上場銀行の年次報告書における「AI競争」：2025年までに六大銀行の金融科技総投資額は1300億元超に達し、シナリオの実現とリスクの課題が共存

毎日経済記者｜リウ・ジャークイ　毎日経済編集｜ウェイ・ウェンイー

2025年のA株上場銀行の年次報告書シーズンが締まると、金融業のインテリジェント化への転換を描き出す一連の数字が浮かび上がる――工商銀行の年間金融テック投資は285.88億元、招商銀行はAI（人工知能）の適用によって1年で1556万時間以上の人手を代替したと主張し、平安銀行の大規模モデルのアプリケーションシーンは1年で倍増して約400にまで到達している⋯⋯

『毎日経済新聞』の記者（以下「毎日経済記者」）は、2025年に工商銀行、農業銀行、中国銀行、建設銀行、交通銀行、郵储銀行など6大国有銀行の金融テックに対する投資が合計1300億元超に上り、2024年の1254.59億元からさらに増加したことに注目した。巨額投資の背後で、より深い変化が起きている。人工知能は、年次報告書で将来を見据える技術の章から、銀行の中核的競争力を測る重要な尺度へと姿を変えつつある。

一方、大洋の向こう側では、JPモルガン・チェースが別のAIの光景を描いている――最高経営責任者のジェイミー・ダイモン（Jamie Dimon）は人工知能を「印刷機と蒸気機に匹敵する変革的技術」と位置づけ、毎年20億ドル超を投じて「全AI協同企業」の構築に取り組むと発表した。このウォール街の金融巨大企業は単発の適用に満足せず、AIを組織のあらゆる毛細血管にまで深く組み込もうとしている。

国内の銀行業界での体系的・規模的なAI投資とシーン展開が進むのとは対照的に、国際的な金融巨大企業はエコシステムの発想で、あらゆる面でインテリジェント化の再構築を推し進めている。太平洋をまたぐこの金融インテリジェント化の波は、いまや静かに、与信審査、リスク・プライシング、投資判断といったあらゆる中核プロセスを変えつつある。

とはいえ、こうした熱を帯びたAI投資とビジョンの背後には、データガバナンスの“深い水域”、モデル“幻覚”の現実的なリスク、そしてアルゴリズム“ブラックボックス”がもたらすコンプライアンス上の課題もあり、この変革の深さと持続可能性を試している。金融業のAIの旅は、大きな潜在力を示す一方で、さらなる知恵と慎重さが求められる重要な局面にも入っている。

画像出所：毎日経済メディア資料庫

戦略アップグレード：「デジタル」から「数智」への戦略的競争

毎日経済記者が2025年の上場銀行の業績報告書を整理したところ、「人工知能」は技術の展望の章から飛び出し、今後の中核的競争力を測る重要な業績評価指標へと躍り出ている。この競争の焦点は、「AIを導入するかどうか」から「どれほど深く、どれほど強い体系で適用できるか」へと移っており、体系的・規模的な定着という鮮明な特徴が見えてくる。

国有大手行は、豊富な資源を背景に、AI転換の「重型インフラ」を構築しつつある。工商銀行は年次報告書の中で、4年間実施してきた「デジタル工行」（D-ICBC）戦略を全面的に「数智工行」（AI-ICBC）へとアップグレードしたと明確にしており、その中核である「工銀智湧」大規模モデルは、30を超える業務分野において500以上のアプリケーションシーンで導入が進んでいる。建設銀行は、人工知能技術がグループ内の398のシーンに規模的に力を与えていると開示している。中国銀行は、BOCAI大規模モデルの能力プラットフォームを構築し、スマート・アシスタントを累計で400以上導入している。

持株会社系銀行と都市商業銀行は、シーン展開の速度と幅において、より強い機敏性を示している。招商銀行は業績発表会で、自社のAI適用シーンが856に達していることを明らかにした。年間を通じてAIが人手を1556万時間超にわたり代替し、8000人超のフルタイム相当の人的効率を形成したのと同等だ。さらに重要なのは、AIが「コストセンター」から「収益エンジン」へと移行しつつある点だ。同行が顧客担当者（リレーションマネジャー）向けに提供するスマート・アシスタントは、1人当たりの有効な訪問（アウトバウンド）回数を14%引き上げ、顧客あたりの取引規模を20%引き上げている。平安銀行の大規模モデルの適用シーンは、1年内に「200超」から「390超」へ急増しており、AIが生成したコード量の割合はすでに30%超に達している。中信銀行は「大規模モデル＋小規模モデル」の協調パターンを構築しており、2025年末までに大規模モデルの定着シーンは120超となっている。

「AI優先」から「AIネイティブ」へ。トップクラスの銀行は、インテリジェンスの深さを組織の“肌理”に埋め込み、競争の新たな障壁を築こうとしている。

ある業界のベテラン銀行研究者は毎日経済記者に対し、2025年の年次報告書でAI成果が相次いで開示されたことは、中国の銀行業のデジタル化転換が、知的な意思決定と業務プロセスの再構築を中核とする「深い水域」に入ったことを示していると分析した。背景には、業界の純金利マージンが継続して縮小している状況があり、技術によって効率を得て、成長を取り込むことが必然の選択となっている。AI投資はもはや、単にテクノロジー部門の予算案件にとどまらず、コスト削減・効率化、リスク管理、収益向上といった中核的な経営指標と直接連動する戦略的投資になっている。

