SLMとLLMを組み合わせ、金融取引の不正を迅速に検知！
金融業界では、不正取引による損失を最小限に抑えるため、高度な不正検知システムが求められています。特に、巧妙化する詐欺やマネーロンダリングの手口に対応するため、リアルタイムでの異常検知能力が重要です。従来のルールベースのシステムでは対応が難しいケースも、当社のSLM/LLM強調システムなら、過去のデータから学習し、新たな不正パターンを迅速に発見できます。 【活用シーン】 ・金融取引における不正検知 ・マネーロンダリング対策 ・与信審査におけるリスク評価 【導入の効果】 ・不正取引による損失額の削減 ・不正検知精度の向上 ・業務効率化によるコスト削減
この製品へのお問い合わせ
基本情報
【特長】 1. セキュリティと高性能を両立：機密情報はLocal LLM（SLM）側で扱いながら、必要に応じてフロンティアLLMの高い推論性能も活用できます。 2. 業務・業界に特化した最適化：社内文書、製品情報、業務フローなどの特定ドメイン知識を反映しやすく、一般的なAIでは難しい現場特有の要求にも対応しやすいです。 3. Fine-tuningやRAGに対応：用途に応じてLocal LLMの追加学習や検索連携を行い、回答精度・一貫性・再現性の向上を図れます。 4. 受託開発ならではの伴走支援：要件整理から試作、実装、評価、改善まで一貫して支援し、現場で使える形まで仕上げます。 【当社の強み】 2014年に独自のディープラーニング・フレームワークをC言語で作成。2017年より大手企業N社様のAIシステムを開発。その後、製造業分野、医療分野などで多くAIシステムを開発。2016年 第１回人工知能ハッカソン in メディア工房にて優勝。2018年 海洋研究開発機構データ分析コンペ 銀メダル。2020年 経産省データ分析コンペ AIエッジコンテスト 銅メダル
価格情報
価格は個別見積となります PoC・小規模検証：数十万円台〜 業務システム連携を含む本開発：100万円台〜数百万円規模 Fine-tuning、RAG構築、外部API接続、セキュリティ要件対応は内容に応じて加算 ご要望・運用条件・導入形態に合わせ、最適な構成でご提案します
納期
用途／実績例
【用途】 １）社内問い合わせ対応 社内規程、業務マニュアル、製品仕様書などを参照し、社員や担当者からの質問に迅速に回答する社内アシスタントとして活用できます。 ２）顧客対応支援 FAQ、提案資料、過去事例をもとに、営業・サポート担当者向けの回答案作成や説明支援に利用できます。 ３）特定業界向けAIシステム 製造、医療、建設、金融など、専門用語や独自ルールが多い分野で、ドメイン知識を反映した高精度な支援が可能です。 ４）機密性の高い業務 外部に出しにくい社内情報や顧客情報をLocal LLM側で扱いながら、安全性に配慮したAI活用を実現します。 ５）業務自動化・高度化 文書要約、分類、検索、回答生成、ナレッジ活用などを通じて、日常業務の効率化と判断支援に活用できます。
カタログ（1）
カタログをまとめてダウンロード
企業情報
当社は、人工知能に関し、受託開発や自社プロダクトを展開しております。 2013年よりDeep Learningにシフトし、CNNやRNNの改良に取り組む。 2014年に独自のディープラーニング・フレームワークをC言語で作成。（Preffered NetworkdのchainerやGoogleのTensorflowよりも先に発表） 2016年より日本で最大規模の人工知能コミュニティである全能アーキテクチャにおいて、主たるメンバーが集まった開発部で活動を開始。 2016年7月、全能アーキテクチャ開発部にて Double-DQN モデルの実装に成功。 2017年より大手企業N社様のAIシステムを開発。 その後、製造業分野、医療分野、農林水産業分野などで多くのシミュレーションモデル、およびロボット・モデルを開発。 Award： 2016年 第１回人工知能ハッカソン in メディア工房にて優勝 2018年 海洋研究開発機構データ分析コンペ 銀メダル 2020年 経産省データ分析コンペ AIエッジコンテスト 銅メダル ご要望の際はお気軽にお問い合わせください。
