金融業でのAI活用：融資審査の事前ヒアリングをChatGPTで自動化した事例

「また今夜も終電か」——融資担当者を追い詰めていた"見えない残業"の正体

長野県内に本店を置くある信用金庫。融資担当歴12年のベテラン職員・田中さん（仮名）は、2023年の春先、デスクに積み上がった案件ファイルを前にため息をついていた。

「一番つらかったのは、顧客と向き合う時間より、その準備に時間を取られていることでした。融資相談って、お客様にとっては人生がかかった話じゃないですか。なのに私は、ヒアリングシートを作るだけで1時間近く使っていた」

この信用金庫では月に平均40〜50件の融資相談が持ち込まれる。飲食店の設備投資から、製造業の運転資金、農業法人の土地取得まで——業種も規模も資金使途もバラバラだ。当然、事前に確認すべき項目も案件ごとに大きく異なる。

田中さんのチームは4名。そのうち融資審査の実務を担えるのは田中さんを含む2名で、残り2名は入庫3年目以内の若手だった。ベテランが若手の案件まで抱え込む構造が続いており、毎月末になると残業時間が40時間を超えることも珍しくなかった。

この記事では、その信用金庫がChatGPTを使って融資相談の事前ヒアリングを自動化し、担当者の準備時間を60%削減するまでの過程を、失敗も含めてリアルに紹介する。

AI導入前——「ゼロから作る」という非効率が積み重なっていた

田中さんが最初に課題として挙げたのは、「テンプレートが使えない問題」だった。

一般的な融資審査では、財務状況・担保・返済能力・事業計画の4軸を確認する。しかしそれだけでは不十分で、業種ごとの特性や資金使途によって深堀りすべきポイントが変わってくる。

飲食業なら：客単価・回転率・食材仕入れ先の安定性・厨房スペックの確認
建設業なら：下請け比率・元請けとの取引年数・季節変動・重機の保有状況
介護事業なら：介護報酬の算定区分・人員配置基準・行政指導の履歴

「過去の案件ファイルを参考にしようとしても、ちょうど似た業種の案件が直近にあるとは限らない。結局、自分の経験と勘で一から書き起こすことになる」と田中さんは振り返る。

実際に計測したところ、1件あたりの事前ヒアリングシート作成にかかる時間は平均45分。月50件として計算すると、チーム全体で月に37.5時間がヒアリングシート作成だけに消えていた計算になる。これは1人の職員が丸1週間近く費やしている量だ。

しかも問題は時間だけではなかった。若手職員が作成したシートに抜け漏れがあり、実際のヒアリングで重要な確認事項を聞き忘れてしまうケースが月に2〜3件発生していた。その場合、再度顧客に連絡して追加確認する必要が生じ、顧客側の不満にもつながっていた。

「お客様から『また電話してくるの？』と言われたとき、本当に申し訳なかった。信頼関係に関わる問題です」

なぜChatGPTを選んだのか——他のツールも検討した3ヶ月間

田中さんがAI活用を本格的に検討し始めたのは2023年の夏。きっかけは、信金中央金庫が主催したDXセミナーへの参加だった。そこで他の信用金庫の事例を聞き、「うちでもできるかもしれない」と感じたという。

最初に検討したのは、金融機関向けに特化したSaaSツールだった。いくつかのベンダーから提案を受けたが、いずれも導入コストが高く（最安でも月額30万円超）、カスタマイズに3〜6ヶ月かかるという見積もりが出た。地方の中小規模の信金には、現実的な選択肢ではなかった。

次に検討したのがMicrosoft Copilotだ。すでにOffice 365を契約していたため、追加コストを抑えられる可能性があった。しかし当時（2023年夏時点）はまだCopilotの機能が限定的で、プロンプトのカスタマイズ性がChatGPTに比べて低いと感じた。

最終的にChatGPT（GPT-4）を選んだ理由は3つある。

プロンプトの自由度が高い：業種・金額・資金使途など複数の変数を組み合わせた複雑な指示に対して、精度の高いアウトプットが得られた
コストが現実的：ChatGPT Plusは月額20ドル（当時約2,800円）。チームの4名分でも月1万円程度に収まる
試行錯誤がしやすい：プロンプトを変えながら即座に結果を確認できるため、現場での改善サイクルが回しやすい

