時代に合わせて「資金調達」の方法がアップデートされている。2026年5月25日には「事業性融資の推進等に関する法律」が施行され、企業の将来性や顧客基盤といった無形資産を担保の対象とする「企業価値担保権」が創設された。
同制度によって、既存の資産が少ない中小企業やスタートアップなどの資金調達を円滑化する狙いがある。同法の総則には「（不動産担保や経営者保証などに依存した）融資慣行の是正及び会社の事業に必要な資金の調達等の円滑化を図り（略）事業の継続及び成長発展を支える」と明記されている。
では、企業の「将来性」「価値」をどう測るのか。従来は財務諸表といった過去のデータを基に判断していたため「融資実行まで時間がかかる」「小規模事業者はデータが乏しく審査が難しい」といった課題があった。その状況が「AI」の登場によって変わりつつある。
「社長の話と、会社の財務データ、世の中の評判などを基にAIが考えて『ここは良い』『ここが悪い』『つじつまが合わない』などを指摘し、融資可否の評価まで出してくれる。精度はともかく、技術的にそこまで可能となってしまった。私がデモンストレーションを見た際は『これなら審査員はいらない』というレベルにまで達している」――専修大学の尾木研三教授（商学部）はこう話す。
|
|
|
|
AIの登場で、企業の資金調達はどう変わるのか。借りれる企業と借りれない企業の差を分かつものは――。AI審査モデルの研究を専門とする尾木教授に聞いた。
●「融資」現場にAIの足音 資金調達どう変わる？
そもそも、中小企業やスタートアップはなぜ資金調達に苦労するのか。この問いに対して、尾木教授は「永遠の課題だ」とし、大企業と比較して論点を整理する。
財務面では、大企業は四半期または半期ごとに決算を行う。第三者の監査を受けており、決算データの正確性も確保されている。一方で、中小企業の決算は年1回に限られ、監査を受けていないケースも少なくないという。
「一般的に、中小企業の決算書は鮮度や精度は、大企業よりも低い。銀行から見ると情報の非対称性が大きいため（資金を貸し出すリスクがあることから）、情報格差を埋める努力が必要だ」（尾木教授）
|
|
|
|
同教授は、社長のパフォーマンスが経営に与える影響も無視できないと指摘する。資本金が数百億円ある大企業であれば、社長が多少の負債を抱えていても大きな問題にならない。しかし中小企業、とりわけ零細企業は、社長の資産や負債を把握しなければ会社の実態が分からないという。
融資審査の一環で、社長の資産――預金や株式、ゴルフ会員権の保有状況などを全て調べるのには労力を要する。財務状況なども含め、情報の非対称性を解消するためにかけた審査コストに対して、金融機関はどれだけのリターンを得られるのか。金利が1％だったとき「大企業への融資10億円」と「中小企業への融資1000万円」では、後者で採算を取るのは難しいという。
少額の融資で採算を取るには、金利を上げるしかない。融資する金融機関にとっては「審査に時間もコストもかかる」「リターンが少ない」「金利を上げざるを得ない」という厳しい状況になる。
融資を受けたい中小企業の立場では「本当はいますぐお金がほしいのに、融資を申し込んでから結果が出るまでに1カ月かかるため、ビジネスチャンスを逃してしまうというデメリットがある」（尾木教授）。大企業と同じくらいの信用力があっても、企業規模が小さいというだけで金利が高くなることもあるという。
「与信コストを下げられて、金利も下げられて、スピーディーに融資できれば、金融機関にも企業にもメリットがある。ここにAIの活躍の場があり、銀行や金融ベンチャーなどさまざまな企業がこの業界に参入して盛り上がっているのが現状です」（尾木教授）
|
|
|
|
●AI審査モデルとは何か 尾木教授が語る「生成AIのすごい強み」
融資審査の現場で使うAIは、どのようなものなのか。AI審査モデルは、財務データを基に融資可否の判断を支援することが基本だという。尾木教授は、AI審査モデルを2種類に分けて特徴を説明する。
