744

CFA協会ブログ

No.744

2026年1月2日

金融におけるAI：変化するワークフローと高まる人間の判断への需要
AI in Finance: Changing Workflows, Growing Demand for Human Judgment

生成AIは、ほとんどの企業が適応できるよりも速いペースで投資ワークフローを変革しています。Claude for Financial Servicesのリリースは、投資業界におけるGenAIの適用における最新の進展です。ドメイン知識と専門的なワークフローの適合に重点を置くその特性は、汎用的な最先端LLM（大規模言語レベル）の設計思想とは異なり、金融ワークフローの進化の在り方、人間と機械のタスク分担、そして金融の未来で成功するために必要なスキルについて重要な問いを提起しています。

金融機関は、今世代で最も大きなテクノロジー主導の構造転換に直面しています。AI主導のデジタルトランスフォーメーションは、職務と投資プロセスを変革し、専門家は人間と機械の認知の境界を再考する必要に迫られています。一方、企業は競争力を維持するため技術基盤と人的資本のアップグレードに取り組んでいます。

こうした変化の中で、金融機関と専門家は成功に必要なスキルを再評価する必要があります。技術進歩のスピードと移行シナリオの不確実性を考えると、AIがワークフローと職務をどのように変えるかを予測することは困難です。それでもなお、この評価は、業界のリーダーとキャリアパスを検討している個人の両方にとって、戦略計画に不可欠です。

CFA協会は、AIの発展を継続的に監視・解釈し、金融プロフェッショナルが変化する環境を乗り越え、成功に必要なキャリアスキルを身に付けられるよう、ガイダンスと教育を提供しています。この使命を推進するため、私たちは投資業界におけるAIの構造的影響を分析するという野心的なプロジェクトに着手しています。これまでの研究を基に、AIが専門職の実務、判断、信頼、説明責任、そしてキャリアパスにどのような影響を与えるかについて、様々なシナリオを検討していきます。[1]

この文脈において、しばしば2つの疑問が生じます。AIは人間の専門家に取って代わるのでしょうか？そして、AIがほとんどの技術的タスクを実行できる未来の環境において、CFAプログラムの意義は何でしょうか？[2]

私たちは、これまで様々な場所で指摘してきたように、未来は「AI + HI」パラダイムと専門能力の継続的な重要性を特徴とする、人間と機械の補完的な認知能力によって定義されると考えています。この組み合わせがどのようなものかを理解するためには、まず投資ワークフローにおけるAIの導入状況を評価し、人間と機械の相互作用の様々な組み合わせを特徴とする将来のシナリオへの移行プロセスを特定する必要があります。

現在の状況

CFA協会は昨年初め、調査に基づく研究「投資管理プロセスにおけるビッグデータからの価値創造：ワークフロー分析」を発表しました。この研究では、アドバイザリー、分析、投資・意思決定、リーダーシップ、リスク管理、営業・顧客管理といった職務カテゴリーにおいて、様々なワークフロータスクにおけるテクノロジーの導入状況を分析しました。

この研究の重要なポイントは、投資プロフェッショナルが複数のプラットフォームやテクノロジーを駆使してタスクを完了するマルチホーミング戦略を採用していることです。分析職務カテゴリーでは、評価、業界・企業分析、調査レポート作成という3つのワークフロー例がこのパターンを示しています。

表は、各タスクで異なるテクノロジーを使用している回答者の割合を示しています。当然のことながら、Excelや市場データベースといった従来型のツールが引き続き最も多く使用されていますが、回答者は従来のソフトウェアに加えて、Pythonや生成AIなどのツールも統合していると報告しています。例えば、回答者の90%が評価業務にExcelを使用していると回答しましたが、20%はPythonもこのワークフローで使用しています。分析業務においては、生成AIは調査レポートの作成支援に最も多く使用されており、回答者の27%がこれを挙げています。[3]

出典：Wilson, C-A, 2025, Creating Value from Big Data in the Investment Management Process: A Workflow Analysis: https://rpc.cfainstitute.org/research/reports/2025/creating-value-from-big-data-in-the-investment-management-process.

