アクセンチュア株式会社は2026年11月9日、「フロンティアAI時代の企業変革をめぐる最新動向と経営課題」をテーマに記者勉強会を開催した。

勉強会では、生成AIやAIエージェントを企業の業務に導入する具体的な取り組みとして、「製造業」と「金融業」の事例が紹介された。製造業については前回の記事「【製造業編】アクセンチュアが生成AIエージェントの実践事例を披露 契約書作成、CAD設計変更、製造現場の品質改善」でお届けしたので、今回は「金融業」編をレポートしよう。
勉強会の後半では、銀行の融資業務を題材にしたデモを披露。
AIエージェントが業務規程や既存システムを理解し、業務プロセスの再設計から実際の処理、さらに業務改善の提案までを行う仕組みを紹介した。
また、企業のAI利用コストをビジネス成果と結びつけて管理する「トークノミクス」の取り組みや、日本企業のAI導入が本格展開に進まない理由、人間とAIの役割分担についても解説した。本記事では、銀行業務のデモを中心に、AIが働くことを前提として企業の業務を再設計するという、アクセンチュアの企業変革への取り組みを紹介する。

■銀行の融資業務をAIエージェントで再設計
銀行の融資業務には、顧客との面談や融資希望内容の確認から始まり、過去の融資事例の調査、企業の財務分析、稟議書の作成、与信審査、承認まで、多くの工程が存在する。与信審査とは、融資先の返済能力や信用力を調べ、融資しても問題がないかを判断する審査のこと。
これらの業務では、担当者が必要な書類を探し、上司や専門部署に相談しながら、複数のシステムへ情報を入力する必要がある。審査の過程で確認や修正のやり取りが何度も発生することも珍しくない。
アクセンチュアが披露したデモでは、こうした融資業務をAIエージェントがどのように支援できるのか、アクセンチュア AI and Data、AIセンターのマネジング・ディレクターの佐々木三泰氏が解説した。

特徴的なのは、既存の業務をそのままAIエージェントに実行させるのではなく、まず業務の内容をAIに理解させ、AIと人間の役割分担を見直して、業務プロセスを再設計する点にある。

■業務規程やシステム操作の動画をAIが理解
デモの最初の段階では、AIエージェントに銀行の業務規程や管理方針、既存システムの仕様書などを読み込ませる。さらに興味深いのは、既存の業務システムを人間が操作している様子を記録した動画も活用することだ。
AIは操作動画の内容を解析し、担当者がどの画面で何を入力し、どのような手順で作業を進めているのかを把握する。例えば、銀行業務では、融資申請の条件に応じて入力項目や必要書類、承認ルートなどが変化する。AIは業務規程やシステム情報を参照しながら、こうした条件分岐を整理する。
業務ルールに不明確な点があれば、人間の担当者に確認を求め、その回答を反映して業務フローを組み立てる。
こうして業務の流れを可視化したうえで、人間が判断・承認すべき工程と、AIエージェントに任せられる工程を切り分けていく。例えば、これまで複数の工程ごとに人間が確認していた作業でも、AIが一連の処理を終えてから担当者がまとめて確認できる場合がある。
デモでは、こうした考え方に基づき、人間が介在する箇所を整理し、AIエージェントが処理する工程を増やしていく様子が示された。
ここでの重要なポイントは、AIが実行できる作業を増やすことに加え、人間がどの段階で何を判断すべきかという業務全体の設計を見直していること。業務規程や操作動画の読み込みから、人とAIの役割分担を見直すまでの流れは、後掲の融資業務デモ動画(全編18分)で確認できる。
■複数の専門AIエージェントが連携して融資書類を作成
続いて、再設計された業務プロセスに従い、AIエージェントが融資業務を実行するデモが紹介された。題材となったのは、顧客企業が海外の工場に設備投資を行うための融資を検討するという想定案件だ。
銀行の営業担当者が融資案件の処理を指示すると、業務を遂行するAIエージェントが動き始める。その裏側では、企業分析、過去の融資事例の調査、リスク評価、融資条件の検討など、それぞれの専門領域を担当する複数のAIエージェントが連携して作業を進める。

