XAI（説明可能なAI）
金融では 説明可能性と検証が信頼の核です。
NoahAIのXAIは「なぜこの選択肢が出たのか」を説明するためにあり、ユーザーの判断を説明・整理したり誘導したりしません。
XAIは単なる説明機能ではなく、個人の金融文脈を理解し、通常パターンと異なるリスク信号を検知して追加確認へ導く保護層です。判断を説明・整理したり行動を案内するためではなく、ユーザーが自ら適切な決定を下せるよう文脈と根拠を十分に提供する構造です。
NoahAIはすべての意思決定の根拠を説明・追跡できる透明なAIシステムです。説明可能性は単なる機能ではなく、信頼・監査・再現可能性を確保する中核メカニズムです。
規制環境と設計段階からの組み込み
金融・AI導入に対し世界的に説明・記録・安全への要求が強まっています。具体的な条文・施行時期は国・業態により異なるため、対外公表・契約条項には最新の公式資料と法務レビューが必要です。
NoahAIはこうした要求を後付けのオプションではなく、判断ログ・XAI・ガードレールが設計段階から一体で動くよう構成されています。
説明可能性の価値
信頼の確保
シナリオ：
ユーザーが「なぜこの取引をしたのか」と問うとき
XAIソリューション：
XAIは市場データ分析結果、パターン認識の根拠、リスク評価結果、過去のパフォーマンスデータを総合して明確な説明を提供します。
効果：
ユーザーはAIの判断を理解し信頼できます。
監査と追跡
シナリオ：
規制当局や内部監査が取引履歴を確認するとき
XAIソリューション：
すべての判断は取引の有無にかかわらず記録され、情報入力 → 判断ロジック → リスク考慮 → ユーザーに提示された選択肢までの全過程を時系列で追跡できます。
効果：
完全な監査追跡が可能で、規制遵守を証明できます。
再現可能性
シナリオ：
同じ条件で同じ結果が出るか検証するとき
XAIソリューション：
入力データ、判断過程、実行結果がすべて記録されているため、同一条件を再現し結果を比較できます。
効果：
システムの一貫性と信頼性を検証できます。
改善と学習
シナリオ：
失敗した取引の原因を分析して改善するとき
XAIソリューション：
XAIログを通じて失敗原因を正確に把握し、方策の改善に反映できます。
効果：
体系的な学習と改善が可能です。
詐欺・フィッシング防御
シナリオ：
ユーザーが異常な金融依頼や疑わしい案内を受けたとき
XAIソリューション：
過去の行動パターン、資金の流れの文脈、一般的な金融手続きとの不一致を検知し、リスク信号として表示し追加確認を案内します。
効果：
ボイスフィッシング・詐欺などの金融犯罪からユーザーを保護します。
パーソナライズに基づく異常取引検知
シナリオ：
通常と異なる金額・受取人・時間帯の送金を試みるとき
XAIソリューション：
XAIはユーザーの過去の資金流れ、定期支出、主要な関係パターンを匿名化された文脈で比較し、異常の有無を説明し追加確認ステップを案内します。
効果：
ユーザーは自身の通常パターンとの差を理解し、ミス・詐欺の可能性を事前に認識できます。
記録構造
すべての意思決定は次の情報とともに記録されます。
[analysis]
市場分析ログ：分析したデータ、パターン認識結果、シグナル検知、テクニカル指標の計算
[trade]
取引実行ログ：エントリーシグナル、注文生成、実行結果、スリッページ、ポジション確認
[order]
注文管理ログ：TP/SL設定、注文状態確認、Algo Order API処理、再試行ロジック
[monitor]
モニタリングログ：ポジション追跡（2秒間隔）、市場変化の検知、PnL計算、動的閾値チェック
[exit]
ポジション終了ログ：決済理由（TP/SL到達、動的閾値、外部変化の検知）、結果、損益、学習データの記録
[safety]
異常リクエスト・非正規フロー検知ログ：フィッシング疑い、過度の焦り、手続き省略要求などのリスク信号
リアルタイム記録：すべての意思決定支援過程がリアルタイムでログに残り、ユーザーは権限範囲内で判断根拠と集計された説明情報を確認できます。ログはカテゴリ別に分類され追跡・検証が容易です。
実装例（判断の説明・保護を中心）
XAIは投資判断だけでなく、日常的な金融案内や安全保護の領域でも同じ説明・記録の原則で動作します。
日常の金融対話の例
ユーザー：「積立預金を始めたいです」
AI：「積立を始めるには、まず金融機関へ来店するかインターネットバンキングをご利用いただけます。どちらの方法を希望されますか？」
→ AIが段階的に案内し、ユーザーの選択に応じて具体的な方法を説明します。
ユーザー：「口座振込はどうすればいいですか？」
AI：「振込にはいくつか方法があります。1）インターネットバンキング、2）モバイルアプリ、3）ATM、4）窓口です。ご希望の方法を教えていただければ手順を案内します。」
→ デジタルに不慣れな方にも各方法をわかりやすく説明し、必要に応じて画面ごとのガイドも提供します。
ユーザー：「確定申告はいつですか？」
AI：「日本では所得税の確定申告は原則として毎年2月16日から3月15日までです（e-Taxや税務署での提出など）。国・制度により異なります。どの方法で進めますか？」
→ 必要な書類と手続きを事前に案内し、準備しやすくします。
すべての対話内容とAIの判断根拠が記録され、ユーザーはいつでも確認できます。
※本例は説明目的のサンプルであり、特定の金融行為を勧誘したり代わりに決定したりするものではありません。
資産管理の判断ログ例
すべての意思決定支援過程は説明可能な形で記録され、
ユーザーはAIがどの文脈と根拠で情報を整理したかいつでも確認できます。
AI判断過程の透明化
シグナル生成の根拠
RSI、MACD、ボリンジャーバンドなど主要指標と判断根拠を公開可能範囲で提供
パターン分析結果
類似した過去パターンとパフォーマンスの比較
動的閾値
市場状況に応じた閾値調整の過程
学習データ
取引履歴とパフォーマンス分析結果
安全判断の根拠
異常リクエスト検知基準、一般的な金融手続きとの比較結果、追加確認を求めた理由
バージョン追跡
AIモデルのバージョンと学習履歴を追跡し、各判断がどのバージョンのモデルによるものか確認できます。モデル更新がパフォーマンスに与える影響を分析し、必要に応じて以前のバージョンへロールバックできます。
バージョン追跡の構造
- モデルバージョン：各AIモデルのバージョン情報を記録
- 学習履歴：モデルが学習したデータと時点を追跡
- パフォーマンス比較：バージョン別の指標を比較分析
- ロールバック：必要に応じて以前のバージョンへ復元可能
検証可能性：AI呼び出し記録と学習データは内部統制された保存領域で管理され、外部検証時には匿名化・集計済みの成果物と監査用追跡情報の範囲で提供します。事前保存データではなくリアルタイムのAI分析結果を提供します。