契約上どの証拠、監査、検証、変更に関する権利が存在するかを特定すべきです。
契約には、データ利用、所有権、機密性、セキュリティ、モデル変更、性能、サービス水準、インシデント通知、再委託、規制当局のアクセス、必要に応じた貸し手のアクセス、契約終了、移行、記録保持を含めるべきです。ブラックボックス型サービスは、機関が意思決定を説明し、または過去のスコアを再現する能力を制限する可能性があります。契約上のアクセス権は、実際のベンダーの慣行に対して検証すべきです。
集中リスクは、多くの貸し手が同一のデータアグリゲーター、クラウドサービスまたはモデルを使用する場合に生じ得ます。共通の変更や障害は、複数のポートフォリオに同時に影響を及ぼす可能性があります。FSBが提案する健全な慣行には、第三者リスク、サイバーリスク、テクノロジー・リスクが含まれます。[1] NISTも、ライフサイクル全体にわたり第三者のソフトウェア、ハードウェア、データを扱っています。[19]
資金調達のケースには、代替までの時間、データのポータビリティ、並行運用、フォールバックを含めるべきです。引受機能を停止させるベンダー契約の終了は、流動性および事業継続性のシナリオとして扱うべきです。
19. プライバシー、セキュリティ、借り手の救済手段を保護する
信用モデルは、機微な財務情報、行動情報、デバイス情報を処理する場合があります。機関は、承認された目的に必要なデータのみを収集し、それを保護し、正当な期間保持し、借り手に適用されるアクセス、訂正、レビューの権利を与えるべきです。同意は、それに依拠する場合には意味のあるものであるべきで、不必要な収集を隠してはなりません。
セキュリティ・デューデリジェンスでは、保存時および転送時のデータ、アイデンティティ、特権アクセス、暗号化、鍵、ログ、開発環境、モデル成果物、バックアップ、ベンダーをマッピングすべきです。モデルの抽出、データポイズニング、敵対的入力、未承認の特徴量変更は、脅威モデルに組み込むべきです。インシデントは、影響を受けた意思決定および借り手に紐付けるべきです。
責任ある金融アクセスに関する世界銀行のガイダンスは、デジタル金融における消費者保護とリスクベースの監督を重視しています。[15] RBIの枠組みは、明確なプライバシーポリシー、サービス提供者による保存の制限、規制対象事業者による監督を求めています。[12][13] ケニアの規制は、機密性および苦情処理を求めています。[14]
貸し手は、重大なデータ、セキュリティ、または借り手の取扱いに関するインシデントについて、是正措置および財務的影響を含めた通知を求めるべきです。借り手の救済手段は、法的遵守と信用データの品質の両方を支えます。訂正された記録は将来の意思決定を改善するからです。
20. 法域別の規制マトリックスを構築する
新興市場は、ライセンス、消費者保護、自動化された意思決定、データローカライゼーション、信用情報機関への報告、アウトソーシング、モデル基準、監督上のアクセスにおいて異なります。地域プラットフォームは、単一のモデルと同意フローを変更せずに展開できると仮定すべきではありません。法的および運用上の範囲は、国、商品、借り手、事業体ごとにマッピングすべきです。
UAEには、ガバナンス、データ、検証、ライフサイクル管理を対象とする、施行中のモデル管理および実現技術に関する基準が存在する。[9][10][11] インドは、サービス提供者との関係で、規制対象事業者の責任、同意、監査証跡、デジタル融資に係る管理を求めている。[12][13] ケニアはデジタル与信事業者を免許・監督し、信用情報の利用および顧客保護を規制している。[14] ナイジェリアのオープンバンキングガイドラインには、取締役会承認済みのデータガバナンスおよびアルゴリズムシステムの検討が含まれる。[22]
マトリックスは、承認、通知、文書化、説明、データ移転、保持、監査、苦情対応の要件を特定すべきである。変更はバージョン管理し、システム構成に紐付けるべきである。現地弁護士および規制当局による解釈確認が必要となる場合がある。
詳細に規定するAIルールを欠く法域でも、与信、データ、行為、外部委託、ガバナンスに関するコンプライアンスは依然として求められる。貸し手は、規制上の沈黙を許可と解釈するのではなく、不確実性を価格に織り込み、証拠を求めるべきである。
21. モデルに関する証拠を資本適格性ゲートに変換する
資本適格性とは、特定の証拠が存在することを理由として、貸し手または投資家のエクスポージャーが、合意された利用可能額、アドバンスレート、準備金、価格設定またはポートフォリオ上の取扱いを受けることを意味する。ゲートは、ベンダーのラベルや技術的指標に依存すべきではない。法務、データ、モデル、ポートフォリオおよびオペレーショナル管理を組み合わせるべきである。
第1のゲートは、権利、インベントリ、ガバナンスおよび再現性を確認する。第2のゲートは、独立した検証、ベースラインからのリフトおよびキャリブレーションを確認する。第3のゲートは、本番実装、説明、オーバーライドおよびモニタリングを確認する。第4のゲートは、十分に熟成した実現損失およびストレス下のパフォーマンスを確認する。第5のゲートは、継続的なコンプライアンス、ベンダーアクセス、フォールバックおよびコベナンツ報告を確認する。
