Itaúの生成AI、銀行全体へ拡大——真の試金石はガバナンス
Itaúは生成AI戦略を限定的なパイロット段階から30万人の顧客へと拡大し、2026年中に全顧客基盤へ展開することを目指している。Itaúの生成AIプログラムは現在、対話型バンキングインターフェースであるia.iと、モデル、データ、コスト、リスクを統制する社内プラットフォームIARAを組み合わせている。
この組み合わせの重要性は、チャットボット単体を上回る。Itaúは、顧客が口座、信用、カード、保険、投資それぞれのメニューを操作するのではなく、日常的な言葉を使えるようにしたい考えだ。しかし会話の対象が広がるほど、不正確な回答、不適切な提案、プライバシー上の問題、未承認の操作が生じる可能性も高まる。
そのため同行は、二つの約束を同時に試している。表に見える約束は、バンキングをよりシンプルでパーソナルなものにできるということだ。もう一つの、見えにくい約束は、高度に規制された組織内で生成モデルを適切に統制し続けられるという点にある。Bank of AmericaのEricaやJPMorganChaseの社内LLM Suiteは有用な参照例となるが、Itaúは顧客との会話、従業員向けツール、統制されたモデルアクセスを単一のアーキテクチャで接続しようとしている。
Itaúの生成AI、パイロットから銀行全体のインターフェースへ
変化の本質は、Itaúがアプリに新たなアシスタントを追加したことだけではない。同行は会話そのものを、銀行へのアクセスレイヤーに変えようとしている。
Itaúは、2024年以降により限定的な人工知能機能を構築した後、2026年7月にia.iを正式公開した。このインターフェースはItaúアプリを通じ、テキストまたは音声によるリクエストを受け付ける。顧客の意図を特定し、そのリクエストを関連するバンキング機能へつなぐよう設計されている。
初期リリースは約30万人の顧客に提供された。Itaúは、9月までに約300万人へアクセスを拡大し、年末までに全顧客基盤へ展開する計画だと述べた。同行は、それ以降の段階における最終的な導入数やアクティブ利用数を公表していない。
顧客向け展開は、質問対応や口座情報の探索にとどまらない。Itaúによれば、ia.iは情報提供、指示の解釈、意思決定の支援、対応可能な取引の開始を行える。また、会話上必要な場合には、専門的な有人サポートへ顧客を引き継ぐこともできる。
これは固定的なチャットボットとは異なる体験を生む。スクリプト型のアシスタントは通常、質問をあらかじめ用意された回答または限定的なワークフローに対応付ける。生成型インターフェースは、多様な表現を解釈し、文脈を組み合わせ、現在の状況に応じた回答を生成できる。
Itaúによれば、ia.iは回答時に金融上の文脈、取引関係の履歴、目標、ライフステージを考慮する。こうした入力は、顧客が無関係なメニューを横断して探す手間を減らす可能性がある。一方で、正確性、データの境界、透明性の重要性も増す。
カード支払いについて尋ねる顧客が直面するのは、比較的限定された情報の問題だ。購入費用を負担できるかを尋ねる人は、より広範な判断の問題を提示する。システムは、どのデータが重要か、何の利用を許可されているか、どの時点で有人サポートが必要になるかを判断しなければならない。
この展開に先立ち、複数の小規模な導入が行われた。投資アシスタント、WhatsApp経由のPix決済、中小企業向けツール、音声対応の決済ハードウェアなどだ。各プロジェクトは、Itaúが共通の対話レイヤーを試みる前に、より限定されたタスクを検証していた。
初期の投資機能の一つは、2025年に1万人の顧客から始まった。この段階的なアプローチにより、Itaúはより大規模な利用者層を対象にする前に、回答、顧客行動、エスカレーション経路を検証できた。
この進展は、2026年の発表が重要である理由も説明する。Itaúはもはや生成AIを孤立した実験として提示していない。この技術を、顧客が既存の金融サービスを見つけ、利用する方法の一部にしている。
