Financial Services Blog    

Other parts of this series:

  1. 真の「生産性向上」と業務プロセス再構築、そして人の重要性海外先進事例に学ぶデジタル変革実現の鍵とは? ~ウェビナー
  2. RPAの要諦と次なるデジタル変革への挑戦 ~ウェビナー
  3. 「アンバンドル」から「社会構造変革」へ:日本におけるフィンテックの将来的可能性 ~ウェビナー
  4. 来たる“創造的破壊”の波に向けた、保険ビジネスのあり方とは ~ウェビナー
  5. デジタルウェルスマネジメントがもたらすアドバイスモデルの転換 _真の顧客本位の実現に向けて ~ウェビナー
  6. コーポレート領域でのデジタル技術導入による変革効果の限界と打開策–RegTechを中心とした効果創出の仕組みづくり  ~ウェビナー
  7. HUMAN + MACHINE:ビジネス変革における第3の波に日本企業はどう立ち向かうべきか ~ウェビナー
  8. ブロックチェーンは金融ビジネスをどう変えるか、何が可能になるのか~ウェビナー
  9. デジタル変革のあるべき姿 – 伊予銀行様DHDバンクを例に ~ウェビナー
  10. デジタル変革の鍵を握るCloud活用をどう進めるべきか – 金融業界における成功の要因 ~ウェビナー
  11. 真の顧客起点型ビジネスモデルの追求 –2つの主導権争いと鍵となるテクノロジーの展望~ウェビナー
  12. デジタルトランスフォーメーション(DX)における人材活用・リスキルの進め方とは~ウェビナー
  13. 顧客を知り、顧客に応え、顧客と共に育てるビジネス ー 2019年消費者動向調査を踏まえて ~ウェビナー
  14. Beyond RPA -RPAは期待した効果を出せたのか?これまでの総括と求められる次なる一手:第1回 RPAの特性と活用推進の鍵 ~ウェビナー
  15. BEYOND RPA -RPAは期待した効果を出せたのか?これまでの総括と求められる次なる一手:第2回 求められる次の一手と2つの方向性
  16. 第1回 グローバルのイノベーションにみる保険の新たな姿 _今だからできるサービスと日本への示唆~ウェビナー
  17. 第2回 グローバルのイノベーションにみる保険の新たな姿 _今だからできるサービスと日本への示唆~ウェビナー
  18. Bank4.0時代に向けた銀行変革 - “破”銀行、“創”銀行:第1回 Bank4.0時代の到来と国内金融機関への影響~ウェビナー
  19. Bank4.0時代に向けた銀行変革 - “破”銀行、“創”銀行:第2回 Bank4.0時代の“銀行”と実現に向けた鍵~ウェビナー
  20. 顧客価値と企業経営_Design Pivot 新しいデザインとの向き合い方 第1回 金融機関に求められる新たなビジネスデザイン~ウェビナー
  21. 顧客価値と企業経営_Design Pivot 新しいデザインとの向き合い方 第2回 新たなデザインとの向き合い方
  22. デジタルビジネスを加速させる次なるステージの組織運営と人材活用 _デジタルトランスフォーメーション(DX)のその先へ:第1回ディスラプションの進行と金融業界の現状~ウェビナー
  23. デジタルビジネスを加速させる次なるステージの組織運営と人材活用 _デジタルトランスフォーメーション(DX)のその先へ:第2回 変革へのロードマップ(1)オペレーティングモデル・シフト~ウェビナー
  24. デジタルビジネスを加速させる次なるステージの組織運営と人材活用 _デジタルトランスフォーメーション(DX)のその先へ:第3回 変革のロードマップ(2)リソース・シフトとワーク・シフト
  25. 守るテストと攻めるテスト:第1回 創造的破壊(disruption)の進行と金融業界の現状
  26. 守るテストと攻めるテスト:第2回 創造的破壊(disruption)の進行と金融業界の現状~“攻めるテスト”の要諦
  27. BPO(ビジネス・プロセス・アウトソーシング)のその先へ _これまでとデジタル化時代における 今後のあるべき姿 :第1回 新たな市場環境とアウトソーシングのかたち
  28. BPO(ビジネス・プロセス・アウトソーシング)のその先へ - これまでとデジタル化時代における 今後のあるべき姿 第2回 ― BPSのメリットと活用事例
  29. COVID-19による金融業界へのインパクトと先進事例に学ぶ「ニューノーマル」へのシフト:第1回 COVID-19のインパクトと『ニューノーマル』のかたち
  30. COVID-19による金融業界へのインパクトと先進事例に学ぶ「ニューノーマル」へのシフト:第2回 先進事例に学ぶ「ニューノーマル」へのシフト 銀行業界
  31. COVID-19による金融業界へのインパクトと先進事例に学ぶ「ニューノーマル」へのシフト 第3回 先進事例に学ぶ「ニューノーマル」へのシフト〜証券・保険業界
  32. 異業種連携による新たなビジネスチャンス獲得のための要諦とは:第1回 異業種連携の最新動向と金融サービスのポテンシャル
