数カ月前、私は元チーフ・リスク・オフィサーと会話しました。彼に、今日多くの人が最初に問い始めている質問をしました。『AIが数秒で何百万もの市場リスクのシナリオを分析できるなら、組織はまだリスクマネージャーを必要とするのでしょうか？』彼はにこっとして、『多くの人は、リスク管理で一番難しいのはリスクを計算することだと思っています。でも違います。いちばん難しいのは、どのリスクを引き受ける価値があるのかを決めることです。同じデータを見て、同じモデルを使い、同じ結論に到達しても、同じリスク許容度を共有していなければ、まったく別の意思決定をすることになるのです。』
その答えは私の中に残りました。見落とされがちな区別を浮き彫りにしていたからです。AIは確率を見積もることはできますが、組織が受け入れ可能なリスク水準を決めることはできません。それは数学的な計算ではありません。優先順位、説明責任、価値観によって形作られるビジネス上の意思決定です。ここで計算は終わり、人間の判断が始まります。
この観点から見ると、@NewtonProtocol はAIのための単なるインフラ以上のものです。私はそれを、AIができることと、組織が許可できることの間に位置する「認可レイヤー」だと捉えています。AIに関する議論の多くは、より速い実行、より良い予測、より洗練されたモデルに焦点を当てています。しかし、より重要な問いは、ずっとシンプルかもしれません。AIに何を許可すべきか？
AIエージェントは魅力的な市場機会を見つけるかもしれませんが、それを実行することで組織のリスクポリシーに違反する場合、実行はなお許可されるべきなのでしょうか？ここで、認可レイヤーが価値を持ちます。その目的は、AIをより賢くすることではありません。AIが稼働してよい領域の境界を定義することです。AIに何ができるかを問う前に、組織はまず、AIに何を許可するのかを決める必要があります。
もう一つ、同等の注意を向けるべき課題があります。多くの人はリスク許容度を固定した数値だと思っていますが、実際にはそれは常に進化しています。市場環境は変わり、規制も変わり、流動性も変化し、さらにはマネジメントの優先順位さえ時間とともに入れ替わり得ます。その結果、昨日適切だったポリシーが、明日には組織の目的を反映しなくなることがあります。
システムが静的なポリシーしか強制しない場合、そのポリシーは、やがて安全策ではなく制約になり得ます。AIは、実行を完璧にこなしても、組織の現在の目的と整合しなくなったガイダンスに従ってしまうかもしれません。その場合、問題は実行の不十分さではありません。問題は、古くなったポリシーです。
そのため、私はAIガバナンスの未来は、ポリシー強制だけでなく、ポリシー進化にもあると考えています。強力な認可レイヤーがあれば、事業環境が変化しても、システム全体を作り直すことなく、安全に、透明に、効率よくポリシーを更新できるはずです。適応力は、正確性と同じくらい重要です。
だからこそ、金融機関同士の将来の競争は、最も強力なAIモデルを所有しているかどうかだけで決まるのではないと私は考えています。むしろ、企業の事業原則、ガバナンスの枠組み、リスク許容度を、AIエージェントが一貫して従える明確で検証可能なポリシーに落とし込めるかどうかに、ますます左右されるでしょう。
その観点から言うと、@NewtonProtocol は単なる技術インフラ以上のものを提供します。AIのスピードと、人間の説明責任をバランスさせる枠組みであり、導入する組織の価値観や目的に沿った形で自動化を維持できるようになります。
今後数年で、真の競争優位は、より賢いAIを単に作ることからは生まれないかもしれません。知性をどのように使うべきかを定義する、より良いポリシーを作ることから生まれる可能性があります。
AI経済においてより重要になるのは、ますます強力になるモデルなのか、それとも、意思決定の限界を定めるより良い認可（オーソリゼーション）ポリシーなのか、あなたはどう考えますか？
