株式会社renue
AI導入・DXの悩みをプロに相談してみませんか？
AIやDXに関する悩みがありましたら、お気軽にrenueの無料相談をご利用ください。 renueのAI支援実績、コンサルティングの方針や進め方をご紹介します。
銀行の稟議書作成をAIで効率化する方法｜財務データ×案件情報からLLMが融資稟議ドラフトを自動生成
銀行の法人営業（RM）にとって、融資稟議書の作成は最も時間を要する定型業務の一つです。顧客の財務データ、案件情報、業界動向、担保評価等の多様な情報を統合し、審査部門が判断できる形に構造化した文書を作成する——この一連のプロセスをLLM（大規模言語モデル）で効率化する動きが急速に広がっています。みずほFGでは「Wiz Create」シリーズで与信稟議作成を支援し、NTTデータは京都銀行に融資稟議書作成AIサービスの導入を決定しています（出典：NTTデータ "京都銀行に融資稟議書作成AIサービス導入"）。
業務の詳細フロー（現状の手作業）
ステップ1：顧客の財務データ収集
融資先企業の決算書（BS/PL/CF）を入手し、主要財務指標（売上高、営業利益率、自己資本比率、流動比率、有利子負債比率等）を算出・整理します。決算書はPDFで受領することが多く、手動でのデータ入力が発生します。
ステップ2：案件情報の整理
融資の目的（運転資金、設備投資、M&A等）、融資金額、期間、金利条件、担保・保証の条件、返済原資の見通し等の案件情報を整理します。顧客との面談記録やCRM情報を参照します。
ステップ3：信用分析・リスク評価
財務データに基づく定量分析と、業界動向・経営者の資質・事業の将来性等の定性分析を行い、信用リスクを評価します。内部格付けモデルの算出結果も参照します。
ステップ4：稟議書の執筆
上記の分析結果を統合し、審査部門が融資の可否を判断できる稟議書を執筆します。案件概要、融資条件、財務分析、業界分析、リスク要因、取り上げ理由（融資の妥当性の論拠）等のセクションで構成されます。この執筆作業に最も時間がかかります。
ステップ5：上席・審査部門へのエスカレーション
作成した稟議書を上席に回覧し、修正を経て審査部門に提出します。審査部門からの指摘事項への対応・修正も発生します。
課題・ペインポイント
- 作成時間の長さ：1件の稟議書作成に数時間〜1日を要し、RMの顧客対応時間を圧迫
- 財務データの手動入力：PDFの決算書から財務データを手動で転記する作業が非効率で、転記ミスのリスクも存在
- 品質のばらつき：RMの経験・スキルにより稟議書の分析の深さ、論理構成、表現力にばらつきが生じる
- 修正の繰り返し：上席・審査部門からの指摘による修正が複数回発生し、リードタイムが長期化
- 過去事例の活用不足：同業種・同規模の過去の稟議事例が組織内に蓄積されているが、検索・参照が困難
AI化のアプローチ（LLMによる実装イメージ）
入力データの設計
- 財務データ：決算書から抽出した主要財務指標（OCR/AI-OCRで自動抽出）
- 案件情報：融資目的、金額、期間、条件、担保・保証の内容
- 業界情報：対象企業の属する業界のレポート・動向（社内リサーチ部門のレポートまたは外部データ）
- 顧客情報：CRMに蓄積された過去の面談記録、取引履歴、既存の与信残高
- 稟議書テンプレート：自行の稟議書フォーマット、審査基準、必須記載事項
LLMへの指示（プロンプト設計の考え方）
- 役割設定：「あなたは銀行の法人営業部門の稟議書作成支援AIです。以下の財務データと案件情報に基づき、審査部門向けの融資稟議書のドラフトを作成してください」
- 構成の指定：「①案件概要（融資目的・金額・条件の要約）、②企業概要（業種・規模・沿革）、③財務分析（収益性・安全性・成長性の定量分析）、④業界分析（業界動向と当該企業のポジション）、⑤融資の妥当性（返済原資の確認・融資効果）、⑥リスク要因と軽減策、⑦結論（取り上げ理由）の構成で作成してください」
