株式会社renue
renueについて
renueは、AIで業務を実装する会社です
AIコンサルティングから図面AI・広告運用エージェント・コールセンターAIまで、実際に動いているサービスをご覧いただけます。renueが何をしている会社か、まずはサービス一覧からご確認ください。
銀行の審査部門の業務内容｜信用格付けから審査意見書まで徹底解説
審査部門は、法人営業部門（RM）が起案した融資案件のリスクを独立した立場から評価し、融資実行の可否を判断する部門です。RMが「融資をしたい」と提案するのに対し、審査部門は「融資しても大丈夫か」を検証する—この牽制関係が銀行の健全性を維持する仕組みです。
本記事では、審査部門の主要業務（信用格付け、財務諸表分析、担保評価、審査意見書作成、モニタリング）を具体的な業務フローとともに詳細に解説します。金融庁は2026年に向けて、財務情報だけでなく技術力・知財・顧客基盤も含めた総合的な融資判断を求める新指針を示しています（出典：日本経済新聞）。
審査部門の位置づけ
銀行の融資プロセスは「営業→審査→決裁」の3ステップで構成されます。
- 営業（RM）：顧客との関係構築、融資ニーズの把握、稟議書の起案
- 審査：稟議書の内容を独立して精査し、融資の妥当性を判断
- 決裁：権限者（支店長、部長、取締役等）が最終的な融資可否を決定
審査部門はこのプロセスの第2ステップを担い、RMとは独立した立場で信用リスクを評価します。この「営業と審査の分離」は銀行のリスク管理の根幹です。
審査部門の主要業務
業務1：信用格付けの算出
業務の詳細
信用格付けは、取引先企業の信用力を定量的・定性的に評価し、ランクを付与する業務です。格付けは融資の可否判断だけでなく、適用金利、融資限度額、引当金の算出にも影響します。
定量評価（スコアリング）
財務諸表の数値に基づく客観的な評価です。
| 評価カテゴリ | 主要指標 | 見るポイント |
|---|---|---|
| 安全性 | 自己資本比率、流動比率、固定長期適合率 | 倒産リスクの低さ |
| 収益性 | 売上高営業利益率、ROA、ROE | 稼ぐ力の強さ |
| 成長性 | 売上高伸び率、経常利益伸び率 | 将来の成長ポテンシャル |
| 返済能力 | DSCR（債務返済カバー率）、インタレスト・カバレッジ・レシオ | 借入金を返せるか |
| 効率性 | 総資産回転率、棚卸資産回転期間、売上債権回転期間 | 資産を効率的に使えているか |
定性評価
数値だけでは測れない要素を評価します。
- 経営者の資質：経営能力、後継者の有無、過去の実績
- 業界見通し：市場の成長性、競争環境、規制リスク
- 企業の競争力：技術力、ブランド力、顧客基盤、知的財産
- 取引状況：メインバンクかサブバンクか、預金残高、為替・デリバティブの取引状況
債務者区分
格付けの結果、取引先は以下の債務者区分に分類されます。これは旧金融検査マニュアル（2019年12月廃止）別表の枠組みで、金融庁は廃止後も「現状の実務を否定せず、現在の債務者区分を出発点」にするとしています（金融庁「検査マニュアル廃止後の融資に関する検査・監督の考え方と進め方」）。同文書の別紙では要管理先は要注意先の内訳として定義されており、融資方針は区分で一律に決まるものではないため、下表の融資方針欄は各行が自らの方針と債務者の実態に応じて定める対応の例です。
| 区分 | 定義 | 融資方針の例（各行の方針・債務者の実態で異なる） |
|---|---|---|
| 正常先 | 業績良好で財務内容にも問題ない | 積極的に融資 |
| 要注意先 | 業績低調・財務内容に問題あり | 慎重に対応 |
| 要管理先（要注意先の内訳） | 要注意先のうち、債権の全部または一部が要管理債権（3か月以上延滞債権または貸出条件緩和債権）である債務者 | 経営改善計画の策定支援と与信管理の強化（実現可能性の高い抜本的な経営再建計画があればその他要注意先へ見直しうる） |
| 破綻懸念先 | 経営難で今後破綻する可能性が高い | 新規融資は慎重に判断（事業継続が可能と判断して再生支援の融資を続ける例もある） |
| 実質破綻先 | 深刻な経営難で実質的に経営破綻 | 回収に注力 |
