毎日経済新聞記者｜劉嘉魁 毎日経済新聞編集｜魏文藝 2025年の中国本土A株上場銀行の年報シーズンが締めくくられる中、ある一連の数字が金融業のインテリジェント化への新たな転換の全体像を描き出している――工商銀行（ICBC）の年間フィンテック投資は285.88億元、招商銀行はAI（人工知能）の活用が1年以内に1556万人工時間以上の置き換えを達成したと宣言し、平安銀行では大規模モデルの応用シーンが1年で倍増して400近い件にまで伸びている……。『毎日経済新聞』の記者（以下、「毎日経済新聞記者」）は、2025年に工商銀行、農業銀行、中国銀行、建設銀行、交通銀行、郵儲銀行など6つの国有銀行がフィンテック分野で投じた総額が合計で1300億元を超え、2024年の1254.59億元からさらに増加していることに注目した。巨額投資の背後で、より深い変化が進行している。人工知能は、年報で将来を見据える技術編の枠を超え、銀行の中核的競争力を測る重要なものさしへと姿を変えた。その一方で、海の向こうでは、モルガン・チェースが別のAIのビジョンを描いている。最高経営責任者ジェイミー・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な技術」と位置づけ、毎年20億米ドル超を投じて「全AI協調型企業」を構築すると発表した。このウォール街の金融巨大企業は、単発のアプリケーションに満足しておらず、AIを組織のあらゆる毛細血管のようなところへ深く溶け込ませようとしている。一方には国内銀行業界における、体系化・大規模化されたAI投資とシーンへの落とし込みがあり、他方には国際的な金融巨大企業がエコシステム思考で推し進める、あらゆる面でのスマート化の再構築がある。太平洋をまたぐ今回の金融インテリジェンスの波は、信用審査、リスク・プライシングから投資判断に至るまで、あらゆる中核プロセスを静かに変えつつある。しかし、この熱を帯びた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も試している。金融業のAIの道のりは、大きな潜在力を示すと同時に、より多くの知恵と慎重さが求められる、重要な局面へと入っている。**戦略のアップグレード： 「デジタル」から「数智」への戦略的競争**毎日経済新聞記者が2025年に上場した銀行の業績報告書を整理してみると、「人工知能」は技術の展望編にとどまらず、将来の中核的競争力を測る重要な業績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、どれほど強い体系として導入できているか」へ移っており、体系化・大規模化された定着という鮮明な特徴を示している。国有大手行は潤沢な資源を背景に、AI転換の「重厚な基盤インフラ」を築こうとしている。工商銀行は年報の中で、4年間実施してきた「デジタル工行」（D-ICBC）戦略を「数智工行」（AI-ICBC）へ全面的にアップグレードしたことを明確にしている。中核の「工銀智涌」大規模モデルは、30を超える業務領域で500件余りの応用シーンに導入済みだ。建設銀行は、人工知能技術がグループ内の398のシーンに対して大規模に能力を付与したと開示している。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400以上導入している。持株会社制銀行および城商行は、シーンの導入スピードと広さの面で、より高い機動性を示している。招商銀行は業績発表会で、AIの応用シーンが856件に達していることを明らかにした。通年でAIにより人工を1556万時間超置き換えており、8000人超のフルタイム従業員に相当する人工効率を形成している。さらに重要なのは、AIが「コストセンター」から「収益効果エンジン」へと変化していることだ。同行は顧客担当者向けのスマートアシスタントを通じて、1人当たりの有効な対面訪問回数を14%引き上げ、顧客あたりの取引規模を20%増加させている。平安銀行の大規模モデルの応用シーンは、1年で「200件超」から「390件超」へ急増し、AIが生成したコード量の比率はすでに30%超となっている。中信銀行は「大規模モデル＋小規模モデル」の協調モードを構築し、2025年末までに大規模モデルの導入シーンは120件超に達している。「AI優先」から「AIネイティブ」へ。先頭に立つ銀行は、インテリジェンスの深さを組織の肌理に埋め込み、新たな競争の壁を築こうとしている。あるシニアの銀行業研究者は、毎日経済新聞記者に対し、2025年の年報におけるAI成果の開示の密度の高さは、中国の銀行業のデジタル化転換が、インテリジェントな意思決定とプロセス再構築を中核とする「深い水域」へ入ったことを示すと分析した。その背景には、業界の純金利マージンが継続的に縮小しているという局面があり、技術によって効率を得て成長を得ることが必然的な選択になっている。AIへの投資は、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・収益改善、リスク管理、収入向上などの中核的な経営指標に直接紐づく戦略的投資になっている。