第２章 金融業務へのＡＩ導入がなぜ急務か
１．金融業務へのＡＩの導入と、それが必要な理由
Ｑ 金融機関業務へのＡＩ活用の実例には、どんなものがありますか？
金融業は、もともと情報を扱う産業です。しかも、ルーチン的な業務（定型的で決まりきった業務）が大半を占めています。
このため、金融機関の業務は、ＡＩの利用によって大きく効率化できるでしょう。例えば、事務処理を自動化したり、窓口業務を無人化するといったことです。それは、金融業に極めて大きな変化をもたらすでしょう。
とりわけ重要なのは、パターン認識機能（第１章の１参照）を利用して、業務を自動化することです。
例えば、音声認識機能はパターン認識機能の１つですが、これを用いてコールセンターの業務を自動化できます。それによって、待ち時間やプロセス時間を短縮して、顧客満足度を高めることができます。また、高度な情報提供も可能です。例えば、退職によって生じるニーズを予測して、退職金の運用などのアドバイスが効果的にできるでしょう。
また、手書き文字や印刷された文字の認識が正確にできると、事務処理や作業を自動化できます。レポートなどの作成も行なえます。
顔認証は、写真の顔と現実の人間との対応をつける技術です。電子マネーの支払い認証、機器の操作、犯罪者やテロリストの検出などに用いられます。この技術の応用によって、銀行の店舗が無人化しても、不思議はありません。
このようにして、従来は人海戦術的に人間が担ってきた定型的な作業を、自動的・効率的に処理することによって、ミスや無駄をなくしていけるものと期待されます。それによって、バックオフィス業務の効率化、あるいはコスト削減が可能となるでしょう。
以上の詳細については、第６章で述べます。
金融業での応用可能性は、以上にとどまりません。金融業の本体といえる業務にもＡＩが進出しようとしています。
第１に、貸付の審査をＡＩが行なう試み（信用度のＡＩスコアリング）が進められています（第３章）。
第２に、ＡＩが運用する投資信託やヘッジファンドにおける利用が考えられています。また、投資に助言を与えるロボアドバイザーも登場しています（第４章）。
第３に、銀行以外に、保険も大きく変わります（第５章）。
Ｑ ＡＩによって一番大きなインパクトを受ける銀行業務は何ですか？
右に述べたように、ＡＩは広い範囲の金融機関業務に大きな影響を与えます。その中でも、金融業本体の業務に与える影響が重要です。銀行の場合には、次のようなことがいえます。
現在の銀行の三大業務は「預金」「為替」「融資」ですが、ＡＩは、その中でもとくに「融資」に大きなインパクトを与えます。なぜなら、「融資」の判断を、ビッグデータを用いてＡＩが行なおうという試みが始まっているからです。
この判断は、これまで人間でなければできないものと考えられ、銀行業務の中核にありました。こうした変化に対して、銀行が変わっていかなければなりません。
また、ＡＩによる信用審査にはビッグデータが重要な役割を果たしますが、膨大なビッグデータを持つＩＴ企業（Amazon, Googleなど）が金融業に参入し、銀行業務を開始する可能性があるともいわれます。そうしたことが現実の動きになれば、金融機関を大きく揺るがすことになるでしょう。
Ｑ ＡＩ導入の背景として銀行の収益の減少が指摘されますが、実情はどうなっていますか？
大手銀行５グループの２０１８年３月期決算を見ると、実質業務純益の合計額は、対前期比19・４％減の２兆３９４億円となっています（「実質業務純益」とは、金融機関が本業で得た利益を示す指標である「業務純益」から、国債の損益などの特殊な要因を取り除いたものです。本業だけの利益を厳密に見るための指標とされます）。
三井住友フィナンシャルグループは27・１％減、三菱ＵＦＪフィナンシャル・グループは15・５％減であり、みずほフィナンシャルグループは33・５％減もの大幅な減少となっています。
地方銀行の状況はさらに悪く、全国地銀１０６行の２０１８年３月期決算概要では、単体ベースの最終損益の合計は、前期比０・４％減でした。実質業務純益は５・１％減となっています。これは、５年連続の減少です。
