中国の興業銀行が2026年上半期の決算開示で、AIの取り組みを「数智化を第一戦略とする」という経営レベルの言葉で説明した。本稿は、この開示を「AIエージェントを全社に導入するとは実務上どういうことか」という問いに引きつけて読む論評である。対象読者は、自社または顧客企業でAIエージェントの全社展開を検討している開発会社・SIer・事業会社の意思決定者を想定している。
要点 (出典の事実のみ)
- 陳信健行長は「数智化を第一戦略とし、一流の智能銀行を構築する」と位置づけ、「データ要素×」と「人工知能+」の同頻共振を推進するとしている。
- 主流大規模モデルを21個上線し、日次平均の呼び出しは210万件超。スマート体 (エージェント) は345個が、リスク・営業・顧客サービス・運営の各領域で稼働している。
- 配置した運営戦略は2.18万個、顧客接点は5.97億人次、それがもたらした総合金融資産は1,784.59億元。
- 審査は「ルールエンジン+審査スマート体」モデルで52個の副スマート体モジュールをカバーし、人手検証との一致率99.96%、戦略の智能評価正確率100%と開示。
- 顧客ロイヤリティは、配置シナリオを65個から91個へ拡大し、「Digital Xingye」のNPSは前年末比8点上昇の72点。
私の見解: 効いているのは「体数」ではなく計測線である
私が受託開発とAIエージェント事業の両方をやっていて、この開示で目を引いたのは345という数ではない。2.18万個の運営戦略 → 5.97億人次の顧客接点 → 1,784.59億元の総合金融資産という、エージェントの出力から収益までが一本の線でつながった形で開示されている点である。
AIエージェントのPoCが止まる理由は、たいていモデルの性能ではない。「そのエージェントが動いた結果、業務のどの指標がどれだけ動いたか」を誰も答えられないことである。相談を受ける側として、最初に詰まるのはほぼここだ。デモは動く。稟議は通らない。間に計測がないからだ。興業銀行の開示は、少なくとも「何をKPIとして追っているか」を先に決めた組織にしか書けない構造になっている。順序として、エージェントを作ってから測り方を考えたのではなく、測り方が先にあったと読むのが自然である。
もう一点、作る側として重いのは審査領域の人手検証一致率99.96%という数字だ。これは精度自慢ではなく、「人がやった場合の答えと突き合わせ続ける仕組みを本番で回している」という運用の宣言として読むべきだと私は考えている。金融の審査は規制と説明責任の領域であり、この扱いは専門家の領分なので断定は避けるが、一般論として、業務にAIを乗せるときに最後まで残るコストは推論そのものではなく、この照合・監視・逸脱検知の側にある。52個の副モジュールに割ってルールエンジンと組み合わせている構成も、一体の大きなエージェントに全部やらせない、という保守性側の判断に見える。
なお、これは中国の大手銀行の事例であり、規制環境も投資体力も日本の中堅企業とは前提が違う。数字をそのまま自社の目標に置き換える話ではない。持ち帰る価値があるのは金額ではなく、設計の順番のほうである。
よくある問いに、この事例から答える
企業はAIエージェントを本当に導入しているのか
少なくともこの規模では、実験ではなく決算開示の対象になっている。21個のモデル、日次210万件超の呼び出し、345個の稼働エージェントは、社内検証の数字ではなく本番運用の数字として出ている。ただしこれは「大手金融がそこまで来ている」という一例であり、業界全体の代表値ではない。自社の判断材料にするなら、体数ではなく上に書いた計測線が引けるかを見たほうがよい。
AIエージェントはどこまで使えるのか
この事例で任されている領域は、リスク・営業・顧客サービス・運営、そして審査の一部である。共通しているのは、正解の定義が既に社内にある業務だという点だ。審査に人手検証一致率という指標が置けるのは、人がやったときの正解が存在するからである。逆に言えば、正解を誰も定義していない業務にエージェントを置いても、良し悪しを判定できない。
AIエージェントができないことは何か
少なくともこの開示から読み取れるのは、エージェントだけで完結させていないということである。審査はルールエンジンとの組み合わせであり、人手検証との突き合わせが続いている。決定論的に書ける部分をルールに寄せ、判断の幅がある部分をエージェントに寄せる。この切り分けを設計できるかどうかが、全社導入の可否を分ける実務上の分岐点だと私は考えている。
開発を生業にしている会社にとっての意味
私たちのように受託開発とAIエージェント事業を並行してやっている会社にとって、この種の事例の使いどころは提案書の権威づけではない。見積もりの構造を変える根拠である。
エージェント案件の見積もりを「エージェントを何体作るか」で切ると、必ず後半で崩れる。崩れる箇所は、評価データの整備、人手検証との照合の仕組み、逸脱時のフォールバック、ログと監査の要件、そしてモデル更新時の再評価である。興業銀行が開示している指標は、そのまま受注時に顧客と握っておくべき項目のチェックリストとして読める。何をKPIにするか、正解データは誰が持っているか、人手との一致率をどこまで求めるか、それを誰が継続的に測るか。ここを契約前に決められる会社と、決めずに体数で受ける会社とでは、2年後の案件の残り方が変わる。
事業判断としてはもう一段ある。AIエージェントの案件は、作って納めて終わりではなく、測り続ける工程が必ず残る。これは体制の話であり、単価と継続率の話でもある。作る力だけでなく、顧客の業務指標を一緒に見続ける体制を持てるかが、この領域で受注競争力になっていくと私は見ている。
まとめ
興業銀行の開示から持ち帰るべきは、345という数字ではない。エージェントの出力を業務指標と収益に接続する計測線を先に引いたこと、そして人手との照合を運用に組み込んだことである。全社導入を検討しているなら、最初の問いは「どの業務にエージェントを置くか」ではなく、「置いた結果を何で測り、誰が測り続けるか」にしたほうがよい。そこが答えられないうちは、体数を増やしても稟議は通らない。
