外部SIerに依存する固定費を削るため現場行員を開発者に仕立て直す金融機関が狙う本当の合理性

オフィスの片隅で、これまでExcelの関数やマクロの修正に苦戦していた事務職の社員が、画面の対話欄に「この融資審査リストから担保条件を満たす案件だけを抽出して」と日本語を打ち込んでいる。隣の席では、営業出身の行員がAIの生成したスクリプトを前に、動かない理由を探してプロンプトを打ち直している。大手金融グループのみずほが、事務や営業などを担う従業員数千人を「AI開発者」へと転換・育成する方針を打ち出した。

この光景を生んでいるのは、先進的なDXを誇示したい意欲ではない。解雇できない人件費という固定費と、高騰し続ける外部委託費に挟まれたJTC（伝統的大手企業）の切迫した損得勘定だ。

なぜプログラミング未経験者を「開発者」と呼ぶのか

表層のニュースだけを見れば、「銀行員がエンジニアにリスキリングする」という美談や、あるいは「素人に何が作れるのか」という冷ややかな視点に終始しがちだ。しかし、キャッシュフローの観点から見れば理由は明快である。

これまで日本の大企業が社内システムや自動化ツールを作ろうとした場合、現場の要求をまとめ、社内IT部門を経由して外部のSIer（システムインテグレーター）に発注するのが常だった。そこには膨大な要件定義の会議と、人月単価で積み上がる外注費が発生する。しかも出来上がったものは現場の微妙な運用変更に追従できず、改修のたびに見積もりを取り直す羽目になる。

今起きている変化は、現場の非エンジニアがプログラミング言語を習得したことではない。AIという翻訳機が手に入ったことで、「業務仕様を知っている現場の人間」が直接コードを生成できる環境が整ったことだ。構文エラーの修正やライブラリの選定はAIが引き受ける。企業にとって最も高くつく「現場とエンジニアの間の伝言ゲーム」を丸ごと中抜きできるなら、数千人を開発者と呼んで内製化を急ぐ動機は十分に成立する。

削られるのは外部SIerの「人月」である

なぜ昔ではなく「今」なのか。条件は以前からあったはずだ。RPA（ロボティック・プロセス・オートメーション）の導入期にも、ノーコードツールの普及期にも、同じような内製化の掛け声はあった。

今になってメガバンクが数千人規模の転換に踏み切る理由は、ツールの進歩と人件費構造の限界が交差したからだ。第一に、近年の生成AIやコーディングエージェントの精度向上により、非エンジニアでも「自然言語で仕様を伝え、エラーをAIに自己修正させる」ループが実用域に達した。第二に、国内のIT人材不足によって外部SIerの人月単価は上昇し続けている一方で、銀行の店舗統廃合や事務スリム化によって余剰となった社内人員の給与は固定費として重くのしかかっている。

整理解雇が極めて難しい国内の雇用規制の下で、余剰人員のキャッシュアウトを抑えつつ外部へのキャッシュアウトを削る手段は、彼らを「自前のアジャイル開発部隊」に仕立て直すこと以外に残されていない。割を食うのは、要件定義の往復書簡と定型的な下流工程で利益を上げてきた外部ベンダーのキャッシュフローである。

道具が変わっても「何を作りたいか」は自明にならない

私自身、自動車のパワートレインに関わる設計やシミュレーションの現場で、日常的にAIツールに指示を出しながら計算や検証環境を組む時間が増えた。以前なら環境構築やスクリプトの手直しに丸一日かかっていた作業が、数回のやり取りで形になる感覚は確かにある。

しかし、そこで強く感じる違和感がある。道具の進化によって「作ることの摩擦」がゼロに近づいた結果、浮き彫りになるのは**「そもそも何のためにその仕組みが必要なのか」という目的の曖昧さ**だ。

現場でAIを触らせると、「できること」から逆算して小さな自動化を乱立させる人が多い。だが、業務フローそのものが前時代的な二重承認や無駄な帳票で埋め尽くされているなら、それをAIでどれだけ高速に回しても組織の生み出す付加価値は変わらない。手段が手軽になった分だけ、目的を見失ったスクラップの山が社内に築かれるリスクを肌で感じている。

2つの仮説とそれが崩れる条件

この大規模な転換について、私は以下の2つの仮説を立てている。

仮説1：この施策の本質は「高度な内製開発」ではなく、外部SIerへの外注費削減と要件定義プロセスの内部圧縮である。 この見立てが崩れるのは、3年後にみずほのIT関連費用において「外部委託費」の総額が横ばいまたは増加傾向を維持し、内製ツール群が保守不能なシャドーIT化して社内運用コストが跳ね返ったデータが確認されたときだ（確度：70%）。

仮説2：現場発のAI実装で成果を出すのは「ITスキルの高い人」ではなく、「業務の前提条件を疑い、無駄な承認フローを削れる人」である。 この見立てが崩れるのは、評価される社員の属性を分析した結果、業務改革を行わずに既存の定型業務をAIでなぞっただけの「小粒なマクロ量産者」が社内KPIの上位を独占し続けたときだ（確度：60%）。

同じ構造の組織に立つ人間が明日からできること

数千人規模の転換というニュースを、遠い金融業界の話として眺める必要はない。製造業であれサービス業であれ、JTCに身を置く人間が直面する構造は同一である。

1. 日常の定型業務を「AIへのプロンプト」として書き出してみる いきなりコードを書く必要はない。自分が毎日・毎週繰り返しているルーティンを、他人に作業委託するつもりで厳密な手順書として自然言語で記述してみる。曖昧な指示では動かないAIと対峙することで、自分の仕事のうち「どこが論理的ルールで、どこが無意味な慣習か」が浮き彫りになる。

2. 自部署の「外部委託している小規模案件」の見積もりを調べる 社内の業務改善やデータ集計のために、過去に外部ベンダーや別部署へ発注した費用と納期を確認する。その作業が、AIエージェントを使えば数時間でプロトタイプを作れる領域に入っていないかを点検する。組織のキャッシュ流出ポイントを把握することが、社内で自分の立ち位置を確保する最短の足がかりになる。

参考： みずほが数千人をAI開発者に転換　事務や営業、日本企業の働き方転機2:00 | 日本経済新聞 https://www.nikkei.com/article/DGXZQOUB0722M0X01C26A0000000/