NVIDIA、金融機関向けに数十億件の取引データを学習する「取引基盤モデル」への移行を提唱

NVIDIAは、金融機関が長年運用してきた不正検知や与信、推奨エンジンといった特定タスク向けの個別AIモデルから、トランスフォーマー構造を採用した「取引基盤モデル（Transaction Foundation Models）」への転換を提唱しました。従来の統計的アルゴリズムや機械学習モデルはビジネスラインごとにサイロ化されており、顧客の財務行動を包括的に把握することが困難でした。新アプローチでは、決済や送金、行動信号を含む数十億件の財務イベントを単一の表現として学習し、生のデータから直接インテリジェンスを抽出します。

NVIDIAが公開した2026年版の金融サービスにおけるAI活用レポートによると、金融機関の約90%がAIの導入または評価を進めており、ほぼ全ての組織が投資を維持または拡大しています。一方で、AIの規模拡大に伴いシステムが複雑化し、断片化されたモデルアーキテクチャが成長の制約要因となっている実態が浮き彫りになりました。従来の個別モデル群は特定の目的には有効でしたが、エンタープライズデータセットの増大に対し、AIが推論できる範囲との間に大きな乖離が生じているのが現状です。

今後は、自社固有のデータセットを用いて取引基盤モデルを構築することで、単一のモデルから複数の下流タスクを効率的に処理する運用への移行が期待されます。ただし、これまでのタスク特化型モデルとは異なり、膨大なトランザクションデータを統合・処理するための計算資源とデータ基盤の再設計が必要となります。金融機関は、複雑化した既存モデルの sprawl（無秩序な拡大）を解消するために、アーキテクチャ自体の再考を迫られています。