前回のブログでは、大手金融サービス (FS) 企業がビジネス価値を高めるために AI をどのように拡張しているか、また、トップ企業と後進企業の間でどのように格差が拡大しているかについて説明しました。また、エージェント アーキテクチャについても紹介し、ソフトウェア エンジニアリング、KYC、クレームなどの実例を共有しました。
このブログでは、まず人間中心のアプローチをエージェント AI に採用することで、危機に瀕している価値の機会を探ります。大手金融サービス企業は、明確なビジネス意図と顧客の成果に基づいて AI を設計し、それを実現するために人間とエージェントが協力して行うべきことを決定します。
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
私たちの仕事、労働者、労働力に関する調査では、AI を純粋な技術変化として扱う場合と、人間主導のアプローチを採用して労働者に AI の可能性を最大限に発揮させる場合とでは、今後 15 年間の GDP 成長に 10 兆 3000 億ドルの差があることが判明しました。
この数字をよく理解してください。AI へのアプローチ方法に基づくと、これは世界の GDP の約 10% が危機に瀕していることになります。
この機会の中心となるのは金融サービスであり、労働時間の最も長い業種（最大 90%）は銀行業（1 位）、保険業（2 位）、資本市場（3 位）であり、AI によって自動化または強化される可能性があります。
なぜですか？初期の自動化の波ではすでに構造化データのタスクに対処していました。しかし、世界のデータの 80% 以上が非構造化されているため、FS の残りの作業の多くは言語が豊富で、本質的に非構造化されています。私たちは、情報、サービス、ナレッジワークによって定義される環境で活動しています。
非構造化データを操作し、人間の言語を模倣するように構築された生成 AI が急速に普及していることは驚くべきことではありません。そして、エージェント AI の時代に入ると、私たちはさらに何かを手に入れます。それは、ツールとしてだけではなく、一緒に仕事をする真の同僚として機能するシステムです。
同じ調査では、従業員が AI に対して複雑な感情を抱いていることが示されており、私の経験もそれを裏付けています。約 95% の人が生成 AI とスキルの再スキルを使って働きたいと答えていますが、これらのツールが日常生活でどれほど広く使用されているかを考えれば当然のことですが、セキュリティ、労働強度、倫理に関する懸念は依然として残っています。従業員はさまざまな速度でこの変化を乗り越えています。
その緊張感はデータからも明らかだ。アクセンチュアの最新の従業員調査によると、AI が仕事にどのような変化をもたらすかを積極的に共同作成者であると感じている従業員はわずか 20% であり、AI ツールの使用を楽しんでいる、または AI ツールを適用する新しい方法を積極的に模索していると回答した従業員はわずか 17% です。このギャップは、従業員を早期に関与させる必要性を強調しています。 AI 導入を人々のためではなく、人々とともに設計することは、信頼、所有権、大規模な導入を構築するために不可欠です。
これに応えて、私たちはクライアントが同僚と協力して AI ツールを設計し、包括的で力を与える方法で導入をガイドできるよう支援します。私たちはリーダー チームと協力して、従業員を AI に関する有意義な会話に参加させ、変化を主導できる人材を育成します。
私たちは、リーダーと従業員全体のスキルを向上させるために、LearnVantage 機能に多額の投資を行ってきました。 たとえば、S&P Global のすべての従業員は、GenAI の基礎トレーニングを完了できるようになりました。ある大手銀行では、Udacity を通じて 1,000 名を超えるデータ、クラウド、フルスタック エンジニアの再スキルスキルを向上させ、高度な専門レベルの役割の準備を整えました。
責任ある AI、業務設計、人員計画に関する当社の取り組みは、組織が古いスキルから新しいスキルに移行し、冗長性を軽減し、仕事の質を向上させ、役割の進化に合わせて従業員が確実に成長できるようにするのにも役立ちます。
