_**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。_* * ***トップのフィンテックニュースとイベントを見つけよう！****FinTech Weeklyのニュースレターを購読する****JP Morgan、Coinbase、Blackrock、Klarnaなどの経営幹部に読まれています*** * *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つの業務機能において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の最近の調査では、銀行の77%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たことが分かりました。これは2023年の約61%から増加しています。しかし、完全な実装へと進んだのは31%にとどまります。 一方で、銀行業界では広くAIへの投資が行われているものの、これらの能力を自社の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、そのようにしている銀行はわずか25%に過ぎず、残りの75%はサイロ化されたパイロットや概念実証（PoC）に行き詰まっています。デジタル・ファーストの競合が前進する中で、取り残されるリスクがあります。銀行業界は、厳格な規制と意図のある戦略によって定義されます。このような歴史は、AIにおけるリスクとチャンスの双方をもたらしてきました。他の業界が先行して駆け上がる一方で、今行動する銀行には、ファーストムーバー（先行者）としての優位性を獲得するチャンスがまだ残されています。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。しかし、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（ヒューマンキャピタル）にあります。 勝ち残る金融機関とは、従業員がAIツールをその場しのぎで使うのではなく、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、そして主導できるように、実在し検証されたスキルを育てることが必要です。**従業員がAIイノベーションを牽引する理由**-------------------------------------AIは、生産性、顧客体験、リスク管理にまたがって、驚異的な成果をもたらす可能性があります。しかしAIの本質は、単に「ツール」であることです。そのツールには、人間の創造性と領域の専門知識が必要であり、それによって初めて実際のビジネス価値が生み出されます。技術だけではイノベーションは起きません。イノベーションを起こすのは人です。信頼、規制、判断が中心となる銀行では、人と機械のこの相互作用がさらに重要になります。今日のすべての従業員は、程度の差はあれ、AI対応の従業員にならなければなりません。中には、深い技術性を持つ人もいます。たとえば、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の運用化を支えるシステムの設計・保守を担う役割です。ほかにも、窓口担当者、引受担当者、またはカスタマーサービス担当者のように、コードの1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うことで業務フローを効率化し、より良い意思決定を行える可能性があります。この両極の間にあるのが「AI+X」の従業員です。これは、信用リスク、コンプライアンス、または不正検知のような領域で深い専門知識を持ち、それを補完するのに十分なAIリテラシーを併せ持っており、その技術を使って専門性を強化できる個人を指します。AI+Xの従業員こそが、本当の意味でのイノベーションを牽引します。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、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するのに役立ちます。たとえば、AIに通じたコンプライアンス担当者であれば、データチームと協力して、KYCおよびAMLプロセス向けにより公正で、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るプロダクトマネージャーであれば、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生み出したり、オンボーディングの旅（導入プロセス）を改善したりできます。こうしたすべてのケースで、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、リスクを嫌う銀行業界のようなセクターでは、この人的なレイヤーが不可欠です。技術によって異常が特定されたり推奨が生成されたりすることはあるかもしれませんが、倫理・法令・評判の基準に沿うように意思決定を解釈し、文脈づけ、そして確実なものにするのは人間です。だからこそ、AI導入でリードする銀行とは、システムやモデルに投資するだけでなく、組織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対応の人材（ワークフォース）を構築するには、既存のスキルとギャップを理解することから始める必要があります。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、人材をどのように育成すべきか、またAIをどこに最も効果的に展開すべきかについて、十分に情報に基づいた判断ができません。自己評価だけでは信頼できません。