
CFOにとってのAIの真の価値は、単なるスピードではなく、大規模な信頼できるガバナンス

Felix Grevy による
SVP Platform, Data & AIShare
昨年KyribaLiveでTAIをローンチした際、私たちは組織が信頼できるトレジャリー向けAIを導入しました。それ以来、CFOやトレジャラーとの会話の中で、一つのメッセージが明確に浮かび上がってきました。AIの真の機会は、単に既存のワークフローを高速化することではありません。ガバナンスを損なうことなく、ますます複雑化するトレジャリーエコシステム全体で、チームがより迅速かつ確実に行動できるよう支援することです。
トレジャリーチームは現在、これまで以上に多くのシステム、多くの決済チャネル、多くの市場の複雑性の源泉にわたって業務を行っています。これにより、課題はより緊急性を増しています。問題はもはや情報へのアクセスだけではありません。断片化された環境において、新たな業務、ポリシー、または監査リスクを生み出すことなく、インサイトから行動へと移行する能力です。
トレジャリーの課題はもはや可視性だけではない
Kyribaのお客様は、既にキャッシュ、流動性、リスクに対する強力な可視性に依存しています。スプレッドシートへの依存を減らし、照合を改善し、レポーティングを強化しています。しかし、トレジャリー業務は依然として、銀行、投資プラットフォーム、決済ネットワーク、取引会場、デジタル資産プロバイダーを含む多くのシステムにわたって展開されています。課題は、何が起こっているかを見ることだけではありません。それらのシステム全体で迅速、正確、かつコントロールを保ちながら行動することです。
TAIをインサイトからアクションへ拡張
そのため、Kyribaは、より誘導された、システム横断的な実行をサポートするためにTAIを拡張しています。この新しい機能は、Canvasと呼ばれる機能によって実現され、データ、推奨事項、承認可能なワークフローを一つのガバナンスされた体験に統合します。目標は、プロセスから人を排除することではありません。トレジャリーチームが、断片化された手動調整から、より接続され、ポリシーに準拠した行動へ、より少ない労力とより強力な管理で移行できるよう支援することです。
これはTAIの次のフェーズを示しています。TAIの役割を、信頼できるインサイトから、接続されたトレジャリーワークフロー全体でより誘導され、ガバナンスされた実行へと拡張しながら、人間による承認を中心に保ちます。
オーケストレーションが統合よりも重要な理由
統合により、システムは情報を交換できます。オーケストレーションはさらに進みます。リアルタイムデータ、ポリシールール、ユーザー監視に基づいて、システム間で複数ステップのワークフローを調整するのに役立ちます。トレジャリーチームにとって、これはポータル間の切り替え、コンテキストの再構築、プロセスを手動で進めることに費やす時間が減ることを意味します。分析から実行へのより明確な道筋で、意思決定により多くの時間を費やすことを意味します。
トレジャリーエコシステムが新しい投資先、決済チャネル、デジタル資産ワークフローを含むように拡大するにつれて、断片化された実行のコストは上昇し続けています。オーケストレーションの価値は速度だけではありません。ガバナンスを放棄することなく、より速く動く能力です。
断片化されたワークフローから誘導された実行へ
一般的な例を考えてみましょう。トレジャリーチームが余剰キャッシュを特定し、利回りを最適化したいと考えています。多くの組織では、これは依然として、あるシステムでキャッシュポジションを確認し、別のシステムで投資オプションを調査し、手動で配分モデルを構築し、別のインターフェースで取引を実行し、その後すべてを基幹システムに記録することを意味します。各ステップが統合によってサポートされている場合でも、全体的なプロセスは断片化されたままです。数時間かかる可能性があり、すべての引き継ぎが遅延と業務リスクを招きます。
TAIを使用すると、このエクスペリエンスははるかに効率化されます。Canvasを使用して、TAIはKyribaおよび接続されたパートナープラットフォームから関連情報を収集し、ポリシーに沿った次善のアクションを推奨し、ユーザーのレビューと承認のための誘導されたワークフローで提示できます。トレジャラーは完全にコントロールを保持しますが、プロセスはより速く、より接続され、最初から最後まで監査可能になります。
実際にどのように見えるか
KyribaLive 2026では、誘導されたオーケストレーションの幅広さと実用的価値の両方を示す例を通じて、このアプローチを実演しています。
