はじめに

「転職したばかりで住宅ローンが通らない」「起業直後は融資を受けられない」——日本では、こうした声が後を絶ちません。従来の銀行審査では、勤続年数や雇用形態が重視されるため、キャリアチェンジした人やフリーランスが不利になりやすい構造があります。

しかし今、AI（人工知能）を活用した与信審査が、この壁を打ち破りつつあります。口座の入出金データやオルタナティブデータをAIが分析することで、従来の画一的な審査では見えなかった「個人の信用力」を多角的に評価できるようになりました。金融包摂（ファイナンシャル・インクルージョン）は新興国だけの課題ではなく、日本でも急速に進化しています。本記事では、AI与信の最新動向と課題を詳しく解説します。

日本の銀行審査が抱える構造的課題

勤続年数・雇用形態に偏った評価基準

日本の住宅ローン審査では、多くの金融機関が「勤続年数3年以上」「正社員であること」を重要な審査基準としています。この基準は、終身雇用が一般的だった時代には合理的でした。しかし、転職が当たり前になった現代では、実力のある人材が融資を受けられないケースが頻発しています。

厚生労働省の調査によると、日本の転職者数は年々増加傾向にあり、特に30代・40代のキャリアチェンジが活発化しています。起業やフリーランスへの転向も増えていますが、こうした働き方の多様化に、従来の審査基準は追いついていません。

「スコアリングの空白地帯」問題

転職直後の人、フリーランス、ギグワーカーなどは、従来の信用スコアリングでは適切に評価されにくい存在です。安定した収入があっても、雇用形態が非正規というだけで審査に不利になることがあります。こうした「スコアリングの空白地帯」にいる人々を、いかに公正に評価するかが課題となっています。

AI与信審査の仕組みと国内事例

0.7秒で審査完了——十六銀行の事例

AI与信審査の具体的な成果として注目されるのが、十六銀行の事例です。同行は2026年1月から、三菱総合研究所が提供する「審査AIサービス」を住宅ローンおよび無担保証貸ローンの実務に導入しました。

このAIモデルは、従来の審査官が行っていた融資可否の判断パターンを学習したもので、住宅ローン案件の約80%、無担保証貸ローン案件の約60%を自動審査で処理できます。平均応答時間はわずか0.7秒以内です。従来は数日から数週間かかっていた審査が、ほぼリアルタイムで完了するのです。

同様のサービスは、めぶきフィナンシャルグループでも導入されており、住宅ローン・無担保ローン案件の7割をAIで自動審査する体制が整っています。

りそな銀行のオンライン融資

りそな銀行は中小企業向けに「りそなビジネスローン『活動力』」を提供しています。預金口座の入出金データをAI審査モデルで分析し、決算書の提出なしに信用力を判断できる点が特徴です。口座の取引履歴という「生きたデータ」を活用することで、財務諸表だけでは見えない企業の実態を把握できます。

NTTデータの融資稟議書作成AI

NTTデータグループは2026年、京都銀行に融資稟議書作成AIサービス「LITRON Generative Assistant on finposs」の導入を決定しました。生成AIが融資稟議書の作成を支援することで、年間最大1万1,700時間の業務削減が見込まれています。審査そのものだけでなく、審査に伴う事務作業の効率化もAIが担い始めています。

海外に見るAI金融包摂の先進事例

ケニア・M-PESAの成功モデル

金融包摂の世界的な成功例として広く知られるのが、ケニアのモバイル送金サービス「M-PESA」です。2007年に開始されたこのサービスは、銀行口座を持たない人々に金融サービスへのアクセスを提供しました。世界銀行が2025年7月に公表した「Global Findex Database 2025」によれば、2024年時点の金融取引口座保有率は世界全体で79%に達し、低・中所得国では2011年の42%から75%へと大幅に上昇しています。

世界経済フォーラムが推すAIスコアリング

世界経済フォーラム（WEF）は、AIクレジットスコアリングモデルの責任ある展開が金融包摂を前進させる有力な手段だと提言しています。従来の信用情報に乏しい層でも、公共料金の支払い履歴、携帯電話の利用パターン、ECサイトでの取引履歴といった代替データをAIが分析することで、信用力を評価できます。

ある学術研究では、100万人以上の金融サービス未利用者を対象にAIスコアリングを適用した結果、従来の審査では融資対象外だった層の多くに適切な与信判断が可能になったことが示されています。AIの予測精度が向上することで、貸し倒れリスクを抑えつつ融資対象を拡大できるのです。

東南アジアのフィンテック革命

東南アジアでは、銀行口座を持たない「アンバンクト」層が依然として多く存在します。インドネシアやフィリピンなどでは、フィンテック企業がスマートフォンの利用データや行動分析をもとに、独自のAI与信モデルを構築しています。LenddoEFLのようなプラットフォームは、行動分析と本人確認、不正検知を組み合わせることで、従来は融資不可能だった層への貸出を実現しています。

AI与信の課題とリスク

アルゴリズムバイアスの問題

AI与信審査の最大の課題は、アルゴリズムバイアスです。AIモデルは学習データに含まれる偏りをそのまま再現・増幅してしまう可能性があります。特定の地域、性別、年齢層に対して不当に不利な判断を下すリスクは否定できません。

金融庁は2025年3月に「AIディスカッションペーパー」を公表し、金融分野におけるAIの健全な利活用に向けた論点整理を行いました。特にLLM（大規模言語モデル）のような大規模パラメータモデルでは、公平性やバイアスの検証がさらに困難になると指摘しています。

説明可能性の確保

「なぜ融資を断られたのか」を借り手に説明できるかどうかも重要な課題です。ブラックボックス化したAIの判断では、申請者が改善点を知ることができません。金融庁は、技術中立的な規制スタンスを維持しつつも、人間の介入権を含む立法的対応の必要性を検討しています。

データプライバシーへの配慮

代替データの活用は融資機会を広げる一方で、個人のプライバシーに関わる情報を広く収集することになります。どこまでのデータ利用が許容されるのか、利用者の同意をどう取得するのか、データの保管・管理をどう徹底するのかといった点について、明確なルール整備が求められています。

まとめ

AI与信審査は、勤続年数や雇用形態に偏った従来の審査を刷新し、転職者・起業家・フリーランスにも公正な融資機会を提供する可能性を秘めています。十六銀行の0.7秒審査やりそな銀行の口座データ活用に見られるように、国内でも導入は着実に進んでいます。

一方で、アルゴリズムバイアスや説明可能性、データプライバシーといった課題への対応も不可欠です。AIの利便性と公正性を両立させるには、金融機関・規制当局・テクノロジー企業が連携し、透明性の高い仕組みを構築していく必要があります。

日本の金融包摂は「先進国だから問題ない」とは言えません。多様な働き方が広がる時代に、AIがその受け皿となれるかどうか。今後の動向に注目が集まります。

参考資料:

• 十六銀行で「審査AIサービス」の実務適用開始
• AI住宅ローン審査「0.7秒」の衝撃
• めぶきフィナンシャルグループで「審査AIサービス」の実務適用開始
• 金融機関向けの融資稟議書作成AIサービスを京都銀行に導入決定
• How AI credit scoring models can boost financial inclusion
• 金融庁 AIディスカッションペーパーの公表について
• 金融包摂とは？日本・海外事例とフィンテックとの関係性
• AI活用による与信審査高度化