JPXが取引システムの運用監視にAIを本格導入
日本取引所グループ（JPX）と日立製作所は、2026年10月から、国内金融市場の取引システムを監視する業務に「JP1 Cloud Service 生成 AI アシスタント」を本格適用した。導入先は、株式やデリバティブ取引を担う40以上のシステムを集中監視する現場だ。
主な用途は、アラート発生時に実施すべき対処手順の候補を絞り込み、オペレーターの初動判断を支援することにある。
導入の背景：初動判断の属人化
企業のITインフラが高度化・大規模化すると、監視対象となるアラートの量と種類も増える。過去の障害事例や手順書を蓄積していても、目の前のアラートに合う手順を膨大な資料から即座に探す作業は、熟練者の経験に依存しやすい。
記事では、こうした属人化が対応品質のばらつきや、特定担当者への負荷集中を招く要因として説明されている。
使用ツールと具体的な使い方
JP1 Cloud Service 生成 AI アシスタント
- 入力に利用する情報：JPXが対象システムで蓄積した1万件以上のインシデント事例と対処手順
- 利用場面：取引システムでアラートが発生した直後
- 主な機能：アラートに対応する対処手順の候補を絞り込む
- 確認支援：回答の判断根拠をオペレーターへ提示する
- 誤回答対策：誤りを防ぐプロンプト補助機能を組み込む
AIが単独で障害対応を完結するのではなく、オペレーターが初動対応を選ぶ際の判断材料を提供する構成である。
97％以上の判断精度を実現した検証方法
JPXと日立は実運用を想定したPoCで、AIによる判断精度97％以上を達成した。精度向上のため、次のような検証を実施している。
- 1万件以上のインシデント事例と対処手順を学習データに利用する
- アラート発生を想定した約1600件のテストケースを用意する
- AIが対処手順の候補を絞り込む結果を検証・評価する
- 評価結果を基に改良を繰り返す
- 判断根拠の提示機能とプロンプト補助機能を追加する
ミッションクリティカルなシステムでは、不正確な回答やハルシネーションが導入上の障壁になる。今回の取り組みでは、蓄積済みデータと多数のテストケースを使った反復検証によって、そのリスクへの対策を進めた。
導入の狙い
導入目的は、熟練者に委ねられていた対処手順の選定を平準化し、オペレーターによる迅速で的確な初動対応を支援することだ。関連手順と判断根拠を提示することで、着任から日が浅い担当者でも安定した品質で対応できる体制を目指している。
また、ドキュメントを探す負荷や熟練者へのエスカレーション集中を抑え、人員構成の変化に左右されにくい運用体制の構築も狙いに含まれる。
記事から確認できる実務上の要点
事実として確認できる点は、既存のインシデント履歴と対処手順をAIの学習データとして利用し、実運用を想定したテストと改良を重ねていることだ。さらに、回答だけでなく判断根拠も提示し、人が確認できる設計を採用している。
記事の主張として示されている点は、過去のマニュアルや障害履歴をAIの判断支援に使えるデータとして再定義することが、持続可能なIT運用の鍵になるという見方である。
