勝つ金融機関とは、従業員が AI ツールを単発のものとしてではなく、日々の業務フローの一部として使えるようにするところです。つまり、人々が AI イノベーションを理解し、活用し、主導できるように、実在し検証されたスキルを育成することが必要です。
従業員が AI イノベーションを推進する理由
AI は、生産性、顧客体験、リスク管理にまたがって驚異的な向上をもたらし得ます。しかし本質的には、AI は単なるツールであり、実際のビジネス価値を生み出すには人間の創造性とドメイン（領域）に関する専門知識が必要です。技術だけではイノベーションは起きません。起こすのは人です。信頼、規制、判断が中核となる銀行業界では、人間と機械のこの相互作用はさらに重要になります。
今日すべての従業員は、程度の差はあれ、AI を活用できる従業員になる必要があります。中には深い技術性を持つ人もいます――データサイエンティスト、エンジニア、そして AI のオペレーショナライゼーション（運用化）を支えるシステムの設計と保守を担うモデルビルダーです。ほかにも、たとえば窓口担当者、アンダーライター（引受担当者）、またはカスタマーサービス担当者のように、コード行に触れることはないかもしれませんが、それでも AI を活用したツールを使って業務フローを効率化し、より良い判断を下すことはできます。これらの両極の間にあるのが「AI+X」型の従業員です。これは、信用リスク、コンプライアンス、または不正検知といった領域で深い専門知識を持ち、それを補完する十分な AIリテラシーを備えて、そのテクノロジーを使って専門性を拡張する人々です。
AI+X 型の従業員こそが、真のイノベーションを推進する存在になります。彼らは、ビジネスのニーズと技術的な可能性のギャップを埋めるのに役立ち、複雑な銀行の課題を、AI が具体的な成果をもたらすための機会へと翻訳できます。たとえば、AI に精通したコンプライアンス担当者がデータチームと協力し、KYC（本人確認）や AML（マネーロンダリング防止）のプロセス向けに、より公平で透明性の高いモデルを設計することができます。生成 AI を使って試作するプロダクトマネージャーなら、顧客とのやり取りを再構想し、パーソナライズされた金融アドバイスを作ったり、オンボーディング（導入）体験を改善したりできます。これらのすべてのケースで、AI は人間の洞察を増幅するのであって、それを置き換えるのではありません。
AI を活用できる人材基盤の構築は、既存スキルとギャップを理解することから始まります。AI をうまくスケールさせるには、銀行は熱意や研修予算以上のものが必要です。検証され、測定可能なスキルデータを土台として持つ必要があります。従業員の能力を明確に把握できなければ、リーダーは、どのように人材を育成するか、またどこに AI を最も効果的に展開するかについて、情報に基づく判断ができません。
自己評価だけでは信頼できません。従業員は、自分の習熟度を過大評価するか過小評価する傾向があり、研修の非効率につながります。検証されたスキル――客観的なアセスメントによって測定されるもの――は、組織が現在の強みと弱みを正確に把握することを可能にします。この情報があれば、銀行は、フロントラインチーム向けの導入レベルの AI リテラシー、データ領域のプロフェッショナル向けの深い技術知識、またはコンプライアンス担当者向けのガバナンスに関する専門性など、特定のプロセスや目標に合わせた学習パスを設計できます。
従業員が自分の立ち位置を理解したら、重点的なスキル向上に取り組み、進捗を測定し、人材への説明可能な投資を行うために、定期的なサイクルでスキルを検証できます。学習と検証のこのサイクルは継続的改善の文化を生み、分野の進化に合わせてスキルが最新の状態に保たれることを保証します。これは特に AI において重要です。スキルの半減期はかつてないほど短くなっています。今日「最先端」とされているものは 1 年以内に陳腐化するかもしれず、特定の技術的コンピテンシーよりも、素早く学習する従業員の能力の方が価値を持ちやすくなります。
銀行にとってこれは、スキル獲得と適用の速度、つまり従業員が新しいスキルを習得し、それを使うまでの速さを優先する必要性を意味します。この適応力を育む機関は、新しい規制、顧客の期待、そしてテクノロジーに対してより速く対応し、競争上の優位性を維持できます。検証されたスキルはガバナンスも強化し、従業員が AI の使い方だけでなく、公平性、透明性、リスクへの配慮をもって責任ある形でどのように使うべきかを理解できるようにします。
