このシリーズのこれまでのブログでは、リーダーが AI をどのように拡張しているか、エージェント AI を使用して仕事をどのように再発明しているか、そしてこの変化をどのようにリードするかについて見てきました。最後から 2 番目のこのブログでは、エージェント AI がどのように労働力を再構築し、人事部門にとって重要な役割を生み出しているかを見ていきます。
アクセンチュアの 2026 年の銀行業界のトップトレンド:制約のない銀行業務がここにある
詳細
銀行や保険の分野で、AI は定型業務を自動化し、複雑な作業を強化していますが、本当の変化は、人間の判断がより価値の高い意思決定にどのように再配置されるかです。ある保険顧客が言うように、目標は「人間からロボットを取り除くこと」です。 Agentic AI はまさにそれを行います。半独立した専門エージェントが、有能な同僚のように従業員と一緒に働きます。
その影響は一様ではないし、避けられないものでもありません。 AI は役割内のすべてのタスクに影響を与えるわけではなく、結果があらかじめ決められているわけではありません。リーダーは、何を人間の仕事として残すべきか、何を AI に移行すべきかについて慎重に選択します。これは役割の再設計というよりは、役職ではなく成果と意図に基づいて仕事を設計することです。
セクターごとの影響
Agentic AI は、従業員自体だけでなく、金融サービスの従業員全体で価値を生み出す方法を再構築します。したがって、適切な戦略は組織ごとに大きく異なります。
仕事の再発明とは、価値を生み出す個人だけでなく、チームやネットワークのためにデザインすることを意味します。
金融サービスにおけるナレッジワークのほとんどはチームベースです。しかし、効果的に適応しているチームはほとんどありません。 Talent Reinventors の調査によると、チームで AI を一緒に実験していると回答した従業員はわずか 19% で、新しいアイデアを共有しても心理的に安全だと感じているのは 17% だけでした。
人材の再発明者は、AI 主導の分析を使用してチームのダイナミクスを強化することで、このギャップに対処します。彼らのチームは、心理的安全性、実験、共有学習によってストレスが軽減され、幸福度が向上し、より迅速で質の高い意思決定が可能になったと報告しています。
これは金融サービスにおいて重要です。金融サービスでは、学際的なチーム、企業間のネットワーク、取引所、金融センター、業界パートナーシップなどのエコシステム全体が仕事の進め方を定義します。
研究はこの変化を裏付けています。イーサン・モリックと彼の同僚による最近の研究では、AI を備えたチームが AI を備えた個人と備えていないチームの両方よりも優れたパフォーマンスを発揮することが共有されています。 AI は、チームが知識と言語のギャップを埋め、より多様なアイデアを生み出し、ポジティブな感情を育むのに役立ちます。人間の創造性は今でも斬新さをもたらしますが、人間と AI が一緒になると、単独のパフォーマンスを上回ります。
私たちの仕事が変化するにつれて、それに合わせてスキルも変化する必要があります。当社の最近の Learning Reinvented 調査によると、経営幹部の 84% が AI エージェントが 3 年以内に人間と協力して働くようになると期待しており、従業員の 80% が AI を機会として捉えている一方で、AI との連携方法に関するトレーニングを受けていると報告しているのは 26% のみです。進歩は確実ですが、遅すぎます。
スキルの低下
これらのトレンドの多くは AI よりも前から存在していましたが、AI はそれらを加速させています。
需要のあるスキル
詐欺、支払い、請求、KYC、融資などの業務分野でも、複雑な事件や状況判断に重点を置いた、より小規模で専門性の高いチームへと移行しつつあります。
これは 1 回限りの移行ではありません。継続的な学習により、従業員の流動性と長期的な雇用可能性が可能になります。一部の人にとって、これは役割内でのスキルアップを意味します。他の人にとっては、まったく新しいキャリアへの再スキルアップを意味します。
大手銀行や保険会社はすでに、人材計画、学習プラットフォーム、社内人材市場によってサポートされる、スキルベースの人材モデルに移行しています。
組織の対応を支援するために、私たちは将来のスキルのための柔軟な AI 対応学習エコシステムである LearnVantage を立ち上げました。これには、教育セッションからナノ学位やスタンフォードなどの外部認定を含むより深い学習に至るまで、取締役会、幹部、従業員を対象とした AI アカデミーが含まれます。