| 破綻先 | 法的・形式的に経営破綻 | 担保回収 |
この業務で人間にしかできないこと
- 定性評価（経営者の人物評価、事業の将来性の判断）
- スコアリングでは測れない「変化の兆し」の察知（業績は良いが受注残が急減している等）
- 金融庁新指針に基づく技術力・知財の評価
業務2：財務諸表分析
業務の詳細
- 決算書の入手：取引先から直近3期分のBS/PL/CF計算書を受領
- 実態バランスシートの作成：表面上の数値ではなく、実態に即した修正（不良資産の時価評価、簿外債務の加算等）を加えた実態BSを作成
- 時系列分析：3期分の財務指標の推移を分析し、改善/悪化のトレンドを把握
- 同業比較：同業種・同規模の企業との財務指標の比較
- キャッシュフロー分析：営業CF、投資CF、財務CFの構造を分析し、資金繰りの安定性を評価
この業務で人間にしかできないこと
- 実態BS作成における「この資産は本当に額面の価値があるか」の判断
- 財務数値の裏にある経営事象の読み解き（「売上は伸びているが、利益率が低下している原因は何か」）
業務3：担保評価
業務の詳細
- 不動産担保：路線価、固定資産税評価額、不動産鑑定評価を参考に担保価値を算定。掛目（通常70%程度）を適用
- 有価証券担保：株式、債券の時価に掛目を適用して担保価値を算定
- 売掛金・在庫担保（ABL）：動産担保融資の場合、売掛金の回収可能性、在庫の処分価値を評価
- 保証：信用保証協会の保証、個人保証の有効性を確認
この業務で人間にしかできないこと
- 不動産の個別性の評価（接道状況、用途地域の将来変更可能性、土壌汚染リスク等）
- 在庫担保の処分可能性の判断（「この在庫は市場で売れるか」の実務判断）
業務4：審査意見書の作成
業務の詳細
審査意見書は、RMが起案した稟議書に対して、審査部門が独立した立場から意見を述べる文書です。
- 稟議書の精査：RMの稟議書の記載内容（融資条件、財務分析、リスク評価）を検証
- 独自分析の実施：審査部門独自の視点で追加分析（業界リスクの深掘り、ストレスシナリオの検討等）
- 意見の記述：融資の妥当性に対する審査意見（「適当と認める」「条件付で適当」「不適当」等）を根拠とともに記述
- 条件の付加：必要に応じて融資条件の修正（コベナンツの追加、担保の追加等）を提言
この業務で人間にしかできないこと
- 稟議書の論理展開が「本当に説得力があるか」の判断
- RMのバイアス（融資を通したい気持ち）を見抜き、客観的にリスクを評価する力
- コベナンツの設計（どの指標を、どの水準で設定するか）
業務5：融資先モニタリング
業務の詳細
- 定期モニタリング：半期・年次で決算書を徴求し、信用格付けを更新
- コベナンツの遵守状況チェック：財務制限条項（自己資本比率の下限、追加借入の制限等）の遵守を確認
- 早期警戒シグナルの検知：延滞の発生、手形の不渡り、主要取引先の倒産等の信用悪化の兆候を監視
- 信用区分の変更判断：モニタリング結果に基づき、必要に応じて債務者区分を変更
この業務で人間にしかできないこと
- 定量データには現れない信用悪化の兆候（取引先の評判変化、経営者の健康問題等）の察知
- 債務者区分の変更判断（経営への大きな影響を伴う判断）
AI化の可能性と限界
AIで効率化できる業務
- 財務諸表のAI-OCR読取→指標自動算出：紙の決算書をデータ化し、財務指標を自動計算
- 定量スコアリングの自動化：財務指標に基づく信用スコアの自動算出
- 同業比較データの自動収集：同業種の財務データをAIが収集・比較表を自動生成
- 審査意見書のドラフト：財務分析結果+案件条件からLLMが意見書の骨子を自動生成
- 早期警戒の自動検知：取引先の財務データ・ニュースをAIが継続監視し、信用悪化の兆候を検出
人間にしかできない業務
- 定性評価：経営者の資質、事業の将来性、技術力の評価は人間の判断
- 実態BSの作成：「この資産は本当に額面の価値があるか」は現場感覚が必要
- 審査意見の最終判断：「融資してよいか」の判断結果と顧客への説明の責任は金融機関が負う。住宅ローンなど定型案件をAIで自動判定する場合でも、本記事では判定基準の設定、例外・否決案件の確認、結果の検証を人間が担う運用を想定する