この移行は、本記事の中心的な緊張関係を生む。対話レイヤーは有用であるために十分開かれている必要がある一方、安全に運用するために十分な制約も必要だ。インターフェースは銀行の複雑さを隠せても、各回答や取引の背後にある責任を取り除くことはできない。
ia.iが単なるチャットボット展開にとどまらない理由
Itaúは、顧客が商品メニューではなく意図から始め、正しい経路の判断を銀行に委ねるようになると見込んでいる。
従来のバンキングアプリは、金融機関の構造に従ってサービスを整理している。顧客は口座、カード、決済、ローン、保険、投資を選択する。実行したい作業がどのカテゴリーに含まれるかを知っている必要がある。
対話型インターフェースは、この順序を逆転させる。顧客はまず目標、問題、質問を伝えられる。システムが次に、関連する商品、情報源、ワークフローを特定する。
この違いは、リクエストが商品境界をまたぐまでは控えめに聞こえるかもしれない。購入資金を貯める方法についての質問には、キャッシュフロー、口座残高、カード債務、投資ポジションが関わる可能性がある。有用な回答には、言語生成以上のものが求められる。
Itaúは、この体験を支える文脈レイヤーをCustomer DNAと呼んでいる。同行のAI導入事例によれば、このシステムは約7,000万人の顧客に関する金融上の文脈を提供する。OpenAIのモデルは、Itaúの統制環境で使用されるモデルの一部だ。
この規模は、すべての顧客が制約のない金融アドバイザーを受け取ることを意味しない。Itaúが大規模な顧客層にわたる多様な体験を支えることを意図した文脈システムを構築していることを意味する。利用可能なデータと許可される操作は、依然として具体的なユースケースに左右される。
Itaúによれば、顧客は同じインターフェース内で、基本的な利便性とより専門的な支援を行き来できる。利用者は口座情報を尋ね、対応可能なコマンドを実行し、投資判断の理解を求めることができる。
同行はまた、ia.iが顧客の言葉遣いに適応し、音声またはテキストでやり取りできるとしている。この柔軟性は、正確なメニュー名を覚える必要を減らす可能性がある。複雑なアプリ操作に苦労する人々にとって、デジタルバンキングをより利用しやすくすることにもつながり得る。
ただし、自然言語にはボタン操作にはない曖昧さがある。「請求書を払って」は、複数の債務を指し得る。「これを使ってもいいか」は、残高確認、予算に関する質問、個別化された金融アドバイスの依頼を意味する可能性がある。
システムは、誤った確信を生むことなく、この曖昧さを解消しなければならない。機微な操作を確認し、情報と助言を区別し、顧客データが不完全な場合に確実性を示唆しないことが必要だ。
Grupo Consumotecaと共同で行ったItaú独自の調査では、回答したブラジル人の80%が金融生活をより適切に整理したいと考えていた。また65%は、継続的な金融ガイダンスを提供できる技術を望んでいた。これらは企業が支援した調査結果であり、ia.iの導入状況を独立して測定したものではない。
それでもこの調査は、Itaúが対応しようとする需要を示している。多くの顧客に必要なのは、商品リストをもう一つ増やすことではない。自身の金融情報を、今下そうとしている判断と結び付ける支援だ。
だからこそ、このアシスタントは戦略的に重要となる。対話の出発点を管理する銀行は、顧客がサービスを見つけ、選択肢を理解し、問題をエスカレーションする方法に影響を与えられる。また、満たされていないニーズに関する貴重なシグナルも収集できる。
こうした利点には、対応する責務が伴う。顧客は、AIと対話しているタイミング、提案がどのように作られるか、人間が結果を確認できるタイミングを理解しなければならない。便利なインターフェースによって、重大な判断に関する責任が曖昧になってはならない。
ナレッジワーカーにとっても、この原則は銀行業務を超えて当てはまる。有用なAIナレッジベースには、権限を考慮した文脈、信頼できる検索、明確な情報源の境界が必要だ。流暢な出力だけでは信頼は確立されない。
