Fintech ニュース
AI融資で信用へのアクセスは拡大するが、監督も重要
Securities.io を Google の優先ソースに追加
多くの金融サービスは、その本質において情報を扱うビジネスである。たとえば保険会社が保険料を適切に設定し、採算を確保するには、将来の事故発生率とその損害額について正確な情報を把握する必要がある。
同様に融資では、顧客ごとの債務不履行リスクを適切に評価し、それに応じた金利を設定する必要がある。
かつては、まず人間の判断だけや初歩的な数式に基づいて評価が行われ、社会的階層や個人的なつながり、本人の行動が、金融サービスを利用できるかどうかに影響していた。
その後、リスクを適切に評価し、偏りを減らすため、より専門的で客観的な手法が徐々に登場した。たとえば米国では、信用スコアが申請者の借入能力を評価する主要な手段になり得る。
しかし今では、さらに高度な手法も広まりつつある。AIを使って融資リスクをより精密に評価し、従来の信用スコアでは活用されていなかった有用なデータの宝庫を生かすものだ。
そのため、AI融資は従来の信用モデルでは通常対象とされにくかった借り手にも融資を届け、リスク評価全体を改善できる。一方、信用へのアクセスを広げることには、適切に運用されなければ、実際の審査の質に関する誤りや差別の拡大などのリスクも伴う。
昆明大学（中国）、上海財経大学（中国）、ハンブルク大学（ドイツ）の研究者による新たな研究は、信用市場における人工知能の影響を調査している。
研究によると、AI融資は金融包摂を平均で8.4～11.2パーセントポイント高めており、その効果の大部分はフィンテック系の貸し手によるものだった。一方で、AIを活用した信用供与の拡大は、テールリスクの変動性を増幅させることも明らかになった。
研究者らは、研究成果をInternational Review of Economics & Finance1に発表した。論文のタイトルは「信用市場における人工知能：アルゴリズム融資、金融包摂、規制裁定」。
AI融資を分析する
AI融資の可能性とリスク
Upstartのような新規参入企業が採用した目新しい手法だったものが（同社については後述）、今ではAI関連技術が、程度の差こそあれ、ほとんどの融資プロセスに取り入れられている。
「機械学習アルゴリズムは今や、大手リテール銀行の融資実行システムやデジタル融資プラットフォーム、そして増え続けるフィンテック新興企業群を支えている。」
こうしたシステムは、取引履歴、心理測定による評価、モバイル端末上の行動パターン、リアルタイムのソーシャルシグナルなど、数千もの変数を処理して計算できる。しかし、それによって新たな問題が生じる可能性もある。
- 学習データに埋め込まれた過去の偏りを引き継いだり、増幅させたりするおそれがある
- 監督当局による監視を難しくするほど不透明な仕組みで運用される
- 管轄区域をまたいで導入されることで、健全性規制の領域的な枠組みに課題を突きつける、ある種の規制裁定を招く
適切なデータを整備する
AI融資が地域内で及ぼす影響だけでなく、管轄区域をまたぐ影響も把握するため、研究者らは2012～2022年を対象に、アジア太平洋（14カ国）、欧州（10カ国）、ラテンアメリカ（10カ国）、サハラ以南アフリカ（8カ国）から選んだ42の経済圏を分析した。
研究者らは各国について、金融包摂、監督体制の質、マクロプルーデンス枠組みの包括性に関するデータを抽出した。
最も重要な指標である金融包摂は、以下の項目を考慮して測定した。
- 正式な信用口座の保有率。
- 中小零細企業（MSME）向け融資の浸透度。
- 借り手の成人人口に対する割合。
- 成人10万人当たりの商業銀行支店数。
- モバイルマネー口座の保有率。
また、各国におけるAI融資の普及度を評価するため、AI融資導入強度（ALII）という新たな指標も作成した。
「ALIIは、マクロレベルでの技術導入の強度と、セクター全体における能力の分布を示す構造的な指標として機能する。個々のモデルの精度や、ミクロレベルでのアルゴリズムの整合性を監査するのではなく、金融エコシステム全体において、自動意思決定のパイプラインがどれほど構造的に密集し、実務に浸透しているかを定量化する。」
研究結果
大きな格差
予想どおり、研究では金融包摂の水準が地域によって大きく異なることが示された。サンプル期間の初期におけるサハラ以南アフリカの低所得経済圏の0.042から、後期におけるアジア太平洋の高所得経済圏の0.941まで幅があった。
AI融資強度指数は、さらに大きなばらつきを示している。平均値は0.317だが、変動係数は0.89に達し、低所得国の平均は0.089、高所得国の平均は0.524だった。
もう一つの知見は、2016年以降にALIIが顕著に加速したことだ。これは、信用スコアリングにおけるディープラーニングの商用展開と時期が重なる。一方、Credit Cycle Volatility (CCV)の最高値は、2015年以降の新興市場経済で観測されており、ALIIのデータが示すフィンテック融資の急速な拡大と時期が一致している。
AI融資が金融包摂を促進
この研究では、AI融資と金融包摂の間に直接的な関連があることが明らかになった。
