七十七銀行、生成AIがコードを書きデータ分析と報告書作成を自動化する実証実験

生成AIに分析の答えそのものを語らせるのではなく、分析処理のコードを書かせるという役割の置き方が、この実証実験の芯にあります。コードは実行すれば表やグラフという目に見える形になり、出力が妥当かどうかを人が確かめられます。文章だけを出させる使い方に比べ、途中に検証できる中間生成物が挟まる分、誤りがそのまま最終成果物へ通り抜けにくい構造です。可視化の後段に置かれたレビュー文書の自動生成も、根拠となる図表が先に出ている状態で書かれるため、AIが参照すべき材料がはっきりしています。

評価の物差しを「賢い回答が出るか」ではなく「銀行所定のフォーマットに沿った出力を安定して生成できるか」に定めた点も効いています。定例業務で使う以上、たまたま良い結果が出ることに意味はなく、同じ入力から同じ水準の出力が繰り返し得られることが実用の条件になるからです。2023年7月から共同で技術検証を重ねる進め方は、この再現性を積み上げるための時間の使い方だったのでしょう。独自の大規模言語モデルを構築するAI inside株式会社がモデルと技術検証を担い、銀行側が分析業務の型と求める出力様式を持ち込むという分担も、その目標設定と噛み合っています。

セキュリティ要件を、検証を止める制約ではなく設計条件として先に織り込んだ点も見逃せません。入出力情報が外部に流出しない閉域環境を用意したうえで、扱うデータを顧客情報や機密情報を含まないものに絞る。この二段構えは、金融機関に求められる厳格な基準を満たしながら、それでも手を動かせる領域を確保するための線引きだと読めます。