2026年3月17日
生成型AIはチャットボットの世界を完全に変えた。今や、ロボットと会話することはSFの世界の話ではなく、ごく当たり前のことになっている。
私たちは、この同じ世代AI技術がチャットを変革するだけでなく、商取引をも変革すると信じています。これにより、決済はより迅速になり、小売体験はよりパーソナライズされ、サイバーセキュリティツールはより正確になるだろう。
このビジョンを実現するために、私たちのチームは、幅広いアプリケーションの基盤として使用できる大規模なAIモデルである、新しい基盤モデルの研究開発に取り組んできました。私たちは、マスターカード独自のデータセット（数十億件の取引データから開始）を用いて、基盤となるモデルのトレーニングを行っています。
ユーザーのプライバシーを保護するため、これらの取引からすべての個人データを削除します。こうした匿名化された取引データを十分に分析することで、このモデルは将来の取引を予測できるようになる。
この種の予測モデルは、今日のチャットボットの仕組みとほぼ同じで、チャットボットが文中の次の単語を予測する。私たちはこの新しい基盤モデルを、チャットボットを構築するためではなく、サイバー防御からロイヤルティプログラム、中小企業向けツールに至るまで、当社の多くのツールやサービスをさらに向上させるためのインサイトエンジンとして活用する予定です。
そして私たちは、今日のAI業界における二大巨頭であるNvidiaとDatabricksの技術を活用して、この取り組みを進めています。既に素晴らしい成果が出ており、 Nvidia GTC 2026カンファレンスで私たちの取り組みを紹介できることを楽しみにしています。
現在最も人気のあるチャットボット、例えばClaudeやChatGPTなどは、大規模言語モデル（LLM）を用いて構築されており、テキスト、動画、写真といった膨大な量の非構造化データで学習されている。私たちの新しい基盤モデルは、大規模表形式モデル（LTM）と呼ばれる、従来とは異なるタイプの深層学習ニューラルネットワークであり、大規模な表やデータセットなどの構造化データに基づいて学習されます。
私たちは、数十億件の匿名化されたトランザクションデータを用いて、最新バージョンのLTM（長期追跡モデル）の学習を行っています。私たちの計画は、この取り組みを拡大し、数千億件の決済取引に加え、加盟店の所在地データ、不正利用データ、承認データ、チャージバックデータ、ロイヤルティプログラムデータなど、その他の種類のデータセットも対象に含めることです。この作品は、NVIDIAの高度な高速コンピューティングプラットフォームによって支えられています。Nvidiaのフルスタック高速AIプラットフォームを活用することで、このデータをかつてないスピードで処理することが可能になりました。
より多くのデータ、そしてより多様な種類のデータを用いてモデルを訓練することで、より多くの洞察を提供し、将来の取引をより高い精度で予測できるようになります。
私たちが最初に注力する分野の一つは、サイバーセキュリティです。当社は既に、商取引の安全性を高めるための業界最高水準のサイバーツールを数多く開発してきました。この新しい基盤モデルの機能を既存のツールに追加することで、ツールの性能がさらに向上すると確信しています。
既存のサイバーセキュリティAIモデルを構築するために、当社のデータサイエンティストは生のトランザクションデータから始めます。そして、これらのモデルが分析し、警告を発するべき内容を示す追加機能によって、このデータをさらに充実させる。例えば、データサイエンティストが、AIモデルが誰かの購入活動の急増を検知するのに役立つ機能を追加するかもしれません。これにより、モデルは不正行為を検知して阻止できるようになります。
それに対し、私たちの新しい基盤モデルは、出発点として人間の介入を極めて限定した状態で同じデータを分析し、データの重要な特性をより自律的に学習します。このようにして、LTMは人間が自力では見つけられないような、データ内の新たな関連性を特定することができる。
我々のテストでは、この新しいモデルが既に業界標準の機械学習技術を上回る性能を発揮しており、有望な初期兆候が見られている。例えば、結婚指輪の購入など、非常に高額だが頻度の低い買い物は、現在のモデルでは誤検出を引き起こしやすい傾向がある。我々の実験では、我々の基礎モデルはこれらの正当な取引をより正確に識別することができ、データ中の比較的弱い信号からも学習することが可能です。
私たちは、既存のAIモデルとこの新しいLTMの長所を組み合わせたハイブリッド型のサイバーセキュリティシステムを構築する予定です。これは、サイバー防御体制を構築し、将来にわたって通用するものにするのに役立つはずだ。
このサイバーセキュリティの事例は、この研究から得られる可能性のある成果のほんの一例に過ぎません。私たちは、この新しい基盤モデルが、ロイヤルティプログラムや報酬プログラム、パーソナライゼーションモデル、ポートフォリオ最適化、データ分析ツールの改善にも活用できると考えています。
さらに、当社のネットワークを運用するためには、現在、異なる市場、ユースケース、顧客向けに、数千ものAIモデルを構築、訓練、維持する必要があります。この新しいLTMは、非常に多くの異なるモデルを維持管理する必要性を大幅に削減できるほど柔軟性を持つ可能性がある。
当社はLTMの機能拡張に向けた取り組みを強化しています。生データからより多くの知見を引き出せるよう、モデルのアーキテクチャにアルゴリズム的な高度化を取り入れることを検討しています。さらに、マスターカード全体のチームがこの新しい基盤モデルにアクセスできるように、APIとツールキットを開発しています。これにより、各チームはこの基盤モデルを土台として新しいアプリケーションを構築できるようになります。
また、これらの開発作業を推進するため、NvidiaおよびDatabricksとの緊密な連携も継続していきます。
これまでと同様、私たちはデータ責任の原則に基づき、ユーザーのプライバシー、強固なガバナンスと管理、そして透明性を重視しながら、この新しいモデルの構築を継続していきます。
今日のチャットボットの急速な発展と同様に、一歩ずつ前進するごとに、この基盤モデルが私たちの業界にもたらす可能性が見えてきています。それは、決済と商取引に、より高い知能、セキュリティ、そしてスピードをもたらす可能性です。
