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

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新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ほど私たちの生活を変え、驚くべき速度で進化させる可能性を持つものはありません。企業、家庭、そしてすべての政府が、その導入と活用を模索しています。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、私たちの日常の活動の大部分は、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業務です。これらの運用業務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、運用効率の向上を目指しています。

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ました。歴史的に、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、連邦準備制度が運用するシステムの規模と重要性を考えると、中央銀行のレジリエンスとセキュリティの標準を維持するには、より調整されたモデルが必要です。

そのため、私たちは「連邦準備制度優先」の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を維持しています。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されるテーマでもあります。

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、また連邦準備制度全体にまたがる機会でもあります。

この瞬間に応えるには、システム全体の調整、行動志向、そして規模のある実行力が必要です。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により、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が可能になります。

**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根本から変えつつあります。皆さんはリーダーや開発者として、その最前線を体感しているでしょう。そして、連邦準備制度も例外ではありません。私たちには、スピードを維持することが不可欠です。そう、「破壊して許しを請う」ような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、誤りを増幅させる可能性もあります。幻覚を見たり、データ保護やモデルリスク、偏り、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、モデルの厳格な検証、人間の責任ある判断、そして技術の進化に伴う継続的な評価を行います。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も、受動的でいるわけにはいきません。遅れをとることや、変革を断片的にしか進められないことは許されません。そこで私たちは、異なるやり方で取り組んでいます。AIを全体のシステムとして導入し、共通の方向性と整合性を持たせるのです。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。

目的は新奇性ではなく、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、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とすることを意味します。すべての職員が、日中いつでも利用できる連邦承認済みの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、行き詰まりの解消を支援します。多くの人にとっては、仕事の問題や日常のタスクを解決するためのデジタルアシスタントのような役割を果たします。目的は、皆さんを技術者に変えることではなく、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はスマートフォンや電子レンジのように日常的なツールになっています。妻は旅行の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役立てています。

これは特殊なものではありません。単なるツールです。

そして、仕事におけるAIの考え方も同じです。

具体例を挙げましょう。

連邦準備の職員は、さまざまな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。

もう一つの例は、休暇から戻った同僚です。彼女はしっかりとしたデジタルデトックスを行い、仕事用の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、内部AIツールを使って要約・仕分けを行い、必要な部分にすぐに取り掛かることができました。これにより、彼女は専門知識を必要とする部分に集中できました。

どちらの場合も、ツールはボリュームと一次処理を担当し、人間が最終判断を下します。

**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—ドキュメント作成、リファクタリング、コーディング、ユニットテスト—を最適化するのに役立っています。これにより、バックログの解消、品質と信頼性の向上、システムの近代化、価値とイノベーションの迅速な提供が促進されます。

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、満足度の低い作業の一部を引き受けることで、開発者がセキュリティや品質に集中できる環境を作ります。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、ユニットテストです。これは品質とレジリエンスに不可欠ですが、多くの開発者はあまり興味を持ちません。いくつかのチームでは、以前は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くことができるのです。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重要です。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つつ品質を向上させることで、より多くのコードを書き、より多くの機能を構築し、ビジネス価値を高めることが可能になります。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の解消に役立ちます。

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。むしろ、コストが下がり、量が増え、市場が拡大しました。より多くの写真が撮られ、高品質な作品への需要も増えました。コーディングアシスタントも、ソフトウェアの世界で同じように働くと考えています。

連邦準備制度では、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、コードだけでなく、私たちがサービスするコミュニティの声を聴くことにも役立つ例を紹介します。

連邦準備制度全体で、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・統合するのは、従来は非常に労力のかかる作業でした。

しかし、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ターゲットとなるテーマを抽出し、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っています。これは人間の判断を置き換えるものではなく、一次処理を加速させ、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構築したりするのではなく、既存のプラットフォームにAI機能を組み込むことで、法務、リスク、調達、運用などの分野で日常的に使われているシステムにAIを活用しています。

ワークフローに埋め込むことで、価値を得るために働き方を変える必要はありません。

例えば、頻繁にオンラインショッピングや旅行をする人なら、すでにこの変化を体験しているでしょう。遅延や乗り継ぎミス、破損した荷物などの問題も、今ではチャットやテキスト、時には電話で解決する方が早くなることもあります。多くの場合、AIが背景で状況を要約し、ルートを案内し、問題を解決しています。人が関わる場合でも、より良いサポートが可能です。体験はシンプルで迅速、そしてしばしばより良いものになります。

同じことが連邦準備制度でも起きています。既存の企業システムにAIを埋め込むことで、サービスのスピード、一貫性、質を向上させながら、断片化したソリューションを避けることができます。コスト面でも合理的です。技術の進化が速いため、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を探索から実行へと進めるために、システム優先の調整されたアプローチを採用していることを示しています。

その結果、組織全体の能力が向上し、複雑な課題に取り組み、より多くの価値を提供できるとともに、責任あるイノベーションを通じて生産性とコスト効率も改善しています。

**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の取り組み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部分ではありません。変革の管理こそが課題です。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「採用第一」のアプローチを採用しています。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の教育セッション、プロンプトの実践会などを通じてです。この「ハンズオン・キー」方式は重要です。使うことで慣れと自信が生まれるからです。

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、全システムの従業員のパフォーマンス目標に組み込まれています。測定されることが行動を促すのです。

私自身の経験からもこれを実感しています。セントルイス支店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、ほとんど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ことです。何が重要か、どう測るかを理解すれば、実行は自然とついてきます。この経験は、変化を定着させる考え方に影響を与えました。

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必要があります。そのリーダーシップのメッセージが、初期の勢いを持続的な行動変容に変えるのです。

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します。

このような会議は、技術が未来をどう変え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。これにより、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、私たちの業界がこれまでに経験した変化と同じように、これもまた新たな局面です。ATMの導入時も、銀行員がいなくなるわけではありませんでした。むしろ、銀行の仕組みが変わったのです。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、制度の再編にあったのです。

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、その可能性を最大限に引き出すことにあります。

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優先のアプローチを採用すれば、大胆に規模を拡大して実行できる一つの明確な例です。