2026年の銀行・保険における業務自動化：分断された自動化の本当の代償

自動化の取り組みがなぜ止まっているのか、その代償はいくらか、そして本当の成果はどこで生まれつつあるのかを、データで示す報告。

要約

銀行の法令対応の運用の費用は6割超上がり、警告の仕組みの誤検知の率は9割を超えて、人手の確認に巨大な詰まりを作っている。
分断された自動化 ── つながらないボットと縦割りの道具 ── は成果を出せず、年間の保守だけで最初の利用料の25〜40％を食うことも多い。
最も大きな成果は、事故処理や融資引受のような量の多い領域で、端から端までの業務を作り直すことから生まれる。自動化は処理の時間を最大75％減らせる。
うまく広げるために、企業は次のような現代的な業務の基盤へ移りつつある。Jinbaは、ノーコードの速さと企業水準の統制を併せ持ち、長持ちする自動化をチームが作り展開できるようにする。

要旨

銀行と保険の業務自動化は、2026年に新しい段階に入った。もはや自動化が大事かどうかの議論ではない。断片的な試行を、企業の規模での運用の力に変えられるかどうかである。

銀行では、増す法令対応の要求、人手に頼る統制の環境、競争力のない費用の構造が、仕事の進め方そのものを問い直させている。保険では、同じ形の課題がある。AIを実験の先へ進め、端から端までの業務に織り込み、株主の目が光るなかで成果を示すことだ。

経済の重みは、無視できないほど大きくなっている。デロイトの報告では、小売と法人の銀行の法令対応の運用の費用が、危機前の水準より6割超上がった。BCGの調査では、第二線の法令対応の費用だけで、たいてい銀行の総費用の1.1〜1.7％を占め、世界の重要な銀行（G-SIBs）では2.5％に達する。Fenergoは、法令対応の運用の平均を1社あたり7300万ドル近くと置く。これは構造の費用の重みであり、業務の作り直しを、後方の情報システムの取り組みではなく貸借対照表の問題にしている。

同時に、上振れも大きい。PwCの推計では、AIを本気で取り入れた銀行は効率の比率を最大15ポイント改善しうる。業界の分析で引かれるマッキンゼーは、銀行の生産性の伸びしろのおよそ4分の3が、さらなる処理の自動化から来ると論じる。業界全体で年に2000億〜3400億ドルの効果にあたる。保険では、KPMGの調査で、84％の経営層がAIを競争力と見ている一方、74％はAIへの投資に中程度から非常に高い成果を見込んでいる。

だが意欲と実行の隔たりは広いままだ。2026年にその隔たりを閉じる機関は、自動化の案件を最も多く抱えるところではない。端から端までの業務を作り直し、人手の例外の扱いを減らし、AI、取りまとめ、統制、人をひとつの運用の形につないでいるところだ。

第1節：2026年に業務自動化がいっそう効く理由

銀行：費用と複雑さという二正面の戦い

銀行の運用への圧力は新しくないが、強まっている。マッキンゼーの業界の分析によれば、およそ世界の銀行の6割が、経済的に成り立たない費用の構造で動いている。そして処理の自動化が、それを直すのに要る生産性の改善の4分の3ほどを担いうる。かかっている価値は小さくない。推計では業界全体で年に2000億〜3400億ドルにのぼる。

だが問題を迫っているのは費用の圧力だけではない。法令対応の複雑さが構造になったのだ。デロイトの分析は、小売と法人の銀行の法令対応の運用の費用が金融危機の前より6割超高いことを示す。そして、法令対応の業務の設計と実行を根本から変えずにそれが戻る筋書きは、まともに描けない。

BCGの2025年の世界調査は、これをより鋭く映す。第二線の法令対応の費用の中央値は銀行の総費用の1.1〜1.7％で、世界の重要な銀行が上端にいる。総費用100億ドルの銀行なら、第二線の法令対応だけで年に1億1000万〜1億7000万ドルだ。運用に埋め込まれた事業部門の法令対応を数える前の額である。従業員2万人を超える大手の銀行では、Fourthlineの推計で法令対応の支出の合計は年2億ドルを超え、金利以外の費用のおよそ2.9％にあたる。

