銀行AI活用の現在地：BarclaysがClaudeを全社展開する理由

銀行AI活用は、試験的なチャットボット導入から、開発や定型業務、顧客対応を含む全社的な仕事の見直しへ進みつつあります。英国の大手銀行Barclaysは、AnthropicのClaudeを世界規模で業務に広げ、安全性とガバナンスを前提に、業務効率化と顧客体験の改善を目指しています。

特に重要なのは、Claudeを単なる質問応答ツールとしてではなく、ソフトウェア開発や古いシステムの刷新、業務プロセスの改善を支える基盤として位置づけている点です。この記事では、Barclaysの発表から読み取れる取り組みの内容と、他社が銀行AI活用から学べる導入の考え方を解説します。

Barclaysの銀行AI活用は何を変えようとしているのか

Barclaysの取り組みは、AIを一部の実験チームだけで使うのではなく、銀行全体の仕事の流れに組み込もうとするものです。狙いはAIの導入件数を増やすことではなく、従業員がより重要な判断や顧客対応に集中できる環境をつくることにあります。

元記事によると、BarclaysはAnthropicとの戦略的な協力関係を拡大し、Claudeを複数の業務領域で活用します。対象には、ソフトウェア開発のスピード向上、レガシーシステムの現代化、日常的な定型作業の効率化、顧客や取引先へのサポート改善、組織全体の業務プロセスの見直しが含まれます。

ここでいうレガシーシステムとは、長年使われてきた古い業務システムのことです。銀行では多くの機能が複雑につながっているため、ひとつの変更が別のサービスに影響する可能性があります。AIによって既存コードや関連処理を整理できれば、開発者が調査に費やす負担を減らせる可能性があります。

チャットボットから業務基盤への転換

一般的なAI導入では、文章作成や問い合わせ対応など、目に見えやすい用途から始めるケースがあります。しかしBarclaysの発表では、Claudeを開発、システム刷新、定型処理など、業務の裏側を支える用途にも広げる方向が示されています。

これは、AIを単独の便利なアプリとして扱うのではなく、社員が日常的に使う仕事の道具として組み込む考え方です。メールや表計算ソフトと同じように、調査、整理、下書き、コード理解といった作業を支援する存在になれば、AIの価値が特定部署だけに閉じにくくなります。

Claude Codeがソフトウェア開発を支援する仕組み

Claude Codeは、プログラムの作成だけでなく、既存コードの理解、修正、テスト、開発作業の補助に使える開発者向けAIツールです。Barclaysは、元記事によると2026年末までに開発者の約50％がClaude Codeを利用する状態を目指し、2027年にはソフトウェアエンジニアの過半数が利用する見通しを示しています。

大規模な銀行では、過去に作られたプログラムが長い期間にわたって追加・修正されています。その結果、担当者が変わるとコードの意図が分かりにくくなったり、新機能を追加する前に影響範囲を調べる時間が長くなったりします。Claude Codeは、こうした理解や整理の作業を支援する役割を担います。

たとえば開発者は、複数のファイルにまたがる処理の関係を説明させたり、変更案を作成させたり、テストの準備を補助させたりできます。ただし、AIが示したコードをそのまま本番環境へ反映することが目的ではありません。金融機関では、人間によるレビューや承認を含む開発手順が欠かせません。

このように見ると、AIの価値は開発者を置き換えることより、調査や下準備にかかる時間を減らすことにあります。開発者が複雑なコードの全体像を把握しやすくなれば、システム刷新の計画を立てる際にも役立つでしょう。

銀行でAIを使うときにガバナンスが重要な理由

銀行AI活用では、AIの性能だけでなく、どのデータを扱い、誰が判断し、問題が起きたときにどう対応するかを決めるガバナンスが重要です。顧客の資産情報や個人情報を扱う金融機関では、便利さだけを理由にAIへ情報を入力することはできません。

