AMLシステム開発の進め方/やり方/流れや方法/手法/工程/手順

AMLシステム開発は、製品を導入するだけではなく、自社のリスク評価・データ・調査業務・監査証跡を一体で設計し、検知の有効性を継続的に検証するプロジェクトです。

マネー・ローンダリング対策を強化したい金融機関やフィンテック事業者にとって、難しいのは機能一覧から製品を選ぶことだけではありません。既存の勘定系・決済・本人確認システムから正しいデータを集め、顧客ごとのリスクに応じた検知シナリオを作り、アラートを現場が処理できる業務フローに落とし込む必要があります。本記事では、AMLシステムの全体像から開発の進め方、費用相場、見積時の確認項目、FAQまでを、発注側が社内稟議やRFPに活用できる形で解説します。

▼全体ガイドの記事
・AMLシステム開発の完全ガイド

AMLシステムの全体像

AMLシステムとは、顧客の本人確認から継続的な顧客管理、取引の検知、調査、疑わしい取引の届出、監査までをつなぐリスク管理基盤です。単に不正な取引を見つけるツールではなく、なぜ検知したのか、誰がどの情報を見て判断したのかを後から説明できることが重要です。対象業種は銀行に限らず、証券会社、保険会社、資金移動業者、暗号資産交換業者、決済サービス事業者にも広がっています。

代表的な機能は、KYC（本人確認）、法人の実質的支配者確認、顧客リスク評価、制裁・PEP・反社会的勢力・ネガティブニュースのスクリーニング、取引モニタリング、アラートとケース管理、調査・届出支援、レポーティングです。顧客の国籍・住所・業種・商品・利用チャネルなどをもとにリスクを格付けし、高リスク顧客にはEDD（厳格な顧客管理）を適用できるようにします。

たとえば制裁リスト検索では、完全一致だけでなく、氏名の表記揺れやアルファベットの順序、地名の慣用表記を考慮したあいまい検索が必要です。取引モニタリングでは、金額・頻度・送金先・国や地域・口座間の関係・普段の取引パターンからの逸脱を、ルール、統計分析、機械学習などで検知します。生成AIを調査要約に利用する場合も、最終的な判断と承認は担当者が行い、入力情報と出力内容を記録できる設計にします。

典型的な構成は、勘定系、CIF、決済、外為、インターネットバンキング、口座開設、本人確認、外部リストなどのデータソース、データ連携・名寄せ基盤、検知・スコアリングエンジン、ケース管理画面、監査・分析基盤で成り立ちます。リアルタイム検知が必要な領域と、夜間バッチで十分な領域を分けることで、性能と費用のバランスを取りやすくなります。

特に重要なのは、顧客ID・口座ID・取引IDを正しく結び、データの発生源から検知、調査結果、届出判断までの流れを追跡できることです。金融庁の2026年3月改訂資料でも、ITシステムの有効性を検証する前提として、データを正確に把握・蓄積し、分析可能な形に整理する考え方が示されています。出典は金融庁「マネロン等対策の有効性検証に関する事例集」の改訂版、2026年です。AIの種類を先に決めるのではなく、データの品質と業務上の説明責任を先に設計することが成功の近道です。

AMLシステム開発の進め方

AMLシステム開発は、要件定義、データ棚卸し、RFI・RFP、PoC、設計・開発、テスト、並行稼働、段階導入、継続検証の順に進めると整理しやすくなります。開発会社に要件を丸投げすると、標準シナリオを自社のリスクに合わないまま採用し、アラートが過剰になることがあります。各工程で発注側が判断する成果物を明確にしておくことが大切です。

最初に、口座開設時のKYC、制裁・PEP検索、顧客リスク評価、取引モニタリング、ケース管理のうち、どこを対象にするかを決めます。業態、顧客層、取引量、対応国、商品、チャネル、現行システム、監査や当局からの指摘を一覧化し、リスクの高い業務から優先順位を付けます。目的は「AIを導入する」ではなく、「高リスク顧客の継続管理を漏れなく行う」「アラートの調査時間を短縮する」のように業務成果で置くと、要件がぶれにくくなります。

成果物は、対象業務一覧、リスク評価、検知シナリオ一覧、アラートの優先度、調査期限、エスカレーション条件、承認者、監査証跡の要件です。金融庁の2026年改訂ガイドライン関連資料では、外部委託や共同システムを利用する場合でも、自社の取引の特徴やリスクを分析し、必要な追加対応を検討することが示されています。出典は金融庁「マネー・ローンダリング及びテロ資金供与対策に関するガイドラインの一部改正案・コメント概要」、2026年です。共同利用サービスを選ぶ場合も、自社で何を判断し、どの範囲を追加設定するかを先に決めます。

