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

2026-02-24 14:19:40

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、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考えると、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を構築・最適化し、また内部の他のアプリケーションに組み込んでいる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回の連邦公開市場委員会の会合で話題になる決定—と結びつけています。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。この運用作業の重要な要素が技術です。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、運用効率を高めるためのものです。

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、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。それは、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、連邦準備制度の仕事がよりデジタル化・相互接続化し、銀行システムや経済全体の進化とともに、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」のアプローチに向かっています。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。技術変化の量と速度は引き続き増加しています。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ともに効果的で信頼性の高いサービスを提供し続けるために、時代の流れに遅れずに進む必要があります。

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。皆さんはその最前線に立つビルダーやリーダーとして、それを実感しているはずです。そして、連邦準備制度も例外ではありません。私たちがこのペースを維持することは絶対に必要です。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、誤りも拡大させる可能性があります。幻覚を見たり、データ保護、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を軽視できません。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、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、受動的でいることも選択肢ではありません。遅れたり、断片的に変革を進めたりする余裕はありません。そこで私たちは、異なるやり方で進めています。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、一体的に進めています。すべての準備銀行の従業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、実質的なビジネス価値を提供できます。

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。

**それでは、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3つの重点的かつ補完的な方法でAIを展開しています。すべての従業員に広くアクセスできる仕組み、ビルダー向けの専門ツール、そして企業のワークフローに埋め込まれた機能です。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、すべての従業員向けの汎用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し、ニッチなツールにとどめないことを意味します。すべての従業員は、日中いつでも使える連邦承認済みのAIソリューションにアクセスでき、ドラフト作成、要約、情報分析、問題解決の迅速化に役立てています。多くの人にとっては、デジタルアシスタントのように機能し、問題に取り組む際や日常のタスクを完了する際の相談相手となります。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。

連邦準備のスタッフは、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、休暇から帰ってきた同僚です。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、連邦の内部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、彼女は専門知識を必要とする部分に直接集中できました。

どちらの場合も、ツールは量と最初の処理を担当し、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、開発者や実務者の領域です。**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—を最適化しています。これにより、チームはバックログを早く処理し、品質と信頼性を向上させ、システムを近代化し、より多くの価値と革新を提供できるのです。

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ようにします。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、多くの開発者はこれにワクワクしません。複数のチームでは、かつて数日かかっていた作業が、AIの支援で数時間で終わるようになっています。ある開発者は直接こう言いました。「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れば、効果はさらに積み重なります。

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ったわけではありません。むしろ、コストが下がり、量が増え、市場が拡大したのです。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。

別の例を挙げましょう。コードだけでなく、私たちが支援するコミュニティの声に耳を傾けることです。

連邦準備制度全体では、企業やコミュニティリーダー、市場参加者との会話など、多くの質的情報を収集しています。これらを地域や時間を超えて分析・統合するのは、従来は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、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っ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るために、システム優先の調整を行っ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、より多くの価値を生み出しながら、生産性とコスト効率も向上しています。

**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。変革の管理こそが難しいのです。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、実際の業務でAIを使いながら学び、ワークショップやハンズオンセッション、プロンプトの調整を通じて習熟します。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つくからです。

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。基本的なリテラシーと応用力は、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。測定されるものに取り組めば、結果も出るのです。

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、それは棚の奥にしまわれていました。行動を変えたのは、その優先事項を従業員の目標に直接組み込んだときです。何が重要か、どう測るかが明確になれば、実行は自然に続きます。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。リーダーが実践を示し、コミットメントを伝え、技術の学習者であることを示す必要があります。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、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、私たちの業界がこれまでに経験した変化と同じ道を歩んでいることを忘れてはなりません。ATMが導入されたとき、それは銀行員を排除したわけではありません。むしろ、銀行業務のやり方を変えたのです。ルーチンの取引は安く、速く、アクセスしやすくなり、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インフレクションポイントに達するかはわかりません。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得られません。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、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。