OCIへのマルチエージェントAI不正検出システムのデプロイについて学習

金融機関は、インテリジェントで自動化された分析を必要とする高度な不正行為に直面しています。

The Guardian Life Insurance Company of Americaの不正防止に関するイノベーションに触発された当社は、Oracle Cloud Infrastructure (OCI)サービス専用に構築されたマルチエージェント不正検出システムを提案します。この設計では、複数の特殊なAIエージェント(不正アナライザやデータ取得エージェントなど)が使用され、中央のオーケストレータまたはスーパーバイザ・エージェントによって調整されます。組み合わせて、インサイトを表示し、証拠を収集し、意思決定を推奨し、ナラティブを生成する調査チームを模倣します。

このマルチエージェントの不正検知ユースケースでは、Oracle Cloud上の最新のAI駆動型アーキテクチャを使用しています。OCIデータベースやその他のサービスをオーケストレーションされたエージェント・フレームワークと組み合わせることで、AIによって生成されたインサイトにより、不正をプロアクティブに特定し、調査員を支援できるシステムを構築します。

この設計はスケーラブルで柔軟性があり、構成を更新したり、不正スキームの進化に伴って追加のOCI機能を導入することで、新しいエージェントやツールを追加できます。また、大規模言語モデル(LLM)や異常検出などの最先端のAI機能を、Oracle Autonomous Databaseなどのエンタープライズ・データ・システムと安全な方法で接続します。サーバー・オーケストレータは、各AIエージェントが連携して動作し、必要な言語でOracleシステムと通信することを保証します(SQL、APIコール)。これにより、AIの意図が実際のデータを使用して実際のアクションに変わります。

この設計を適応させて、保険詐欺の検出など、シナリオに沿ったデモンストレーション・プラットフォームを作成できます。オーケストレータがエージェントにタスクを割り当て、不正アナライザ・エージェントの結果を説明するダッシュボードまたはチャットボットの返信を使用して最終結果を表示する方法を示すことができます。ステークホルダーは、モジュラ・アーキテクチャを理解し、OCIサービスの役割を明確に理解しています。Autonomous Databaseはデータを大規模に管理し、OCI Functionsはマイクロサービスを実行し、OCI Generative AIはインテリジェンスを追加します。

この設計は、Oracle Cloudが不正検出のためのエージェントAIワークフローをリアルタイムで提供し、インサイトに富んだコンテキストで不正を迅速に捕捉し、最終的にビジネスとその顧客を保護する方法を示しています。アーキテクチャは、次の2つのフェーズで示されます。

  • フェーズ1: GoogleのオープンソースのGen AI Toolboxの概念を適応させて、スケーラブルなエージェント・フレームワークを作成することで、オーケストレーション・レイヤーを実装します。
  • フェーズ2: より深いOCI大規模言語モデル(LLM)推論を統合して、インテリジェンスを強化します。

製品・サービスについて

このソリューションでは、次の製品およびサービスについて説明します。

フェーズ1:

  • Google Gen AIツールボックス
    • Oracle Cloud Infrastructure Compute
    • Oracle Cloud Infrastructure Kubernetes Engine
  • Oracle Autonomous Transaction Processing
  • Oracle Cloud Infrastructure Functions (サーバーレス)
  • Oracle Cloud Infrastructureの異常検出

フェーズ2:

  • Oracle Cloud Infrastructure Generative AIまたはOracleの事前トレーニング済モデル
  • Oracle Cloud Infrastructure Data Science
  • Oracle Machine Learning
  • Oracle Cloud Infrastructure Language
  • Oracle Cloud Infrastructure Streaming
  • Oracle Cloud Infrastructure GoldenGate

必要なものを取得するには、Oracle製品、ソリューションおよびサービスを参照してください。

アーキテクチャ

このアーキテクチャは、Oracle Cloud Infrastructure (OCI)上のマルチエージェントAI不正検出システムを示しています。

この設計では、複数のAIエージェントを使用して重要なインサイトを提供し、証拠を収集し、包括的な不正分析を生成します。

コアには、エージェントの相互作用を編成するモデル・コンテキスト・プロトコル(MCP)サーバーがあります。専門エージェントは個別のタスクを処理します。たとえば、データ取得エージェントはエンタープライズ・データ・ソースを問い合せ、不正アナライザ・エージェントは異常を評価して説明します。フローは、疑わしいトランザクション・アラートや調査員の問合せなどのイベントがオーケストレータをトリガーしたときに開始されます。その後、オーケストレータはサブタスクをエージェントに委任し、ファンインおよびファンアウト設計パターンを使用して結果を統合します。各エージェントは、OCIネイティブ・サービスを使用してタスク(データベース問合せ、LLM推論など)を実行し、オーケストレータはエージェントとOracleシステム・コンテキストを変換して、各エージェントが必要とする情報を期待する形式で取得します。