  33. 異業種連携による新たなビジネスチャンス獲得のための要諦とは:第2回 異業種による金融参入事例〜MarCoPayの実現に向けた日本郵船の取り組み
  34. 異業種連携による新たなビジネスチャンス獲得のための要諦とは:第3回 異業種による金融参入・連携における成功実現の要諦
  35. 保険イノベーションの最新動向 〜EFMA受賞イノベーションから見た次なる一歩とは:第1回 EFMAアワード受賞企業と保険イノベーションのトレンド
  36. 保険イノベーションの最新動向 〜EFMA受賞イノベーションから見た次なる一歩とは:第2回 保険会社が取るべき次なる一歩
  37. 筋肉質な経営体質に転換するための、聖域なきコスト削減 – リバウンドしない仕組みづくりとカルチャー変革
  38. 欧州デジタルバンキング、何が成否を分けたのか。そこから学ぶ日本への示唆とは:第1回
  39. 欧州デジタルバンキング、何が成否を分けたのか。そこから学ぶ日本への示唆とは:第2回
  40. 顧客体験を軸にしたビジネス変革 ~他業界に学ぶ顧客体験の追求と成長へのチャレンジ~
  41. 2021年の金融業界の展望 – 「ニューノーマル」を実現するために金融機関には何が求められるのか
  42. 「2025年の崖」を乗り越えるモダナイゼーションの現実的な施策とは その4 ~アクセンチュアの謎、なぜレガシーモダナイゼーションで選ばれるのか?
  43. データドリブン保険経営の要諦〜大同生命におけるビジネス・アナリティクス・クリエイティブ三位一体改革〜
  44. Capital Markets 2025 – 証券ビジネスの再創造に向けて
  45. Technology Vision 2021から読み解く日本の金融機関への示唆
  46. 日本初のデジタルバンク「みんなの銀行」は何を目指しているのか - 横田頭取・永吉副頭取をお迎えして
  47. 保険イノベーションの最新潮流~ Efma受賞イノベーションから見た最新事例と保険DXの将来像~
  48. 「パーパス起点」で金融機関はどう変わるのか ~ “Business of Experience(BX)”実現に向けた具体的な変革ポイント
  49. アウトソーシングの新潮流と人材戦略について
  50. 「事故のない世界」を目指して。イーデザイン損保の新たな自動車保険「&e アンディー」からパーパス起点の変革の意義を紐解く
  51. 2022年、金融機関の持続的成長には何が必要なのか。銀行・証券・保険の各業界のトレンドと展望を総括
  52. 銀行業界を牽引するグローバル大手銀行の戦略から、日本の金融機関への示唆を読み解く
  53. 岐路に立つ金融機関系システムは、10年後を見据えてどのように変わるべきなのか
  54. 金融機関のグローバル展開パターンを分析し、成功の要諦とシナジーの生み方を読み解く
  55. COVID19とは何だったのか。これまでの総括とこれからの予測、そして日本の金融機関への示唆
  56. メタバースは現実世界やビジネスをどう変えるのか。テクノロジー・ビジョン2022に寄せて
  57. 顧客ニーズの変化や手数料率の低下。証券リテール業界はどのように変わるべきなのか
  58. 保険イノベーションのグローバルトレンドと、今後起こりうる大きな変化。Qorus(旧Efma)受賞イノベーションから最新事例のご紹介
  59. 多様化するリスクに対し、日本の金融機関が取るべきデータドリブンなリスクマネジメントとは
  60. 顧客を「生活者」として捉え直す。真の顧客志向による顧客体験の最適化とマーケティングの変革
  61. 2023年の金融業界を占う。不確実な世界で持続的な成長と新たな価値創造を実現するための注力テーマ
  62. AI活用は意思決定の領域にまで拡大。金融業界におけるAI活用と「責任あるAI」の実現に向けて
  63. 金融機関におけるTalent Transformation(TX)の進め方
  64. イノベーションの潮流に変化の兆し。新興国のイノベーション事例から日本の金融機関は何を学べるのか?
  65. 社会実装が始まる量子コンピュータ。金融業界こそ量子コンピューティングを活用すべき理由とは
  66. ジェネレーティブAIが金融業界にもたらす巨大なインパクト。「AI社員」の活用事例も紹介
  67. コア領域こそ内製化を。DX全盛の今こそ金融業界のIT現場を取り巻く状況を知る
  68. アトム(現実)とビット(仮想)の融合が始まった。テクノロジービジョン2023から世界の向かう先を知る
  69. Qorus Innovation in Insurance Awards 2023の受賞イノベーションを解説。保険イノベーションの今後を占う
  70. “価値”そのものに着目した新たな変化の波。Web3の進化が金融業界にもたらす可能性について
  71. 【新年特別企画】銀行、証券、保険の各業界で生成AIの活用が本格化へ。2024年の金融業界を占う
  72. 生成AIが可能にする一人ひとりの顧客との対話。金融業界の多くの課題を解決しうる超高速マーケティングとは