この取り組みは個々の顧客を超えて広がります。 2026年のダボス会議で、アクセンチュアと他の24の組織は、「インテリジェント時代のすべての人に機会を創出する」スキル誓約を発表し、2030年までに1億2,000万人にテクノロジートレーニングを提供することを共同で約束しました。アクセンチュア自身の取り組みは、2030年までに世界中の1,000万人以上に仕事に関連したAIおよびデジタルスキルを身に付けることです。この野心を支援するために、同社はAIネイティブ学習であるLearnVantageを紹介しました。プラットフォームを利用し、誰でも受講できる手頃な価格の AI 修士号を開始しました。
人間中心のアプローチでは、労働者だけでなく、コミュニティや社会も考慮されます。金融サービスにおける社会的包摂の向上を背景として、私たちは予期せぬ結果を軽減し、モビリティの機会を拡大する必要があります。
Progress Together、Rise with AI との最近の研究は、課題の規模を示しています。英国では、社会経済的背景が低い人々 (SEB) が金融サービスに占める割合は依然として約 30% 少ないです。この調査では、AI へのアクセス、AI 関連のスキル、再スキルへの信頼、雇用主への信頼、および下位 SEB 出身者が AI への移行を乗り切るのに役立つその他の要素に 10～15% のギャップがあることも判明しました。
AI が労働力に与える影響には、横断的な視点が必要です。金融サービスにおける AI の影響を最も大きく受けている役割の多くは女性が担っています。私たちは Tech She Can などのパートナーと協力して、AI スキルとインクルージョンを強化しています。
AI はまた、視覚障害のある人や神経多様性のある人など、障害のある人々を解放し、新たな機会を創出し、アクセスを改善することもできます。
最終的には、AI が公正な移行を促進するようにする必要があります。 — 包括的かつ公平なもの — 金融サービスは、人々、コミュニティ、社会に前向きな結果をもたらす上で中心的な役割を果たしています。
本当の鍵は、ビジネスの意図と顧客の成果を中心とした取り組みを再発明することにあります。それは、個々のタスクや役割ではなく、バリュー ストリームとエンドツーエンドのプロセスから始まります。単一のユースケースでは範囲が狭すぎるため、通常は部分的な保存のみが行われます。今日のジョブには、異なる処理が必要な作業が混在しているため、間違った「分析単位」となっています。
真の再発明とは、より良い顧客とビジネスの成果をもたらすために、バリュー ストリーム全体の作業を根本的に異なるやり方で行う方法を再考することを意味します。これには、価値の低い作業や労力を事前に削除することが含まれます。代わりに、クライアントの成果と成長を促進する価値の高い仕事に労力を振り向けるべきです。
この変化を実現するには、次の 3 つの要素が必要です。
<オル>私たちは世界的な保険会社と提携して、AI を使用して保険引受機能を再発明しました。 私たちは引受会社と直接協力して、まず 1 つの分野で引受基準を簡素化し、約 130 のさまざまな評価基準を 70 の一貫した要素に削減しました。
プロセスを合理化することで、多くの場合 200 ～ 300 ページに及ぶ複雑な仲介業者の提出書類をレビューするという重労働を処理するために AI を適用しました。 AI は、非構造化情報を抽出して、保険会社がすぐに使用できる構造化された意思決定フレームワークに要約しました。この作業は引受アシスタントよりも正確に実行され、引受会社が内容を迅速に検証できるようにソース文書の引用が提供されました。
以前は、このプロセスには数日かかり、保険会社は提出された申請の約 20% しか審査できず、存続可能なビジネスが拒否されていることを意味していました。 AI を使用すると、レビュー時間が数時間に短縮され、 チームはすべてを評価できるようになりました。 送信をより正確に行うことができます。これにより、チームを拡大することなく収益が 50% 以上増加しました。保険会社は、より適切な意思決定を行い、ブローカーとのより強固な関係を構築するための時間を獲得しました。
この変革は、リーダーたちが真の再発明と人間中心のアプローチに取り組んだためにうまくいきました。私たちはエンドツーエンドの引受プロセスを再設計し、価値がどこで生み出されるかを明確にし、新しいワークフローと AI 機能を引受会社自身と共同設計しました。 「面倒な」作業を AI エージェントに移すことで、保険会社は人間の専門知識が最大の違いを生む、価値の高い判断、やり取り、意思決定のタスクに集中できるようになりました。
