信頼性の高い LSEG の AI 対応コンテンツとモデル・コンテキスト・プロトコル (MCP) で、金融サービス分野における AI の活用を拡大する

金融サービス業界は今、変革の途上にあります。AI が従来のワークフローや API 駆動型ソフトウェアに組み込まれ、人間がチャット型 AI システムやエージェント・ベースの AI システムとシームレスに連携しながら業務を進めるようになっています。

生成 AI モデルやエージェントベースのシステムは、金融ワークフローにおけるデータと分析の活用方法を大きく変えつつあります。AI はもはや単に API を呼び出すだけではなく、それを用いて推論を行い、データや計算をツールとして活用しながら、自らの行動を形成し、状況に適応しながら複雑な目標を反復的に追求するようになっています。

この変革を成功に導くには、データの深さ、広がり、品質、アクセスのしやすさが不可欠となります。LSEG は、33 ペタバイトに及ぶ数十年分の膨大かつ比類のないデータを基盤に、AI 対応コンテンツを他社に先駆けて開発し、モデル・コンテキスト・プロトコル (MCP) などのオープン・スタンダードを通じて提供しています。

AI の進歩は目覚ましいものがありますが、AI の活用を金融サービス業界全体に拡大していくには、次のようないくつかの課題があります。

• 金融分野特有のコンテキスト: 大規模言語モデル (LLM) は、さまざまなアセットクラスごとに異なる専門用語やデータ構造を正確に解釈するのが困難です
• 正確な計算: 金融関連の計算には、高い精度と正確性が求められ、確率的な近似やパターン・マッチングでは不十分です
• ガバナンスと権利: データ利用にあたっては、利用権限と権利を尊重することが不可欠で、データの出所や履歴（プロヴェナンスとリネージ）による裏付けが必要です
  

LSEG の AI 対応コンテンツは、こうした課題に正面から取り組み、セマンティック・データ・モデル、決定論的な計算、スケーラブルなデータ・リネージ、堅牢な権利管理を備えた金融データを提供しています。LSEG は、MCP をはじめとするツールを活用し、LSEGが保有する33ペタバイトにおよぶ膨大なマルチアセットデータへの一貫性のあるスケーラブルなアクセスを実現しています。このデータには、構造化データと非構造化データの両方が含まれ、プライベート市場とパブリック市場を網羅し、日中の取引データから数十年にわたる履歴までが含まれます。LSEG の AI 対応コンテンツと MCP サーバーは、お客様が適切な権利と権限のもと、安全に独自の AI ソリューションを構築し、迅速に市場投入するための不可欠な要素です。

LLM が金融分野で効果的な推論を行うためには、債券や株式、インデックス、プライベート市場など、さまざまなアセットクラスにまたがる専門用語に関する文脈的な基盤が必要です。

LSEG のセマンティック・モデルは、例えば次のような要素を定義することで、そうした基盤を提供します。

• エンティティと識別子: 発行体、商品、べニュー、ベンチマーク、カーブ
• 関係と階層: 親子関係、コーポレート・アクション、マッピング、プライシングにおけるリスク指標
• 時間のセマンティクス: ポイント・イン・タイム・ビュー、有効日、修正フラグ、バージョン管理
• 金融コンテキストの属性: 注釈、ユニット、カレンダー、マーケット・コンベンション、クォート・タイプ

例えば、「USD 3M SOFR」という属性値は、通貨、レート・タイプ、テナーをコード化しており、コンベンションやカレンダーを示唆します。

こうした共通のセマンティック・モデルにより、曖昧さが排除され、デスク、システム、AI モデル間であらゆるクエリや計算が同じ意味を持つようになります。

金融関連の計算には、正確性、精度、監査可能性、再現可能性が求められます。しかし、現在の LLM は、パターンマッチングに基づく確率的な手法で計算を行っており、これらの要件を満たすことが困難です。LSEG はこの課題に対処するために、独自の決定論的な計算機能へのアクセスを組み合わせています。LSEG の AI 対応コンテンツは、さまざまな金融ワークフローにおいて、明確な入出力と埋め込みメタデータを備えており、LSEG のみならず、ユーザーが定義した派生値の計算にも対応しています。これにより、次のような多様な機能が可能になりました。

• 決定論的アルゴリズムと固定されたコンベンション (社債のプライシングなど)
  
