【AIブリーフ】SelectStar、データマイニング学会で金融AI安全性評価の成果が認められる

IT Dailyは、国内外の主要なAIニュースをまとめたコーナー「AIブリーフ」を提供している。

このコーナーの一項目では、SelectStarが5日、自社の金融AI安全性評価に関する研究論文が「IEEE ICDM 2026」のメインカンファレンスに採択されたと発表したことを伝えた。「IEEE ICDM 2026」はデータマイニング分野で世界的な権威を持つ学会である。

同論文は全投稿作のうち約8.9%にあたる口頭発表論文に選定された。

記事に添えられた写真は、金融AI安全性評価フレームワーク「FinRED」の技術構成図を紹介している。この図は、「FinRED」が金融リスクシナリオ生成と専門家主導の評価基準策定、AIモデル安全性検証の過程を含む構造であることを示している。写真提供はSelectStarである。

SelectStarのAI研究陣・金融保安院・KAISTによる共同研究の採択論文名は、「FinRED: An Expert-Guided Benchmark Generation and Evaluation Framework for Financial LLM Red-Teaming（金融LLMレッドチーミングのための専門家主導ベンチマーク生成および評価フレームワーク）」である。この研究は金融特化LLMの安全性を体系的に評価する技術を提示し、金融分野に特化したLLMの安全性を点検するための体系を示した。

そのために研究陣は、金融保安の専門家知識と実際の金融文書を結合してリスクシナリオを生成する「FinRED」フレームワークを構築した。FinREDは、金融専門家の判断を評価基準に反映させる要素として用い、AI生成回答が実際の危険行為を支援するかどうかを評価することを目的とし、AI回答の有害性と危険行為支援の有無を総合判定するよう構成された。

SelectStarは、今回の研究でAI生成回答の危険性評価過程においても成果を実証したと説明した。FinREDの金融特化評価基準は、従来の汎用評価方式と比較して金融保安専門家の判断との一致率を高めた。一致率は76.92%から88.46%に上昇し、上昇幅は11.54ポイントだった。

また、危険な回答を安全と誤判定した事例は従来比で約57%減少した。これにより、FinREDの金融特化評価基準は汎用方式よりも金融保安専門家の判断に近く、危険回答の誤判定も減らしたことが示された。

Korean Deep Learningは5日、Shinhan Vietnam Finance(SVFC)と金融業務関連の概念実証(PoC)を実施したと発表した。今回の実施は、Shinhan Financial Groupのグローバルスタートアップ育成プラットフォームである「Shinhan Futures Lab Vietnam」を通じて行われた。

今回のプログラムは、Shinhan Bank VietnamとSeoul Business Agency(SBA)が主催・主管したグローバルオープンイノベーション事業である。このプログラムは、Shinhan Vietnam Financeの技術需要を基に、国内スタートアップと海外金融機関の協業および概念実証を支援するために設けられた。

Korean Deep Learningは、Shinhan Cardのベトナム子会社であるShinhan Vietnam Financeと金融業務自動化PoCを実施したと明らかにした。今回のPoCの目的は、Korean Deep Learningの技術の活用可能性を検証することにあった。実証にはKorean Deep Learningの「Deep Agent」が適用された。

「Deep Agent」は、AI情報認識技術「Deep OCR」と構造分析技術「Deep Parser」を構成基盤とする。このソリューションは、さまざまな文書から必要情報を抽出・構造化し、抽出・構造化した情報と実際の業務処理過程を連携させる機能を備えている。今回の実証では、ベトナム現地の金融業務向け情報処理とデータ活用、後続業務自動化技術の適用可能性を検討した。

Korean Deep Learningは、今回の成果を基にベトナムを含む海外金融市場での事業機会を拡大する計画である。そのために、国内企業・公共機関を対象に蓄積した技術と構築経験を活用し、現地金融機関の業務環境と運営需要に合うソリューション適用策を模索する方針である。あわせて、海外パートナーとの協力機会も拡大していく計画である。

(写真: Infosis)

Infosisは5日、国際電力・エネルギー技術博覧会「Bixpo 2026」に参加すると発表した。Infosisは韓国電力公社と推進中の「人工知能基盤仮想電力網」実証事業の成果を公開する予定である。