重ねて効くのは、人手に頼る統制の環境が、その費用の1ドルごとを膨らませることだ。BCGの指摘では、法令対応の警告の仕組みの誤検知の率は9割に達するか超えうる。つまり、熟練のアナリストが確認する警告の大半が、関係のないものだと分かる。これは非効率なだけでなく、人材が高く規制が容赦ない部署で、人の力を構造的に削るものだ。

保険：追い立てられる近代化

保険の分野も、同じ根の問題を自分の形で抱える。ゆっくりした紙の世界のために設計された業務が、いまやデジタルの速さで動くことを、しかも成果を示せという投資家の圧力の下で期待されている。

KPMGの保険におけるAIの報告は、その緊張を正確に捉える。84％の保険の経営層がAIの採用を競争力の源と見ている。だが74％は同時に、その投資に即座の成果を示せという株主の圧力に直面している。ここに矛盾が生まれる。近代化に投資しなければならないと分かっていながら、四半期ごとに一つひとつの投資を正当化せよと求められ、結果として統合された変革ではなく孤立した試行が生まれるのだ。

結果として、この分野はAIの実験を相当に積み上げながら、AIによる運用の力はわずかしか得ていない。事故処理と引受の業務に自動化を本当に織り込んだ保険会社は意味のある成果を得ているが、それは少数派だ。多くにとって、2026年の課題は着想ではない。規模での実行である。

第2節：分断された自動化の隠れた代償

多くの機関は、自動化に失敗しているのではない。積み上がらないやり方で自動化しているのだ。結果として生まれるのが、分断された自動化と呼べるものである。つながらないボット、縦割りの部分の解、そして下地の業務も経済も統制の環境も変えないまま個々の作業を最適化する試行が、次々に増えていく。

この進め方の代償は、3つのはっきりした形で見えはじめている。

人手の確認という詰まり

分断された自動化の最も高くつく症状は、規模の中で人手の確認が残り続けることだ。マネーロンダリング対策とKYCの運用では、データの取り込みと最初の照合には自動化が当てられてきた。だが端から端までの業務には当たっていない。結果として、自動の仕組みは警告を速く出すが、人のアナリストがその大半をいまも手でさばいている。

BCGの法令対応の調査は、多くの法令対応の警告の環境で誤検知の率が9割に達するか超えうることを示す。その率なら、週に1000件の警告を扱うアナリストのチームが、本当に意味のある調査をしているのは100件未満かもしれない。残りの900件は雑音だ。高くつき、監査の対象になり、時間を食う雑音である。

これは、道具を増やせば自動で解けるデータの質の問題ではない。業務の設計の問題だ。BCGははっきり勧めている。銀行は進んだ技術に投資する前に、運用の形を整え、法令対応を設計として処理に埋め込むべきだと。壊れた業務の上に重ねた技術は、その壊れた業務を大きくするだけだからである。

Fenergoの2025年の金融犯罪の業界動向の報告は、600人の上級の意思決定者に尋ね、費用の別の面を数字にした。銀行の7割が、口座開設の遅れによって顧客を失っていると報じている。多くの機関でその処理は、何年もの自動化への投資にもかかわらず、いまも相当の人手の書類の扱いと例外の管理を伴う。

試行の煉獄で足踏みする

2つ目の症状は組織のものだ。実証から企業の変革へ、決して進級しない自動化の取り組みである。

Baker Tillyの金融サービスの自動化の調査では、およそ調査した金融機関の5割が、いまも小さく的を絞ったRPAの案件を回している。規模を出した部署横断の取り組みではない。およそ9割が今後3年もRPAへの投資を続けるつもりだという。だが同じ進め方に、より大きな規模で投資しても、根にある連携の問題は解けない。

自動化がひとつの部署、ひとつの処理、ひとつの技術に絞られると、恩恵はその場に留まる。あるチームの処理の周期は縮む。ある待ち行列の例外の率は下がる。だが機関全体の費用の構造 ── 効率の比率、取引あたりの法令対応の支出、収益に対する人員 ── は意味のある形で動かない。それが試行の煉獄だ。動きはあるが、力は生まれない。

