生成AIの性能競争が続く一方で「PoCは成功しても本番展開に進めない」「全部門にライセンスを配ったのに使われない」という企業も少なくありません。
そこで本プロジェクトでは、課題はAIそのものではなく、AIを組織で機能させる運用基盤が欠如している点にあると考えていきました。
着目したのはAIエージェントを新人社員の育成と同じ視点で管理する発想で、権限（Permission）・知識（Knowledge）・スキル（Skill）・ツール（Tooling）といった4要素（P/K/S/T）を体系化し、人材マネジメントの考え方をAI運用に応用していきました。
そこからAIが自律的に働くための外部記憶と統治の仕組みを整備することで、自社固有のAI資産として蓄積される「Agentic OS」という全社の学習資産へと変換することを目指しています。

多くの企業では技術導入の議論が先行し、組織としてAIを使いこなすための設計までは十分に整っていない課題にフォーカスし、営業現場のモデルをベースに、業務・役割・利用シナリオまで落とし込んだ運用設計の重要性を示したプロジェクト。
成果が出ている企業の共通点を分析し、(1)業務・役割・シナリオが考慮された設計粒度、(2)KPI計測とフィードバックの循環がある、(3)現場同士の学び合いで成功例が流通する、といった成功パターンの3つの条件を見極めていきました。
そこから、成功のみならず失敗の傾向についても着目し、単なる記録から組織の学習資産へと転換する「ハーネスエンジニアリング」の設計思想のもと、AI導入の先の“現場で使い続けられる仕組み”を構築。
生成AIを“便利なツール”ではなく、営業組織の学習速度を上げる装置として機能させていくために、「全員展開」する前に「勝ち筋の設計」が大事であることを示していった事例です。

横浜銀行様では、中期経営計画で掲げる「生産性向上」の実現に向け、AI・データ活用による3年間で15万時間の業務削減を目標に、データ活用基盤の整備と現場での利活用推進を一体的に進めています。
基盤面ではSnowflakeを活用した統合データベースを構築し、MEJAR共同利用5行での利用を開始しました。
一方、現場では業務フローや作業の複雑化により担当者の業務が属人化している面も多く、オペレーションミスの誘発や、担当者異動後の業務継続リスクが顕在化していました。
そこで、不動産担保評価(LTV)業務を自動化して工数を82.5％削減したほか、生成AI・BIを活用することでM&A選定業務を60％以上削減など、あらゆる面での業務効率化を実現し、既存業務を8割軽減することに成功しました。
単なるツール導入に留まらず、作業内容や参照するデータソースによって最適なツールを使い分けることの重要性を示し、現場業務の理解・データガバナンス・人材育成を一体的に進めることで属人化の解消や意思決定の高度化を実現した、金融業界におけるAI活用の先端事例です。

本件は、生成AIを用いて大手金融機関の業務プロセス変革を発展させるプロジェクト。
AIガバナンスの組織浸透に向けたガイドラインの策定から、リスクチェックプロセスの構築、さらにはAIリスクに関する教育コンテンツの設計・整備まで進め、AIガバナンスの高度化を支援していきました。
ルール策定などの制度設計や教育支援に加え、レッドチーミングやガードレールツール導入などの技術実装を含む包括的な支援まで提供しつつ、方針検討から対応実行まで一貫して進めていきました。
AIガバナンスの枠組みは、いまだ手法が成熟しておらず、今後も技術や社会的動向の変化に即した柔軟な対応が求められます。とりわけ、ガバナンスが実効性を伴って機能することは、現場でのAI活用が進むなかで極めて重要です。特に、生成AIのように業務と密接に関わる技術においては、変革を支えるうえでもAIガバナンスの重要性が一層高まっています。