AI に関する誇大宣伝が続いている一方で、2026 年はエージェント AI が金融サービスに大規模な変革をもたらす年となりつつあります。市場のリーダー、追いかける集団、出遅れた企業の間には明らかな差が生じています。先見の明のある人たちは現在、「10 倍銀行」の台頭を予想しています。この銀行では、1 人の個人が AI 同僚のチームを率いて、飛躍的に大きな成果を生み出すことができます。このモデルでは、成長は従業員数によって制限されなくなります。むしろ、成功は、仕事を再発明し、ほぼ無限の能力と能力を備えた「人間とエージェント」の労働力を形成する組織の能力にかかっています。重要なことは、人々が引き続き変化を担当し、これらの新しい AI コラボレーターがどのように展開され、管理されるかを指導する必要があるということです。
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
このシリーズでは、銀行業務、資産管理、資本市場、保険に関するこうした変化を詳しく掘り下げ、以下の内容を取り上げます。
<オル>2024 年 11 月下旬、ホームズ卿、デビッド パーカー、そして私はロンドンで金融サービスのリーダー向けの AI シンポジウムを主催しました。 AI、特に生成 AI (GenAI) が現在起こっている変化であり、人々が「POC の土地」を超えようとしていることは明らかでした。
参加企業の多くはすでに GenAI に熱心に投資しており、現実のビジネス課題に対処するために実稼働環境で大規模に活用しており、多くの場合、引受業務などの重要なプロセス内の非構造化データに重点を置いています。それらはすべて、責任ある AI ガードレールを備え、従業員と顧客に細心の注意を払って、正しい方法で実行しようとしていました。
昨年10月のフランクフルトのシボスでは、それから1年も経たないうちに勢いは爆発していた。業界を変革するためにエージェント AI を使用している組織に遭遇せずに進むことはできません。私はパネルを主催し、真の同僚およびチームメイトとしての AI について話し合いました。このアイデアは理論から実践へと急速に移行しています。
私は 2,000 を超えるエンゲージメントで AI を活用した再発明を推進しており、その多くはエージェント AI を使用しています。 これらの genAI プロジェクトに関する最近の分析では、金融サービス企業の約 3 分の 1 がコア プロセスに AI を拡張しており、導入している企業はすでに大きな利益を上げ、投資を加速していることが示されています。 私たちは誇大宣伝や価値の拡大を超えており、リーダーと遅れている企業の間の格差は急速に広がっています。
シンポジウムで際立った瞬間の 1 つは、エージェント アーキテクチャのケース スタディのプレゼンテーションであり、このアイデアがまだ最初の関心を集めていた時期でした。私たちは、エージェント AI を使用してこの銀行と協力し、エンジニアリング チームが大規模なレガシー システムの移行を加速できるよう支援していました。
レガシーの置き換えは、銀行業務の回復力、コスト、俊敏性にとって重要なビジネス問題です。この銀行は、コードの 40% がレビューされず、レガシー コードの品質が低いという問題に直面していました。この複雑さを考慮すると、当初の計画では 3 年間で 250 人の開発者が必要でしたが、上級開発者、レガシー コード、ドメインの知識を中心にボトルネックがすでに出現していました。
これに対処するために、ソフトウェア エンジニアと連携する AI エージェントを導入しました。
<オル>このエージェント アーキテクチャはソフトウェア エンジニアと協力して設計され、開発者のワークベンチに統合され、生産性が向上し、役割が向上しました。結果は驚くべきものでした:
言うまでもなく、この例はシンポジウムの参加者にとって「すごい」瞬間でした。それ以来、エージェント AI による昨年の進歩はさらに目覚ましく、広く普及しました。
テクノロジーの提供における影響はエンジニアリングだけではありません。たとえば、アジアの大手銀行ではデータ パイプラインの効率を 98% 向上させ、ヨーロッパの大手銀行ではサービス デスクの効率を 20% 向上させました。
AI エージェントは、特定の目標を達成するためにタスクとワークフローを処理するプログラムです。人間が目標を設定しますが、エージェントはより独立して動作し、目標を達成するために必要に応じて戦略を適応させます。彼らは入力を受け取り、推論し、実行するタスクを決定し、他のエージェントやツールと対話し、その結果をレビューして、必要な次のステップを決定します。
エージェントは、組織内でトレーニングを受けたドメイン コンテキスト (特定のトレーニング データやドキュメントなど) を「知っています」。彼らは長期記憶を持っており、過去のやり取りから学習して意思決定を最適化できます。
AI エージェントは専門化されており、特定の役割と目標指向のために訓練されています。この専門化の利点は、さまざまなエージェントを混ぜ合わせて、部分の合計よりも大きな全体を形成できるため (複数の専門分野にまたがるチームに似た)、パフォーマンスの向上です。
