Can Regulatory Technology (RegTech) Boost Financial Performance? Evidence From Indian Commercial Banks
このインドの商業銀行に関する研究は、AIやビッグデータのようなRegTechイネーブリング・テクノロジーが収益性を大幅に向上させる一方で、自動化されたコンプライアンスに焦点を当てたコア・レギュラトリー・テクノロジーは、財務パフォーマンスへの有意なプラスの影響をもたらすことなく、コスト負担として作用していることを明らかにしている。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
銀行という広大で複雑な世界において、お金は真空の中で動くわけではない。それは、絶え間ないイノベーションへの衝動と、規則遵守という厳格な必要性という、しばしば対立する二つの強力な力によって定義された風景の中を流れている。何十年もの間、銀行はテクノロジーこそが成長の鍵であり、より多くの顧客にリーチし、融資をより速く処理するためのツールであるという仮定の下で運営されてきた。同時に、政府や中央銀行は規制を強化し、金融機関が安全で誠実であり、不正がないことを証明するよう求めてきた。これは絶え間ない緊張を生み出している。銀行はこれらの規則を満たすために莫大な金額を投じなければならない一方で、利益を出し続けることも期待されているのである。業界が直面している問いは、これらの規則を満たすために使用されるツール――チェック項目を確認し取引を監視するために設計されたデジタルシステム――が、実際に銀行の利益を生む助けとなるのか、それとも単に利益を押し下げる重いコストに過ぎないのか、ということである。
インドのグル・ナーナク・デヴ大学の研究チームは、この結び目を解こうと試みた。彼らは、国家の経済のバックボーンとして機能する巨大な産業である、インドの商業銀行部門に焦点を当てた。研究者たちは、「レグテック（RegTech：規制テクノロジー）」として知られる特定の種類のテクノロジーに関心を持った。これは単一の機械ではなく、幅広いデジタルツールのカテゴリーである。この研究を理解するには、まず銀行が使用する二つの非常に異なる種類のテクノロジーを区別する必要がある。第一のものは、研究者が「イネーブリング・テクノロジー（実現型テクノロジー）」と呼ぶものである。これらは、人工知能、ビッグデータ分析、機械学習といった強力で基礎的なツールである。これらのシステムは、膨大な量の情報から学習し、予測し、パターンを見つけ出すように設計されている。第二のものは、「コア・レギュラトリー・テクノology（中核的規制テクノロジー）」である。これらは、法律を厳格に遵守するためにのみ構築された、特定の自動化されたシステムである。これらは、顧客が本人であることを確認したり、不審な活動がないか取引を監視したり、規制当局から要求される複雑なレポートを作成したりするタスクを処理する。これら両方のテクノロジーは、しばしば「デジタル・コンプライアンス」という名の下に一括りにされるが、研究者たちは、それらが銀行の収益性に関して非常によく異なる挙動を示すのではないかと疑ったのである。
答えを見つけるために、研究者たちは調査やインタビューには頼らなかった。代わりに、彼らは情報の源へと直接向かった。それは、インドの32の上場商業銀行の公式年次報告書である。2016年から2025年までの10年間にわたるこれらの報告書には、銀行の幹部が自社の戦略や投資について記述した数千ページのテキストが含まれている。研究者たちはコンピュータプログラムを使用してこれらの文書を読み込み、特定の単語やフレーズを検索した。彼らは、「イネーブル（実現型）」ツールと「コア（中核的）」なコンプライアンス・ツールのどちらが多く言及されているかをカウントした。これらの単語数を測定可能な指標へと変換することで、各銀行がそれぞれのテクノロジーにどれだけ投資しているかという明確な図を描き出した。そして、このデータを銀行の財務パフォーマンス、具体的には資産をいかに効率的に利益に結びつけているかという指標と比較した。
結果は、鋭く驚くべき分断を明らかにした。研究によると、銀行が人工知能やビッグデータのような基礎的なイネーブリング・テクノロジーに投資すると、収益性が大幅に向上することが判明した。これらのツールは単に規則に従うのを助けるだけでなく、ビジネス全体の「フォース・マルチプライヤー（増幅器）」として機能した。これらの高度なシステムを使用することで、銀行はデータをより深く分析し、リスクをより早期に察知し、誰に融資を行うかについてのより良い意思決定を行うことができた。この効率性の向上により、銀行は保有する同じ金額からより多くの利益を生み出すことが可能となった。データは、これらの投資と銀行の成功との間に、強い正の相関関係があることを示した。
しかし、物語はコア・レギュラトリー・テクノロジーについては全く異なるものであった。研究によれば、自動化されたコンプライアンスのためだけに設計された特定のシステムに投資しても、高い利益にはつながらないことが判明した。実際、サンプル内の最大手銀行においては、これらの投資はリターンを減少させているように見えた。研究者たちは、これらのシステムは主に「事業を行う上で必要なコスト」として機能していると結論付けた。それらは、シートベルトや消火器のデジタル版である。安全性のために不可欠であり、法律によって義務付けられているが、車を速く走らせたり、建物からより多くの収益を生み出したりする助けにはならない。大規模な金融機関にとって、これら複雑で強制的なコンプライアンス・システムを構築し維持するための膨大なコストは、全体的な財務パフォーマンスの重荷として作用した。
また、この影響は業界全体に平等に現れているわけではないことも、この研究によって明らかになった。イネーブリング・テクノロジーによる財務上の利益は、大手銀行や民間部門の銀行に強く集中していた。これらの機関は、これらの強力なツールを日常業務に完全に統合するための規模とリソースを備えており、データを競争優位性に変えることができた。一方で、古いシステムや官僚的な障壁に苦しんでいる中小規模の銀行や公的部門の銀行は、同様のリターンを得ることに苦戦している。研究者たちは、これらの小規模なプレイヤーにとって、義務付けられたコンプライアンス・システムのコストが特に重く、利益を生み出す能力を圧迫していると指摘した。
結局のところ、この研究は、現代の銀行時代における財務的成功への道は、より多くのコンプライアンス・ソフトウェアを購入することではないことを示唆している。それは、よりスマートで柔軟なデジタル基盤を構築することである。本研究は、銀行が規制テクノロジーへの投資を二つの異なる戦略として扱う必要があることを示している。法に従うために必要なシステムは、負担を共有したりアーキテクチャを簡素化したりするなど、注意深く管理すべきコストとして受け入れなければならない。同時に、業務全体を変革できる、より広範なイネーブリング・テクノロジーに対して積極的に投資すべきである。人工知能やビッグデータを用いてコンプライアンスを超えた問題を解決することで、銀行は規制という圧力を成長の機会へと変え、安全のためのコストが将来への犠牲にならないようにすることができるのである。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。