生成AI基盤の月間利用率3割、信用金庫が取引先同士をつなぐマッチングAI

本格的な調査が始まったのは2023年9月。当時の試行はインターネット環境で行っていたため、業務で使う環境とAIを使える環境が分断され、結果としてあまり利用されませんでした。業務で使う以上、AIが何を参照して答えたのかを確かめられなければ安心して使えないという懸念もあり、さらにプロンプト次第で出力の差が大きい一方、職員一人ひとりの書き方の腕を上げていくのは現実的ではない、という壁もありました。

一方のビジネスマッチング業務では、営業店が面談で拾ったニーズを社内掲示板で共有していたものの、検索機能が弱く、データが溜まるほどかえって探しにくくなる状態に陥っていました。成立するのは担当者が過去にいた店舗の顧客同士など、記憶と人脈の届く範囲にとどまりがちだったとされています。

編集部の見立てでは、この二つの困りごとは同じ輪郭をしています。道具も情報も庫内にあるのに、職員が日常の業務動線の上で手を伸ばせる位置には置かれていなかった。性能や量の問題というより、置き場所と使い口の問題だったのではないでしょうか。

閉域内での構築と、回答文の直後にその都度参照リンクを出す表示方式を組み合わせた設計が、金融業務にAIを載せる前提を整えました。参照元を示す仕組み自体は珍しくありませんが、ファイル名だけを返したり、回答の前後にまとめて並べたりする形では、どの一文がどの文書に基づくのかを読み手が突き合わせる手間が残ります。表示位置を回答文の直後に寄せたことで、融資や預金の規程をRAG（社内文書を検索してAIの回答に活用する仕組み）で参照する使い方でも、回答だけで判断せず提示された規程を自分で読んで確かめる、という運用ルールが実務として成立しました。

良い使い方を個人の技量に委ねず、配れる部品の形にしたことも効いています。面談記録の校閲、年金業務のナレッジ応答、訪問前のヒアリングポイント作成といったアシスタントを営業店向けに優先して用意し、簡単なカタログを添えて公開時に周知する。さらに、条件をプロンプトに書き込んでもらう方式では入力漏れが避けられなかった部分を、直感的に埋められるカスタムフォームに置き換えました。作り手の意図どおりに動かす仕掛けを画面側に持たせた点が、普及と品質の両方に働いています。

ビジネスマッチングAIでは、似た者同士を返す類似度検索ではなく、探している側と提供できる側という相互補完性——「凹凸」を見つけにいく設計が採られました。加えて、表記ゆれや言い回しの差を吸収する検索の仕組みと、入力時に必要な情報が欠けていればやり直しを促すニーズ入力支援を、当初から一体で構想しています。検索精度だけを磨いても、元の情報が薄ければ答えは出ない——その順序を取り違えなかったことが要点でしょう。人事異動への対応のように、長く運用し続けられるかという論点を要件定義で最後まで詰めた進め方も、週次で認識を合わせ続けた体制があって初めて可能になっています。

neoAI Chatは、月間アクティブユーザーで測った利用率が直近で約3割まで来ています。数字以上に変化として語られているのは、職員から「世間で話題のあのAIはどうなのか」といった相談が寄せられるようになったという、庫内のリテラシーの変わり方です。ビジネスマッチングAIは本番稼働から間もなく正確な把握はこれからとしつつ、情報入力の時間短縮とマッチング精度の向上が実感され、直近5月には約500件のニーズ入力とマッチング成果が生まれています。現場からは、条件に合う相手がすぐ見つかったという声も出ています。なお、入力支援による活動意識の変化は、現時点では期待として語られている段階です。