IARAはモデルと資金の間にガバナンスを置く
IARAは、モデルへのアクセスと無統制なモデル利用を分離するため、Itaúの戦略における中核的な仕組みとなっている。
IARAは、人工知能のためのItaúのガバナンスおよびオーケストレーションプラットフォームだ。オーケストレーションとは、あらゆるアプリケーションを単一のプロバイダーに固定するのではなく、プラットフォームがモデルや支援システムの間でタスクを振り分けられることを意味する。
このプラットフォームは、社内チームに複数モデルへの統制されたアクセスを提供する。OpenAIは、その環境で利用可能なプロバイダーの一つであり、すべてのワークフローに組み込まれる唯一のモデル供給元ではない。
このモデル非依存のアプローチにより、Itaúには複数の選択肢が生まれる。速度が重要な定型業務には、より低コストのモデルを使える。より高いコストとレイテンシーが正当化される難しいリクエストには、より高性能な推論モデルを使用できる。
IARAはまた、こうした選択肢全体に共通のポリシーを適用できるようにする。Itaúによれば、このプラットフォームはモデル利用、回答の正確性、トークン消費量、責任あるAIに関する要件を監視する。トークンは、言語モデルを通じてテキストを処理するために使われる単位だ。
中央集約化によってAIシステムが自動的に安全になるわけではない。しかし、アクセス制御、ログ記録、モデル評価、コスト上限、ポリシー適用を一元化する場所を作ることはできる。そのレイヤーがなければ、各プロダクトチームが異なる安全策やデータ運用を構築する可能性がある。
Itaúの法務部門は、開示された最大規模の事例を示している。同行によれば、その法務AIソリューションは9,000万件以上の文書を対象に稼働し、毎月200万件を超えるタスクを完了している。企業は、異なるプロセス段階で20%から80%の効率向上があったと報告している。
これらの割合は幅が広く、独立監査ではなくItaúによるものだ。普遍的な生産性の結果として扱うべきではない。法務文書の読解は、顧客向けの金融ガイダンスとも異なる。
それでもこの事例は、オーケストレーションが重要である理由を示している。法務アーカイブの処理には、文書の権限管理、検索、モデル選択、追跡可能性、出力監視が必要となる。モデルは結果の一部を生成するにすぎない。
Itaúによれば、IARAは、アプリケーションによる外部モデルへのアクセスを制御しながら、機微な情報を銀行のコンテキスト内にとどめる。この境界は、プロンプトに顧客、従業員、取引、法務に関する情報が含まれる可能性がある場合に不可欠だ。
このプラットフォームはオブザーバビリティも支援する。これは、チームが導入後のシステム挙動を検査できることを意味する。バンキングでは、モデルがローンチ評価を通過した時点で監視を終えることはできない。顧客の言葉遣い、不正のパターン、モデルの挙動、基盤となる商品はすべて変化する。
モデルの更新は、推論能力を改善する一方で、拒否の挙動を変える可能性がある。商品ポリシーの改訂により、以前の回答が誤りになることもある。新たな攻撃手法によって、開発時には存在しなかった弱点が露呈する場合もある。
したがってIARAは、システムのライフサイクル全体を統制する必要がある。これにはリクエスト前のデータアクセス、処理中のルーティング、回答後のレビューが含まれる。また、回答が損害や混乱を生んだ場合のインシデント調査も含まれる。
このアーキテクチャは、他の大手銀行が進む方向にも似ている。JPMorganChaseは、従業員向けに統制された生成AI環境としてLLM Suiteを立ち上げた。同社によれば、このプラットフォームは8カ月以内に20万人を超えるユーザーをオンボードした。
Itaúの戦略は、共有プラットフォームという考え方を顧客との会話へと拡張するものだ。顧客は回答を受けてすぐに行動できるため、これはより直接的な試験となる。従業員には研修、社内文書、レビュープロセスがあることが多いが、消費者にはそうしたものがない。
