コモンウェルス銀行｜不正検知ルールの4分の3をAIが作る体制へ。社内チームが3か月で立ち上げた

世界の最先端では、AIはもう「判断を助ける道具」ではありません。運用のルールそのものをAIが書き、人はそれを承認するという体制が、すでに本番で回っています。

オーストラリア最大手の銀行では、カード不正検知ルールの4分の3の作成・更新にAIエージェントが関与しています。しかもその仕組みは、社内のチームが3か月で立ち上げたものです。

この事例の要点

• すでにカード不正検知ルールの4分の3の作成または更新に、AIエージェントが関与
• 新しい不正・詐欺のパターンを見つけ、それを止めるための検知ルールを生成するAIエージェントを開発
• 社内のデータサイエンス・エンジニアリングチームが3か月で開発
• 生成された新しい検知ルールは、実装前に同行の不正分析チームがレビューし承認する（同行はこれを human-in-the-loop の監督と説明）。案を大量に出すのはAI、採否は人という分担
• 同行の不正防止システム全体で、1日あたり8,000万件を超えるシグナルを監視（取引、カード・オンライン決済、デジタルバンキングの操作）
• 1日あたり平均2,000万件超の決済を処理し、平均40,000件超の事前警告アラートを顧客に送信
• 不正被害額は2026年度上期に前年同期比20%超の減少。同行は検知技術がこれに「寄与した」と説明
• 顧客の詐欺被害額は76%減少（2025年度下期と2023年度上期の比較）

どんな会社か

オーストラリア最大手の銀行です。不正・詐欺・サイバー対策に年間10億豪ドル規模の投資を掲げ、2025年度は9億豪ドル超を投資したと公表しています。予算規模も人員も日本の中小企業とは比較になりませんが、後述する「AIに何をさせたか」の考え方は規模に依存しません。

何をAI化したのか

なぜ3か月でここまで進められたのか

多くの会社がAIに期待するのは「その場の判断」です。この取引は不正か、この問い合わせはどう答えるか。

同行が先に手を付けたのは、その手前にある運用ルールの整備でした。新しい詐欺の型が出てきたとき、従来は人が分析してルールを書き、テストして反映していました。この「ルールを書く」工程をAIに寄せたわけです。

短期間で立ち上がった理由は、渡した仕事の性質にあります。ルールづくりは「量が多くて、正誤が確かめやすい」仕事です。生成されたルールは過去データで検証できます。合っているかどうかを人が目で判断するしかない仕事より、AIを載せやすい。

体制の設計も明快です。同行は、新しい検知ルールは実装前に不正分析チームがレビューし承認すると明記しています。AIが案を大量に出し、採否を決めるのは人のまま。この分担があるから、生成の量を増やしても運用が壊れません。同行はこれを human-in-the-loop の監督と説明しています。

そしてこの仕組みは、不正防止システム全体で1日8,000万件超のシグナルを監視し、1日平均40,000件超の事前アラートを顧客に送るという規模の上に載っています。ルールを書く工程が速くなれば、新しい詐欺の型への対応もそのぶん速く回せる、という位置関係です。

中小企業が真似できる3点

同じ方向に踏み出すための最初の3歩です。10億ドルの予算は関係ありません。仕事の選び方から始められます。

① 「判断」より「その手前の下ごしらえ」を渡す

AIに最終判断をさせようとすると、責任の所在が問題になって止まります。判断材料を作る工程・ルールや型を書く工程を渡すと、決めるのは人のままで進みます。営業なら「商談メモから次回の確認事項リストを作る」あたりが該当します。

② 正誤が確かめられる仕事から入れる

生成された検知ルールは過去データで検証できます。同じように、答え合わせができる業務を最初に選ぶ。見積の転記、議事録から決定事項の抽出、リストの重複判定などです。逆に「良い提案かどうか」は答え合わせができないので後回しが妥当です。

③ 効果を「単独の寄与」と言い切らない

同行の説明も「検知技術が減少に寄与した」という書き方で、AIだけの効果とは書いていません。自社で報告するときも同じ慎重さを持つほうが、後から数字を疑われずに済みます。

こうした「どの工程を渡すか」の切り分けは、その業務の中身が分かっていないと決められません。営業・マーケの領域で社内に担い手がいない場合は外部に任せる選択肢もあり、私たちAIリモートワーカーのようなサービスもその1つとして検討する余地があります。

ai-remote-worker.com AIリモートワーカー｜営業・マーケのAI導入支援 営業・マーケティングのAI化を、月額定額または成果確認後払いで。実装まで踏み込む伴走型の支援です。

注意して読むべき点

• 数字はいずれも同行のニュースルームでの公表値です。決算資料で監査された数値ではありません
• 不正被害の20%超減少について、同行は「検知技術が寄与した」という表現を使っています。AIエージェント単独の効果を切り分けた数字ではありません
• 「4分の3」は作成または更新に関与した割合です。AIが単独でルールを完成させている割合ではありません
• 詐欺被害76%減は2025年度下期と2023年度上期の比較で、AI導入だけでなく制度・啓発・業界全体の対策を含んだ結果です
• 年間10億豪ドル規模の投資が前提です。投資額を無視して結果だけを比較することはできません

よくある質問

Q. AIに何をさせたのですか？

不正・詐欺の新しいパターンを見つけ、それを止めるための検知ルールを生成するAIエージェントです。判断そのものではなくルールづくりを担わせている点がこの事例の核心で、すでにカード不正検知ルールの4分の3の作成または更新に関与しています。

Q. AIが作ったルールはそのまま使われるのですか？

AIが担うのは案を大量に出すところまでで、生成された新しい検知ルールは実装前に同行の不正分析チームがレビューして承認します。同行はこれを human-in-the-loop の監督と説明しています。この「出すのはAI、採否は人」という分担があるからこそ、ルールの4分の3をAIが手がける規模まで進められたと読めます。AIの出力を人が確認してから世に出す設計は、規模を問わず踏襲する価値があります。

Q. 中小企業がこの考え方を使えますか？

「判断そのもの」ではなく「判断の材料やルールの叩き台」をAIに作らせる、という切り分けは規模に依存しません。たとえば与信や検収のチェック観点、営業の失注理由の分類軸など、人が最終承認する前提の下書きから始めると、事故のリスクを抑えたまま効果が出ます。

Q. 開発にどれくらいかかったのですか？

社内のデータサイエンス・エンジニアリングチームが3か月で開発したと公表されています。ただし同行の不正防止システムは1日あたり8,000万件を超えるシグナルを監視する規模なので、既存の基盤があったうえでの3か月という点は差し引いて読む必要があります。

出典

• CommBank develops AI agent that spots new fraud and helps build defences（2026年4月24日）
• CBA sees customer scam losses fall by 76%（2025年8月11日）