銀行はAIをどこまで使いこなしているのか？ 導入率からエージェント化、失敗談、「人にしか出来ない仕事」まで徹底調査してみた

はじめに

銀行というと、AIとはいちばん縁遠い、石橋を叩いて渡る保守的な業界というイメージを持っている方も多いのではないでしょうか。実際、私自身も「金融機関は規制が厳しいぶん、生成AIの導入は他業界より遅れているはず」と思っていました。

ところが今回、銀行業界のAI活用状況をあらためて調べ直してみたところ、その予想はかなり裏切られました。2026年の銀行業界は、すでに「導入するかどうか」ではなく、「AIエージェントにどこまで仕事を任せるか」を検討する段階に入っていたのです。

この記事では、①業界のAI導入率、②実際の活用事例、③どんなAIが使われているか、④AIエージェント化の進み具合、⑤実際の効果、⑥失敗事例、⑦セキュリティ・法規制、⑧今後AIに置き換わりそうな仕事、⑨逆に人間にしか出来ない仕事——という9つの切り口での調査結果を書いていこうと思います。

① 銀行業界のAI導入率——「導入するかどうか」はもう終わった議論

まず気になるのは、銀行は実際どれくらいAIを使っているのかという点です。ここは日銀が金融機関向けに毎年実施しているアンケート調査を直接確認できたので、時系列で並べてみます。

日銀が2024年10月21日に公表した初回調査（対象155）では、生成AIを「利用中」の金融機関は約3割、試行中を含めると約6割、試行・利用の検討まで含めると約8割でした。1年後の2025年9月30日公表の第2回調査（対象153）では、利用中が約5割、試行中を含めると7割強、検討まで含めると9割超に拡大。そして2026年8月6日公表の第3回調査（150先対象）では、利用中がついに約8割に達し、試行中を含めると9割強にまで広がっていました。「利用も試行もしていない」先の割合は、2年前の4割強から1割弱にまで減少しています。
業態別では特に第二地方銀行での伸びが目立つそうです。日本の金融機関のAI利用率は、この2年でほぼ一直線に伸び続けているというのが実際のところのようです。国内の金融機関による生成AI関連投資額も、2023年の114億円から2028年には1,041億円規模まで拡大する見通しだと報じられています。

海外に目を向けても勢いは同じです。
金融向けソフトウェア大手Finastraが2026年に公表した調査では、米国の金融機関の65%が生成AIを「実際に運用中」と回答しており、これはグローバル平均の61%を上回っていました。EY-Parthenonが実施した2025年の調査でも、生成AIツールをすでに導入した銀行は77%にのぼり、2023年の61%から大きく伸びています。米国の地域金融機関を対象にしたWolf & Companyの調査でも、回答したすべての金融機関が何らかの形でAIを導入済みという結果が出ています（ただし、試験段階から本番運用まで進んでいるのはそのうちの一部にとどまります）。

一方で、量と質にはまだギャップがあるようです。Wolters Kluwerが148の金融機関を対象に実施した2026年第1四半期の調査では、AI・機械学習技術を本番導入済みの機関が31.8%、試験中の機関が29.1%で、合わせて約6割が何らかの形で実装段階に進んでいました。ただし「AI・機械学習戦略が明確に定義され、リソースも確保できている」と答えた機関はわずか12.2%にとどまっています。導入は進んでいるけれど、戦略やガバナンス体制が追いついていない、というのが業界全体のリアルな現在地に近いようです。

② 実際の活用事例——メガバンクから地方銀行まで

具体的にどんな取り組みが進んでいるのか、印象的だった事例を紹介します。以下は各社の発表・報道をもとにしたAI総合研究所の分析記事（2026年6月）を主な参照元とした二次情報である点をお断りしておきます。

メガバンク3行は、いずれも数百億円〜1,000億円規模のAI投資を打ち出しています。
三菱UFJ銀行は、スピーチライターや中途採用者からの問い合わせ対応など20の業務ごとに専用の「AI行員」を2026年1月から順次導入し、並行して全行員約3.5万人にChatGPT Enterpriseを展開しているとされています。2025年11月にはOpenAIと戦略的提携を発表し、2026年に入ってからはGoogleとも追加提携を結んで、特定ベンダーに依存しない体制を敷きました。さらにサカナAIと組んで融資稟議書作成AIの実証実験も進めています。

