データをチャンスに変える：「Metric in Motion」――AIを活用した二重付番検出

高品質なデータは単なるベンチマークにとどまらず、世界的な信頼、コンプライアンス、相互運用性を実現するための戦略的要件です。本ブログでは、GLEIFのデータ品質管理およびデータサイエンス責任者であるゾルニツァ・マノロヴァが、グローバルLEIシステム全体において一意かつ信頼性の高いエンティティ識別を促進するため、AIが二重付番検出をどのようにさらに強化しているかについて解説します。

---

---

すべての取引主体識別子（LEI）は一意であり、1つの取引主体のみを表すことができます。また、各取引主体は1つのLEIコードしか保有できません。これらの原則がグローバルLEIシステムの基盤となっており、世界中の誰もが確信を持って取引主体を識別できるようにしています。

したがって、LEIレコードの二重付番を防止することは、グローバルLEIシステムへの信頼を維持するために不可欠であり、GLEIFの積極的なデータ品質管理プログラムの重要な要素となっています。 予防的統制、LEI発行者による取り組みと審査、明確な運用手順からなる、確立された二重付番検出および是正プロセスにより、グローバルLEIシステム内の全記録のうち、二重付番の可能性があるものはすでに0.2％未満となっています。

AI を活用した二重付番検出の強化

データ量と複雑さが増し続ける中、GLEIFは重複検出プロセスのさらなる改善に取り組んでいます。特に、AIは、より正確で、拡張性が高く、一貫性のあるアプローチを推進する新たな機会をもたらしています。

AIによってすでに強化が進められている重要な管理措置の一つが、GLEIFの「二重付番のチェック」機能です。

「二重付番のチェック」は、LEI発行者が、新しいLEIを公開する前に、提案されたLEIおよび関連する参照データがグローバルLEIインデックスにすでに存在するかどうかを評価できるようにする機能です。 発行プロセスにおいて、新規レコードは、LEIインデックス全体および他のLEI発行者によってまだ発行されていないレコードの両方と照合されます。これにより、たとえ同一の取引主体が複数のLEI発行者に申請を行った場合でも、発行前に二重付番の可能性を特定し、解決することが可能になります。

AIの活用により、この機能は、主にファジーな名称照合に依存していた従来のアルゴリズムの枠を超えました。これにより、より早期の検出、関連する可能性のあるレコードのより効果的な比較、および公開前の協調的な解決が可能になりました。

仕組み

強化された二重付番検出プロセスは、以下の3つの主要なステップからなる構造化されたワークフローに従います：

• 前処理：
  提出されたレコードのクリーニングと標準化を行います。これには、句読点の削除、スペースの正規化、レコードの解析による関連参照データの抽出、および後の比較のためのベクトル埋め込みの生成が含まれます。
• フィルタリング：
  AIを活用したバックエンドが、潜在的な一致候補を特定します。このプロセスでは、まずLEIコードを確認し、次に登録機関および登録識別子を比較します。選択された参照データ要素もベクトル埋め込みに変換され、グローバルLEIインデックス内の既存レコードと照合されます。潜在的な一致が確認されたレコードは、その後、スコアリング段階へと進みます。
• スコアリング：
  このステップでは、誤検知を減らすために、これらの潜在的な一致候補をさらに評価します。法人名、法人形態、住所、管轄区域、法人設立日などの要素を考慮するとともに、ファンドや支店などの特定のカテゴリーについては追加の処理が行われます。

より高速で、スケーラブル、かつ一貫性のある二重付番検出

これらのプロセスを組み合わせることで、以下のことが可能となり、二重付番検出の精度が向上します：

• 新しいLEIがグローバルLEIインデックスに公開される前に、二重付番の可能性があるものをより迅速かつ早期に検出。
• ベクトル埋め込み技術を活用することで、膨大な量の既存のLEI参照データとレコードを比較できるようになり、グローバルLEIシステムの継続的な拡大に伴うスケーラビリティが向上します。
• LEI発行者の性質や所在地に依存しない、一貫性のある標準化されたアプローチ。
• LEIコード、登録機関、識別子、正式名称、住所、管轄区域、法人形態など、複数のデータ要素をチェックすることで、データ品質管理を強化します。

二重付番検出における AI の可能性の活用

AI による前処理、フィルタリング、スコアリングを通じて、AI が「二重付番のチェック」機能の拡張性、効率性、およびコンテキスト認識能力をどのように向上させているかが明らかになっています。

AI が信頼性の高い結果をもたらすためには、完全かつ信頼できるデータに基づいて構築され、明確なガバナンスによって支えられている必要があります。 GLEIFでは、このガバナンスが、積極的なデータ品質管理、確立された検証プロセス、およびグローバルLEIシステムの継続的な監視を通じて強化されています。AIによる推奨事項は、透明性のある意思決定、検出モデルの継続的な改良、そして人間の専門知識と監督と組み合わされ、正確かつ一貫した結果が確保されています。

これらの要素が相まって、GLEIFが先を見据えたデータ品質管理に継続的に取り組み、グローバルLEIシステム全体における信頼を維持するという姿勢を支えています。

---