本記事の起点となる報道：
日本経済新聞「みずほFG、10年で事務職を最大5000人削減 AI活用で他部門に再配置」（2026年2月27日）
事務職5,000人削減が意味するもの
2026年2月、みずほフィナンシャルグループが今後10年間で全国に約1万5,000人いる事務職員を最大5,000人減らす方針を打ち出した。AIを活用して社内業務を効率化し、余剰人員は解雇せず、店舗での個人向け営業や資産運用部門など他部門に再配置する。口座開設や送金手続きに必要な書類の確認、顧客情報の登録といった事務業務にAIを本格導入し、2026〜28年度の3年間で500億〜1,000億円を投じる計画だ。
この動きは、単なるコスト削減ではない。
みずほは4月に、事務職員を束ねる部署の名称を「事務グループ」から「プロセスデザイングループ」へ改称する。事務を"こなす"組織から、業務プロセスを"設計する"組織へ。名称変更は象徴的だ。定型作業はAIに任せ、人間は業務の構造そのものを設計する側に回る──そういう宣言である。
では問おう。
AIで、口座開設や送金に潜む不正は防げるのか？
口座開設時の本人確認、送金手続きにおける不正検知、顧客情報の真正性の担保。金融機関にとって、これらの業務は単なる事務処理ではない。反社会的勢力への資金流出、マネーロンダリング、なりすましによる不正送金──一件の見落としが行政処分に直結し、国際的な信用を失墜させる。この領域にこそ、AIの力が最も期待されている。だが同時に、この領域にこそ、AIの限界が最も鋭く現れる。
AIはここまで来ている
公平に言えば、金融分野のAI活用はすでに相当な水準に達している。
eKYC（electronic Know Your Customer）は、口座開設時の本人確認をオンラインで完結させる技術だ。顔認証、身分証のOCR読み取り、データベースとの照合。従来は窓口で人が目視していた書類の確認作業を、AIが数秒で処理する。
AML（Anti-Money Laundering）の領域では、AIが過去の不正パターンを学習し、送金手続きにおける異常をリアルタイムで検知する。深夜の高額送金、短期間の口座開設と解約の繰り返し、特定国への頻繁な送金。こうした「既知のパターン」に対しては、AIは人間より速く、正確に反応できる。
取引モニタリングも進化した。数百万件の取引データを同時に監視し、リスクスコアを自動算出する。従来は数十人のチームが数日かけて行っていたスクリーニングを、AIは数分で完了する。
これだけ見れば、口座開設や送金に絡む不正の問題はAIが解決してくれるように思える。
データに現れないリスク
だが、現実はそう単純ではない。
AIが得意とするのは、過去のデータにパターンが存在するケースだ。「このような取引履歴を持つ口座は、過去に不正利用された口座と類似している」──そのような判定は、AIの独壇場である。
問題は、データに現れないリスクだ。
たとえば、初犯。過去に一切の不正履歴がなく、属性情報にも異常がない人物が、偽造身分証で口座を開設する。あるいは、正規の本人確認を通過した人物が、開設直後に口座を第三者に譲渡する。AIが参照すべき過去データが存在しない。
名義貸しも同様だ。表面上はまったく問題のない個人が口座を開設し、その口座が不正送金の中継点として使われる。本人の属性は正常であり、取引パターンも初期段階では正常に見える。AIが検知できるのは、不正送金が実行された「後」の異常であって、口座が渡された瞬間ではない。
さらに深刻なのが、フロント企業の問題だ。正規の法人格を持ち、正規の事業活動を行い、正規の取引先を持つ企業が、実態としては資金洗浄に利用されている。決算書も整っている。取引もある。従業員もいる。AIが見るデータ上は、正常な企業でしかない。
これらに共通するのは、「データ上は正常に見える不正」という構造だ。AIは過去のパターンから逸脱した異常を検知する。だが、そもそもパターンの外にある脅威──データに痕跡を残さない不正──に対しては、原理的に無力である。
検知と判断は違う
ここで、ひとつの構造的な転換点がある。
AIが行っているのは「検知」であって「判断」ではない。
取引モニタリングにおいてAIがアラートを上げる。リスクスコアが閾値を超えた口座がリストアップされる。ここまではAIの仕事だ。だが、そのアラートを見て「この口座を凍結するか」「この取引を停止するか」「この顧客との関係を解消するか」を決めるのは、AIではない。
AIは確率を出す。しかし確率は判断ではない。
リスクスコアが80点の口座がある。凍結すべきか。だが凍結すれば、もしそれが正常な顧客であった場合、損害賠償のリスクが生じる。凍結しなければ、もしそれが不正利用口座であった場合、行政処分のリスクが生じる。この二つのリスクの間で「どちらを取るか」を決めることは、AIにはできない。
そしてこの問題は、金融機関にとどまらない。
政府は現在、総務省・経済産業省が策定した「AI事業者ガイドライン」の改定を進めており、自律的に動くAIエージェントやロボットを制御するフィジカルAIに対応する方針だ。誤作動やプライバシー侵害のリスクを念頭に、「人間の判断を必須とする仕組み」づくりを開発企業などに求める内容が盛り込まれる。つまり、AIが自動で動く範囲と、人間が判断を引き受ける範囲を、あらかじめ設計しておく必要がある──そういう認識が、規制の側からも明文化され始めている。
問題は技術ではない。技術はすでに相当な水準にある。問題は、AIと人間のあいだに引かれるべき境界が、多くの組織でまだ設計されていないことだ。
問いを立て直す
みずほの「プロセスデザイングループ」という名称変更は、ある意味で正しい方向を示唆している。事務を処理するのではなく、プロセスを設計する。だがその「設計」の対象には、もうひとつ、決定的に重要なものが含まれていなければならない。
冒頭の問いに戻ろう。
「AIで金融不正は防げるのか？」
AIは不正の「検知精度」を上げることはできる。それは間違いない。だが検知された後の「判断」──口座を凍結するか否か、送金を停止するか否か、その責任を誰が負うか──は、AIの外にある問題だ。
この問いに正面から向き合うほど、その奥にもうひとつの問いが見えてくる。
「AIと人間のあいだの判断の線を、誰が、どう設計するのか？」
5,000人の事務職が削減される。AIが業務を代替する。その先に必要なのは、AIに任せる領域と人間が引き受ける領域の線引きを、組織として意図的に設計することだ。
それが Decision Design（判断の設計） である。
Decision Designは、判断という行為そのものを設計対象とする思想だ。
その中心にあるのがDecision Boundary（判断の境界） という概念である。誰が決めるのか。
どこまでを任せ、どこからを引き受けるのか。
その線を、無自覚のまま放置せず、意図的に設計すること。それがDecision Designである。
詳細版について
本稿は、公開範囲を基に構成したInsynergyの日本語サイト版です。詳細な議論と実装上の考察はnoteの詳細版で解説しています。