- RMとの対話：稟議書の背景にある取引関係や経営者の意図をRMから聞き出す力
- 不動産担保の個別性評価：現地を見ないとわからないリスクの判断
まとめ
銀行の審査部門は、信用格付け、財務諸表分析、担保評価、審査意見書作成、融資先モニタリングの5つの業務で構成されています。営業部門から独立した「第二の目」として融資リスクを評価する機能であり、銀行の健全性の根幹を支えます。AIは財務データの処理と定量スコアリングで大幅な効率化が可能ですが、定性評価、実態BS作成、定型化できない案件の審査意見の最終判断、担保の個別性評価は人間の専門領域です。
銀行審査部門AI導入の設計観点: 3大落とし穴
本節では銀行審査部門AI導入の3大落とし穴を、公開文書・金融庁公式・銀行公式IR・業界レポートに基づく設計観点として整理する。金融庁「AIディスカッションペーパー」2025-03-04・日経 金融庁新指針 融資格付け柔軟化 2025-04・Sakana AI MUFG Bank 3年提携(2025-05)・Mizuho Group 生成AI信用稟議書作成公式を参考情報とし(日経は報道記事、ほかは当局・当事者の公式情報)、金融庁AI DP 2025-03+Sakana AI-MUFG 2025-05提携と「AI融資エキスパート」+Mizuho 稟議書AI+SMBC-GAI+中国工商「智貸通」「工小審」+建行 金融大模型+DeepSeek大行展開連動の設計観点を示す。
① 信用格付け+審査意見書×金融庁「AIディスカッションペーパー」2025-03×赤字企業成長評価新指針
銀行審査最大の戦略軸は信用格付けAI+審査意見書AI+金融庁新指針対応。金融庁「AIディスカッションペーパー」2025-03-04公表=AI審査における透明性・説明責任・バイアス監視の業界共通原則提示+金融機関AIガバナンス基盤。金融庁新指針2025-04(日経報道)=銀行融資格付けを柔軟化+赤字企業でも成長力評価+従来型財務諸表中心評価→Forward-looking Growth+Non-financial Data+Cash Flow Projection+業種特性+ESG要素統合。審査AIモデルを提供するベンダーも登場しており、一部の金融機関では定型的な案件の審査自動化が進んでいると報じられています。
信用格付け+金融庁DP+新指針×AI審査の3大落とし穴:(i)赤字企業成長評価の主観性(Forward-looking Projection+Non-financial Data+ESG+業種特性+成長力定量化難易度+AI Model Training Dataの過去財務偏重+Future Growth Signal Weak Feature+新規業態対応遅延)、(ii)AI DP 2025-03 説明責任×XAI(SHAP/LIME)(金融庁AI DPの説明責任要請+不利益処分Explanation Right+XAI Technique(LIME/SHAP)標準化+Regulatory Audit Trail)、(iii)RM(Relationship Manager)と審査部の牽制関係×AI判定(Three Lines of Defense+第1線RM案件起案+第2線審査部独立評価+AI自動承認時の牽制機能維持+人間最終判断責任境界)。設計観点: 信用格付けAI+成長力Forward-looking Scorer+XAI LIME/SHAP Integrator+金融庁AI DP 2025-03準拠Audit Trail+Three Lines of Defense維持Framework+RM-審査AI境界Validator。
② 大手銀行AI審査×Sakana AI-MUFG AI融資エキスパート×三菱総研 審査AIサービス×七十七銀行住宅ローン
