🏦 11人がかりの仕事が1人になる日｜三菱UFJ銀行のAI業務標準化から考える『教える』のコツ

アイ

2026-08-21

「11人から1人」っていう数字を見て、二度見しちゃった

三菱UFJ銀行が、生成AIに自社の業務知識を教え込んで、業務標準化にかかる工数を1案件あたり11人から1人へ、約9割削減したっていうニュースを見たとき、正直二度見しちゃった。

内訳を見ると、作成が10人から0.5人、審査・修正がそれぞれ0.5人から0.25人に減ったんだって。全30カ国・3,000人超のスタッフが月20万件のデータを処理する体制の中で、この効率化を実現してるの。約600ページの標準文書に対して、各部門が独自に作る文書が数千ページに膨れ上がっていたっていう課題を、生成AIに標準プロセスを教え込んで解消したんだって。

わたしは普段、金融機関のニュースってどうしても「難しそう」で敬遠しがちなんだけど、今回の話は業務効率化の話として、すごく分かりやすくて面白いなって感じたの。しかも工数削減の内訳まで具体的に公開されてるのが、地味に誠実だなって思った。ふわっとした「AIで効率化しました」っていう発表じゃなくて、「作成が10人から0.5人」「審査・修正がそれぞれ0.5人から0.25人」っていうところまで数字を出してくるのは、それだけこの取り組みに自信があるってことなんだろうなって感じたの。

普段の仕事の中でも、「これ、AIに任せたらどれくらい楽になるんだろう」って漠然と考えることはあっても、実際にどこにどれだけの工数がかかってるのか、細かく分解して測定するところまでやってる人って、意外と少ないと思うの。三菱UFJ銀行のこの発表を見て、効率化の第一歩は「今どこにどれだけの手間がかかってるかを可視化すること」なんだって、改めて気づかされた気がする。

今日はこのニュースを読んで、「AIに仕事を教える」ってどういうことなのか、わたしなりに考えてみたことを書いてみるね。

そう考える5つの理由

理由1：数千ページに膨れ上がった文書問題、他人事じゃない

世間ではよく「大企業の業務標準化なんて、自分には関係ない話」って思われがちだよね。でもわたしはこの「600ページの標準文書に対して、各部門の独自文書が数千ページに膨れ上がる」っていう問題、実はすごく身近な話だと思うの。

これって、要は「ルールがあるのに、みんなが自己流にアレンジしすぎて、収拾がつかなくなる」ってことだよね。会社の資料フォーマットとか、チームごとのマニュアルとか、似たような経験がある人、結構多いんじゃないかな。ルールを決めても、現場ごとの事情でどんどん例外が増えていって、気づいたら誰も全体像を把握できなくなってる、みたいな。最初は1つだったテンプレートが、部署ごとにカスタマイズされて、いつの間にか誰も原本を参照しなくなる。そういう「文書の自己増殖」って、規模の大小を問わず、組織あるあるだと思うの。

三菱UFJ銀行みたいな超大手ですら、こういう「文書の膨張問題」に悩んでたっていうのは、なんだか妙に親近感が湧く話だった。規模は違っても、組織が大きくなればなるほど起きやすい、すごく普遍的な課題なんだと思う。逆に言うと、これだけの規模の組織が本気で取り組んで、9割の工数削減っていう結果を出せたってことは、同じ悩みを抱えてる他の企業にとっても、大きなヒントになる話なんじゃないかなって思うんだよね。

わたしが特に興味深いなと思ったのは、この問題が「悪意のある誰かのせい」で起きたわけじゃないってところ。むしろ、各部門が真面目に自分たちの現場に合わせて文書を作り込んだ結果、全体として収拾がつかなくなったっていう構図だと思うの。つまり、個々の努力は正しかったはずなのに、それが積み重なることで全体の一貫性が失われてしまう。これって、組織で働いたことがある人なら、誰しも一度は感じたことのあるジレンマなんじゃないかなって思う。

理由2：AIに「フィードバックを作らせる」発想が新しい

今回の仕組みで一番面白いなって思ったのは、「AIフィードバック機能」っていう発想。生成AIが標準プロセスに基づいてフィードバックを自動生成して、複数のフィードバックの差分を可視化するんだって。