技術的負債という見えない重し

3つ目の代償は財務のもので、ひとつの予算の周期では見えにくい。従来のRPAに基づく自動化は、保つのに金がかかる。i3solutionsは、RPAの年間の保守の費用を毎年、最初の利用料の25〜40％と置く。最初の投資の根拠にはめったに現れず、立ち上げ時には魅力的に見えた展開の成果を、じわじわと削る数字だ。

何年もかけて複数の働きにわたり数十のボットを置いてきた機関では、積み上がる保守の重さが生む価値を超えうる。とくに下地の仕組みが変わってボットが壊れるときはそうだ。この保守の重しは、自動化の取り組みが止まる主な理由のひとつである。最初に働かなかったからではなく、働かせ続ける費用が積み上がるからだ。

Yomlyの自動化の調査は別の面を足す。自動化の取り組みの失敗の37％が、処理の選び方の悪さに帰せられる。つまり自動化した処理が、そもそも自動化に向いていなかったということだ。これが規模で起きると、機関は要らなかった業務のために高い自動化を保ち続け、その一方で価値が高く量も多い業務は人手のまま残る。

第3節：本当の成果が生まれているところ

分断の問題はあるものの、本物で測れる成果は現れている。一貫して、特定の型の業務で。この筋道は示唆に富む。

大きな絵：効率の比率という機会

PwCの分析は、AIを本気で取り入れた銀行が効率の比率を最大15ポイント改善しうると見る。文脈のために言えば、効率の比率 ── 金利以外の費用を収益で割ったもの ── は銀行で最も注視される運用の指標のひとつだ。15ポイントの改善は、平均の担い手と最上位の担い手を分ける差である。これは少しの改善ではない。構造の競争力だ。

KPMGの米国の保険の概況は、並ぶ発見を示す。AIに投資した米国の保険会社の62％が、すでに5割の費用の削減を実現している。狙いを定めた業務でのことだ。これも理屈ではなく、実現された数字である。

どちらにも共通するのは、自動化がひとつの段階だけでなく、業務の中で端から端まで当てられているところに成果が現れる、という点だ。

業務の水準：事故処理

事故処理は、保険の自動化の機会が最も見えやすく、最も測りやすい場所だ。

DataGridの保険におけるAIの分析は、端から端までのAIの自動化による事故処理の時間の短縮を55〜75％と置く。Vantage Pointの2026年の保険技術の報告は、事故の解決の平均が30日からおよそ7.5日へ落ちた例を挙げる。周期の75％の短縮だ。個々の作業ではなく、業務の全体に自動化を当てたときである。

費用の面も同じく説得力がある。Talli.aiの事故処理の効率の目安は、手作業で処理する1件あたりの費用を40〜60ドルと置く。自動で処理すれば20ドル未満だ。年に数万から数十万件という規模では、その差は急速に積み上がる。Talliの業界の統計は、事故の確認に当てた機械学習のモデルが処理の時間を最大7割減らし、しかも95％の正確さを保てるとも指摘する。人手の確認には固有の誤りの率とばらつきがあるので、意味のある改善だ。

業務の水準：引受と融資の受け付け

引受は、銀行でも保険でも最も手間がかかり最も賭け金の高い業務であり、そして多くの機関で圧倒的に人手のままだ。

Nanonetsの融資引受の分析は、引受の担当の時間の6〜7割が人手の書類の確認に使われていると見積もる。財務諸表からのデータの取り出し、与信の記録の突き合わせ、仕組みへの手入力だ。高度に熟練した専門家の労働時間の大半が、AIが正確に大量にこなせる作業に費やされている。

デロイトの調査を引くVeryfiは、書類の多い金融の業務に賢い自動化を当てれば、関連の費用を30〜60％減らせるとする。この幅は実装の質を映す。端から端までの業務の作り直しが60％の結果を生み、部分的な書類の取り込みが30％の結果を生む。

Origenceは具体的な事例を示す。融資の運用にAIを入れたある信用組合では、処理の速さが1日10.49件の実行から20件超へ動いた。人員を比例して増やさずに、処理量を実質2倍にしたのだ。

こうした結果は例外ではない。複数の業界で調査が示すものと一致する。範囲がはっきりした量の多い業務の中で、端から端まで自動化を当てれば、成果は大きく、再現もできる。

