ゴールドマン・サックスとドイツ銀行が取引監視にエージェントAIをテスト
ゴールドマン・サックスとドイツ銀行は、キーワード検索や事前設定ルールを超え、リアルタイムでパターンを推論し人間の審査が必要な行動を検知する「エージェントAI」を取引監視にテストしている。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
銀行は、単にキーワードを検索したり、事前に設定されたルールに従うだけでなく、それ以上のことを行う新しいタイプの人工知能、例えば自律型 AI（agentic AI）のテストを行っています。静的なアラートだけに頼るのではなく、一部の取引部門では、リアルタイムでパターンを推論し、人間のレビューが必要な行動を警告するよう設計されたシステムの使用を開始しています。
ブルームバーグは、ゴールドマン・サックスとドイツ銀行が、取引監視のためにいわゆる「自律型」AI ツールの探索または導入を検討している様子を詳細に報じています。その目的は、活動が発生した瞬間に分析し、不正行為を示唆する可能性のあるパターンを特定できるソフトウェアエージェントを使用して、注文や取引の監督を強化することです。
適応型エージェント
大手銀行は、取引活動を監視するために自動化された監視システムを使用しており、これらのシステムは多くの場合、事前に定義されたルールに依存しています：特定のサイズを超える取引、ベンチマークからの逸脱、または既知のリスクパターンに合致する取引が発生するとアラートがトリガーされます。その後、コンプライアンスチームが手動でケースをレビューします。
課題は規模と複雑さにあります。現代の市場では、資産クラス、タイムゾーン、取引所において膨大な量のデータが生成されています。静的なルールは多数の誤検知（false positives）を生み出す一方で、より微妙な形態の操作は既知のパターンに一致しない可能性があります。
ブルームバーグによると、新しい自律型システムはこのアプローチを超えようとしています。単に取引をチェックリストと比較するのではなく、AI エージェントは複数のシグナルで取引行動を調査し、過去の活動と比較して、異常な行動の組み合わせを検出するように設計されています。
これらのツールは、コンプライアンス担当者らを代替するものとして記述されているわけではありません。むしろ、これらは追加の監視層として機能し、より詳細な人的検査を要する事例を浮き彫りにする役割を果たしています。
ドイツ銀行と Google Cloud の取り組み
ブルームバーグによると、ドイツ銀行は取引活動を監視できる AI エージェントの開発に Google Cloud と協力しているとのことです。このシステムは、大量の注文および執行データをレビューし、ニアリアルタイムで異常を検知してフラグを立てるよう設計されています。
同銀行はこの数年間、AI 関連の取り組みを拡大しており、今回の監視活動は金融機関が生成 AI や大規模言語モデル（LLM）技術をチャットインターフェース以外の領域にも応用していることを示しています。この文脈において、AI は顧客への質問に答えるのではなく、取引行動に関連する構造化データおよび非構造化データのストリームを分析します。AI エージェントは注文や取引における「複雑な異常」の特定を支援できます。これは、システムが単一の出来事を孤立して見るのではなく、取引間の関係性、タイミング、市場状況、トレーダーの履歴などを総合的に検討する可能性があることを示唆しています。
最終的なフラグ付き事例のレビューおよび追加措置の要否判断については、依然として人的なコンプライアンススタッフが責任を負います。
ゴールドマン・サックスのアジェンティック AI 戦略
ブルームバーグによると、ゴールドマン・サックスもまた、監視目的でのアジェンティック AI の活用を検討しています。同銀行は近年、取引およびリスク管理システムにおいて AI への投資を大幅に拡大しており、今回の取り組みはその延長線上でコンプライアンス分野にも及んでいると考えられます。
報告書に記載されている通り、焦点は不正行為の兆候を検出するために一定の独立性を持って動作できる AI エージェントの使用にあります。このシステムは明確なルールには当てはまらないが、依然として異常として目立つパターンを特定する可能性があります。
規制当局にとっての魅力は明白です：早期検出により市場への損害や評判リスクを軽減できます。銀行にとっては、運用上の側面もあります。コンプライアンス部門は、厳格な監督基準を維持しながら大量のアラートを処理するという圧力に直面しています。注意を低下させることなくノイズを削減できるツールは、注目を集める可能性が高いでしょう。
なぜ「エージェント型 AI」が重要なのか
「エージェント型 AI」という用語は、プロンプトに応答するだけでなく、目標指向の行動を取れるシステムを指します。実際には、ソフトウェアが次にどのデータを調べるかを決定し、複数のシグナルを比較し、絶え間ない人間の介入なしに発見事項をエスカレートできることを意味します。取引の文脈では、注文フロー、価格変動、通信メタデータ、および履歴行動を監視して、活動が通常のパターンと一致しているかどうかを評価することが含まれる可能性があります。
これは、システムが自律的に懲戒決定を下すという意味ではありません。金融機関は厳格な規制体制の下で運営されており、責任は依然として人間の監督者にあります。エージェントの役割は、静的システムよりも効果的に情報を特定し整理することです。
より広範なコンプライアンスシフトの一部
新しいように見えるのは、より高度な生成 AI アーキテクチャを内部統制機能に適用することです。
米国および欧州の規制当局は、企業に対し市場乱用や操作の監視を強化するよう促しています。規則がエージェント型 AI の使用を義務付けているわけではありませんが、企業が効果的なシステムと統制を維持することを求めています。AI ツールがこの基準を満たすのに役立つのであれば、その採用は拡大していく可能性が高いでしょう。
同時に、コンプライアンスにおける AI は独自の課題も提起します。銀行は、モデルが説明可能であり、バイアスを導入せず、規制当局の審査に耐えうることを確保しなければなりません。モデルガバナンス、データセキュリティ、監査証跡は依然として中心的な懸念事項です。
業界にとっての変化
エージェント型監視ツールが効果的であることが証明されれば、コンプライアンスチームの働き方を変える可能性があります。単純なアラートを大量に処理する代わりに、スタッフは AI エージェントによって浮き彫りにされた複雑なケースの評価により多くの時間を割くようになるかもしれません。
この変化が人間の判断を不要にするわけではありません。しかし、人間の努力がどこに集中されるかは変わるでしょう。スピードとデータ量が引き続き増加している市場では、ルールベースのシステムだけではリアルタイムでパターンを分析する能力を達成することがますます困難になっています。
（写真：Markus Spiske 氏提供）
関連記事：Mastercard の AI 決済デモはエージェント主導型コマースへの道を示す
本記事「ゴールドマン・サックスとドイツ銀行がトレーディング監視にエージェント型 AI をテスト」は、AI News に最初に掲載されました。
原文を表示
Banks are testing a new type of artificial intelligence, like agentic AI, that does more than scan for keywords or follow preset rules. Instead of relying only on static alerts, some trading desks are beginning to use systems designed to reason through patterns in real time and flag conduct that may need human review.