なお、コンプライアンス部門との事前協議には約1ヶ月を要した。「AIツール活用に関する内部規程」が整備されていなかったため、まずそこから始める必要があった。この点については後述する。

導入ステップ①——プロンプト設計に費やした「泥臭い2週間」

コンプライアンス承認が下りた後、田中さんが最初に取り組んだのはプロンプトの設計だった。最初に試したプロンプトは、こんなシンプルなものだった。

融資審査のヒアリング項目を教えてください。業種は飲食業、金額は500万円です。

返ってきたのは、確かにそれっぽいリストだった。しかし田中さんが読んで感じたのは「教科書的すぎる」という印象だった。

「財務三表の確認、担保設定の確認……そんなことは当たり前すぎて書いてある意味がない。私が欲しいのは、この業種・この金額・この資金使途だからこそ聞くべき、尖った質問なんです」

そこから2週間、田中さんは毎日昼休みの30分を使ってプロンプトを改善し続けた。試行錯誤の末に辿り着いたのが、以下のプロンプト構造だ。

あなたは地方信用金庫の融資審査部門で10年以上の経験を持つベテラン審査員です。以下の融資申請案件について、実際のヒアリングで見落としがちだが重要な確認ポイントを中心に、審査担当者が事前ヒアリングで確認すべき項目を20個リストアップしてください。一般的な財務確認（財務三表の提出依頼、担保確認など）は除外し、この案件特有のリスクや確認事項に絞ってください。
【案件概要】
業種：飲食業（ラーメン専門店）
申請金額：500万円
資金使途：厨房設備の更新（スープ炊き出し用の大型鍋・麺茹で機の入れ替え）
従業員数：5名（うちパート3名）
業歴：3年
直近の売上傾向：コロナ禍から回復傾向、直近6ヶ月は月次売上が前年比110%
【出力形式】
各項目について「なぜこれを確認するのか（リスクの根拠）」を1〜2文で添えてください。

このプロンプトで生成されたリストには、田中さんが「これは気づかなかった」と膝を打つ項目が複数含まれていた。例えば：

「設備更新期間中の営業継続計画（工事中の売上減少をどう補填するか）」
「新設備の操作に必要なスキルを現スタッフが持っているか、または研修コストの見込みは」
「スープの仕込み時間が変わることによるシフト体制への影響」
「設備メーカーの保証期間とアフターサービス体制（地方での対応可否）」

「特に設備更新中の営業計画は、私も経験上重要だと知っていたけど、ヒアリングシートに明示的に書いたことがなかった。若手が担当する案件でも、このリストがあれば同じ品質で聞けるようになる」

導入ステップ②——審査レポート下書きの自動生成

ヒアリングシートの自動生成が軌道に乗ったところで、次のフェーズに移った。ヒアリング後の審査レポート（稟議書の下書き）作成にもAIを活用するという試みだ。

田中さんがヒアリング中に取るメモは、箇条書きの断片的なものだ。それを整理して審査レポートの形式に落とし込む作業が、これまた1件あたり30〜40分かかっていた。

使用したプロンプトの構造はこうだ。

以下のヒアリングメモをもとに、信用金庫の融資審査レポート（稟議書下書き）を作成してください。構成は「事業概要」「資金使途の妥当性」「返済能力の評価」「リスク要因と対応策」「総合所見」の5項目とし、各項目200〜300字程度でまとめてください。なお、このメモに含まれる具体的な数値（売上・利益・借入残高など）はすべて仮の数字に置き換えてあります。
【ヒアリングメモ】
・創業3年、ラーメン専門店、席数18席
・月商約XXX万円（具体的な数値は伏せています）
・設備老朽化で麺茹で機が週1〜2回故障、修理コストが嵩んでいる
・新設備導入で月の修理費XX万円がゼロになる見込み
・工事期間は2週間、その間はランチのみ営業で対応予定
・代表者は調理師免許保有、新設備の操作研修は不要と確認
・既存借入なし、返済は月XX万円の5年返済を希望

