本文へ移動
YOBITSUGI AIメディア
AI ニュース人が監修しながらAIを活用して執筆

NTT、貸し倒れを予測するAI与信審査 既存モデルより精度最大3割向上

執筆・監修: 佐々木 航公開 更新 4 分で読めます

共有XFacebookLINEはてブ

リースやローンを組む前に、相手が最後まで払えるかを見極めるのが与信審査です。NTTとNTT・TCリースは11月12日、顧客や契約のデータから、将来貸し倒れるリスクを予測するAI与信審査の技術を確立したと発表しました。NTT・TCリースが持つ約150万件の与信データで試すと、与信で広く使われているモデルと比べて、貸し倒れを見分ける精度が最大で約3割上がりました。

金融のデータで予測が外れやすい2つの理由

金融会社が持つデータには、企業の大きさや業種、契約した金額や期間、きちんと入金されているかなど、性質の違う項目が混ざっています。予測を難しくする原因として、発表は2つを挙げました。

1つ目は数値のばらつきです。金額が100万円から1兆円まで広がる項目を、よくあるやり方で0から1の範囲にそろえると、ほとんどの値が0の近くに固まり、企業ごとの差がつぶれます。外れ値が混じる分布や、特定の値に偏る分布も、同じ問題のもとです。

2つ目は契約条件の違いです。これまでの表し方は結果を「貸し倒れ」か「完済」かの2つで扱うため、12か月の契約が終わり近くで止まった場合も、72か月の契約が始まってすぐ止まった場合も、同じ「貸し倒れ」になります。NTTは、この2つにそれぞれ別の技術で手を打ちました。

課題これまでの扱いNTTの技術
数値のばらつき金額が100万円〜1兆円これまでの扱い0〜1にそろえると大半の差がつぶれるNTTの技術数値表現技術順位に置き換え、大小の関係を保ったまま学ぶ
契約条件の違い12か月・36か月・72か月これまでの扱い「貸し倒れ」か「完済」かだけで、いつ止まったかが残らないNTTの技術条件表現技術期間のどの時点で貸し倒れたかを割合で表す

NTTの11月12日の発表の図をもとに作成。

数値表現技術を使うと、専門家が項目ごとに前処理を作り込まなくても、外れ値や偏りに左右されにくくなるといいます。条件表現技術は、長さの違う契約を同じものさしで比べるための仕組みです。たとえば、72か月の契約が14%の時点で止まった場合は、期間のごく初めに貸し倒れた、リスクの高い契約として扱えます。

比べた相手と評価のしかた

評価に使ったのは、NTT・TCリースが法人向けリースで集めた与信データ、約150万件です。過去最大17年分で学習させ、その翌1年分で試しました。精度は、これを何回か繰り返した平均です。比べた相手は2つで、与信で一般に使われる勾配ブースティング決定木の系統と、表の形のデータに向けたTransformerです。

ものさしはAR値です。貸し倒れになる契約をどれだけ上位に並べられたかを0から1で表し、1に近いほど正確だと分かります。発表は数値を出していませんが、図の目盛りから読むと、2つの市中のモデルが0.55〜0.57ほど、NTTの手法が0.68ほどでした。

NTT・TCリースは、実際の業務で効果と使い勝手を確かめながら、2027年度以降の与信審査への導入をめざします。最終的な与信の判断は人が行います。NTTは対象を個人向けのローンや銀行へ広げ、さらに証券や保険でも使える金融向けの技術に育てる計画です。11月18〜25日のNTT R&D FORUM 2026でも展示される予定です。

読み取れること

図の目盛りで読む限り、低い方のモデルとの差は約2.5割、高い方とは約2割です。そのため、「最大約3割」は差がいちばん開いた場合の値とみられますが、与信で長く使われてきた勾配ブースティングの系統を、同じデータで上回った点は変わりません。

2つの技術はどちらも、モデルを大きくしたのではなく、データを学習に渡す前の表し方を変えたものです。金額や日付が並ぶ表のデータの予測では、文章を扱う生成AIとは別の工夫が精度を決める、という例と読めます。

ただし、試したのは1社の法人向けリースのデータです。個人向けやほかの金融会社のデータで同じ差が出るかは、まだ分かっていません。NTTは前日にも、ロボットが動く前に荷崩れを予測するワールドモデルを発表しており、R&D FORUMに向けて研究の成果が続いています。

YOBITSUGI AIで使えるか

研究から実用に移る段階の技術で、YOBITSUGI AIからは使えません。NTT・TCリースが社内の審査に入れる計画で、ほかの会社が使える形での提供は発表されていません。

出典

共有XFacebookLINEはてブ