S&P グローバルでは、7,500 人の人事リーダーと 200 人の取締役および上級リーダーを含む 40,000 人の従業員全員に GenAI に関するトレーニングを実施しました。参加率は 100% に達し、MPS は非常に好評で、AI ツールの導入は 4 倍に増加しました。 S&P Global は、学習を活用して企業全体の変化を推進するための明確なロールモデルです。
私が特に感銘を受けたのは、中東における再教育に関する国家的取り組みのいくつかです。これには、エミレーツ金融研究所、UAE とサウジアラビアでのクラウド スキル トレーニング、ドバイ商業銀行の AI スキルアップなどが含まれます。 日本では、大手保険会社のフロント オフィスの従業員 36,000 名とリーダー 300 名をスキルアップし、デジタル アシスタントを効果的に使用して、よりパーソナライズされた顧客成果を提供できるようにしました。
共同学習とは、人々がテクノロジーを教えると同時にそこから学ぶことであり、この研究の焦点です。初期の例には、AI コーチや企業の副操縦士が含まれます。エージェント アーキテクチャでは、これらのシステムは個人に適応し、フィードバックによって改善し、中に学習をサポートします。 作業の流れ。
コンタクト センターを考えてみましょう。人間のエージェントが通話を主導します。 AI エージェントが文字に起こし、準拠した応答を提案し、結果を要約します。人間のエージェントが提案をスキップしたり評価したりすると、AI が学習します。通話後、反射的なフィードバックを提供します。人間と機械の両方の能力が向上します。
これにより、FS で直面するいくつかの課題が解決されます。a) テストだけでなく現実世界で人間とエージェントの両方の能力とパフォーマンスを向上させる方法。 b) 優れた AI 製品は使用されなければ価値を生み出さないため、AI のユーザビリティ、導入、使用をどのように改善するか。 c) 従業員と顧客の成果を最大限にサポートできる仕事の流れに学習を真に組み込む方法、および d) より深い学習のために時間を解放する方法。このアプローチを使用している組織は、スキルを 4 倍の速さで開発し、AI とのコラボレーションに対する自信を 2 倍に高めています。
ヨーロッパの大手保険会社では、このモデルにより従業員の電話応対時間が 5～10% 削減され、平均対応時間が 10% 削減され、約 20% のキャパシティが解放され、スキル レベルと能力向上までの時間が向上しました。
組織には、AI を構築、管理、説明するための専門人材も必要です。これらの役割は、技術的な深さとビジネス ドメインの専門知識をますます組み合わせています。
AIの求人数は2023年後半以降3倍以上に増加し、競争が激化している。銀行と保険会社は差別化を図る必要があります。ある大手銀行では、インドでの雇用主ブランドの位置付けを変更し、最新のグローバル モデルで運営される 1,000 人のデータ組織を迅速に構築できるようにしました。
また、特に Udacity、Ascendient、AIdemy の買収後は、LearnVantage を通じて、データと AI の専門家向けのより深いスペシャリストの再スキルアップにも取り組んでいます。
例は次のとおりです。
これらの取り組みは、多くの再スキル化プログラムが停止している基礎的なトレーニングを超えています。私たちは、構造化されたデジタル パスウェイ、実際のプロジェクト、メンタリング、ナノ学位、共同学習を通じて、高度で専門的な能力を一貫して構築します。
AI の品質が向上するにつれて、労働者が AI に過度に依存し、事実上「運転しながら居眠り」してしまうリスクがあります。人間が主導権を握る場合、私たちは彼らがこの役割を効果的に、積極的に果たすことを望みます。 Dell’Aqua は採用担当者を対象とした調査で、AI に過度に依存した採用担当者が選考の意思決定を悪くし、優秀な候補者を逃していることを発見しました。 AI のパフォーマンスの向上は、人間のパフォーマンスを向上させるのではなく、AI に取って代わるものでした。
私たちは習慣の生き物であり、認知負荷を最小限に抑えようとします（別名「最も抵抗の少ない道」）。注意を払い、AI の結果をよく確認し、健全な懐疑心を維持し、過信しない理由が必要です。 AI の出力を下書きとして使用し、それを私たち自身の創意工夫と組み合わせる必要があります。優秀な人間が先頭に立って行動するには、認知的負荷が必要です。