商業銀行における信用販売と融資のための当社のエージェント アーキテクチャは、融資申請の処理においてリレーションシップ マネージャー (RM) をサポートします。このプロセスには通常、多くの非構造化データ、ドキュメント、管理タスクが含まれます。
Accenture AI Refinery 上に構築されたこのアーキテクチャは、AI エージェントの 3 つの調整されたレイヤーを統合します。
この設定により、RM はより多くのクライアントにサービスを提供し、クライアント エクスペリエンスを向上させ、信用リスクに対して適切な意思決定を行い、承認されたローンへの資金調達を迅速化することができます。
これらのエージェントが連携して融資ワークフローを合理化し、リレーションシップ マネージャー (RM) が次のことを行えるようにします。
このアーキテクチャにより、手動レビューや管理上の手間が省けます。これにより、RM はスループットを向上させ、リスクを軽減しながら、顧客へのアドバイス、より適切な融資決定の形成、関係強化など、より価値の高い活動に集中できるようになります。
再発明は、孤立した機能やテクノロジーではなく、組織内で最も価値があり、スケーラブルな価値の流れに焦点を当てることから始まります。銀行業務では通常、不正行為の防止、顧客のオンボーディングとKYC、融資、関係管理、投資アドバイスが含まれます。保険では、引受業務、保険金請求、およびサービスが含まれます。市場では、取引と取引後の処理が含まれます。これらのプロセスをエンドツーエンドで再発明することで、大きな価値が生み出され、企業全体の変革の基盤が構築されます。
ロボットによるプロセス自動化の時代からの重要な教訓は明らかです。壊れたプロセスに AI を「パッチ」すべきではないということです。リーダーは、複雑さ、無駄、摩擦を取り除き、真に価値を生み出すことに時間を追加することで、価値の高い仕事をやりやすくする必要があります (Sutton and Rao 2024)。
ほとんどの組織はすでにプロセスが成熟しており、特にグローバル ケイパビリティ センターを構築している組織では、効率と価値についてのより優れた洞察を持っています。しかし、他の多くの価値の流れは不明瞭か断片化したままです。
プロセスと価値が十分に理解されていない場合、当社は独自の Process Value Explorer (PVE) を使用して、作業とその価値を明らかにします。多くの場合、Celonis などのプロセス マイニング ツールと併用します。 PVE を使用すると、数千人の従業員の労力、コスト、価値、問題、その他の側面を同時に分析できます。仕事と価値を可視化することで、再発明のための洞察が得られます。
より広い視野を求める組織のために、当社は独自の分析ツールと計画ツールを使用して、将来の従業員を大規模にモデル化します。これらのツールを使用すると、企業の迅速な評価が可能になり、AI とスキル向上への投資の優先順位付けに役立ちます。
ある大手退職金・投資サービス提供会社では、この分析を利用して取締役会のトップダウンの従業員戦略を策定しています。このアプローチは、エージェント AI やその他の自動化を通じて解放または再配置されるキャパシティをモデル化し、将来の従業員のニーズとスキルを明確に把握します。これにより、今日の従業員の意思決定が改善され、AI にどこに投資するかが決まります。
現在の仕事と従業員のデータを迅速かつ詳細に分析し、AI がさまざまな種類の影響を与える可能性がある場所を特定し、進行中の AI 投資を考慮して、必要な新しい役割、必要なスキル、能力への影響、コスト プロファイルなど、将来の従業員の明確なビューを形成します。これにより、クライアントはより適切な、より多くの情報に基づいた従業員の意思決定を行うことができ、変化の物語を伝え、AI 投資戦略を導くことができます。
私たちはこれを CHRO、CEO、または取締役会の初期戦略演習として実行し、クライアントの戦略的人員計画に永続的な機能として組み込んで、AI 導入の規模に応じてクライアントが将来の従業員を継続的に予測、設計、適応できるようにします。