重要なのは「具体的な数値はすべて仮の数字に置き換えてあります」という一文だ。これはコンプライアンス上の要件で、実際の顧客情報をAIに入力しないためのルールを守るための工夫だ（詳細は後述）。

ぶつかった壁——「使えない」と言われた3つの失敗

導入から最初の1ヶ月は、正直うまくいかないことの方が多かった。

失敗①：若手職員が「プロンプトを書くのが面倒」と使わなくなった

田中さんが丁寧に設計したプロンプトも、若手の2名には「長すぎて入力が大変」と敬遠された。実際、プロンプトを毎回コピーして案件情報を書き換えるだけでも、慣れないうちは10〜15分かかる。「これなら自分で書いた方が早い」という声が出た。

解決策：Notionにプロンプトテンプレートを整備し、案件情報を入れる箇所だけを「【ここを書き換え】」と明示した。さらに、よく出る業種（飲食・建設・小売・農業）については穴埋め形式のテンプレートを用意。入力の手間を3〜5分に圧縮した。

失敗②：AIが「もっともらしいウソ」を出力した

農業法人の融資案件で、AIが「農業経営基盤強化促進法に基づく〇〇制度を確認すること」という項目を出力した。担当者がそのまま使おうとしたところ、田中さんが確認すると、その制度名が実在しない（または名称が不正確な）ものだった。

「AIのハルシネーション（幻覚）問題は聞いていたけど、実際に目の前で起きると怖かった。若手がそのまま顧客に話していたら、信頼問題になっていた」

解決策：法令・制度名・固有名詞を含む項目は、必ずベテランが一次確認するルールを設けた。また、プロンプトに「法令名や制度名を引用する場合は、確認が必要な旨を括弧書きで注記してください」という一文を追加した。

失敗③：コンプライアンス部門からの「待った」

導入開始から3週間後、コンプライアンス部門から呼び出しがかかった。「顧客情報をAIに入力しているのではないか」という懸念が上がったのだ。

実際には田中さんのチームは匿名化ルールを守っていたが、ルールが文書化されておらず、口頭での申し合わせにとどまっていた。コンプライアンス部門は「口頭ルールでは管理できない」と判断し、一時的に使用停止を求めた。

「2週間、使えない期間がありました。あのとき、最初にちゃんと文書化しておけばよかったと本当に後悔した」

解決策：「ChatGPT活用に関する業務規程（案）」を田中さん自身が作成し、コンプライアンス部門と法務担当者とともに内容を精査。約2週間で正式な内部規程として承認された。規程の骨子は以下の通りだ。

顧客の氏名・法人名・住所・口座番号等の個人情報・法人情報は入力禁止
売上・借入残高等の具体的な数値は、仮の数字に置き換えてから入力する
AIの出力は「参考情報」であり、最終判断は必ず担当者が行う
出力内容に法令・制度名が含まれる場合は、ベテラン職員が内容を確認する
月次でAI活用状況を部門長に報告する

改善を重ねた末に——プロンプトの「完成形」とその運用

失敗と改善を経て、導入から約3ヶ月後に現在の運用形態が固まった。現在のワークフローはこうだ。

融資相談の申し込みが入ったら、担当者がNotionのテンプレートを開く
業種・申請金額・資金使途・従業員数・業歴の5項目を入力する（所要時間：約3分）
プロンプトをChatGPTに貼り付けて実行（所要時間：1〜2分）
生成されたヒアリング項目リストを担当者が確認・修正（所要時間：5〜10分）
修正済みリストを印刷してヒアリングに臨む

合計で15〜18分。以前の45分から約60%の削減を達成した。

さらに副次的な効果として、若手職員の成長スピードが上がったという。

「AIが出力したリストには、なぜその項目を確認するのかという理由が書いてある。それを読むことで、若手が審査の"なぜ"を学べるようになった。単なる時短ツールじゃなくて、OJTの教材にもなっているんです」