**アプリケーションの深掘り：風控（リスク管理）、普恵、運営における効率革命の定着**長年の探索を経て、銀行業におけるAIの活用は、初期のスマート・カスタマーサービスや顔認証による支払いをとっくに超え、業務の中核領域へ深く入り込んでいる。効率の向上とリスク制御の両面で、覆しうるような潜在力を示している。リスク管理の「心臓部」――与信と反欺詐の分野では、AIは「ルール判断」から「スマートな認知（インテリジェント・センシング）」への質的変化を実現しつつある。従来の風控は、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は難しい。一方、機械学習やグラフ計算を中核とするインテリジェント風控システムは、大量の異種データをリアルタイムに処理できる。たとえば郵儲銀行は、全チェーンの反欺詐モデル体系を構築し、2025年上半期において、潜在的な被害者口座を累計で10万件超保護した。招商銀行のオンライン風控プラットフォームは、2025年における対公（法人向け）与信規模の審査が約6000億元に達し、前年比44%増となっており、AI支援による貸出後リスク警告のタイミングは従来の人手モデルに比べ平均で42日早まった。普恵金融の分野では、AIが代替的データを分析することで、小規模企業の「融資が難しい、融資が高い」という定番の難題を解きほぐし始めている。多くの銀行は、AIモデルを使って企業の税務、請求書、サプライチェーン、さらには水道・電力データに至るまでを統合し、従来の担保物件が乏しい中小・零細企業に対して信用の「プロファイル」を作り、迅速な与信につなげている。スマートな運営と顧客サービスは、AIによるコスト削減・効率向上の最も直感的な現れだ。招商銀行の、万名超の「金葵花」顧客担当者向けのスマートアシスタントは、日常業務におけるスマートな相棒となっている。平安銀行は生成型AI（AIGC）を用いてマーケティングコンテンツの制作を支援しており、この取り組みだけで2025年に約6000万元の費用を節約している。運営バックエンドでは、AIの「デジタル社員」が大量の反復作業を引き受け始めている。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、業務集約化の効率を2倍以上に高めている。「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では扱いにくい大量データ、ルールではカバーしきれない複雑なパターン、そして高い同時アクセス下でのリアルタイムな応答ニーズ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。こうした成熟したアプリケーションは銀行のAI能力の「基盤部分」を形成しており、その価値はコスト削減、リスク低減、体験向上に直結して表れている。同氏は、現在のアプリケーションは「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」を生み出す、あるいは「新しいビジネス」を生み出す方法に焦点が移る、つまり「社内の効率化」から「社外の収益創出」へと進むことになると考えている。**海外の現状：プロセス最適化から価値創造へのブレークスルー**国内銀行業がAIを使って社内プロセスや顧客サービスを最適化することに注力する一方で、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、より転覆的な領域へAIの手を伸ばしている。投資判断そのものだ。ベンチャーキャピタル（VC）やプライベートエクイティ（PE）の分野では、AIが案件の発掘やデューデリジェンス（適正調査）の土台となるロジックを再構築している。従来は人脈ネットワークや業界リサーチ（Wind、ブルームバーグなどのプラットフォーム）に依存していたが、そのやり方は変わりつつある。セコイア・キャピタル（紅杉資本）の例では、同社はすでに社内でAIツールを開発しており、世界中のスタートアップのデータ、学術論文、特許、ニュースを自動スキャンし、投資チームに対して毎日決まった時間に、潜在案件の初期分析レポートを配信している。これにより、案件スクリーニングの幅と効率が高まる。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はバックエンドの支援からフロントのサービスへと移りつつある。モルガン・チェースは「IndexGPT」という同社製品に関して、早くも2023年に商標出願を行っている。これは、生成型AI技術を使い、顧客が入力したテーマや関心領域に基づいて、投資対象となる証券の分析と選定を自動で行う投資アドバイザー用ツールだ。このモデルは汎用大規模モデルを土台にしており、モルガン・チェース固有のマクロ経済、会社リサーチなどの大量の非公開データを使ってトレーニングされている。顧客にパーソナライズされた投資ポートフォリオの提案を行うことを目的としている。加えて、融資業務ではAIを使って顧客のリスクをより細かく格付けし、価格付けすることが、海外ではすでに比較的成熟した実践となっている。