三菱UFJ銀行は、海外事業の業務プロセス標準化において、生成AIを活用した「AIフローチャート」ツールを開発し、フローチャートの作成、比較、修正に要する工数を1事例あたり11人日から1人日に削減した。これは従来比で約9割の削減となる。同ツールは、AWS Summit Japan 2026で発表された。
標準化の壁と「知見者」への依存
同行は世界30カ国に拠点を持ち、3000人を超えるスタッフが1日平均20万件の取引データをシステムに入力している。その業務の約8割は、顧客が資金をやり取りする送金業務が占める。同社の岡崎直樹氏（執行役員 国際事業企画部長）が率いる国際事業企画部は、業務サービスのQCD（品質、コスト、納期）の「三方よし」をビジョンに掲げ、業務の標準化とシステムの自動化を進めている。
しかし、インドの業務集中センターへの集約率は目標に対して約10％と低調に推移していた。各国拠点ごとに業務事後の発生率や取引単価、スタッフ1人当たりの生産性といった指標を比較すると、大きなばらつきがあった。海外事業の収益比率を20％から50％まで高める中で、顧客の個別ニーズや現地の商習慣、当局の規制に対応した業務のバリエーション拡大が背景にある。
同行本社が海外拠点向けに発行する標準手順書のドキュメントは約600ページであるのに対し、各拠点が作成した固有手順書は数百～数千ページに及ぶ。例えば、送金業務について標準手順書では「担当者は顧客依頼に従って、送金データを登録する」といった大枠のルールが定められている。一方、各拠点は手順として「送金担当者は書面もしくは電子的方法によって受け付けた顧客依頼に従って、勘定系システムに送金データを登録する」といったように、担当者や受け付け方法、登録先を特定して具体的に記述している。さらに経年によって業務プロセスに違いが生じたり、実質的に同じプロセスでも拠点ごとに表現が異なったりするため、比較は容易ではなかった。
結局、業務の標準化は、同行が「知見者」と呼ぶベテラン従業員の力に頼らざるを得ない状況だった。知見者は膨大な手順書を確認し、一つ一つのプロセスのフローチャートを作成する。それを他拠点と比較して違いを見つけ、関係者と協議し、最終的に手順書を修正する。手間も時間もかかる手順であるため、標準化作業を進めるほど知見者の負荷が増し、限界は見えていた。
AIフローチャートでボトルネックを解消
標準化が知見者頼みになる状況を打破するため、岡崎氏のチームが発案したツールが「AIフローチャート」だ。AIフローチャートは、従来の標準化プロセスにおけるフローチャートの作成、他拠点との比較、修正作業を生成AIが支援する仕組みである。最終的な確認は人が担う必要があるが、知見者の作業負荷が軽減される。生まれた時間を関係者との協議に充てることで、業務プロセス全体の標準化を進めることを目指している。
AIフローチャートは次のように動作する。まず準備作業として、基礎となる手順書類をアップロードする。その後、標準化の対象とするプロセスを選択すると、2つのフローチャートが自動的に作成され、画面に表示される。知見者は、色の違いやハイライトで映し出される標準手順書との違いを見ながら内容を確認し、必要に応じて修正する。
修正機能では、プログラムコードではなく自然言語を使ってAIに指示を出せる。RPA（Robotic Process Automation）で自動化できる業務のプロセスを修正したり、シドニー支店のベストプラクティスを他の拠点に反映したりできる。多言語に対応しており、日本と海外の関係者がそれぞれの言語で議論しながら修正を加える使い方も見込む。
AIフローチャートの導入で、フローチャートの作成、比較、修正に要する工数は1事例当たり11人日から1人日に減る。従来との比較で90％の工数を削減できる見込みだ。内訳は、作成が10人日から0.5人日、比較と修正がそれぞれ0.5人日から0.25人日になる。ただし、関係者との協議に要する1～2カ月は変わらない。
AIフローチャート導入のメリットは工数削減だけではない。人がフローチャート作成を担っていた頃は1対1の拠点比較に留まっていたが、1対複数、あるいは全拠点を同時に比較することもできる。岡崎氏はこの結果を受け、「もはやリソースの制約は言い訳にならない。AIフローチャートを活用し、長年の経営課題であった海外事業のプロセスの標準化を完遂する覚悟を固めた」と述べる。
生成AI単独では、思い通りの成果が出ない
実は、AIフローチャートの開発は全て順調に進んだわけではない。2024年に同行の生成AI活用第1号案件として選ばれたが、約1年半の開発期間の中で困難にも直面した。2025年5月までは、自社の環境内で生成AIのみを用いてフローチャートを作成しようと試みた。しかし、プロトタイプの品質は芳しくなく、拠点間の比較が困難な状況に陥った。生成AIがプロンプトや業務の手順書を誤って理解し、的はずれで不正確なフローチャートが多数出力されたためだ。
