連邦準備制度理事会におけるAIの運用開始について、ウォラー議長の演説

2026-03-19 16:59:43

ありがとうございます、コリンズ議長。そして、今日お話しする機会をいただき感謝します。1 人工知能は世界を席巻している技術的現象です。私たちは毎日それについて読み、また多くの人が何らかの形でそれを利用しています。私の人生でこれほどの技術革命を目の当たりにしたことはありません—宇宙探査の誕生、パーソナルコンピュータの台頭、インターネットの爆発的普及、そしてスマートフォンの登場を見てきました。すべてが変革的ですが、その中でもAIの持つ可能性は格段に大きく、私たちの生活を変え、驚くべき速さで進行しています。企業、家庭、そしてすべての政府がこれを取り入れようとしています。そして、私がお伝えしたいのは、連邦準備制度も例外ではないということです。

この会議のテーマと参加者の構成を踏まえ、今こそ連邦準備制度が人工知能をどのように活用し、私たちの仕事を支えるシステムの構築と最適化に役立てているのか、また内部の他のアプリケーションにどのように組み込んでいるのかについて議論する良い機会だと感じました。

多くの人は連邦準備制度を金融政策—金利、インフレ、そして年8回のFOMC会合での決定—と結びつけて考えます。しかし、私たちの日常活動の大部分は、支払い、財務管理、人事、米国財務省への金融サービス提供などの運用作業です。これらの運用作業の重要な要素は技術です。AIは、私たちが日々の業務に組み込もうとしている最新の技術であり、運用効率を追求しています。

1913年に設立された連邦準備制度は地域銀行のシステムとして設計され、多くの技術的決定は銀行ごとに行われてきました。これは、各準備銀行が実質的に独立した組織として運営されていた時代には理にかなっていました。しかし、制度のデジタル化と相互接続性の進展、銀行システムや経済全体の進化に伴い、そのアプローチは次第に重複や非効率、運用リスクを生むようになっています。

システムが相互に連結されると、孤立した決定は調整の問題を引き起こします。特に、私たちが運用するシステムの規模と重要性を考えると、中央銀行の標準に沿ったレジリエンスとセキュリティを維持するには、より調整されたモデルが必要です。

そのため、私たちは連邦準備制度を中心としたアプローチに移行しています。共通の標準とインフラを共有しつつ、特に金融政策や経済研究の分野では分散性も維持しています。2

この移行の緊急性は高まっています。技術変化の速度と規模は増し続けており、米国および世界の金融システムにおいて重要な役割を果たす公共機関として、私たちは民間セクターと並んで効果的で信頼性の高いサービスを提供し続ける必要があります。

この変化の速度は、私が主催した最近の決済革新会議でも明らかでした。参加者や出席者は、AI、ステーブルコイン、トークン化、決済の融合について語り合いました。これは私が業界との会話で頻繁に耳にするテーマであり、今日のパネル全体を通じて浮上してくると予想しています。

このペースでの変化に対応するには、銀行ごとに個別に進める方法は通用しません。特に、トークン化、量子コンピューティング、生成AIといった最先端技術にはなおさらです。これらは大胆な挑戦であり、機会でもあります。連邦準備制度全体にまたがる課題です。

この瞬間に応えるには、システム全体の調整、行動志向、規律ある実行が必要です。そこで私たちは意図的にシステム中心のイノベーション実践を構築しました。努力の重複を避け、システム全体で同じことを何度も行うのではなく、多様な取り組みを進めることができるのです。システムアプローチは、アイデアを実験から実行へとより迅速かつ効率的に移行させることを可能にします。

**AIは、このアプローチの実践例の一つです。**この分野の進展の速さは皆さんもご存知の通りです—仕事の進め方や組織の運営方法を変革しています。皆さんはリーダーとしてそれを直接体験しているはずです。そして、連邦準備制度も例外ではありません。私たちには追いつくことが不可欠です。そう、私たちは中央銀行です。「物事を壊して許しを求める」やり方は通用しません。大きな力には大きな責任が伴います。AIシステムは効率を高める一方で、誤りも増幅させる可能性があります。幻覚を見たり、データ保護やモデルリスク、偏見、運用のレジリエンスに関する実際のリスクをもたらすこともあります。私たちはAIに対して軽率に臨むことはできません。中央銀行として高い基準を持ち、明確なガードレールを設け、情報セキュリティの強化、厳格なモデル検証、人間の責任、技術の進化に伴う継続的評価を行います。イノベーションとリスク管理は対立するものではなく、相互に補完し合うものです。

これらの原則を尊重しつつ、受動的でいることも選択肢ではありません。遅れをとることや、変革を断片的にしか捉えないことは許されません。だからこそ、私たちは異なるアプローチを取っています。連邦準備制度全体でAIを導入する際には、共通の方向性と整合性を持ち、一体となって進めています。すべての準備銀行の職員が利用できる共通の内部AIプラットフォームも開発しました。私たちのアプローチは意図的にビジネス主導であり、AIを活用しています。解決すべき課題とビジネスニーズから出発し、AIスタック全体から適切な能力を適用します。この規律により、不要な複雑さやコストを避けながら、実際のビジネス価値を提供できるのです。

