AIエージェントは人々の生活をどう変えていくのか（後編）

ファイナンス分野に手を伸ばすGoogleの動き
Googleは本年6月、金融情報サービス「Google Finance」を約20年ぶりに大幅アップデートし各国でベータ版から正式版に移行した（※７）（米国では昨年8月にAI搭載のベータ版を公開していた）。Geminiの技術をベースとした専用のAIが搭載され、自然言語でポートフォリオ分析や、市場動向を定期的に要約・配信するブリーフィングを指示することができる。また、自分のポートフォリオや資産状況は自然言語で指示するかCSV、PDF等のファイル形式やスクリーンショットで読み込ませる必要がある。なお、Googleの公式ブログ7では、Google FinanceとGeminiの会話履歴の連携については明示されていない（※８）。
今回Google Financeに追加された機能は、既存の資産管理サービスにも見られるものであり、経路Aの動きと比較するとデータ連携などの面で進化の余地も残されているように思われる。しかし、検索や情報提供を中核としてきたGoogleが、このタイミングで金融サービスに再度注力している点は注目に値する。前編で取り上げたエージェンティック・コマースのように、金融分野でも生成AIベンダー間での競争が激化することが予想される。

経路B：AIエージェントによる取引－証券会社と顧客のAIエージェントの直接接続
昨年11月以降、主に米国市場で、証券会社が顧客のAIエージェント向けに取引環境を整備する事例が出始めている（表1）。
仕組みとしては、証券会社がMCP(Model Context Protocol)（※９）に対応したサーバー（MCPサーバー）を用意し、顧客がClaudeやChatGPT、CursorなどのMCP対応のAIエージェントをMCPサーバーに接続する。証券会社は、OAuth等を通じてユーザーに対してAIエージェントの接続許可を確認し、AIエージェントが顧客本人から権限委譲を受けた正当なクライアントであることを確認する。
ここまでの準備段階が完了したのち、AIエージェントはユーザーからの指示に基づいて、MCPサーバー経由で市場データや口座残高情報の取得、発注を行う。
AIエージェントにどこまでの権限を与えるかは各社で対応が異なる。例えば、TradeStationは注文確定前にユーザーに承認を求める。一方で、AIエージェントに自動的に注文執行させる事例も見られる。こうした違いは、AIエージェントに対する権限付与、監視、責任範囲をどのように設計するかという新たな論点を含んでいると言えよう。なお、TradeStationをはじめ、今回取り上げる事例では、AIエージェントに自動執行を認める場合であっても、権限を付与する主体はユーザーとなっている。このため、ユーザーにはAIエージェントに付与する権限の範囲を適切に管理することが求められる。一方で、AIエージェントによる取引に関する責任の所在は、各社の利用規約や法規制等を踏まえて個別に整理する必要がある。
また、プログラムを利用した自動売買（システム/アルゴリズムトレード）とは異なる点にも留意する必要がある。自動売買はあらかじめユーザーが設定したルールに基づいて、発注・執行する仕組みである。一方、AIエージェントを活用した取引では、人間とAIエージェントが自然言語で対話しながら、市場情報の収集・分析や投資候補を選定し、AIエージェントがユーザーを代行して注文を行う。

関連した話題として、AIエージェントが取り扱うデータの標準化にも触れておきたい。
ここまで取り上げたMCPは、AIエージェントと金融機関を接続するためのプロトコルであり、AIエージェントが取引を行う際の銘柄コード（ティッカー）、注文数量・価格、約定結果等の金融データは証券会社が独自に定めている。
前編ではAIエージェントが複数のECとやり取りするためのプロトコルとしてACPとUCPを取り上げた。証券取引でも同様に、AIエージェントが複数の証券会社や金融サービスを横断して利用するためには、こうした金融データの標準化も必要となる。
こうした中で、MCP上で金融商品の識別子、注文、市場データ、リスク管理等を共通化する具体的な仕様として、オープンソースプロジェクトのAPEX Standard（※１３）が公開されている。公式サイトでは、自らをAIエージェント時代のFIX(Financial Information eXchange)（※１４）と表現している。ただし、現時点では正式公開前のアルファ版の段階にあり、業界標準として広く採用されるまでには至っていない。他にもLinux Foundation傘下のFINOS (Fintech Open Source Foundation)が、AIエージェントが利用する業務フロー、データ、スキル、統制等の共通仕様を検討している（※１５）。