次に、ソースシステム、項目定義、更新頻度、欠損、履歴保持期間、名寄せキー、APIやファイル連携の方式を確認します。顧客氏名の漢字・ローマ字、住所、法人番号、国コード、通貨コード、取引日時のタイムゾーンなどは、システムごとに表記が異なりやすい項目です。データ辞書を作り、どの項目をどの検知シナリオで使うか、取得できない場合の代替やエラー処理を決めます。

本番データをいきなり全量移行するのではなく、顧客・口座・取引のサンプルで名寄せ率、欠損率、重複率、連携遅延を測定します。ここを後回しにすると、開発終盤で「取引はあるが顧客リスクと紐付かない」「同一人物が複数顧客として扱われる」と判明し、追加費用と納期遅延につながります。データリネージ、つまり発生源から加工・検知・調査までの流れを追える状態を、設計書とテスト計画の両方に含めます。

RFIやRFPでは、機能だけでなく、取引量とピーク性能、リアルタイム性、シナリオや閾値の編集権限、機械学習の説明可能性、ケース管理、権限分掌、監査ログ、API、可用性、障害時の手作業、データのエクスポート、SLA、リスト更新や法令変更時の責任分界まで質問します。提案書の見栄えよりも、同業・同規模の導入経験と、稼働後のチューニング体制を確認してください。

PoCでは過去の取引、既存アラート、調査結果を使い、再現率、誤検知率、アラート件数、1件あたりの調査時間、処理遅延、説明根拠を測定します。目標値はベンダーの一般値ではなく、自社の現状値から改善幅を定めます。新システムに切り替えるときも、一定期間は既存システムと並行稼働させ、検知漏れや調査フローの抜けを確認してから、制裁スクリーニング、KYC、取引モニタリングなどの領域を段階的に広げます。

運用開始後は、月次でデータ品質とアラート処理量を確認し、四半期ごとにシナリオと閾値を見直し、年次でモデルやシステムの有効性を検証する運用が基本です。金融庁は2026年3月、預金取扱金融機関、暗号資産交換業者、資金移動業者などのモニタリング事例を反映した有効性検証の事例集を改訂しました。出典は金融庁「マネロン等対策の有効性検証に関する事例集」の改訂版、2026年です。導入完了をゴールにせず、検証結果を次の改善に戻す仕組みを作ります。

AMLシステムの費用相場とコストの内訳

AML専用製品は、顧客数、取引量、対象国、利用する外部リスト、連携本数、リアルタイム性、既存システムの状態で価格が大きく変わります。国内ベンダーの標準価格表は限られるため、以下は公開価格、金融系業務システムの相場、リサーチノートの調査結果を照合した記事執筆用の推定レンジです。個別案件の見積価格ではないため、社内予算の初期仮説として利用し、RFPで条件をそろえて再確認してください。

小規模なSaaSやAPIで、制裁リスト検索、KYC、簡易モニタリングに絞る場合は、初期費用0〜500万円、ランニング費用は月額10万〜100万円または従量課金、導入期間は1〜3か月が一つの目安です。対象国や取引量が限定され、既存の口座開設基盤にAPIで接続できるフィンテック事業者に向いています。

金融機関向けのクラウドやパッケージを既存システムと連携する場合は、初期500万〜3,000万円、年額500万〜3,000万円程度、期間3〜9か月が目安です。追加開発やハイブリッド構成になると初期3,000万〜1億円、年額1,000万〜5,000万円程度、6〜12か月かかる場合があります。独自モデル、大量取引、複雑な権限やオンプレミス基盤を含む大規模スクラッチでは、初期5,000万円〜数億円、期間12〜24か月以上を見込むことがあります。これらは国内AML専用製品の一律価格ではなく、条件を限定した推定です。

公開価格の参考例として、Alibaba CloudのSMART AMLは、2025年11月更新の価格表で、ネームスクリーニング、顧客リスク評価、取引モニタリングの各機能にワンタイムセットアップ費36,000米ドルを掲げ、取引モニタリングを1取引0.19米ドルとしています。出典はAlibaba Cloud「Financial Intelligence Engine Pricing」、2025年11月更新です。日本の金融機関向け相場ではありませんが、初期設定費に加えて顧客数や取引量に応じた従量費が発生する価格設計の参考になります。

初期費用の内訳は、ライセンスやクラウド利用料、要件定義、カスタマイズ、データ連携、データクレンジング、テスト、移行、研修、運用設計です。初期予算だけを見ると安く見えても、名寄せ、過去データの移行、アラートの再現テスト、監査ログの保存を別途請求される場合があります。見積書では「何が含まれ、何が含まれないか」を項目ごとに確認してください。

