Pepperstone が AWS の機械学習を利用して、シームレスでグローバルな取引エクスペリエンスを実現

オンラインブローカーを選ぶ際には、信頼性とカスタマーサービスが重要な基準となります。長い歴史と複数の規制上のライセンスを持つ取引プラットフォームが安全な選択肢として考慮される傾向にあります。2021 年の Broker Awards において、DayTrading.com は、主にその世界的な事業展開と「極めて高い信頼性のプラットフォーム」であることを理由に、Pepperstone を Best Forex Broker に選定しました。 Pepperstone は、メルボルンに拠点を置く外国為替 (FX) および証券のオンライン取引プラットフォームで、月間 40,000 人を超えるユニークビジターがいます。

2010 年の設立以来、Pepperstone は Amazon Web Services (AWS) クラウドを利用してきました。「AWS は、頻繁にイノベーションしており、柔軟ですぐに利用できるソリューションを提供しているため、当社がより効率的に事業運営するのに役立ちます」と Pepperstone の最高マーケティング責任者である Tony Gruebner 氏は述べています。コンテナ化と、Amazon Elastic Kubernetes Service (Amazon EKS) などのすぐに使えるマネージドサービスの利用は、顧客ベースを急速に拡大し、サービスを安全にスケールする Pepperstone の能力にとって不可欠であり続けてきました。2020 年だけでも、Pepperstone は 20～30% の成長を遂げました。

Amazon EKS を利用することで、Pepperstone はあらゆる環境でオペレーションを標準化し、新しい国に事業を拡大する際に、オートメーションを活用して一貫したマルチリージョンデプロイを実現できます。Pepperstone は 2020 年、これまでオーストラリアと英国で保有していた 2 つのライセンスに加えて、ドバイ金融サービス局などの機関から新たに 5 つの規制上のライセンスを取得しました。同社がより広く規制を満たすようになったことで、アフリカや欧州などの新たな地域が開拓につながりました。

機械学習 (ML) と人工知能 (AI) は、Pepperstone の技術スタックにおけるコアテクノロジーです。同社は 4 か国にまたがる 70 名の IT チームに加えて、ML モデルの開発を専門とするデータサイエンスチームをメルボルンに擁しています。当初、データサイエンティストは AWS 上で実行する独自のアルゴリズムを開発しました。その後、ML モデルの作成とデプロイを自動化するために、2019 年に AWS Fargate を利用して Amazon SageMaker に切り替えました。

モデルのトレーニングのために Amazon SageMaker に切り替えたとき、Pepperstone のデータサイエンスチームは、問題なくツールをワークフローに適応させることができました。「新しい AI または ML ツールの学習曲線は通常非常に急ですが、当社は Amazon SageMaker の利用をすぐに開始することができました。AWS 環境内でホスト、トレーニング、デプロイすることで、初日から多くの時間を節約できました」と Pepperstone のリードデータサイエンティストである Samuel Ellett 氏は述べています。ML モデルのトレーニングに必要な時間は、ローカルマシンでは 180 時間だったのが、Amazon SageMaker では 4.3 時間に短縮されました。

新しい規制上のライセンスを取得するために、Pepperstone は、プラットフォームに参加するトレーダーをスクリーニングするための厳格な本人確認 (KYC) プロセスを設けていることを証明する必要がありました。Amazon SageMaker を実装する前は、ドキュメントレビュープロセスの多くは手動で行われていました。従業員はパスポート画像などの提出された書類が本物であるかどうかを個人的にチェックしていました。クライアントのオンボーディングに何時間も費やしたものの、数日後には本人ではなかったことが判明するということもよくありました。

現在、Pepperstone は、Amazon SageMaker に不正検出モデルをデプロイすることで、新規顧客がドキュメントをアップロードしたその日に潜在的な不正行為を認識できるようになりました。データサイエンティストは、提出されたドキュメントを、Amazon Simple Storage Service (Amazon S3) データレイクに保存されている何百万もの画像 (世界中の一般的な身分証明書の本物の画像と改ざんされた画像の両方を含む) と比較するように ML モデルをトレーニングしました。

その後、システムは、提出されたドキュメント内の違法な改ざんの可能性を明らかにするパーセンテージとともに、各潜在顧客にスコアを割り当てます。オンボーディングチームは結果を受け取り、フラグが立てられた提出内容をフォローアップして追加の本人確認書類を要求します。これにより、チームの意思決定プロセスが改善され、手動の本人確認の処理にかかる時間が削減されます。

時間の節約に加えて、Amazon SageMaker が提供する詳細レベルと正確性レベルは、人間が達成できるレベルをはるかに上回ります。「人間が 300 万件のドキュメントを比較することは不可能だったでしょう。また、多くの場合、不正行為の要素は非常にわずかであるため、人間の目で検出するのは非常に困難です」と Ellett 氏は述べています。 

オンボーディングプロセスの高速化は、新規顧客にもメリットをもたらします。オンライン取引プラットフォーム間の競争は激しく、トレーダーは特定のプラットフォームだけを利用するわけではありません。そのため、Pepperstone に対する信頼を確立するには、シームレスなオンボーディングプロセスが重要です。「ML によるオンボーディングの自動化は、運用面で役立つだけでなく、よりシームレスなプロセスを生み出すことにも役立ちました。このようなプロセスは、カスタマーエクスペリエンスを大幅に改善してくれます。当社の目標は取引を楽しめるものにすることであり、その一環として不必要な遅延や参入障壁を回避する必要があります」と Gruebner 氏は説明します。

また、Pepperstone は、Amazon SageMaker で生成された ML モデルを使用して、営業チームによるリードの評価とコンバージョンをサポートしています。各顧客をプラットフォームにオンボーディングする際にスコアを割り当てることで、営業チームはカスタマーサービスの取り組みに関するターゲットを設定できます。Pepperstone のサイトの閲覧中に顧客データが蓄積されるのに伴って、スコアはリアルタイムで更新されます。これは、営業チームがワークロードをより適切に管理し、オンラインブローカー市場で自社を差別化するオーダーメイドレベルのサービスを提供するのに役立ちます。「Amazon SageMaker は、データサイエンスパイプライン全体が可能な限り統合し、自動化されるようにして、必要なタイミングで必要な場所にデータをプッシュできるようにするすばらしいツールです」と Gruebner 氏は付け加えます。

Amazon SageMaker ですぐに使える機能を使用できるようになったことで、Pepperstone のデータサイエンスチームは、多忙な DevOps エンジニアに付きっきりでいる必要がなくなりました。データエンジニアは依然として Amazon SageMaker でのサンドボックス環境の設定を DevOps チームに依頼していますが、それが完了すれば、自身で概念実証を実行できます。「当社は、データチームと DevOps チームの間において、リソースの使用で生じる衝突を効果的に解決しました。Amazon SageMaker のおかげで、迅速に構築し、仮説をテストし、その後すぐに終わらせることが容易になり、コストを低く抑えることができるようになりました。そのため、当社ではより多くの実験を行っています」と Ellett 氏は結論付けています。

 詳細については、aws.amazon.com/machine-learning および aws.amazon.com/startups にアクセスしてください。