論文の概要: Co-Investigator AI: The Rise of Agentic AI for Smarter, Trustworthy AML Compliance Narratives

• arxiv url: http://arxiv.org/abs/2509.08380v1
• Date: Wed, 10 Sep 2025 08:16:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-11 15:16:52.355023
• Title: Co-Investigator AI: The Rise of Agentic AI for Smarter, Trustworthy AML Compliance Narratives
• Title（参考訳）: 共同投資AI: より賢く信頼できるAMLコンプライアンスナラティブのためのエージェントAIの台頭
• Authors: Prathamesh Vasudeo Naik, Naresh Kumar Dintakurthi, Zhanghao Hu, Yue Wang, Robby Qiu,
• Abstract要約: Co-Investigator AIは、SAR(Suspicious Activity Reports)の作成に最適化されたエージェントフレームワークであり、従来の方法よりも大幅に高速で精度が高い。 我々は、SARの草案作成を効率化し、物語を規制上の期待と一致させ、コンプライアンスチームが高次の分析作業に集中できるようにする能力を示します。
• 参考スコア（独自算出の注目度）: 2.7295959384567356
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating regulatorily compliant Suspicious Activity Report (SAR) remains a high-cost, low-scalability bottleneck in Anti-Money Laundering (AML) workflows. While large language models (LLMs) offer promising fluency, they suffer from factual hallucination, limited crime typology alignment, and poor explainability -- posing unacceptable risks in compliance-critical domains. This paper introduces Co-Investigator AI, an agentic framework optimized to produce Suspicious Activity Reports (SARs) significantly faster and with greater accuracy than traditional methods. Drawing inspiration from recent advances in autonomous agent architectures, such as the AI Co-Scientist, our approach integrates specialized agents for planning, crime type detection, external intelligence gathering, and compliance validation. The system features dynamic memory management, an AI-Privacy Guard layer for sensitive data handling, and a real-time validation agent employing the Agent-as-a-Judge paradigm to ensure continuous narrative quality assurance. Human investigators remain firmly in the loop, empowered to review and refine drafts in a collaborative workflow that blends AI efficiency with domain expertise. We demonstrate the versatility of Co-Investigator AI across a range of complex financial crime scenarios, highlighting its ability to streamline SAR drafting, align narratives with regulatory expectations, and enable compliance teams to focus on higher-order analytical work. This approach marks the beginning of a new era in compliance reporting -- bringing the transformative benefits of AI agents to the core of regulatory processes and paving the way for scalable, reliable, and transparent SAR generation.
• Abstract（参考訳）: 規制に準拠したSuspicious Activity Report(SAR)の生成は、アンチモニー洗浄(AML)ワークフローにおいて、高コストで低スケール性なボトルネックのままである。 大きな言語モデル(LLM)は、有望な流布を提供するが、それらは事実の幻覚、犯罪の類型化の制限、説明責任の低下に悩まされており、コンプライアンスクリティカルなドメインでは受け入れ難いリスクを生じさせている。 本稿では,SAR(Suspicious Activity Reports)の生成に最適化されたエージェントフレームワークであるCo-Investigator AIを紹介する。 AIコサイディストのような最近の自律エージェントアーキテクチャの進歩から着想を得た私たちのアプローチは、計画、犯罪タイプ検出、外部インテリジェンス収集、コンプライアンス検証のための特殊なエージェントを統合する。 このシステムは、動的メモリ管理、センシティブなデータハンドリングのためのAI-Privacy Guardレイヤ、そして、Agent-as-a-Judgeパラダイムを用いたリアルタイム検証エージェントを備え、継続的な物語品質保証を保証する。 人間の調査員は、AI効率とドメインの専門知識を融合した共同ワークフローで、ドラフトをレビューし、洗練する権限を与えられる。 我々は、SARの草案作成を効率化し、物語を規制上の期待と一致させ、コンプライアンスチームが高次の分析作業に集中できるようにする、さまざまな複雑な金融犯罪シナリオにおける共同調査AIの汎用性を実証する。 このアプローチは、コンプライアンスレポートの新時代の始まりであり、規制プロセスのコアにAIエージェントの変革的なメリットをもたらし、スケーラブルで信頼性があり透明なSAR生成の道を開く。