継続費用には、クラウドやストレージ、外部リストの更新、監視、保守、ルール追加、閾値チューニング、モデル検証、再学習、監査対応、教育が含まれます。モデル再学習を年1〜2回、1回50万〜200万円程度とする目安もありますが、これはデータ量と支援範囲に左右される推定です。規制や犯罪手口の変化に対応するための改善費をゼロとして計画すると、導入後に現場の負担が膨らみます。

比較する際は、初期費用ではなく5年TCO（総保有コスト）で見ます。たとえばクラウド型を初期3,000万円、年額1,500万円で利用すると5年総額は1億500万円です。一方、スクラッチを初期1億円、保守年2,000万円とすると5年総額は2億円です。実際には機能、性能、データ量、要員費が異なるため単純比較はできませんが、月額の安さだけでなく、規制更新やモデル検証まで含めて判断する視点が得られます。

AMLシステムの見積もりを取る際のポイント

AMLシステムの見積もりは、機能数を並べるだけでは比較できません。同じ「取引モニタリング」でも、リアルタイム処理か日次バッチか、何年分の履歴を扱うか、何本のシナリオを設定するか、ケース管理や届出支援まで含むかで工数が変わります。見積条件を共通化し、価格だけでなく品質、期間、責任分界、将来の変更しやすさを比較します。

RFPには、顧客数、口座数、1日あたりの取引件数、ピーク時の取引件数、対象国、利用するリスト、データ更新頻度、保存期間、連携方式を記載します。さらに、KYC、顧客リスク評価、スクリーニング、取引モニタリング、ケース管理、届出支援の対象範囲、必要なシナリオ、リアルタイム性、権限分掌、画面や帳票の要件を示します。

成果物は、要件定義書、データ辞書、インターフェース仕様書、シナリオ一覧、権限設計、テスト計画、移行計画、運用手順書、教育資料、監査ログの仕様まで明記します。受入条件も「画面が表示される」ではなく、過去の疑わしい取引を再現できるか、意図した顧客リスクに応じてアラート優先度が変わるか、判断理由を追跡できるかで定義してください。

開発会社を選ぶときは、製品の知名度だけでなく、金融業務への理解、データ統合の技術力、稼働後の運用支援を確認します。現行システムを理解している会社、同業・同規模での導入経験がある会社、検知シナリオやモデルの検証方法を説明できる会社を候補にします。パッケージは導入速度と規制更新に強く、SaaSは初期負担と拡張性に強い一方、データ所在地、委託先管理、従量課金、解約時の出口を精査する必要があります。

共同システムを利用する場合も、標準機能で自社のリスクを十分に捉えられるか、追加シナリオを設定できるか、データとアラートを自社で確認できるかを質問します。NTTデータは2025年9月、ACSiONと連携し、法人向け口座開設から取引モニタリングまでを一貫して扱うサービスの提供開始を発表し、2027年度までに50以上の金融機関への導入を目指すとしています。出典はNTTデータ「マネロン・不正利用を防ぐ、法人口座向けの対策サービスを提供開始」、2025年です。このような共同利用型の選択肢も、導入候補の一つとして、自社の業務適合性を確認して比較します。

契約では、障害時の復旧目標、漏えい時の報告期限、脆弱性対応、リスト更新、モデル変更の承認、再委託先の管理、監査への協力、SLA、責任分界を確認します。暗号化、多要素認証、最小権限、職務分掌、特権ID管理、改ざん防止ログ、バックアップ、災害復旧、手作業による業務継続も、機能要件と別のセキュリティ要件として書き分けます。

見落としやすいのが解約時の出口条件です。自社の顧客情報、取引履歴、アラート、調査記録、判定理由、モデルやシナリオのバージョン、監査ログを、どの形式で、どの期間で、いくらで返却してもらえるかを契約に入れます。クラウド事業者や外部委託先に任せても、金融機関側のリスク管理責任がなくなるわけではありません。金融庁資料も、外部委託・共同システム利用時の自社による検討と、有効性検証を重視しています。

失敗しやすいのは、データ項目定義を後回しにすること、ベンダー推奨の閾値を検証せず採用すること、現場のエスカレーション権限を決めないこと、既存システムを一気に停止することです。これらは、サンプルデータによるPoC、並行稼働、運用責任者の明確化、契約上の移行支援で減らせます。価格が最も安い提案ではなく、リスクを測定しながら改善できる提案を選ぶことが重要です。

AMLシステムに関するよくある質問（FAQ）

AMLシステムは、業態やリスク、顧客数、取引量によって適切な構成が異なります。ここでは、導入を検討する担当者が特に迷いやすい費用、AI、開発期間、外部委託について直接回答します。