モデルは選択したゲートを通過し、限定的な取扱いを受けることができる。熟成が不十分なコホートには、より低いアドバンスレートまたはより高い準備金を適用できる。違反が生じた場合、新規の適格性を停止しつつ、既存エクスポージャーは管理されたサービシングの下で償却させることができる。復帰には、検証済みのキュア（是正）および独立した承認を要すべきである。
以下の仮定のゲート図は、段階的な資本アクセスを示す。割合は分析上の仮定であり、市場条件を表すものではない。実際の取扱いは、検証済みの証拠、法的構造およびリスク選好に依存する。
アドバンスレートは仮定の分析前提であり、貸し手の条件や市場相場を表すものではない。
22. モデルリスクをファシリティ構造およびコベナンツに組み込む
ファシリティ書類は、適格貸付、モデルバージョン、承認済み商品、データ要件、集中度、熟成度、延滞、リストラクチャリング、不正および文書化を定義すべきである。モデル支援型の適格性は、検証、モニタリングおよびアクセスを条件とすることができる。借り手は、適切な場合には合意された通知および承認なしに、重要なモデル、閾値または方針を変更すべきではない。
報告には、スコア分布、承認、オーバーライド、データカバレッジ、ドリフト、実績対期待損失、ヴィンテージ・パフォーマンス、公平性または行為指標、インシデント、検証結果を含めることができる。トリガーには、定義された対応（報告強化、準備金、アドバンスレートの引下げ、一時停止、是正またはフォールバック）を設けるべきである。重要性およびキュア期間については慎重な条項設計が必要である。
資金管理は引き続き不可欠である。モデルは、売掛債権の所有権、執行可能性、管理された回収、借入基準の照合、流動性および資本に代わるものではない。ファシリティは、モデルリスクを通常の与信アーキテクチャに結び付けるべきである。
貸し手は、借り手データおよびベンダーの知的財産を保護しつつ、エビデンスを検証するのに十分な監査権およびアクセス権を取得すべきである。独立した専門家は、合意された秘密保持体制の下で機密性の高いレビューを支援できる。
表4. モデルリスク・コベナンツおよび報告フレームワーク
| 統制領域 | 報告エビデンス | 例示的トリガー | 対応 |
|---|---|---|---|
| データ供給 | カバレッジ、欠損、ベンダーステータス、同意例外 | 重大なデータソース喪失または未サポート機能 | 影響を受ける貸付の除外およびフォールバック |
| パフォーマンス | キャリブレーション、ヴィンテージ、ロールレート、純損失 | 観測損失が承認済みレンジを超過 | 引当金増額およびオリジネーション・レビュー |
| ドリフト | 入力、スコア、意思決定、アウトカムのダッシュボード | 継続的警告または違反 | 調査、再キャリブレーション、バリデーション |
| オーバーライド | 発生率、理由、権限、実現パフォーマンス | 集中度または過大なオーバーライドによる損失 | 強化レビューと権限制限 |
| ガバナンス | モデル変更、バリデーション、問題ログ | 未承認の変更または重大な指摘 | 適格性停止と独立した是正テスト |
本条件は例示であり、取引固有の法的および規制上の助言が必要です。
23. 取引および貸し手のデューデリジェンスにフレームワークを適用する
投資家または貸し手は、モデルインベントリ、ポリシー、データマップ、契約書、開発ファイル、バリデーション、本番ログ、意思決定記録、ポートフォリオテープ、現金および会計の照合、苦情、インシデント、規制当局との往復文書、委員会議事録を要求すべきです。経営陣の説明資料は、原資料および独立に再現したサンプルと照合して検証すべきです。
デューデリジェンス課題登録簿は、各指摘を価値、与信構造、クロージング条件、コベナンツ、是正責任者およびモニタリングに結び付けるべきです。与信承認を改善しても持続可能なデータ権を欠くモデルは価値を低下させる可能性があります。小幅な向上であっても強固なガバナンスを備えたモデルは、管理された資本を支える可能性があります。結論では、メカニズムと証拠を示すべきです。
取引上の保護措置には、バリデーション、データまたはベンダーの同意、是正、エスクロー、補償およびリテンションに関する条件を含めることができます。バリュエーションでは、必要な投資を控除し、検証済みの寄与と損失を使用すべきです。将来のモデル価値は、裏付けのない主張ではなく、マイルストーンを通じて評価に反映すべきです。
レビューには、モデルが利用できない場合に金融機関が業務を継続する能力を含めるべきです。管理された手作業またはより簡素なスコアカードによる代替手段は、停止または異議申立ての間、借り手、回収および貸し手の資金を保護します。
24. 100日間の資金調達可能性計画を実行する
最初の30日間では、インベントリ、意思決定の系譜、データ権、モデルバージョン、バリデーション結果、ポートフォリオ照合および重大インシデントを確定すべきです。金融機関は未承認の変更を凍結し、ガバナンス、課題の責任分担および貸し手への報告を確立すべきです。高リスクまたは裏付けのないコホートには一時的な上限を設定できます。