最終的な目標はアラインメント（整合）です。スキルのインテリジェンスが学習戦略に反映され、学習戦略がビジネス上の優先事項を支えるなら、銀行は確信を持って AI のトランスフォーメーションを加速できます。検証されたスキルデータにより、リーダーはどこに投資するべきか、どのように人材を動員するべきか、そしていつイノベーションを安全にスケールさせるべきかを見通せます。
勝てる人材をつくる
これは銀行業界にとっての重要な転換点です。イノベーションのための基盤を築く機関は先行して走り出し、一方で躊躇する機関は置いていかれるリスクがあります。進むべき道は明確です。従業員の間に、広範な AI 能力――とりわけ、技術面とドメインの専門性を融合した「検証されたスキル」――を構築できる銀行が、最も強い立場で繁栄できるでしょう。
すべての従業員が AI を使えるようになったとき――クリエイターとして、パワーユーザーとして、または領域の専門家として――銀行全体は俊敏性、レジリエンス、そして単なる段階的な効率化ではなく戦略的価値を生み出す力を獲得します。今こそ、実験からエンゲイメント（実装・活用の推進）へ移るときです。AI においてリーダーと遅れをとる側を分けるのは、作るモデルや投資している R&D だけではありません。あなたが育成しているスキルです。
銀行業におけるAI導入を促進するには、従業員のスキルを理解する必要があります
ベルナルド・ヌネス は Workera における AI トランスフォーメーションを専門とするデータサイエンティストです。
注目のフィンテックニュースとイベントをチェック！
FinTech Weekly のニュースレターを購読する
JP Morgan、Coinbase、Blackrock、Klarna などの経営者により読まれています
AI はもはや単なる実験ではありません。McKinsey の最新の「Global Survey on AI（AI に関するグローバル調査）」によると、現在では 78% の組織が、少なくとも 1 つのビジネス機能で AI を活用しています。
銀行業界は急速に追いつきつつあります。EY-Parthenon の調査では、77% の銀行が生成 AI アプリケーションを立ち上げた、またはソフトローンチしていることが分かりました（2023 年の約 61% から増加）。しかし、完全な実装まで進んでいるのは 31% だけです。
一方で、銀行業界では AI への投資が広く行われているにもかかわらず、こうした能力を戦略的な実行計画に織り込めているのはごく一部です。BCG の調査では、そうした取り組みを行っている銀行はわずか 25% で、残りの 75% はサイロ化されたパイロットや PoC（概念実証）にとどまり、デジタルファーストの競合が前進することで無関係になるリスクを抱えています。
銀行業界は、厳格な規制と意図的な戦略によって定義されています。その歴史は、AI に関してリスクと機会の両方をもたらしてきました。他業界が先行する中でも、今行動する銀行には依然として先行者優位を獲得するチャンスがあります。AI を成功裏に導入するには、インフラ、モデル、データパイプライン、そしてコンプライアンス戦略が必要です。とはいえ、AI の約束をビジネス価値へと転換するうえで最も重要な要素は、人材（ヒューマンキャピタル）にあります。
勝つ金融機関とは、従業員が AI ツールを単発のものとしてではなく、日々の業務フローの一部として使えるようにするところです。つまり、人々が AI イノベーションを理解し、活用し、主導できるように、実在し検証されたスキルを育成することが必要です。
従業員が AI イノベーションを推進する理由
AI は、生産性、顧客体験、リスク管理にまたがって驚異的な向上をもたらし得ます。しかし本質的には、AI は単なるツールであり、実際のビジネス価値を生み出すには人間の創造性とドメイン（領域）に関する専門知識が必要です。技術だけではイノベーションは起きません。起こすのは人です。信頼、規制、判断が中核となる銀行業界では、人間と機械のこの相互作用はさらに重要になります。
今日すべての従業員は、程度の差はあれ、AI を活用できる従業員になる必要があります。中には深い技術性を持つ人もいます――データサイエンティスト、エンジニア、そして AI のオペレーショナライゼーション（運用化）を支えるシステムの設計と保守を担うモデルビルダーです。ほかにも、たとえば窓口担当者、アンダーライター（引受担当者）、またはカスタマーサービス担当者のように、コード行に触れることはないかもしれませんが、それでも AI を活用したツールを使って業務フローを効率化し、より良い判断を下すことはできます。これらの両極の間にあるのが「AI+X」型の従業員です。これは、信用リスク、コンプライアンス、または不正検知といった領域で深い専門知識を持ち、それを補完する十分な AIリテラシーを備えて、そのテクノロジーを使って専門性を拡張する人々です。
