_**ベルナルド・ヌネス** は、WorkeraにおけるAI変革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****JPモルガン、Coinbase、Blackrock、Klarnaなどの経営層に読まれています*** * *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つの業務機能でAIを利用しています。 銀行業界は急速に追いつきつつあります。最近のEY-Parthenonの調査では、2023年の約61%から、77%の銀行が生成AIアプリケーションを立ち上げるか、ソフトローンチ済みであることが分かりました。しかし、完全な実装へ進んだのはわずか31%です。 一方で、銀行業界には広範なAI投資があるものの、これらの能力を自社の戦略的プレイブックに織り込めているのはごく一部です。BCGの調査では、そうした取組みを行っている銀行は25%にとどまり、残りの75%はサイロ化されたパイロットと概念実証のままで、デジタル・ファーストの競合が前進するにつれて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ます。その歴史は、AIに関するリスクと機会の双方をもたらしてきました。他の業界が先行して走る中でも、いま行動する銀行には、先行者優位を獲得するチャンスがあります。AIをうまく導入するには、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。ただし、AIの約束をビジネス価値に変えるうえで最も重要な要素は、人材（人的資本）です。 勝つ金融機関とは、AIツールを「その場しのぎ」ではなく、日々の業務フローの一部として従業員が使えるようにするところです。つまり、人々がAIの革新を理解し、活用し、主導できるようにする、実在して検証されたスキルを育成することです。**従業員がAIの革新を推進する理由**-------------------------------------AIは、生産性、顧客体験、リスク管理の各領域にわたって信じられないほどの向上をもたらす可能性があります。しかしAIの本質は、単なるツールです。つまり、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の専門知識が必要です。技術だけではイノベーションは生まれません。人が生み出します。信頼、規制、判断が中核にある銀行では、人と機械のこの相互作用がさらに重要になります。今日、すべての従業員は、程度の差こそあれ、AIを活用できる従業員にならなければなりません。高度に技術的な人もいます。データサイエンティスト、エンジニア、モデル構築者などで、AIの業務実装を支えるシステムの設計と保守を担います。ほかに、窓口係、引受人、またはカスタマーサービス担当のように、コード行に触れることがない人もいますが、それでもAIを活用したツールで業務フローを効率化し、より良い意思決定を行うことができます。こ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、詐欺の検知といった分野で深い専門知識を持ち、それを補完するのに十分なAIリテラシーを備えて、その技術を使って専門性を拡張できる個人のことです。AI+X型の従業員こそが、本当の革新を推進します。彼らは、ビジネスのニーズと技術的な可能性の間にある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機会へと翻訳できます。たとえば、AIリテラシーのあるコンプライアンス担当者は、データチームと連携して、KYCおよびAMLプロセスのための、より公平でより透明性の高いモデルを設計できます。生成AIを用いてプロトタイプを作れるプロダクトマネージャーは、顧客とのやり取りを再想像し、パーソナライズされた金融アドバイスを生み出したり、オンボーディングの導線を改善したりできます。これらすべてのケースで、AIは人間の洞察を置き換えるのではなく増幅します。規制が厳しくリスクを嫌う銀行という業界では、この人的な層が不可欠です。技術は異常の特定や提案の生成を行えるかもしれませんが、倫理的・法的・評判上の基準に意思決定が沿っていることを解釈し、文脈づけ、確実にするのは人間です。だからこそ、AI導入において先導する銀行は、システムやモデルだけでなく、自社の人材のスキルと理解にも投資する銀行なのです。**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（ワークフォース）を構築するには、既存のスキルと不足（ギャップ）を理解することから始まります。AIを成功裏にスケールするには、熱意や研修予算だけでは不十分です。検証され、測定可能なスキルのデータという土台が必要です。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を最も効果的に配備するかについて、十分に情報に基づいた判断を下せません。自己評価だけでは信頼できません。従業員は、自身の習熟度を過大評価するか過小評価する傾向があり、その結果、研修の非効率につながります。検証されたスキル（客観的な評価で測定されるもの）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、データ専門職向けの深い技術知識、コンプライアンス担当者向けのガバナンスの専門性など、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できたら、集中的なアップスキリングに取り組み、進捗を測り、説明責任のある形で人への投資を行うために、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出し、その分野が進化するにつれ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。スキルの半減期はこれまでになく短くなっているからです。今日「最先端」とされるものは、1年以内に古くなってしまうかもしれません。そのため、特定の技術的な適性以上に、素早く学ぶ能力の価値が高まります。銀行にとって、これはスキルの成長スピードを優先する必要へとつながります。つまり、従業員が新しいスキルを獲得し、それを適用できる速度です。この適応力を育む機関は、新たな規制、顧客の期待、そしてテクノロジーにより迅速に対応し、競争上の優位を維持できます。検証されたスキルはまたガバナンスを強化し、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AIを使う方法を理解できるようにします。最終目標は整合（アラインメント）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とき、銀行は確信を持ってAI変革を加速できます。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するべきかを見通せます。**勝てる人材をつくる**----------------------------------これは、銀行業界にとって極めて重要なタイミングです。イノベーションのための土台を築く機関は先へ進む一方で、足踏みする機関は置き去りにされるリスクがあります。進むべき道は明確です。従業員の間で幅広いAI能力を構築する銀行、特に技術とドメインの専門性を融合する検証済みのスキルを持つ銀行が、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を使えるようになれば（創作者として、パワーユーザーとして、あるいは専門家として）、銀行全体は、機動力（アジリティ）、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得ます。今こそ、実験から実装（エンゲージメント／活用可能化）へ移る時です。AIにおいてリーダーと後れを取る企業を分けるのは、あなたが構築するモデルや、資金を投じるR&Dだけではありません。育成するスキルです。