一つの例は、**Morgan Money**とのマネーマーケット投資ワークフローです。別々の環境でキャッシュの可視性から調査、配分モデリング、実行へと手動で移動する代わりに、トレジャリーチームは、より接続された、承認可能なプロセスを進めることができます。TAIは関連する入力を収集し、ポリシーに準拠した行動方針を推奨し、より速く、より透明で、監査しやすい方法で実行をサポートします。
もう一つの例は、**Circle**とのステーブルコインベースのグループ間決済です。ここでは、TAIは、新しいデジタルレールを使用してエンティティ間で価値を移動するために必要なステップを、より高速に調整しながら、可視性、監視、コントロールを維持するのに役立ちます。重要なのは、決済レール自体だけではありません。切断された手動ステップを通じてではなく、ガバナンスされたトレジャリーワークフロー内で新しいレールを使用する能力です。
これらの例が重要なのは、非常に異なるユースケース全体で同じ原則が機能していることを示しているためです。目標が利回りの最適化であれ、より迅速な国境を越えた資金移動を可能にすることであれ、TAIはトレジャリーチームが、財務リーダーが必要とするコントロールを維持しながら、断片化された調整からシステム間の誘導された実行へ移行するのを支援します。人間による承認は不可欠です。監査証跡が組み込まれています。ガバナンスは事後的に追加されるのではなく、ワークフロー自体に組み込まれています。
これがCFOにとって意味すること
CFOにとって、これは重要です。なぜなら、プレッシャーは高まる一方だからです。市場は急速に動いています。決済チャネルは進化し続けています。流動性の決定はより即座の結果をもたらします。しかし、財務リーダーはガバナンスとスピードを交換することはできません。両方が必要です。透明性、ポリシーの遵守、監査と規制への準備を維持しながら、チームがより速く行動できるよう支援するシステムが必要です。
これがトレジャラーにとって意味すること
トレジャラーにとって、機会は同様に重要です。TAIは、Kyribaのお客様が既に依存している基盤を置き換えるものではありません。その基盤を拡張します。切断されたシステム間での調整に貴重な時間を費やす代わりに、チームはより統一された方法で作業し、AIを使用して調査、推奨事項、実行準備をサポートできます。その結果は、コントロールの低下ではありません。手動作業を減らした、より良いコントロールです。
信頼が差別化要因
トレジャリーにおけるAIは、明確な境界内で動作し、ガバナンスされたデータを使用し、説明可能なアクションをサポートし、最終決定に対して人々の責任を保つ場合にのみ価値を生み出します。これが財務リーダーが必要とするモデルであり、TAIがサポートするように設計されたモデルです。
トレジャリー人材のより良い活用
これが今重要である別の理由があります。トレジャリーチームは、管理する環境がより複雑になり続ける一方で、限られた人材でより多くのことを行うというプレッシャーにさらされています。この文脈において、AIは熟練した専門家を置き換えることではありません。反復的なタスクに費やす時間を減らし、流動性計画、リスク管理、リーダーシップサポートを含む戦略的作業により多くの時間を費やせるよう支援することです。目標は、自動化そのものではありません。トレジャリーチームがより高いレベルで業務を行えるよう支援することです。
Trusted to transform
TAIは、トレジャリー向けのAIが変革的である前に信頼できるものでなければならないという考えに基づいて構築されました。その機能を拡張するにつれて、この原則は変わりません。トレジャリーの未来は、単により速いワークフローではありません。ますます断片化された金融エコシステム全体で、より知的で、より接続され、よりガバナンス可能な実行です。
このビジョンを実際に見るには、KyribaLive 2026にご参加いただくか、最新の製品発表をご覧いただくか、Kyribaのアカウントチームにお問い合わせください。
Written By

Felix Grevy
SVP Platform, Data & AI
フェリックス・グレヴィはKyribaのSVP, Platform, Data & AIとして、プラットフォームエンジニアリング、データ、AI、先進アナリティクス全体のイノベーションを牽引しています。製品開発、プロダクトマネジメント、商務領域にまたがるフィンテックでの20年以上の経験を有し、2020年にKyribaへ入社してAPIおよび接続戦略を主導しました。以降、Trusted AI(TAI)ポートフォリオを含むKyribaのエージェンティックAI施策を主導し、LLMと予測分析を統合してガバナンスの行き届いたインテリジェンスをトレジャリー/ファイナンスのワークフローに直接組み込み、「ブラックボックス」を排し、顧客データで外部モデルを学習させない方針を徹底しています.

