Goldman SachsのKevin Sneaderが新人をAIエージェントの指揮者と表現したことは、銀行キャリアの入口の変化を示す。10月12日の報道では、新人は最初の表計算や資料を作るだけでなく仮想労働力を管理する。仕事の編成の話であり、全行の代替計画の公表ではない。
日本以外のアジア太平洋を統括し経営委員でもあるSneaderは元McKinsey世界責任者だ。重要な発言だが、利用人数、自動化一覧、従来研修の廃止は示さない。全分析職の予測へ飛躍してはならない。
Sneader は、新人が最初からエージェントを監督する場合、中間管理職がどうなるか不確実だと明言した。CEO David Solomon は AI による雇用崩壊予測が誇張されているとする。人員構造不変や雇用リスク消滅の証拠ではない。
Citi の Arc はモデルとエージェントを組み合わせる開発者向け管理環境で、一般社員への拡大は今後の計画だ。18万人は企業 AI ツール利用者数で、エージェント展開数ではない。UBS は責任ある実践と業務成果を重視し、実際の銀行事例の研修を予定する。JPMorgan のシステム横断 AI ワークスペースは構想で、全面稼働の証明ではない。
監督問題を示すベンチマーク
BankerToolBenchは502人の銀行家と業務全体を作り、9モデルを100超の基準で評価した。財務モデル、資料、報告、データルーム、市場基盤、規制書類を含む。
最良モデルもほぼ半分で不合格、全成果物で顧客提出可能なものはなかった。Goldman内部の測定ではないが、監督者に任命するだけで信頼できる分析担当が得られないと示す。
開示期間の誤りがモデル、図、顧客説明へ伝わる。見栄えや流暢さは最初のミスを隠す。審査者には出典と仮定を疑う知識が要る。
競合の道具と採用も変わる
Citiはモデル、エージェント作成、監視、緊急停止を集約する。導入時点で18万人が企業AIを使うとしたが、全員が自律代理を運用し同じ権限を持つ証拠ではない。
多段操作には監視と停止が重要だ。原稿は審査待ちできても、送信や下流変更は別権限が要る。基盤統治と職業訓練は関連するが別リスクを扱う。
UBSは2027年の新卒・実習応募者に実用AI技能を求めると報じられた。入口の期待は変わるが、金融判断や通常審査が不要になるわけではない。
雇用予測とキャリアは別
S&P Globalは短期には職全体より活動を置き換えると分析し、Morgan Stanleyの欧州銀行5年10%減員予測も紹介した。多くは退職や自然減の可能性がある。
地域の条件付き予測で、Goldman実績や一律解雇計画ではない。専門審査や統治へ仕事が動き、調整層や採用も変わる。反復作業を減らしながら熟練審査者を育てる経験を残せるかが重要だ。
低価値の作業を減らし、学習を残す
従来の若手業務には不要な反復と有益な練習が混在する。スライドの書式を何度も直す作業は学びが少ないかもしれない。しかし開示資料の期間を照合し、モデルを再構築し、仮定を説明する経験は、将来の成果物を審査する判断力を育てる。
エージェントは途中の判断を示さずに、完成品に見える表計算やプレゼンテーションを作れる。その結果、若手は自分で説明できないものを承認するよう求められかねない。銀行には理解を残す課題が必要であり、制作の速さを専門性の成長と取り違えてはならない。
実践的な研修では、エージェント支援の草稿と、選んだ計算や出典リンクの手動確認を組み合わせる。若手は重要な結論ごとに企業、報告期間、仮定、不確実性を説明する。熟練者はその説明を成果物と照合し、足りない部分を指導できる。
監督には実際の権限が必要
証拠を調べ、不適切な草稿を拒否し、無理な締め切りを上申できなければ、若手は結果の責任を実質的に持てない。役割をエージェント管理と呼んでも不一致は解消しない。アクセス権、審査の基準、責任ある上級者の承認を明示する必要がある。
情報支援、提案、実行を分けるべきだ。公開資料の収集は評価の仮定を選ぶことと異なり、どちらも顧客への資料送付とは異なる。段階ごとに審査と許可の境界が必要であり、機密情報は承認されたシステム内に置く。
修正後の成果と学習を測る
生成速度だけでは、主張の出典を追い、複数ファイルを照合し、もっともらしい誤りを修正する手間が見えない。チームは審査時間、誤りの重大性、大きな修正、上申、最終承認を測るべきだ。若手が支援なしでも根拠の弱い仮定を見抜く力を伸ばしているかも確かめる。
ファイル横断の確認は重要である。表、スライド、文章が同じ仮定の異なる版を使う場合がある。出典と計算の記録は過程の再構成を助けるが、検索だけでは財務判断の適切さは決まらない。
Citi のプラットフォーム整備と UBS の採用時の AI 技能要件は、課題が一行にとどまらないと示す。しかし統一的な人員配置モデルを証明するものではない。自動化は専門審査や統治へ仕事を移しつつ、分析職の採用や管理層を変え得る。
意味のある次の証拠は、業務別の導入開示、あえて失敗を見せる研修、責任がどこへ移るかを示すキャリアデータである。銀行は若手業務をより分析的にできるが、機械の成果を疑う専門性を育てる必要がある。速度が根拠ある仕事になり、将来の審査者が判断を学び続けられるかが試される。