作業の基本や意思決定の方法を理解していなければ、AI の出力を適切にレビューしたり、エラーを見つけたり、オーバーライドが必要な場合に判断を適用したりすることはできません。 AI が作業をスピードアップし、結果を改善するにつれて、適切な意思決定のための時間がより多くなるはずです。リスクは、私たちが決断を急ぐあまり、マシンを過剰に信頼してしまうことです。私たちはこれに対抗する方法を見つけました。それは、的を絞ったトレーニング、構造化された意思決定のプロンプト、複雑な判断を論理的なステップに分割すること、AI の説明と引用の要求、異常の検出、AI と人間のパフォーマンスの両方の倫理的監視です。
AI が職場で拡張されたら、AI を適切に使用できるようにワークベンチやツールに組み込む必要があります。 AI を上手に使用する方法と、従業員に適用してほしい人間的スキル (判断力など) を従業員にトレーニングする必要があります。正しい行動を促進し、健全な内省のパターンを作り出すために、インセンティブとディスインセンティブを提供する必要があります（チームの振り返り、個人の振り返り、ピアレビューなど）。
AI の投資収益率を最大化することは、AI のパフォーマンスを単独で最大化することではなく、人間とエージェントのパフォーマンスを一緒に向上させることです。それは人間力の向上にもつながります。たとえば、クリエイティブ チームに関する私の個人的な経験では、熟練労働者の手に渡された AI は、彼らの仕事を積極的に拡張し、充実させ、彼らの技術を鈍らせるのではなく、より創造的な多様性とより迅速な結果をもたらします。
AI が人間の労働者と対話するようにどのように訓練されるかは、学習にとっても非常に重要です。ウォートンの最近の研究では、GPT ベースの家庭教師を 1,000 人の生徒に配置しました。この AI へのアクセスにより生徒の成績が大幅に向上しました。しかし、AI が削除されるとパフォーマンスは低下しました。 AI が松葉杖になってしまったのです。家庭教師ベースの AI が導入されていた場合、このパフォーマンスの低下は大幅に軽減されました。良きチームメイトのように、従業員のスキル開発をサポートするエージェントを設計し、トレーニングする必要があります。
これは、エントリーレベルおよび初期の役割において特に重要です。基本的なスキル、状況判断、および基礎的な分野の知識は、伝統的に実地学習を通じて開発されてきました。こうした初心者レベルの役割が減り、「コツを学ぶ」ための基本的な作業が減っているため、次世代の人材の学習を支援するさまざまな方法を見つける必要があります。
私はこれに関する同僚のカラリー・クローズの見解が大好きです。私たちは人間の知性を単に増強したり人工的に複製するのではなく、この瞬間を利用して人間の知性を増幅する必要があるのです。私が引き続き興味を持っている分野の 1 つは、集合知であり、AI が共有知識の開発を強化し、活発な対話を生み出し、言語の壁を低くし、世界中の同僚やコンテンツとつながり、共同作業するのにどのように役立つかです。
このシリーズのこれまでのブログでは、エージェント AI が人間と並行して動作する様子を見てきました。私を含む多くの人にとって、AI はすでに同僚です。 3 年早送りすると、銀行や保険会社は人間と代理店を合わせて 100 万人の従業員を擁して運営される可能性があります。
この新しいハイブリッドな労働力をどのように管理すればよいでしょうか?エージェントに関するいくつかの考え:
また、同僚をサポートする方法も適応させる必要があります。
ハイブリッド労働力に関するこの議論は始まったばかりであり、慎重に検討する必要があります。 AI には人間に似た機能があり、名前を付けると安心できるかもしれませんが、AI を擬人化して人間の労働者と同等にしてはなりません。もっと良い言語が必要になるだろう。私たちは人間の固有の本質的価値を尊重し、エージェント労働者との明確な違いを維持します。
効果的な AI 人材戦略には、従業員の声と測定を組み合わせる必要があります。従業員の意見に積極的に耳を傾け、その意見を AI の意思決定に反映する組織では、導入率が高まり、信頼が強化され、より持続可能なパフォーマンスが得られます (SHRM、2025)。
従業員の声にはさまざまな形があります。AI 倫理委員会での従業員の代表、労働組合や ERG との協議、参加型設計、試験運用中の構造化されたフィードバック、使用中の継続的なフィードバック、懸念を表明し内部告発するための強力なチャネルなどです。金融サービス機関は過去 10 年にわたり、懸念に耳を傾け、対応する点で進歩を遂げてきました。これは現在、エージェントの精度とパフォーマンスに関する懸念にまで及びます。