次の図は、プロセス・フローの概要を示しています。


ai-fraud-detection-flow.pngの説明が続きます
図ai-fraud-detection-flow.pngの説明

ai-fraud-detection-flow-oracle.zip

  • MCPオーケストレータ・サーバー

    モデル・コンテキスト・プロトコル(MCP)サーバーは、エージェント・アクションを編成し、調査の全体的なコンテキストまたは状態を維持する調整ハブです。MCPを使用して、エージェントがツールを起動し、データを交換する方法を標準化します。「中央脳」として機能すると、最初のリクエスト(不正アラートまたは分析クエリ)を受信し、適切なエージェントを順番に呼び出します。また、顧客情報に対するエージェントのリクエストからSQL問合せへの変換、SQL結果の自然言語レスポンスへの変換など、高レベルのエージェント・インテントをOracleシステムでの低レベルの操作に変換します。このアプローチでは、エージェント・ロジックとエンタープライズ・データの間のブリッジとしてオーケストレータを使用することで、エージェントを直接システム・コールから分離し、柔軟な更新と集中管理を可能にします。このアーキテクチャの最初のフェーズでは、サーバーはOracle Cloud Infrastructure ComputeまたはOCI Kubernetes Engineで実行されているGoogleのGen AIツールボックスから派生した軽量サーバーです。

  • データ取得エージェント

    データ取得エージェントは、エンタープライズ・ソースから関連データをフェッチする特殊なエージェントです。たとえば、オーケストレータから顧客IDまたはトランザクションIDを受信すると、Oracle Autonomous Databaseまたはその他のOCIデータ・ストアに、最近のトランザクション、アカウント・プロファイル、請求履歴などの情報を問い合せます。このエージェントを実装するには、OCI Functions (サーバーレス)を使用して、Autonomous DatabaseのMCPサーバーでホストされているツールをコールします。エージェントにはすべてのデータ・アクセス・ロジックが含まれます。オーケストレータ・サーバーは、Autonomous Databaseで適切なSQLを実行する方法を知っているYAML構成のLookupTransactionツールやGetCustomerProfileツールなど、このエージェントに事前定義されたツールを使用できます。Google Gen AI ToolboxがYAML定義のツールを使用してエージェントがデータベース操作を実行できるようにする方法と同様に、この設計ではデータベース・クエリを構成主導のツールとして定義します。第1フェーズでは、データ・エージェントは、AIによる意思決定の関与なしにこれらのクエリを実行し、その結果をオーケストレータに返します。

  • 不正アナライザエージェント

    不正アナライザ・エージェントは、データの不正の兆候を評価し、インサイトを生成する基盤となるエージェントです。このエージェントは、トランザクション詳細、顧客情報、またはオーケストレータが提供する履歴パターンなどのコンテキストを取り込み、AI/MLロジックを適用して、シナリオが不正である可能性があるかどうかを判断します。フェーズ1では、これはルールベースのエンジンまたはOCIの異常検出モデルであり、迅速で決定的なレスポンスを提供できます。たとえば、通常の範囲をはるかに超えたトランザクションや短期間の複数の要求などの異常にフラグを付けることができます。その後、エージェントは不正スコアまたは分類を生成し、場合によっては説明を生成します。

    フェーズ2では、OCI Generative AIまたはOracleの事前トレーニング済モデルを使用して人間が読める調査ナラティブを生成することで、不正アナライザ・エージェントがLLM機能で拡張されます。このように、生成AIは、結果に関する簡潔なレポートを自動的に作成し、トランザクションにフラグが付けられた理由をまとめて、顧客の最近のトランザクションに海外での珍しい高価値の購入が表示される方法など、データを直接参照します。これは、通常のパターンから5σ(5シグマ)で逸脱し、高い不正の可能性を示します。Oracleの金融サービス部門は、調査を加速する上で、このような生成ナラティブの価値を強調しています。フェーズ2では、不正アナライザ・エージェントがOCI LLMを使用してデータを分析し、結果を説明できます。たとえば、データを組み込んでモデルに不正リスクを分析するように求めるプロンプトを使用するか、最初に計算ツールをコールしてからLLMで結果を詳細に説明することでツール支援推論を実行できます。

  • 追加エージェント(必要に応じて)

    このアーキテクチャは、分析をエンリッチするために他のエージェントをプラグインする機能をサポートしています。たとえば、外部のチェック・エージェントは、制裁リストや信用調査機関などのサードパーティ・サービスを呼び出して、関係するエンティティに関するさらなる証拠を収集できます。もう1つは、不正が確認された後にケースをシステムに記録したり、人間の調査員にアラートをトリガーする通知およびケース管理エージェントです。複数のエージェントを管理し、複雑なワークフローを調整するオーケストレータの機能により、既存のエージェントを邪魔することなく、新しいエージェントを追加できます。このモジュール化により、システムは2つのエージェントから開始し、後でコンプライアンス・チェックやカスタマ・メッセージングなどの他のデモ・シナリオにも対応できるデモ・ショーケース用に拡張できます。