これまでのAI活用って、「文章を作らせる」とか「要約させる」みたいな、アウトプットそのものを作らせる使い方が多かった気がするの。でも今回のケースは、「AIにチェック役をやらせる」っていう、ちょっと違う角度の使い方なんだよね。人間が作った文書を、AIが標準ルールと照らし合わせてフィードバックする。しかも1つのフィードバックだけじゃなくて、複数パターンを自動生成して、その差分を可視化するっていう部分が、地味にすごい工夫だと思う。

わたしはこの「AIを校閲・レビュー役として使う」発想、もっと広がってもいいなって思ってる。文章を作るのは人間で、それが基準からどれくらいズレてるかをチェックするのはAI。この役割分担、地味だけどすごく実用的だと思うの。文章作成の現場でも、AIに一次原稿を作らせてから人間が直すパターンが多いと思うんだけど、逆に「人間が作ったものをAIがチェックする」流れも、ちゃんと使い分ければすごく強力な組み合わせになる気がするんだよね。

しかも「複数のフィードバックを自動生成して差分を可視化する」っていう部分、これは人間だけでやろうとすると、正直かなりの重労働だと思うの。同じ文書に対して何パターンもの修正案を作って、それぞれの違いを比較するなんて、時間がいくらあっても足りない作業だよね。AIがこの部分を高速でこなしてくれるからこそ、人間は「最終的にどの方向性が一番いいか」っていう、より本質的な判断に集中できるようになる。この役割の切り分け方、すごく理にかなってるなって思うの。

理由3：最後は5段階評価で人間が確認するっていう地味な丁寧さ

3つ目に注目したのは、AIが差分解析をした後、最終的には5段階の評価プロセスで人間が確認するっていう部分。ここ、わたしはすごく大事なポイントだと思ってる。

AIにフィードバックを作らせるだけじゃなくて、その結果を段階的に人間がチェックする仕組みがちゃんとあるってことだよね。これ、正直「AIに任せて終わり」にした方が楽だし早いはずなの。でもあえて5段階の評価プロセスを挟んでるってことは、精度と信頼性を最優先に考えてる証拠だと思う。銀行という、お金を扱う業種で、間違った標準化が現場に降りていくことのリスクを考えると、このひと手間は絶対に省いちゃいけない部分だよね。

わたしはこういう「便利さと丁寧さのバランス」をちゃんと考えてる仕組みを見ると、なんだか安心する。効率化っていうと、つい「どれだけ人手を減らせるか」ばかりに目が行きがちだけど、「どこで人間の目を残すか」も同じくらい大事なポイントだと思うから。9割の工数削減を実現しながらも、最後の砦としての人間のチェックはちゃんと残してる。この設計思想、すごくバランスが取れてるなって思う。

5段階評価っていう仕組みも、地味だけど工夫を感じるポイントだと思うの。「合格・不合格」の2択じゃなくて、5段階に分けてるってことは、微妙なニュアンスの違いまで拾えるようにしてるってことだよね。AIが出したフィードバックが「完璧に基準を満たしてる」のか、「方向性は合ってるけど微調整が必要」なのか、「根本的に見直しが必要」なのか。そのグラデーションをちゃんと評価できる仕組みになってることで、現場の納得感も高まるんじゃないかなって思う。

理由4：オントロジーとナレッジグラフっていう地味な下ごしらえ

4つ目に気になったのは、AIの出力精度を高めるために、AWSの技術を使った「オントロジー」(知識体系の構造化)と「ナレッジグラフ」(データベースでの関係性管理)を導入してるっていう部分。

正直、これだけ聞くと専門用語すぎてピンと来ない人も多いと思うんだけど、簡単に言うと「AIがちゃんと業務知識を理解できるように、下ごしらえをしてる」ってことだと思うの。ただ大量の文書をAIに読み込ませるだけじゃなくて、その知識同士がどう関連してるのかを構造化して整理してあげる。人間で言えば、新入社員にただマニュアルを渡すんじゃなくて、業務の全体像や用語の関係性をちゃんと図解して説明してあげるようなイメージだと思う。

わたしはこの「下ごしらえ」の部分に、地味だけどすごく手間をかけてるんだなって感じた。AIに何かを教えるとき、つい「とりあえずデータを大量に投入すれば賢くなるでしょ」って思いがちだけど、実際はこうやって知識の構造そのものを整理してあげることが、精度向上の近道になるんだと思う。派手な機能じゃないけど、こういう地道な整備こそが、AI活用の成否を分ける本当のポイントなんじゃないかなって思ってる。

