ハーバード・ビジネス・レビューのケーススタディの題材となった初のアジアの銀行、DBS について話そう。（同行はグローバル・ファイナンス誌により、2025 年の世界最高の AI 銀行にも選ばれた。）
このケーススタディは、Collar の創業者にとってかなり身近なものだ。私たちはシンガポール人で、この国の多くの人にとって人生で最初の銀行口座は DBS だった。
DBS は、技術畑でない人なら誰もが抱く永遠の問いに答える。AI が大規模に導入されるとき、組織の中の人々はどうなるのか？ DBS は資産規模で東南アジア最大の銀行であり、19 の市場で 4 万人以上を雇用している。
ゆっくり、着実な AI 投資
DBS は 2014 年から、データと AI のインフラをひそかに構築し始めた——生成 AI が主流の話題になる何年も前のことだ。この早期の着手のおかげで、業界の他のプレイヤーが LLM の導入に奔走していた頃には、DBS はすでにデータ基盤、ガバナンスのフレームワーク、社内のケイパビリティを築き、自信を持って動ける状態にあった。
2025 年までの成果は、その忍耐がもたらす複利効果を物語っている。
- 370 以上のユースケースにわたり 1,500 以上の AI モデルを展開
- 2025 年に AI 施策から 10 億シンガポールドルの経済価値を創出——同行が公に約束し、達成した目標
- グローバル・ファイナンス誌により世界最高の AI 銀行に選出、アジアの機関として初の栄誉
- 2025 年に 9 件のオペレーティングモデル変革（OMT）施策を完了し、当初目標の 6 件を上回った
人間中心の哲学
DBS のアプローチを決定づける特徴は、何を展開したかではなく、AI と人々の関係をどう考えたかにある。多くの組織が従業員への影響を下流の検討事項として扱うのに対し、DBS は最初から戦略にそれを組み込んだ。
同行の立場は明確だ。AI は増強のツールであって、置き換えのプログラムではない。あらゆる AI 展開は、「人がまだ必要かどうか」ではなく、「人がすることをどう変えるか」という問いを軸に設計される。これは PR 上の姿勢ではない。ユースケースの選び方、モデルの展開の仕方、成功の測り方を形づくる、アーキテクチャ上の制約だ。
「私たちは人員削減のために AI を展開しているのではない。社員が時間を費やす対象を変えるために展開しているのだ。」 —— 従業員と AI に関する DBS の公的姿勢を反映（2024〜2025 年）
技術スタックだけでなく、人材を再構築する
DBS の人材へのコミットメントは、修辞ではなく実務だ。同行は、AI やデータ分析を含む未来に備えたスキルの包括的な向上対象として 1 万 3,000 人の従業員を特定し、2025 年までに 1 万人超がすでに能動的な学習ロードマップに乗っていた。同年、さらに 1 万 2,000 人が専門的なリスキリングの対象に位置づけられた。
DBS はこれを研修プログラムとしてではなく、組織の再設計として扱った。チームは再編され、役割は再定義された。同行は、自動化によって解放されたキャパシティを吸収するため、AI 関連の新たな職をおよそ 1,000 創出すると約束した。
同行はまた、エグゼクティブコーチングの先駆者マーシャル・ゴールドスミスと共同開発した、生成 AI 駆動のキャリアコーチング・プラットフォーム iCoach を構築した。iCoach は、DBS の全従業員に、同行自身の社内の役割定義、異動経路、学習リソースに基づいた、パーソナライズされたオンデマンドのキャリア指導を 24 時間提供する。それが従業員に送るメッセージは率直だ。私たちは銀行の効率だけでなく、あなたの未来に投資している。
PURE フレームワーク：競争優位としての責任ある AI
大半の組織が AI ガバナンスをコンプライアンス上の義務として扱うのに対し、DBS はそれを戦略的資産として扱った。同行は PURE フレームワークを開発した——AI が社内および顧客向けアプリケーションでどう使われるかを律する 4 つの原則だ。
| 原則 | 意味 | なぜ重要か |
|---|---|---|
| 目的的（Purposeful） | データと AI は明確で正当な目的のためにのみ使う | スコープの肥大化と誤用を防ぎ、社内のガバナンス規律を築く |
| 意外でない（Unsurprising） | AI の挙動が顧客や従業員を驚かせてはならない | 信頼を築き、意思決定に AI が使われていると判明したときの反発を防ぐ |
| 敬意（Respectful） | 個人を尊厳をもって扱い、プライバシーと自律を守る | 意思決定が生計に影響する銀行業では特に重要 |
| 説明可能（Explainable） | AI の意思決定は解釈可能で監査可能でなければならない | 規制対応と、人間の説明責任の維持に必要 |