2025年のアクセンチュア・ライフ・トレンド調査によると、AIツールによって効率が向上したと感じた人は44％、品質が向上したと感じた人は38％だった。ただし、否定的な認識もいくつかありました。16% が AI ツールにより仕事がよりトランザクション的に感じられるようになり、14% が創造性を制限していると感じました。
人々は、自分の役割の退屈で反復的な側面を吸収して、最も楽しい仕事をより効率的に実行できる AI ツールを望んでいます。単調な仕事は、高給取りで熟練した労働者であっても、多くの人にとって週の労働時間を占めています。
人々は、自分の仕事の人間的な特徴や興味深い側面を保護したいと考えており、自分の働き方についてある程度の制御と自由を維持したいと考えています。重要なのは、彼らは自分の仕事に意味、目的、満足感を感じる機会を維持したいと考えているということです。
人間と AI のインタラクション、特にエージェントとのインタラクションを設計する際には、正しく理解しておくべき重要な点がいくつかあります。
それは、仕事の目標と価値を明確に定義し、人間と AI エージェントが何を担当するかについて明確な期待を設定することから始まります。リーダーは、AI の強みがどこに最もよく適用されるか、人間の能力が不可欠であるところ、そしてその組み合わせが最大の価値を生み出すのはどこなのかについて、慎重に検討する必要があります。
このため、当社では人間主導のアプローチを採用しており、人間が判断、決定、監視を主導し、AI エージェントが作業を強化するサポートを提供します。これには、人間がワークフローと意思決定に対して明確な責任を負いながら、補完的な役割と責任が必要です。
AI エージェントと人間の労働者の両方が、その役割を適切に遂行できるようにトレーニングを受ける必要があります。 AI は正確で一貫した結果を生成する必要があります。バイアスを最小限に抑える。さまざまな状況に適応する。セキュリティとプライバシーを維持します。高品質の出力を生成します。そして説明可能であること。人間の労働者は、AI の出力を使用して評価でき、反復し、改善し、いつ挑戦すべきかを知ることができなければなりません。場合によっては、これは、戦略的思考、判断力、共感、人間関係の構築、創造性など、私たちが人間に最も依存している能力を応用するための時間とスペースを人々に与えることを意味します。私たちは、双方の継続的な学習と改善を促進する人間エージェントの対話を望んでいます。この共同学習の考え方については、後でもう一度説明します。
優れたインタラクションには、シンプルで直感的なインターフェイスも必要です。これには、リレーションシップ マネージャー ワークベンチやケース ハンドラー キューなどの作業フローにエージェントを直接組み込むことや、会話型インターフェイスを使用して使いやすさを向上させることが含まれます。人間は、AI 出力をオフにしたり、上書きしたり、編集したりできるように、制御を維持する必要があります。誰かがいつ AI と対話しているのか、AI が何を行ったのか、どのように結果を生み出したのかを常に明確にする必要があります。
金融サービス従事者の多くは、顧客へのアドバイス、複雑な問題の解決、創造的な提案の開発など、深い仕事にもっと時間を費やしたいと考えています。適切に設計された AI ツールは、認知負荷を軽減し、集中力、フロー、創造的な問題解決といった深い作業のための条件を作り出すことができます (Newport、2016)。エージェントがノイズをフィルタリングし、適切な洞察を明らかにし、日常的なタスクを自動化すると、従業員はクライアントの成果を推進する思考に集中できるようになります。これは認知人間工学の実践であり、機械を中心とするのではなく、人間の注意とモチベーションのリズムを中心にテクノロジーを形成します (Sudiarta、2023)。
簡単に言うと、エージェントが同僚になったら、良いチームメイトがいることを確認しましょう。
私たちは、米国最大の保険および退職金プロバイダーの 1 つと協力して、エージェント AI を使用してコンタクト センターを再発明しました。このソリューションでは、Accenture の AI Refinery 上に構築された 4 つのスーパー エージェントと 12 の再利用可能なユーティリティ エージェントを使用しました。これにより、完全に接続されたシステムが形成されました。16 個の API が保険金請求、保険契約、保険引受システムに統合され、2 年間にわたる顧客との対話の記憶によってサポートされました。