ガバナンスとは、AIの利用ルール、監督、記録、責任分担を含む管理の仕組みです。AIが作成した回答や提案に誤りが含まれる可能性を前提に、人間による確認や承認、利用履歴の記録、判断根拠の確認方法を設計する必要があります。

特に顧客対応や金融サービスに関係する業務では、AIの出力が顧客へどのような影響を与えたかを確認しなければなりません。AIの回答を採用した結果、説明不足や誤案内が起きた場合に、原因を追跡して修正できる仕組みが求められます。

• AIへ入力してよいデータと、入力してはいけないデータを区分する
• AIの出力を確認する担当者と承認手順を決める
• 利用履歴や判断の根拠を記録できるようにする
• 誤りや情報漏えいが起きた場合の報告・修正方法を整える
• 従業員にAIの限界や安全な使い方を教育する

利用者を増やすほど、ルールを知らないまま使う人が出るリスクも高まります。そのため、導入率を上げる施策と、正しく使える組織をつくる教育は切り離せません。安全性を後から追加するのではなく、導入設計の段階から組み込むことが大切です。

Barclaysの事例から企業が学べる導入手順

企業が銀行AI活用から学ぶべきなのは、特定のAI製品を導入することではなく、業務上の課題から逆算して利用範囲を決める姿勢です。AIを使うこと自体を目標にせず、作業時間、判断の質、顧客体験など、変えたい成果を先に定義します。

導入を進める際は、すべての業務を一度にAI化するのではなく、情報の扱いと失敗時の影響を考えながら対象を分けると整理しやすくなります。たとえば、社内文書の要約やコードの説明は支援用途として始めやすい一方、顧客への最終回答や重要な金融判断には、より厳格な確認が必要です。

1. 業務の中から、時間がかかる調査・整理・定型処理を洗い出す
2. 扱う情報の機密性と、誤りが起きた場合の影響を分類する
3. AIに任せる範囲と、人間が必ず確認する範囲を決める
4. 利用ルール、権限、記録、教育の仕組みを整える
5. 業務や顧客への影響を確認し、対象範囲を段階的に見直す

この手順では、導入効果を単純な利用者数だけで評価しません。定型作業にかかる時間がどう変わったか、従業員が重要な業務へ移れたか、顧客や取引先へのサポートが改善したかを確認することが重要です。

元記事でBarclaysの担当者が説明しているように、テクノロジーの価値は導入した事実ではなく、顧客、取引先、従業員にどのような影響と成果をもたらしたかで測るべきです。この視点は、銀行以外の企業にもそのまま応用できます。

銀行AI活用は業務をどう変えていくのか

銀行AI活用の次の焦点は、AIを使うかどうかではなく、どの業務に、どの管理体制で、どこまで組み込むかです。Barclaysの事例は、AIが専門部署だけの特別な道具から、開発者や幅広い従業員が日常的に使う業務基盤へ移行する可能性を示しています。

一方で、AIは人間の仕事をすべて自動化するものとして考えるより、調査、文章作成、コード理解、定型処理など、時間のかかる作業を支援するものとして捉える方が現実的です。AIに下準備を任せ、人間が判断、説明、責任を担う役割分担が重要になります。

今後、企業が成果を出すには、モデルの機能比較だけでなく、業務フロー、データ管理、権限、教育、監査まで一体で設計する必要があります。便利な機能を導入して終わりではなく、使い方を継続的に見直せる組織づくりが求められます。

AI導入の目的は、AIを使ったという実績ではなく、人と顧客にとって仕事がより安全で分かりやすくなることです。

Barclaysの発表は、大規模組織におけるAI活用が実験段階を越え、全社の仕事の進め方を変える段階に入っていることを示す事例です。自社で導入を検討する場合も、まずは効果が見込める作業を見つけ、安全な利用条件と人間の確認手順をセットで考えてみましょう。

出典: BarclaysによるClaude活用の発表

よくある質問