２０１７年３月期決算では、実質業務純益は19・３％減でした。貸出金残高は増加したものの、貸出金利が低下したため、利益が圧迫されたのです。これは、経営が危ぶまれる状況で、ビジネスモデルの存続自体が問題とされている状況だといえます。
他の産業での業績が好調であることと比較すると、銀行の不調ぶりが目立ちます。
Ｑ 銀行収益はなぜ低下しているのですか？
原因としては、まず、日本銀行が２０１６年に導入したマイナス金利政策（銀行が日銀に預けている当座預金の一部に、マイナスの金利を付ける政策。これによって金利を引き下げようとしています）が考えられます。銀行収益の基本は預貸金利ざや（貸出金利回り－預金債券等利回り－経費率）ですが、それが確保できない状況になっているのです。
アメリカの中央銀行である連邦準備制度理事会（ＦＲＢ）は、金融緩和政策から脱出し、政策金利を引き上げつつあります。ヨーロッパ中央銀行（ＥＣＢ）も、２０１８年中に緩和から脱却する予定です。しかし日本銀行は緩和を継続するとしています。したがって、日本の銀行を取り巻く環境が、簡単に変わることはないでしょう。
日銀は、２０１７年秋の「金融システムレポート」において、金融機関の収益性が低下しているとの認識を示しました。その原因として指摘したのは、オーバーバンキング（銀行の数が多すぎること）です。しかし、マイナス金利政策が続く環境では、利ざやを確保できません。収支悪化は、必ずしも金融機関の競争激化によるものばかりとはいえないのです。
さらに大きな変化が起きる可能性もあります。例えば、本章の３で述べるように、大手ＩＴ企業の金融業参入もあり得ます。日本国内だけでなく、中国からの進出もあり得ます。こうしたことが現実化すれば、銀行の収益力はさらに低下するでしょう。
したがって、金利が上昇すれば銀行の収益力が直ちに元に戻って、問題が解決されるというわけではありません。金融機関は構造的問題に直面しているのであり、ビジネスモデルの転換を迫られています。
Ｑ 銀行は収益減に対してどのような対策を取ろうとしているのですか？
まず第１に、人員の削減です（ただし、銀行は「人員削減」とはいわず、「業務の見直し」といっています）。
実際、各銀行は、次のように人員の削減計画を打ち出しています。
２０１７年、３メガバンクグループが相次いで業務量削減策を打ち出しました。みずほフィナンシャルグループは、傘下のみずほ銀行の支店など国内拠点の２割に当たる約１００店舗を削減し、２０２６年度末までにグループの従業員を１万９０００人減らすとしました。三菱ＵＦＪフィナンシャル・グループも、２０２３年度末までに９５００人分の業務量を削減します。三井住友フィナンシャルグループも、２０１９年度末までに４０００人分の業務量を削減するとしています。これらを合計すると、３・２万人分になります。
この背景には、銀行の従業員数が増加しているという事情があります。この結果、１人当たりの生産性は５年前の半分に落ち込んでいます。
銀行単体で１人当たりの実質業務純益を平均給与で割った生産性を見ると、２０１３年３月期と比較して、三菱ＵＦＪ銀行は61％、三井住友銀行は57％、みずほ銀行は32％まで低下しています。
第２は手数料の値上げです。銀行で、両替や振込などの手数料を値上げする動きが相次いでいます。収益の悪化によって、これまでは無料や低料金で提供してきたサービスを維持することが困難になっているためです。
さらに、店舗やＡＴＭなどの固定費をいかに抑えていくかが課題とされています。
以上のように、金融機関が業務の効率化を図り、費用を削減するのは、止むを得ないことでしょう。
しかし、これだけで収益が回復できるわけではありません。
従来の金融機関のビジネスモデルで利益を挙げるのが難しくなっており、新たなビジネスモデルの開発が大きな課題になっています。
抜本的な対策として、ＡＩやブロックチェーンなどを積極的に導入することによって、銀行業務を本質的に変えることが急務になっているのです。
Q AIの導入は、金融機関の雇用にどんな影響を及ぼしますか？ 銀行で大失業時代が起きることはないですか？