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変革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
JPモルガン、Coinbase、Blackrock、Klarnaなどの経営層に読まれています
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つの業務機能でAIを利用しています。
銀行業界は急速に追いつきつつあります。最近のEY-Parthenonの調査では、2023年の約61%から、77%の銀行が生成AIアプリケーションを立ち上げるか、ソフトローンチ済みであることが分かりました。しかし、完全な実装へ進んだのはわずか31%です。
一方で、銀行業界には広範なAI投資があるものの、これらの能力を自社の戦略的プレイブックに織り込めているのはごく一部です。BCGの調査では、そうした取組みを行っている銀行は25%にとどまり、残りの75%はサイロ化されたパイロットと概念実証のままで、デジタル・ファーストの競合が前進するにつれて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ます。その歴史は、AIに関するリスクと機会の双方をもたらしてきました。他の業界が先行して走る中でも、いま行動する銀行には、先行者優位を獲得するチャンスがあります。AIをうまく導入するには、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。ただし、AIの約束をビジネス価値に変えるうえで最も重要な要素は、人材（人的資本）です。
勝つ金融機関とは、AIツールを「その場しのぎ」ではなく、日々の業務フローの一部として従業員が使えるようにするところです。つまり、人々がAIの革新を理解し、活用し、主導できるようにする、実在して検証されたスキルを育成することです。
従業員がAIの革新を推進する理由
AIは、生産性、顧客体験、リスク管理の各領域にわたって信じられないほどの向上をもたらす可能性があります。しかしAIの本質は、単なるツールです。つまり、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の専門知識が必要です。技術だけではイノベーションは生まれません。人が生み出します。信頼、規制、判断が中核にある銀行では、人と機械のこの相互作用がさらに重要になります。
今日、すべての従業員は、程度の差こそあれ、AIを活用できる従業員にならなければなりません。高度に技術的な人もいます。データサイエンティスト、エンジニア、モデル構築者などで、AIの業務実装を支えるシステムの設計と保守を担います。ほかに、窓口係、引受人、またはカスタマーサービス担当のように、コード行に触れることがない人もいますが、それでもAIを活用したツールで業務フローを効率化し、より良い意思決定を行うことができます。こ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、詐欺の検知といった分野で深い専門知識を持ち、それを補完するのに十分なAIリテラシーを備えて、その技術を使って専門性を拡張できる個人のことです。
AI+X型の従業員こそが、本当の革新を推進します。彼らは、ビジネスのニーズと技術的な可能性の間にある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機会へと翻訳できます。たとえば、AIリテラシーのあるコンプライアンス担当者は、データチームと連携して、KYCおよびAMLプロセスのための、より公平でより透明性の高いモデルを設計できます。生成AIを用いてプロトタイプを作れるプロダクトマネージャーは、顧客とのやり取りを再想像し、パーソナライズされた金融アドバイスを生み出したり、オンボーディングの導線を改善したりできます。これらすべてのケースで、AIは人間の洞察を置き換えるのではなく増幅します。
規制が厳しくリスクを嫌う銀行という業界では、この人的な層が不可欠です。技術は異常の特定や提案の生成を行えるかもしれませんが、倫理的・法的・評判上の基準に意思決定が沿っていることを解釈し、文脈づけ、確実にするのは人間です。だからこそ、AI導入において先導する銀行は、システムやモデルだけでなく、自社の人材のスキルと理解にも投資する銀行なのです。
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（ワークフォース）を構築するには、既存のスキルと不足（ギャップ）を理解することから始まります。AIを成功裏にスケールするには、熱意や研修予算だけでは不十分です。検証され、測定可能なスキルのデータという土台が必要です。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を最も効果的に配備するかについて、十分に情報に基づいた判断を下せません。
自己評価だけでは信頼できません。従業員は、自身の習熟度を過大評価するか過小評価する傾向があり、その結果、研修の非効率につながります。検証されたスキル（客観的な評価で測定されるもの）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、データ専門職向けの深い技術知識、コンプライアンス担当者向けのガバナンスの専門性など、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できたら、集中的なアップスキリングに取り組み、進捗を測り、説明責任のある形で人への投資を行うために、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出し、その分野が進化するにつれ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。スキルの半減期はこれまでになく短くなっているからです。今日「最先端」とされるものは、1年以内に古くなってしまうかもしれません。そのため、特定の技術的な適性以上に、素早く学ぶ能力の価値が高まります。
銀行にとって、これはスキルの成長スピードを優先する必要へとつながります。つまり、従業員が新しいスキルを獲得し、それを適用できる速度です。この適応力を育む機関は、新たな規制、顧客の期待、そしてテクノロジーにより迅速に対応し、競争上の優位を維持できます。検証されたスキルはまたガバナンスを強化し、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AIを使う方法を理解できるようにします。
最終目標は整合（アラインメント）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とき、銀行は確信を持ってAI変革を加速できます。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するべきかを見通せます。
勝てる人材をつくる
これは、銀行業界にとって極めて重要なタイミングです。イノベーションのための土台を築く機関は先へ進む一方で、足踏みする機関は置き去りにされるリスクがあります。進むべき道は明確です。従業員の間で幅広いAI能力を構築する銀行、特に技術とドメインの専門性を融合する検証済みのスキルを持つ銀行が、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を使えるようになれば（創作者として、パワーユーザーとして、あるいは専門家として）、銀行全体は、機動力（アジリティ）、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得ます。今こそ、実験から実装（エンゲージメント／活用可能化）へ移る時です。AIにおいてリーダーと後れを取る企業を分けるのは、あなたが構築するモデルや、資金を投じるR&Dだけではありません。育成するスキルです。