Casapが5600万ドル調達｜チャージバック勝訴率96%の金融AI

米フィンテック・AIスタートアップのCasapが発表した5,600万ドルのシリーズB資金調達は、金融機関における生成AIの導入フェーズが「人間の作業支援（Copilot）」から「成果責任を担う自律エージェント（Agentic Outcomes）」へと不可逆的に移行したことを示しています。

この記事では、公表された一次情報をもとに、同社が調達を成功に導いた技術的ブレイクスルー、従来型システムとのアーキテクチャの違い、導入実績、そしてエンジニアが現場で応用できる設計原則を読み解きます。

1. 資金調達の骨子と主要ビジネスメトリクス

公式発表日: 2026年10月28日
ラウンド・調達額: シリーズBで5,600万ドル（累計調達額9,000万ドル）
主導投資家: Base10 Partners（Emergence Capital、Lightspeedのほか、戦略出資枠としてExperian Ventures、Synchrony Venturesが参画）
トラクション: シリーズA以降でARR（年間経常収益）が10倍以上成長、100社を超える金融機関・フィンテックが導入
主要運用KPI:
- 第一者詐欺（ファーストパーティ詐欺）損失削減率: 51%削減
- チャージバック勝訴率: 96%（業界平均水準の約60%を大きく凌駕）
- 紛争解決期間: 最大90日から8日へ大幅短縮
- 自律処理率: 異議申し立て案件の73%をエージェントが完全自動で完結
- 人手による対応時間: 1件あたり45分から1〜2分の確認作業へ短縮

2. 資金調達を決定づけた4つの技術的ブレイクスルー

投資家が評価したのは、単なるLLMのラッパーやワークフロー自動化（RPA）ではなく、「損失削減と勝訴」という直接的なビジネス成果を保証するシステム設計です。

① 「Win-Score Prediction（予測勝訴スコア）」モデルの統合

紛争案件に着手した段階で、カードブランド（Visa/Mastercard等）の規約、提出予定のエビデンス、加盟店履歴を解析して勝訴確率を事前算出します。「自動で反証資料を作成・提出すべき案件」と「早期和解すべき案件」を最適に振り分け、96%という高い勝訴率を実現しています。

② Autopilot と Copilot の動的ステート制御

完全自動化のみに頼るのではなく、金融機関のリスク許容度に応じて「完全自律処理（Autopilot）」と「人間介入（Copilot）」を動的に切り替えます。案件の73%を自動完結させつつ、高リスク案件や判断が難しい境界例のみを人間にエスカレーションする設計が、エンタープライズの信頼獲得につながりました。

③ 「Examiner-Ready（監査即応）」の不変ログ記録機構

参照した規約条項、照合エビデンス、推論ステップを構造化された不変ログ（Immutable Log）として保存。規制当局（Reg E/Reg Z等）向けの監査レポートを即時出力できるようにし、金融機関特有の厳格なコンプライアンス要件をクリアしています。

④ 画面操作ログからの自律学習（Forward-Deployedデリバリー）

レガシーなコアバンキングシステムのAPI改修を待つのではなく、行員の実務画面ログや既存マニュアルからエージェントの実行パスを学習・構築。現場展開型チーム（Forward-Deployed Teams）を組み合わせることで、導入リードタイムを最小化しています。

3. 従来型システムとのアーキテクチャ比較

Casapが提示した設計思想は、従来の不正対策ツールやRPAと何が根本的に異なるのかを比較・整理します。

比較項目	従来型不正検知 (Sift, Feedzai 等)	汎用ワークフロー/RPA (UiPath, ServiceNow)	Casap (Agentic AI)
主戦場（フェーズ）	取引前（事前）の不正判定・遮断	手順の自動化（固定画面スクリプト）	取引後（事後）の紛争解決・立証
制御メカニズム	機械学習分類器（静的・リアルタイム）	静的ルールベース・DAGワークフロー	目的駆動型（Goal-oriented）自律エージェント
意思決定の範囲	リスクスコアの算出（判断は他システム）	例外発生で処理停止・要修正	証拠収集・立証・規約適用まで自律完結
主要評価指標	誤検知率（False Positive Rate）	作業時間削減（Cost Reduction）	勝訴率（96%）、不正損失削減（51%）
対応決済レール	主にクレジットカード	汎用（特定ドメイン知識なし）	カード、ACH、小切手、ATM、EFT、送金

4. 金融規制対応（Reg E/Z）と監査ログ基盤の設計要件

金融グレードの自律エージェントを本番運用する上で、最も重要なアーキテクチャ課題が「非決定論的なLLMの決定論的記録」です。

イベントソーシング設計: チャット履歴を平文テキストで保存するのではなく、入力状態のスナップショット、参照した規約条項のバージョン、外部APIの呼び出し履歴、決定論的な分岐理由を不変イベント（Immutable Event）としてチェーン状に記録します。これにより、規制当局（Examiner）から説明を求められた際にも、当時の状態と推論パスを完全に再現できます。
コンテキストの円滑な引き継ぎ: 人間へエスカレーションする際、推論根拠と判定理由を構造化UIに事前レンダリングし、行員の確認時間を1〜2分へ圧縮します。

5. 導入実績と第一者詐欺（Friendly Fraud）の抑止効果

全米100社以上の銀行、信用組合（Credit Union）、フィンテックでの本番運用実績です。

第一者詐欺（身内詐欺・不当チャージバック）損失を51%削減: 「商品が届かない」「利用していない」と主張する虚偽・悪質申告に対し、端末識別情報、IP/位置情報、過去の利用履歴などを統合する独自スコア（Casap Score）を適用。正当な顧客体験を損なわずに不正利用を立証します。
処理期間を90日から8日へ圧縮: カードブランドの厳密な反証期限（タイムフレーム）に対し、73%を即座に自律処理することで期限切れによる自動敗訴を根絶しました。
人員数を維持したまま4〜5倍のスケールを実現: 運用チームを増員することなく、トランザクション増加に伴う大量の紛争案件を処理できる体制を構築しています。

6. エンジニア向けまとめ：自律エージェント実装における3つの原則

「事後処理（Post-Transaction）」こそLLMエージェントの最適領域: ミリ秒単位の高速判定が求められる事前検知ではLLMのレイテンシは耐えられません。数分から数日の処理猶予がある事後処理（紛争・反証）こそ、推論と外部ツール探索の価値が最大化します。
監査ログ基盤（Audit Trail）を第一級オブジェクトとして扱う: 自律判断の証跡を監査機関に説明できないシステムは本番運用に耐えられません。エージェントフレームワーク選定時は、イベントソーシングと決定論的ログ記録が組み込めるかを最優先基準とすべきです。
レガシー統合は「画面操作ログの解釈」から始める: 基幹系APIの全面改修を前提とする設計は破綻しがちです。実務ログや操作手順をエージェントに解釈させ、APIとUI操作のハイブリッドでツール実行させる現実的なアプローチが成否を分けます。

Casapの金融自律エージェント設計論：5,600万ドル調達に見る「成果創出型AI」のアーキテクチャと実装原則

1. 資金調達の骨子と主要ビジネスメトリクス