これまで金融機関で人間が行なってきた仕事の多くが、ＡＩに代替される可能性は否定できません。ＡＩはすでに、既存の金融機関の機能の一部を代替する存在となってきています。
デジタル革命は、一般に破壊的な影響力を持ちます。金融業が情報産業である以上、甚大な影響を受けないはずはありません。
金融業界における競争は、従来は基本的には金融機関同士の競争でした。しかし、フィンテックが進むと、競争環境が一変するとの意見があります。
アメリカのコンサルティング会社マッキンゼーは、『グローバルバンキング』の２０１５年版で、フィンテックが金融機関の利益を大きく減少させるとの分析を発表しました。今後10年間で、フィンテックによって銀行の利益が60％減少し、売り上げが40％減少するとの予測です。
このレポートは、日本ではあまり注目されませんでしたが、欧米では、衝撃をもって受け止められました。
２．金融機関のＡＩ活用とデータの問題
Ｑ 「ＡＩの活用にあたってはデータが重要だ」といわれますが、
それはなぜですか？
それを考えるには、従来の定量的手法とＡＩの利用がどのように違うかを見るのがよいでしょう。
金融機関においても、定量的な手法は、これまでも行なわれてきました。例えば、融資の条件などを決定するにあたって、相手の信用度を定量的に評価することです（これは、「信用度スコアリング」と呼ばれます。その具体的な内容は、第３章で述べます）。この場合の目的は、特定の個人または企業の「信用度」（債務不履行しない確率）を予測することです。
これをいくつかの変数で説明するモデルを作ります。変数としては、学歴、職歴、勤務形態、年収、住居形態などが考えられるでしょう。
次に、これらの変数を数値化します。例えば、「高学歴で大企業勤務なら高信用度とする」といったことです。そして、各変数にウエイトをつけて総合評点を算出するのです。
「スコアリング」は、従来から信用度のみならず様々な対象について行なわれてきましたが、これらは、右のような方法で算出されたものでした。
しかし、これだけでは、単なる数値化にすぎません。しかも、恣意的な数値化です。非数値データの数値化の方法や、各変数につけるウエイトが適切なものかどうかは、事前には分からないのです。これらを適当に選んで数値化してみても、それが信用度（債務不履行しない確率）を適切に予測する指標になっている保証はありません。
例えば、常識的には「高学歴で大企業勤務なら信用度が高い」でよいように思われますが、本当にそれでよいかどうかは分かりません。
そこで、データを用いて、数値化やウエイトづけを適切なものとする必要があります。
ＡＩのスコアリングでは、この目的のために、大量のデータによる機械学習を行ないます。これは、第１章の２で述べた「ＡＩによるプロファイリング」に他なりません。それによって初めて、精密な予測が可能になるのです。
Ｑ プロファイリングのためには、どんなデータが必要とされるでしょうか？
ＡＩによるプロファイリングがこれまでの定量的手法に比べて優れているのは、用いるデータの範囲や量が飛躍的に拡大したことです。
したがって、重要なのはデータです。それがなければ、正確なプロファイリングはできません。
近年では、ＳＮＳ、ブログ等の媒体を通じて顧客に関連する大量の非構造化データ（つぶやき、音声、画像など）が収集され、分析可能な状況になりつつあります。
さらに、モバイル端末の普及や、センサーとインターネットを介した機械対機械（Ｍ２Ｍ）の情報交換によって、データを大量に収集することが容易になりました。
また、電子マネーの利用履歴から情報が収集される場合もあります。
これらは、これまで銀行が持っているタイプのデータとは異質のものです。こうしたデータを、銀行がどのようにして入手できるかが問題となります。
Ｑ 銀行によるビッグデータ関連の取り組みとしては、どんなものがありますか？
三菱ＵＦＪ信託銀行は、２０１８年７月に、個人データ銀行を２０１９年度中にも始めると発表しました。スマートフォンを使って個人に健康診断や、月々の支出、購買履歴などのデータを記録してもらい、個人から同意を得て、預かったデータを企業に販売するというものです。