日系銀行審査AI動向:(a)MUFG=Sakana AI 2025-05 3年Multiyear Strategic Partnership+「AI融資エキスパート」(AI Lending Expert)(初期分析・情報整理・財務シミュレーション・稟議書ドラフト作成を支援。約6か月のPoCを経て一部拠点での実案件検証に移行し、全国拠点へ段階展開する予定と2026-03-06に公表。全行導入済みではない)+Deep Learning+NLP for Credit Assessment+Biz LENDING、(b)大手銀行グループ=生成AIによる信用稟議書ドラフトの自動作成に取り組む動きが公表されています、(c)SMBC=SMBC-GAI platform+Established Vendor Partnership+Pragmatic戦略、(d)三菱総合研究所「審査AIサービス」+七十七銀行 住宅ローン審査実務への適用(2025-01-27開始。七十七信用保証が取り扱う案件が対象で、50%以上が自動かつリアルタイムで承認と判定される見込みと公表。実績値ではない)の導入事例、(e)地銀DX=地方銀行での審査AI稟議書作成AI導入が2026年に入っても加速。
Sakana AI-MUFG AI融資エキスパート×地銀展開×Human-in-the-Loopの3大落とし穴:(i)AI Loan Expert Learning from Human Feedback×Model Drift(公表資料は熟練行員の暗黙知をAIに取り込む方法を特定したと述べるにとどまるため、以下は行員のフィードバックを継続学習に使う場合の設計上の論点+Human Banker Feedback Continuous Learning+Model Drift監視+Regression Testing+Periodic Revalidation+Benchmark Dataset維持)、(ii)中小企業AI自動審査vs Relationship Banking価値(AI自動承認で中小企業向けネット融資拡大 vs 伝統的Relationship Banking(経営者人物・業界知見・地域特性)価値+Hybrid Model設計+AI vs Human判断境界)、(iii)地銀AI導入Cost-benefit(外部のAI審査サービス利用料+内製開発コスト+SaaS型クラウドAI審査+On-premises+閉域ネットワーク要件+小規模地銀+信用金庫予算制約+業界共通化Platform戦略)。設計観点: AI Loan Expert Feedback Learning+Model Drift Monitor+Relationship Banking vs AI Hybrid Designer+地銀AI Cost-benefit Calculator+業界共通Platform戦略Advisor。
③ 中国銀行業信貸AI×工商「智貸通」「工小審」×建行 金融大模型×DeepSeek大行展開×Multi-regional Credit AI Governance
中国銀行信貸AI動向:(a)工商銀行=融資全流程智能体矩陣「智貸通」（法人顧客の営業・デューデリジェンス・審査・承認・存続期間中の管理を対象とする同行の2026年5月の開示）+多面的な情報と推論を組み合わせた信用リスク評価+信貸評審AI数字助手「工小審」（同行の2025年経営報告で機能改善に言及）、(b)建設銀行=DeepSeek-R1ベースの推論型金融大模型を本番環境に私有化デプロイし、智能客服・客戸営銷・授信審批・風険管理等にAIを適用(同行の2024年度業績発表 2025-03-28)+金融影像文字識別を審査に使う場合は、帳票種類別に項目単位の正解率と誤読時の人手確認フローを自行データで検証、(c)連合学習の展開=多金融機関Federated Learning+効果は、導入前後を同一期間・同一母集団でそろえ、機関をまたぐ不正検知の適合率・再現率と、融資の承認率・延滞率を比較して自行で検証する(特定機関の成果数値は本記事では確認していない)、(d)DeepSeek大行展開=工商銀行(2025年3月公表の同行経営報告でDeepSeekの開源大模型の私有化デプロイと「工銀智涌」を紹介)+建設銀行(上記の同行発表)+その他の銀行の導入状況は各行の公表資料で個別に確認+DeepSeek Custom Training+貸前評估+貸中審核+貸後予警 Closed-loopは設計上の適用範囲、(e)大小模型協同=LLM自然言語+Knowledge Generation+Small Model精准風控+影像識別場景化運用。
