### 背景

金融データの複雑性が増し、リアルタイムなインサイトの必要性が高まる中、金融サービス企業は競争力を維持するために AI主導のソリューションに注目しています。南アフリカで上場している大手金融サービス企業である Alex Forbes は、毎月100万人を超える年金基金の会員を管理し、投資ソリューション、財務アドバイス、保険サービスを提供しています。

同社は、増大するデータ需要に対応し、業務効率を高めるために、データを一元化し、プロセスを合理化し、高度な分析をサポートできる 生成AI搭載のデータソリューションを求めていました。しかし、断片化されたデータソース、使い勝手の課題、統合のボトルネックといった障害が進展を妨げていました。

### 課題

Alex Forbes は、データ管理と分析の変革においていくつかの重大な障害に直面しました。同社は、ブローカーや会員の拠出金の計算など、重要な財務プロセスに Power BI を多用していましたが、シームレスな統合とリアルタイムのデータアクセスに苦労していました。

1. データの断片化と統合の複雑さ 
    - 重要な財務計算は Power BI に依存していましたが、バックエンドの統合が不十分でした。
    - 新しい CRM を含む複数のシステムにデータが分散していたため、統合されたデータアクセスが困難でした。
2. ユーザーエクスペリエンスの制限 
    - システム コンポーネントが分断されていたため、さまざまな役割のユーザーにとってインターフェースが一貫性がなく複雑になっていました。
    - 技術系以外の従業員は SQLベースのクエリに苦労し、重要な財務データへのアクセスが制限されていました
    - 9か国で事業を展開しているにもかかわらず、同社では、多言語対応の AI 搭載カスタマーサービスインターフェイスがなく、シームレスなやり取りがさらに妨げられ、顧客体験とリアルタイムの意思決定に影響が出ていました。
3. 生成AI導入初期の課題 
    - 転職などのライフイベントの変化に応じて金融商品の推奨を顧客に提供する最前線のカスタマーサービスエージェントをサポートするために、セルフサービスの生成AIソリューションが導入されていました。これらのエージェントは、会員の履歴、雇用情報、財務記録に即座にアクセスし、その場で計算を行う必要がありましたが、データ共有に関するセキュリティ上の懸念により導入が遅れていました。
    - システムは大規模なベクターデータベースに大きく依存しており、膨大な計算リソースを必要とし、スケーラビリティとコストのボトルネックとなっていました。
    - CSVエクスポート、多様なデータソース、サードパーティツールへの依存によるデータガバナンスの脆弱性が、データサイロ化、システム制御の制限、データ管理の断片化につながっていました。
    - 静的なデータ処理とサードパーティのツールへの依存によって生じる遅延により、リアルタイムのインサイトを得ることができていませんでした。
4. Power BI 統合のボトルネック 
    - Power BI はバックエンドシステムとシームレスに統合されていないため、リアルタイムの財務データを取得する機能が制限され、ブローカーや会員の拠出金などのビジネスに不可欠な計算の管理が困難でした。
 
### ソリューション

これらの課題を克服するために、Alex Forbes は、ガバナンスの問題を解決し、サイロ化を排除し、プラットフォーム間で安全かつリアルタイムのデータアクセスを可能にする論理データ管理プラットフォームである Denodo のデータファブリックを導入しました。

アクセシビリティと効率性をさらに高めるために、Alex Forbes は、Retrieval-Augmented Generation (RAG、検索拡張生成) を備えた Denodo の AI SDK を導入し、財務および運用データソース全体にわたる自然言語クエリとメタデータ駆動型インテリジェンスを実現しました。

ソリューションの主なコンポーネントは次のとおりです:

1. **AI 駆動型クエリ処理:**
    - 自然言語クエリは、Denodo の AI SDK を使用して処理され、高度なAIモデルを通じてユーザー入力を SQLクエリに自動的に変換します。
    - コンテキストメタデータが埋め込まれているため、ユーザーの意図を正確に解釈し、正確なクエリ実行を保証します。.
    - Denodo の Query RAG は、データセット全体ではなくメタデータのみをインデックス化するため、ベクターデータベース全体の効率的な検索が可能になり、機密性の高い財務データを公開することなく検索効率が向上します。
    - SQLステートメントは Denodo エンジンで実行され、データの整合性を維持しながら正確な結果を取得し、論理データファブリックレベルで一元的に定義されたデータアクセスポリシーを適用します。
    - 最終的な応答は、LLM によって拡張された自然言語で返され、ユーザーはサポートされているさまざまな言語でシームレスに対話できます。
2. **Power BI ウィジェットの統合:**Alex Forbes でのユーザーアクセシビリティを向上させるために、Denodo は AI SDK と Power BI 拡張開発キットを使用してカスタム Power BI ウィジェットを開発しました。このウィジェットにより、ユーザーは自然言語クエリを送信し、リアルタイムのインサイトを取得し、複雑な SQL ステートメントを手動で操作する必要なく実行できるようになりました。
3. **メタデータ駆動型クエリ最適化:**メタデータの記述はシステムの使用パターンに基づいて継続的に改良され、データ取得の精度が向上します。
 
### 利点

導入されたソリューションにより、ビジネスと技術の両面で大幅な改善が実現しました:

1. リアルタイムの財務計算によりブローカーと会員の拠出金管理が改善され、業務の遅延が削減されました。
2. 独自のRAG 実装: 生成AI へのより効率的なアプローチ 
    - ハイパースケーラーベースのソリューションとは異なり、Denodo のメタデータ主導型アプローチでは、大規模なベクターストレージが不要になりました。メタデータのみをベクトル化すれば、 LLMは多数のバックエンドシステムにわたって正しいデータに対するクエリを生成できました。
    - これにより、計算負荷が軽減され、リアルタイムのデータの鮮度が確保され、古い埋め込みに頼るのではなくライブソースから直接データを取得することでハルシネーションを最小限に抑えることができました。
    - Denodo の Query RAG は、ガバナンスやリアルタイムクエリの精度を損なうことなく拡張性を提供し、将来を見据えたエンタープライズソリューションとして差別化を図っています。Denodo のデータファブリックは、パフォーマンスとコスト管理のためにクエリを自動的に最適化するため、Alex Forbes がパフォーマンスとコストの SLA を損なうことなく、生成AI ワークロードを拡張することができました。
3. 自然言語クエリによりデータの取得が簡素化され、技術者以外のユーザーでも重要な情報にアクセスできるようになりました。
4. ペルソナ主導のデザイン体験を実現 
    - ビジネス エグゼクティブ、Power BI ユーザー、SQLユーザー向けにカスタマイズされたインターフェイスにより、パーソナライズされたデータエンゲージメントモデルがサポートされました。
    - 多言語クエリ実行をサポートする機能により、さまざまな地域で働くユーザーの支援が可能になりました。

Alex Forbes は、Denodo のデータファブリックと AI SDK を導入することで、データインフラストラクチャを最新化し、運用効率を向上させ、メタデータ駆動型の 生成AIソリューションを通じてインテリジェンス生成の加速化に成功しました。

シームレスな自然言語クエリ、リアルタイムの Power BI 統合、強化されたガバナンスにより、Alex Forbes は新たなレベルの効率性を実現し、会員体験の向上を実現しました。