人工知能（AI）を活用するLEI

デジタル化とグローバル化が進んだ経済では、企業と当局による身元確認はより重要であり、正確に実行することがより困難になっています。すべての関係者の透明性は、持続可能な投資、適格な報告または分析の前提条件です。透明性は、取引に関与する取引主体を検出することから始まります。今日、AIアルゴリズムは、「私のビジネスの相手は誰か?」という基本的な質問の回答を知るために適用されています。これはコンピューティング資源の無駄使いであり、リスク分析などの下流の目的に関連するエラーが増えるだけです。LEIおよびvLEIを使用して組織を識別して認証するためにデジタル取引とエコシステムを進化させることで、デジタル・エコシステムへの信頼が強化され、疑わしいパターンを特定してリスクを評価するためのAIアルゴリズムの価値ある応用が可能になります。

取引主体の法人形態を特定して理解することは、多くの財務およびビジネス関連のプロセスにおいて極めて重要です。企業の法人形態と構造は取引を効果的に行う方法について情報をもたらし、リスク指標として機能します。異なる管轄区域内および管轄区域間で様々な取引主体の法人形態が存在するため、組織がこの情報を効果的に分類して構造化することが困難になっています。これらの法人形態の種類と本文の表現は管轄区域間で類似しているため、この作業はさらに困難になります。したがって、取引主体の法人形態を特定するプロセスを自動化すると、ストレート・スルー・プロセッシング（STP）機能を有効にすることにより、リスク軽減、透明性と業務効率の向上が可能になります。

LEIリポジトリは、高品質で標準化されたオープンソースの取引主体データを提供します。これらは、優れたデータ分析プロジェクトやAIモデルの前提条件です。LEIリポジトリの最新性は、1日3回更新することで保証されています。グローバル標準に依拠することは、単に一貫性の確保だけではありません。LEIレポジトリによりデータ品質が向上し、機械学習（ML）およびAIモデルの開発にすぐに使用できる形式のラベル付きデータセットが提供されます。

Legal Entity Name Understanding（LENU）

GLEIFはSociovestix Labsと協力して、取引主体の特定の法人形態を認識し、対応する法人形態（ELF）コードを自動的に割り当てるための機械学習ツールを開発しました。「法人形態コードリスト」は、ISO標準20275「金融サービス - 法人形態（ELF）」に基づいており、4文字の一意の英数字コードを各法人形態に割り当てます。取引主体の法人形態は、組織の身元を検証および審査するうえで非常に重要です。ただ、管轄区域内および管轄区域間に存在する法人形態は多岐に渡るため、大規模な組織が、法人形態を構造化データとして取得することは困難です。200万件以上のレコードで構成されるGLEIFの取引主体識別子（LEI）データベースでトレーニングされた新しいツールによって、銀行、投資会社、企業、政府、およびその他の大規模組織が、マスターデータを遡及的に分析し、正式名称の非構造化テキストから法人形態を抽出し、ISO 20275標準に従って、ELFコードを各取引主体タイプに一様に適用できます。

Legal Entity Name Understanding（LENU）と呼ばれるこのツールは、組織とより広範なグローバル市場の両方にさまざまなメリットをもたらします。内容は以下の通りです。

• 非構造化データ（組織名の一部としての法人形態）の標準化を自動化し、データ品質の向上を促進します。
• 言語の違いや略語の不一致などに起因する法人形態のデータ分類の問題を克服し、グローバル市場に対する洞察と透明性の向上が促進されます。
• 機械読取可能なフォーマットで取引主体の法人形態を提示し、AIツールやその他のデジタル化されたビジネスプロセスやアプリケーションで利用できます。
• 時間、非効率、人的ミス、高額な管理コストなど、データを手動で扱うことに伴うリスクと制限を避けられます。

このツールを用いて取引主体の分類を改善してより豊富なデータセットを作成することにより、グローバル市場に対する洞察と透明性が向上します。このツールは、LEIと連携して、グローバルに一貫したデータセットを作成します。

LENUは、Git HubでアクセスできるオープンソースのPythonのライブラリです。LENUは、LEIデータを使用して管轄区域固有のモデルを構築し、ユーザーが任意の法人名に法人形態の候補を取得できるようにします。GLEIFは、ツールによって示唆された法人形態と現在のLEIデータのELFコードを比較するデータ品質ループを確立しました。モデルの結果と現在のLEIデータの間に明らかな不一致がある場合、GLEIFは必要に応じて正確な検証とデータ記録の更新のためにLEI発行者に送信されるデータチャレンジを作成します。更新されたデータはその後、データソースを改善してモデルの次バージョンを構築するために使用され、最終的にモデルのパフォーマンスは向上します。

LENUは、トランスフォーマーモデルのアーキテクチャとBERTベースモデルを使用して、さまざまな言語と管轄区域を処理します。また、これらのモデルは、Hugging Face上でも利用可能であり、すぐに使用できますので、ユーザーは、法人形態の検出に合わせて調整された管轄区域固有のモデルを見つけることができます。

GLEIF、サンクトガレン大学、Sociovestix Labsは、その調査結果を科学研究論文「トランスフォーマーベースの法人形態分類」にまとめました。当研究では、データの標準化とデータ統合を進める上でトランスフォーマーベースのモデルには大きな可能性がある点が強調されています。標準化されたデータ項目を介して取引主体の法人形態を導入すると、各取引主体が1つの法人形態しか持てないため、取引主体のリンクタスクの信頼性が高まり、複数のデータセットにわたる堅牢なマッピングのペアが可能になります。

ELFコード標準が広範囲に採用されれば、透明性が大きく向上し、さまざまなドメインでのデータ統合タスクが改善されると考えています。オープンソースのライブラリを公開して自由にアクセスできるようにすることで、世界中の企業によるELFコードの採用を促進したいと思っています。すべての利害関係者に対して、法人形態分類にこれを使用するように呼びかけています。