金融業界では、この動きが今後の人員構成変化の“先行例”になる可能性が高いと見られている。

バンク・オブ・アメリカ：AIアシスタントを大規模導入

バンク・オブ・アメリカは、AIを顧客サービスと社内業務の両方に広く導入している。

代表例が、同社のバーチャルアシスタント「Erica」だ。2018年の開始以来、数十億回の顧客インタラクションを処理し、現在も毎月数千万件の問い合わせに対応している 。アプリ上で口座の質問に答えたり、支出の傾向を分析したり、不審な請求を通知するなどの機能を持つ。

さらに社内向けには「Erica for Employees」を展開。21万人以上の従業員のほぼ全員が利用しており、パスワード変更、機器の申請、社内サポート問い合わせなどの事務作業をAIが処理している 。

この仕組みにより、従業員は単純なサービス対応ではなく、より複雑な顧客対応や専門業務に集中できるようになるという。

JPMorgan：数百のAIユースケース

JPMorgan Chaseは、企業レベルでAIを最も積極的に展開している銀行の一つとされる。

同社では数百のAIアプリケーションが稼働しており、コーディング支援、コンプライアンス監視、データ分析、リサーチなど幅広い業務に利用されている 。社内の大規模言語モデル（LLM）ツールは20万人以上の従業員が利用可能で、文書作成や分析作業を支援している 。

このような導入により、AIが日常的な知識労働を補助または代替し、人間の従業員はより高度な分析や顧客対応に集中する体制が進んでいる。

ゴールドマン・サックス：生成AIがバックオフィスへ

ゴールドマン・サックスも社内で生成AIの活用を拡大している。

2025年には数千人規模の社員向けにAIアシスタントの導入を開始し、文書要約、資料作成、金融データ分析などの作業を支援するツールとして展開された 。

同社の経営陣は、AIの生産性向上効果によって将来的には採用ペースが鈍化し、一部の職務は徐々に減少する可能性があると説明している 。

ウォール街全体で見ると、単純作業やジュニア職の需要は減る一方、AIエンジニア、データ科学者、モデルリスク管理などの専門職の需要は増えている。

規制当局が懸念する4つのリスク

金融当局はAIのイノベーション自体を否定しているわけではない。しかし、導入のスピードが管理体制を追い越している可能性を懸念している。

1. AIガバナンスの不足

オーストラリアの金融監督機関APRAは、AI導入の規模と複雑さに対し、金融機関のガバナンスやリスク管理体制が追いついていない可能性を指摘している 。

また証券規制当局ASICの調査でも、金融企業のAI管理体制にはギャップが存在する可能性が示された 。

2. 人間による監督と説明可能性

融資判断や不正検知など、金融業務の多くは機械学習モデルに依存し始めている。これらのモデルは複雑で、意思決定の理由が説明しにくい場合がある。

そのため規制当局は、顧客に影響する判断について人間の監督と明確な責任の所在を維持する必要があると強調している 。

3. サイバーセキュリティとシステム障害

AIシステムは新たな技術的リスクも生む。特に銀行の基幹システムにAIを組み込む場合、サイバー攻撃の対象領域が広がったり、外部ベンダーやクラウドへの依存が高まる可能性がある 。

そのため金融機関の**オペレーショナル・レジリエンス（業務継続能力）**は重要な監督テーマとなっている。

4. 取締役会レベルの責任

英国などでは、AI導入であっても既存の金融規制が適用されると明確にされている。消費者保護、モデルリスク管理、業務継続規制などの枠組みはAIにもそのまま適用される 。

つまり、AIによる意思決定で問題が起きた場合でも、最終責任は銀行の取締役会や経営陣にある。

銀行の仕事はどう変わるのか

こうした動きは、銀行業務の構造的変化を示している。

AIは単なる業務ツールではなく、銀行の「運営レイヤー」そのものになりつつある。これまで多くのアナリストやオペレーション担当者が担っていた作業が、ソフトウェアによって処理されるようになるからだ。

ただし、人間の役割が完全に消えるわけではない。今後は次のような分野の重要性が高まるとみられる。

• AIシステムの監督
• モデルリスク管理
• サイバーセキュリティ
• 顧客関係や高度な判断業務

銀行にとってAIは生産性向上の大きな機会だが、規制当局にとっては金融システムの安定を守るための新しいガバナンス課題でもある。金融業界では今、**「技術革新」と「リスク管理」**のバランスをどう取るかが大きなテーマになっている。