複数のモデルを選択することも実務上のセーフガードとなるが、管理業務を生む。Itaúは、モデルの品質、コスト、レイテンシー、プライバシー条件、挙動を継続的に比較しなければならない。プロバイダーの変更によって、規制対象のワークフローが気付かれないまま弱体化してはならない。
ガバナンスプラットフォームであらゆる障害を排除することはできない。その価値は、統制を一貫させ、証拠を可視化し、介入を可能にする点にある。これは、モデルの流暢さやブランドの評判に依存するよりも信頼できる基盤だ。
競争圧力は、よりシンプルな銀行インターフェースにある
Itaúの競合は、モデル品質だけで競っているわけではない。顧客が金融上の意図を最初に表明する場になることを競っている。
銀行は長年にわたり、不正検知、信用分析、パーソナライゼーション、サービス振り分けに機械学習を利用してきた。会話型AIが変えるのは自動化の存在そのものではなく、提示レイヤーだ。
Bank of Americaは、最も明確な大規模先例を示している。同社のバーチャルアシスタントEricaは、現在の生成AIサイクルより前の2018年に開始された。2025年8月までに、同行は30億件超の顧客インタラクションと、約5,000万人のユーザーを報告した。
同行のErica利用データは、成熟したアシスタントの背後にある規律も示している。Bank of Americaによると、Ericaは700件超の回答を収めた管理ライブラリを使用し、7万5,000回超の更新を受けている。
この設計は、自由度の高い生成よりも予測可能な結果を優先する。Itaúはより広範な生成型インターフェースを追求しているが、Ericaの例は継続的な保守が重要である理由を示している。金融アシスタントは、完成済みのソフトウェア機能ではなく、運用サービスとなる。
Nubankも2023年、限定された顧客グループを対象に生成型の信用アシスタントのテストを開始した。当初の範囲は、利用限度額、担保付きクレジット、NuPay、個人ローンに関する質問だった。この限定的な開始は、個別化された信用に関する対話へ直ちに進むリスクを反映していた。
こうしたアプローチは、複雑なアプリケーションを持つすべてのリテール銀行に圧力をもたらす。顧客が意図を直接伝えられるようになると、メニュー中心の体験は非効率に見え始める。比較の軸は機能数から、銀行がどれほど迅速に要望を理解し、完了できるかへ移る。
Itaúには、接続できるサービスの幅という利点がある。口座、カード、保険、信用、決済、投資はいずれも文脈を提供できる。この広がりは、単一目的のアシスタントより有用な案内を生み出し得る。
一方で、利益相反も生み得る。顧客が別の商品を採用すれば、銀行に利益が生じる場合がある。顧客には、生成された案内が明示されていない販売目的ではなく、自身の利益、適格性、リスクプロファイルを反映しているという確信が必要だ。
したがって、このインターフェースは教育、支援、推奨、販促の区別を維持しなければならない。これらの区分には異なる期待が伴う。親しみやすい一つの会話にそれらを組み合わせると、境界が見えにくくなる可能性がある。
生成AIは、テクノロジープロバイダーに銀行インターフェースへの影響力も与える。モデルベンダーは言語・推論能力を提供し、銀行はデータ、ワークフロー、コンプライアンス規則、顧客関係を提供する。
Itaúのマルチモデルアーキテクチャは、特定ベンダーへの依存を低減する。だが、最先端モデル、クラウドシステム、専門インフラは依然として銀行の外部で進化するため、外部依存をなくすものではない。
したがって戦略的な競争は、Itaú対OpenAIでも、一つの銀行対一つのモデルプロバイダーでもない。管理された制度的コンテキストと、汎用的なモデル知能の競争である。銀行は、自社のデータとガバナンスがより安全で有用な体験を生み出すことを証明しなければならない。