第4節：自動化の取り組みが止まる理由

成果が実証されている以上、問う価値のある問いは「自動化は効くのか」ではない。「なぜこれほど多くの取り組みが、成果の出る地点に届かないのか」だ。証拠は、一貫した4つの根の原因を指す。

1. 整える前に自動化する

最もよくある誤りは、壊れた処理に自動化を当てることだ。自動化は下手な処理の設計を直さない。大きくする。BCGの勧めは明快だ。銀行は進んだ技術に重く投資する前に、運用の形を整え、法令対応の統制を埋め込むべきである。デロイトも同じことを述べ、多くの会社が規制の運用で新しい技術をうまく使えずにいると指摘する。技術が足りないからではなく、下地の処理の構成がそれを受け止める準備をできていないからだ。

Yomlyの調査もこれを裏づける。自動化の失敗の37％が、処理の選び方の悪さに遡る。誤ったものを、誤った順で、誤った理由で自動化するのだ。自動化の取り組みの設計で最初に要る規律は、技術の選定ではない。処理の分析と順序づけである。

2. 保守の渦

先に触れたとおり、RPAに重く依る実装は、最初の利用料の25〜40％という年間の保守の重みを背負う。これを投資の根拠に織り込まないと、立ち上げ時には成果が見込めた取り組みが、2〜3年のうちに費用の重荷になる。とくに組織が変わるときはそうだ。

この渦を抜ける会社は、硬く作業に特化した自動化ではなく、しなやかな業務の土台に投資している。次のような現代の基盤、Jinbaは、まさにこれに答えるよう設計されている。技術のチームがJinba Flowで作り、技術者でないチームがJinba Appから安全に業務を実行できるようにすることで、作成から保守までの一生がしなやかになる。この進め方は業務の論理を下地の実行から切り離し、事業の必要が変わったときに処理を更新しやすくする。

3. 縦割りの持ち主と弱い統制

自動化が情報システムの取り組みだと、業務のチームはその成果を使わない。業務の取り組みだと、情報システムは基盤を支えられない。持ち主が分かれて責任が不明なら、漂流する。

KPMGの保険の発見は、成果への圧力と陳腐化への不安を越えるには、より良い指標、新しい技能、明確な統制の枠組みが要ると指摘する。どれも技術の問題ではない。組織の設計の問題だ。自動化を、運用の形の判断ではなく道具の判断として扱う会社は、決まって統制への投資を怠り、止まった取り組みという形でその代価を払う。

4. 陳腐化の罠

変化の速さについて、市場には根拠のある不安がある。KPMGの保険の経営層への調査では、75％が、いま行う技術への投資が近いうちに陳腐化しかねないと心配している。この懸念は理屈に合わないものではない。だがよくある帰結は逆効果だ。判断を先延ばしし、試行を増やし、基盤に踏み込むことを避ける。それが、抜け出そうとしている分断された自動化の状態を長引かせる。

陳腐化のリスクへの答えは、投資を避けることではない。用途の狭い部分の解ではなく、しなやかな構成を持つ業務の基盤に投資することだ。次のような基盤、Jinba Flowはこの先を見据えて作られており、業務をまるごと作り直さずに中のAIのモデルを入れ替えられる。既存の自動化への投資を犠牲にせずに、新しい技術を取り入れられるのだ。

第5節：2026年、規模での自動化の成功を測る採点表

新しい進め方の根拠を作るAIの責任者や業務の責任者に ── あるいは、いまのやり方がなぜ届かないのかを見極めたい人に ── 次の採点表が実践的な診断になる。止まる取り組みと広がる取り組みを分ける、運用の形の観点で組み立てた。

これは技術の確認表ではない。業務と統制の確認表だ。本当の違いはそこにあるからである。

✅ 1. 業務の範囲

問い：孤立した作業を自動化しているのか、それとも端から端まで、部署をまたぐ処理を作り直しているのか。

ひとつの作業の自動化（PDFからのデータの取り出しなど）は、試行では時間の短縮を見せられるが、その作業が収まっている業務全体の経済は変えない。端から端までの自動化 ── 受け付けから判断、出力、監査の跡まで ── こそが、効率の比率を動かす。