電力系統業務では、送配電設備の複雑な接続関係と運用基準を総合的に検討する必要がある。この過程で、同一設備のシステム別名称が異なり、設備間の接続情報が複数の資料に分散している点が問題として提起される。

このため、接続関係を誤解釈すると、検討対象設備が漏れる可能性がある。逆に、実際には接続されていない設備が分析に含まれる可能性もある。

Infosisは、こうした問題に対応するために韓電の国家電力網AI高度化事業に参加した。この事業にはオントロジー基盤データモデリング技術が適用された。

Infosisは、電力設備間の接続関係と運用・技術基準を1つの意味体系として構造化した。これを基に、AIが実際の設備関係と検討基準に従って情報を照会し、分析するよう設計した。

Infosisは韓電のAI基盤仮想電力網実証事業の実施会社である。Infosisはこの事業で、オントロジー基盤の電力網データ構造化とAIエージェント開発を担当した。該当事業は11月中に終了する予定である。

タク・ジョンスInfosis代表は、オントロジー基盤のエンタープライズAI適用を拡大する方針だと明らかにした。適用拡大の対象は、高度なデータ処理能力と高精度が求められる主要産業分野である。

Yejinは、自社の韓国語モデル基盤の法令案内サービス「Jelly Law Assistant」を公開した。Yejinは5日、「Jelly Law Assistant」を無料提供すると発表した。「Jelly Law Assistant」の基盤モデルは、自社開発の韓国語基盤モデル「Yejin 8B v3」である。「Jelly Law Assistant」は、自然言語の質問だけで関連法令条文を探索する機能を備えている。

Yejinは、「Yejin 8B v3」が海外公開モデルの重みを利用していないと説明した。また、「Yejin 8B v3」はFrom-Scratchで事前学習したモデルだと説明した。

Jelly Law Assistantは、法令用語に不慣れな一般人・実務者を対象とするサービスである。利用者が自然言語で状況を入力すると、RAG+法令特化sLMを組み合わせた方式で関連する現行法令条文・根拠を整理して提供する。

Yejinによると、このサービスはハルシネーション抑制を目的に設計された。そのため、生成温度0固定方式を適用し、検索された条文範囲内で即答するNo-Think設計を採用した。

基盤モデルはYejin 8B v3である。このモデルはNVIDIA H200 GPU 8枚の単一ノード環境で開発され、839億トークン規模で学習された。

トークナイザーは、自社設計の6万4000語彙規模の韓国語数字分離型である。同社はこのトークナイザーにより、Llama 3などと比べて同一の韓国語法令文書処理トークン数を24～38%削減できると主張した。写真表記はDiflyである。記事内では、Diflyがグローバル港湾会社に音響分析AIソリューション「Listen AI」を供給したという内容も言及された。

Diflyが自社の産業用音響分析AIソリューション「Listen AI」をグローバル大手港湾会社に供給した。該当港湾会社は釜山で港湾施設を運営しており、Diflyは5日、自動化クレーン設備を対象に音響ベースの予知保全を実施する計画だと発表した。

Listen AIは、産業部品の品質検査とコネクタ・ボルト締結音の検査、予知保全に活用されるソリューションである。このソリューションは、80デシベル(dB)以上の騒音環境でもターゲット音を正確に抽出でき、異常音と正常音を区別する技法を適用した。適用産業分野はモビリティ・家電・港湾・ロボット・設備である。

Listen AIは、グローバル港湾会社が運営する釜山新港のターミナル1か所に適用された。対象は無人基盤の自動化ヤードクレーンであり、予知保全の対象部位はホイスト(揚重装置)駆動部である。設置装備として、モーター2台と減速機にそれぞれ音響センサーを設置した。

運用方式は24時間常時録音である。1日に約300回のホイスト作業サイクル区間を自動識別・分析し、異常音が発生するとターミナルCMS(クレーンモニタリングシステム)と遠隔オフィスに通知を送信して対応を促す。

出典：IT DAILY · ヤン・スンガプ 原文：https://www.itdaily.kr/news/articleView.html?idxno=242708

参考資料

• https://www.itdaily.kr/news/articleView.html?idxno=242708