著者：サモラ・カリウキコンパイラ: Deep Tide TechFlowAIの世界的な波銀行は生成的AIをどのように実際に活用していますか？もしトップニュースや誇張を無視するなら、問題の本質はこうです：世界最大の銀行は生成AIをどのように使用しているのか？未来の潜在能力でもなく、サプライヤーの宣伝でもなく、すでに実現している実際の応用はどこにあるのか？過去2年間、世界の金融業界は静かに生成型AI時代に突入しました。しかし、このプロセスは一様ではなく、内外で異なる状況を示しています：内部ツールの控えめな導入、顧客向けの慎重な実験、そして少数の大胆な革新が徐々に銀行業の内部構造を再形成しています。内部から始めて、徐々に外側に広げるAIの応用には共通の特徴があります：内部生産性ツールから始まることです。生成型AIの主な応用は内部生産性の向上に集中しています——これらのツールは、従業員がより少ないリソースでより多くの仕事を遂行するのを助けます。JPモルガンのアナリストアシスタントが株式研究を解析することから、モルガンスタンレーがウェルスマネジメントアドバイザーに提供するGPT駆動ツールまで、初期の重点は銀行業界の人々をエンパワーメントすることにあり、彼らを置き換えることではありません。ゴールドマン・サックスは、開発者向けのAIアシスタントを構築しています。 シティのAI要約ツールは、従業員がメモを処理し、電子メールを作成するのに役立ちます。 スタンダードチャータード銀行の「SC GPT」は、7万人の従業員とともに稼働し、提案書の作成から人事問題まで、あらゆる業務に活用されています。我々が置かれているのは高度な規制環境であるため、内部ツールの展開は特に理にかなっています。これにより、銀行は規制の赤線に触れることなく実験を行い、AI能力を向上させることができます。最近のCBN（ナイジェリア中央銀行）のZapに対する行動を参照すれば、「慎重を期す」ことが明らかにより賢明な選択です。ビジネスラインの観察：価値はどこにあるのか？AIの採用はセクターごとに異なります。 ジェネレーティブAIの採用速度は、ビジネスユニットによって異なります。 その中で、リテール銀行は取引量の点でリードしています。 この分野では、ウェルズ・ファーゴのファーゴやバンク・オブ・アメリカのエリカなど、ジェネレーティブAIを搭載したチャットボットが、毎年数億件のインタラクションを処理しています。 ヨーロッパでは、コメルツ銀行が最近、独自のチャットボット「Ava」を立ち上げました。しかし、問題は、これらのツールのいくつかが実際には生成AIを使用していないことにあり、従来の機械学習技術に依存していることです。例えば、アメリカ銀行のエリカは「機械トルコ人」のように機能しており（Mechanical Turk、人工的な操作によって自動化の幻想を実現することを指します）、それでもなお、重要なのはこれらの実験自体であり、技術的なラベルではありません。企業と投資銀行の分野では、変革はより見えにくい。モルガン・スタンレー（JPMorgan）の内部ツールは主に研究および営業チームをサポートしており、顧客に直接向けられているわけではない。ドイツ銀行（Deutsche Bank）はAIを利用して顧客の通信ログを分析しており、これは顧客サービスではなく、データの力を活用し、銀行家が顧客をより早く、より良く理解し、サービスを提供するのを助けている。資産管理は両者の間にあります。モルガン・スタンレーのAIツールは顧客と直接対話するわけではありませんが、アドバイザーが毎回の会議前に十分に準備できるようにします。ドイツ銀行とアブダビファースト銀行は、トップクライアント向けのアシスタントを試行中で、複雑な投資問題にリアルタイムで回答することを目的としています。地域差：誰がリードしているのか？出典:Evident AI Index北米地域は予想通り先行しています。アメリカの銀行、例えばJPモルガン（JPMorgan）、キャピタルワン（Capital One）、ウェルズファーゴ（Wells Fargo）、シティバンク（Citi）、およびカナダロイヤル銀行（RBC）は、AIを生産性のエンジンに変えました。OpenAIやマイクロソフト（Microsoft）との協力のおかげで、彼らは最前線のAIモデルに最初に接触しています。ヨーロッパはより慎重です。 BBVA、ドイツ銀行、HSBCは、AIツールを社内でテストし、より多くのセキュリティ対策を講じています。 欧州一般データ保護規則(GDPR)は、広範囲にわたる影響を及ぼします。 