- 分析基準の明示：「財務分析では以下の指標を必ず算出・コメントしてください。売上高経常利益率、自己資本比率、流動比率、有利子負債/EBITDA倍率、インタレスト・カバレッジ・レシオ」
- 過去事例の参照：「以下の同業種の過去稟議書（承認済み）の論理構成と表現を参考にしてください」
人間が判断すべきポイント
- 与信判断の最終決定：融資の可否・条件の最終判断は審査権限者が行う。AIのドラフトは判断材料であり、最終決定ではない
- 定性的なリスク評価：「この経営者は信頼できるか」「この事業計画は実現可能か」の定性判断は人間のRM・審査担当者が行う
- 顧客との関係を踏まえた条件設計：「この顧客とは長期的な取引関係があり、条件面で一定の配慮が必要」等の経営判断
- 担保評価の最終確認：不動産担保の評価額、保証の有効性の確認は専門的判断が必要
他業種の類似事例
- 証券会社のリサーチレポート：IR資料を入力し、LLMが決算分析レポートのドラフトを自動生成（本シリーズの証券C記事参照）
- コンサルティングファームの提案書：クライアント情報＋過去事例からLLMがピッチ資料のドラフトを生成
- 保険会社の引受査定：申込書＋診断書＋告知書のデータをAIが分析し、引受判断の参考レポートを自動生成
導入ステップと注意点
ステップ1：決算書OCRの導入（2〜4週間）
PDFの決算書から財務データを自動抽出するOCR/AI-OCRパイプラインを構築します。主要な財務指標を構造化データとして出力できるようにします（出典：みずほFG "みずほLLM開発プロジェクト"）。
ステップ2：稟議書テンプレートとプロンプトの設計（2〜3週間）
自行の稟議書フォーマットをLLMのプロンプトに落とし込みます。審査部門の「良い稟議書の要件」をヒアリングし、プロンプトに反映します。
ステップ3：過去稟議書の学習データ化（2〜4週間）
承認済みの過去稟議書をベクトルデータベースに格納し、RAGで類似案件を参照できるようにします。業種別・融資種別でタグ付けします。
ステップ4：パイロット運用・精度検証（4〜8週間）
一部の支店・チームでパイロット運用を実施し、AIドラフトの品質を審査担当者が評価します。NTTデータの京都銀行向けサービスでは、AIドラフトの品質が大幅に向上し、審査役の合格基準を達成する水準に到達しています。
注意点
- 機密情報の管理：顧客の財務データは高度な機密情報であり、LLMへの送信時のセキュリティ（暗号化、オンプレミス運用等）を確保すること
- 数値の正確性：LLMが財務指標を誤って算出・記載するリスクがある。OCRで抽出した数値と稟議書内の数値の整合性チェックを自動化すること
- 審査の独立性：AIが生成した稟議書が審査部門の判断に不適切な影響を与えないよう、「AIドラフトであること」の明示と審査の独立性を確保すること
Renue視点：専用ツールではなく汎用LLMで実現する理由
稟議書作成の本質は「財務データと案件情報を統合し、論理的な文章で審査部門を説得する文書を作ること」です。みずほFGの「みずほLLM」やNTTデータの専用AIサービスは大規模金融機関向けですが、中小の金融機関でも汎用LLMとOCR、RAGの組み合わせで同等のアプローチが実現可能です。RMのベテランがどのように稟議書を構成しているか——その「暗黙知の言語化」がAI化の第一歩であり、一度言語化すればそれはLLMの仕事にできます。
まとめ
銀行の融資稟議書作成は、財務データの収集・分析・文書化という一連のプロセスでLLMによる大幅な効率化が可能です。みずほFGの「Wiz Create」、NTTデータの京都銀行向けAIサービスなど、業界での導入が急速に進んでいます。ただし、与信判断の最終決定、定性的なリスク評価、顧客との関係を踏まえた条件設計は完全にRM・審査担当者の専門性と経験の領域です。