前述の銀行業研究者は、海外の金融機関におけるAIの実践からは2つの重要なトレンドが見えてくると解釈する。1つ目は、AIの活用が「内部プロセスの最適化」から「外部価値創造」へと移行し、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入り込んでいること。2つ目は、先頭の機関が、取引データや深いリサーチといった独自で高品質なデータの壁を用いて、特定領域向けの大規模モデルをトレーニングし、新たで、模倣しにくい競争上の堀（護城河）を築いていることだ。これに対し、国内の金融機関は、AIを使って投資判断を直接ドライブし、深いスマートな投資アドバイス・サービスを提供する面では、なお発展の余地がある。これは、将来攻略すべき高地であるかもしれない。**前進の暗礁：データガバナンス、AIの幻覚、そして人材不足の試練**反欺詐やスマート・カスタマーサービスなどの成熟した活用以外にも、金融業はAIをより前線的で、より中核的な領域へ慎重に押し進めようとしており、さらなる新たな価値を解き放って、AIにより複雑な金融活動の中で「アナリスト」、さらには「初級の意思決定者」としての役割を担わせようとしている。毎日経済新聞記者によれば、スマートな世論（センチメント）分析や市場の警戒（マーケット・プレアラート）に関しては、すでにある機関がAIを訓練して、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に取得・分析し、市場や特定企業に影響し得るリスクの「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7万件の市場世論情報を処理でき、企業の主体を自動で識別し、ネガティブな世論を分類する。スマートな貸出後管理・資産保全の領域では、AIが期末残高（存量）の貸出に対して継続的で自動化されたリスク監視を行うために使われている。企業の経営データ、司法情報、世論の変化を分析することで、モデルは潜在リスクを前もって警告でき、受け身の対応から主導的な管理へと変えることができる。 一部の銀行は、大規模モデルを使って貸出後審査レポートを生成する試みを行っており、執筆にかかる時間を大幅に短縮している。より転覆的な探索は、取引や投資の中核領域で起きている。量的投資の分野では、既存の取引戦略を最適化することに加え、さらに前衛的な探索として、市場のミクロ構造を自律的に学習し、そして一部の取引指示を自律的に実行できる「バーチャル・トレーダー（仮想ディーラー）」の開発が進められていると報じられている。モルガン・チェースはすでに、自社のAI量的取引プラットフォームを公開しており、高頻度取引とマルチファクター戦略のインテリジェントな融合をサポートしている。委託取引（たとえば外国為替、金利デリバティブの取引）においても、AIを使ってトレーダーに対しリアルタイムの最適な見積り（最良価格）とヘッジ戦略の提案を行うことが研究されている。しかし、見通しは広がっているものの、金融の中核領域におけるAIの深い応用には制約があり、データガバナンス、大規模モデル「幻覚」、そして複合型人材の不足という、金融機関が必ず越えなければならない「三重の門」が立ちはだかっている。まずは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。しかし、金融データは極めて高い機微性を持つ個人のプライバシーと商業機密に関わり、かつ多くの場合、異なる業務部門に散在して「データの孤島」を形成している。KPMGの専門家は、金融機関が一般に多ソースの異種データの協同が難しいこと、内部データの流通と共有が難しいことなどの課題に直面していると指摘している。次に、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」の問題は、ゼロミスが求められる金融の意思決定においては致命的な傷になりうる。中国郵政貯蓄銀行の研究員である娄飛鹏氏は、「幻覚」がリスク管理の領域で生じた場合、銀行がリスクのロジックを理解できなくなり、結果として有効な対処策を取れない可能性があると述べている。3つ目は、複合型人材の不足と組織変革の痛みだ。複雑な金融業務ロジックを深く理解しつつ、AIアルゴリズムとエンジニアリングにも精通する複合型人材は、極めて限られている。同時に、従来の、厳格さと階層制を重視する銀行の組織文化と、AIに必要な素早い反復、大目に見た失敗と試行錯誤を許容するアジャイル開発モデルとの間には、根の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」の総合的なエコシステムを巡る戦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確立し、組織と文化の転換を成功裏に推進できる機関こそが、この深い「数智化」革命において長期的な優位性を勝ち取れる。 （編集：銭暁睿） キーワード：
上場銀行の年次報告書における「AIコンペティション」：2025年までに六大銀行のフィンテック総投資額は1300億元超え、シナリオ実現とリスク課題が共存
