三井住友銀行も先行、Geminiで財務・法務書類を大量処理する前にやること

決算期が近づくと、財務部の机に積み上がる書類の量が一気に増える。契約書の更新確認、稟議書の整合性チェック、部門ごとの月次レポートとの突き合わせ。一件ずつファイルを開いて確認する作業が何週間も続く。法務担当者も同じで、新旧の取引先契約書を読み比べながらリスク条項を探す作業に、毎回多くの時間を割いてきた。

書類を「一件ずつ開く」から「まとめて投げる」に変わるとき

長文を一度に扱えるAIが実用段階に入ってきた。Geminiに代表される大容量コンテキストモデルは、一度の入力で数千枚分のテキストを処理できる。現行世代でもすでに100万トークン超の入力が可能で、200万トークン規模への拡張が視野に入っている。

財務・法務の現場でこれが意味するのは、「一冊ずつ確認する」から「全部まとめて投げて横断分析する」への転換だ。複数期分の有価証券報告書をまとめて入力して「前期と比べてリスク記載が変わった箇所を教えて」と頼む。取引先との契約書一式を読み込ませて「自動更新条項が含まれているものとないものを分けて」と指示する。大量のテキストを横断的に処理するAIがいなければ成立しなかった作業だ。

三井住友銀行がSakana AIと証明した、書類処理の新しい速度

国内の先進事例として注目されるのが、三井住友銀行とSakana AIの共同開発だ。2026年4月に発表されたこの取り組みでは、大企業向け提案書の作成を複数のAIエージェントが自律的に担い、かつて1〜2週間かかっていた作業を数十分〜数時間に短縮した。顧客の財務・非財務情報の収集から仮説立案、ストーリー構成、品質チェックまでをエージェントが連携して処理する仕組みだ。

この事例が示すのは、書類を読んで分析して構成を整えるという業務そのものをAIが担える段階に来たということだ。大手金融機関がすでに本番稼働させているなら、財務・法務チームが社内の書類処理にAIを試す理由は十分にある。

今日から試せる、大量書類の一括処理フロー

まず小さい範囲から始めるのが現実的だ。書類をPDFかテキストで用意し、「これらの書類から〇〇を抽出してください」という形でGeminiに一括入力する。最初は同種の書類を3〜5件に絞って出力の精度を確かめ、問題なければ範囲を広げていく。

法務なら、過去3年分の取引先との契約書をまとめて入力して、期限・更新条件・特約の一覧表を出力させる。財務なら、各部門の月次レポートを一括投入して予算との乖離が大きい項目を抽出させる。横浜銀行のケースのように、まず一種類の書類だけで試すことが成功率を上げるコツだ。

AI処理に適した形で書類を整えておくことが、この先の業務効率を左右する。スキャンデータのテキスト化、ファイル名の体系化、保管場所の統一。今やっておけば、次の決算期にはまったく違う動き方ができる。

ドリップ（執筆）

財務や法務の書類確認って、丁寧にやるほど時間がかかる仕事ですよね。

「一件ずつ開く」から「まとめて一気に分析する」という発想の転換が、実はいちばん大きな変化だと思います。三井住友銀行の事例は、その可能性を数字で示してくれました。

まず手元の書類3件だけで試してみてください。それだけで、使えるかどうかはっきりわかります。

あなたは法務の専門家です。以下の複数の契約書を読み、リスクになりうる条項を書類ごとに抽出してください。

【対象書類】
[契約書テキストをここに貼り付け]

出力形式：
■ 書類名：
・リスク条項1：[条項名]（[章番号・条番号]）
  → 内容の要約と懸念点
・リスク条項2：…

最後に、すべての書類を通じて共通して注意すべき点を1〜2行でまとめてください。書類が複数ある場合は、相互に矛盾する条項があれば指摘してください。

あなたは財務部のシニアマネージャーです。以下の各部門の月次レポートを読み、予算から大きく乖離している項目を特定してください。

【対象月】[例：2026年6月]
【各部門レポート】
[部門名と月次レポートの内容をここに貼り付け]

出力形式：
■ 乖離が大きい項目TOP3：
1. 部門名・費目：乖離額（予算比〇%）→ 考えられる要因
2. …

■ 翌月に確認・対処すべき事項：
・…

あなたは証券アナリストです。以下の【今期】と【前期】の有価証券報告書を比較し、リスク開示の内容に変化があった箇所を教えてください。

【今期報告書】
[テキストを貼り付け]

【前期報告書】
[テキストを貼り付け]

出力：
■ 今期に新たに追加されたリスク記載：
■ 今期に削除・縮小されたリスク記載：
■ 表現が強まった・弱まった箇所：
■ 変化の全体まとめ（3行以内）：