Y Combinator 日本語図鑑

事業概要

プロダクト

• 銀行や保険会社の取引、決済、クリック履歴を顧客システムから受け取る。
• 与信、不正、回収、収入、解約、生涯価値を顧客ごとに予測する。
• 与信は返済確率、不正は取引ごとの異常度として数値を返す。
• 既存ルール比4倍の精度でプレミアムカード転換候補を特定する。
• モデルは顧客のクラウド内に配備し、データを外部に出さない。
• 280億件の取引で学習した実績があり、現在は与信へ展開している。

技術アーキテクチャ（推定）

• 顧客の取引、決済、クリック、問い合わせ履歴を社内システムから取得するとみられる。
• 取得は顧客クラウド内の連携経路を使い、外部への持ち出しを避けると推定される。
• 口座や顧客の名寄せ、通貨と時刻の正規化を前処理で行うとみられる。
• 取引系列を学習する基盤モデルで与信や不正の確率を出力すると推定される。
• モデルは顧客のクラウド環境に置き、予測結果だけを業務側へ返すとみられる。
• 学習済みの重みは顧客ごとに保持し、追加データで再学習すると推定される。

収益モデル

• 銀行、保険会社、フィンテックが自社データ向けモデルの構築と運用に対価を払う。
• 課金は案件単位か月額とみられるが、方式と価格は非公開。
• 導入後の再学習や精度改善も継続課金の対象とみられる。
• 価格は非公開。

差別化

• 顧客固有の取引データで学習するため、他社に同じモデルを作れない。
• モデルとデータを顧客クラウド内に置き、持ち出しを前提にしない。
• 与信から不正、解約まで同一のデータ基盤で複数用途を担う。
• 280億件規模の学習実績が導入時の説得材料になる。

日本展開時のリスク

• 金融機関の顧客データは外部クラウドへの保管に厳しい審査が入る。
• 個人情報保護法と金融分野のガイドラインへの適合説明を求められる。
• 勘定系や基幹系が独自仕様で、データ抽出に長期の調整が要る。
• 予測の判断根拠を示す説明責任が強く、監査対応の負担が大きい。
• 国内はシステム会社経由の商流が中心で、直販の販路構築が難しい。

日本での競合

• 国内の金融AIは分析支援や非財務データの活用が中心で、専用基盤モデルは少ない。
• ブレインパッドが金融向けのデータ活用と運用支援で存在感を持つ。
• エクサウィザーズは与信や審査領域でAI導入の実績を重ねている。
• 勘定系と顧客データを握る大手システム会社が導入の主導権を持つ。
• 同一データで複数の予測を担う同型は確認できず、空白は大きい。
• 閉域環境での運用と監査対応が参入の前提になる。

主要プレイヤー

• ブレインパッド — データ分析の支援。
• エクサウィザーズ — AIの社会実装。
• Preferred Networks — 深層学習の研究開発。