AIを使える、だけでは足りない。金融機関の知識をAIとともに育てる｜Jitera Context Lab

金融機関のIT部門や業務部門と話していると、まず、機密情報や顧客情報、個人情報を生成AIに扱わせてよいのか、規制や社内ルールに適合できるのか、利用状況をどのように管理・監査するのかといった、セキュリティおよびガバナンス上の懸念から、そもそも生成AIの導入・利用に踏み切れないという課題を耳にすることがあります。こうした懸念を整理し、安全に利用できる権限や責任分界、レビューの仕組みを整えたうえで導入できたとしても、次には「便利そうな場面を、組織の力としてどう根づかせればよいのか」という問いが生じます。

文書の要約や問い合わせへの回答、規程の検索、開発資産の整理。個別の業務でAIを試すことは、以前よりずっと始めやすくなりました。一方で、試行の数が増えたからといって、組織全体の仕事の進め方が変わるとは限りません。部署ごとに異なる使い方が広がり、判断の根拠や確認の仕方がばらばらになることもあります。

私たちJiteraは、金融機関が目指すべきなのは「AIを使える状態」ではなく、「自組織の知識や判断を踏まえてAIを活かせる状態」だと考えています。本稿では、その状態をAI Readyと捉え、金融機関がAIとともに知識を育てていく意味を考えます。

目の前の便利さの先で、何が問われるのか

汎用的なAIは、一般的な知識や文章を扱うことに長けています。しかし、金融機関の業務で必要になるのは、一般論だけではありません。自組織の規程や商品、業務プロセスを踏まえたうえで、制度や法令の変更、顧客や案件ごとの事情、過去の判断の経緯まで考慮する必要があります。システムやデータの構造も、単なる技術情報ではなく、業務の背景と結びついています。

同じ申請内容に見える案件でも、過去の経緯や確認すべき条件が違えば、担当者が取るべき対応は変わります。規程に書かれた一文だけを取り出しても、なぜその確認が必要なのか、どの例外に注意すべきなのかまでは分からないことがあります。

金融業務の知識は、正式な規程、過去の資料、現場の経験、担当者同士の確認、長年の運用で培われた判断基準が結びついてできています。AIに渡される情報が一般的な資料や個別のファイルに限られていると、回答はもっともらしくても、自組織の状況に合うとは限りません。

詳しい担当者に確認しなければならない状態が続けば、AIは個人の作業を助ける道具のままです。ここから先へ進むためには、AIに情報を与えるだけでなく、情報の背景や判断の条件まで扱う必要があります。

ファイルを集めた先で、見えてくるもの

AI Readyを、社内のファイルをAIに読み込ませることだと捉えると、本質を見失います。重要なのは、情報を集めることよりも、AIが業務の文脈を理解し、組織として検証できる状態をつくることです。

これは、書棚に資料を並べることと、必要なときに適切な資料を取り出して判断できることの違いに似ています。規程、マニュアル、商品資料、設計書、過去の報告書が保存されていても、それがどの業務に関係するのか、いつの時点で有効なのか、正式な情報なのか参考情報なのかが分からなければ、判断の根拠としては扱いにくいでしょう。

AI Readyな状態では、情報の内容だけでなく、適用範囲、更新時点、関係する業務やシステムといった背景も整理されています。情報を増やすことではなく、情報同士の関係と、使うときの前提を明らかにすることが出発点になります。

経験をAIとの対話で、どう知識にしていくか

金融業務には、規程に書き切れない判断や例外対応があります。過去の案件で何を確認したのか、どの条件を慎重に見たのか、なぜ標準的な対応から変更したのか。こうした情報は、担当者の頭の中や、会話の記憶に残っていることも少なくありません。

こうした経験を単純に「AIに学習させる」と考えるのは適切ではないと思います。誰の経験に基づくのか、どの状況に適用できるのか、現在も有効なのかを確かめながら、組織の判断材料として再利用できる形に整える必要があります。

たとえば、AIが過去の案件について「この条件では、通常の手続き以外に確認すべき点がありますか」と尋ねたとします。担当者が「過去に同じ取引先で例外対応があったため、前回の確認記録と今回の変更点を先に確認します」と答えれば、単なる結論だけでなく、確認の順序と理由が見えてきます。さらにAIが「例外対応を判断した根拠と、今回も適用できる条件を記録しますか」と問い返せば、経験は他の人にも使える知識へ近づいていきます。

このように、AIには回答を出すだけでなく、背景を問い返し、足りない情報を見つける役割を持たせることができます。確認と回答を必要なレビューを経たうえで組織の知識として残せれば、問い合わせのたびに同じ確認を繰り返す状態から、日々の仕事を通じて知識が蓄積される状態へ移行できます。

