もしあなたが不正対策やコンプライアンスの責任者であれば、現在の規制環境は、同時に二つの方向へ動いているように感じられるはずです。
米国では、厳格で細かく定められたルールよりも、成果ベースの期待へと軸足を移しつつあることが示されています。同時に、EU は AI 法のもとで、詳細かつ体系的な要件を一層強化しています。そして両者はアプローチこそ異なるものの、最終的には同じ根本的な要求に収れんしつつあります。すなわち、プログラムは、直面するリスクを管理するうえで、これまで以上に効果的で、柔軟性が高く、その有効性を明確に示せるものでなければならない、ということです。
それが実際に、2026年に向けてどのようにプログラムを構築し、資金を調達するかにとって何を意味するのかを説明します。
米国：規制は減少、期待はより高く
FinCENによる最近の規則案通知は、米国の規制当局がマネーロンダリング対策（AML）と不正防止についてどのように考えているかに、顕著な変化が生じていることを示しています。
大きな変更点のひとつは、特定の区分に限らず、すべての報告主体にリスク評価を求める可能性があることです。また、期待される対応も、年次更新から、リスク環境が変化した際に速やかに更新する形へと移行しつつあります。私が当社の「Fraud and AML Trends」ウェビナーでお話ししたように、これはコンプライアンスプログラム運営のテンポを根本から変えるものです。静的で年次サイクルに依存したアプローチでは、もはや求められる水準を満たせません。
提案された規則では、デバイスデータ、電話やメールに関するインテリジェンス、IP関連のシグナルなど、非伝統的なリスクシグナルの活用が、顧客リスク評価における正当な入力情報として明示的に挙げられています。これは、コンプライアンスチームがこれまで自分たちの領域外として扱いがちだった、不正に隣接する種類のシグナルを重視するという、意味のある姿勢表明と言えます。
おそらく最も興味深い点は、規制当局がコンソーシアムレベルでのデータ共有に強い関心を示していることです。これは最終的に、リスクを個別に評価するのではなく、加盟店と金融サービス事業者の間の連携を伴うようになる可能性があります。今後12か月の間に、この分野で大きな進展が見込まれます。
モデルリスク管理についても興味深い兆候があります。OCC は、従来型のモデルリスク管理フレームワークが、マネーロンダリング対策（AML）や不正対策の用途に対しては過度な負担となり得る、という見方に傾きつつあるようです。これは、現在のアプローチが安全性を確保するというよりも、AI の導入に対する障壁を生み出している可能性を示唆しています。まだ完全に整理された議論ではありませんが、今後の動向を注意深く見守る価値があります。
EU：AI法における構造と具体性
EUは、同様の目的を達成するために異なるアプローチを取っています。AI法の下では、AIを活用したAMLおよびコンプライアンスソリューションは、広く高リスクとして分類されています。この分類により、文書化、テスト、人による監督、透明性に関して、より厳格な要件が課されます。
EU市場で事業を行う、またはEU市場にサービスを提供する機関にとって、これはコンプライアンス業務においてAIを導入する際のハードルが一段と高くなることを意味します。要件は厳格ですが、根本的に重要なのは次の問いです。この枠組みは、長期的に見てより効果的でスケーラブルなソリューションの構築に本当に役立つのか、それとも導入を遅らせる摩擦を生み出してしまうのか。
米国とEUはいずれも明確性と効率性の向上を目指していますが、その出発点は異なります。米国の規制当局は細かな規定を取り払い、機関が自ら革新することを信頼しています。一方、EUの規制当局は詳細なガイドラインを示し、その枠内で機関が業務を行うことを求めています。
どちらも、あなたが自分の判断を説明し、正当化できることを求めています。
説明可能性の必然性
法域を問わず、ひとつだけ譲れないテーマがあります：説明可能性です。
取引がなぜ承認されたのか、あるいは特定のリスクスコアがなぜ付与されたのかといった判断理由を、審査官に説明できないのであれば、そのモデルの品質は意味をなしません。これは機械学習モデルやルールベースのシステムはもちろん、詐欺対策やコンプライアンス体制における、あらゆる AI 駆動の自動化にも、今や同様に当てはまります。
ウェビナーの中で、Sardine のチーフ・フロード・ストラテジストであるマット・ベガは、ガバナンスに関する重要なニュアンスを指摘しました。現在の規制に関する議論の多くは、説明可能性や透明性が課題としてよく理解されている従来型の機械学習に焦点を当てています。しかし、生成系およびエージェント型 AI の最前線では、「幻覚（ハルシネーション）」というまったく別種の問題が生じています。そして、その違いに対して規制の枠組みはまだ追いついていません。
不正対策に取り組む人々にとって、これは非対称性を生み出します。
攻撃者側にとっては、AIモデルのハルシネーションはほとんど「機能」とも言える存在であり、検知システムに対する変化球となる予測不能なバリエーションを生み出しています。
防御側においては、AIのハルシネーションは決して許容されません。つまり、防御目的でAIを導入・運用する際に求められる基準は、攻撃者が直面する基準よりも本質的に高くなり、そのことをガバナンスの枠組みに織り込む必要があります。
何を構築すべきか
全体として見た規制の方向性は、2026年におけるいくつかの実務的な優先事項を示しています。
これらの変化に先んじるためには、リスク評価を動的なものにすることを優先してください。そのためには、米国の規制当局が示唆しているように、「迅速に」更新できるデータパイプラインとモデル監視が必要です。年次サイクルではなく高頻度の更新を前提に構築することで、リスク環境の変化にインフラが即座に対応できるようにできます。
これは新しい発見ではありませんが、このような環境で成功するには、不正対策とマネーロンダリング対策（AML）の間にある縦割り構造を取り払う必要があります。監督当局は、これらを一体のリスク領域として見る傾向を強めており、あなたの機関に対して次の提供を求めています。
- 部門間で情報を共有し、可視性を高めること。
- リスクスコアリングのための統合データセット。
- 調整された意思決定プロセス。
いま説明可能性のためのインフラに投資しておくことで、将来の検査時の摩擦を防ぐことができます。不正対策やコンプライアンス体制におけるあらゆる自動化された判断は、明確な閾値とエスカレーション経路を備えた、文書化されたワークフローに従うべきです。この種の文書化は依然として極めて重要であり、いまや検査官が当然のものとして求める監査証跡を提供します。
最後に、柔軟なシステム構築に注力しましょう。規制ガイダンスは依然として進化しており、新たなルールや報告要件に適応できるプラットフォームは、個別に作り込まれたポイントソリューションよりも、はるかに費用対効果が高くなります。
大西洋の両岸から発せられている規制当局のメッセージは、AIは不正対策やマネーロンダリング対策（AML）チームにとって「許可されている」だけでなく、「期待されている」技術だということです。今こそAI導入を本格的に進めるべきタイミングです。FinCEN は、異常値だけでなく「すべての取引の 100％ をレビューする」世界がどうなるのかを公然と問いかけています。責任ある形で監査可能なAIの導入モデルをいち早く確立できれば、今後数年にわたり、リスク管理と規制対応の両面で大きな優位性を得ることができるでしょう。