31日目から60日目では、パフォーマンスを再現し、正当化される場合は再調整し、説明およびオーバーライドを検証し、データギャップを埋め、本番環境をバリデーションし、ドリフト閾値を設定し、フォールバックを演習すべきです。法務、プライバシー、セキュリティおよびベンダーに関する対応は、管理された依存関係のもとで並行して進めるべきです。
61日目から100日目では、是正後の統制をテストし、新規コホートの実績を蓄積し、資本ゲートおよびコベナンツを導入し、借り手への遡求権を確認し、独立した保証を取得すべきです。拡大は暦ではなく、検証済みの結果に従うべきです。
各取り組みには、責任者、エビデンス、コスト、意思決定ゲート、および受容済みの残余リスクが必要です。計画では、技術的な完了と併せて、キャッシュと借り手の成果を報告すべきです。
表5. 例示的な100日間のモデル資金調達可能性計画
| 期間 | 証拠の優先順位 | 与信措置 | 受入れゲート |
|---|---|---|---|
| 1～15日目 | インベントリ、データ権利、バージョン、キャッシュおよび意思決定サンプル | エクスポージャーを保護し、裏付けのない変更を凍結する | スコアからキャッシュまでの再現可能なデータ系譜 |
| 16～30日目 | 検証上の問題、ベンダーアクセス、インシデント、およびオーバーライド | セグメント限度額と一時的引当金 | 承認済みの是正措置とフォールバック |
| 第31～60日 | アウト・オブ・タイム検証、キャリブレーション、公平性、および本番運用 | しきい値と適格性の再設定 | 重要な修正に対する独立検証 |
| 61日目から100日目 | ドリフト管理、コベナンツ、遡求権、およびガバナンス | 段階的前貸率と監視下の拡大 | 委員会および貸し手向けエビデンスパック |
| 100日目以降 | 損失実績の熟成、ストレス、および継続的な保証 | 資本取扱いの緩和または厳格化 | ゲートに対する検証済みの実績 |
タイミングは、リスク、ポートフォリオの熟成度、規制要件、および運用準備状況に従うべきです。
25. 投資委員会向けの意思決定フレームワーク
投資委員会は、六つの問いに対して相互に整合した回答を得るべきです。当該機関は、各重要インプットを使用し、引き続き受領する権利を有しているか。モデルと意思決定を再現できるか。パフォーマンスは、時系列外およびセグメント別の透明なベースラインを上回っているか。確率は、実現キャッシュ損失に対して較正されているか。説明、オーバーライド、公平性、ドリフト、フォールバックは統制されているか。ファシリティは、これらの統制を執行可能な資本ゲートに変換しているか。
推奨事項は、検証済みの証拠、未解決項目、仮説上の分析前提を区別すべきです。すべての重要な調査結果は、価値、アドバンスレート、引当金、コベナンツ、条件、モニタリング、または中止の決定に影響を与えるべきです。技術的なモデルスコアは、投資結論において単独で用いられるべきではありません。
AI クレジットモデルは、正式な記録が乏しい場合に情報を拡張し、金融包摂を支えることができます。その価値は、データ権利、バリデーション、ポリシー、オペレーション、およびキャッシュアウトカムがライフサイクルを通じてつながり続けるときに持続可能になります。融資可能なガバナンスは、そのつながりを借り手、経営陣、規制当局、および資本提供者に対して可視化します。
最も強固なエビデンスパックは再現可能です。レビュー担当者は、ファシリティまたはバリュエーションのアウトプットから、コホート実績、意思決定記録、モデルバージョン、インプット、同意、契約、および実現キャッシュへと遡ることができるべきです。その連鎖は、責任ある拡大を支え、状況が変化したときに資本を保護します。
参考文献
- 金融安定理事会、『人工知能の責任ある導入に向けた健全な実務：協議報告書』、2026年6月10日、 https://www.fsb.org/2026/06/fsb-consults-on-sound-practices-for-the-responsible-adoption-of-artificial-intelligence-ai/
- 金融安定理事会、『人工知能が金融安定に及ぼす影響』、2024年11月14日、 https://www.fsb.org/2024/11/the-financial-stability-implications-of-artificial-intelligence/
- 国際決済銀行、『人工知能と経済：中央銀行への含意』、2024年次経済報告、 https://www.bis.org/publications/aer-2024/artificial-intelligence-economy-implications-central-banks
- 国際決済銀行、『人工知能とリレーションシップ・レンディング』、ワーキングペーパー第1244号、2025年2月19日、 https://www.bis.org/publications/working-paper-1244-artificial-intelligence-and-relationship-lending
- BISイノベーションハブ、プロジェクト・ヌール、 https://www.bis.org/project/noor