過去と同様に、ヨーロッパは技術の進歩よりも規制に重点を置いており、それには代償が伴う可能性があります。アフリカとラテンアメリカはまだAI開発の初期段階にありますが、進歩は速いです。 ブラジルのNubankは傑出しており、OpenAIと提携してAIツールをオンプレミスに展開し、最終的にはカスタマーサービスに拡大しています。 南アフリカでは、スタンダード銀行とネッドバンクがAI分野での試験運用を行っており、リスクコントロール、サポートサービス、開発をカバーしています。中国：自立したAI技術スタックの構築中国の銀行はAIを使用するだけでなく、AI技術スタックを構築しています。中国工商銀行（ICBC）は「智涌」を発表しました。これは、1000億のパラメータを持つ大規模言語モデルで、内部で自主的に開発されました。このモデルは、文書分析からマーケティング自動化に至るまでの200のビジネスシナリオで、10億回以上利用されています。これは単なる内部ツールの応用ではなく、銀行の運営方式の基礎的な変革でもあります。Ant Groupは、金融セクターでZhixiaobao 2.0とZhixiaozhu 1.0という2つの大規模言語モデルを立ち上げました。 前者は、Alipayの一般ユーザーを対象としており、金融商品の説明を目的としています。 後者は、市場レポートを要約し、ポートフォリオの洞察を生成することにより、ウェルスマネジメントアドバイザーをサポートします。保険、銀行、テクノロジーを統合するフィンテック大手のPing An Groupは、さらに一歩進んでいます。 同社は、顧客とアカウントマネージャーの両方にサービスを提供する生成AIアシスタントであるAskBobを開発しました。 顧客の場合、AskBobは自然な中国語で投資と保険の質問に答えることができます。 アドバイザー向けには、顧客履歴、製品データ、マーケティング資料を抽出して要約し、各エージェントをデジタルで強化された財務専門家に変身させます。 Ping Anの目標は、AIを通じて金融コンサルティングを再定義し、質問に答えるだけでなく、需要を事前に予測することです。中国では、規制の枠組みがデータのローカリゼーションとモデルの透明性を強く奨励しており、これらの機関はより長期的な道を選んでいます：国内の規制、言語、マーケット環境に適応できるカスタマイズされたAIを構築することです。さらに、中国には十分な人材の密度があり、銀行は基盤モデルを自主的に開発できるため、これは世界的に見てもユニークな成果と言えるでしょう。誰が技術サポートを提供していますか？いくつかの有名企業が世界中で頻繁に登場します：マイクロソフト（Microsoft）はAzure OpenAIを通じて現在最も一般的なプラットフォームとなっています。モルガン・スタンレーからスタンダードチャータード銀行まで、多くの銀行がマイクロソフトのセキュアサンドボックス環境でそのモデルを運用しています。GoogleのLLM（大規模言語モデル）も使用されています。例えば、ウェルズ・ファーゴはFlanを活用しています。一方、中国では、DeepSeekや混元（Hunyuan）などの国内技術に主に依存しています。一部の銀行、例えばJPモルガン、中国工商銀行、平安グループは、自社のモデルを訓練しています。しかし、大多数の銀行は既存のモデルを基に微調整を行っています。重要なのは、モデルそのものを持つことではなく、データ層とモデルの調和の取れた運用を掌握することです。世界のAIアプリケーションの多様な探求元の画像は、Deep Tide TechFlowにまとめられた元の記事に示されています。それがどうしたの？規制の厳しい業界では注意が必要であり、そのため銀行は直接最前線に立つのではなく、AIに関与させています。 ただし、他のプラットフォームの変更で観察されたように、決定的な意思決定と迅速な実験が重要です。 規制が施行に先んじることはなく、AIを試す前に規制が施行されるのを待つのは賢明ではありません。 私は10年以上前に、規制がなかった国でエージェンシーバンキングを設立したことを覚えています。 それが終わったら、中央銀行にビジネスを説明するのは私たちです。 もし私が銀行の取締役会の一員だったら、「私たちはいくつの実験をしているのだろうか?」と尋ねるでしょう。 どれだけのインサイトが生成されていますか? ”進展を真に測るためには、プラットフォーム革新の基本原則に立ち返る必要があります。あなたのAI戦略は以下の質問に答えなければなりません：「私たちのAI戦略はコアアーキテクチャを再構築しましたか？