エージェント アーキテクチャでは、オーケストレーターまたは監視エージェントがプロセスを管理し、タスクを専門のユーティリティ エージェントに割り当てます。
「伝統的」または「古典的」AI は通常、機械学習と熟練したデータ サイエンティストを使用します。これは、複雑なモデルの FS で長年使用されてきました。定義されたパラメータと入力内での次善のアクション (つまり、パターン、予測、モデル、シミュレーション、最適化、推奨事項) の予測と特定が非常に優れています。
GenAI は、プロンプトに基づいて大規模な言語モデルにコンテンツを作成し、出力を生成します。私たちのほとんどは、現在、ChatGPT、CoPilot、Claude、またはその他のモデルに慣れています。 GenAI モデルはますます強力になり、映画やゲームなどのマルチモデル出力を生成することもできます。熟練したユーザーは、さまざまな方法または連鎖的にプロンプトを表示して、これらの出力を調整できます。ただし、これらのモデルはバニラ形式では動的なタスクを処理したり、複数ステップの計画を実行したりすることはできません。生成することはできますが、より複雑な目標に向けて機能することはできません。
一方、エージェント AI では、複数の AI エージェントが協力して、各ステップでの人間の介入を減らしながら、より複雑で多面的な目標を追求し、達成します。
これは、パッシブ コンテンツ生成 (GenAI) から、タスク固有の実行 (AI エージェント) へ、さらに自律的なマルチエージェント オーケストレーション (エージェント AI) への移行です (詳細については、Sapkota 2025 を参照してください)。
これまでのあらゆる形式の AI (機械学習、ディープ ラーニング、GenAI など) は引き続き関連性を維持しますが、「一緒に作業する」ことで作業を再発明するエージェント AI の能力が大幅に優れています。
ソフトウェア配信の例は興味深いものであり、FS に非常に関連していますが、これを実現するためにさらにいくつかの例を検討してみましょう。
エージェント AI はリスクとコンプライアンスに適用できるのかとよく質問されます。答えは「はい」です！私たちは、多くの銀行が AI を使用して「顧客確認」（KYC）を変革できるよう支援しています。
これまで、KYC はレガシー システムを使用した時間とコストのかかる手動プロセスであり、検出率や誤検知に関する課題があり、クライアントのオンボーディングや定期レビューに悪影響を及ぼしていました。
Agentic AI を使用すると、KYC プロセスを再考することができ、順次処理に拘束されなくなります。 KYC アナリストは手作業の多い作業に集中する必要がなくなり、代わりに価値の高い判断に基づく調査作業に時間を費やすことができます。
AI を使用した KYC の変革がここ数年でどのように進化し、自己完結型の GenAI ユースケースから LLM ワークフローを経て、エージェントによるエンドツーエンド プロセスに移行したかを示す 3 つの例を以下に示します。
ヨーロッパの銀行では、最も初期の用途の 1 つは、文書の分類、KYC データ ポイントの取り込みと抽出、欠落データの検証と修正、その後 KYC 担当者が検証できるように一貫した形式でデータを提示することでした。複雑なコルレス銀行業務のケースでは、これらのタスクの品質を向上させながら、取り込み時間を 99% 短縮し、コストを 94% 削減しました。
富裕層からスタートしたグローバル銀行の 1 つでは、言語翻訳 (年間 90,000 時間以上の節約)、KYC エージェントのガイダンス (ケースの拒否率の削減)、文書の分類 (初期精度 95%)、当事者の特定 (所要時間を 50% 削減)、ケースの要約などから始めました。これらは、ワークフロー全体でさらに拡張的な用途でした。
つい最近、別のグローバル銀行では、富の源泉（大きなビジネス上の課題）から始まるエンドツーエンドのライフサイクル全体にわたってエージェントを適用しています。そこでは、エージェントが文書から関連情報を抽出し、不足している文書やデータの場所を特定し、富の源泉のナラティブを生成し、そのナラティブの正確性と完全性をレビューできます。人間の KYC アナリストは引き続き情報を把握しており、ケース処理を最終的に制御できますが、これらのエージェントを使用することで生産性、正確性、クライアント エクスペリエンスを向上させることができます。エージェント AI を使用すると、バリュー チェーン全体をより多くサポートできるようになります。
ヨーロッパの保険会社向けに、私たちは損害保険、自動車保険の請求におけるエージェント AI を開発しています。誤った決定が下された場合、保険請求は経済的および顧客に重大な影響を及ぼします。多くの保険会社にとって、保険金請求は労働集約的なプロセスであり、非構造化データや文書の処理に多くの時間が費やされます。