人間が業務を行う場合には、先輩社員や専門部署に相談し、過去の事例や専門的な知見を集めながら判断を進める。これをAIエージェント同士の協調作業によって支援する仕組みだ。
例えば、顧客企業の財務情報や事業計画を分析し、将来の売上高や返済能力を検討する。デモでは、標準的な事業見通しに加え、業績が上振れした場合と下振れした場合を想定した複数のシナリオを作成する様子も示された。
こうした検討結果をもとに、AIエージェントが融資に必要な書類を作成する。また、既存の業務システムの画面を操作して、必要な情報を入力する場面も披露された。
この画面操作は、決められた手順に沿って画面入力などの定型作業を自動化するRPA(Robotic Process Automation)と似ている。今回の仕組みでは、AIが入力項目の意味や案件の内容を理解しながら操作することを想定している。
さらに、作成した書類を上司や専門部署に確認してもらう際には、まずそれぞれの担当者を支援するAIエージェントが内容を確認する。
AI同士で事前に問題点を整理し、人間による判断が必要な事項を抽出することで、担当者や承認者の確認負担を減らす。
実演では、営業担当者がAIの作成した事業計画の前提条件を修正すると、AIがその指示に応じて資料を更新する場面も紹介された。
このように、AIエージェントに多くの処理を任せつつ、人間は必要な部分で確認や判断を行う業務の進め方が示された。

■ 業務の実行履歴をAIが分析し、改善案を提案
今回のデモでもうひとつ注目したいのは、AIエージェントによる業務改善の仕組みだ。アクセンチュアは、業務プロセスを設計するAIエージェント、実際の業務を遂行するAIエージェント、業務の改善を提案するAIエージェントを連携させる考え方を示した。
業務を遂行するAIエージェントは、人間とのやり取りや実行した作業をログ(処理履歴)として保存する。
プロセス改善を担当するAIエージェントは、その履歴を分析して、業務の中で時間がかかっている工程や、確認・修正のやり取りが多い部分などを特定する。
例えば、融資審査の際に同じような指摘が繰り返されている場合、その原因を分析し、審査前の確認項目や業務の進め方を見直すよう提案できる。
こうした分析結果は、業務プロセスを設計するAIエージェントに戻され、業務フローの見直しに活用される。
つまり、業務の設計、実行、改善を、それぞれのAIエージェントが役割分担しながら支援する仕組みだ。

なお、今回の銀行業務の実演は、AIエージェントによる一連の業務変革を示す一例をデモしたもので、特定の銀行で同じ仕組みが本格稼働していることを示すものではない。
次の動画では、一連のデモをたっぷりお届けしよう。
■AIの利用コストを成果で評価する「トークノミクス」
AIエージェントの活用が企業全体に広がると、新たな課題になるのが利用コストの管理だ。
生成AIでは、文章の入力や出力などの処理量を「トークン」と呼ばれる単位で計測し、利用料金を算出することが多い。
アクセンチュアが紹介した「トークノミクス(Tokenomics)」とは、こうしたAIの利用量やコストを把握し、ビジネスで得られる成果との関係からAIへの投資を最適化する考え方だ。
同社が紹介した調査によると、企業の3社に1社が年間のトークン予算を年度終了前に使い切っているという。
また、AIへのリクエストの54%が、業務に必要な性能を超える高額なAIモデルに振り分けられており、AIトークン支出の約8割について、投資効果を財務的な成果として定量的に説明できていないという。

こうした問題に対してアクセンチュアは、AIの利用料金そのものよりも、どれだけのビジネス成果を生み出せたのかを重視する考え方を提示した。
例えば、月額300万円のAI利用料金が発生していても、5,000万円の事業価値を生み出しているのであれば、費用だけを理由に削減する判断は適切ではない。逆に、月額10万円の利用料金でも、事業成果が得られていなければ見直す必要がある。
そこで重要になるのが、AIによって業務を1件完了するために必要なコストだ。
同社は「CpBT(Cost per Business Transaction)」という指標を紹介した。これは、成功した業務処理1件当たりに要したAIコストを意味する。
顧客からの問い合わせを1件解決する、本人確認の審査を1件完了する、開発案件を1件処理するといった、具体的な成果を基準にAIの経済性を評価する。