• 検証とデフォルト値付きの型付きパラメーター (さまざまなタイプの仕組み商品の支払いスキームなど)
  
• 来歴付きの構造化された出力 (フォワード取引の価格算出に使用される金利カーブの情報など)
  

LSEG の AI 対応コンテンツは、推論と厳密性のギャップを埋め、AI が回答作成時に金融的に正確なデータを使用できるようにします。

金融サービス業界における AI は、トレーサビリティー、再現性、そして大規模な運用においても監査可能であることが求められます。LSEG は、AI 対応コンテンツに対して次のような管理機能を提供しています。

• 既存のライセンシングとコンテンツの権限に関する SLA、および低遅延、再試行などを実現するためのレジリエンス
  
• データの追跡とリネージ
  
• データ・メータリングとデータ使用状況のモニタリング
  

LSEG の AI 対応コンテンツでは、LLM によるデータの使用が特定可能で、使用量が測定され、データに関する権利に準拠しています。これによりユーザーは、どのデータが、どのような文脈で、どこで使用されるかを管理できます。

MCP は LSEG の AI 統合戦略の重要な要素です。ユーザーは、LSEG が管理する MCP サーバーを通じて、一貫性のある構造化されたインターフェースから、LSEG の豊富なコンテンツすべてにアクセスできます。LSEG が管理する決定論的データにより、安全でスケーラブルかつ説明可能な AI が可能になります。

オープン・スタンダードとして先駆的に開発された MCP は、AI モデルがエンタープライズ API やデータ・ソースを用いて発見、呼び出し、推論を行うための手段です。このエージェントや LLM 向けのオープン・インターフェースにより、さまざまなプラットフォームやプロバイダー間で一貫した体験が可能になります。LSEG は今後登場するオープン・スタンダードも継続的にサポートしていきます。

• 債券の分析: 「この債券のプライシングを行い、25 ベーシス・ポイント変動した場合の DV01 を表示してください。」このプロンプトに対して、MCP サーバーはタームシート、コンベンション、カーブを決定し、記帳可能な決定論的な結果を返します。
• マクロ経済データ: 「今日の CPI 公表値はコンセンサス予想値と比べてどうでしたか。」このプロンプトに対して、MCP サーバーは修正フラグやタイム・ゾーン、データの鮮度を処理し、モデルが結果を解釈します。
• 業績予想と実績: 「ACME の第 2 四半期の利益率予想と最近の修正の概要を教えてください。」このプロンプトに対して、MCP サーバーは、発行体の正規化、権限の付与、元情報であるアナリストのレポートへのリンク作成を行います。
• 日中価格: 「保有する上位 10 銘柄の社債について、前日の値動きの概要と、その要因を教えてください。」このプロンプトに対して、MCP サーバーは銘柄の正規化を行い、優先順位を検証し、クリーンかつ出所の明確なデータを返します。

これらの活用事例は、エージェントと人間が LSEG の AI 対応コンテンツを利用することで、オペレーションの非効率性を低減し、ガバナンスを強化し、インサイトを引き出すまでの時間を大幅に短縮できることを示しています。

LSEG のデータの広範さと詳細さは他に類を見ません。1,900 万の債券、 130 万のインデックス、年間 1,400 億の 店頭取引（OTC）の ティックデータ、1 日平均 2,200 億件のマーケットデータの更新情報を提供しています。さらに LSEG は、2,700 万社の非上場企業のデータを提供し、1 日 25 万件の業績予想修正、年間 370 万件の企業イベント、年間 6,500 万件を超える企業開示情報と約 9 万件の M&A 取引情報を扱っており、過去 50 年分の履歴をカバーしています。この広範な構造化および非構造化データからなる情報は、信頼性の高いデータを提供するという LSEG の揺るぎない姿勢によって支えられています。

この AI 対応コンテンツは、インサイトの獲得を加速し、曖昧さを排除し、再現性を高めます。MCP は、標準化され、ガバナンスが効き、相互運用可能な AI とデータの連携を可能とすることで、こうした利点をさらに拡げます。LSEG が管理する MCP サーバーは、安全で信頼性が高く、常に最新の金融インテリジェンスを支える基盤となっています。

ユーザーは、LSEG データの使用に関する権利と義務を規定した、該当する LSEG データのライセンス契約をご参照ください。