ia.iが成功すれば、競合他社は自社のアシスタントを商品横断で統合する圧力に直面する。サポート質問向けの断片化されたチャットボットは、目標を解釈し取引を完了できるインターフェースの隣では、能力が低く見えるだろう。
ia.iが苦戦すれば、業界は行動を慎重に限定した、より狭い範囲のアシスタントを支持する可能性がある。銀行は生成AIを社内で使い続けながら、消費者向けツールはより決定論的なものに保つかもしれない。
その結果は、技術の失敗を意味しない。文書要約、作成支援ツール、従業員向け検索とは異なるバランスが、重要度の高い顧客との会話には必要であることを示すものだ。
Itaúの規模への約束は、規制の現実に直面する
未解決の問題は、ia.iが管理されたコホートを超えて拡大する中で、Itaúが正確性、同意、人間による説明責任を維持できるかどうかだ。
ブラジルの金融システムには、セキュリティ、消費者保護、データ処理、記録保持、オペレーショナルレジリエンスに関する要件がある。生成AIは、この既存の枠組みに不確実な出力を加える。
Banco Central do Brasilは、人工知能を、金融機関全体にわたるリスクと影響の研究を要する分野として特定している。更新されたサイバーセキュリティ規則も、アクセス制御、トレーサビリティ、安全な統合、テスト、インフラ保護を重視している。
これらの要件は、IARAが掲げる目的と整合する。しかしItaúは、ia.iに関する詳細なエラー率、エスカレーション率、顧客満足度の結果、インシデントの内訳を公表していない。利用可能なケーススタディは、主にアーキテクチャと想定される利点に焦点を当てている。
この証拠の空白は重要だ。なぜなら、導入規模だけでは品質は証明されないからである。システムは数百万の口座に到達しても、実際の利用が限定的である可能性がある。また、単純な依頼は適切に処理できても、異例または重大な質問には苦戦する可能性がある。
特に注意すべきリスクは三つある。
第一に、生成された回答は、その根拠が裏付ける以上に確信的に聞こえることがある。銀行業務の文脈では、不正確な説明が支出、借入、保険、投資行動に影響を与える可能性がある。
承認済み情報からの検索はこのリスクを下げられるが、曖昧さをなくすことはできない。商品条件は変化し、顧客の状況は異なり、モデルは正しい事実を不適切な結論へ組み合わせる可能性がある。
第二に、パーソナライゼーションは個人データに依存する。ブラジルのデータ保護当局は、プロンプト、モデル出力、データ共有、保存、透明性、個人情報の再利用に関するリスクを指摘している。
同当局の生成AIレーダーは、イノベーションがブラジルの一般データ保護法と両立しなければならないことを強調している。また、ユーザーが結果を認識しないまま、自身または他者のデータをプロンプトに入力する可能性があることも指摘している。
Itaúにとって、ガバナンスは学習データ以上を対象としなければならない。各インタラクションのために組み立てられる情報、各モデルに送られるデータ、得られる応答、その後に保持される記録を扱う必要がある。
第三に、システムが技術的には案内のみを提供していたとしても、自動化された支援が実質的に自動化された判断となり得る。顧客は人によるレビューを求めず、確信に満ちた回答に従う可能性がある。
ブラジルのデータ保護に関する取り組みには、個人データの自動処理のみに基づく決定の見直しを扱うLGPD第20条に関する作業が含まれる。Itaúは、会話型サポート、推奨、顧客の利益に影響する決定との間に明確な線引きを維持しなければならない。
人間へのエスカレーションは重要なセーフガードだが、その設計が価値を左右する。会話の文脈を失う引き継ぎは、フラストレーションを生む。エラー後にしか発生しないエスカレーションは、手遅れになる可能性がある。
銀行は、プロンプトインジェクション、不正、口座乗っ取り、ソーシャルエンジニアリングにも備える必要がある。攻撃者は、欺瞞的な言葉を通じてアシスタントを操作し、情報を抽出し、機微なワークフローを起動しようとする可能性がある。
