不正送金検知システム開発の発注/外注/依頼/委託方法について

不正送金検知システムの発注・外注は、検知エンジンだけを作るのではなく、被害シナリオの定義、RFPによる要件整理、PoC、顧客確認や送金停止までの業務設計を一体で委託することが成功の近道です。

銀行、信用金庫、資金移動業者、決済事業者などが新たに導入を検討するときは、パッケージ・クラウド・スクラッチの選択、請負と準委任の使い分け、費用相場、見積書の比較方法まで先に決めておく必要があります。本記事では、2026年時点の制度・技術動向も踏まえ、発注前の準備から委託先の選定、契約、運用開始までの進め方を具体的に解説します。

▼全体ガイドの記事
・不正送金検知システム開発の完全ガイド

不正送金検知システムとは何ですか？

不正送金検知システムとは、送金前・送金中・送金後の情報を組み合わせ、取引のリスクを判定して、追加認証、保留、顧客確認、停止などの対応につなげる業務基盤です。金額だけで判断するのではなく、ログイン状況、端末、IPアドレス、位置、送金先、過去の利用履歴、口座や顧客同士の関係を組み合わせる点が特徴です。

最初に決めるべきなのは、どの機能を買うかではなく、どの被害をどの時点で抑止したいかです。たとえば、フィッシングによる口座乗っ取り、普段と異なる端末からのログイン、短時間の連続送金、名義変更直後の高額送金、複数口座を経由した資金循環などをシナリオとして整理します。各シナリオについて、検知時に自動停止するのか、一時保留して担当者が確認するのか、追加認証を要求するのか、顧客へ通知するのかを決めておくと、RFPの仕様が具体化します。

不正送金対策とAML/CFTの取引モニタリングは重なる部分がありますが、完全に同じ仕組みではありません。不正送金検知はリアルタイムの口座乗っ取りや詐欺送金を止めることが中心で、AML/CFTは継続的な顧客リスク評価や疑わしい取引の調査・届出が中心です。発注時には、両者で共有する顧客・口座・取引データと、担当部署・判定後の責任分界を明記します。

機能要件には、ルール検知、属性・行動分析、AIスコアリング、ネットワーク分析、ケース管理、監査ログ、モデル管理を含めます。特に重要なのは、アラートを出した後の業務です。担当者が判定理由を確認し、顧客への連絡、送金の保留解除、出金停止、口座凍結、警察や他金融機関への情報連携まで記録できなければ、検知しても被害抑止につながりにくいです。

金融機関向けの要件では、24時間365日の稼働、ピーク時の処理量、判定レイテンシ、障害時に送金を通すか止めるかも必ず確認します。2025年9月、警察庁はインターネットバンキングを含む預貯金口座の不正利用防止について、対策強化や警察との情報提供・連携強化を金融機関に要請しました。こうした動向を踏まえ、単なるAI導入ではなく、多層検知と検知後の顧客確認・停止・凍結までをRFPに落とし込むことが重要です。出典は警察庁「預貯金口座の不正利用防止に向けた対策の一層の強化」（2025年）です。

不正送金検知システムの発注・外注はどのように進めますか？

発注の基本は、被害シナリオの定義、データ棚卸し、RFP作成、複数社比較、PoC、本番化、継続チューニングの6段階です。いきなり本番システムの開発契約を結ぶのではなく、検知の実現性と業務効果を小さく検証し、結果を本番要件へ反映する進め方が現実的です。

企画書には、対象チャネル、想定する不正手口、取引件数、ピーク時のTPS、判定許容時間、利用可能なデータ、必要なアクション、KPI、監査証跡、障害時の方針を記載します。データ棚卸しでは、顧客・口座・取引・ログイン・端末・IP・送金先・問い合わせ・不正確定情報の所在、粒度、保存期間、匿名化の可否を確認します。

RFPでは「AIを使うこと」を目的にしないことが大切です。過去の不正ラベルが少ない場合、機械学習の精度を最初から保証できないため、ルールのベースライン、データ整形、暫定ラベルの作り方、PoCで検証する仮説を先に書きます。候補会社には、同一のサンプルデータと同一の評価指標を渡し、提案内容を比べられる状態にします。

