記事の要約とポイント
AIは金融サービスにおける「信頼」のあり方を変えつつあります。AIが人間に替わるのではなく、信頼関係を築くための力として下記のように活用され始めています。
- AIに定型作業を任せ、人は顧客との関係構築に集中する
- 顧客データを活用してニーズやリスクの兆候を把握し、問題を未然に防ぐ
- 透明性と人間による監督を前提としたAI活用によって信頼を高める
米国の保険会社アミカ・ミューチュアル・インシュアランス社のカスタマーサービスは、３年前は担当者が２つのモニターとにらめっこしながら電話に応対していました。
一方には契約者情報が、もう一方には空白のメモ画面が開かれ、オペレーターは相手の話に注意深く耳を傾けつつ、通話内容を慌ただしく、各人それぞれのやり方で画面に打ち込んでいました。お客様に適切に対応しながら、必要な記録を漏れなくシステムへ入力することはむずかしく、記録の方法もオペレーターによって異なり、カスタマーサービスに一貫性のない状態となっていました。
そこでアミカが導入したのが、通話内容を自動的に要約するAIです。担当者が会話の内容を入力するために話を中断する必要が減り、通話時間が短縮されました。しかし、より大きな変化は別のところにありました。数値化しにくい効果ではありますが、担当者がデータ入力に気を取られることなく、問い合わせ内容に耳を傾け、適切に対処できるようになったことです。その結果、顧客推奨度（NPS）は上昇しました。入力は機械に任せ、人は対話に集中できるようになったのです。
この事例は、AIを「金融業界への信頼を損なう存在」として描く一般的なイメージとは対照的です。メディアではディープフェイク詐欺や不透明なアルゴリズム、人間との接点が失われることへの懸念などが取り上げられ、AIは信頼を脅かす存在として語られがちです。実際、世論もそうした見方を反映しているようです。2025年12月に実施されたYouGovの調査によると、金融分野におけるAIへの信頼度は全業界で最も低く、「AIを信頼している」と回答した米国人はわずか19％でした1。また、TD Bankの2026年版『AI Insights Report』によれば、AIだけに金融アドバイスを任せてもよいと考える消費者は18％にとどまっています2。
しかし、TDの調査結果を詳細に見ると、興味深い矛盾が浮かび上がってきます。同調査では、「自身の資産管理にAIを活用している」と答えた人は55％に昇り、前年の10％から大幅に増加していました。一方で、85％の回答者は、「信頼できる情報源」に銀行を挙げています。つまり、消費者はAIという存在に不安を抱きながらも、実際にはその利便性を受け入れており、同時に金融機関に対しては依然として高い信頼を寄せているのです。金融サービス業界のリーダーに問われているのは、こうした金融機関への信頼を土台に、「信頼の破壊者」とも語られるAIを、顧客との関係を深めるための手段へと変えていけるかどうかです。
現場への信頼が顧客の信頼を生み出す
AIを顧客との関係を深める手段として利活用するにはまず、「金融サービスにおける信頼」とは何なのかを考える必要があります。
信頼が生まれる瞬間とは、たとえば顧客が「自分の話をきちんと聞いてもらえた」と感じたときです。あるいは、問題が損失につながる前に金融機関が兆候を察知して手を打ってくれたとき、保険金が適切に支払われ、その判断理由にも納得できたときです3。AIを適切に活用すれば、人間だけでは実現できない規模で、こうした信頼の瞬間を生み出すことができます。
もっとも、それはAIを導入しさえすれば実現できるというものではありません。必要なのは、明確な構想と計画、そして透明性の高いAI活用戦略です。その根底にあるべき原則は、「知性は顧客との接点に最も近い現場に置き、経営層や管理部門は共通基盤やルール、統制の枠組みを提供する」という考え方です。私はこのモデルを「タコ型組織」と呼んでいます。タコは非常に知能の高い生物ですが、その神経組織の約3分の2は、脳ではなく足に分散しています。8本もの足を持ちながら複雑な動きを実現できるのは、それぞれの足が互いに情報を共有しながら連携しているからです。さらに、それぞれの足に高度な神経制御機能が備わっており、中枢からひとつひとつ指示を受けなくても、その場の状況に応じて動くことができます。これは分散型知能のモデルそのもので、「現場に近い場所で自律的な判断を行いながら、組織全体として連携する」という考えを示しています。こうした組織運営が、いま、AIによって現実のものとなりつつあるのです。