深掘りの適用：リスク管理、プライベート・バンキング（普恵）および運営の効率革命の定着

長年の探索を経て、銀行業におけるAIの適用は、初期のスマート・カスタマーサービスや顔認証決済をとうに超え、業務の中核領域にまで深く入り込み、効率の向上とリスク制御の両面で、破壊的ともいえる潜在力を示している。

リスク管理の「心臓部」である与信と反欺罔の領域において、AIは「ルール判定」から「スマート認知」への質的転換を実現している。従来のフロントリスク管理は過去データと静的ルールに依存しており、複雑で変化の激しい新型リスクへの対応が難しい。一方、機械学習やグラフ計算を中核とするスマートなフロントリスク管理システムは、膨大な異種データをリアルタイムで処理できる。たとえば郵储銀行は、エンドツーエンドの反欺罔モデル体系を構築しており、2025年上半期だけで、潜在的な被害者口座を10万口座超保護した。招商銀行のオンライン・フロントリスク管理プラットフォームは、2025年における対公与信の審査規模を約6000億元にまで拡大し、前年同期比44%増となった。AIが支援する貸出後のリスク早期警戒のタイミングは、従来の人手モデルに比べ平均で42日早い。

プライベート・ファイナンス（普恵金融）分野では、AIが代替データを分析することで、小規模・零細企業の「資金調達が難しい、資金調達コストが高い」という定番の難題を解きほぐしつつある。多くの銀行がAIモデルを使って、企業の税務、請求書、サプライチェーン、さらには上下水道・電力データまで統合し、伝統的な担保を持たない小規模・零細企業に対して信用の「プロファイル」を作成し、迅速な与信を実現している。

スマート運営と顧客サービスは、AIによるコスト削減・効率化の最も直感的な現れだ。招商銀行は、1万人超の金葵花顧客担当者向けにスマート・アシスタントを提供しており、それが日常業務のスマートなパートナーになっている。平安銀行は生成AI（AIGC）を借りてマーケティングコンテンツを補助的に作成し、この一項目だけで2025年に約6000万元の費用を節約したという。運営のバックオフィスでは、AIの「デジタル社員」が大量の反復作業を引き受けつつある。中信銀行はAIを通じて、対公口座開設、情報変更などの業務を集約的に処理し、それにより業務集約の効率を2倍以上引き上げている。

「これらの領域での成功の鍵は、従来の金融モデルでは人手が扱いにくい膨大なデータ、カバーしにくい複雑なパターン、そして高い同時処理下でのリアルタイムな応答需要を解決できたことにある」と前述の銀行業研究者は分析する。これらの成熟した適用は、銀行のAI能力の「ベース盤」を構成しており、その価値はコスト削減、リスク低減、体験向上に直結している。

同氏は、現在の適用は「既存プロセスの最適化」が中心であり、次の段階の競争は、AIを使って「新しいプロセス」さらには「新しい事業」をどう生み出すか、つまり「社内の効率化」から「社外での収益創出」へ移行することに焦点が当たると考えている。

海外の現状：プロセス最適化から価値創造への突破

国内の銀行業界がAIで社内プロセスと顧客サービスを最適化することに注力する一方で、JPモルガン・チェースに代表される国際的な金融巨大企業は、AIの触手をより破壊的な領域へと伸ばしている。投資判断そのものだ。

ベンチャーキャピタル（VC）とプライベート・エクイティ（PE）の領域では、AIが案件発掘とデューデリジェンスの基礎ロジックを組み替えている。従来、人脈ネットワークや業界調査（Wind、Bloombergなどのプラットフォーム）に依存していたやり方は変えられつつある。たとえばシコイア・キャピタルは、すでに社内のAIツールを開発済みで、世界の新興企業のデータ、学術論文、特許、ニュースを自動的にスキャンし、投資チームに対して毎日固定の時間に潜在的案件の初期分析レポートを送ることで、案件スクリーニングの幅と効率を高めている。

顧客向けのウェルスマネジメントおよび投資銀行の領域では、AIはバックオフィス支援からフロントサービスへと移行しつつある。JPモルガン・チェースは、すでに2023年に「IndexGPT」という名のプロダクトについて商標出願を行っている。これは生成AI技術を利用し、顧客が入力したテーマや注目領域に基づいて証券の投資アドバイザリー向けの対象を自動分析・選択するツールだ。このモデルは汎用の大規模モデルを土台とし、JPモルガン・チェース独自のマクロ経済、企業研究などの大量の非公開データで訓練されたもので、顧客に個別最適化された投資ポートフォリオの助言を提供することを狙っている。