Multi-regional Credit AI×聯邦学習×大小模型協同×PIPL/GDPRの3大落とし穴:(i)Cross-border Credit Data Sharing(個人情報保護法+中国PIPL+EU GDPR+Credit Bureau Data+Consumer Credit Report+Cross-border Credit Decision+Federated Learning技術vs法制度差異)、(ii)大小模型協同Architecture(LLM汎用+Small Model特化 Hybrid設計+Edge Inference+Cloud Training+Model Cascade+Efficiency vs Accuracy Trade-off+Model Card Management)、(iii)Multi-regional Credit AI Governance Gap(日本FSA 2025-03 AI DP+EU AI Act High-risk Credit Scoring(個人の信用力評価・信用スコア算定はAnnex III第5項(b)に列挙された用途。金融詐欺検知は同項の対象外で、具体的な高リスク分類は第6条の条件も確認する。Annex III高リスク義務の適用は、Regulation (EU) 2026/1744(2026-07-24官報掲載、欧州委員会は2026-07-27発効と公表)により2026-08-02から2027-12-02へ延期)+米国ECOA Fair Lending Equal Credit Opportunity Act+Algorithm Registration+Cross-border Regulatory Reporting統合)。設計観点: Cross-border Credit Data Sharing Orchestrator+Federated Learning Legal Validator+大小模型協同Architecture Designer+Edge Inference vs Cloud Balance+EU AI Act High-risk Credit Scoring Readiness+ECOA Fair Lending Multi-regional Compliance。
AI設計観点整理: Claude Opus 4.7等のLLMは、金融庁「AIディスカッションペーパー」2025-03-04+日経 金融庁新指針 融資格付け柔軟化 2025-04+三菱総研 審査AIサービス+七十七銀行 住宅ローン審査業務におけるAI審査の導入事例+Sakana AI-MUFG 3年提携 2025-05とAI融資エキスパート(実案件検証段階)+Mizuho Generative AI信用稟議書+SMBC-GAI+Biz LENDING+十六銀行+京都銀行+Emerj MUFG AI Initiatives+Klover MUFG AI Strategy+qorusglobal MUFG AI-driven Small Business Loans+工商銀行 融資全流程智能体矩陣「智貸通」+工小審+建設銀行 金融大模型(授信審批)+DeepSeek大行展開(工商・建設)+大小模型協同+EU AI Act High-risk Credit Scoring(適用は2027-12-02へ延期)+米国ECOA Fair Lending+中国PIPL+Cross-border Credit Regulatory等の公開資料(本節でリンクを付したもの以外は名称の列挙であり、本記事で個別に内容を確認したものではない)を読み込ませて横断参照させることで、信用格付けAI+成長力Forward-looking+XAI LIME/SHAP+金融庁AI DP準拠+Three Lines of Defense+AI Loan Expert Feedback Learning+Relationship Banking Hybrid+地銀Cost-benefit+大小模型協同+Multi-regional Credit AI Governance設計の方向性が開ける。