第7回 金融ウェビナー

先進国で効果的なAI活用が進めば、大きな価値を生み出すことはよく知られています。しかし、日本でAIの活用を進めていく意味合いが、他国と比べても非常に大きいことは必ずしも理解されていません。アクセンチュアによる2035年時点の推計を見ると、AIを活用しない場合の日本の経済成長率はわずか0.8%。その一方で、企業が業務遂行ツールとしてAIの活用を進めた場合は2.7%と、3倍を上回る成長率を期待することができます。

この数字が示唆するところは明らかでしょう。日本は欧米各国の様子を見ながらAI導入を検討するのではなく、同分野のパイオニアとして積極的に活用を進める必要に迫られているのです。

 

なぜ日本ではこれほど大きな効果が期待できるのでしょうか?その背景の1つとなっているのは深刻な労働力不足です。アクセンチュアの試算によると、超少子高齢化社会の到来によって労働力の需給バランスが崩れ、2030年には人手不足が約900万人に達すると予測されます。特にサービス業や接客業など、現時点でも事態が深刻な労働集約型産業では、AIの活用が緊要の課題となるでしょう。 

 

「ミッシングミドル」の重要性

AIをはじめとするテクノロジーの進化と業務への活用を考える際には、人間だけが活動する領域とマシンだけが活動する領域を分けて議論が行われることが少なくありません。しかしアクセンチュアのリサーチによると、人間とマシンの活動領域に明確な区切りができる可能性は低いでしょう。インテリジェント・テクノロジーと人間の能力を同時に活用して協働を実現する中間領域「ミッシングミドル」が、今後ますます重要となってくるのはそのためです。また人間とマシンの協働が進むことで、共感力など人間だけが持つ能力の価値もさらに高まることが予測されます[1]。

ミッシングミドルは、AIのポテンシャルを最大限に活用し、新たな価値を生み出しやすい領域でもあります。日本の金融機関は、人間とマシンの協働が働き方にどのような変革をもたらすのか理解し、前者の創造力と後者の能力を最大限に発揮させる方法を考えていく必要があるのです。