コストを100倍削減しましたか？新しい価値モデルを解放しましたか？エコシステムのつながりを刺激しましたか？市場を覆しましたか？アクセスの民主化を実現しましたか？」論理は明確で、懐疑的な見方も必要ですが、論理と事実の両方が、AIが新しいプラットフォームの変化であることを示唆しています。 さらに、論理と事実は、過去のプラットフォームの変更がしばしば金融市場に革命的な変化をもたらしたことも示しています。 例えば、シティバンクは、70年代から80年代にかけて、テクノロジーの応用によりリテール事業を大幅に拡大しました。 Capital Oneはゼロから成長し、市場でトップ10の銀行の1つになり、自動車ローンや住宅ローンなどの関連業界で強い存在感を示しています。 アフリカでは、エクイティバンクがクライアントサーバーテクノロジーの波をつかみ、時価総額で東アフリカ最大の銀行になりました。 同様に、Access Bank、GT Bank、Capitecもそれぞれの市場でこの波に飛び乗っています。AIプラットフォームの時代が到来し、それが勝者を生み出します。 それは敗者に焦点を当てることではなく、勝者が特定の分野でどのように大きな市場シェアを持っているかということです。 たとえば、Stripe の決済での成功は、その好例です。 これらの初期のブレークスルーは、中小企業やリテールバンキングセクターで重要なプレーヤーとなったNubankのクレジットカード事業など、隣接するセグメントでの市場シェアの拡大につながることがよくあります。私の考えでは、AI時代の勝者は人間関係のコストに焦点を当てるでしょう。 もはや単なるトレーディングゲームではありません。 取引はすでに行われており、今では顧客体験と関係管理のゲームとなっています。 これは、金融サービスのリーダーが注力すべき重要なインサイトです。 顧客体験とリレーションシップバンキングをわずかなコストで100倍に向上させるにはどうすればよいでしょうか? 銀行として、スマートテクノロジーをどのように活用して、顧客の財務、ビジネス、生活の管理をより適切に支援できるでしょうか? これらの質問に答えて実行できるプレイヤーが最終的な勝者になります。
中米銀行業の巨人たちが生成的AIを受け入れています
著者：サモラ・カリウキ
コンパイラ: Deep Tide TechFlow
AIの世界的な波
銀行は生成的AIをどのように実際に活用していますか？
もしトップニュースや誇張を無視するなら、問題の本質はこうです：世界最大の銀行は生成AIをどのように使用しているのか？未来の潜在能力でもなく、サプライヤーの宣伝でもなく、すでに実現している実際の応用はどこにあるのか？
過去2年間、世界の金融業界は静かに生成型AI時代に突入しました。しかし、このプロセスは一様ではなく、内外で異なる状況を示しています：内部ツールの控えめな導入、顧客向けの慎重な実験、そして少数の大胆な革新が徐々に銀行業の内部構造を再形成しています。
内部から始めて、徐々に外側に広げる
AIの応用には共通の特徴があります：内部生産性ツールから始まることです。
生成型AIの主な応用は内部生産性の向上に集中しています——これらのツールは、従業員がより少ないリソースでより多くの仕事を遂行するのを助けます。JPモルガンのアナリストアシスタントが株式研究を解析することから、モルガンスタンレーがウェルスマネジメントアドバイザーに提供するGPT駆動ツールまで、初期の重点は銀行業界の人々をエンパワーメントすることにあり、彼らを置き換えることではありません。
ゴールドマン・サックスは、開発者向けのAIアシスタントを構築しています。 シティのAI要約ツールは、従業員がメモを処理し、電子メールを作成するのに役立ちます。 スタンダードチャータード銀行の「SC GPT」は、7万人の従業員とともに稼働し、提案書の作成から人事問題まで、あらゆる業務に活用されています。
我々が置かれているのは高度な規制環境であるため、内部ツールの展開は特に理にかなっています。これにより、銀行は規制の赤線に触れることなく実験を行い、AI能力を向上させることができます。最近のCBN（ナイジェリア中央銀行）のZapに対する行動を参照すれば、「慎重を期す」ことが明らかにより賢明な選択です。
ビジネスラインの観察：価値はどこにあるのか？