毎日経済新聞記者｜劉嘉魁 毎日経済新聞編集｜魏文藝
2025年の中国本土A株上場銀行の年報シーズンが締めくくられる中、ある一連の数字が金融業のインテリジェント化への新たな転換の全体像を描き出している――工商銀行（ICBC）の年間フィンテック投資は285.88億元、招商銀行はAI（人工知能）の活用が1年以内に1556万人工時間以上の置き換えを達成したと宣言し、平安銀行では大規模モデルの応用シーンが1年で倍増して400近い件にまで伸びている……。
『毎日経済新聞』の記者（以下、「毎日経済新聞記者」）は、2025年に工商銀行、農業銀行、中国銀行、建設銀行、交通銀行、郵儲銀行など6つの国有銀行がフィンテック分野で投じた総額が合計で1300億元を超え、2024年の1254.59億元からさらに増加していることに注目した。巨額投資の背後で、より深い変化が進行している。人工知能は、年報で将来を見据える技術編の枠を超え、銀行の中核的競争力を測る重要なものさしへと姿を変えた。
その一方で、海の向こうでは、モルガン・チェースが別のAIのビジョンを描いている。最高経営責任者ジェイミー・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な技術」と位置づけ、毎年20億米ドル超を投じて「全AI協調型企業」を構築すると発表した。このウォール街の金融巨大企業は、単発のアプリケーションに満足しておらず、AIを組織のあらゆる毛細血管のようなところへ深く溶け込ませようとしている。
一方には国内銀行業界における、体系化・大規模化されたAI投資とシーンへの落とし込みがあり、他方には国際的な金融巨大企業がエコシステム思考で推し進める、あらゆる面でのスマート化の再構築がある。太平洋をまたぐ今回の金融インテリジェンスの波は、信用審査、リスク・プライシングから投資判断に至るまで、あらゆる中核プロセスを静かに変えつつある。
しかし、この熱を帯びた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も試している。金融業のAIの道のりは、大きな潜在力を示すと同時に、より多くの知恵と慎重さが求められる、重要な局面へと入っている。
戦略のアップグレード： 「デジタル」から「数智」への戦略的競争
毎日経済新聞記者が2025年に上場した銀行の業績報告書を整理してみると、「人工知能」は技術の展望編にとどまらず、将来の中核的競争力を測る重要な業績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、どれほど強い体系として導入できているか」へ移っており、体系化・大規模化された定着という鮮明な特徴を示している。
国有大手行は潤沢な資源を背景に、AI転換の「重厚な基盤インフラ」を築こうとしている。工商銀行は年報の中で、4年間実施してきた「デジタル工行」（D-ICBC）戦略を「数智工行」（AI-ICBC）へ全面的にアップグレードしたことを明確にしている。中核の「工銀智涌」大規模モデルは、30を超える業務領域で500件余りの応用シーンに導入済みだ。建設銀行は、人工知能技術がグループ内の398のシーンに対して大規模に能力を付与したと開示している。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400以上導入している。
持株会社制銀行および城商行は、シーンの導入スピードと広さの面で、より高い機動性を示している。招商銀行は業績発表会で、AIの応用シーンが856件に達していることを明らかにした。通年でAIにより人工を1556万時間超置き換えており、8000人超のフルタイム従業員に相当する人工効率を形成している。さらに重要なのは、AIが「コストセンター」から「収益効果エンジン」へと変化していることだ。同行は顧客担当者向けのスマートアシスタントを通じて、1人当たりの有効な対面訪問回数を14%引き上げ、顧客あたりの取引規模を20%増加させている。平安銀行の大規模モデルの応用シーンは、1年で「200件超」から「390件超」へ急増し、AIが生成したコード量の比率はすでに30%超となっている。中信銀行は「大規模モデル＋小規模モデル」の協調モードを構築し、2025年末までに大規模モデルの導入シーンは120件超に達している。
「AI優先」から「AIネイティブ」へ。先頭に立つ銀行は、インテリジェンスの深さを組織の肌理に埋め込み、新たな競争の壁を築こうとしている。
あるシニアの銀行業研究者は、毎日経済新聞記者に対し、2025年の年報におけるAI成果の開示の密度の高さは、中国の銀行業のデジタル化転換が、インテリジェントな意思決定とプロセス再構築を中核とする「深い水域」へ入ったことを示すと分析した。その背景には、業界の純金利マージンが継続的に縮小しているという局面があり、技術によって効率を得て成長を得ることが必然的な選択になっている。AIへの投資は、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・収益改善、リスク管理、収入向上などの中核的な経営指標に直接紐づく戦略的投資になっている。