- 国際決済銀行、人工知能時代における金融セクターの規制と監督、2026年5月20日、 https://www.bis.org/speeches/20260520-regulation-and-supervision-financial-sector-age-artificial-intelligence
- バーゼル銀行監督委員会、信用リスク管理の原則、2025年、 https://www.bis.org/bcbs/publ/d595.pdf
- バーゼル銀行監督委員会、銀行のコーポレートガバナンス原則、統合フレームワーク、 https://www.bis.org/committees/bcbs/basel-consolidated-guidelines/module/cgo/10
- UAE中央銀行、イネーブリング・テクノロジーを導入する金融機関向けガイドライン：ビッグデータ分析と人工知能、 https://rulebook.centralbank.ae/sites/default/files/en_net_file_store/CBUAE_EN_2413_VER1.pdf
- UAE中央銀行、モデル管理基準：モニタリングとバリデーション、 https://rulebook.centralbank.ae/en/rulebook/211-monitoring-and-validation
- UAE中央銀行、モデル管理基準、 https://rulebook.centralbank.ae/en/rulebook/model-management-standards
- インド準備銀行、デジタル融資に関するガイドライン、2022年9月2日、 https://systemhealth.rbi.org.in/Scripts/NotificationUser.aspx_Id%3D12382%26Mode%3D0.html
- インド準備銀行、規制概要ハンドブック、2025年、 https://website.rbi.org.in/documents/d/rbi/handbookg27022025d0f3f53f5d3c4310a6bb2f8ac2175d3a
- ケニア中央銀行、デジタル信用供与事業者規則2022、 https://www.centralbank.go.ke/wp-content/uploads/2022/03/L-.N.-No.-46-Central-Bank-of-Kenya-Digital-Credit-Providers-Regulations-2022.pdf
- 世界銀行、責任ある金融アクセスと金融消費者保護に関するリソース、 https://responsiblefinance.worldbank.org/en/responsible-finance
- 国際金融公社、信用のコードを解き明かす：金融包摂のためのオルタナティブデータとAI、2026年、 https://www.ifc.org/en/insights-reports/2026/cracking-the-credit-code-alternative-data-and-ai-for-financial-inclusion
- 国際金融公社、デジタル時代のMSME向け銀行業務、2025年、 https://www.ifc.org/content/dam/ifc/doc/2025/msme-banking-in-the-digital-era.pdf
- G20金融包摂グローバル・パートナーシップ、MSME金融に関する行動計画、2025年、 https://www.ifc.org/content/dam/ifc/doc/2025/gpfi-action-plan-for-msme-financing.pdf
- 米国国立標準技術研究所、人工知能リスクマネジメントフレームワーク1.0、 https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-1.pdf
- 欧州銀行監督局、内部格付手法モデルへの機械学習の利用に関するフォローアップ報告書、2023年8月4日、 https://www.eba.europa.eu/publications-and-media/press-releases/eba-publishes-follow-report-use-machine-learning-internal
- 南アフリカ準備銀行および金融セクター行動監督局、南アフリカ金融セクターにおける人工知能、2025年11月24日 https://www.resbank.co.za/content/dam/sarb/publications/media-releases/2025/sarbfsca-ai-report/Artificial%20Intelligence%20in%20the%20South%20African%20Financial%20Sector%20Final.pdf
- ナイジェリア中央銀行、ナイジェリアにおけるオープンバンキングの運用ガイドライン、 https://www.cbn.gov.ng/Out/2023/CCD/Operational%20Guidelines%20for%20Open%20Banking%20in%20Nigeria.pdf