「AI融資強度指数が標準偏差1つ分上昇すると、金融包摂指数は標準偏差0.084分上昇することが示された。」
また、監督能力が弱いほど、AI融資が金融包摂に及ぼすプラスの効果は強まるようだ。これには、相互に排他的ではない二つの理由が考えられる。
- 監督体制が弱い環境には、代替データを活用するAI融資業者が収益を上げながら融資できる、十分なサービスを受けていない借り手がより多く存在する。
- 監督が行き届いていない環境のAI融資業者は、債務不履行の責任帰属に伴う規制コストが低いため、限界的な借り手にも融資を行う意欲が高い。
この効果は主にフィンテック企業によるものとみられる。AIを活用するフィンテック融資業者がもたらす金融包摂の効果は、AIツールを導入する既存銀行の3倍に達する。
「フィンテックによるAI融資の強度が標準偏差1つ分高まると、金融包摂指数（FII）は約13.8パーセントポイント上昇する。これは、既存銀行が同程度にAIを導入した場合の効果のほぼ3倍にあたる。」
したがって、金融包摂の拡大は、AIによって既存の銀行顧客への処理コストが削減されることではなく、フィンテック企業がAIを使って従来の銀行システムから排除されていた借り手に融資を届けることと結びついているようだ。
これは、既存の銀行は新たな顧客層を開拓するためにAIを活用するのではなく、既存顧客との関係を守るために防御的に導入するという一般的な見方と一致する。
国によってリスクは高まるのか
この研究では、監督体制が弱い環境において、AI融資による金融包摂の拡大がシステミックリスクの高まりと有意に結びついていないことが分かった。したがって、金融包摂の拡大幅が大きく、リスクが低いという点で、AI融資が最も良い成果を上げるのはこうした環境だと考えられる。
これに対し、より発展した経済や規制がより厳格な金融環境では、AI融資による金融包摂の効果は比較的小さい。その場合、リスクも小幅ながら無視できない程度に高まる。こうした経済では、融資をまったく受けられない状態にあるのは、最も周縁的な借り手に限られるためと考えられる。
「成人人口の金融包摂はすでにほぼ普遍的な水準にあり、AI融資によって包摂される借り手をさらに増やす余地はほとんどない。」
あらゆる融資と同様、リスクが高まるのは通常の市場環境下ではなく、金融システムに強いストレスがかかる局面だ。自動融資は平穏な時期には安定しているように見える一方、危機時には一斉に急速な資本削減を引き起こす。そのため、システミックな破綻や市場のパニックを防ぐには、強固なマクロプルーデンス上のバッファーが不可欠となる。
規制裁定
この研究でやや懸念される知見は、融資にAIを利用するフィンテック企業が、ペーパーカンパニーの利用などを通じて、より厳しい規制を逃れようとする傾向があることだ。
「アジア太平洋地域では、現地の監督強度が＋0.02から＋0.22へ高まっても、企業の活動は鈍化しなかった。むしろ事業を監督の網の外へ移し、規制対象外のペーパーカンパニー子会社を2社から11社へ増やした。同時に、国境を越えた資産移転の割合は14.5%から52.8%へ3倍以上に増加し、法的紛争の急増を招いた。」
これは、現地の規制当局がこうした融資業者を十分に規制しきれていないことを示している。むしろ、その状況が機動力のあるデジタル融資業者に事業を分割させ、監視の届かない地域へ資本を移すことを促している。
AI融資に関する投資家への示唆
この研究は、AI融資が金融包摂を改善することを示した先行研究の知見を裏付けている。たとえば、米国ではアルゴリズムによる住宅ローン審査により、債務不履行がそれに見合って増えることなく、マイノリティの借り手の承認率が上昇することがすでに知られていた。この結果は、リスクに応じた排除ではなく、差別に基づく排除が起きていることと整合する。
今回の研究は、この効果がほぼすべての地域と経済類型で一貫して見られることを示すとともに、AI融資の拡大が資本へのアクセスをより良く、より公平にするという直接的な因果関係を裏付けている。この効果は、金融包摂が進んでいない地域や、監督体制が弱い環境で特に大きい。
一方、この研究では、先進国ではリスクが高まり、恩恵が小さくなる傾向も明らかになった。
つまり、当初はAI融資によって資金へのアクセスが広がった一方で、最大の恩恵と最も低いリスクが見込まれるのはフロンティア市場かもしれません。もちろん、こうした市場は一般に、個々のAI融資企業の質とは関係なく、先進国の市場よりも本質的にリスクが高いという留保が必要です。
最後に、フィンテック企業は地域間の規制差を素早く利用し、より厳しい規制を回避しようとする傾向があるようです。これは長期的なリスクになり得ます。地域間の連携強化や規制当局の対応厳格化によって利益率が圧迫され、さらには企業が訴訟に直面する可能性もあるため、株主はこのリスクを考慮する必要があります。
したがって、AI融資に取り組むフィンテック企業の投資家は、融資の拡大だけでなく、各プラットフォームが持続可能な形で利用者のアクセスを広げられるかどうかも見極めるべきです。
既存の金融業界から十分なサービスを受けられていない人々が十分な数に上るなら、AI融資は大きな恩恵をもたらす可能性が高く、潜在市場も大きいでしょう。