PURE はイントラネットに掲示されたガイドラインの寄せ集めではない。AI 開発ライフサイクルに組み込まれた運用基準だ。新たな AI ユースケースはすべて、展開前にこれに照らして評価される。これには二つの効果がある。従業員が使うツールへの自信を築き（明確な倫理基準に照らして検証済みだと知っているため）、顧客の信頼を築く（AI の挙動が予測可能で説明可能なため）。
アジア各地の規制当局が金融サービスにおける AI への監視を強める環境において、DBS のガバナンス姿勢は、単なるリスク低減策ではなく、競争上の差別化要因となっている。
オペレーティングモデル変革：自動化ではなく、仕事を再設計する
DBS の組織面で最も独自性のある貢献は、オペレーティングモデル変革（OMT）という概念だ。OMT は、既存プロセスの上に単に AI ツールを載せるのではなく、チームの仕事が人と AI の協働を軸にどう構成されるかを根本から考え直すことを意味する。
各 OMT 施策には三つの要素がある。ワークフローそのものの再構築（単に AI を足すのではなく）、そのワークフローに携わる人々のスキル向上、そして人と AI の新たな分業を軸にしたチームの再編だ。2025 年、DBS は主要な事業ラインにわたって 9 件のこうした変革を完了した。具体的な成果は以下のとおり。
- CSO Assistant という生成 AI ツールが通話処理時間を最大 20% 短縮し、カスタマーサービスチームを複雑で高付加価値なやり取りに振り向けた
- 生成 AI アシスタントが今や月間 25 万件の顧客問い合わせを処理——定型タスクの 80% を自動化し、人間のエージェントが判断を要する 20% に集中できるようにした
- ソフトウェア開発者向け社内生成 AI ツール CodeBuddy が、テストケース生成とドキュメント作成の期間を数か月から数週間へ短縮
- AI 駆動のリスクスコアリングモデルが、技術変更リクエストの 100% を審査し、それらの変更に起因するシステム障害を 81% 削減
- 生成 AI ツールが、4 万人超の従業員の日々の業務にわたって推定 5〜10% の時間節約をもたらした
人間中心のテーゼ
DBS の物語は、JP モルガンの物語とは異なる一連の教訓をもたらす——矛盾ではなく、補完的だ。JP モルガンが大規模に投資し速く展開したときに何が起きるかを示すのに対し、DBS は技術と同じくらい入念に人に投資したときに何が起きるかを示している。
教訓 1：人材の移行こそが変革である
大半の組織は、人材の移行を AI 展開の副次的効果として扱う。DBS はそれを第一の目的として扱う。あらゆるユースケースを導く問いは、「AI はこれをできるか？」ではなく、「これは私たちの人々を解放して、代わりに何をさせるのか？」だ。この捉え直しは、何を作るか、成功をどう測るか、施策を社内でどう伝えるかを変える。採用曲線も変わる。AI が自分を方程式から外すのではなく、することを変えるのだと従業員が理解したとき、抵抗は減り、関与は高まる。
教訓 2：ガバナンスは信頼を築く道具である
PURE フレームワークは、DBS の最も移転可能なイノベーションだ。4 つの原則が斬新だからではなく、DBS がそれを運用に落とし込んだからだ。それらは価値観の声明ではない。開発基準だ。展開後に AI 施策へガバナンスを後付けする組織は、一様に同じ問題に直面する。従業員は理解できないツールを信頼せず、顧客は説明できない AI の意思決定を信頼しない。
教訓 3：忍耐は複利で効く
DBS の 2025 年の成果は、単一の大型施策から生まれたのではない。データインフラ、AI ケイパビリティ、人材スキルへの 11 年にわたる一貫した投資から生まれた。これはゆっくり動くべきだという主張ではない。複利の効かない短期的な展開指標を追うのではなく、最初から正しい基盤に投資すべきだという主張だ。
教訓 4：オペレーティングモデル変革こそ真の報酬
最も価値の高い AI ユースケースは、個々のツール展開にあるのではない。チーム全体の働き方の再設計にある。一人の時間を 10% 節約する生成 AI ツールは、生産性の改善だ。人と AI の協働を軸に再編され、役割が再定義され、ワークフローが再構築されたチームは、段違いの飛躍だ。DBS は 2025 年にこうした再設計を 9 件完了した。大半の組織は一件も完了していない。
教訓 5：信頼こそスケーラビリティの制約である
AI 展開のスピードは、価値創出の第一の制約ではない。信頼が制約だ。AI ツールを信頼しない従業員は、表面的に使うか、パイロット終了後に手作業に戻る。DBS は信頼を軸に変革を築いた——透明性のあるスキル向上投資と iCoach を通じて従業員と、PURE フレームワークを通じて顧客と、説明可能なガバナンスを通じて規制当局と。だからこそ採用は、広いだけでなく、深くまで及んだ。
二つのモデル、ひとつの目的地
JP モルガンも DBS も、変革的な AI の成果を達成した。たどった道は異なる。両方を理解することは、どちらか一方を唯一の正解として扱うよりも有用だ。
| JP モルガンのアプローチ | DBS のアプローチ |