私たちは、クレーム プラットフォーム上に位置し、他のシステムと連携して人間のクレーム ハンドラーをサポートする AI エージェントを開発しました。 AI エージェントは、情報収集、データ品質、保険契約と補償範囲のチェック、保険契約詳細の抽出、保険金請求データの要約 (損失の最初の通知、顧客と専門家の入力、顧客との対応を含む) などのタスクをサポートし、訴訟、詐欺、準備金の管理の一部のサポートもサポートします。
これらすべてのタスクを通じて、エージェントはクレーム処理担当者が「主導権を握る人間」として担当できるようサポートします。たとえば、ソース データを簡単に振り返ることができます。当社は、お客様の対応能力の 20% を解放することができ、お客様の時間をより良い意思決定（請求の精度の 1% 向上）に集中させ、最も複雑で価値のある請求の交渉をサポートすることができました。
私たちは、米国に本拠を置く損害保険会社から複雑な商業保険請求業務に至るまで、同様の作業を行っているのを見てきました。
エージェント AI をあなたの同僚として想像してみてください。そこでは、あなたをサポートすることに特化した専任のチーム メンバーがおり、あなた自身の視点や強みを補うこともできます。
ビジネス リーダーは、従業員が 10 万人ではなく、はるかに優れた能力と能力を備えた 100 万人の人間およびエージェント ワーカーを抱え、根本的に異なる方法で仕事をこなしていることを想像してみてください。
エージェント アーキテクチャの価値を実現するには、適切なデータ基盤、責任ある AI フレームワーク、インフラストラクチャ、およびスキルが不可欠です。私たちは、多くの銀行や保険のクライアントが、経営陣や取締役会との協力も含め、ビジネス全体でこれらを導入するのを支援してきました。最も重要なステップは、適切なビジネスチャンスと価値の流れを特定し、これらの分野を最もよく理解している従業員を巻き込み、人間中心のアプローチを採用することです。これを加速するために、当社には主要な銀行および保険のバリューチェーン、プロセス、労働力を分析し、再構築するための資産があります。これには、NVIDIA および主要な AI エコシステム プレーヤーとのパートナーシップに基づいて、Accenture Refinery で開発された「すぐに使える」エージェントが含まれます。
JPMorganChase は、AI への迅速かつ大規模なローテーションの特に興味深い事例を提供しています。同社は 1 年以内に 200,000 人の従業員が LLM スイートにセルフサービスでアクセスできるようにしました。そのうちの半数は 1 日に 3 回以上 LLM スイートを使用しています。
これにより、広範なアイデア、実験、および応用が (安全なスペース内で、コストを有利に限界化しながら) 行われました。その後、優れたアイデアを収穫し、「ベンチャー キャピタル」の考え方で投資し、拡張することができます。
現在、さまざまな事業部門にわたって専門化された AI とエージェント AI を導入しています。変化に対するこの分散型アプローチは、自由放任主義ではありません。 すべてのモデルが登録されており、安全なスケーリングをサポートするために適切な制御が行われています。 ただし、高リスクの使用（個別のリスク委員会、完全なモデルのレビュー）と低リスクの使用（スポンサーによるレビュー）には、区別されたパスがあります。
重要なのは、JPモルガンチェースが導入に投資し、高代理店の早期導入者のためのスペースを創出し、追随者や大量導入者も参加できるよう支援していることです。彼らは仕事の中断を奨励しました。「AI にあなたの仕事を食べさせましょう。ここにはあなたがやるべき他の仕事がたくさんあります。あなたの仕事は AI に奪われることはありません。AI の使い方をマスターした人が奪うでしょう。」 (メアリー・エルドエス、JPモルガンチェースのアセット＆ウェルスマネジメント（AWM）部門CEO）
高い成長を遂げ、優秀な人材が集まる環境により、従業員を変革に参加させるための能力主義的でありながら人間中心のアプローチを生み出すことができました。これは、迅速に行動することだけでなく、従業員の変化に関する計画も立てることでした。「知識が増えれば増えるほど、より計画が立てられるようになり、人員削減を味方にして、必要に応じて再配置や再訓練などを行うことができます。」 (ジェイミー・ダイモン、JPモルガンチェース CEO)
これらの各ブログの最後には、いくつかの重要なポイントと質問を記載します。チーム内で自由に使用してください。または、チャットしたい場合はお知らせください。
<オル>次回のブログでは、大手金融サービス企業が人間中心の方法で AI にどのようにアプローチしているか、またエージェント アーキテクチャを使用して仕事の再発明を加速する方法について探っていきます。
エージェント AI が金融サービス全体の業務をどのように変えているかについて詳しくは、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。