AI+X 型の従業員こそが、真のイノベーションを推進する存在になります。彼らは、ビジネスのニーズと技術的な可能性のギャップを埋めるのに役立ち、複雑な銀行の課題を、AI が具体的な成果をもたらすための機会へと翻訳できます。たとえば、AI に精通したコンプライアンス担当者がデータチームと協力し、KYC（本人確認）や AML（マネーロンダリング防止）のプロセス向けに、より公平で透明性の高いモデルを設計することができます。生成 AI を使って試作するプロダクトマネージャーなら、顧客とのやり取りを再構想し、パーソナライズされた金融アドバイスを作ったり、オンボーディング（導入）体験を改善したりできます。これらのすべてのケースで、AI は人間の洞察を増幅するのであって、それを置き換えるのではありません。
規制が厳しく、リスク回避的な業界としての銀行業界では、この「人の層」が不可欠です。技術が異常を検知したり推奨を生成したりすることはあっても、倫理的・法的・評判上の基準に照らして意思決定が整合しているかを解釈し、文脈づけ、確実にするのは人間です。だからこそ、AI の導入で先頭に立つ銀行は、システムやモデルに投資するだけでなく、従業員のスキルと理解にも投資するのです。
検証されたスキルで開発を推進する
AI を活用できる人材基盤の構築は、既存スキルとギャップを理解することから始まります。AI をうまくスケールさせるには、銀行は熱意や研修予算以上のものが必要です。検証され、測定可能なスキルデータを土台として持つ必要があります。従業員の能力を明確に把握できなければ、リーダーは、どのように人材を育成するか、またどこに AI を最も効果的に展開するかについて、情報に基づく判断ができません。
自己評価だけでは信頼できません。従業員は、自分の習熟度を過大評価するか過小評価する傾向があり、研修の非効率につながります。検証されたスキル――客観的なアセスメントによって測定されるもの――は、組織が現在の強みと弱みを正確に把握することを可能にします。この情報があれば、銀行は、フロントラインチーム向けの導入レベルの AI リテラシー、データ領域のプロフェッショナル向けの深い技術知識、またはコンプライアンス担当者向けのガバナンスに関する専門性など、特定のプロセスや目標に合わせた学習パスを設計できます。
従業員が自分の立ち位置を理解したら、重点的なスキル向上に取り組み、進捗を測定し、人材への説明可能な投資を行うために、定期的なサイクルでスキルを検証できます。学習と検証のこのサイクルは継続的改善の文化を生み、分野の進化に合わせてスキルが最新の状態に保たれることを保証します。これは特に AI において重要です。スキルの半減期はかつてないほど短くなっています。今日「最先端」とされているものは 1 年以内に陳腐化するかもしれず、特定の技術的コンピテンシーよりも、素早く学習する従業員の能力の方が価値を持ちやすくなります。
銀行にとってこれは、スキル獲得と適用の速度、つまり従業員が新しいスキルを習得し、それを使うまでの速さを優先する必要性を意味します。この適応力を育む機関は、新しい規制、顧客の期待、そしてテクノロジーに対してより速く対応し、競争上の優位性を維持できます。検証されたスキルはガバナンスも強化し、従業員が AI の使い方だけでなく、公平性、透明性、リスクへの配慮をもって責任ある形でどのように使うべきかを理解できるようにします。
最終的な目標はアラインメント（整合）です。スキルのインテリジェンスが学習戦略に反映され、学習戦略がビジネス上の優先事項を支えるなら、銀行は確信を持って AI のトランスフォーメーションを加速できます。検証されたスキルデータにより、リーダーはどこに投資するべきか、どのように人材を動員するべきか、そしていつイノベーションを安全にスケールさせるべきかを見通せます。
勝てる人材をつくる
これは銀行業界にとっての重要な転換点です。イノベーションのための基盤を築く機関は先行して走り出し、一方で躊躇する機関は置いていかれるリスクがあります。進むべき道は明確です。従業員の間に、広範な AI 能力――とりわけ、技術面とドメインの専門性を融合した「検証されたスキル」――を構築できる銀行が、最も強い立場で繁栄できるでしょう。
すべての従業員が AI を使えるようになったとき――クリエイターとして、パワーユーザーとして、または領域の専門家として――銀行全体は俊敏性、レジリエンス、そして単なる段階的な効率化ではなく戦略的価値を生み出す力を獲得します。今こそ、実験からエンゲイメント（実装・活用の推進）へ移るときです。AI においてリーダーと遅れをとる側を分けるのは、作るモデルや投資している R&D だけではありません。あなたが育成しているスキルです。