- 三菱UFJ銀行が業務標準化の工数を11人月から1人月へ、約9割削減した
- 鍵は「オントロジー」と「ナレッジグラフ」で業務知識を構造化したこと
- 社内AIがうまくいかない原因の46%は、AIではなく文書の不備にある
- 三井住友・みずほとMUFGでは、生成AIの攻めどころが違う
- 中小企業でも真似できる「言葉の統一」から始める3ステップを紹介
社内に生成AIを入れたのに、思ったような答えが返ってこない。そんな声をよく聞きます。
原因はAIの頭の悪さではありません。その会社だけの「当たり前」がAIに伝わっていないことです。三菱UFJ銀行は、この壁を正面から越えました。
11人月が1人月に 三菱UFJ銀行が明かした数字
まずは成果の数字から見ていきます。
三菱UFJ銀行は、業務標準化の作業にかかる手間を11人月から1人月へ、約9割削減したと公表しました。
「人月（にんげつ）」とは、1人が1カ月フルタイムで働く量のことです。11人月なら、1人でやると11カ月かかる仕事量になります。
この発表は、2026年6月25〜26日に開かれた「AWS Summit Japan 2026」での講演で明かされました。ITmediaが2026年8月21日に詳細を報じています。
削減の内訳
削減された工程は、業務手順を整理するフローチャート作成まわりです。
- フローチャートの作成：10人月 → 0.5人月
- 他部門との比較：0.5人月 → 0.25人月
- 修正作業：0.5人月 → 0.25人月
- 関係者との協議：1〜2人月（ここは変わらず）
注目したいのは、最後の「関係者との協議」が減っていない点です。
人と人が話し合って決める部分は、AIに任せていません。減ったのは、手を動かす作業だけです。ここが現実的で信頼できるところだと感じます。
そもそも業務標準化は、なぜあれほど大変なのか
三菱UFJ銀行は30カ国に拠点を持ち、3000人を超えるスタッフがシステムに関わる規模です。
拠点が増えれば、やり方も増えます。東京とロンドンで、同じ名前の業務なのに手順が微妙に違う。よくある話です。
標準化の担当者は、こんな作業を延々と繰り返します。
- 分厚い手順書を最初から読み込む
- 業務の流れをフローチャートに描き起こす
- 他の部門のフローチャートと並べて見比べる
- 違っている箇所を見つけ、なぜ違うのか担当者に聞く
ちなみに、この「読んで描いて見比べる」部分が全体の大半を占めていました。だからこそ、AIが効いたわけです。
本当の敵は「書かれていない知識」
もっと厄介な問題があります。手順書に書かれていない知識です。
「この承認は形式上あるけど、実際は課長が口頭でOKすれば通る」。こうしたルールは、どの会社にもあります。
これを暗黙知（あんもくち）と呼びます。ベテランの頭の中にはあるのに、どこにも書かれていない知識のことです。
ベテランが定年で去る日、この知識も一緒に消えます。AIに教えたくても、教える材料がそもそも存在しません。
AIに業務知識を教えた仕組み「オントロジー」と「ナレッジグラフ」
三菱UFJ銀行が使ったのが、AWS（アマゾンのクラウドサービス）から提案された2つの技術です。
ナレッジグラフ＝知識の地図
ナレッジグラフは、情報を「点」と「線」でつないだ地図のようなものです。
点のことをノード、線のことをエッジと呼びます。
たとえば「請求書」という点と「経理部」という点を、「承認する」という線でつなぎます。さらに「経理部」と「課長」を「所属する」という線でつなぎます。
こうして、業務の関係性がまるごと地図になります。文章で読むより、AIにとってずっと扱いやすい形です。
オントロジー＝地図の設計図
ただし、地図を好き勝手に描くと収拾がつきません。ある部門は「請求書」、別の部門は「インボイス」と書いてしまいます。
そこで登場するのがオントロジーです。「使ってよい言葉」と「つないでよい関係」をあらかじめ決めておく、共通の辞書だと考えてください。
オントロジーが設計図を決め、ナレッジグラフが実際のデータを持つ。この役割分担が肝になります。
結果として、生成AIは細かい指示を出さなくても、似たパターンの業務を自分で見つけられるようになりました。
RAGだけでは足りない 失敗原因の46%は「文書」
社内AIの定番といえばRAG（ラグ）です。社内文書をAIに検索させて、その内容をもとに答えさせる仕組みを指します。
ところが、RAGを入れても評価が低いままの企業は少なくありません。
キヤノンITソリューションズの分析によれば、RAGがうまくいかない原因の内訳はこうです。
- 文書の不備や不足：46%
- 検索精度の低さ：42%
- 生成AI自体の性能：12%
AIのせいはたった12%でした。残りの88%は、渡す側の問題だったわけです。
そして暗黙知は、文書になっていないので検索対象にすらなりません。ここを飛ばしてAIを導入しても、成果は出ないということです。
三菱UFJ銀行がオントロジーから手をつけたのは、この順番を間違えなかったからだと言えます。
三井住友・みずほとの違い メガバンク3行の攻めどころ
他のメガバンクも生成AIに本腰を入れています。ただし、力を入れている場所が違います。
三井住友銀行：全行員に配って使わせる
三井住友銀行はOpenAIと戦略的提携を結び、2026年1月からChatGPT Enterpriseを約3万5000人の全行員に本格導入しました。
さらに2026年2月25日には、生成AIが24時間365日で電話対応する「SMBC AIオペレーター」の提供を始めています。日本総研・日本IBMとの共同開発です。