アプリケーションの深掘り：風控（リスク管理）、普恵、運営における効率革命の定着
長年の探索を経て、銀行業におけるAIの活用は、初期のスマート・カスタマーサービスや顔認証による支払いをとっくに超え、業務の中核領域へ深く入り込んでいる。効率の向上とリスク制御の両面で、覆しうるような潜在力を示している。
リスク管理の「心臓部」――与信と反欺詐の分野では、AIは「ルール判断」から「スマートな認知（インテリジェント・センシング）」への質的変化を実現しつつある。従来の風控は、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は難しい。一方、機械学習やグラフ計算を中核とするインテリジェント風控システムは、大量の異種データをリアルタイムに処理できる。たとえば郵儲銀行は、全チェーンの反欺詐モデル体系を構築し、2025年上半期において、潜在的な被害者口座を累計で10万件超保護した。招商銀行のオンライン風控プラットフォームは、2025年における対公（法人向け）与信規模の審査が約6000億元に達し、前年比44%増となっており、AI支援による貸出後リスク警告のタイミングは従来の人手モデルに比べ平均で42日早まった。
普恵金融の分野では、AIが代替的データを分析することで、小規模企業の「融資が難しい、融資が高い」という定番の難題を解きほぐし始めている。多くの銀行は、AIモデルを使って企業の税務、請求書、サプライチェーン、さらには水道・電力データに至るまでを統合し、従来の担保物件が乏しい中小・零細企業に対して信用の「プロファイル」を作り、迅速な与信につなげている。
スマートな運営と顧客サービスは、AIによるコスト削減・効率向上の最も直感的な現れだ。招商銀行の、万名超の「金葵花」顧客担当者向けのスマートアシスタントは、日常業務におけるスマートな相棒となっている。平安銀行は生成型AI（AIGC）を用いてマーケティングコンテンツの制作を支援しており、この取り組みだけで2025年に約6000万元の費用を節約している。運営バックエンドでは、AIの「デジタル社員」が大量の反復作業を引き受け始めている。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、業務集約化の効率を2倍以上に高めている。
「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では扱いにくい大量データ、ルールではカバーしきれない複雑なパターン、そして高い同時アクセス下でのリアルタイムな応答ニーズ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。こうした成熟したアプリケーションは銀行のAI能力の「基盤部分」を形成しており、その価値はコスト削減、リスク低減、体験向上に直結して表れている。
同氏は、現在のアプリケーションは「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」を生み出す、あるいは「新しいビジネス」を生み出す方法に焦点が移る、つまり「社内の効率化」から「社外の収益創出」へと進むことになると考えている。
海外の現状：プロセス最適化から価値創造へのブレークスルー
国内銀行業がAIを使って社内プロセスや顧客サービスを最適化することに注力する一方で、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、より転覆的な領域へAIの手を伸ばしている。投資判断そのものだ。
ベンチャーキャピタル（VC）やプライベートエクイティ（PE）の分野では、AIが案件の発掘やデューデリジェンス（適正調査）の土台となるロジックを再構築している。従来は人脈ネットワークや業界リサーチ（Wind、ブルームバーグなどのプラットフォーム）に依存していたが、そのやり方は変わりつつある。セコイア・キャピタル（紅杉資本）の例では、同社はすでに社内でAIツールを開発しており、世界中のスタートアップのデータ、学術論文、特許、ニュースを自動スキャンし、投資チームに対して毎日決まった時間に、潜在案件の初期分析レポートを配信している。これにより、案件スクリーニングの幅と効率が高まる。
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はバックエンドの支援からフロントのサービスへと移りつつある。モルガン・チェースは「IndexGPT」という同社製品に関して、早くも2023年に商標出願を行っている。これは、生成型AI技術を使い、顧客が入力したテーマや関心領域に基づいて、投資対象となる証券の分析と選定を自動で行う投資アドバイザー用ツールだ。このモデルは汎用大規模モデルを土台にしており、モルガン・チェース固有のマクロ経済、会社リサーチなどの大量の非公開データを使ってトレーニングされている。顧客にパーソナライズされた投資ポートフォリオの提案を行うことを目的としている。