従業員は、自分の熟練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（客観的な評価を通じて測定されるもの）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、学習の道筋（ラーニングパス）を、特定のプロセスや目標に合わせて設計できます。たとえば、フロントラインのチーム向けの導入レベルのAIリテラシー、データの専門職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です。従業員が自分の立ち位置を理解したら、重点的なアップスキリングを進め、定期的なサイクルでスキルを検証して進捗を測り、説明責任を伴う形で人への投資を行えます。学習と検証のこの循環は、継続的な改善の文化を生み出し、分野が進化するにつれてスキルが常に最新であり続けることを保証します。これは特にAIにおいて重要です。なぜなら、スキルの半減期はかつてないほど短いからです。今日最先端だと考えられているものが、1年以内に古くなる可能性があります。そのため、特定の技術的コンピテンシーよりも、素早く学べる従業員の能力の価値が高くなります。銀行にとってこれは、スキルの成長スピード—従業員が新しいスキルを獲得し、それを適用できるまでの速度—を優先する必要性を意味します。この適応力を育てる組織は、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迅速に対応し、競争上の優位性を維持できます。検証されたスキルはまたガバナンスも強化し、従業員がAIの使い方だけでなく、公平性や透明性、そしてリスクに配慮しながら責任ある形でAIを使う方法を理解できるようにします。最終的な目標は整合です。スキル・インテリジェンスが学習戦略に情報を与え、学習戦略がビジネス上の優先事項を支えるとき、銀行は自信を持って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べきか、どのように人材を動員すべきか、そしていつ安全にイノベーションをスケールすべきかを見通せます。**勝てる人材を構築する**----------------------------------これは、銀行業界にとって重要な転換点です。イノベーションの土台を築く機関は先へ駆け出し、躊躇する機関は置き去りのリスクがあります。進むべき道は明確です。従業員の間に幅広いAI能力を構築する銀行—特に、技術と領域の専門知識を融合させた検証されたスキルを備えた銀行—が、最も強い立場で繁栄できる可能性が高いでしょう。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であれ、パワーユーザーとしてであれ、領域の専門家としてであれ）銀行全体として機動力とレジリエンスが高まり、単なる漸進的な効率化だけでなく、戦略的な価値を生み出す力を得られます。今こそ、実験からエンパワーメント（活用の実装）へ移行する時です。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。育んでいるスキルが違いを生みます。
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。
トップのフィンテックニュースとイベントを見つけよう！
FinTech Weeklyのニュースレターを購読する
JP Morgan、Coinbase、Blackrock、Klarnaなどの経営幹部に読まれています
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つの業務機能において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の最近の調査では、銀行の77%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たことが分かりました。これは2023年の約61%から増加しています。しかし、完全な実装へと進んだのは31%にとどまります。
一方で、銀行業界では広くAIへの投資が行われているものの、これらの能力を自社の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、そのようにしている銀行はわずか25%に過ぎず、残りの75%はサイロ化されたパイロットや概念実証（PoC）に行き詰まっています。デジタル・ファーストの競合が前進する中で、取り残されるリスクがあります。
銀行業界は、厳格な規制と意図のある戦略によって定義されます。このような歴史は、AIにおけるリスクとチャンスの双方をもたらしてきました。他の業界が先行して駆け上がる一方で、今行動する銀行には、ファーストムーバー（先行者）としての優位性を獲得するチャンスがまだ残されています。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。しかし、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（ヒューマンキャピタル）にあります。
勝ち残る金融機関とは、従業員がAIツールをその場しのぎで使うのではなく、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、そして主導できるように、実在し検証されたスキルを育てることが必要です。
従業員がAIイノベーションを牽引する理由
AIは、生産性、顧客体験、リスク管理にまたがって、驚異的な成果をもたらす可能性があります。しかしAIの本質は、単に「ツール」であることです。そのツールには、人間の創造性と領域の専門知識が必要であり、それによって初めて実際のビジネス価値が生み出されます。技術だけではイノベーションは起きません。イノベーションを起こすのは人です。信頼、規制、判断が中心となる銀行では、人と機械のこの相互作用がさらに重要になります。