みずほ：特定業務に深く刺す
みずほ信託銀行は、株主総会に寄せられる大量の個人株主コメントを生成AIで分析しています。
これまでは人が1件ずつ読んで分類していた作業です。傾向分析と要約をAIに任せることで、負担を大きく減らしました。
三菱UFJ：知識の土台をつくる
三菱UFJ銀行も、社内AI「AI-bow（アイボウ）」を約4万人が使う体制をすでに持っています。生成AI関連には600億円規模の投資を決めています。
その上で今回取り組んだのは、AIに何を知らせるかという土台の部分でした。
配る・刺す・土台をつくる。3行はそれぞれ違う段階を攻めています。派手さでは劣りますが、土台づくりは後から効いてくる投資です。
日本企業が真似するには まず言葉をそろえる
「うちは30カ国もないし、600億円も出せない」と思ったかもしれません。
ですが、この事例の本質はお金ではありません。順番です。
よくある失敗の風景
ある中小企業の経理担当者を想像してみてください。月末、数百件の請求書を1件ずつ確認しています。
そこにAIを導入することになりました。過去の処理履歴をまとめてAIに読ませます。
しかし営業部は「見積書」、経理部は「請求前資料」と呼んでいました。AIは同じ書類だと気づけません。結果、答えがちぐはぐになります。
この会社に足りなかったのはAIの性能ではなく、共通の辞書でした。
明日から始められる3ステップ
- 言葉をそろえる：部門ごとに違う呼び名を洗い出し、正式名称を1つ決める
- 関係を書き出す：「誰が」「何を」「どうする」の形で業務を1行ずつ書く
- 暗黙知を拾う：ベテランに「手順書に書いてない判断」を聞き、その場で追記する
3番目がいちばん価値があります。人が辞める前にしかできない作業だからです。
ツール選びは、その後で構いません。
今後のスケジュールと注意点
三菱UFJ銀行の取り組みは、まだ途中です。
2024年に試験的な運用を始め、2025年にかけて品質を高めてきました。2026年3月にはユーザー受け入れテスト（UAT／実際の利用者が使って確認する工程）を実施し、その後さらに生成AIの機能を広げていく計画です。
今後は、新しいシステムを作るときや、M&A（企業の合併・買収）で業務を統合するときにも、この仕組みを使うとされています。
一方で、最終確認は人が行う運用を続けています。完全自動化はしていません。金融という間違いが許されない業界で、この線引きは重要です。
よくある質問（FAQ）
Q1. オントロジーとナレッジグラフは何が違うのですか？
オントロジーは「どんな言葉と関係を使ってよいか」を決めるルール集です。ナレッジグラフは、そのルールに沿って実際のデータを点と線でつないだものになります。設計図と建物の関係に近いです。
Q2. RAGはもう古いのでしょうか？
いいえ、今も主力です。ただしRAGは文書を検索する仕組みなので、文書が整っていないと力を発揮できません。ナレッジグラフと組み合わせる「GraphRAG（グラフラグ）」という手法も広がっています。
Q3. 小さな会社でもナレッジグラフは作れますか？
作れます。専用ツールを買わなくても、表計算ソフトで「誰が・何を・どうする」の3列を埋めるだけで出発点になります。まずは主要な業務10件程度から始めるのが現実的です。
Q4. AIに業務を任せると、人の仕事はなくなりますか？
今回の事例では、関係者との協議にかかる1〜2人月は減っていません。判断や合意形成は人が担っています。減ったのは資料を作る手作業の部分です。
Q5. 導入にはどれくらいの期間がかかりますか？
三菱UFJ銀行の場合、試行開始から本格テストまで約2年かかっています。規模によりますが、いきなり全社展開を狙わず、1部門で試すところから始めるのが安全です。
まとめ
- 三菱UFJ銀行は業務標準化の工数を11人月から1人月へ、約9割削減した
- 削減できたのは作業部分だけで、関係者との協議は人が担い続けている
- 鍵はオントロジー（言葉のルール）とナレッジグラフ（知識の地図）
- 社内AIが失敗する原因の46%は文書の不備で、AI自体のせいは12%だけ
- 三井住友は全行員展開、みずほは特定業務、三菱UFJは知識の土台と方向が違う
- 規模が小さくても「言葉をそろえる」ところから同じ効果が狙える
まずは自社で呼び名がバラバラになっている書類を3つ探し、正式名称を決めるところから始めてみてください。
参考文献
- 三菱UFJ銀行は生成AIに「業務知識」をどう教えたのか（ITmedia エンタープライズ, 2026年8月21日）
- RAGとは？生成AIに社内データを使わせる仕組みと精度を上げる運用方法【2026年版】（AI新聞）
- オントロジーとは？基本要素やナレッジグラフとの違い、活用例（AI総合研究所）
- 金融業界の生成AI活用事例まとめ｜メガバンクからネット銀行までの最新動向【2026年8月】（Ninth Code）
- 生成AIに「600億円」巨額投資──MUFGの戦略やガバナンス体制、育成計画（ビジネス+IT）
こんな時代だから遊んで学びたい
AIを学ぶオンラインサロン「AIフレンズ」では、生成AIを楽しく、どこよりも優しく学べる環境をご用意しております。
毎週開催されるオンラインセッションでは、リアルタイムで学び合える機会を提供しています。 さらに、月に一度のオフラインイベントでは、メンバー同士が直接交流し、アイデアや知識を深めることができます。
「AIフレンズ」の仲間とともに、新しい価値を創造し、可能性を広げてみませんか？
一緒に学び、成長しながら、生成AIを使いこなす力を身につけましょう！
