言語横断エンティティ照合：翻訳ギャップの解消

特に見逃しやすい不一致の中には、綴りの違いではなく、翻訳によるものがあります。セマンティックインテリジェンスにより、Babel Street Matchは、言語をまたいで組織を関連付けることができます。名称に音声、文字、文字列の類似性がない場合でも対応可能です。

簡単なクイズです。下記の二つの文字列は一致するでしょうか？

• 国有资产监督管理委员会
• State-Owned Assets Supervision and Administration Commission

目を凝らして見ても、発音してみても、音声アルゴリズムにかけても、正直な答えは「いいえ」です。共通する文字も、音素もありません。従来のあいまい照合エンジンが一致と判定する要素は何もありません。しかし、実際には一致しています。同じ組織を、相互連携を想定して設計されていない2つの異なるシステムが、それぞれ異なる言語で記述しているだけなのです。

これは、分析担当者が何時間も地道に取り組む、目立たない問題です。つまり、同一のエンティティが異なる2つの文字体系で明示されているという問題です。

Babel Streetは、それを見つけ出す能力を大幅に向上させました。

誰も手作業で追跡したくない言語横断型の本人照合問題

制裁スクリーニングの処理待ち案件に対応した経験、実質的所有者を調査した経験、あるいは中国で登記された子会社を含むサプライチェーンの複雑な関係を解明しようとした経験があれば、よくある問題だと分かるはずです。名称の音訳には一貫性がありません。あるデータセットでは英語の商号、別のデータセットでは中国語の正式な登記名で同じ事業体が記載されます。文字単位では一致せず、発音も似ていません。照合の基準は音声ではなく意味だからです。これは転写ではなく翻訳です。

従来の名前照合アルゴリズム（音声アルゴリズム、音訳テーブル、文字列類似度、ファジーロジックによる名前照合など）は、同じ名前の表記揺れを検出する点では非常に優れています。しかし、見た目が異なっていても意味が同じ名前を検出するようには設計されていません。その結果、スクリーニングの不備や照合漏れ、単に発音が似ている組織名同士の誤検知が生じ、その判別に何時間もの手作業による確認が必要になります。

組織がアイデンティティ・リスク・インテリジェンスへの投資を拡大する中、複数の言語、地域、データソースを横断してグローバルに照合可能なエンティティは、リスクを包括的に把握するための基盤となります。

言語横断エンティティ照合のためのセマンティックインテリジェンス

ここからが注目すべき点です。Babel Street Matchはすでに、20以上の言語と文字体系にわたり、音声、翻字、多言語での名前照合に対応しています。さらに今回、新たなインテリジェンス層として、AIで強化された言語横断照合を追加しました。まずは中国語と英語の組織名ペアから対応します。

内部では、ローカル環境に導入された小規模言語モデルが組織名を構成要素に分解し、各要素の言語間の関連性を評価します。異なる2つの言語で表記された同一の省庁、機関、委員会なのか。類似していても、一致と判定すべきではないのか。このモデルは、既存の一致スコアに追加のシグナルを重ね、従来の優れた照合機能を補完します。

既存の要素が置き換えられたり、取り除かれたりすることはありません。すべてのMatch導入環境と同様に、既存のワークフロー、スコアリングロジック、統合機能はそのまま維持され、引き続き機能します。このセマンティックマッチング機能は、レジリエンスをさらに強化する付加的なエンリッチメントです。

Babel Street Matchによる言語をまたぐ（多言語）エンティティ照合方法 

• 従来の手法では見逃される同一対象を検出。 音声的にも文字的にも共通点がない、意味的に同一の組織名も、より強力なエンティティ照合によって関連付けられ、見逃しを防止します。
• 名前を一塊ではなく、構成要素として読み取ります。 モデルは名前を意味のある部分に分解し、それぞれがどのように寄与するかを評価します。つまり、文字列全体のパターンを照合するだけでなく、その構造を推論します。
• 音声的特徴も引き続き認識。 新たな意味解析レイヤーに加え、翻字表記や異なる文字体系間の表記揺れも引き続き識別します。
• 照合すべきでない場合を判断。 所在地、管轄区域、部門が一致しない場合は、それに応じて信頼度が低下します。これは、単に結果を増やすのではなく、誤検知を減らすための設計です。
• 組織内にとどまります。 モデルはローカル環境で稼働します。機密性の高い氏名データが組織の環境外に出ることはありません。スクリーニングツールにインターネット接続が必要な理由をセキュリティチームに説明した経験がある担当者にとって、これは重要なポイントです。

言語横断（多言語）エンティティ照合が真に重要となる場面

この業務に日々携わる人にとって、ユースケースは明確です：

• 制裁・輸出管理スクリーニング — ウォッチリストと貿易記録を横断し、通常では照合できない中国語と英語の名称を検出します。
• AMLおよび実質的支配者の調査 — 複数の法域や所有階層をまたいで、翻訳された名称で再び現れる法人を追跡します。
• 法執行機関およびインテリジェンス業務 — 文字列の類似性だけでは照合できなかった捜査記録間で、同一組織を関連付けます。
• サプライチェーンと第三者リスク — データの欠落ではなく翻訳の隔たりによって見えなくなっていた、未開示のベンダーまたはサプライヤーとの関係を明らかにします。
• 不正検知— 言語が異なっても意味的に同等の名称で活動するエンティティを関連付け、不正グループ、重複アカウント、繰り返し請求、過去にフラグが付けられた関係者の特定を支援します。
• 保険引受と保険金請求 — リスクを引き受ける前、または保険金を支払う前に、名前の表記揺れを特定し、過去の保険金請求、未開示の関係、重複する所有関係を明らかにします。

AIを活用した本人特定の全体像

これは、話題性を狙って照合エンジンに後付けしたアドオンやチャットボットではありません。互いに正しい翻訳でありながら、見た目がまったく異なる名前と、その違いによって生じる偽陰性や煩雑な手作業という、具体的かつ広く認識されている課題に的を絞った解決策です。さらに重要なのは、言語横断エンティティ照合により、組織がスクリーニング、調査、リスク判断で使用する本人情報への信頼性を高められることです。既存のワークフローを支援するため、限定された領域にAIを適用しています。率直に言えば、これはAIの活用法として最も地味でありながら、業務を改善するうえで最も有用な方法です。

中国語と英語の組み合わせは出発点にすぎません。このアーキテクチャは、他の言語ペアにも拡張できるよう設計されています。関心対象のエンティティがデータとは異なる言語を使用している場合、今後注目すべき方向性です。