AIの採用はセクターごとに異なります。 ジェネレーティブAIの採用速度は、ビジネスユニットによって異なります。 その中で、リテール銀行は取引量の点でリードしています。 この分野では、ウェルズ・ファーゴのファーゴやバンク・オブ・アメリカのエリカなど、ジェネレーティブAIを搭載したチャットボットが、毎年数億件のインタラクションを処理しています。 ヨーロッパでは、コメルツ銀行が最近、独自のチャットボット「Ava」を立ち上げました。
しかし、問題は、これらのツールのいくつかが実際には生成AIを使用していないことにあり、従来の機械学習技術に依存していることです。例えば、アメリカ銀行のエリカは「機械トルコ人」のように機能しており（Mechanical Turk、人工的な操作によって自動化の幻想を実現することを指します）、それでもなお、重要なのはこれらの実験自体であり、技術的なラベルではありません。
企業と投資銀行の分野では、変革はより見えにくい。モルガン・スタンレー（JPMorgan）の内部ツールは主に研究および営業チームをサポートしており、顧客に直接向けられているわけではない。ドイツ銀行（Deutsche Bank）はAIを利用して顧客の通信ログを分析しており、これは顧客サービスではなく、データの力を活用し、銀行家が顧客をより早く、より良く理解し、サービスを提供するのを助けている。
資産管理は両者の間にあります。モルガン・スタンレーのAIツールは顧客と直接対話するわけではありませんが、アドバイザーが毎回の会議前に十分に準備できるようにします。ドイツ銀行とアブダビファースト銀行は、トップクライアント向けのアシスタントを試行中で、複雑な投資問題にリアルタイムで回答することを目的としています。
地域差：誰がリードしているのか？
出典:Evident AI Index
北米地域は予想通り先行しています。アメリカの銀行、例えばJPモルガン（JPMorgan）、キャピタルワン（Capital One）、ウェルズファーゴ（Wells Fargo）、シティバンク（Citi）、およびカナダロイヤル銀行（RBC）は、AIを生産性のエンジンに変えました。OpenAIやマイクロソフト（Microsoft）との協力のおかげで、彼らは最前線のAIモデルに最初に接触しています。
ヨーロッパはより慎重です。 BBVA、ドイツ銀行、HSBCは、AIツールを社内でテストし、より多くのセキュリティ対策を講じています。 欧州一般データ保護規則(GDPR)は、広範囲にわたる影響を及ぼします。 過去と同様に、ヨーロッパは技術の進歩よりも規制に重点を置いており、それには代償が伴う可能性があります。
アフリカとラテンアメリカはまだAI開発の初期段階にありますが、進歩は速いです。 ブラジルのNubankは傑出しており、OpenAIと提携してAIツールをオンプレミスに展開し、最終的にはカスタマーサービスに拡大しています。 南アフリカでは、スタンダード銀行とネッドバンクがAI分野での試験運用を行っており、リスクコントロール、サポートサービス、開発をカバーしています。
中国：自立したAI技術スタックの構築
中国の銀行はAIを使用するだけでなく、AI技術スタックを構築しています。
中国工商銀行（ICBC）は「智涌」を発表しました。これは、1000億のパラメータを持つ大規模言語モデルで、内部で自主的に開発されました。このモデルは、文書分析からマーケティング自動化に至るまでの200のビジネスシナリオで、10億回以上利用されています。これは単なる内部ツールの応用ではなく、銀行の運営方式の基礎的な変革でもあります。
Ant Groupは、金融セクターでZhixiaobao 2.0とZhixiaozhu 1.0という2つの大規模言語モデルを立ち上げました。 前者は、Alipayの一般ユーザーを対象としており、金融商品の説明を目的としています。 後者は、市場レポートを要約し、ポートフォリオの洞察を生成することにより、ウェルスマネジメントアドバイザーをサポートします。
保険、銀行、テクノロジーを統合するフィンテック大手のPing An Groupは、さらに一歩進んでいます。 同社は、顧客とアカウントマネージャーの両方にサービスを提供する生成AIアシスタントであるAskBobを開発しました。 顧客の場合、AskBobは自然な中国語で投資と保険の質問に答えることができます。 アドバイザー向けには、顧客履歴、製品データ、マーケティング資料を抽出して要約し、各エージェントをデジタルで強化された財務専門家に変身させます。 Ping Anの目標は、AIを通じて金融コンサルティングを再定義し、質問に答えるだけでなく、需要を事前に予測することです。