定量データを分析する「ホワイトボックス型」
AI審査モデルの一つが、決算書などの定量データや構造化データを機械学習の手法で分析する「ホワイトボックス型」だ。さまざまな情報から「この企業が今後倒産する確率はどれくらいなのか」を判定するもので、長年にわたり研究されている。
尾木教授はホワイトボックス型モデルの開発に携わる中で「財務データ以外の重要な要素」を研究している。同教授が注目する要素の一つが「業歴」だ。事業年数と倒産確率の関係性をグラフで表すと「U字型」になる。創業初期は倒産しやすく、中期は事業が安定するため倒産確率が低下するが、企業が成熟すると後継者問題などを受けて会社を畳むケースが増えるという。
尾木教授は「経営者のパフォーマンスをなんとか数値化できないか研究してきた。最近はさまざまなデータを取得できるようになっている」と説明。「経営者のSNS投稿をチェックする」「経営者のネットショッピング履歴から性格を判定する」といった試みがあるという。海外では同意を得た上ではあるものの、経営者に持たせたGPS発信機から得た行動履歴を評価に役立てる例もあるようだ。
生成AIを活用する「ブラックボックス型」
ホワイトボックス型の後に登場して注目を集めているのが、生成AIを活用する「ブラックボックス型」だ。従来の技術では難しかった「リアルタイムの入出金情報」「Web公開情報やSNS投稿などの非構造化データ」の分析が可能になっている。
尾木教授が例に挙げたのが「飲食店の『味』の評価」だ。飲食店の将来性を見極める際、味は重要な要素だが、審査員の主観になりかねない。これが、生成AIの登場によって「食べログ」などの口コミを分析できるようになった。AIによる口コミ分析を使い始めている金融機関もあるという。
「生成AIがすごいのは、自ら判断して考える点だ。構造化データを読み込み、さらにインターネット上の情報を集めて、データの整合性を加味しながら『この企業はここに問題がある』『融資できる、できない』まで判断できる。金融機関内の稟議（りんぎ）書のコメントを生成するところまで、技術的にできるようになった」（尾木教授）
●メガバンク、審査業務にAIを積極活用 どう使っている？
AI技術の進化に合わせて、金融機関における審査業務でのAI利用も増えている。
「金融機関のAI導入には濃淡がある。メガバンクはAI活用をどんどん進めているが、信用金庫や信用組合などではそこまで進んでいない。しかし『審査業務の一部にAIを入れましょう』と取り組んでいる先進的な信用組合もある。最終的な判断は人間が担うが、AIのコメントを参考にするレベルまでどの金融機関も達しているのではないか」（尾木教授）
中小企業が提出する、現金収支をまとめた「資金繰り表」の分析にAIを利用している例があるという（※CFB社が取り組んでいる例がある）。資金の動きや過去の決算書から、現在の財務状況やキャッシュフローの予測をAIで立てる。この他、粉飾決算の疑いを検知する用途も、AIが得意とする領域だという。
尾木教授は「人がやると大変だが、AIはパッと出せる。審査の効率化という意味で、格段に楽になっている」とし、粉飾の可能性が高い案件を丁寧にレビューするなど、メリハリのある審査が可能になるという見解を示す。
「人間の審査員をサポートするツールとしてAIを活用できる。恐らく、メガバンクは人の仕事をAIに置き換えて、最終的な総合判断だけを人間が担う方向に向かっているのだろう」（尾木教授）
審査業務におけるAIの活用により、審査の柔軟性が向上していると尾木教授は語る。また、審査の現場では「個人情報の保護」「反社チェック」など審査員に求められる業務が増えており、多忙な中で従来通りの審査を続けるには効率化が欠かせないことも、AI導入の背景にあると尾木教授はみている。
●AI審査モデルで解決しなければならない「課題」
