Case

FinTech事業者 想定E

与信審査エージェントの内製化で判定リードタイムを72時間→30分に

外部スコアリング API 依存からの脱却を目指し、与信判定ロジックを AI エージェントとして内製化し、判定リードタイムを 72 時間から 30 分に短縮した想定事例。

· AI駆動開発 /AI活用 /金融
FinTech事業者 想定E 与信審査エージェントの内製化で判定リードタイムを72時間→30分に

クライアントについて

株式会社想定E(サービスブランド「EVANS PAY」)は、中小企業・個人事業主向けの BNPL(Buy Now, Pay Later)サービスを提供する FinTech 事業者です。社員数約 60 名、月次与信判定件数は 8 万件を超え、スコアリングロジックの「説明可能性」と「スピード」の両立が業務上の重要テーマとなっていました。

導入前の課題

外部スコアリング API への依存が、事業拡張の足枟せになっていました。

  • 5 社の外部 API 依存:与信判定を複数の外部スコアリング API に依存しており、合計コストが年間 1,800 万円超
  • 判定リードタイムの長さ:複数 API を順番に叩く同期処理とヒューマンレビューを含めて、平均 72 時間のリードタイム
  • 仕様変更のしにくさ:スコアリングロジックの仕様変更を社内で完結できず、新規サービスリリースによるリスク取りのチューニングができない
  • 説明可能性の不足:判定根拠をクレーム・取締やコンプライアンスチームに説明しにくく、業務負荷が蒙んでいた

外部 API 依存と判定リードタイムの課題

提供したソリューション

与信データ・取引履歴・行動履歴を組み込んだ判定エージェントを社内で完全内製化しました。LLM とルールベースツールをハイブリッドに構成し、判定根拠の説明可能性を確保しています。

単に「LLM に任せる」のではなく、判定ロジックをツリー構造に整理してノードごとにルール / LLM / 人間レビュー のどれを使うかを設計。取締とコンプライアンスへの説明に耐えるツールとなっています。

実装プロセス

合計 6 ヶ月で社内完結の判定エンジンを構築しました。

  • Phase 1:現行与信ロジック棚卸し / 判定レジュームのデジタル化 / データ入手と検証
  • Phase 2:ルールベース × LLM ハイブリッドエージェント設計 / 説明可能性ツールの実装
  • Phase 3:A/B テスト・誤判定レビューの運用サイクル設計
  • Phase 4:モデルチューニングと内製チームへのナレッジトランスファー、20名体制へ拡張

内製 AI 与信エージェントと説明可能性

成果と効果

  • 与信判定リードタイムを 72 時間 → 30 分に短縮
  • 外部 API コストを年間 1,800 万円削減
  • 判定ロジックの仕様変更を社内で完結できるようになり、新規サービスリリースのスピードも加速
  • 判定根拠の説明ツールにより、取締・コンプライアンス対応コストが大幅削減
  • 合格率 ± 5% 以内で貊倒し率は化全似り、判定の「安全性」と「スピード」を両立

今後の展望

次フェーズとして、判定根拠の説明ツールに動画生成(LLM が「この判定を選んだ理由」をストーリーで説明)を追加予定。さらに、ユーザー本人への詳細説明チャットも推進中で、与信スコアリングの「ブラックボックス」を画期的に解消する取り組みを進めています。