AIの導入を加速し、予測精度を高める設計により、ビジネス・イノベーションと価値創出を推進
事前構築されたAI用の合成データセット
エージェントベースのモデル生成手法は、統計的な母集団レベルで行われるため、アクセスに数か月かかる可能性のある実際の原始データは必要ありません。データセットは人工的に生成されたものであり、実際のPIIや匿名化されたPIIを含まないため、データ・プライバシー規制に準拠しています。
IBM Synthetic Data Setsは、当社のエージェント・ベースのモデルに組み込まれた何年にもわたるカスタム・インプットとコードに基づいており、他の合成データ生成ツールでは実現できないものです。これらのデータセットは、他の合成データ生成ツールでデータを生成する際にしばしば課題となる、現実世界の複雑な関係性や制約を保持し、正確に反映しています。
グラウンド・トゥルースの学習データは、真実であると知られている情報に関する注釈を追加し、AIモデルの精度を向上させます。IBM Synthetic Data Setsには、各取引が詐欺やマネー・ロンダリングのラベル付けがされている、既知のグラウンド・トゥルースが含まれています。
参照整合性とは、異なるテーブル間の関係性を指し、その接続が意味的に正しく、正確で一貫性があり、最新であることを示します。参照整合性はIBM Synthetic Data Setsに見られますが、標準の合成データ生成ツールを使用して生成したデータではあまり見られません。
エージェントベースのモデル生成手法は、統計的な母集団レベルで行われるため、アクセスに数か月かかる可能性のある実際の原始データは必要ありません。データセットは人工的に生成されたものであり、実際のPIIや匿名化されたPIIを含まないため、データ・プライバシー規制に準拠しています。
IBM Synthetic Data Setsは、当社のエージェント・ベースのモデルに組み込まれた何年にもわたるカスタム・インプットとコードに基づいており、他の合成データ生成ツールでは実現できないものです。これらのデータセットは、他の合成データ生成ツールでデータを生成する際にしばしば課題となる、現実世界の複雑な関係性や制約を保持し、正確に反映しています。
グラウンド・トゥルースの学習データは、真実であると知られている情報に関する注釈を追加し、AIモデルの精度を向上させます。IBM Synthetic Data Setsには、各取引が詐欺やマネー・ロンダリングのラベル付けがされている、既知のグラウンド・トゥルースが含まれています。
参照整合性とは、異なるテーブル間の関係性を指し、その接続が意味的に正しく、正確で一貫性があり、最新であることを示します。参照整合性はIBM Synthetic Data Setsに見られますが、標準の合成データ生成ツールを使用して生成したデータではあまり見られません。
不正アクセス検知を正確に行うことで、顧客の満足度とロイヤルティを維持しながら、財務上の損失を最小限に抑えることができます。決済カード向けIBM Synthetic Data Setsは、ラベル付きトランザクション・データを提供することで、不正行為防止AIモデルを改善します。
コア・バンキングとマネーロンダリング対策用IBM Synthetic Data Setsは、実際の銀行データでは利用できないグローバルな現金の取引を含むラベル付きデータを提供します。これにより、より強力なマネーロンダリング対策モデルを構築し、リスクと誤検知を減らし、調査時間とコストを節約できます。
保険会社は実際の請求データを使用しますが、住宅保険向けのIBM Synthetic Data Setsには、さまざまな請求タイプと詐欺のケースをカバーする模擬的な「what-if」シナリオが追加されています。各請求には詐欺、検知状況、理由に関するラベルが付けられており、不正請求を検出するためのAIモデルのトレーニング、検証、改善に活用できる豊富なデータセットが提供されています。