その対象者層が小さすぎる場合、市場がストレスにさらされた際の債務不履行リスクの上昇や、規制回避を目的とした、同じようにリスクの高い越境的手法が、長期的に企業の株主にとって見えにくい危険をもたらす可能性があります。
AIを活用した融資への投資
Upstart Holdings
UPST 価格チャート
融資や信用スコアのあり方が変化するなか、従来の信用スコアや融資慣行に代わる、より優れた選択肢を提供する新興企業が登場しています。その一社が、AIを活用した融資マーケットプレイスのUpstartです。同社はAIがテクノロジー業界で大きな話題となるずっと前の2012年に創業しました。
Upstart創業の背景には、既存の信用スコア制度は非効率で時代遅れだという考えがありました。利用できるデータが大幅に増えた今、融資リスクをより正確に見極め、その結果、人口の大部分により低金利の融資を提供できるはずだという発想です。
「当社の個人向け融資モデルは、借り手のリスク評価において従来の信用モデルよりも明確に高い精度を実現しています。今後も何年にもわたって、モデルの改善を続けられると考えています。」
早期に事業を開始したことで、同社は自社のAIを訓練するための豊富なデータを蓄積でき、AIの訓練手法における近年の進歩も活用できました。
出典：Upstart
つまり、Upstartの手法では、FICOスコアが高くても、実際にはローンを返済できなくなるリスクが高い人を特定できます。反対に、FICOスコアが低くても、返済不能に陥る可能性がそれほど高くない人も見分けられます。
AIとデータを活用することで、Upstartは特定の利用者層に対して優れた成果を上げられます。たとえば、リスクの水準を同じに保ったまま、融資承認率を27%から67%に引き上げ、より多くの融資を提供できます。または、債務不履行率を9%から5%へと大幅に下げ、損失をほぼ半分に抑えることもできます。
出典：Upstart
さらに、融資担当者の代わりにアルゴリズムを使うことで、手続きが自動化されます。これにより、融資の申請にかかる費用を抑えられるだけでなく、手続きも大幅に速く、利用者にとってより快適になります。
Upstartのマーケットプレイスは、借り手と銀行、信用組合、機関投資家の資金を結び付けています。同社によると、2025年には、マーケットプレイスを通じて実行した融資の元本の64%を機関投資家が購入しました。
Upstartが事業を展開する市場は非常に大きく、世界では毎年25兆ドルの融資が実行されています。このうち、融資を実行・管理するプラットフォームが獲得できる収益は最大1兆ドルに上ります。
2025年、同社は150万件の融資を実行し（前年比115%増）、融資総額は110億ドル（前年比86%増）となりました。同社の売上高は10億ドル（前年比64%増）でした。また、新たな分野でも急速に成長しており、たとえば自動車ローンの実行額は5倍に増加し（2024年第4四半期の4,500万ドルから2026年第1四半期には2億6,300万ドルへ）、住宅ローンの実行額は6倍に増加しました（2024年第4四半期の2,700万ドルから2026年第1四半期には1億4,300万ドルへ）。
すでに大きな規模に達しているとはいえ、現在の融資件数は、高度な信用スコア手法とAIによる融資審査が持つ潜在力全体と比べれば、まだごくわずかです。
出典：Upstart
近年の成長実績と、創業当初からAIを中核に据えてきたことは、Upstartの今後にとって大きな強みです。一方で、株価はこの成功を十分に反映しておらず、2022年と同水準にとどまり、パンデミック中の2021年のピークを大きく下回っています。
その理由の一つは、Upstartのビジネスモデルにいくつかのリスクがあることです。
第一に、経済状況が学習データの範囲を超えて変化すると、モデルの精度が低下し、AIが新たな傾向を見落とす可能性があります。
もう一つの課題は、説明可能性、公平性、人口統計別の性能報告を求める規制圧力が強まっていることです。AIは意図せずとも、かつて金融業界で禁止された差別的な慣行を再び持ち込むおそれがあります。
最後に、同社は信用サイクルを通じて機関投資家からの資金調達が継続することに、依然として依存しています。高水準の債務と緊迫した地政学情勢を背景に、金融システムのストレスが高まりつつある兆候も見られます。
それでもUpstartは、融資の新たな手法を模索した初期のフィンテック企業やP2Pネットワークの取り組みを発展させる形で、AI融資マーケットプレイスと審査インフラの主要な提供企業となる有力な立場にあります。
また投資家は、融資審査のあり方を大きく変えてきた企業への投資機会を、早い段階で得たいと考えるかもしれません。
Upstart Holdings（UPST）の最新株式ニュースと動向
参考文献
1. Podong Song、Shutong Wu、Janson Partab「信用市場における人工知能：アルゴリズムによる融資、金融包摂、規制裁定」。International Review of Economics & Finance。2026年12月。論文番号：105937。第112巻。10.1016/j.iref.2026.105937