生成AIの活用に期待が高まる一方で、課題もある。尾木教授は「AI審査モデルは妥当な分析をしているが、まだ試験的な利用にすぎない。（AI審査モデルによる審査を）全ての企業に当てはめられるかどうか分からない。学習量が少ないため、データを与えて精度を上げなければならない」と説明する。
しかし、そのデータが足りない。日本企業が発行する決算書の大半はPDFファイルで、中小企業の中には決算書がデジタル化されていないケースも多い。会計ソフトウェアによる財務データと勘定科目のひも付けも進んでおらず、インターネットバンキングの普及が遅れていることから決済情報のデータ化も道半ばにあると尾木教授は述べる。
データがあっても「デジタル化されていない中小企業の部分だけデータ量が少ない」「大都市や特定業種の企業データが多い」といった偏りがあると、AI審査モデルの精度に影響してしまうという。
尾木教授がAI審査モデルを開発した際は、中小企業財務データベースを運営するCRD協会の「中小企業信用リスク情報データベース」を用いた。金融機関や信用保証協会から集めたデータを利用できるため「信用に値するモデル」が作れる。また、全国各地に支店を持つ日本政策金融公庫は、約100万社の顧客を抱えているため、偏りが少ない“日本の縮図”のようなデータを得られるという。
●融資審査にAIが使われる時代 中小企業はどう対応すべきか
融資審査にAIが使われるようになったいま、中小企業やスタートアップはこの変化にどう対応すればよいのか。
経営に関する情報のデジタル化やデータ化が進み、AI活用と組み合わされば、企業の実態がガラス張りになる。「どんぶり勘定」「過小申告」などは通用しない。逆に言えば、まっとうに取り組んでいる企業が正確なデータを金融機関に提出できれば、AIが「信用できる」と判定し、スピーディーな融資につながるだろう。
「経営の実態に即した融資が可能になる。『立派な経営者である』と堂々と言える企業は、低金利の融資を素早く受けられるはずだ。リスクが低いと判定された中小企業は、低い金利で借りられるようになる。今回の審査では駄目でも、失敗から学んで信用力を上げればまたチャレンジできる」（尾木教授）
スタートアップも同様だ。これまで、過去の業績がないスタートアップの将来性を判断するのは難しかった。しかしAIで構造化・非構造化データを分析できれば、創業者の素質や実績、ローンなど信用取引の利用履歴（クレジットヒストリー）などから融資可否を判断できるようになる。尾木教授は「ビジネスチャンスは急に現れる。そのタイミングで資金調達できるかどうかが、スタートアップにとって重要だ。タイムリーに資金を手に入れられれば、ビジネスチャンスを大きくできる」と強調する。
同教授は、融資審査におけるAI活用の展開について「使いながら精度を上げていく。完成するまでは人間とAIが協業しながら、人間が最終的に判断を下す体制が4〜5年後に整うのではないか」と見通す。また「最近の生成AIの進化スピードは、私の予想をはるかに超えている。10年後はどうなっているか分からない」と期待をにじませた。
融資審査におけるAI活用は、もう始まっている。本特集「AIが変える“カネを貸す”条件」では、融資を受けた中小企業やスタートアップを取材。全4回かけて、変わる金融現場の「いま」を浮かび上がらせる（※関連記事を参照）。
（アイティメディア：荒岡瑛一郎）
|
|
|
|
|
|
|
|
Copyright(C) 2026 ITmedia Inc. All rights reserved. 記事・写真の無断転載を禁じます。
掲載情報の著作権は提供元企業に帰属します。
IT・インターネット
ランキング
IT・インターネット
アクセス数ランキング
- 1
家事から解放? ロボット搭載の家（写真：TBS NEWS DIG）28
話題数ランキング
- 1
経費精算の脅威 AI生成レシート（写真：ITmedia NEWS）29
