こんにちは。K.Platinum代表の沼田海斗です。
僕は24歳でこの会社を立ち上げて、今は3期目・27歳。社員は17人で、製造業・流通・金融の中堅企業を相手に、ITコンサル＋受託開発＋ジゴカツ（プログラミングスクール）の3本柱でやっています。
今日は、金融まわりの話を書きます。2026年、AIエージェントが「実験の年」から「実行の年」に変わりました。なかでも金融の事務自動化が一気に現実になっている。大手銀行の事例を入り口に、中堅の金融機関がそれをどう"等身大"で入れるかを、僕らの現場目線で書きます。
1. 「事務こそ、エージェント」— 横浜銀行型が見せたもの
きっかけになった事例を一つ。横浜銀行が、AIエージェント型のボイスボットを使って、証明書の発行依頼を月およそ1,600件、自動で完結させる取り組みを始めました。お客さんからの電話を、AIが受けて、確認して、処理まで回す。これで応対にかかる時間も約5割減らせる見込みだと報じられています。
ここで大事なのは、これが「派手な新サービス」じゃないことです。証明書発行みたいな、地味で、件数が多くて、毎日同じことを繰り返す事務。その"いちばん地味なところ"こそ、AIエージェントが効くという事実を、横浜銀行は示しました。
似た数字は他にもあります。ある調査では、AIエージェントの活用で1人あたり月46.9時間が削減されたという報告も出ている。1ヶ月の労働時間のうち、まるっと数日分が浮く計算です。
2025年が「AIエージェント元年」だったとすれば、2026年は実際に業務に乗せて、削減を数字で出す年になりました。金融はその最前線にいます。
2. 中堅金融が、そのまま真似できない3つの差
「じゃあ、うちもやろう」。中堅の金融機関がそう思ったとき、最初にぶつかる壁があります。横浜銀行の事例を、そのままコピーできないんです。理由は3つ。
ひとつ目は、人員の差。大手には、専任のDX部隊や、PoCを回せる人員がいます。中堅だと、情シスが数人で、しかも通常業務と兼任。「専任で見る人がいない」状態からのスタートになる。
ふたつ目は、データの差。大手は、過去の応対ログや書式が大量にあって、AIに学ばせる素材が揃っている。中堅は、そもそもデータが紙やバラバラのExcelに眠っていて、AIに渡せる形になっていないことが多い。
みっつ目は、ベンダー体制の差。大手は、大手ベンダーと組んで大規模に作れる。中堅が同じ規模の契約を結ぶのは、コスト的に無理がある。
だから、中堅金融に必要なのは「横浜銀行の縮小コピー」ではなく、中堅の身の丈に合った、別の入れ方です。ここを間違えると、立派なPoCを作って、現場に乗らずに終わります。
3. どこから自動化するか — 「定型 × 大量 × 低リスク」の重なり
中堅金融でAIエージェントを入れるとき、僕が最初にやるのは業務の選定です。技術の話より先に、「どの業務から手をつけるか」を決める。これを外すと全部がうまくいきません。
選ぶ基準はシンプルで、3つの条件が重なるところを狙います。
- 定型：手順が決まっている。例外がそれほど多くない
- 大量：件数が多い。だから自動化の効果が大きい
- 低リスク：間違えても、即座に重大な損害にならない。後から人がチェックできる
この3つが重なる業務——たとえば、証明書や各種書類の発行依頼、よくある問い合わせの一次対応、定型的な事務照合——から入る。横浜銀行の証明書発行が、まさにこの「定型×大量×低リスク」の真ん中でした。
逆に、最初から融資審査みたいな「非定型×高リスク」に手を出すと、まず失敗します。判断が重すぎて、AIに任せきれず、結局人が全部やり直す。最初の一本は、効果が見えやすくて、事故っても傷が浅いところ。ここを守るだけで、成功率がまるで変わります。
［エンジニア募集中］ K.Platinumでは、こうした「どの業務から自動化するか」を金融の現場で見極められるエンジニアを探しています。気になる方は採用ページから詳しい条件をご覧ください。
4. Human-in-the-Loop — 「誰が最終承認するか」を先に決める
