AI最前線：金融機関が直面する現実的課題

ここ数ヶ月、AI分野では非常に注目すべき進展が相次いでいます。OpenAI、Anthropic、Googleは次々と強力な新モデルをリリースしており、なかでもAnthropicが発表した「Claude Mythos」は、当初その公開範囲が厳しく制限されたことでも話題となりました。同モデルは現代のテクノロジー環境における脆弱性の発見・悪用において、これまでにない能力を有するとされています。 

本稿では、技術的な側面よりもビジネス実務に焦点を当て、「AIレディネス（AI導入準備状況）」という観点から、企業がAIを効果的に活用する上での現実的な課題を3点取り上げます。 

目次

1．AIの収益化モデルにおける「後出しルール変更」リスク

2．AIはいたるところに存在する――しかし、どのバージョンを使っているのか？

3．「オンプレミスAI」は現実的な選択肢か？

1．AIの収益化モデルにおける「後出しルール変更」リスク

ごく最近まで、主要AIプロバイダー（Microsoft、OpenAI、Anthropic、Google等）は、チャットボット型サービスを月額固定料金のサブスクリプション方式で提供してきました。利用量の管理にはトークンの概念が用いられており、モデルによってトークン消費率は異なりますが、上限を超えた場合でも追加課金は発生せず、利用制限は数時間〜数日後にリセットされる仕組みが一般的でした。この方式は開発チーム・事業部門の双方から手頃なコストでの導入モデルとして受け入れられており、Microsoftの場合、過去数年間で約2,000万人ものユーザー獲得につながりました。

しかし2026年6月、Microsoftは突如として課金方式を「従量制（ペイ・アズ・ユー・ゴー）」へ移行すると発表しました。一見すると穏やかな変更に映りますが、利用パターンによっては1日あたり数千ドルに相当する費用が発生するケースも報告されており、ITコミュニティの各所から強い批判が上がっています。この批判の核心にあるのは、「低価格でAIエージェントを開発者のワークフローに組み込ませ、乗り換えが困難になった段階で料金を引き上げる」という、いわば「顧客の囲い込みと価格つり上げ」の構造に対する懸念です。

さらに重要な指摘として、業界の有識者の間では「固定料金モデルは主要AIプロバイダーにとってそもそも持続不可能であり、Microsoftの今回の動きはその先駆けに過ぎない。他社も遅かれ早かれ同様の変更を行うだろう」という見解が広まっています。
このことは、人件費削減を目的としてAIエージェントを「バーチャル従業員」として積極的に導入してきた企業にとって、費用体効果の抜本的な見直しを迫るものとなり得ます。

最近行われた実験では、あるプログラマーグループがAIを一晩中稼働させ、単調だが時間のかかる作業を1時間あたり10ドルのコストで行わせた。AIは90%まで処理を進めたものの、実際に機能させるには人間の介入が必要でした。このアプローチの別の提唱者（https://ghuntley.com/ralph/）は、50～100体のエージェントを同時に用いて非常に複雑なプロジェクトに取り組んでいますが、依然として多大な人間の介入を必要としています。現在の価格水準では、このアプローチのコストは1時間あたり500ドルを超えると推定されます。価格上昇が迫っていることを考慮すると、AIを多用するこのワークフローが、AIを適切に活用する専任のエンジニアリングチームよりも優れているかどうかは不明です。

【提言】
料金モデルが安定するまでの間（少なくとも2026年末頃までは）、AIエージェントやモデルを基幹業務や重要なテクノロジーワークフローの中核に位置付けること、あるいはAI活用を前提とした重大な人員配置変更は、慎重に見極めた上で判断することを推奨します。

2．AIはいたるところに存在する――しかし、どのバージョンを使っているのか？

「コパイロット」などと呼ばれるAIチャットボットは、今や至るところに存在します。Microsoft Office 365をはじめ、ほぼすべての主要SaaSシステムに組み込まれており（Microsoftも最近、Windows 11やO365でのAIコパイロット機能の過度な押し付けを見直す方向にあります）、その普及ぶりは目を見張るものがあります。しかし、こうした普及の最大の問題点は「AIスパム」ではありません。業務ユーザーが、どのシステムが「安全」でどれがそうでないかを識別することが、ますます困難になっている点にあります。

ここで言う「安全」とは、具体的に以下の2点を指します：

• 機密性の高い情報が海外に送信されたり、自社のデータ管理基準に反する形で処理されたりしないこと

• 顧客データがモデルのトレーニングに使用されないこと

例えば、ChatGPTの標準利用規約のもとでは、OpenAIはプロンプトの内容をトレーニングデータとして利用することが可能とされており、「データ不使用の保証」が付与されるのは一般に「エンタープライズ版」に限られています。通常、自社の情報セキュリティ部門やIT部門が「安全なチャットボット・エージェント」へのアクセスを整備しますが、日々使用する複数のアプリケーションに表示される多数のAI選択肢のうち、どれが自社の管理対象に含まれ、どれが含まれないか（つまり慎重な使用が求められるか）を、各ユーザーが正確に把握することは容易ではありません。 コードリポジトリやビジネスアプリ上でエンタープライズ版のChatGPTが利用可能であったとしても、ユーザーが https://chatgpt.com に直接アクセスして自社のアカウント情報でログインしていない場合、そのセッションはエンタープライズ版の契約条件の対象外となります。