■高性能モデルと低コストモデルをAIが自動で使い分ける
アクセンチュアは、AIの利用コストを最適化するための具体的な仕組みとして、AIモデルを自動的に使い分けるデモも披露した。生成AIには、高度な推論などを得意とする大規模モデルと、比較的低コストで高速に処理できる小規模モデルなど、さまざまな種類がある。AIに依頼する仕事の内容によっては、必ずしも最も高性能なモデルを利用する必要はない。
デモでは翻訳を題材に、大規模モデルと小規模モデルの処理結果を比較した。その結果、提示された評価では、大規模モデルを100点とした場合、小規模モデルは99点というほぼ同等の品質を示しながら、利用コストは約10分の1だった。なお、これはデモで使用した翻訳タスクにおける比較結果であり、当然だが、すべての業務で同様の品質やコスト削減が得られるわけではない。
続いて「セマンティックルーター」と呼ばれる機能を利用し、AIへの依頼内容に応じてモデルを自動的に振り分ける様子が紹介された。セマンティックルーターとは、依頼された文章の意味や難易度を分析し、適切なAIモデルを選択する仕組みだ。
例えば、一般的な翻訳処理では小規模モデルを選択し、複雑な推論や戦略立案が求められる場合には大規模モデルを選択する。さらに、利用予算の上限を設定し、予算の状況に応じて利用するモデルを調整する仕組みも示された。
アクセンチュアは、こうしたAIモデルの自動選択と利用コストの可視化を組み合わせ、品質とコストを継続的に管理する仕組みを開発している。

■ 日本企業はAIの試験導入が進む一方、本格展開には課題
勉強会の後半では、日本企業がAIを導入する際の課題についても説明があった。アクセンチュアが2026年1月に公表した調査「Pulse of Change」によると、日本企業で高度なAIの導入が「パイロット段階」にある割合は42%で、調査対象国の中で最も高かった。
パイロット段階とは、AIを限定的な業務や部署で試し、実際に利用できるかを検証している段階のことだ。一方、「本格展開段階」にある企業の割合は24%で、グローバル平均の31%を下回っていた。
日本企業はAIを試す取り組みが進んでいるものの、企業全体での本格導入には課題があることを示している。

アクセンチュアは、AIの導入が本格的な事業成果につながらない原因として、経営層のコミットメント不足、業務再設計の欠落、組織文化や変革実行力の問題を指摘する。
特に保科学世氏が強調したのは、既存の業務をそのままAIで自動化しようとする考え方の問題だ。
現在の業務プロセスは、基本的に人間が仕事をすることを前提として作られている。そこにAIを導入する場合、従来の作業手順をそのまま置き換えるよりも、業務の本来の目的を確認し、AIを活用することを前提に最適な仕事の進め方を設計し直す必要があることを強調した。

例えば、これまで複数の担当者が順番に書類を確認していた業務でも、AIによる事前確認や情報整理が可能になれば、人間が介在する工程や確認のタイミングを変更できる。
今回の銀行融資業務のデモは、まさにこうした考え方を具体化したものといえる。
アクセンチュアは、PoC(Proof of Concept:概念実証)の段階から、PoB(Proof of Business:事業上の効果の検証)を組み込むことも提案している。
AIが技術的に動作するかという観点に加え、実際に業務の効率化や収益改善などの成果につながるかを、最初から検証する考え方だ。

■AIに任せる仕事と、人間が担うべき仕事を見極める
AIが高度化するなかで、人間が何を担当するべきかという点も重要になる。保科氏は、AIが実行できるかどうかという技術的な観点に加え、人間が何を担うべきかを意識して設計する必要があると指摘した。
アクセンチュアは、人間とAIの役割を「ヒト主導」「ヒトとAIの協働」「AI主導」の3つに整理している。目的の設定、信頼関係の構築、創造的な問いの設定、責任を伴う意思決定などは、人間が主導する領域としている。一方、反復的な処理や定型業務、データに基づく予測などは、AIが主体となって実行できる領域と位置付ける。
また、AIを業務に適応させて育てることや、AIを利用して人間の能力を拡張することは、人間とAIが協働する領域としている。

今回の勉強会では、AIエージェントを企業に導入するための具体的な技術とともに、AIが働くことを前提に業務や組織を設計し直すことの重要性が示された。これは、従来のOA(オフィスオートメーション)や業務システムの導入、さらには製造業におけるロボットの導入にも共通する考え方だ。
人間が行っていた作業を機械に置き換える際には、設備や作業手順、業務の流れそのものを見直すことで、より大きな効果が期待できる。
生成AIやAIエージェントの導入でも、仕事の進め方をAIに適した形へ再設計し、その後も継続的に改善していくことが重要になる。アクセンチュアは、こうした企業変革を実現するため、AIの技術基盤、業務プロセス、人材・組織の3つを一体的に変えていく必要性を強調した。
なお、前編の【製造業編】では、契約書の作成・レビュー、CAD設計変更、製造現場における品質改善など、生成AIやAIエージェントの具体的な活用事例を紹介している。未読の場合、ぜひチェックして欲しい。