経路A/Bの現状と整備に伴う将来像
では、経路A（情報収集）と経路B（取引の実行）が整備された場合、金融機関が提供するサービスにはどのような変化が生じるのだろうか。ここまでの議論を基に、両経路の現状と両経路が整備された先の将来像を表2のとおり整理した。

これまでは金融機関の担当者やFA、あるいは金融機関が提供するアプリやウェブサイトが経路A/Bを担ってきた。しかし、今後両経路が整備されることで、一部のサービス提供主体は顧客が用意したAIエージェントへ移行する可能性がある。
この変化を具体的にイメージするため、FA業務を例に考えてみたい。
現状は、投資助言規制や顧客リレーションの観点から、AIエージェントが担う範囲は限定的である（※１６）。また、FAが顧客の預金・証券・保険などの金融資産全体を把握し、税制や相続も踏まえた総合的な助言を行うには、多くの時間とコストを要する。そのため、総合的な助言を提供するFAサービスでは、主に富裕層をターゲットとしてサービスを提供することが多かった。
しかし、本稿で整理した二つの経路は、この前提を変える可能性がある。経路Aは複数の金融機関にまたがる情報収集や資産把握のコストを引き下げる。また経路Bは、提案後の売買や各種手続きの実行コストを引き下げる。両経路の整備によって、従来は人手に依存していたFAサービスの一部を低コスト化し、新たな顧客層にアプローチできる可能性がある。

スイッチングコストの低下と金融機関間競争の変化
ここまでは、経路Aと経路Bの整備による既存サービスの変化を見てきたが、AIエージェントの普及は、将来的に金融機関間の競争関係にも影響を与えると考えられる。
経路Aの将来像では、AIエージェントがユーザーの資産・負債・収支や過去の対話履歴、さらにはインターネット上の商品情報を踏まえて情報収集や比較、選定まで行う。その結果、複数の金融機関を調査する負担は軽減され、自身の状況に合致した金融商品を容易に比較検討することが可能となる。
さらに、経路Bで金融機関を横断したデータ連携や取引実行環境の整備が進めば、AIエージェントが経路Aで比較・選定した商品の購入あるいは契約を、手続き面まで含めて容易に実行することが可能となる。
このように両経路が整備されることで、金融サービスを利用する際の商品選択や購入手続きといったスイッチングコストが大幅に低下すると考えられる。こうした時、金融機関間の競争は一層激化することが予想される。これまで顧客の情報収集コストや手続きコストによって維持されていた優位性は低下し、商品性や価格競争力そのものがより直接的に比較されるようになるだろう。
例えば、金融機関との継続的な取引関係の起点となる住宅ローンでは、AIが借り換えプロセスを簡素化する可能性が指摘されている。モルガン・スタンレーは本年8月のレポートで、顧客側がAIを活用することによる住宅ローン借り換えに伴う探索コストや手続きコストの低下と影響を試算した。レポートの中では、住宅ローン金利が5.5%まで低下した場合、借り手側のAI活用が緩やかに進む場合でも、約2.1兆ドルの借り換えが発生するとしている（※１７）。

おわりに
ここまでAIエージェントが金融機関に様々な影響を及ぼし始めていることを見てきた。
その中でも、重要な影響の一つは、AIエージェントによって金融サービスを利用・変更する際のスイッチングコストが大幅に低下する可能性がある点だと考える。
例えば、銀行等の預金取扱機関は、給与振込などの「お金の入り口」と住宅ローン返済やクレジットカード引落口座などの「お金の出口」を自行口座に集約し、メインバンク化を進めてきた。これは、顧客との継続的な関係を維持し、安定的な預金を確保するための基本戦略である（いわゆる「粘着性の高い預金」の獲得）。顧客は、より高い金利の預金口座やより好条件な借入先を見つけたとしても、口座の開設・解約や引落口座の変更には手間がかかるため必ずしもメインバンクを変更するとは限らなかった。
しかし、AIエージェントが顧客に代わって情報収集や比較検討を行い、さらには資金移動や各種手続きまで支援するようになれば、こうしたスイッチングコストは大きく低下する可能性がある。その結果、金融機関は従来以上に商品性や顧客体験、付加価値そのもので選ばれることになるだろう。
エージェンティック・ファイナンスは金融機関と顧客との関係性や競争構造そのものを変化させる可能性を秘めている。今後は「顧客に選ばれる金融機関」であると同時に、AIエージェントが容易に接続・利用できる環境を整備し「AIエージェントに選ばれる金融機関」であることも重要になるだろう。