測定により進捗が目に見えるようになります。 AI の導入、従業員の感情、スキルの成長、デジタルの流暢さを追跡することは、リーダーと人事コースが勢いを修正し維持するのに役立ちます。
最高人事責任者 (CHRO) は変革リーダーとして重要な役割を担っており、リーダーシップ チーム全体が人材の変革をうまく先導できるよう支援し、新しいハイブリッドな労働力の管理方法を指示し、責任を持って AI を採用する人事部門をサポートします。
人事チームは、リーダーの教育、従業員全体のスキル向上、専門データと AI 人材の獲得と育成をサポートする必要があります。ビジネスパートナーも、自社の職務内で仕事やスキルがどのように変化しているのかをより深く理解する必要があります。これにはサイロを打破する必要があります。
ほぼすべての人材再発明者 (96%) が、人事、IT、ビジネス リーダーを 1 つの人材とテクノロジー戦略に基づいて調整していますが、他の組織ではわずか 16% です。同様に、93% が AI 導入をサポートするために人材戦略を再定義し、人事を事後対応部門ではなく変化の副操縦士として位置づけています。
この変化を実現するには、人材チームがハイブリッド労働力を迅速に成長、再配置、再構築できる必要があります。報酬チームには、ハイブリッドな労働力を反映した新しい経済モデルが必要です。同時に、AI は人事部門内に大きな機会を生み出し、成果、エクスペリエンス、サービスの有効性を向上させます。
人事担当者にとって、これはエキサイティングな瞬間です。彼らの役割がこれほど重要になることはめったにありません。
2016 年に開始された人事向けの責任ある AI プログラムは、人事全体での AI の使用を加速、管理、監視するように設計されました。現在、採用、新人研修、育成、流動性、報酬、同僚のサポートなど、人材のライフサイクル全体にわたって AI を適用しています。
その影響は大きく、人事部門の生産性が約 45% 向上し、優先スキルの習熟度が 30% 向上し、社内の採用率が 40% 増加し、採用までの時間が 35% 短縮されました。これらの成果は同僚に力を与えます。たとえば、AI を使用して仕事や学習の経験からスキルを推測し、従業員にスキルを提示して、従業員が将来の役割、キャリア パス、学習の選択肢を特定できるように支援します。
金融サービスのクライアントの多くも、事後的な採用から積極的な人材戦略に移行しており、Eightfold.ai や Beamery などのプラットフォームを使用して、人材調達、役割マッチング、パイプライン構築、社内流動性をサポートしています。
しかし、当社の Talent Reinventors 調査では、「社内ファースト」のモビリティ戦略を推進するために AI を使用している組織はわずか約 7% であることがわかりました。ほとんどの企業は、スキルの可視性が低いため、依然として外部採用または孤立した内部異動に大きく依存しています。才能ある再発明家は別の道を歩みます。適応力のある従業員を抱えている可能性が 4.4 倍、社内で役割を担う可能性が 7.2 倍です。
米国の大手銀行がその好例を示しています。スキル主導モデルを採用し、AI によるスキルの可視性を人員計画に組み込むことで、リーダーはギャップを予測して人材を迅速に再配置し、より機敏で回復力のある組織を構築できます。
別の大手銀行クライアントでは、ライン マネージャーに AI ツールを装備して業績概要を作成し、より適切なフィードバックを提供し、報酬決定をサポートして時間を節約し、品質を向上させ、より強力な判断のための余地を生み出しました。
考慮すべきいくつかの重要な点 — あなたの考えやアイデアをお聞かせください:
<オル>最後から 2 番目のこのブログでは、金融サービス企業が従業員をどのように再構築する必要があるかを検討しました。エージェント型 AI では、人間とエージェントが協力することについて、これまでとは異なる考え方が必要になります。銀行や保険会社は、規模は小さいものの、より多くのデジタル技術と人間のスキルを備えた労働力を雇用する可能性が高く、再教育に対する持続的な需要が高まっています。人事はこの移行の中心となり、リーダーが変化に対応し、ハイブリッドな労働力を管理できるように支援する必要があります。
このシリーズの最後のブログでは、この変革を維持するために、リーダーシップ、文化、運用モデルもどのように進化する必要があるかを探っていきます。