金融業界では、この動きが今後の人員構成変化の“先行例”になる可能性が高いと見られている。

バンク・オブ・アメリカ：AIアシスタントを大規模導入

バンク・オブ・アメリカは、AIを顧客サービスと社内業務の両方に広く導入している。

代表例が、同社のバーチャルアシスタント「Erica」だ。2018年の開始以来、数十億回の顧客インタラクションを処理し、現在も毎月数千万件の問い合わせに対応している 。アプリ上で口座の質問に答えたり、支出の傾向を分析したり、不審な請求を通知するなどの機能を持つ。

さらに社内向けには「Erica for Employees」を展開。21万人以上の従業員のほぼ全員が利用しており、パスワード変更、機器の申請、社内サポート問い合わせなどの事務作業をAIが処理している 。

この仕組みにより、従業員は単純なサービス対応ではなく、より複雑な顧客対応や専門業務に集中できるようになるという。

JPMorgan：数百のAIユースケース

JPMorgan Chaseは、企業レベルでAIを最も積極的に展開している銀行の一つとされる。

同社では数百のAIアプリケーションが稼働しており、コーディング支援、コンプライアンス監視、データ分析、リサーチなど幅広い業務に利用されている 。社内の大規模言語モデル（LLM）ツールは20万人以上の従業員が利用可能で、文書作成や分析作業を支援している 。

このような導入により、AIが日常的な知識労働を補助または代替し、人間の従業員はより高度な分析や顧客対応に集中する体制が進んでいる。

ゴールドマン・サックス：生成AIがバックオフィスへ

ゴールドマン・サックスも社内で生成AIの活用を拡大している。

2025年には数千人規模の社員向けにAIアシスタントの導入を開始し、文書要約、資料作成、金融データ分析などの作業を支援するツールとして展開された 。

同社の経営陣は、AIの生産性向上効果によって将来的には採用ペースが鈍化し、一部の職務は徐々に減少する可能性があると説明している 。

ウォール街全体で見ると、単純作業やジュニア職の需要は減る一方、AIエンジニア、データ科学者、モデルリスク管理などの専門職の需要は増えている。

規制当局が懸念する4つのリスク

金融当局はAIのイノベーション自体を否定しているわけではない。しかし、導入のスピードが管理体制を追い越している可能性を懸念している。

1. AIガバナンスの不足

オーストラリアの金融監督機関APRAは、AI導入の規模と複雑さに対し、金融機関のガバナンスやリスク管理体制が追いついていない可能性を指摘している 。

また証券規制当局ASICの調査でも、金融企業のAI管理体制にはギャップが存在する可能性が示された 。

2. 人間による監督と説明可能性

融資判断や不正検知など、金融業務の多くは機械学習モデルに依存し始めている。これらのモデルは複雑で、意思決定の理由が説明しにくい場合がある。

そのため規制当局は、顧客に影響する判断について人間の監督と明確な責任の所在を維持する必要があると強調している 。

3. サイバーセキュリティとシステム障害

AIシステムは新たな技術的リスクも生む。特に銀行の基幹システムにAIを組み込む場合、サイバー攻撃の対象領域が広がったり、外部ベンダーやクラウドへの依存が高まる可能性がある 。

そのため金融機関の**オペレーショナル・レジリエンス（業務継続能力）**は重要な監督テーマとなっている。

4. 取締役会レベルの責任

英国などでは、AI導入であっても既存の金融規制が適用されると明確にされている。消費者保護、モデルリスク管理、業務継続規制などの枠組みはAIにもそのまま適用される 。

つまり、AIによる意思決定で問題が起きた場合でも、最終責任は銀行の取締役会や経営陣にある。

銀行の仕事はどう変わるのか

こうした動きは、銀行業務の構造的変化を示している。

AIは単なる業務ツールではなく、銀行の「運営レイヤー」そのものになりつつある。これまで多くのアナリストやオペレーション担当者が担っていた作業が、ソフトウェアによって処理されるようになるからだ。

ただし、人間の役割が完全に消えるわけではない。今後は次のような分野の重要性が高まるとみられる。

• AIシステムの監督
• モデルリスク管理
• サイバーセキュリティ
• 顧客関係や高度な判断業務

銀行にとってAIは生産性向上の大きな機会だが、規制当局にとっては金融システムの安定を守るための新しいガバナンス課題でもある。金融業界では今、**「技術革新」と「リスク管理」**のバランスをどう取るかが大きなテーマになっている。