何年もの間、 人工知能（AI）は銀行業務において、役立つインターンのように機能していました。メールを下書きし、レポートを要約し、顧客の質問に答える。便利ではあるが、変革的ではありませんでした。
その後、チャットボットが登場しました。これらの「デジタルアシスタント」はより良いサービスを約束しましたが、しばしば単純な問題に対して長い回答を提供しました。
現在、モデルは変化しています。新しい波のエージェンティックAIは、支援から行動へと進化しています。タスクを提案する代わりに、これらのシステムはそれを実行できます：取引の決済、コンプライアンスルールの確認、または疑わしい取引のフラグ付けなど。
要するに、銀行業務は銀行員を助けるAIから、銀行員のように行動するAIへと移行しています。
エージェンティックAIとは何か？
その核心にあるのは、エージェンティックAIとは、複数のステップにわたって自律的にタスクを計画、決定、実行できるAIシステムを指します。
従来のAIツールがプロンプトを待つのとは異なり、AIエージェントは以下を行うことができます：
Microsoftの金融サービスチームによる 最近の分析によれば、エージェンティックシステムは、現代のAIモデルがマルチステップの推論を行い、内部のアプリケーションプログラミングインターフェース（API）と安全に対話できるため、銀行が詐欺チェックからオンボーディングまでの複雑なプロセスを自動化することを可能にします。
銀行業務において、これはシステムがプロンプトを解釈する以上のことを行うことを意味します。プロセスを開始から終了まで実行できます。例えば、市場データをレビューし、コンプライアンスルールを確認し、接続されたシステムを通じて取引や決済を実行することができます。
各ステップを人間が承認するのを待つのではなく、AIはルールに従い、タスクを自動的に完了します。
システム全体でタスクを調整するこの能力が、多くの銀行がエージェンティックAIを「トランザクショナルAI」と呼ぶ理由です。
AIは金融行動について話すだけでなく、それを実行します。
生成AIとエージェンティックAI：違いは何か？
生成AIとエージェンティックAIの両方が大規模言語モデル（LLM）に依存しています。主な違いは、それらが何をするために構築されているかにあります。
今日、多くの人々は生成AI ツールに ChatGPTやClaudeのようなものを知っています。これらのシステムは、テキスト、コード、レポート、要約などのコンテンツを生成します。情報を解釈するのに役立ちますが、行動を実行することはありません。
しかし、生成AIはアドバイスの段階で止まります。エージェンティックAIはさらに進み、タスクを実行するように設計されています。データを分析し、定義されたルール内で決定を下し、接続されたシステム全体でアクションをトリガーすることができます。
簡単に言えば、生成AIは地図を提供します。エージェンティックAIは車を運転します。
銀行業務の文脈での違いは次のとおりです：
|
特徴 |
生成AI |
エージェンティックAI |
|
コアの役割 |
情報を生成する |
タスクを実行する |
|
インタラクションスタイル |
プロンプト-レスポンス |
自律的なワークフロー |
|
銀行業務での例 |
コンプライアンスレポートの下書き |
コンプライアンスレポートを自動で提出 |
|
取引での例 |
ポートフォリオを分析する |
取引を実行し決済する |
エージェンティックAIはすでに銀行を運営しているのか？
ゴールドマン・サックス、ロイズ・バンキング・グループ、ドイツ銀行などの機関は、もはやAIツールをテストするだけではありません。多くは、取引、コンプライアンス、リスクモニタリングの一部を自動化するために、エージェントベースのシステムを日常業務に統合しています。
これらのシステムは、かつて手動でのチェックが必要だったタスクを処理するために、限定的な権限を与えられています。
例えば、ロイズ・バンキング・グループは、銀行全体でエージェンティックAIを拡大する計画を発表し、2026年にはAIイニシアチブから1億ポンド以上の価値を期待しており、前年の価値の2倍となる見込みです。
一方、ゴールドマン・サックスのようなウォール街の企業は、取引会計、オンボーディングチェック、コンプライアンスワークフローなどの内部プロセスにAIエージェントを試験的に導入しています。
目標は銀行員を完全に置き換えることではなく、プロセスの最も遅い部分を取り除くことです。
エージェンティックAIが最初に現れる場所
銀行は本質的に慎重です。つまり、エージェンティックAIが一度にどこでも解放されるわけではありません。代わりに、技術は構造化されたルールと大量のデータフローがある分野で最初に現れています。具体的には：
-
マネーロンダリング防止（AML）
コンプライアンスチームは毎日何千ものアラートをレビューしなければなりません。
エージェンティックAIシステムは以下を行うことができます：
学術研究によれば、エージェントベースのAMLシステムは、コンプライアンスワークフローを大幅にスピードアップし、規制当局向けのナラティブの正確性を向上させることができます。
-
顧客オンボーディングと 顧客確認（KYC）
銀行口座を開設するには、身元確認、書類チェック、詐欺スクリーニングが必要です。
エージェンティックシステムはこれらのステップを順番に自動で実行できます。
-
取引業務
金融で最もルールが多いタスクの一つであるバックオフィスの取引決済も、自動化の主要な候補となっています。
スタッフが手動で取引を調整する代わりに、AIエージェントが記録を確認し、台帳を即座に更新します。
しかし、銀行は自律的なAIを信頼できるのか？
ここに不快な真実があります：エージェンティックAIは新たなリスクをもたらします。
エージェンティックAIシステムは、タスクを完了するために独自に行動できます。システムが市場データを誤読したり、間違ったルールを適用したりすると、人間が介入する前に一連の誤った行動を引き起こす可能性があります。
このリスクは、研究者がAIの幻覚と呼ぶことに関連していることがあります。これは、モデルが不完全または誤読されたデータから誤った結論を導き出すことです。銀行業務では、そのようなエラーが取引の実行、コンプライアンスチェック、または取引モニタリングに影響を与える可能性があります。
専門家は3つの主要な課題について警告しています：
透明性
AIの決定は規制当局に説明可能でなければなりません。
金融モデルのバイアス
トレーニングデータが不公平な結果をもたらす可能性があります。
自律性の拡大
AIシステムが意図された範囲を超えて決定を下し始める可能性があります。
このリスクを管理するために、規制当局や国際機関は安全策に取り組んでいます。
例えば、欧州連合（EU）の規制当局は、 EU AI法のような枠組みを通じて、これらの懸念に対処しており、金融における高リスクAIシステムに対する厳格な監視を要求しています。
言い換えれば、銀行はワークフローを自動化するかもしれませんが、責任は依然として人間にあります。
では… AIエージェントは銀行業務を支配しているのか？
そうではありません。現実はもっと複雑です。
エージェンティックAIは急速に金融機関内でデジタルワークフォースレイヤーになりつつあります。これらのシステムは、反復的なタスクをより速く、かつ大規模に処理できます。
しかし、リスクの決定、顧客関係、戦略的判断などのコアな責任は依然として人間の監督が必要です。
今日の最も進んだAI展開でさえ、「人間が介在する」ガバナンスで運営されており、必要に応じてスタッフが介入できます。
未来の金融機関は、AIで銀行員を置き換えるのではなく、銀行員が何千ものデジタルエージェントと共に働くことをほぼ確実に期待するでしょう。
そして、それは業界にとって興味深い疑問を投げかけます：
AIエージェントがすでに取引を実行し、コンプライアンスを監視し、市場を分析できるなら、次の10年の銀行員は一体何をするのでしょうか？
一つはっきりしていることがあります：職務内容は変わろうとしています。