三井住友銀行は2026年2月25日から、事前に用意した回答を読み上げるのではなく、顧客の自由な話し方に応じてAIが動的に応答する「SMBC AIオペレーター」の提供を開始しました。生成AIを使った自由発話型の音声対応として銀行業界で初めての取り組みとしています。社内向けの生成AIアシスタント「SMBC-GAI」は日次7〜8万件規模まで利用が広がっており、2025年10月には約130万件の社内ファイルを参照させるRAG機能も搭載されました。

みずほフィナンシャルグループは、2026〜2028年度の3年間でAI開発に500億〜1,000億円を投資すると報じられており、頭取自らAIエージェントを構築する社内イベントを開くなど、トップダウンでの推進姿勢を打ち出しています。2026年3月には、AIエージェントを「作る」段階から「量産・運用する」段階へ移行するための基盤「エージェントファクトリー」も始動しました。

地方銀行や信用金庫も負けていません。
京都銀行は、NTTデータの金融特化型RAG「LITRON」を使った融資稟議書作成AIサービスを2026年7月から正式提供する予定で、それに先立つ実証段階では融資審査レビューの通過率が約30%から約95%に改善したと報告されています。
宮崎銀行は日本IBMとの共同検証でAzure OpenAI Serviceを使った稟議書作成AIを構築し、作業時間を95%短縮（40分→2〜3分）、2024年12月には全店での運用を開始したとされています。
住信SBIネット銀行は2026年2月、利用者の発話に応じてアプリ画面そのものをAIが動的に生成する「NEOBANK ai」のベータテストを開始しています。

海外に目を移すと、JPMorganは現在、約1,000件のAIユースケースを開発中で、そのうち不正検知やリスク管理などを含む約50件が主力の取り組みだとジェイミー・ダイモンCEOが明らかにしています。年間の技術予算は約200億ドルで、30万人超の従業員のうち約15万人が社内の大規模言語モデルを毎週利用しているそうです。プライベートバンキング部門では、AIが市場動向や顧客ポジションを夜間に自動でスクリーニングする仕組みにより、総販売額が20%増加したとも報告されています。モルガン・スタンレーは、資産管理プラットフォーム（ShareWorksやEquity Edge）を外部の顧客側AIエージェントに直接接続できるようにする取り組みを進めており、AIエージェントが人間向けのソフトウェア画面を介さずに直接データを取得できる仕組みづくりに乗り出しています。

③ どんなAIが使われているのか

事例を眺めていると、使われているAIには大きく3つのタイプがあるようです。

1つ目は、ChatGPT Enterprise、Gemini Enterprise、Claude for Enterpriseといった汎用の大規模言語モデル基盤を、全行員・全社員向けに横展開するパターンです。文章作成や翻訳、情報収集など、部署を問わず使える業務の底上げが狙いで、MUFGの約3.5万人展開はこの典型です。

2つ目は、Salesforce AgentforceやexaBase Studio、Difyのような「AIエージェント開発・運用プラットフォーム」を使い、特定の業務プロセスに特化したエージェントを構築するパターンです。商工中金の営業支援やセブン銀行のデータ分析、みずほの「エージェントファクトリー」などが該当します。

3つ目は、NTTデータのLITRONや〈みずほ〉LLMのように、金融業務向けにあらかじめ作り込まれた生成AIサービスを使うパターンです。規制対応やセキュリティ要件を最初から満たした状態で使えるため、京都銀行や碧海信用金庫のように開発リソースが限られる地域金融機関ほど、この選択肢を選ぶ傾向があるようです。

汎用LLMをそのまま顧客対応に出すだけでは、金融庁が求める説明可能性や責任所在の整理といった要件を満たしにくいという事情もあり、メガバンクほど「汎用基盤＋独自LLM」のハイブリッド戦略を取っている点も印象的でした。みずほが〈みずほ〉LLMという金融特化の独自モデル開発に着手しているのは、その象徴的な例だと思います。