取引には依然として確認手順が必要だ。依頼が自然に聞こえるというだけで、会話レイヤーが認証を弱めるべきではない。権限が不確かな領域で、利便性は止まらなければならない。
バイアスも別の課題となる。モデルは、似たニーズを異なる形で表現する顧客に対し、異なる口調、前提、案内を示す可能性がある。Itaúは責任あるAIポリシーがバイアスを扱うとしているが、ia.iに関する詳細な外部評価結果は公表していない。
経済的な実行可能性も、この計画で未証明の部分だ。モデル利用には変動費が生じ、とりわけ会話に長いコンテキストやより深い推論が必要な場合はその傾向が強い。複数のモデルにタスクを振り分けることで支出を制御できるが、導入拡大は総消費量を増やす可能性がある。
Itaúが報告した従業員に関する期待も、検証が必要だ。同行は、AIツールによりリレーションシップマネージャーが顧客対応に使える時間を3倍にできると見込んでいる。サービスは2倍速くなり、会話は最大3倍効果的になると予想している。
これらは将来に関する企業の期待だ。「利用可能な時間」と「有効性」という用語は、社内の測定方法に左右され得る。公的な報告では、いずれ予測された利点と実測結果を区別すべきだ。
したがって、責任ある評価には二つの側面がある。Itaúは信頼できるガバナンスアーキテクチャと、いくつかの意味のある導入事例を開示している。一方で、そのアーキテクチャが顧客基盤全体で機能することを確認するには、独立した、または長期的な証拠がまだ十分に示されていない。
Itaúの賭けが成功するかを決める三つのシグナル
次の段階は、銀行アプリ内のアイコンを受け取る顧客数ではなく、検証された挙動によって評価されるべきだ。
第一のシグナルは、広範な提供開始後に持続する顧客利用だ。Itaúは、アクティブユーザー、再利用、完了したタスク、離脱、人間への引き継ぎ、顧客満足度を開示すべきだ。対象顧客30万人から全員へのアクセス拡大は、人々が実際の金融ニーズでこのインターフェースを信頼する場合にのみ意味を持つ。
第二のシグナルは、正確性とセーフガードに関する証拠だ。有用な報告には、エラーの分類、成功した取引確認、苦情件数、回答の訂正、重大インシデントが含まれる。また、IARAが導入前後で異なるモデルをどのように評価するかも説明すべきだ。
Banco Centralまたはブラジルのデータ保護当局による公表は、外部ベンチマークを加える。中央銀行はすでに金融機関におけるAIリスクを研究しており、データ保護当局は自動化された決定と責任あるデータ処理に関するガイダンスを策定している。
第三のシグナルは、競合他社が自社アシスタントを拡張するかどうかだ。Bank of Americaは、制約された金融アシスタントでも膨大なインタラクション量を支援できることを証明している。JPMorganChaseは、ガバナンスのある社内プラットフォームが数十万人の従業員に到達できることを示した。
Itaúは、これら二つの道を組み合わせようとしている。顧客規模の会話、従業員の生産性、文脈を伴う金融データ、複数のモデルプロバイダーを、一つの管理されたフレームワークの中に取り込もうとしている。
導入が成功すれば、生成AIが規制対象サービスの主要インターフェースになり得るという主張を強めるだろう。狭い質問へ後退すれば、反対の結論を裏付けることになる。それは、重要な顧客行動には決定論的なワークフローが引き続き安全であることを示唆する。
開発者とエンタープライズの購買担当者は、Itaúがモデル、オーケストレーションレイヤー、銀行システム、人間のスタッフの間で責任をどのように分担するかを注視すべきだ。この分担は、医療、保険、法律サービス、その他の規制分野でも重要になる。
ia.iが案内を提供するたび、顧客はより単純な問いを投げかけるべきだ。回答は、その根拠、限界、そして人によるレビューへの信頼できる経路を示せるのか。
Itaúの生成AI戦略の成否は、ia.iが流暢に会話できるかどうかでは決まりません。その会話を、大規模運用において正確で、説明責任を果たせ、経済的かつ有用なものにできるかどうかで決まります。