さらに、融資業務では、AIを使って顧客をより精緻にリスク分級し、価格設定する取り組みは、海外ではすでに比較的成熟したやり方になっている。

前述の銀行業研究者は、海外の金融機関のAI実践が示す重要なトレンドは2つあると解釈している。1つ目は、AIの活用が「社内プロセスの最適化」から「社外の価値創造」へ移行し、投資助言やプロダクト設計など、価値創造の中核領域に直接踏み込んでいること。2つ目は、トップクラスの機関が、自社独自で高品質なデータの壁（取引データ、深い研究など）を使って、垂直領域の大規模モデルを訓練し、新しく、かつ模倣しにくい競争の堀（競争参入障壁）を構築していること。これに比べて、中国の国内金融機関は、AIを使って投資判断を直接駆動し、深いスマートな投資助言（投資アドバイザリー）サービスを提供する面では、まだ伸びしろがある可能性があり、ここが今後攻めるべき高地なのかもしれない。

前進の暗礁：データガバナンス、AI幻覚、そして人材不足の試練

反欺罔、スマート・カスタマーサービスなどの成熟した適用のほかにも、金融業はAIを慎重に、より前線でより中核的な領域へ押し出し、新しい価値を解き放とうとしている。AIが、より複雑な金融活動において「アナリスト」あるいは「初級の意思決定者」の役割を担えるようにするのだ。

毎日経済記者が把握したところでは、インテリジェントな世論（世情）分析と市場の予警察（マーケット・プレウォーニング）に関して、すでに機関がAIを訓練しており、ニュース、リサーチレポート、ソーシャルメディア、さらには衛星画像などの大量の非構造化データをリアルタイムで取得・分析して、市場や特定企業に影響を与えうるリスクの「シグナル」を捉えようとしている。たとえば東方証券の「東方大脳」人工知能プラットフォームは、日平均で約7万件の市場世情情報を処理でき、企業の当事者（主体）を自動で識別し、ネガティブな世情を分類することが可能だ。

スマートな貸出後管理と資産保全の領域では、AIが滞留（既存）融資に対する継続的かつ自動化されたリスク監視に用いられつつある。企業の経営データ、司法情報、世情の変化を分析することで、モデルは潜在リスクを事前に警告でき、受け身の対応から能動的な管理へと転換する。部分的に、AIが大規模モデルを使って貸出後審査レポートを作成する試みもあり、執筆にかかる時間を大幅に短縮できている。

より破壊的な探求は、取引と投資の核心領域で起きている。クオンツ投資の分野では、既存の取引戦略を最適化することに加え、より先端的な探求として、市場のミクロな構造を自律学習し、かつ取引指示の一部を自律執行できる「バーチャル・トレーダー」を開発することがあるとされる。報道によれば、JPモルガン・チェースは自社のAIクオンツ取引プラットフォームをすでに公開しており、高頻度取引とマルチファクター戦略のスマートな融合をサポートしている。委託取引（たとえば外為、金利デリバティブ取引）においても、AIを使ってトレーダーに対してリアルタイムの最適な見積り（最良提示）とヘッジ戦略の助言を行うことが研究されている。

しかし、展望が広い一方で、金融の中核領域におけるAIの深い適用には制約があり、データガバナンス、大規模モデル“幻覚”、および複合型人材の不足という3つの壁を、金融機関が必ず越えなければならない。

第一にデータガバナンスの難題だ。高品質で標準化されたデータはAIの「燃料」である。だが金融データは高度にセンシティブな個人のプライバシーと商業上の機密を含み、また往々にして異なる業務部門に散らばり、“データ孤島”を形成してしまう。KPMGの専門家は、金融機関は多ソースの異種データの協調が難しいことや、社内データの流通・共有が難しいことなどの課題に広く直面していると指摘している。

第二に大規模モデル“幻覚”と信頼性リスクだ。大規模言語モデルに固有の“幻覚”問題は、ゼロミスが要求される金融の意思決定において致命的な弱点となる。中国郵政貯蓄銀行の研究員、ロー・フェイポン（娄飞鹏）は、もし“幻覚”がリスク管理領域に出てしまった場合、銀行がリスクのロジックを理解できなくなり、その結果、効果的な対処を講じられなくなる可能性があると述べている。

第三に複合型人材の不足と、組織変革の痛みだ。複雑な金融業務のロジックを深く理解し、かつAIアルゴリズムとエンジニアリングに精通した複合型人材は、極めて不足している。同時に、従来型で、厳格さと階層制を重んじる銀行組織文化には、AIが必要とする迅速な反復、許容誤差を含む試行錯誤のアジャイル開発モデルとの間に、深い緊張関係がある。

前述の銀行業研究者は、今後の金融業の競争は「技術―データ―ガバナンス―人材」という包括的なエコシステムの争いになるとまとめている。高品質なデータ資産をいち早く構築し、信頼できるAIガバナンスの枠組みを整え、組織と文化をうまく転換できる機関だけが、この深い「数智化」革命の中で長期的な優位性を勝ち取れる。

免責事項：本記事の内容およびデータは参考目的のみであり、投資助言を構成するものではない。ご利用にあたっては、使用前に必ず確認すること。これに基づいて行う判断によるリスクは自己負担である。

表紙画像出所：毎日経済メディア資料庫