信頼もまた、顧客とのひとつひとつの接点のなかで築かれ、あるいは失われます。こうした信頼を生み出し、積み重ねていくための仕組みが3つあります。
作業はAIに任せ、顧客に集中する
金融機関では、積年の成長や規制対応、業務の専門化の結果、さまざまな手続きや管理業務が幾重にも積み重なってきました。電話対応のマニュアルやデータ入力、コンプライアンス文書の作成などがその例です。どれも理にかなったものですが、そこに時間がかかるようになった結果、顧客と向き合う時間が失われていきました。アミカの事例は、その流れを逆転させています。AIが事務作業を引き受けることで、社員は顧客に向き合う時間と余裕を取り戻しました。共感や傾聴が、単なる理想論ではなく、業務の中で実際に発揮できる力となったのです。顧客が言葉にしていない不安や要望にさえ、気づけるようになりました。
米国の大手損害保険会社トラベラーズは、この考えをさらに組織の奥深くまで浸透させています。専門領域に特化した大規模言語モデルを活用することで、現場のスタッフは複雑な情報を整理・統合し、上位部署へエスカレーションすることなく問題を解決できるようになりました。それに伴い、マネージャーの役割も変化しています。従来のように承認の可否を判断する「門番」ではなく、AIのアウトプットを検証し、現場の課題解決を後押しする「コーチ兼支援者」としての役割を担うようになったのです4。しかし、顧客が感じるのは、その裏側にある組織改革ではありません。対応の速さや、問題解決の的確さです。こうして現場で生まれた信頼が、やがて企業全体への信頼へとつながっていくのです。
根底にあるべき原則は、「知性は顧客との接点に最も近い現場に置き、経営層や管理部門は共通基盤やルール、統制の枠組みを提供する」という考え方です。
顧客の声を聞き、先回り対応する
二つめは少し見えにくいかもしれません。金融機関はどこも膨大な顧客データを抱えていますが、活用は十分にできていません。アミカも毎年何百万件もの顧客との通話を記録していますが、つい最近まで、そこに含まれる情報を大規模に分析できずにいました。しかし現在では、通話の文字起こしデータがAIリサーチエージェントに取り込まれ、商品開発チームは顧客が何を求め、何に戸惑い、どのような保証の不足を感じているのかを把握できるようになっています。
その成果は極めて実践的です。顧客との会話データと外部データを分析した結果、多くの契約者が保険契約の内容を十分に理解していないことがわかりました。そこでアミカがとった対応策の一例が、宝飾品保険の補償不足が生じる可能性のある顧客に対しての事前案内です。こうした取り組みによって契約内容が見直され、結果として保険料収入が増えることもあります。しかし、それはあくまで副次的な効果です。アミカがより重視しているのは、万が一の損失が発生した際に、顧客が必要な補償を確実に受けられる状態にしておくことです。商品を売り込むことよりも、顧客の声に耳を傾け、それに基づいて行動することに重きを置いているのです。
マドリードに本社を持つ世界的な銀行グループBBVAは、同様の考え方を法人向け営業に応用しています。法人営業の現場では、顧客ごとにどれだけ十分な時間を割けるかが常に課題とされてきました。BBVAでは約2,000人の法人営業マネージャーで約10万7,000社の中堅・中小企業を担当しており、これまでは顧客への対応が十分行き届いていませんでした。そこでBBVAが導入したのが「AIバンカー」です。AIバンカーは、顧客分析や業界動向の整理、次に取るべきアクションの提案などを行い、法人営業マネージャーを支援します。導入の結果、これまで十分に手が回っていなかった顧客にも人による判断や助言を届けられるようになりました。 さらに興味深いのは、BBVAがとった、AIの品質を確保するための開発手法です。先に機能要件を定義してAIを開発するのではなく、「優れた成果とは何か」を示す具体例を先に定め、その事業部門が作成した「ゴールデン・スタンダード」を基準にAIを調整していく、というものです。根底にある考えはシンプルです。望ましい結果をまず明確にし、そこから逆算して仕組みを設計するということです5。
信頼性を検証できるようにする