委託先は、金融機関向けの本番実績、既存勘定系・インターネットバンキングとの連携経験、リアルタイム処理の性能、検知シナリオの更新体制、AIの説明可能性、ケース管理、24時間の障害対応を分けて評価します。検知エンジンに強い会社と、業務システムや移行に強いSIerでは得意領域が異なるため、会社名の知名度だけで一律に順位をつけないことが大切です。

提案会では、「検知後に誰が何分以内に何をするか」「誤検知で正常取引を止めた場合に、顧客へどう説明するか」「ルールを変更できる担当者と承認者は誰か」「モデル更新時に再テストを誰が行うか」を質問します。NTTデータのCAFIS Brainは端末情報と取引情報を分析し、不正ログイン・不正送金などに対応するサービスとして公開されています。また、IIJは2025年に既存ログを活用し、通常と異なる地域からのアクセスや不自然な送金指示を検知するRaptor振る舞い検知ソリューションを提供開始しました。候補サービスの機能を自社要件と照合し、導入事例の範囲を確認します。参考情報はNTTデータ「CAFIS Brain」（2025年確認）とIIJ「Raptor振る舞い検知ソリューション」（2025年）です。

PoCの成果物は、精度のグラフだけでは不十分です。データ品質診断、ルールとモデルの比較、検知シナリオ別の適合率・再現率、False Positive率、アラート件数、1件あたりの調査時間、判定速度、停止から解除までの時間をレポートに含めます。現場担当者が実際にアラートを調査し、判定理由を説明できるかも評価します。

本番前は、既存のAMLシステムや不正監視と並行してシャドー運用し、いきなり自動停止へ切り替えない段階導入が安全です。検知した取引を記録だけする段階、担当者の確認を求める段階、一部条件で自動保留する段階へと進め、誤検知と顧客影響を確認します。モデルの精度が良くても、夜間の担当者が不在で確認できなければ運用上のリスクが残ります。

発注形態と契約形態はどのように選びますか？

発注形態は、パッケージ・クラウドサービス、既存システムへのAPI連携、ハイブリッド、フルスクラッチの4つに整理すると比較しやすいです。選択の基準は、導入スピードだけではなく、データの保管場所、ルール変更の自由度、既存システムとの接続、モデルの所有権、将来の運用体制まで含めます。

短期間で導入し、既知の不正シナリオや金融犯罪対策の知見を利用したい場合は、パッケージやクラウドのAPI連携が向いています。一方、データ配置に厳しい制約がある場合や、独自の顧客確認・停止フローを持つ場合は、検知エンジンを外部サービスに任せ、顧客データとケース管理を自社側に置くハイブリッドが候補になります。

スクラッチ開発は、競争優位となる独自の検知知見を蓄積したい場合や、特殊な業務・データ要件がある場合に検討します。ただし、学習データの整備、モデルの再学習、説明可能性、監査、脆弱性対応、24時間保守まで自社が責任を負うことになります。AIを使うこと自体を目的にせず、既存ルールで足りない課題が明確な範囲から段階的に採用します。

請負契約は、合意した成果物を完成させる責任を委託先に持たせやすい契約形態です。要件、受入条件、検査方法、瑕疵対応、納期が固まっている本番開発やAPI連携に向いています。ただし、不正検知の精度や未知の手口への対応を一つの数値で保証させるのは難しいため、成果物の範囲と評価方法を具体化します。

準委任契約は、専門家の作業や検証、継続的なチューニングを委託する形態です。データ診断、PoC、ルール設計、モデル評価、運用改善のように、開始時点で最終成果が確定しない工程に適しています。実際の契約では、PoCを準委任、本番の機能実装を請負、運用改善を月額の準委任とする組み合わせも考えられます。契約書には、データ・学習済みモデル・特徴量・ルール・ソースコードの権利、再利用範囲、秘密保持、事故時の責任、解約時のデータ返却を明記します。