目安の合図：人が仕組みのあいだで手でデータを動かす段階を挟まずに、起点から完了まで業務の全体を語れる。

✅ 2. 例外の率の管理

問い：人手の例外の率の基準を持ち、それを下げる定めた目標があるか。

人手の例外は、自動化のどこに穴があるかを最もはっきり示す指標だ。自動化がきれいな案件を扱い、少しでも標準を外れたものを人が扱っているなら、費用の高い量はいまだ人手のままである。

目安の合図：業務ごとに例外の率を追い、下げる目標があり、その目標が技術の会議だけでなく運用の統制の会議で見直されている。

✅ 3. 人が入る仕組みの織り込み

問い：人の確認の段階が、自動化された業務の中になめらかに埋め込まれ、監査の跡もひとつになっているか。

そうでない形 ── AIが判断し、人が別の仕組みでそれを確認し、誰かが手で結果を突き合わせる ── は自動化ではない。自動化に人手の負担を足したものだ。法令対応の業務における誤検知9割超についてのBCGの発見は、人の監督が織り込まれずに差し込まれたときに何が起きるかを示している。

目安の合図：法令対応や運用の監査人が、判断の履歴の全体 ── AIの動作、人の確認、決着 ── をひとつの業務の記録の中で見られる。

✅ 4. 埋め込まれた法令対応の統制

問い：法令対応は処理の最後の関門なのか、それともすべての段階に埋め込まれているのか。

処理の最後の法令の点検は、詰まりと手戻りを生む。BCGの、設計としての法令対応という主張は、法令の規則、統制、記録を業務の構成そのものに組み込むべきだ、というものだ。そうすれば、法令に適う実行が最後の濾し器ではなく既定になる。

目安の合図：定められた統制の関門を満たさなければ業務が完了できないことを示せ、その関門が人手の確認ではなく基盤によって課されている。

✅ 5. AIの統制とモデルの管理

問い：稼働中の事業の業務の中で、AIのモデルを置き、見張り、更新する定まった手順があるか。

技術の陳腐化を心配する保険の経営層の75％は、正当な運用のリスクを言い表している。モデルがずれ、劣化し、置き換えが要るとき何が起きるのか。答えが数か月がかりの作り直しなら、そのリスクは現実だ。

目安の合図：業務の中のAIのモデルを、周りの業務を作り直さずに入れ替えられる。

✅ 6. 全体としての成果の測定

問い：作業の水準の時間の短縮を超えて、成功を測っているか。

作業の水準の指標（「この段階が8分から2分になった」など）は、自動化を確かめるには役立つ。だが取締役会の水準の根拠を作るにも、次にどこへ投資するかを見つけるにも足りない。

運用の形の水準で効く指標には次がある。業務の全体にわたる取引あたりの費用、受け付けから決着までの周期、例外の率とその推移、そして法令の指摘の率だ。PwCの効率の比率15ポイントの改善は、こうした指標がひとまとまりとして追われ管理されるときに現れる類の結果である。個々の作業の自動化を祝っているときではない。

目安の合図：作業の水準の効率ではなく、業務の水準の経済を見せる画面を持っている。

✅ 7. 業務の変更が価値になるまでの時間

問い：規制の要求が変わったとき、新しい商品が出たとき、処理を直す必要が出たとき、自動化された業務を更新するのにどれだけかかるか。

答えが3〜6か月なら、その組織が回しているのは適応する自動化ではない。もろい自動化だ。RPAの年間25〜40％の保守の重みは、硬くコードの多い自動化を通常の事業の変化に合わせるのにどれだけ費用がかかるかを、部分的に映している。

目安の合図：力のある運用や処理の持ち主が、ソフトの開発の案件を起こさずに、意味のある業務の変更を数か月ではなく数日で展開できる。

結び：運用の形こそが戦略である

自動化の試行を祝う時代は終わった。2026年、成功の本当の物差しは全社の運用の力であり、分断された自動化はもはや非効率なだけではない。膨らんだ法令対応の費用として貸借対照表に現れる、目に見える数百万ドルの負債である。