生成AIの実践：ワークフローの例

業界および企業分析を実施する場合を考えてみましょう。2024年の調査実施時点では、回答者の16%がこのワークフローで生成AIを使用していると回答していました。 Automation Aheadコンテンツシリーズの「金融のためのRAG：LLMによるドキュメント分析の自動化」では、生成AIがこのワークフローをどのように強化するかについて具体的な例を示しています。

このケーススタディは、RPC Labs GitHubリポジトリにあるPythonノートブックで補完されています。このノートブックでは、RAGがポートフォリオ企業の委任状説明書から役員報酬とガバナンスの詳細を抽出し、結果を構造化された表に提示する方法を示しています。これは、このワークフローで実行される複数のタスクの1つです。

このようなタスクは従来、手作業で膨大な時間を必要とし、必要な労力はポートフォリオの保有銘柄数に大きく左右されていました。生成AIを使用すれば、わずかな追加計算量でプロセスを効率的に拡張できるため、アナリストは手作業によるデータ抽出や表形式比較の準備から解放されます。

データ抽出と情報提示のタスクを生成AIモデルにアウトソーシングすることで、アナリストはデータの準備ではなく解釈に集中できます。アナリストは数値を分析する代わりに、モデルを照会することで出力を評価し、データの妥当性を確認し、分析の限界を理解し、エラーを修正し、追加情報や他のソースからの洞察で出力を補完することに注力します。これらはすべて、ポートフォリオ全体の潜在的なガバナンスリスクを特定するという目標達成に向けられたものです。

この例は、人間のアナリストの必要性を排除するどころか、批判的思考と意思決定のための時間と能力を増やすことで、人間の入力からより大きな価値を引き出すことができることを示しています。また、AIの限界（このようなタスクの精度スコアは不完全）と、人間による監視と判断が依然として必要であることも示しています。

進化

エージェントAIは、ワークフローをさらに強化し、人間と機械のインタラクションを深める強力なツールとして登場しました。これらのツールは、RAGの限界の一部を活用し、思考連鎖推論と外部関数呼び出しを組み込んでいます（CFA協会の記事「金融におけるエージェントAI：ワークフロー、ヒント、ケーススタディ」をご覧ください）。AIエージェントは、機械が実行できるタスクの範囲を拡大し、人間と機械のインタラクションの将来の方向性を決定づける可能性があります。

出典：Pisaneschi, B., 2025, Agentic AI For Finance: Workflows, Tips, and Case Studies: https://rpc.cfainstitute.org/research/the-automation-ahead-content-series/agentic-ai-for-finance.

多くの点で、この進化はマルチホーミング戦略を拡張したものに過ぎず、複数のツールとプラットフォームを単一のユーザーインターフェースに統合しています。Claude for Financial Servicesはこのアプローチを反映しており、市場データベースやExcelなどの従来のプラットフォームに接続して、ユーザー向けのレポートや分析を作成します。このように、AIは他のソフトウェアツールの上位にあるアプリケーション層として機能し、監督と説明責任を保持する人間のアナリストと連携します。

専門家としての判断は、仮定を検証し、データソースや参考文献を検証するために依然として不可欠です。さらに、これらのツールを効果的に活用するには、金融と投資に関する確固たる基礎知識も不可欠です。これにより、アナリストはモデルの出力を信頼し、それを自分のものとして捉え、投資判断の合理的な根拠を維持できるようになります。

専門家には、倫理的価値観に基づいた関係構築や、忠誠心、慎重さ、注意義務の遂行など、機械にアウトソーシングできないソフトスキルも必要になります。

今後、CFA協会は、AIが投資専門職を変革する中で、ワークフローとスキルに関する詳細な調査を実施していきます。タスクの組み合わせと、それらを遂行するために必要なスキルは、私たちが予期しない形で進化し続けることは間違いありませんが、AI+HI原則は、倫理的な専門職実務と健全な投資運用の基盤であり続けると期待しています。

実務を担う方々には、コメント欄にて、ご自身が観察されているスキルやワークフローの変化について、ご意見を共有いただければ幸いです。

[1] CFA協会のAIに関する研究インベントリには以下が含まれます:

AI in Asset Management: Tools, Applications and Frontiers

AI Pioneers in Investment Management (2019)

T-Shaped Teams: Organizing to Adopt AI and Big Data at Investment Firms (2021)

Ethics and Artificial Intelligence in Investment Management: A Framework for Professionals (2022)

Handbook of Artificial Intelligence and Big Data Applications in Investments (2023)

Unstructured Data and AI: Fine-Tuning LLMs to Enhance the Investment Process (2024)

AI in Investment Management: Ethics Case Study (2024); AI in Investment Management: Ethics Case Study Part II (2024)

Creating Value from Big Data in the Investment Management Process: A Workflow Analysis (2025)

Synthetic Data in Investment Management (2025)

Explainable AI in Finance: Addressing the Needs of Diverse Stakeholders (2025)