関連論文リスト

• Graphs Meet AI Agents: Taxonomy, Progress, and Future Opportunities [117.49715661395294]
  データ構造化は、複雑で非組織的なデータをよく構造化された形式に変換することで、有望な役割を果たす。 この調査では、グラフがAIエージェントにどのように権限を与えるかを、初めて体系的にレビューする。
  論文  参考訳（メタデータ） (2025-06-22T12:59:12Z)
• TRiSM for Agentic AI: A Review of Trust, Risk, and Security Management in LLM-based Agentic Multi-Agent Systems [2.462408812529728]
  本総説では, LLMに基づくエージェントマルチエージェントシステム (AMAS) の文脈における, textbfTrust, Risk, and Security Management (TRiSM) の構造解析について述べる。 まず、エージェントAIの概念的基礎を調べ、従来のAIエージェントとアーキテクチャ的区別を強調します。 次に、説明可能性、モデルOps、セキュリティ、プライバシ、ガバナンスの4つの主要な柱を中心に構成された、エージェントAIのためのAI TRiSMフレームワークを適応して拡張します。
  論文  参考訳（メタデータ） (2025-06-04T16:26:11Z)
• The Cost of Dynamic Reasoning: Demystifying AI Agents and Test-Time Scaling from an AI Infrastructure Perspective [3.0868637098088403]
  大規模言語モデル(LLM)ベースのAIエージェントは最近、動的推論を採用することで、印象的な汎用性を示した。 本稿では,AIエージェントを包括的に分析し,リソース使用量,遅延動作,エネルギー消費,テストタイムスケーリング戦略を定量化する。 その結果,エージェントは計算量の増加によって精度が向上する一方で,急速に低下するリターン,レイテンシのばらつきの拡大,持続不可能なインフラストラクチャコストに悩まされていることがわかった。
  論文  参考訳（メタデータ） (2025-06-04T14:37:54Z)
• The Real Barrier to LLM Agent Usability is Agentic ROI [110.31127571114635]
  大規模言語モデル(LLM)エージェントは、人間とAIの相互作用において有望な変化を示す。 我々は、需要の高いマスマーケットアプリケーションにおいて、重要なユーザビリティギャップを強調します。
  論文  参考訳（メタデータ） (2025-05-23T11:40:58Z)
• From Glue-Code to Protocols: A Critical Analysis of A2A and MCP Integration for Scalable Agent Systems [0.8909482883800253]
  エージェント間通信のためのGoogleのエージェント・トゥ・エージェント(A2A)プロトコルと標準化されたツールアクセスのためのAnthropicのモデルコンテキストプロトコル(MCP)の2つのオープンスタンダードは、断片化されたカスタム統合アプローチの制限を克服することを約束している。 本稿では, A2A と MCP を効果的に統合することは, 交差点に固有の, 創発的な課題をもたらすことを主張する。
  論文  参考訳（メタデータ） (2025-05-06T16:40:39Z)
• Do LLMs trust AI regulation? Emerging behaviour of game-theoretic LLM agents [61.132523071109354]
  本稿では、異なる規制シナリオ下での戦略選択をモデル化する、AI開発者、規制当局、ユーザ間の相互作用について検討する。 我々の研究は、純粋なゲーム理論エージェントよりも「悲観的」な姿勢を採用する傾向にある戦略的AIエージェントの出現する振る舞いを特定する。
  論文  参考訳（メタデータ） (2025-04-11T15:41:21Z)
• Agentic Business Process Management: Practitioner Perspectives on Agent Governance in Business Processes [0.7270112855088837]
  生成AIの台頭に伴い、ソフトウェアエージェントへの産業的関心が高まりつつある。 本稿では,組織がAIエージェントを効果的に管理する方法を検討する。 AIエージェントの採用に責任を負う6つの重要な推奨事項を概説している。
  論文  参考訳（メタデータ） (2025-03-23T20:15:24Z)
• SOPBench: Evaluating Language Agents at Following Standard Operating Procedures and Constraints [59.645885492637845]
  SOPBenchは、各サービス固有のSOPコードプログラムを実行可能な関数の有向グラフに変換する評価パイプラインである。 提案手法では,各サービス固有のSOPコードプログラムを実行可能関数の有向グラフに変換し,自然言語SOP記述に基づいてこれらの関数を呼び出しなければならない。 我々は18の先行モデルを評価し、上位モデルでさえタスクが困難であることを示す。
  論文  参考訳（メタデータ） (2025-03-11T17:53:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。