不正送金検知システムの費用相場と内訳

不正送金検知システムの公開価格は少なく、金融機関の取引量、チャネル数、既存システム、データ保管、監査、高可用性、運用時間によって見積りが大きく変わります。以下の金額はベンダーの定価ではなく、公開されているAI外注相場と金融系システムに必要な連携・監査・冗長化を踏まえた企画段階の目安です。

データ診断・PoCは200万〜800万円程度、クラウドや検知サービスのAPIを1チャネルへ連携する小規模導入は500万〜2,000万円程度が一つの目安です。複数シナリオ、ケース管理、権限、監査ログ、性能・障害試験を含むパッケージまたはクラウドの本番導入は2,000万〜8,000万円程度、中堅金融機関で口座開設・ログイン・振込・カード・決済・AML連携まで対応すると8,000万〜2億円程度を見込みます。

勘定系・情報系・外部機関連携、独自モデル、冗長化、全国規模の移行や監査を含む大規模スクラッチでは、2億〜5億円を超える場合もあります。AI開発の公開相場でも、PoCは100万〜500万円、本番構築は1,000万円以上、運用は月50万〜300万円とされています。金融機関向けでは、通常のAI開発よりもデータ連携、セキュリティ、テスト、監査、24時間運用の費用が加わるため、単純にこの数字だけで判断しないことが必要です。費用相場の出典はLASSIC「AI開発委託外注の進め方と注意点」（2026年確認）です。

運用費には、SaaS利用料、クラウドの推論・保存費、監視、ルールチューニング、モデル再学習、データ品質管理、夜間対応、障害訓練が含まれます。月額50万〜300万円程度を起点に考えられますが、金融機関向けの本番環境では、取引量や監視体制によって月額300万〜1,000万円を超えるケースも想定します。見積書で「保守費」と一括表示されている場合は、何人月の作業、何回のルール変更、何時間の障害対応が含まれるかを分解してもらいます。

5年間のTCOでは、初期開発費だけでなく、連携先の追加、ログ保管容量の増加、モデルの再学習、脆弱性対応、ライセンス改定、データ返却や解約時の移行費まで確認します。費用構成の目安として、要件定義10〜15％、データ連携・ETL15〜25％、検知ロジック・モデル15〜25％、アプリ・ケース管理15〜25％、セキュリティ・監査・テスト15〜25％、移行・教育・PMを想定します。各項目の割合が極端に低い場合は、別途費用に隠れていないかを確認します。

RFPと見積書を比較するときのポイント

見積りを安く見せる会社を選ぶのではなく、同じ条件で比較できるRFPを作り、初期費用・運用費・追加費用・責任分界を並べて判断します。特に不正送金検知では、検知率が高くても誤検知が多ければ、顧客対応や調査工数が増えて事業に影響します。費用と性能を切り離さず、被害抑止額と業務負荷の両方で投資効果を見ます。

RFPには、対象チャネルと取引件数、ピーク時の処理量、判定時間、接続方式、データ項目、保存期間、暗号化、アクセス権限、監査ログ、バックアップ、障害時のフェイルセーフを記載します。検知結果のアクションは、許可、追加認証、保留、拒否、担当者確認、顧客通知、口座停止に分け、それぞれの状態遷移と担当部署を定義します。

評価指標は、検知率だけでなく、適合率、再現率、False Positive率、アラート件数、1件あたりの調査時間、判定レイテンシ、停止解除までの時間、月間のルール更新数を含めます。NICTが2025年に公表した4銀行の連合学習実証では、個別学習と比べて適合率が最大約10ポイント向上するケースや、再現率95％を超えるケースが確認されました。ただし、銀行ごとにデータ項目や定義が異なることも課題として示されており、自社データの標準化をRFPの作業範囲に含める必要があります。出典は情報通信研究機構「DeepProtectを活用した銀行の不正口座検知の実証実験」（2025年）です。

委託先の評価表は、金融機関での本番実績、要件定義力、既存システムとの連携、リアルタイム性能、データ保護、検知ロジック、AIの説明可能性、ケース管理、移行、教育、保守、障害対応に分けます。たとえば金融実績25点、技術・連携20点、セキュリティ・監査20点、運用体制20点、費用・契約15点のように配点を先に決めると、営業資料の印象に左右されにくいです。