|---|---|
| 主たる物語：規模とスピードへの投資 | 主たる物語：人を最優先する、忍耐強い変革 |
| LLM Suite：8 か月で 20 万人へ口コミ的・任意の展開 | データインフラ、文化、人材ケイパビリティへの 10 年投資 |
| リスク管理の規律としてのガバナンス | 信頼構築と競争差別化としてのガバナンス（PURE） |
| 測定軸：採用スピード、収益増、コスト効率 | 測定軸：人材ケイパビリティの向上、モデル品質、時間とともに複利する経済価値 |
| チェンジマネジメント：第 1 四半期に 3 万人の AI 研修参加者 | オペレーティングモデル変革：2025 年に 9 件の完全なチーム・ワークフロー再設計 |
| AI が低価値の仕事を置き換え、人は高価値の仕事に集中 | AI が全従業員を増強し、人は管理して切り離すのではなく明確に投資される |
| 結論：2025 年までに年間 20 億ドルの AI 創出価値 | 結論：2025 年に 10 億シンガポールドルの AI 創出価値、世界最高の AI 銀行に選出 |
どちらのモデルが優れているということはない。JP モルガンのアプローチは、大規模に展開する資本とリスクを管理するガバナンス基盤を持つ、大規模で機動的な金融機関で機能する。DBS のアプローチは、複数の規制市場で事業を営み、深い従業員の信頼を必要とし、変革の長い弧に投資する意思のある組織で機能する。
大半の中堅組織にとっては、DBS の道のほうが再現性が高い。データ基盤から始め、初日からガバナンスをプロセスに組み込み、モデルに投資するのと同じくらい入念に人に投資し、オペレーティングモデルの再設計こそを真の成果物として扱うことだ。
DBS モデルが実務で意味すること
展開する前に診断する。 DBS の OMT フレームワークは、仕事が現在どう構成され、AI がどこで真のレバレッジを生むかの診断から始まる。これは技術監査ではない。ワークフロー監査だ。
「人」の方程式に明確に投資する。 DBS は、従業員が AI との働き方を自力で見つけ出すとは想定しなかった。構造化されたスキル向上に投資し、リスキリング対象の個人を特定し、iCoach を構築し、新たな役割の創出を約束した。人への投資は技術への投資に見合っており、それこそが技術投資を定着させた。
必要になる前にガバナンスを築く。 PURE は、金融サービスの AI 展開に今や付きまとう規制の監視に DBS が直面する前に築かれた。その順序が重要だった。インシデントへの対応としてガバナンスのフレームワークを築く組織は、常に後手に回る。
正しいものを測定する。 DBS は AI から創出された経済価値を測定した——これは、ビジネス成果を特定の展開に帰属させることを要する硬い数字だ。公に約束し達成した 10 億シンガポールドルの目標は、施策を AI のパフォーマンスではなくビジネスの現実に整合させ続けるアンカーだった。
まとめ
JP モルガンは、最大速度・最大規模での AI 変革がどのようなものかを示す。DBS は、基盤を正しく整え、技術に注ぐのと同じ厳格さで人に投資したとき、それがどのようなものかを示す。
DBS の物語は、JP モルガンより遅い、あるいは慎重だということではない。AI 変革の最も難しい部分はモデルの展開ではなく、4 万人の働き方を変え、しかも彼らの信頼を損なうのではなく勝ち取る形でそれを行うことだ、と認識することにある。
それが PURE フレームワークの目的だ。それが iCoach の目的だ。それがオペレーティングモデル変革の目的だ。そして、だからこそ DBS は世界最高の AI 銀行なのだ——最も多くの AI を展開したからではなく、AI をうまく使う種類の組織を築いたからだ。
今後 10 年の AI を制する組織は、最も速く展開する組織ではない。最も深く築く組織だ——そのデータ、ガバナンス、人々、そしてオペレーティングモデルにおいて。DBS はその概念実証である。
出典
- DBS が 2025 年の世界最高の AI 銀行に選出（DBS ニュースルーム）：dbs.com/newsroom
- ハーバード・ビジネス・スクール：DBS の AI ジャーニー ケーススタディ：hbs.edu
- DBS の AI 駆動デジタル変革（DBS）：dbs.com/artificial-intelligence
- DBS が AI 推論時代に向けオペレーティングモデルを再構築（Computer Weekly）：computerweekly.com
- DBS の 10 億ドルの AI の夢が実現（Forrester）：forrester.com
- DBS の AI 戦略分析（Klover.ai）：klover.ai
- DBS iCoach 生成 AI 人材ツール（DBS ニュースルーム）：dbs.com/newsroom/icoach
- DBS の人間と AI のシナジーアプローチ（Tearsheet）：tearsheet.co