④ AIエージェント化はどこまで進んでいるか

今回の調査でいちばん印象に残ったのは、「AIに聞きに行く」段階から「AIが業務そのものを回す」段階への移行が、思っていたより明確に起きていたことです。

メガバンク3行はそろって特定業務を自律的に処理するAIエージェントの実装フェーズに踏み込んでおり、三井住友の自由発話型AIオペレーターや、みずほの複数回ヒアリングに対応するマルチターン音声AI、住信SBIのジェネレーティブUIエージェントなどは、いずれも「AIが顧客と直接やり取りする」段階に足を踏み入れた事例です。

JPMorganのチーフ・アナリティクス・オフィサーであるデレク・ウォルドロン氏は2026年6月、CNBCの取材に対して「長時間自律稼働するエージェントの時代に入った」と語っています。これまで数分単位で動いていたAIエージェントが1〜2時間単位で稼働できるようになりつつあり、セキュリティ上の懸念から企業利用にはまだ本格導入されていないものの、2026年中の実用化を見込んでいるとのことでした。将来的には数時間、数日、数週間単位での自律稼働を目指すとしています。

一方で、エージェント化が「言うほど簡単ではない」ことを示すデータもあります。
従来型AIや生成AIチャットボットについてはライフサイクル全体でリスク監視ができている銀行が6割前後だったのに対し、AIエージェントについては44%にとどまっている、という調査結果もありました。業務を任せる範囲が広がるほど、監視・統制の体制整備が追いついていないというのが実情のようです。エージェント化そのものは着実に進んでいますが、「動かせる」ことと「安心して任せられる」ことの間には、まだ距離があると感じました。

⑤ 実際にどれくらい効果が出ているか

McKinsey Global Instituteの試算では、生成AIのユースケースが十分に実装された場合、銀行業界全体で年間2,000億〜3,400億ドル規模の価値を生み出す可能性があり、これは営業利益の9〜15%に相当するとされています。なおこれはあくまで「実装が進んだ場合の潜在価値」の試算であって、すでに実現した効果を示すものではないです。
Bloomberg Intelligenceの分析では、AIによる生産性向上によって2027年までに銀行業界の税引前利益が12〜17%（合計で約1,800億ドル）押し上げられる可能性があるとも報じられています。

上記は試算的な数字になりますが、個別の事例から出てくる具体的な数字もあります。
京都銀行の融資稟議AIは実証段階で審査レビューの通過率を30%から95%に引き上げ、年間最大1万1,700時間の業務削減が見込まれています。宮崎銀行では稟議書の作成時間が40分から2〜3分へと95%短縮されました。七十七銀行は本部の55以上の業務にAIを展開し、年間約3万2,000時間の効率化を見込んでいます。MUFG信託銀行が導入したAIエージェント「Kasanare」は社内問い合わせ対応を最大50%削減し、年間最大6万5,000時間の効率化が見込まれるとのことです。みずほの法人営業向けAIエージェントの先行実証では、業務時間が平均41.8%短縮され、若手層に限ると52.2%という結果も出ています。
が、概して工数削減系の数字ばかりで、なかなか実際の金額に跳ねた数字とういのは見つかり辛いようです。

一方でJPMorganでは、AIによる夜間の市場・顧客動向スクリーニングによって総販売額が20%増加し、将来的には1人あたりの担当顧客数を最大50%拡大できる可能性があるとされています。これが実際の数字として出てくると、なかなか面白い事例になるのではないでしょうか。

こうして数字を並べてみると、効果が特に大きく出ているのは「AIが下書きや一次判断をつくり、人間が最終確認する」という、範囲を絞り込んだ業務であることがわかります。融資稟議、応対文面作成、社内問い合わせ対応——どれも「型が決まっている」「最終判断は人が行う」という共通点があり、逆に言えば、この型に当てはまらない業務では、まだここまでの効果は出ていないのだろうと推測しています。

⑥ 失敗例——コモンウェルス銀行のケースに学ぶ

効果が目立つ一方で、うまくいかなかった事例もきちんと見ておく必要があります。