ビジネス主導であることは、AIを連邦準備制度の運営に組み込むことも意味します。ランダムな実験やゾンビプロジェクトのように扱うのではありません。

目的は新規性ではなく、実用性です。

**では、AIの具体的な活用例に入ってみましょう。**私たちは、複雑で大規模な組織の仕事の進め方を反映した、三つの補完的な方法でAIを展開しています。すべての職員が広くアクセスできること、専門的なツールを開発者に提供すること、そして企業のワークフローに埋め込むことです。これらが連邦準備制度の日常運営の一部となっています。

**まずは、すべての職員向けの汎用AIから始めましょう。**これが最も日常的な影響をもたらす部分です。

これは、AIを日常業務の基盤的な能力にすることを意味します。特定のニッチなツールではありません。すべての職員が、日中いつでも利用できるFed承認済みのAIソリューションにアクセスし、ドラフト作成、要約、情報分析、問題解決のスピードアップに役立てています。多くの人にとっては、仕事の中で何度も戻ってくるデジタルアシスタントのような存在です。問題を解決し、日々のタスクを完了させるための相談相手です。目的は、皆を技術者にすることではなく、ルーチン作業の摩擦を減らし、判断や問題解決、より高付加価値の活動に時間を割けるようにすることです。

これは、多くの人が私生活で既にAIを使っているのと似ています。私の家庭でも、AIは日常的なツールになっています—スマートフォンや電子レンジのように、無意識に頼りきっています。妻は旅行計画や子供たちの進路相談、比較ショッピング、小さな面倒な作業の効率化にAIを使っています。

これは特殊なものではありません。ツールです。

そして、仕事においても同じ考え方を持つべきです。

具体例を挙げましょう。

連邦準備の職員は、会議の準備のために多くの背景資料を受け取ります。情報を整理するために、内部の汎用AIツールを使って主要なテーマを素早く抽出することもあります。もちろん、これは準備や判断の代替ではありません。機械的な作業を圧縮し、より本質的な内容や重要な質問に時間を割くためのものです。

また、休暇から戻った同僚がいます。彼女はしっかりとしたデジタルデトックスを行い、仕事用端末やメールにアクセスできない状態でしたが、帰宅後は未処理のメールや資料の山に直面しました。すべてを何日もかけて整理する代わりに、Fedの内部AIツールを使って要約・振り分けを行い、必要な部分にすぐに取り掛かれるようにしました。これにより、彼女は専門知識を活かすべき部分に集中できました。

どちらの場合も、ツールは量と最初の処理を担当します。最終的な判断は人間が行います。

**次に、実際に大きな効果を上げているのは、開発者や実務者の分野です。**アイデアを実現に移す人たちです。

コーディングアシスタントは、ソフトウェア開発のライフサイクル全体を最適化しています。ドキュメント作成やリファクタリング、コーディング、ユニットテストまで、チームの作業を高速化し、品質と信頼性を向上させ、システムの近代化や価値創出を促進します。

しかし、これは単なるスピードの向上だけではありません。

AIは、ソフトウェア開発の中で最も時間と労力を要し、満足度の低い部分を担うことで、開発者がセキュリティや品質に集中できる環境を作っています。連邦準備制度のような信頼性とレジリエンスが求められる組織にとって、これは非常に重要です。

例えば、ユニットテスト。これは品質とレジリエンスのために不可欠ですが、開発者が最もワクワクしない作業です。複数のチームでは、かつて数日かかっていた作業が、AIの支援で数時間で完了するようになっています。ある開発者はこう言いました。「以前は2日かかっていた作業が、今では2時間で終わる。」これにより、セキュリティ強化や新機能の構築といった高付加価値の仕事に時間を割けるようになっています。これらのツールが成熟するにつれ、その効果はさらに増していきます。

また、能力の拡大という観点もあります。コーディングアシスタントがソフトウェアの生産コストを下げ、品質を向上させることで、可能性は広がります。より多くのコードを書き、多くの機能を構築し、より多くの価値を提供できるのです。希少性が緩和されると、能力は向上し、バックログや技術的負債に取り組む余裕も生まれます。

私がよく例え話として使うのは、iPhoneと写真撮影です。誰もがポケットにカメラを持つようになったことで、プロの写真撮影がなくなるわけではありません。コストが下がり、量が増え、市場が拡大したのです。より多くの写真が撮られ、高品質な作品の需要も増えました。コーディングアシスタントも同じように、ソフトウェアの世界で働くと考えています。

連邦準備では、すでに多くの開発者がこれらのツールを採用し、早期の普及が進んでいます。これは、この能力が実際のニーズに応えている証拠です。

もう一つ、コード以外の例も紹介しましょう。私たちが提供するサービスの中で、コミュニティの声を聴くことも重要です。

連邦準備制度全体では、多くの質的情報—企業やコミュニティリーダー、市場参加者との会話—を収集しています。これらを地域や時期を超えて分析し、要点を抽出するのは非常に労力のかかる作業でした。

