8月18日、Google Cloudが「Building operational resilience with agentic AI in financial services」と題した記事を公開した。Deutsche BankがGoogle CloudのエージェントAIを活用し、本番インシデントから得た知見を自動的に次の障害訓練へ反映する「自己強化型」のレジリエンス基盤を構築した事例を詳細に紹介している。

従来、金融機関の障害訓練（タブトップ演習）は人手で設計・実施され、本番障害との知識循環は属人的なプロセスに依存してきた。Deutsche Bankが構築したプラットフォームはこの断絶を解消する——本番インシデントで得られたRCA（根本原因分析）の知見が、AIによって次の演習シナリオへと自動的に織り込まれ、演習結果がまたプレイブックを更新する。このフィードバックループこそが、同プラットフォームの最大の訴求点である。

Deutsche BankがエージェントAIで「レジリエンス・テスト」を自動化

金融機関における運用レジリエンスとは、障害・インシデント発生時でも業務継続できる能力を指す。EUのDORA（デジタル運用レジリエンス法）をはじめとする規制フレームワークは近年厳格化しており、銀行は定期的なレジリエンス・テストと、それを証明する監査対応可能なエビデンスの提出を求められるようになっている。

Deutsche Bankが構築したのは、この要件をAIで対処するプラットフォームだ。中核となるのは「タブトップ演習（tabletop exercise）」の自動生成——実際のシステム構成や業務コンテキストを入力として、AIが障害シナリオを動的に生成し、対応・エスカレーション・復旧の訓練セッションを構造化する仕組みである。

Deutsche BankのManaging Director、Global Head of Surveillance Technology & Compliance Cloud & AI Transformation LeadであるSanjay Tripathi氏はこう述べている。

「動的に生成されたシナリオを実際のビジネスコンテキストと連携させ、ガバナンス付きオーケストレーションと適応的な分析を組み合わせることで、継続的に適応できる運用レジリエンスモデルを実現した」

アーキテクチャの要点：ガバナンスと適応性の分離

このプラットフォームの設計上の特徴は、「governed execution（統制された実行）」と「adaptive investigation（適応的な調査）」をアーキテクチャとして分離しながら、共通のインテリジェンス層を共有する点にある。

直感的に説明すると、「governed execution」は監査ログの生成やエビデンスの記録など、規制要件への対応として再現性・追跡可能性が求められる処理を担う領域だ。一方「adaptive investigation」は、本番インシデント発生時に未知の障害パターンを動的に分析したり、システム変化に応じてシナリオを柔軟に組み替えたりする、探索的・適応的な処理を担う。両者を明示的に分離することで、コンプライアンス上の厳格なコントロールを維持しながら、AIの柔軟な推論能力を活用できる設計になっている。

※編集部の考察：この分離は、金融規制上の「説明可能性・監査可能性」と、AIエージェントの「自律的な推論」を両立させるための設計判断と読める。規制産業でエージェントAIを本番運用する際の典型的なアーキテクチャパターンになる可能性がある。

同じエージェントとツールが、システムアーキテクチャ図・データフロー図・ログ・コード成果物を横断的に推論できる。これにより、タブトップ演習の生成と実際のインシデント分析の両方で、一貫したレジリエンスモデルが維持される。

Google Cloudのスタック構成

プラットフォームを支えるGoogle Cloudサービスは以下の通り：

• **Cloud Run**：シナリオ生成・エビデンス生成サービスのエラスティックな実行を担う
• Gemini Enterprise Agent Platform：運用コンテキストを構造化されたレジリエンスシナリオに変換する（※正式なドキュメントURLは元記事およびGoogle Cloud公式サイトにて要確認）
• Google ADK（Agent Development Kit）：エージェント間の適応的な協調を実現する（※ADKの詳細はGoogle Cloud ADK公式ドキュメントにて確認されたい）
• **Cloud SQL**：シナリオ・セッション成果物・レビュー記録を永続保存する

これらを組み合わせることで、コンプライアンス審査と継続的改善に必要な「追跡可能な生成・統制された実行・永続的なエビデンス記録」が揃う。

根本原因分析がフィードバックループになる

このプラットフォームの最大の差別化要素が、根本原因分析（RCA）とタブトップ演習の連携による自己強化ループだ。

具体的には、本番インシデントが発生してRCAが実施されると、そこで明らかになった障害パターンや対応の抜け漏れが、次のタブトップ演習のシナリオ素材として自動的にフィードバックされる。演習の結果は対応プレイブックやエスカレーションパスの改善に使われ、改善されたプレイブックがまた次のインシデント対応の質を高める。計画的なレジリエンス演習から実際の運用イベント対応まで、同一プラットフォームの中で知見が循環し続ける設計になっている。

現在、このモデルはDeutsche Bankの複数のポートフォリオに適用が拡大しており、金融セクター全体への「再現可能な設計図」として位置づけられている。

次のステップ：「レジリエンス・インテリジェンス」層へ

Deutsche Bankの次の目標は、同じパターンを使ってプレイブックの継続的な精緻化、復旧準備の評価、システム変化に対するコントロールの継続検証にまで展開することだ。分散化が進むシステムと厳格化する規制要件に対して、定期的なレジリエンス・テストから継続的・知能的な運用への移行を図る。

詳細はBuilding operational resilience with agentic AI in financial servicesを参照していただきたい。