Change Machineは、人間主導型テクノロジーを通じて低所得コミュニティの財務的安定を確保することを使命に掲げています。同組織が業務で使用しているサービスとしてのソフトウェア（SaaS）プラットフォームは、人々が財務的目標を達成する方法を変革できます。このプラットフォームは社会福祉団体や公的機関で財務コーチが使用するもので、実務家用の社会的コラボレーション・ツール、多様な財務コーチング課題に関する教育ポータル、Salesforce AppExchangeの事例管理アプリが搭載され、財務コーチが顧客の相談に乗る際に役立ちます。

このプラットフォームには、Change Machineが包括性、安全性、有効性を厳しく吟味した一連のフィンテック製品とサービスが組み込まれています。財務コーチや顧客のインサイトや経験が反映されていることから人間主導型のプラットフォームと言え、顧客データのAI分析を使用して適切なフィンテック製品を提案する機能を備えています。

最初からこの形態だったわけではありません。Change Machineは2020年初頭に、価格の手頃さ、包括性、安全性に加え、財務的安定を築くために各製品が果たす役割という観点からフィンテック製品を評価するための基準一式を策定しました。「Marketplace Relief」と呼ばれる推奨エンジンの最初のバージョンは、新型コロナ感染症の蔓延に起因する経済停滞中に財務的不安を軽減するために考案されました。顧客ニーズに合う関連性の高い厳選された製品とサービスを絞り込むために基準が作成されました。例えば、貯蓄促進と信用改善が顧客ニーズであった場合、推奨エンジンは貯蓄と信用製品・サービスを推奨するのが常でした。

このシステムは十分役に立ちましたが、方法は限定的でした。Change Machineで製品開発担当ディレクターを務めるDavid Bautista氏は次のように振り返ります。「最初の推奨エンジンは特定の場所の少人数のコーチによって特定の時点で設計されました。知識と推奨可能な商品の範囲を広げるために、推奨エンジンが稼働中に自動更新できるようになればよいのではないかと考えました」

推奨ルールにも問題点があったと、製品開発担当アシスタント・ディレクターを務めるRobert Zarate-Morales氏は次のように指摘します。「コーチは顧客とのやり取りを通じて身につけた専門知識と経験に基づきルールを指定しました。ただ、私たちは内部システムに保存されていた顧客データの活用方法についての知識は持ち合わせていませんでした。例えば、顧客が最もよく利用するサービスや一般的な財務状況に基づき必要な追加のしきい値といったデータです。こうしたデータを使用すると、顧客ニーズに関するより深いインサイトが得られます」

当初の推奨エンジンでは、顧客が推奨された商品とサービスを受諾または拒否したかという機能の影響度を示すデータも考慮していませんでした。

開発工程は、IBMデータサイエンスおよびAI Eliteチームの関与方式を使って速いペースで進みました。この方式では、以下のとおり、6週間を3つのアジャイル・スプリントに分けます。

• 開発者は最初の2週間のスプリント中、Change Machineの協力を得ながら、すべての各ソースに接続されているデータを理解しました。
• 2番目のスプリントでは、ベースラインの機械学習モデルを作成してデータによって実際に予測が可能かどうかを確かめることに専念しました。
• 3番目のスプリントでは、完成したモデルに新しい機能を追加し、実稼働環境にデプロイしました。

次に、財務コーチが顧客と共に使用するSalesforceアプリにモデルを組み込みました。IBMチームは、Change Machineチームが管理ダッシュボードを開発する際にもサポート役を務め、実習コラボレーションの一環として、将来Change Machineチームが継続的に使用することになるデータ戦略とAIツールに関する知識を同チームに移転しました。

「IBMとの提携を通じて、データの新しい活用方法と機械学習モデルの作成と管理用フレームワークの構築方法を学びました。このプロジェクトは先端クラウド・ソリューションに取り組むきっかけにもなりました。また、実用アプリケーションにAIを導入するのにも役立ちました。以前は、順調にいっても実現は数年先と考えていたことです」（Bautista氏）。