これに先立ち、三井住友フィナンシャルグループとヤフーは、２０１７年８月に、ビッグデータ分析などを行なう合弁会社の設立を発表しました。ただし、収集した情報を匿名化するのか、本人の同意を得るのかが明らかでなかったため、議論を呼びました。
三井住友フィナンシャルグループは約４０００万人分の顧客情報を持っているといわれます。しかし、同意を得た顧客だけに限れば、データ量は10分の１以下に減少するといわれます。
Ｑ 日本の金融機関はビッグデータを用いるＡＩ活用を実現できるでしょうか？
ＡＩによるプロファイリングが機能するか否かは、金融機関がどれだけのビッグデータを集められるかに依存します。例えば貸付審査の場合を考えてみると、これまでのように審査対象から資料を提供させるのとは、まったく違う対応が必要になります。日本の金融機関にそのような対応ができるかが、これから問われることになるでしょう。
ＡＩによるプロファイリングは、運転履歴や医療データから保険料を決める保険（第５章参照）で用いられています。保険の場合には、こうしたデータを集める仕組みが開発されています。
しかし、第３章で述べる信用度スコアリングの場合には、そうした情報を銀行がどのようにして入手できるかが問題です。これは、決して容易なことではありません。
アメリカや中国では、ＳＮＳのデータや電子マネーのデータを取り入れています。
後述のようにAmazonはAmazon Lendingという融資サービスを提供していますが、これができるのも、大量の商流データを持っているからです。
ＡＩは、こうした大量のデータの蓄積があって初めて有効に機能するものです。日本の金融機関がこうしたデータをどう蓄積できるかが問われています。
Ｑ 日本の金融機関がビッグデータを利用する場合に必要とされることは何ですか？
銀行は、顧客の貸付や預金のデータは持っています。しかし、その人は他銀行とも取り引きしているかもしれません。そうであれば、銀行は部分的な情報しか持っていないことになります。これらは数値データだから利用しやすいのですが、それらによって正確なプロファイリングができるのかどうかは、疑問です。
また中小企業向け融資の場合には財務データを用いるとされていますが、倒産データなどの蓄積は十分ではありません。
問題はまだあります。それは、「虚偽の情報が提出されていないか？」ということです。例えば、学歴のデータが真実かどうかの判定は容易ではありません。
様々な指標を自己申告させるだけなら、信用度は操作できてしまいます。評価する立場にいる銀行は整合性のチェックはするでしょうが、その程度では見抜けない虚偽申告もあるでしょう。したがって、申請者が勝手に操作できない指標を用いる必要があります。
日本でも、かつて、中小企業向けの融資にコンピュータによるスコアリングを導入したことがあります（第３章参照）。しかし、中小企業では恣意的な会計処理を行なっている場合が少なくなく、財務データの信頼性が低いという問題がありました。こうした問題が、10年前に比べて大きく改善されているとは思えません。
ＡＩの利用にあたっては、データの収集と評価モデルの作成に、作業の大部分が費やされるはずです。こうした準備なしにＡＩを導入したとしても、から騒ぎに終わる危険があります。
なお、以上のことは銀行による信用度スコアリングに限った問題ではありません。
ＡＩブームに乗じて「ＡＩによる診断」と称するサービスがいくつも提供されています。例えば、面接をＡＩが行なうといったようなことです。
しかし、こうしたサービスの中には、ビッグデータによる検証を欠いた、属性の恣意的な数値化にすぎないものもあるように見受けられます。
どのようなデータを使っているか、そして、スコアがどの程度有効に機能したかという成績を公表していないサービスには、注意が必要です。
Ｑ 金融にＡＩを用いる場合、データ入手以外の問題は何ですか？