正直、こういう技術的な下ごしらえの部分は、ニュースになっても地味すぎてスルーされがちだと思うの。でもわたしは、むしろこここそが一番大事な部分なんじゃないかって思ってる。派手な成果の数字だけを追いかけて、それを支えてる地道な技術基盤に目を向けないと、「なんでうちの会社でAIを導入してもうまくいかないんだろう」ってなりがちな気がするから。三菱UFJ銀行がわざわざオントロジーとナレッジグラフの話まで公開してくれてるのは、他の企業にとってもすごく参考になる情報だと思う。

理由5：規模がすごすぎて、逆にリアリティを感じた

5つ目の理由は、ちょっと変な感覚かもしれないけど、「規模の大きさ」そのものについて。全30カ国、3,000人超のスタッフ、月20万件のデータ処理。この数字を聞くと、最初は「自分とは縁のない、雲の上の話」って感じるよね。

でも逆に、これだけの規模で「11人から1人」っていう具体的な削減効果が出てるってことは、この仕組みが小手先の実験じゃなくて、本当に実務で機能してるってことの証明でもあると思うの。2024年に試験導入して、2025年6月には本格運用開始を予定し、2026年3月にはユーザーテストも実施済みっていう段階的な進め方も、地に足のついた印象を受けた。いきなり全社に展開するんじゃなくて、試験導入からじっくり検証を重ねてきたプロセスが伝わってくる。

わたしはこの規模感を見て、逆に「これは絵空事じゃなくて、本当に実現可能な話なんだ」ってリアリティを感じたの。今後は新規サービス開発やM&A対応にも同じモデルを広げていく方針みたいだから、これからさらに応用範囲が広がっていくんだろうなって思う。1つの部署で成功したモデルを、少しずつ他の業務領域にも展開していく。このスケールアップの仕方も、慎重派の金融機関らしい堅実さを感じるやり方だなって思ったよ。

いきなり全社一斉導入みたいな派手なやり方じゃなくて、まず1つの業務領域でしっかり成果を出してから、次の領域に広げていく。この段階的なアプローチは、地味だけど失敗のリスクを最小限に抑えながら、着実に成果を積み上げていく王道のやり方だと思うの。3,000人超という大所帯を動かすには、こういう慎重な進め方が結局は一番の近道になるんだろうなって、改めて感じさせられた。

まとめ：AIに教えることは、自分たちの仕事を見直すことでもある

三菱UFJ銀行の事例を見て、わたしが一番感じたのは、「AIに何かを教える」っていう作業は、実は自分たちの仕事そのものを見直す作業でもあるんだなってこと。600ページの標準文書と数千ページの独自文書のギャップを整理する過程で、この銀行はきっと「本来のルールって何だっけ」を改めて言語化する必要があったはずなの。

生成AIを賢く使うためには、AI側の性能だけじゃなくて、教える側がどれだけ自分たちの業務を整理できるかも同じくらい大事なんだと思う。11人から1人への削減っていう派手な数字の裏には、地道な仕組みづくりと、最後まで人間がチェックする丁寧さがちゃんとあった。オントロジーやナレッジグラフっていう下ごしらえの部分も含めて、派手さよりも地道さを積み重ねた結果なんだなって感じてる。

わたしたちが仕事でAIを使うときも、「とりあえずAIに投げてみる」だけじゃなくて、「AIに何をどう教えるか」を一度立ち止まって考えてみると、もっと効果的に使えるようになるのかもしれないなって思ったよ。特に、業務が細分化されて属人化しがちな組織ほど、こういう「標準化してからAIに教える」プロセスの価値は大きいはずだから、規模の大小を問わず参考になる事例だと思う。

三菱UFJ銀行のような大規模組織がここまで具体的な数字と仕組みを公開してくれたことで、同じような課題を抱える他の企業も、自分たちのやり方を見直すきっかけになると思うの。わたしもこの事例を、単なる金融ニュースとしてじゃなくて、「AIとどう向き合うべきか」を考えるヒントとして、これからも頭の片隅に置いておきたいなって思ってる。

関連記事: AIツール比較記事はこちら

ソース:

業務標準化の手間を9割減　三菱UFJ銀行は生成AIに「業務知識」をどう教えた？（ITmedia エンタープライズ, 2026年8月21日）