数字がはっきり語っている。法令対応の運用の費用は6割超上がった。危機前の時代からだ。法令対応の運用の費用は1社あたり平均7300万ドル近い。法令対応の業務の誤検知の率は9割を超えうる。熟練のアナリストを人手の確認に閉じ込めている。そしてRPAの保守は年に利用料の25〜40％。立ち上げ時には成果が見込めた取り組みへの、隠れた税だ。

反対側の機会も同じくはっきりしている。AIを本気で取り入れる銀行は、効率の比率を最大15ポイント改善できる。銀行全体で処理の自動化から得られる生産性の機会は、年に2000億〜3400億ドルだ。保険では、AIに投資した米国の会社の62％が、すでに5割の費用の削減を実現している。狙いを定めた業務でのことだ。

この2つの位置の隔たりを閉じる機関は、道具を買い増すところでも、試行を増やすところでも、AIの戦略を発表するところでもない。より難しい仕事をしているところだ。端から端までの業務を作り直し、法令対応を設計として埋め込み、人の監督を織り込むことである。

分断された自動化から、統合された業務の運用への転換は、2026年に金融サービスの責任者が下す最も重要な戦略の判断だ。それをやり遂げる会社は、何年もかけて積み上がる構造の費用の優位を手にする。道具を足し続ける会社はそうならない。

よくある質問

分断された自動化とは何で、なぜ問題なのですか。

分断された自動化とは、つながらないボット、縦割りの部分の解、孤立した試行によって、端から端までの処理を良くせずに個々の作業だけを自動化することを指します。大きな成果を出せず、自動化された段階のあいだに人手の詰まりを生むため、問題になります。

金融機関は、高い法令対応の費用をどう減らせますか。

最も効くのは、法令対応を最後の人手の関門として扱うのではなく、中核の処理を作り直して最初から統制を埋め込むことです。KYCやマネーロンダリング対策のような領域で端から端までの業務を自動化すれば、人手の確認への依存を減らせます。

自動化の取り組みの多くが止まったり広がらなかったりするのはなぜですか。

自動化の取り組みが止まるのは、たいてい次の4つの理由からです。

壊れた処理を自動化する：効率の悪い業務に技術を当てても、その非効率を大きくするだけです。
高い保守の費用：もろくコードの多い自動化（従来のRPAなど）は、更新に費用と時間がかかります。
弱い統制：事業と情報システムのあいだで持ち主がはっきりしなければ、取り組みは方向と支えを失います。
陳腐化への不安：速く変わる技術の情勢が迷いを生み、会社を試行の段階に留めます。

作業の自動化と業務の自動化は何が違いますか。

作業の自動化は、書類からデータを取り出すような、より大きな処理の中のひとつの繰り返しの動作を整えることに重心があります。業務の自動化は端から端までの処理を扱い、複数の作業、仕組み、AIのモデル、人の確認の段階をつなぎます。作業の自動化は少しの改善をもたらすだけです。

端から端までの業務自動化は、どこから始めるのが最良ですか。

最良の出発点は、いま人手で詰まっている、量が多く費用も高い処理です。銀行と保険では、融資引受、事故処理、顧客の口座開設が有力な候補になります。この領域は、測れる成果の見込みが最も大きいのです。

業務自動化の投資対効果は、どう測るべきですか。

うまく測るには、ひとつの段階で短縮した時間のような単純な作業の水準の指標を超えて見ることです。事業に効く業務の水準の経済に目を向けてください。たとえば次のものです。

取引あたりの費用：ひとつの業務をまるごと完了する総費用（保険金1件の処理など）。
端から端までの周期：開始から決着までの総時間。
例外の率の低減：人の介入を要する案件の減り方。
事業の指標への影響：効率の比率や顧客の口座開設の時間といった指標を、自動化がどう動かすか。

現代の業務の基盤は、分断された自動化の問題をどう解くのですか。

Jinbaのような現代の業務の基盤は、端から端までの処理を作り、展開し、管理するための、ローコードとノーコードの統一された環境を提供します。ばらばらの仕組みをつなぎ、AIのモデルを織り込み、人が入る確認の段階を、ひとつの統べられる枠組みの中に埋め込むことで、分断を解きます。

要約

要旨