三つ目の仕組みは、信頼の最も基本的な土台である「正しく業務を遂行すること」です。たとえば大きな事故が発生した後、保険査定員が直面する業務を考えてみましょう。複数の医療機関から何百ページにも及ぶ請求書や診療記録が送られてきます。書式はばらばらで、内容も異なり、それぞれに確認事項があります。こうした膨大な情報を人間だけで確認し、評価するには多くの時間と労力が必要です。
この課題に対して、アミカはAIを活用した取り組みを進めています。AIが各種書類から請求内容や損害に関する情報を抽出し、根拠となる元の文書と結びつけながら整理して、査定担当者の判断を支援するのです。目指すのは人員削減ではありません。より質の高い顧客対応を実現することです。 特に注目すべきはその設計思想で、AIが導き出した結論をすべて、根拠となった文書までさかのぼり確認できるようになっています。こうしたトレーサビリティによって、従来はブラックボックスになりがちだったAIの判断過程が、検証可能な記録として残るのです。 規制の厳しい金融・保険業界において、これは極めて重要な意味を持ちます。その結果、社員の役割も変わりました。情報を集めて処理することに時間を費やすのではなく、AIが整理した情報をもとに判断を下すことへと重点が移ったのです。テクノロジーは人間を置き換えるのではなく、よりよい意思決定を支える存在になるのです。
信頼の基盤となるのは人である
だからこそ、顧客からの信頼だけでなく、社員からの信頼も重要になります。アミカではほぼすべてのAIツールをオプトイン方式とし、顧客に影響を及ぼす判断については、最終的な決定権を人に残しています。意思決定を行うのはあくまで人であり、AIは情報の整理や確認、一貫性の向上、顧客対応の質の改善を支援するための存在です。 実際、初期の実証実験の中には、期待するような成果を上げられなかったものもありました。その際アミカは、社員から上がった「役に立たない」という声を受け、予定より早くプロジェクトを切り上げています。トップダウンで進む導入に慣れていた社員たちは、当初この判断を意外に感じましたが、自分たちの声が意思決定に反映されることを目の当たりにしたことで、かえって経営陣への信頼を深めました。
それから2年後のアミカの社内調査では、社員がAIをポジティブに受け止め、自ら新たな活用方法を提案するようにもなったと確認されています。トラベラーズも同様に、AI導入の目的を単なるコスト削減とせず、同社が強みとするリスク分析の専門性をさらに高め、顧客や代理店、社員によりよい体験を提供することを重視しています。
このような「信頼への投資」を実現している組織には、共通点があります。削減した人員数よりも、顧客に向き合う時間をどれだけ増やせたか、顧客のニーズをどれだけ先回りして把握できたか、ミスをどれだけ減らせたか、そして現場の社員がどれだけ創造的にAIを活用できているかを成果指標としているのです。 組織内の信頼は、それによって育まれます。また、AIの判断根拠を検証できるようにするのと同時に、共感や傾聴といった、人間ならではの力を社員が発揮できる環境を整えています。
メディアはこれからも、AIを「信頼の破壊者」として描き続けるでしょう。拙速な自動化を進める企業にとっては、その見方が当てはまるかもしれません。 しかしAIの技術は、信頼を設計の目標とするリーダーにとって、金融業界がこれまで目にしてきた中でも、最も強力な信頼構築の手段となり得ます。 いま、機械が記録や事務処理を担い、人はようやく人と向き合う時間を取り戻しつつあります。AIの価値は、人を置き換えることではありません。人が本来注力すべき仕事に立ち返らせてくれることにあるのです。
- YouGov調査、2025年12月：AIへの信頼度は財務部門で最も低く（19％）、「AIを大いに信頼している」米国人はわずか5％。
- TD Bank U.S.によるAI洞察の活用レポート、2026年3月：財務部門に関してAIの推奨のみを信頼すると回答したのは18％、個人の財務管理にAIを使用しているのは55％（10％から増加）、情報源として銀行を信頼しているのは85％。
- Rogers, E. M. Diffusion of Innovations. (The Free Press、ニューヨーク、1995年)。
- Jonathan Brill、Stephen Wunker著、AI and the Octopus Organization: Building the Superintelligent Firm、2026年
- 同上
お問い合わせはこちら