第１の問題は、債務不履行の確率などは、経済情勢によっても影響を受けるので、過去のデータでうまくフィットしたモデルが、将来も正しいという保証はないことです。
第２に、金融の場合、市場を相手にしていることが問題となります。市場は、新しい情報にすぐさま反応してしまうために、ＡＩの意味が他の対象への応用とは違ってしまう場合があります。この問題については、第４章で詳しく見ます。
第３に、データサイエンスと呼ばれる分野の人材が必要です。これはコンピュータサイエンスや統計学と関わりがありますが、新しい考えと方法論が必要とされる分野です。
Ｑ Amazonが貸付を行なっているそうですが、本当ですか？
Amazonは、ウエブを通じて販売を行なっているため、大量の取引情報がビッグデータとして蓄積されています。従来から、このデータを用いて利用者に「おすすめ」を行なってきたのですが、このデータをＡＩで解析することによって、さらに様々なことができます。すでに、個々の販売事業者に対する融資限度額と貸出金利を自動的に算出して、ネット経由でセールスしています。
これは、Amazon Lendingと呼ばれ、２０１２年からアメリカで開始されています。２０１５年の累計融資額は15億ドルを上回り、融資残高は約４億ドルといわれています。
事業計画や担保の代わりに、過去の販売実績や決済データなどを審査の材料として活用します。審査にかかる時間も大幅に短縮されており、ローンの申し込みから入金まで、最短で５日とされます。
Ｑ Amazonが預金や仮想通貨発行などの金融業務に進出する可能性はありますか？
Amazonが金融業務に進出するのは、アリババがウエブショッピングから金融業に進出した経緯を考えても、ごく自然の流れです。
今後Amazonが進出するだろうと予想されているのは、利用者が買い物をする場合の決済です。現在のようにAmazonに登録したクレジットカードを用いるのではなく、Amazonが設立した銀行に開設した自分の口座から直接に代金を支払えるようにすることが考えられます。あるいは、Amazonが独自の仮想通貨を発行する可能性もあります。
アメリカでこれまでフィンテックを先導してきたのは、スタートアップ企業（ベンチャー企業）でした。
そして、大手ＩＴ企業の金融業進出はありませんでした。Apple PayやGoogle Pay（旧Android Pay）などの試みはありましたが、既存の金融業に大きな影響を与えるようなものではありませんでした。
しかし、この状況も変わるかもしれません。
Ｑ ネオバンクとは何ですか？
「ネオバンク」とは、フィンテックの技術を使って金融サービスを提供する事業者のことです。
欧米でネオバンクと呼ばれる企業の多くは、銀行免許を持たない銀行代理業です。預金や融資など、従来銀行が行なってきたサービスを、銀行と契約を結ぶことによって肩代わりし、顧客に新しい金融サービスを提供します。
これと似たものとして、「チャレンジャーバンク」と呼ばれるものがあります。
これは、銀行業務ライセンスを取得し、当座預金、普通預金、住宅ローンなど、既存銀行と同じサービスを、モバイルアプリ上で提供するものです。ネオバンクとは異なり、既存の銀行から完全に独立した事業を展開しようとしています。
Ｑ 銀行ＡＰＩとは何ですか？
「ＡＰＩ」とは、アプリケーション・プログラミング・インターフェースの略で、アプリケーション（コンピュータを利用する目的に応じて作られているコンピュータ・プログラム）の機能や管理するデータなどを、他のアプリケーションから呼び出して利用するための接続仕様や仕組みを指します。それを他の企業等に公開することを、「オープンＡＰＩ」と呼びます。
２０１７年５月に成立した銀行法の改正で、銀行によるオープンＡＰＩが努力義務とされました。すなわち、銀行や信用金庫が、顧客向けに提供している残高照会、取引明細照会、振替、振込などのサービスを、「オープンＡＰＩ」として公開するよう努めなければならないこととなりました。
銀行ＡＰＩを利用すれば、スタートアップ企業が銀行のようなサービスを提供することが可能となります。
この記事が気に入ったらサポートをしてみませんか？