また人間とマシンの協働によって、両者がより複雑なインタラクションを行うための3つの役割が新たに発生するでしょう:

  • トレーナー(訓練者):マシンに学習データをフィードし、特定タスクや人間らしい振る舞いをできるように訓練する。そしてマシンと人間が相互のアウトプットをもとに学習し合う。
  • エクスプレイナー(説明者):マシンのアルゴリズムを分析し、他のステークホルダーのためにアウトプットの意味を解釈すると共に、一貫性やコンプライアンスをチェックする。
  • サステイナー(維持者):マシンのパフォーマンスを監視し、サステイナビリティやステークホルダーの価値を守るため、必要に応じて制限や例外を設ける。 

MELDS – ミッシングミドル領域でのAI活用に不可欠な5つの原則

AIやロボットの導入を進めることが、そのまま効率的な活用に結びつくとは限りません。AIをうまく使いこなしている企業には大きく分けて5つの特徴があります。アクセンチュアではそれぞれの頭文字を組み合わせてMELDSと呼んでいます。

  • マインドセット(Mindset = M)ミッシングミドルにおける仕事を、既存業務・プロセスの枠組みを超えたゼロベースで検討。テクノロジーや顧客体験、コラボレーションなど様々な側面から継続的に業務の再構築に取り組んでいます。
  • 実験(Experiment = E):日本企業の多くにはミスや失敗を恐れる傾向が見られますが、AIを有効活用するためには失敗を恐れず、様々なデータを利用して実験を繰り返すことが不可欠です。
  • リーダーシップ(Leadership = L):AIが意図せぬ結果や影響をもたらさないよう、初期段階より効果的なコントロールの枠組みを設定し、リーダーシップを発揮しながらAIの責任ある使用にコミットしています。
  • データ(Data = D):AIが持つ強みの1つは、大量のデータを蓄積・処理して学習し、進化を遂げる能力です。この能力を最大限に発揮させるためには、多様で鮮度が良く、質の高いデータを大量かつリアルタイムに収集・管理するサプライチェーンの構築が重要となります。
  • スキル(Skill = S):人間とマシンの協働を実現するためには、従業員が(特にミッシングミドル領域で)新たな融合スキルを獲得する必要があります。これまでの人間とマシンのインタラクションとは異なり、両者がお互いから学んでパフォーマンスを向上させる好循環を生み出しています。

AI活用を成功に導くための3つのポイント

また、日本の金融機関がAI活用に取り組む際には、特に3つのポイントに留意する必要があります。その1つ目は、他社とのコラボレーションを重視することです。AIの効果的な活用には、優れた技術力やアルゴリズム、質の高いデータ、そしてこうした要素をビジネスアイディアとして組み合わせる能力が欠かせませんが、1つの企業が高いレベルでこれら全てを実現することは至難の技です。コラボレーションが重要となるのはそのためです。

アクセンチュアが実施した調査では、AI活用にあたり自社内開発だけでなく社外とのコラボレーションを行う企業は、そうでない企業の約2倍のスピードで企業価値を向上させているという結果が出ています。

2つ目は、自社の事業環境に適した独自の活用アプローチを模索することです。日本の企業はともすれば、前例を重視して他国・他社のやり方を真似る、あるいはとりあえず有名な技術を使っておこうという考えに陥りがちです。しかしこうした考え方は、必ずしもAIの効果的活用につながりません。

特に重要な3つ目のポイントは、長期的な観点でAIへの投資判断を行うことです。導入のタイミングから資産価値が低下していくその他多くの投資とは異なり、資産としてのAIの価値は時間の経過と共に上昇します。AIはデータを学習して進化し、ビジネスツールとしての有用性が向上させていくという特性があるためです。導入したタイミングではなく、その先の進化も見据えながら投資の効果・価値を判断する必要があるでしょう。

私が担当したウェビナーでは、人間とマシンの協働を実現し、ビジネス変革の第三の波に立ち向かう方法について、最近刊行された著書の内容を交えながらさらに詳しく解説しています。

[1] :Advancing Missing Middle Skills for Human-AI Collaboration, Accenture (2018)