最終的な成果——数字で見る6ヶ月後の変化

導入から6ヶ月が経過した時点でのデータをまとめると、以下のような成果が出ている。

事前ヒアリングシート作成時間：1件45分 → 15〜18分（約60%削減）
チーム全体の月間削減時間：約37.5時間 → 約15時間（月22時間以上の削減）
ヒアリング後の追加確認発生率：月2〜3件 → 月0〜1件（約70%削減）
審査レポート作成時間：1件30〜40分 → 15〜20分（約50%削減）
顧客満足度調査（5段階評価）：融資相談プロセスの満足度が3.6 → 4.1に向上

顧客満足度の向上については、田中さんはこう分析する。

「ヒアリングの質が上がったことで、お客様が『この担当者はうちの業種をよく理解してくれている』と感じてくれるようになった。設備更新中の営業計画を聞いてくれた担当者に、お客様が『そこまで考えてくれているとは思わなかった』と言ってくださったことがあった。あの言葉は忘れられない」

また、月22時間以上の削減は、田中さんチームの残業時間の減少にも直結した。月末の残業が40時間超から25〜28時間程度に落ち着いた。「まだ多いですが、以前と比べると体が楽になりました」と田中さんは苦笑いしながら話す。

金融機関でAIを使う際に必ず押さえておくべき3つのこと

この事例から得られた教訓を、同様の課題を抱える金融機関の担当者に向けて整理しておきたい。

1. コンプライアンスの整備を「後回し」にしない

田中さんのチームが経験した「2週間の使用停止」は、最初に文書化されたルールを作っておけば避けられた失敗だ。AI活用の社内規程を整備することは、単なる手続きではなく、現場を守るための盾になる。金融機関という性質上、顧客情報の取り扱いには特に慎重を期す必要がある。

「まず小さく試してみる」というアプローチ自体は正しいが、コンプライアンス部門を最初から巻き込んでおくことが結果的に近道だ。

2. プロンプトは「現場の経験知」を込めて設計する

汎用的なプロンプトでは汎用的なアウトプットしか得られない。「ベテラン審査員として振る舞え」「一般的な確認事項は除外しろ」「なぜ確認するのかを添えよ」——こうした現場の経験知をプロンプトに組み込むことで、AIのアウトプットの質は劇的に変わる。

プロンプト設計は、ベテランの暗黙知を言語化するプロセスでもある。田中さんが2週間かけてプロンプトを磨いた作業は、同時に「自分が何を大事にして審査してきたか」を整理する作業でもあったと言う。

3. AIは「決定者」ではなく「準備の助手」として位置づける

融資審査の最終判断は、当然ながら人間が行う。AIが生成したヒアリングリストも、審査レポートの下書きも、あくまで「たたき台」だ。担当者が内容を確認し、修正し、自分の言葉で顧客に向き合う——その構造を崩さないことが、顧客との信頼関係を守る上でも、コンプライアンス上も不可欠だ。

「AIが出した答えをそのまま使うのではなく、AIが気づかせてくれたことを自分の判断に組み込む。そのスタンスが大事だと思っています」と田中さんは言う。

この事例が示す「地方金融機関のAI活用」の可能性

大手銀行や都市部のフィンテック企業と比べると、地方の信用金庫はデジタル化で「遅れている」と言われがちだ。しかし田中さんのケースは、高額なシステム投資や外部ベンダーへの依存なしに、現場の職員が自らプロンプトを設計し、業務改善を実現できることを示している。

月額20ドルのChatGPT Plusと、2週間の試行錯誤と、コンプライアンス部門との粘り強い対話。それだけで、チームの月22時間以上の残業を削減し、顧客満足度を0.5ポイント引き上げた。

「正直、最初はAIなんて自分たちには関係ないと思っていました。でも使ってみたら、道具なんですよね。ハンマーや電卓と同じ。使い方を覚えれば、誰でも使える」

田中さんは現在、同じ信金内の他の部署（預金・渉外・窓口）へのAI活用展開に向けて、社内勉強会の準備を進めている。最初の一歩は、昼休みの30分のプロンプト実験だった。

金融業界のAI活用は、まだ始まったばかりだ。