金融でAIを入れるとき、絶対に外せないのがHuman-in-the-Loop（人が間に入る設計）です。AIに全部やらせて終わり、にはしない。
考え方は、3ステップで固定します。
①AIが下書き・処理する → ②人が最終承認する → ③やりとりを記録する。
ポイントは、「誰が最終承認するか」を、業務設計の最初に決めておくことです。後から決めようとすると、現場が「これ、勝手にAIが返しちゃっていいの？」と不安になって、誰も使わなくなる。
金融は、間違いが信用に直結する世界です。だからこそ、AIは「人の仕事を奪う」のではなく、「人が承認するための下ごしらえを、爆速でやる」位置に置く。AIが9割の手間を消して、人は最後の1割——責任を持つ判断——に集中する。この線引きがあると、現場も監督部署も安心して使えます。
そして③の記録。誰が・いつ・何を承認したかを残す。金融はあとから説明を求められる業界なので、ログが残らないAI導入は、そもそも本番に乗りません。ここを最初から組み込んでおくのが、金融案件の鉄則です。
5. 削減時間を「絵に描いた餅」にしないために
最後に、いちばん地味で、いちばん大事な話を。削減時間を、ちゃんと実測することです。
AI導入の提案資料には、よく「年間◯◯時間削減」みたいな数字が並びます。でも、その数字が導入後に本当に出たのかを測っている会社は、驚くほど少ない。やりっぱなしで、効果が曖昧なまま次に進んでしまう。
僕らがやるのは、こうです。導入する前に、その業務に今どれだけ時間がかかっているかを測る。件数、1件あたりの処理時間、関わる人数。地味ですが、ここを取っておかないと、後で「効果」を語れません。
そして導入後、同じ物差しでもう一度測る。「導入前◯時間 → 導入後◯時間」を、同じ条件で並べる。これで初めて、削減が事実になります。
金融機関は、社内でも監督官庁にも、効果を数字で説明する必要があります。だから、「なんとなく楽になった」では通らない。最初に物差しを置いて、後で同じ物差しで測る。この一手間が、AI導入を「やってみた」で終わらせず、次の業務へ広げる燃料になります。
まとめます。
- 横浜銀行型の事例が示したのは「定型・大量・低リスクな事務こそAIエージェントが効く」
- 中堅金融は大手をそのまま真似できない（人員・データ・ベンダー体制の差）
- 最初の一本は「定型×大量×低リスク」が重なる業務から。審査など高リスクは後回し
- Human-in-the-Loopで「誰が最終承認するか」を先に決め、必ずログを残す
- 削減時間は導入前後を同じ物差しで実測する。「絵に描いた餅」にしない
採用観点 — 金融の「堅さ」とAIの「速さ」を両立できる人
最後に採用の話を。
この仕事を回せる人は、純粋なAIエンジニアでも、純粋な金融事務の人でもありません。金融特有の「堅さ・説明責任」を理解しながら、AIエージェントで業務を実装まで持っていける人です。
僕らが採りたいのは、こんな人。
- 金融・バックオフィス業務の「絶対に間違えられない感覚」がわかる人
- AIエージェント・自動化のどれかを、実装まで持っていける人
- 「どこまでAIに任せ、どこで人が承認するか」の線を引ける人
3つ全部は揃っていなくて大丈夫。金融の堅実さとAIの速さは、相性が悪そうで、実はこれから最も需要が伸びる組み合わせです。その最前線に立ちたい人と働きたい。
会社の構造上、面接は最初から代表の僕が出ます。金融の事務をどうAIで変えるか、そういう話を一緒にできる人と会いたいです。
沼田海斗（ぬまた・かいと）
株式会社K.Platinum代表。24歳で同社を創業し、製造業・流通・金融の中堅企業を中心に、ITコンサルティング・受託開発・プログラミングスクール「ジゴカツ」を手がける。現場に"等身大"で入るAI活用を大切にしている。
K.Platinumでは一緒に働くエンジニアを募集しています。「実力で正当に評価される環境」に興味がある方は、ぜひ採用ページをご覧ください。ご質問・カジュアル面談のお問い合わせもお気軽にどうぞ。