クライアントは、信頼を築くためにテストに多額の投資を行いました。トレーニングとテストの呼び出しは 200 万件を超え、3 か月にわたって 30 人の専門家によってレビューされました。その結果の 1 つは、顧客に関連性の高いガイダンス (アドバイスではなく) を提供するパーソナル デジタル アシスタントであり、基本的な通話量が減り、デジタル リードが増加しました。
コンタクト センターの担当者に対して、エージェントは発信者の意図と感情を検出し、顧客データにアクセスし、状況に応じたガイダンスを表示し、次善のアクションを推奨します。これにより、NPS が向上し、通話解決が強化され、トレーニングの必要性が 50% 削減されました。人間の担当者は、共感、判断、より価値の高い顧客サービスに集中できるようになりました。
グループ生命保険会社や生命保険・年金保険会社など、米国の保険会社全体で同様の結果が見られます。
高度な専門知識を持った専門家の仕事はどうでしょうか？アクセンチュアでは、すでに 14 人の専門 AI エージェントをキャンペーンのライフサイクル全体にわたって適用し、2,000 人のマーケティング担当者をサポートしています。かつてキャンペーンには最大 150 日かかりました。 SynOps を使用してワークフローを分析することで、どこで時間が無駄になっているのか、どこで品質を向上できるのかを特定しました。その結果は決定的でした。労力は大幅に減少し (クリエイティブ ブリーフでは 67%、初稿では 90%)、市場投入までの速度は 25 ～ 35% 向上しました。この作品には 8,000 万ドルの費用がかかりました。これらのエージェントは、マーケティング担当者の創造性と影響力を増幅させます。彼らはそれを置き換えません。
私たちは金融サービス全体で同様の価値を提供しています。アジアの大手銀行、米国に本拠を置く生命保険会社、およびいくつかの世界的な銀行では、エージェント AI がマーケティング業務を再構築しています。ある世界的な銀行は現在、自社のキャンペーンの 50% を AI でサポートしており、クリエイティブの速度を 50% 向上させ、キャンペーン全体を 20% 増加させ、35% の成長を目標としています。別のアジアの大手銀行は、50 倍のマイクロセグメント化されたキャンペーンを達成し、メッセージ速度が 80% 向上し、作成時間が 30 日から 3 日に短縮されました。これらのアプローチにより、マーケティング担当者のレベルが向上し、より関連性が高く、より迅速な市場浸透とより効果的な顧客エンゲージメントを備えたキャンペーンが作成されます。
Agentic AI は、金融サービスの仕事を再発明するための強力な新しい可能性を開きます。これをうまく活用するには、仕事の設計の基本に立ち返り、人間と AI がどのように相互作用するべきかについて規律ある決定を下す必要があります。主な質問は次のとおりです。
<オル>AI、特にエージェント AI は強力ですが、すべての問題で AI が必要になるわけではありません。多くの再発明の取り組みでは、プロセスの変更、よりシンプルなテクノロジー、軽量の AI の組み合わせが必要です。多くの場合、構造化データの単純な作業や計算には、基本的なアルゴリズムや従来の技術の方が適しています。単純なポイントタスクがエージェント AI を正当化することはほとんどありません。
AIには実際のコストもかかります。エージェント アーキテクチャはトークンを大量に使用するため、高価でエネルギーも大量に発生します。大規模な言語モデルのコストは毎年約 50% 低下しており、モデルの再利用と改良によりエージェント AI がより手頃な価格になりつつあります。それでも、価値のケースが明確な場合にのみ AI を使用する必要があります。
原則はシンプルです。AI が意味のある価値をもたらすところには AI を適用し、そうでないところには AI を避けるのです。
考察のための重要なアイデア — ご意見をお待ちしております:
次回のブログでは、組織がこの急速に進化する変化をどのようにリードできるかについて見ていきます。
AI に対する人間中心のアプローチが実際の行動によって銀行業界全体にどのように拡張されるかを確認するには、2026 年のトップ バンキング トレンドをご覧ください。 レポートします。