生成AIが変える銀行業務

1. 生成AIとは何か

AIブームが始まり数年が経つ。DX（デジタル・トランスフォーメーション）の流れでもAIは一丁目一番地の扱いである。多くの企業がAIの業務活用を目指してPoC（概念実証、Proof of Concept）に取り組んでいる。AIをサービスとして扱うIT企業も増えた。AIスタートアップ企業への資金流入もさかんで、AIを扱う「データサイエンティスト」を好待遇で募集する企業もある。

一方で企業からは「PoC疲れ」「PoC地獄」という言葉も聞かれる。「ゴールが曖昧なAIのPoC」の結果は企業行動に結びつかない。そんなPoCを繰り返した担当者の気持ちが表現されている。筆者達は幾つかの企業からこのような声を聞き、AIブームが一段落しつつあると考えていた。その状況に大きな転換点を与えたのが生成AIの登場である。

生成AIがメディアで頻繁に取り上げられ始めたのはここ一年程のことだが、その技術と研究は時間をかけて進んできた。ここでAIの歴史を見てみたい。図表1で記載しているが、現在の第三次AIブームは2012年に英国のジェフリー・ヒントン教授が考案に寄与した深層学習が、画像認識のコンテストにおいて他を大きく引き離す高精度を達成したことに端を発する。折しもビッグデータ活用の潮流もあり、深層学習を中心としたAIに期待が集まった。

図表1：AIの歴史

AIの発展の流れの中で、「『生成AI』とこれまでのAIの違いは何か」を端的に言うと、これまでのAIは「画像の識別」「文章の重要箇所の判別」「数値パターンの検出」といった、いわば「入力されたデータに対する判断」がメインであった。それに対して生成AIは「データ自体をAIが作り、出力する」。ここでいうデータは画像や文章、音楽などに該当する。代表的な生成対象を図表2にまとめた。

生成AIは、人間が機械と一線を画すと考えられてきた「創造性」という領域で動作するため、多くの関心と議論を呼んでいる。

図表2：代表的な生成対象

3. 対話型生成AIの銀行実務での適用イメージと期待される効果

銀行では多くの文書が作成されて回付、承認、保存される。これは銀行のような「規制産業」の特徴である。審査書類、稟議書類、面会報告書、等々がある。この特徴がAIとの親和性に繋がる。対話型生成AIを銀行実務で活用する代表的なユースケース案を検討して図表5にまとめた。代表例をいくつか解説する。

図表5：銀行業務ユースケース案

このユースケース案の前提として、対話型生成AIの学習について述べたい。現在世に出ている対話型AIは「汎用モデル」という、世の中にある大量のデータを学習したものである。幅広い情報を集めている反面、各銀行内部に保管されているドキュメントのような固有の情報は当然学習していない。この状態のAIに銀行内のドキュメントを読み込ませて追加で学習させることで、AIは一般的な回答だけではなく、銀行内固有の事象に対する質問に回答をできるようになる。各ユースケースでは図表に示した追加データの入力が前提となる。

銀行機能は大きくは営業と本部に分かれ、顧客との接点の最前線に立つ営業部店に多くの人員が配置される。

営業部店の人員の多くは個人営業部門におり、伝統的には預金やローンなどの業務があったが、収支の観点で、近年では投資信託や保険商品の販売から入る手数料も重要な収益源になる。

一方で、このような金融商品は商品自体の複雑性から、新人の行員が個人顧客にリスクとリターンを適切に説明するのは難しい。だが、事実と異なる説明や説明不足はトラブルと風評リスクに繋がる。

ここで、勧誘の文章の「ひな形」をAIのクリエイティブ生成機能で作成し、新人の行員が理解した上で顧客と会話する活用案が考えられる。いわば台本生成である。新人とベテラン行員の知識の格差を補い顧客に適した提案による業務の質向上が期待できる。

続いて、ビジネスの段階が進み、社内承認に必要となるのが稟議である。稟議書も現状は各行員が一から作成することが多い。外訪が終わった後の時間に支店に戻り、稟議書を作成するわけである。慣れた行員は承認に至る論点を押さえており、素早く記載ができる。一方、着任直後やキャリアが浅い新人の行員は時間を要する。この稟議文書のドラフトもクリエイティブ生成機能を用いて作成してもらう。行員にも抑えるべき論点が分かり、業務の効率化が期待できる。