2026年7月のSASとりそなHDの発表では、4行を対象にAIスコアリング、口座・顧客・取引のネットワーク特徴量、アラート調査用のAgentic AIを段階的に検証しています。AIで人の判断を完全に置き換えるのではなく、調査結果を人が確認する設計が示されている点は、委託先評価の参考になります。提案会社にも、検知・調査・報告・ルールやモデルの見直しを一つの運用サイクルとして示してもらいます。出典はSAS「りそなHDとのAML/CFT業務高度化に向けた取り組み」（2026年）です。

よくある失敗は、PoCの成功条件がなく本番移行の判断ができないこと、精度だけを評価して調査工数を見ていないこと、データ整備を発注側の作業として放置すること、障害時の送金可否を決めていないことです。これらを防ぐには、PoCの開始前に評価データ、合格ライン、成果物、次工程への移行条件、追加費用の発生条件を合意します。

また、データ・モデル・ルールの所有権を曖昧にすると、ベンダー変更や内製化の際に過去の知見を持ち出せなくなります。契約書には、利用目的、再委託、データの国外移転、学習への二次利用、ログの保存年数、モデルの説明資料、脆弱性対応、SLA、インシデント報告、終了時の返却形式を明記します。価格差が小さい場合は、将来の移行自由度と運用負荷まで含めて判断します。

よくある質問（FAQ）

不正送金検知システムの発注では、費用だけでなく、検知の範囲、データの扱い、契約後の運用責任について質問が集まりやすいです。ここでは、稟議やベンダー選定の前に確認しておきたい代表的な疑問に答えます。

データ診断・PoCなら200万〜800万円程度、API連携の小規模導入なら500万〜2,000万円程度、本番導入なら2,000万〜8,000万円程度が企画段階の目安です。複数チャネル、大規模な既存システム連携、独自モデル、24時間運用を含むと8,000万〜2億円以上になることもあります。公開相場は定価ではないため、取引量、データ、可用性、監査、運用範囲を揃えて見積りを取得します。

短期導入や既知の不正シナリオへの対応を重視するなら、パッケージやクラウドのAPI連携が向いています。独自のデータや業務フローを競争力にしたい場合はスクラッチ、データとケース管理を自社に残しながら検知エンジンを活用したい場合はハイブリッドが候補です。最初から一つに固定せず、PoCで費用・精度・運用負荷を比べて決めます。

要件と成果物、受入条件が固まった本番開発やAPI連携は請負、データ診断、PoC、ルール設計、モデル評価、継続チューニングは準委任が基本です。実務では、PoCを準委任、本番機能を請負、運用改善を月額準委任とする組み合わせもあります。契約前に成果物、作業範囲、責任分界、データとモデルの権利、終了時の返却条件を決めます。

まとめ

不正送金検知システムの発注では、検知エンジンの機能比較から始めず、被害シナリオ、対象チャネル、データ、判定後の業務、KPI、監査証跡、障害時方針を整理します。そのうえでRFPを作成し、パッケージ・クラウド・ハイブリッド・スクラッチを比較し、請負と準委任を工程ごとに使い分けます。

費用はPoC、本番構築、運用、5年間のTCOに分け、初期費用だけで判断しません。検知率や再現率に加えて、誤検知率、アラート件数、調査工数、顧客影響、判定速度、被害抑止額を評価します。PoCからシャドー運用、限定的な保留、自動停止へと段階を踏むことで、現場が対応できる仕組みとして定着させやすくなります。

委託先を選ぶ際は、金融機関の本番実績だけでなく、データ保護、説明可能性、モデル・ルールの更新、ケース管理、障害対応、契約終了時のデータ返却まで確認します。2026年7月に送金犯罪の罰則が創設されるなど制度環境も変化しているため、導入して終わりではなく、手口・法令・業務KPIに合わせて継続的に見直せる発注体制を構築することが重要です。出典は警察庁「令和8年犯罪収益移転防止法の改正について」（2026年）です。

▼全体ガイドの記事
・不正送金検知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。