AIツールを使えば、分析者は大量のインタビュー記録からテーマを抽出し、サイクルごとのパターンを比較し、感情の変化を素早く把握できるようになりました。これは人間の判断を置き換えるものではなく、最初の処理を加速させ、経済学者が重要なポイントを解釈する時間を増やすためのものです。

最後に、AIを実際の業務フローに直接埋め込む方法もあります。

新しいツールを導入したり、特注のソリューションを作るのではなく、既存のプラットフォームにAI機能を組み込むのです。法務、リスク管理、調達、運用などの企業機能において、日常の作業を支援します。

ワークフローに埋め込むことで、AIを導入したことによる作業の変化を最小限に抑えつつ、スピードや一貫性、サービスの質を向上させることができます。これは財政的にも合理的です。技術の進化は非常に速いため、ベンダープラットフォームを通じてAIを利用すれば、継続的な改善の恩恵を受けられ、コストや陳腐化のリスクを抑えられます。

これらの例は、私たちがAIを探索段階から実行段階へと進めていることを示しています。調整されたシステム中心のアプローチによって、組織全体の能力が向上し、複雑な課題に取り組み、より多くの価値を生み出しながら、生産性とコスト効率も向上させています。

**この取り組みは堅実なスタートですが、私たちは一発屋で終わるつもりはありません。重要なのは持続性です。**それには、採用、責任、リーダーシップに焦点を当てる必要があります。

多くのAIプロジェクトが成功または失敗するのは、初期の採用者から日常の運用者へとバトンが渡るときです。技術そのものはもはや難しい課題ではありません。変革の管理こそが鍵です。ツールの採用速度、日常業務への浸透度、その結果としての成果にかかっています。

そのため、私たちは採用優先のアプローチを採っています。AIを人材投資とみなし、サイドの実験ではなく、正式な取り組みと位置付けています。研修やスキルアップは、夜間や週末ではなく、勤務時間内に行います。

また、その研修も一過性のものや理論的なものではありません。常に進化し、実践的で役割に即した内容です。従業員は、実際の業務の中でAIを使いながら学びます。ワークショップやハンズオン教育、プロンプトの実践セッションを通じて、使い慣れと自信を養います。この「ハンズオン・キー」方式は重要です。スライドだけではなく、実際に使うことで習熟度と快適さが高まるからです。

また、期待値も明確にしています。AIの利用は任意ではありません。基本的な理解と応用は、制度全体の従業員のパフォーマンス目標に組み込まれています。測定されるものに取り組めば、結果も出てきます。

私自身の経験からもこれを実感しています。セントルイス連邦準備銀行のリサーチディレクター時代、戦略計画を策定しましたが、多くは棚に置かれていました。行動を変えたのは、その優先事項を従業員の目標に直接盛り込んだときです。何が重要か、どう測るかが明確になれば、実行は自然とついてきます。この経験は、変化を定着させる方法について私の考え方を形成しました。

リーダーシップも重要な役割を果たします。期待値を設定し、投資を行うことは必要ですが、それだけでは不十分です。リーダーが実践し、そのコミットメントを示し、技術に対しても学び続けている姿勢を見せることが、早期の勢いを持続的な行動変化に変えるのです。

こうして、技術と研修、責任、リーダーシップを組み合わせることで、AIを連邦準備制度の持続的な運営の一部とすることができるのです。

このような会議は、技術が未来をどのように変革しているかに焦点を当てています。私が今日伝えたかったのは、私たち連邦準備制度がその課題にどう取り組んでいるかです。技術を活用したイノベーションを通じて使命を果たし、実行と効率性に重点を置いています。そして、その中で、公共機関が責任を持ってAIを採用し、公共の信頼を高める方法を示しています。

トークン化やエージェント型AIといった技術が登場しつつある今、私たちの業界がこのような変化を経験したのは初めてではありません。ATMの導入時もそうでした。ATMは銀行員を排除したわけではなく、銀行業務のやり方を変えました。ルーチンの取引は安価で迅速になり、人間の労力はより高付加価値の活動にシフトしました。本当のインパクトは自動化だけではなく、制度が技術を中心に再編されたことにあります。

AIも同じです。最大の成果は、既存のプロセスにAIを単に追加することではなく、ワークフローや役割、システムを再考し、この技術がもたらす可能性を最大限に活用することにあります。

私たちが正確にいつこれらの技術が本格的な転換点に達するのかはわかりません。AIが急速な進歩から本当にシステム的な影響へと移行する明確なシグナルはありません。しかし、完璧な明確さを待つのは戦略ではありません。その瞬間に備えるためには、今から準備を始める必要があります。

AIは、私たち連邦準備制度がシステム中心のアプローチを採用すれば、大胆に、規模を持って実行できる一つの明確な例です。