加えて、融資業務ではAIを使って顧客のリスクをより細かく格付けし、価格付けすることが、海外ではすでに比較的成熟した実践となっている。
前述の銀行業研究者は、海外の金融機関におけるAIの実践からは2つの重要なトレンドが見えてくると解釈する。1つ目は、AIの活用が「内部プロセスの最適化」から「外部価値創造」へと移行し、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入り込んでいること。2つ目は、先頭の機関が、取引データや深いリサーチといった独自で高品質なデータの壁を用いて、特定領域向けの大規模モデルをトレーニングし、新たで、模倣しにくい競争上の堀（護城河）を築いていることだ。これに対し、国内の金融機関は、AIを使って投資判断を直接ドライブし、深いスマートな投資アドバイス・サービスを提供する面では、なお発展の余地がある。これは、将来攻略すべき高地であるかもしれない。
前進の暗礁：データガバナンス、AIの幻覚、そして人材不足の試練
反欺詐やスマート・カスタマーサービスなどの成熟した活用以外にも、金融業はAIをより前線的で、より中核的な領域へ慎重に押し進めようとしており、さらなる新たな価値を解き放って、AIにより複雑な金融活動の中で「アナリスト」、さらには「初級の意思決定者」としての役割を担わせようとしている。
毎日経済新聞記者によれば、スマートな世論（センチメント）分析や市場の警戒（マーケット・プレアラート）に関しては、すでにある機関がAIを訓練して、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に取得・分析し、市場や特定企業に影響し得るリスクの「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7万件の市場世論情報を処理でき、企業の主体を自動で識別し、ネガティブな世論を分類する。
スマートな貸出後管理・資産保全の領域では、AIが期末残高（存量）の貸出に対して継続的で自動化されたリスク監視を行うために使われている。企業の経営データ、司法情報、世論の変化を分析することで、モデルは潜在リスクを前もって警告でき、受け身の対応から主導的な管理へと変えることができる。 一部の銀行は、大規模モデルを使って貸出後審査レポートを生成する試みを行っており、執筆にかかる時間を大幅に短縮している。
より転覆的な探索は、取引や投資の中核領域で起きている。量的投資の分野では、既存の取引戦略を最適化することに加え、さらに前衛的な探索として、市場のミクロ構造を自律的に学習し、そして一部の取引指示を自律的に実行できる「バーチャル・トレーダー（仮想ディーラー）」の開発が進められていると報じられている。モルガン・チェースはすでに、自社のAI量的取引プラットフォームを公開しており、高頻度取引とマルチファクター戦略のインテリジェントな融合をサポートしている。委託取引（たとえば外国為替、金利デリバティブの取引）においても、AIを使ってトレーダーに対しリアルタイムの最適な見積り（最良価格）とヘッジ戦略の提案を行うことが研究されている。
しかし、見通しは広がっているものの、金融の中核領域におけるAIの深い応用には制約があり、データガバナンス、大規模モデル「幻覚」、そして複合型人材の不足という、金融機関が必ず越えなければならない「三重の門」が立ちはだかっている。
まずは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。しかし、金融データは極めて高い機微性を持つ個人のプライバシーと商業機密に関わり、かつ多くの場合、異なる業務部門に散在して「データの孤島」を形成している。KPMGの専門家は、金融機関が一般に多ソースの異種データの協同が難しいこと、内部データの流通と共有が難しいことなどの課題に直面していると指摘している。
次に、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」の問題は、ゼロミスが求められる金融の意思決定においては致命的な傷になりうる。中国郵政貯蓄銀行の研究員である娄飛鹏氏は、「幻覚」がリスク管理の領域で生じた場合、銀行がリスクのロジックを理解できなくなり、結果として有効な対処策を取れない可能性があると述べている。
3つ目は、複合型人材の不足と組織変革の痛みだ。複雑な金融業務ロジックを深く理解しつつ、AIアルゴリズムとエンジニアリングにも精通する複合型人材は、極めて限られている。同時に、従来の、厳格さと階層制を重視する銀行の組織文化と、AIに必要な素早い反復、大目に見た失敗と試行錯誤を許容するアジャイル開発モデルとの間には、根の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」の総合的なエコシステムを巡る戦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確立し、組織と文化の転換を成功裏に推進できる機関こそが、この深い「数智化」革命において長期的な優位性を勝ち取れる。
（編集：銭暁睿）
キーワード：