「例えば、『ニューヨーク支店の送金手順をわかりやすくチャートにしてほしい』と指示すると、カラフル過ぎるチャートが出てきたり、逆に過度に単純化して短すぎるチャートが出力されたりするケースもあった。AIの出力が安定せず、本来は複数の人間が担当している業務を『1人』と読み違える間違いも発生した」（岡崎氏）。
AIの出力が人間の意図からずれるミスアライメント（misalignment）や、事実に基づかない情報を生成するハルシネーションが頻発し、プロジェクトは成果を出せずにいた。岡崎氏が別のプロジェクトへの乗り換えを考え始めたころ、AWS（Amazon Web Services）から新たな提案を受けた。それが、生成AIに「オントロジー」と「ナレッジグラフ」という2つの技術を加えることだった。
オントロジーとナレッジグラフの組み合わせが突破口に
オントロジーとナレッジグラフは、情報をノード（点）とエッジ（線）を用いた多次元のネットワークで表現する点で共通している。「しかし、両者の役割は異なる。オントロジーが概念と関係性を定義する設計図であるのに対し、ナレッジグラフは実体と関係性を整理したデータベースだ」と岡崎氏は説明する。
「担当者が顧客依頼に従って送金データを登録する」という標準的なルールを例に取って説明しよう。担当者、顧客依頼、送金データという情報が「点」になり、これらを結ぶ行動が「線」になる。顧客依頼の先には受取人や通貨、金額、取引日といった情報が点と線で連なる。情報のつながりを設計図として整理してAIが解釈できるようにすることで、推論が可能になる。これがオントロジーの考え方だ。
拠点ごとの「表現の揺れ」についても、オントロジーという設計図を通して吸収し、比較可能なデータベースであるナレッジグラフを構築できる。岡崎氏はこの関係性を、「オントロジー＋データ＝ナレッジグラフ」という式で簡潔に表現する。
同行はオントロジーとナレッジグラフを、生成AIと業務知見者の協働で構築した。作業はまず、生成AIで本社の標準手順書を「トリプル」と呼ばれるデータに分解することから始まる。トリプルは主語、述語、目的語の3つの要素から構成される。トリプルの蓄積が、オントロジーの能力を決める心臓部だ。
次に、生成AIが分類したトリプルを知見者が確認し、修正を加える。これは英文法における正誤問題を解く訓練に近い。加えて不完全なトリプルの要素を抽出し、知見者が補う「穴埋め問題」のプロセスも追加した。述語が欠け落ちている部分を補完する。場合によっては知見者が文章を判断し、主語、述語、目的語の全てを入れ直す。同行は基本問題から応用問題まで、この作業を繰り返し、約2万件のトリプルのパターンを作り上げてオントロジーに変換した。構築されたオントロジーとナレッジグラフの品質は、知見者の知識量に依存する。
開発の後半に当たる2025年6月以降は生成AI自体の機能向上も重なり、フローチャートの精度が改善した。岡崎氏は、「生成AIは言語処理能力が高く、24時間働き続けられる。しかし、初期状態では業務知見を全く持たない新入社員のような存在だ。だからAIに対しても、人間にするように業務の基礎知識を教育すればリスクを低減できる」と話す。
同行はオントロジーとナレッジグラフを、ベテラン従業員のノウハウをAIに引き継ぎ、業務標準化を進めるツールと位置付ける。同行は今後の事業でも多様な展開が可能だと見込む。オントロジーとナレッジグラフには海外事業の業務知見が凝縮されており、業務プロセスの標準化だけでなく新規のシステム開発や成長戦略にも応用できるからだ。
同行はまず、2026年3月からユーザー部門が受け入れテスト（UAT）を実施する際のケース作成に適用する計画を示した。要件定義書の作成や業務知見の伝承も視野に入れる。商品やサービスの新規導入では、業務プロセスの効率化と関連手順書の作成、担当者の教育に生かす。海外拠点の新設では業務プロセスの標準化に、M&Aでは対象企業の業務のデューデリジェンスやPMI（買収後の統合プロセス）の効率化に利用することも見据える。岡崎氏は最後に、「今回構築したオントロジーとナレッジグラフを基盤に、人とAIが相互に高め合うAIネイティブな組織に向け、歩みを進めていきたい」と語った。
本稿は、アマゾン ウェブ サービス ジャパンが主催したイベント「AWS Summit Japan 2026」（開催日：2026年6月25～26日）で三菱UFJ銀行の岡崎直樹氏（執行役員 国際事業企画部長）が「三菱UFJ銀行のオントロジー×ナレッジグラフを活用した海外事業プロセスの効率化」というテーマで講演した内容を編集部で再構成したものだ。