Bloomberg detailed how Goldman Sachs and Deutsche Bank are exploring or deploying so-called “agentic” AI tools for trading surveillance. The goal is to strengthen oversight of orders and trades by using software agents that can analyse activity as it happens and identify patterns that could suggest misconduct.
Adaptive agents
Large banks use automated surveillance systems to monitor trading activity, systems that often rely on predefined rules: if a trade exceeds a certain size, deviates from a benchmark, or fits a known risk pattern, it triggers an alert. Compliance teams then review the case manually.
The challenge is scale and complexity. Modern markets generate huge volumes of data in asset classes, time zones, and trading venues. Static rules can generate large numbers of false positives, while more subtle forms of manipulation may not match known patterns.
According to Bloomberg, the newer agentic systems aim to go beyond that approach. Rather than simply matching trades against a checklist, the AI agents are designed to examine trading behaviour in multiple signals, compare it with historical activity, and detect unusual combinations of actions.
The tools are not described as replacing compliance officers. Instead, they appear to function as an additional layer of monitoring, surfacing cases that warrant closer human inspection.
Deutsche Bank’s work with Google Cloud
Bloomberg reported that Deutsche Bank is working with Google Cloud on developing AI agents that can monitor trading activity. The system is designed to review large sets of order and execution data and flag anomalies in near real time.
The bank has been expanding its AI initiatives over the past few years, and this surveillance effort reflects how financial institutions are applying generative and large language model technology beyond chat interfaces. In this context, the AI is not answering customer questions but analysing structured and unstructured data streams tied to trading behaviour. The AI agents can help identify “complex anomalies” in orders and trades. That suggests the system may look at relationships between trades, timing, market conditions, and trader history not single events in isolation.
Human compliance staff remain responsible for reviewing flagged cases and determining whether further action is required.
Goldman Sachs’ agentic AI strategy
Goldman Sachs is also exploring the use of agentic AI for surveillance, according to Bloomberg. The bank has invested heavily in AI in its trading and risk systems in recent years, and this effort appears to extend that work into compliance.
The focus, as described in the report, is on using AI agents that can operate with a degree of independence in scanning for misconduct indicators. The system may identify patterns that do not fit a clear rule but still stand out as unusual.
For regulators, the appeal is straightforward: earlier detection can reduce market harm and reputational risk. For banks, there is also an operational dimension. Compliance departments face pressure to handle large volumes of alerts while maintaining strict oversight standards. Tools that can reduce noise without lowering scrutiny are likely to attract attention.
Why “agentic AI” matters
The term “agentic AI” refers to systems that can take goal-directed actions not respond to prompts. In practice, that can mean the software is able to decide what data to examine next, compare multiple signals, and escalate findings without constant human input. In a trading context, that might involve monitoring order flows, price movements, communications metadata, and historical behaviour to assess whether activity aligns with normal patterns.
This does not mean the system makes disciplinary decisions on its own. Financial institutions operate under strict regulatory regimes, and accountability remains with human supervisors. The agent’s role is to identify and organise information more effectively than static systems can.
Part of a wider compliance shift
What appears new is the application of more advanced generative AI architectures to internal control functions.
Regulators in the US and Europe have encouraged firms to improve the monitoring of market abuse and manipulation. While rules do not mandate agentic AI, they do require firms to maintain effective systems and controls. If AI tools can help meet that standard, adoption is likely to grow.
At the same time, AI in compliance raises its own questions. Banks must ensure that models are explainable, that they do not introduce bias, and that they can withstand regulatory review. Model governance, data security, and audit trails remain central concerns.
What changes for the industry
If agentic surveillance tools prove effective, they could alter how compliance teams work. Instead of sorting through large volumes of simple alerts, staff may spend more time evaluating complex cases surfaced by AI agents.
That change would not remove the need for human judgement. It may, however, change where human effort is focused. In markets where speed and data volume continue to rise, the ability to analyse patterns in real time is becoming harder to achieve with rule-based systems alone.
(Photo by Markus Spiske)
See also: Mastercard’s AI payment demo points to agent-led commerce
Want to learn more about AI and big data from industry leaders? Check out AI & Big Data Expo taking place in Amsterdam, California, and London. The comprehensive event is part of TechEx and co-located with other leading technology events. Click here for more information.
AI News is powered by TechForge Media. Explore other upcoming enterprise technology events and webinars here.
The post Goldman Sachs and Deutsche Bank test agentic AI for trade surveillance appeared first on AI News.
関連記事
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み