例えば審査業務は一部生成AIではないAIの活用が進む領域ではあるが、人手を介する部分もある。どの観点を重視して審査するべきか、上申すべきかの判断は担当者の頭を悩ませる。もし、過去の融資の稟議書で承認、却下双方の判断を下された書面が十分に残っているとする。その場合、双方の比較で稟議が通る記載の着眼点を抽出できるかもしれない。また、過去のデフォルト発生時の報告書から対話型生成AIが注意点を抽出することで、審査担当者が見落としている過去の知見を活用し、リスクを回避できる可能性もある。

これ以外の経営、広報、マーケティングの企画書も過去の文書が蓄積されているはずである。ボツになった企画も、時宜に合わないだけで構成は良かったりする。これらの文書をAIに読み込ませた上で会話をすることで、俗人的な暗黙知となっていた企画アイデアが形式知化する。

対話型生成AIの活用による暗黙知の形式知化は多くの業務を効率化、高度化する。銀行は、生成AIに読み込ませるための文書整理を始めるタイミングかもしれない。

5. 今後の進化と銀行業務への影響～銀行員に今後求められるAIリテラシー

生成AIの登場に伴い、AIが人間を代替する懸念も浮上した。一方、生成AIは未だ人間の創作には及ばない旨の意見もある。対話型生成AIは事実と虚構が混ざった答えを返す。AIが生成した画像は指や文字等の不自然さが目立つという指摘もある。ただ、LLMの進歩を見る限り、モデルの巨大化を続けていくことで当面AIが持つ精度の向上が推察される。よって、今のAIに残る技術課題が解消された先での、AIと人間の役割分担が論点になる。

AI活用には大きく二つの観点がある。一つは与信判定の自動化のように、AIが情報収集と判断を下す観点だ。いわば自動化を極める先の世界になる。判断スピード、利用データ量を考えると、人間が太刀打ちできない世界であり、AIが主役になるだろう。

もう一つの観点は人間の発想をAIが拡張させ、より高度なアウトプットにつなげるものである。この方向性が究極的に推し進められると、一人ひとりの個人にAIのパーソナルエージェントが与えられ、各人がそのAIエージェントと対話する形で大量のデータから必要な情報を引き出し、自分の行動を最適化、高度化していく世界になる。この世界では人間が主役となり、新たな閃きに基づくビジネスや商品企画、サービスを生み出す。この世界に適応するためのリスキリングが、銀行員等ビジネスパーソンに必要となるリテラシーと言える。

直近で生成AIの活用に必要なスキルは何か。一見魔法のような画像や文章、音声等の生成AIのアウトプットも、実は適切な命令が無ければAIからは出てこない。適切にAIに指示をするスキルを「プロンプトエンジニアリング」という（図表8参照）。

図表8：プロンプトエンジニアリング

^{*1 温度はAPIのパラメータで表現のランダム性に関わり、ゼロは最もランダム性が低い状態
*2 実行してほしいタスクの成功例を示すプロンプト}

生成AIは簡単な質問には直ぐに答えを返してくれる。しかし、ある程度欲しい答えを想定しており、且つ、一定の水準を求めると命令に工夫が必要となる。漠然とした質問では、欲しい答えはAIからは返らない。ここでプロンプトエンジニアリングが必要になる。

AIの関係者には研究するリサーチャーや、仕組化を行うAIエンジニアといった職種が存在する。まだAIの普及時期であり、コンピュータサイエンス的な専門知識が求められている。しかし、今後は生成AIの普及により「AIとコミュニケーションを取り、業務で活用できる人」が求められるだろう。銀行においてもそれは同じ潮流である。プロンプトエンジニアリングはまだ世に出たばかりで、前例も少ない領域だが、今後大事なリテラシーになる。まずは自分で画像や文章を生成し、楽しむ所からスタートしてスキルを取得いただければと思う。

※本稿は、銀行実務 2023年7月に掲載された記事を転載したものです。

※本記事は、銀行研修社の許諾を得て掲載しています。無断複製・転載はお控えください。

※法人名、役職などは掲載当時のものです。