今日のすべての従業員は、程度の差はあれ、AI対応の従業員にならなければなりません。中には、深い技術性を持つ人もいます。たとえば、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の運用化を支えるシステムの設計・保守を担う役割です。ほかにも、窓口担当者、引受担当者、またはカスタマーサービス担当者のように、コードの1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うことで業務フローを効率化し、より良い意思決定を行える可能性があります。この両極の間にあるのが「AI+X」の従業員です。これは、信用リスク、コンプライアンス、または不正検知のような領域で深い専門知識を持ち、それを補完するのに十分なAIリテラシーを併せ持っており、その技術を使って専門性を強化できる個人を指します。
AI+Xの従業員こそが、本当の意味でのイノベーションを牽引します。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、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するのに役立ちます。たとえば、AIに通じたコンプライアンス担当者であれば、データチームと協力して、KYCおよびAMLプロセス向けにより公正で、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るプロダクトマネージャーであれば、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生み出したり、オンボーディングの旅（導入プロセス）を改善したりできます。こうしたすべてのケースで、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、リスクを嫌う銀行業界のようなセクターでは、この人的なレイヤーが不可欠です。技術によって異常が特定されたり推奨が生成されたりすることはあるかもしれませんが、倫理・法令・評判の基準に沿うように意思決定を解釈し、文脈づけ、そして確実なものにするのは人間です。だからこそ、AI導入でリードする銀行とは、システムやモデルに投資するだけでなく、組織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対応の人材（ワークフォース）を構築するには、既存のスキルとギャップを理解することから始める必要があります。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、人材をどのように育成すべきか、またAIをどこに最も効果的に展開すべきかについて、十分に情報に基づいた判断ができません。
自己評価だけでは信頼できません。従業員は、自分の熟練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（客観的な評価を通じて測定されるもの）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、学習の道筋（ラーニングパス）を、特定のプロセスや目標に合わせて設計できます。たとえば、フロントラインのチーム向けの導入レベルのAIリテラシー、データの専門職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です。
従業員が自分の立ち位置を理解したら、重点的なアップスキリングを進め、定期的なサイクルでスキルを検証して進捗を測り、説明責任を伴う形で人への投資を行えます。学習と検証のこの循環は、継続的な改善の文化を生み出し、分野が進化するにつれてスキルが常に最新であり続けることを保証します。これは特にAIにおいて重要です。なぜなら、スキルの半減期はかつてないほど短いからです。今日最先端だと考えられているものが、1年以内に古くなる可能性があります。そのため、特定の技術的コンピテンシーよりも、素早く学べる従業員の能力の価値が高くなります。
銀行にとってこれは、スキルの成長スピード—従業員が新しいスキルを獲得し、それを適用できるまでの速度—を優先する必要性を意味します。この適応力を育てる組織は、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迅速に対応し、競争上の優位性を維持できます。検証されたスキルはまたガバナンスも強化し、従業員がAIの使い方だけでなく、公平性や透明性、そしてリスクに配慮しながら責任ある形でAIを使う方法を理解できるようにします。
最終的な目標は整合です。スキル・インテリジェンスが学習戦略に情報を与え、学習戦略がビジネス上の優先事項を支えるとき、銀行は自信を持って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べきか、どのように人材を動員すべきか、そしていつ安全にイノベーションをスケールすべきかを見通せます。
勝てる人材を構築する
これは、銀行業界にとって重要な転換点です。イノベーションの土台を築く機関は先へ駆け出し、躊躇する機関は置き去りのリスクがあります。進むべき道は明確です。従業員の間に幅広いAI能力を構築する銀行—特に、技術と領域の専門知識を融合させた検証されたスキルを備えた銀行—が、最も強い立場で繁栄できる可能性が高いでしょう。
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であれ、パワーユーザーとしてであれ、領域の専門家としてであれ）銀行全体として機動力とレジリエンスが高まり、単なる漸進的な効率化だけでなく、戦略的な価値を生み出す力を得られます。今こそ、実験からエンパワーメント（活用の実装）へ移行する時です。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。育んでいるスキルが違いを生みます。