知識継承を異動や退職の直前だけに行うのではなく、日常の判断の中に組み込むことが重要です。ここに、知識をAIへ一度渡して終わりにするのではなく、AIとともに育てるという考え方の意味があると思います。

AIの答えを、誰の判断につなげていくのか

金融、AML・KYC、審査、契約、システム変更などの領域では、AIの回答だけで最終判断を行うことはできません。AIが作成した要約や文書案は、根拠となる資料との照合、担当者によるレビュー、必要な承認を前提に扱う必要があります。

ここで大切なのは、人の判断をAIに置き換えることではありません。どの情報を根拠にAIが整理したのか、どこに不確実性があるのか、誰が確認し承認するのかを明確にすることです。AIの出力が業務の流れに入るほど、便利さだけでなく、責任の所在まで設計しなければなりません。

この点を曖昧にしたまま導入を進めると、回答の速さは評価できても、いざというときに誰が説明するのかが分からなくなります。AI Readyとは、人の判断をなくすことではなく、人とAIの役割を現実の業務に合わせて設計できている状態です。

個別の活用が、組織の力になるまで

AI Ready化の価値は、単一の業務を速くすることだけではありません。組織の知識を再利用し、変化に対応する力を高めることにあります。

異動や退職の際に資料をまとめて後任へ説明するだけでは、判断の背景や例外対応までは残りにくいものです。日常業務の中で、AIが不足している情報を確認し、担当者が回答し、その内容をレビューして残していく仕組みがあれば、知識継承を特別なイベントではなく継続的な活動に変えられます。

また、金融機関のシステムは長年にわたって改修され、複数のデータ、バッチ、外部連携によって業務を支えています。コードや設計書だけでは、現在の運用上の意味や、例外時の対応まで分からないことがあります。ソースコード、仕様書、運用記録、担当者の知識を関連付けて扱えば、システムの全体像や変更時の確認観点を整理しやすくなります。

これは、AIが勝手に仕様を確定するという意味ではありません。人がレビューするための理解と調査の土台をつくるということです。個人がそれぞれAIを使い、プロンプトや判断の工夫を個人の中に閉じ込めるのではなく、確認した知識やレビューの結果を組織で共有できれば、ある部署の小さな成功を別の業務へ展開しやすくなります。

すべてを一度に標準化する必要はありません。重要性とリスクの高い業務から対象を定め、どの知識を共有し、どの判断を人が担うのかを明確にしながら、段階的に広げることが現実的です。

導入を前に、立ち止まって考えたいこと

AI Ready化は、IT部門だけの導入テーマではありません。経営層や意思決定者が、AIを単なる作業の代替として見るのか、それとも組織の判断力を強くする手段として見るのかによって、取り組みの設計は大きく変わります。

まず考えたいのは、AIに任せたいのが作業の代替なのか、それとも組織の判断力の強化なのかということです。あわせて、自社の重要な知識がどこにあり、誰に依存しているのか、AIの出力を誰が確認し、どの判断に人の承認を残すのかを見つめる必要があります。

さらに、知識を共有する範囲と守るべき境界、小さな検証から始める場合の成果とリスクの評価方法まで、あらかじめ話し合っておくことが大切です。特定の製品やモデルに依存せず継続的に活用できるかという視点も、ここに含まれます。

これらの問いに答えないままツールだけを増やすと、AIの利用は広がっても、組織の知識や業務プロセスは変わらない可能性があります。技術の選定より先に、自分たちは何を知識として残し、どの判断を人に委ねるのかを話し合うことが必要です。

AIと知識を育てるための土台を考える

金融機関がAI Readyになるためには、モデルの性能だけでなく、組織固有のコンテキストを継続的に扱う基盤が必要です。

AIコンテキストプラットフォームは、形式知、暗黙知、既存データ、業務上の確認や判断を、業務の文脈に沿って扱うための考え方です。私たちは、AIが資料を検索して答えるだけでなく、組織の知識がどのような背景で生まれ、誰の確認を経て使われるのかまで含めて扱えることに意味があると考えています。Jiteraはこの考え方に基づき、金融機関の知識やシステム資産をAIが活用できる状態へ整えることを支援します。

金融機関におけるJiteraの活用については、金融機関向けソリューションでも詳しくご紹介しています。

ただし、AI Ready化は製品を導入した時点で完了するものではありません。対象業務、情報の管理方針、権限、レビュー体制、責任分界を定め、実際の業務で検証しながら組織に定着させていく継続的な取り組みです。

これからの金融機関に、どんな準備が必要なのか

問うべきなのは「どのAIを導入するか」だけではなく、「自組織の知識と判断を、AIとともにどう育てるか」です。AIを使えるようになることは出発点であり、そこから知識と判断を更新し続けられる仕組みをつくることが、金融機関のAI Ready化につながるのだと私は考えています。

AIを使える、だけでは足りない。金融機関の知識をAIとともに育てる