何を自動化したのか
AWSが公開したのは、金融サービスで最も労力のかかる業務の一つであるマネーロンダリング対策（AML）の警告選別（alert triage）を自動化するワークフローの構築手順である。Amazon Quick Flows と Snowflake Cortex を、Amazon Quick の Model Context Protocol（MCP）連携で接続する構成が示された。AWS公式ブログは以下のように述べている。
In our testing environment, automated workflows built using Amazon Quick reduced alert investigation time from 30-90 minutes to under 5 minutes. Actual results may vary based on alert complexity and data volume.
テスト環境という限定付きながら、調査時間を30-90分から5分未満へ短縮したと明記している点が、この記事の核となる数値である。
設計の勘所と落とし穴
この構成の特徴は、Snowflakeに蓄積された取引データを移動させずに、MCP経由でAmazon Quick側の生成AIワークフローから参照・推論できる点にある。データ基盤と生成AIの間を標準プロトコルで疎結合にする設計は、機密性の高い金融データを扱うAMLにおいて重要な意味を持つ。
ただし注意したいのは、AWS自身が「結果は警告の複雑さとデータ量で変動する」と明示している点だ。5分未満という数値は条件付きであり、自社の警告データが多様な構造を持つ場合、同じ短縮率は再現されない。AMLは規制業務であるため、自動化しても判断根拠の記録と監査証跡は残さなければならず、一次選別の自動化後も人間による例外判断・最終レビューの設計が前提となる。導入を考える際は、時間短縮だけでなく誤検知の扱いとレビュー工程の再設計をセットで評価する必要がある。