中国では、規制の枠組みがデータのローカリゼーションとモデルの透明性を強く奨励しており、これらの機関はより長期的な道を選んでいます：国内の規制、言語、マーケット環境に適応できるカスタマイズされたAIを構築することです。さらに、中国には十分な人材の密度があり、銀行は基盤モデルを自主的に開発できるため、これは世界的に見てもユニークな成果と言えるでしょう。
誰が技術サポートを提供していますか？
いくつかの有名企業が世界中で頻繁に登場します：マイクロソフト（Microsoft）はAzure OpenAIを通じて現在最も一般的なプラットフォームとなっています。モルガン・スタンレーからスタンダードチャータード銀行まで、多くの銀行がマイクロソフトのセキュアサンドボックス環境でそのモデルを運用しています。
GoogleのLLM（大規模言語モデル）も使用されています。例えば、ウェルズ・ファーゴはFlanを活用しています。一方、中国では、DeepSeekや混元（Hunyuan）などの国内技術に主に依存しています。
一部の銀行、例えばJPモルガン、中国工商銀行、平安グループは、自社のモデルを訓練しています。しかし、大多数の銀行は既存のモデルを基に微調整を行っています。重要なのは、モデルそのものを持つことではなく、データ層とモデルの調和の取れた運用を掌握することです。
世界のAIアプリケーションの多様な探求
元の画像は、Deep Tide TechFlowにまとめられた元の記事に示されています。
それがどうしたの？
規制の厳しい業界では注意が必要であり、そのため銀行は直接最前線に立つのではなく、AIに関与させています。 ただし、他のプラットフォームの変更で観察されたように、決定的な意思決定と迅速な実験が重要です。 規制が施行に先んじることはなく、AIを試す前に規制が施行されるのを待つのは賢明ではありません。 私は10年以上前に、規制がなかった国でエージェンシーバンキングを設立したことを覚えています。 それが終わったら、中央銀行にビジネスを説明するのは私たちです。 もし私が銀行の取締役会の一員だったら、「私たちはいくつの実験をしているのだろうか?」と尋ねるでしょう。 どれだけのインサイトが生成されていますか? ”
進展を真に測るためには、プラットフォーム革新の基本原則に立ち返る必要があります。あなたのAI戦略は以下の質問に答えなければなりません：
「私たちのAI戦略はコアアーキテクチャを再構築しましたか？コストを100倍削減しましたか？新しい価値モデルを解放しましたか？エコシステムのつながりを刺激しましたか？市場を覆しましたか？アクセスの民主化を実現しましたか？」
論理は明確で、懐疑的な見方も必要ですが、論理と事実の両方が、AIが新しいプラットフォームの変化であることを示唆しています。 さらに、論理と事実は、過去のプラットフォームの変更がしばしば金融市場に革命的な変化をもたらしたことも示しています。 例えば、シティバンクは、70年代から80年代にかけて、テクノロジーの応用によりリテール事業を大幅に拡大しました。 Capital Oneはゼロから成長し、市場でトップ10の銀行の1つになり、自動車ローンや住宅ローンなどの関連業界で強い存在感を示しています。 アフリカでは、エクイティバンクがクライアントサーバーテクノロジーの波をつかみ、時価総額で東アフリカ最大の銀行になりました。 同様に、Access Bank、GT Bank、Capitecもそれぞれの市場でこの波に飛び乗っています。
AIプラットフォームの時代が到来し、それが勝者を生み出します。 それは敗者に焦点を当てることではなく、勝者が特定の分野でどのように大きな市場シェアを持っているかということです。 たとえば、Stripe の決済での成功は、その好例です。 これらの初期のブレークスルーは、中小企業やリテールバンキングセクターで重要なプレーヤーとなったNubankのクレジットカード事業など、隣接するセグメントでの市場シェアの拡大につながることがよくあります。
私の考えでは、AI時代の勝者は人間関係のコストに焦点を当てるでしょう。 もはや単なるトレーディングゲームではありません。 取引はすでに行われており、今では顧客体験と関係管理のゲームとなっています。 これは、金融サービスのリーダーが注力すべき重要なインサイトです。 顧客体験とリレーションシップバンキングをわずかなコストで100倍に向上させるにはどうすればよいでしょうか? 銀行として、スマートテクノロジーをどのように活用して、顧客の財務、ビジネス、生活の管理をより適切に支援できるでしょうか? これらの質問に答えて実行できるプレイヤーが最終的な勝者になります。