制裁リスト検索やKYCに絞った小規模SaaS・APIであれば、初期費用0〜500万円、月額10万〜100万円または従量課金が一つの目安です。取引モニタリング、ケース管理、複数システムとの連携、監査証跡まで含める金融機関向けの構成では、初期500万〜3,000万円以上になることがあります。正確な金額は顧客数・取引量・連携本数・過去データ移行の有無で変わるため、対象範囲を整理して複数社から見積もりを取ります。

AIを導入しても誤検知や検知漏れがなくなるわけではありません。自社の顧客・取引データに合う学習データ、検知シナリオ、閾値、調査フローが必要であり、再現率、誤検知率、アラート件数、1件あたりの調査時間、判断根拠をPoCと運用で確認します。AIは優先順位付けや調査要約に使い、最終判断、承認、モデル変更の管理は人が担う設計が安全です。

小規模なSaaS・APIの設定と連携なら1〜3か月、既存システムとつなぐパッケージ導入なら3〜9か月、追加開発を含む中規模案件なら6〜12か月、大規模スクラッチなら12〜24か月以上が目安です。データの欠損や名寄せの難しさ、過去データ移行、セキュリティ審査、並行稼働の期間で前後します。短納期を優先してテストや並行稼働を削ると、検知漏れや監査対応のリスクが高まります。

必要があります。外部委託や共同システムを利用しても、自社の規模、ビジネスモデル、顧客層、取引の特徴やリスクに合うかを自社で検討し、必要な追加対応を決めます。ベンダーに、シナリオ・閾値が自社のリスクを捉えているか、データが網羅的かつ正確か、アラートが調査プロセスに組み込まれているかを説明してもらい、検証結果と判断記録を自社で保存してください。

まとめ

AMLシステム開発では、製品の機能数やAIの有無だけで優劣を判断しないことが重要です。自社のリスク評価を起点に、KYC・顧客リスク評価・制裁スクリーニング・取引モニタリング・ケース管理・監査証跡をどのようにつなぐかを設計し、データの正確性と業務フローをPoCで確認します。

費用は、小規模SaaS・APIの初期0〜500万円、金融機関向けクラウド・パッケージの初期500万〜3,000万円、中規模追加開発3,000万〜1億円、大規模スクラッチ5,000万円〜数億円という推定レンジを出発点にします。ただし初期費用だけでなく、リスト更新、保守、モデル検証、教育、監査、データ移行を含む5年TCOで比較します。まずリスクの高い領域から段階導入し、既存システムとの並行稼働を経て範囲を広げると、移行リスクを抑えやすくなります。

最初の実務として、顧客・口座・取引データの一覧、既存の検知シナリオ、アラートの処理件数と時間、監査上の課題を整理してください。そのうえで、対象業務、データ量、必要な検知、連携、セキュリティ、SLA、データ返却、受入条件をRFPに落とし込みます。AMLシステムは導入したら終わりではなく、検知率だけでなく説明可能性、アラート量、調査品質、有効性検証の結果を継続して改善する基盤です。

▼全体ガイドの記事
・AMLシステム開発の完全ガイド

会社紹介

株式会社riplaでは、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを、構想策定・要件定義から開発・改善まで一気通貫で支援。事業会社でIT・DXを経験したプロフェッショナルによる高い要件定義力・システム設計力を活かし、事業成果の最大化に伴走します。

また、当社独自の開発テンプレート「Boxシリーズ」による標準機能の高速開発と、AI駆動開発の独自フレームワーク「GoDD」による独自機能のAI実装を組み合わせることで、低コスト・短期間で開発を実現いたします。

もし、システム開発やプロダクト開発に関するご要望がございましたら、お気軽にお問い合わせください。

株式会社riplaの会社HPはこちら

・サービス概要資料のURLはこちら >>>
・お問合せページのURLはこちら >>>
・お役立ち資料のURLはこちら >>>

執筆者プロフィール

張田谷凌央

株式会社ripla 代表取締役CEOとして、システムパッケージ活用、システム開発、データ分析、生成AI活用、SaaS開発、アプリ開発、EC構築など、幅広い領域で企業のDX推進と事業成長を支援している。事業会社でIT・DXを経験したプロフェッショナルが集う株式会社riplaにおいて、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを構想策定・要件定義から開発・改善まで一気通貫で支援し、単なるシステム納品にとどまらず、クライアントと同じ目線で事業成果の最大化に向けた伴走支援を行う。早稲田大学卒業後、ラクスル株式会社、LINEヤフー株式会社にて事業開発やDX推進などに従事した後、株式会社riplaを創業。