【提言】
業務ユーザーに対して、自社が「認定」しているAIモデル・バージョンを明確に周知し、そのアクセス先へのリンクを具体的に提供することが重要です。また、不明な点が生じた際に専門担当者に確認できる社内プロセスの整備も不可欠です。

3．「オンプレミスAI」は現実的な選択肢か？

主要AIブランドのデータセンターは、すべて日本国外に所在しています。日本の金融機関（FI）のように、データを国内に保持することが義務付けられている企業にとっては、AIサブスクリプション契約に強固なデータ保護条項を設けたとしても、データの国外移転禁止という根本的な制約を回避することはできません。これまでの代替策として模索されてきたのが、オンプレミス（自社内）でのホスティングです。
ClaudeやChatGPTといった主要チャットボットに対して、基本的なローカルモデルを接続することは技術的には可能ですが、こうしたモデルはソフトウェア開発用途に特化しており、日本語を含む非英語言語への対応は十分ではありません。AIモデルの進化は凄まじいスピードで進んでいるため、12ヶ月前のモデルを導入するだけでも競争上の不利になりかねません。まして、現在入手可能な「ポータブル版」と呼ばれる旧世代・小規模モデルとなれば、なおさらです。

また、数十年前のインフラ上にAIシステムを導入することは、現実的な選択肢とは言えません。日本国内にあるクラウドベースのサーバー（例：日本リージョンのAWSやGoogle CloudのVPC）は有効な代替手段ですが、最新モデルを稼働させるためには非常にコストの高いクラウドインフラが必要であり、特に24時間365日の稼働が求められる場合、その費用は相当なものになります。

一方、AppleのMac Miniのようなコスト効率の高いソリューションも実際に存在します。このような従来は一般消費者向けとされていたコンピューターは、AIモデルのトレーニング・実行に適した設計に進化しており、比較的低い初期投資で現時点において十分な性能を発揮しています。ただし、次世代モデルが必要とする計算リソースを現時点で正確に予測することは困難です。
インフラ面の課題を解決できたとしても、AIをローカルで運用するには、AIシステムのアーキテクチャ、セットアップ、チューニング、サポートを深く理解した人材またはベンダーが不可欠です。「AIサービスプロバイダー」や「AIエキスパート」を謳う企業は数多く存在しますが、実際には、クライアントがシリコンバレーの主要サービスに接続することを前提としており、ゼロベースでのローカル環境構築には対応していないケースが少なくないというのが、最近の実態です。

【提言】
これは現実に存在する重要なギャップです。明るい材料としては、主要AIプロバイダーによる日本国内データセンターの開設が近づいていることが挙げられますが、現時点ではまだ実現していません。それまでの間、金融機関は海外拠点のAIサービスの利用に引き続き慎重を期すか、フルセルフホスティングという技術的・財務的に大きな投資判断を下す必要があります。

CDLは、金融機関のAIレディネス評価、実効性のある導入戦略の策定、そして確実な実行支援において、独自の強みを持つポジションにあります。この分野に関するお客様からの多数のご要望を踏まえ、CDLでは近日中に一連のサービスおよびツールの提供を開始する予定です。これにより、金融機関が「誇大宣伝を見極め」、実際に機能する戦略・規程・プロセス・KPIを構築するための支援を行ってまいります。

著者のご紹介

ウオリック・マセウス 

ウオリック・マセウス(Warwick Matthews)  
最高技術責任者 兼 最高データ責任者

複雑なグローバルデータ、多言語MDM、アイデンティティ解決、「データサプライチェーン」システムの設計、構築、管理において15年以上の専門知識を有し、最高クラスの新システムの構築やサードパーティプラットフォームの統合に従事。 また、最近では大手企業の同意・プライバシー体制の構築にも携わっている。  

米国、カナダ、オーストラリア、日本でデータチームを率いた経験があり、 最近では、ロブロー・カンパニーズ・リミテッド（カナダ最大の小売グループ）および米国ナショナル・フットボール・リーグ（NFL）のアイデンティティ・データチームのリーダーとして従事。  

アジア言語におけるビジネスIDデータ検証、言語間のヒューリスティック翻字解析、非構造化データのキュレーション、ビジネスから地理のIDデータ検証など、いくつかの分野における特許の共同保有者でもある。