AIより先に“資料の入り口”を整えた——2〜3時間の仕事を数分にしたドバイの銀行

AIエージェントを入れたのに、思ったほど速くならない。
その原因はAIの性能ではなく、“資料の渡し方”にあるのかもしれません。

2026年10月12日、ドバイに本店を置く銀行のマシュレク(Mashreq)が、
IBMのAI開発基盤「IBM Bob(ボブ)」の試験導入を発表しました。
2〜3時間かかっていた手作業が、数分で終わるようになったといいます。
本記事では、発表の中身と速さの種明かしである“社内資料の入り口”、
そして中小企業が学べる3つの実践を解説します。

銀行の裏側の「つなぎ込み」をAIのチームに任せた

マシュレクは、中東・北アフリカで事業を展開する銀行です。
スマホのアプリも送金も、裏側では多くのシステムがつながって動いています。
このつなぎ込み(統合)の基盤は、毎秒平均650件の取引を処理しているといいます。

今回の試験導入で、マシュレクはこの統合の仕事にAIエージェントを迎え入れました。
担当は、設計の計画づくりから、開発、コードの見直し、
そして本番で起きた不具合の原因さがしまでと幅広いものです。
導入は地元のIT企業GBM社と組んで進められています。

開発の現場にAIを入れる動きは、日本でも始まっています。
以前の記事で紹介したソニー銀行の勘定系開発でも、
生成AIは“調べる・繰り返す”工程ほど大きく効いていました。

2〜3時間の仕事が数分になった

発表によると、これまで2〜3時間の手作業だった仕事が、数分で終わるようになりました。
統合の設計とトラブル対応にかかる時間は、
最大60〜70%減ったといいます(試験導入の初期結果)。

注目したいのは、速くなったのが“書く”仕事だけではないことです。
不具合の原因さがしのような“調べる”仕事こそ、時間が大きく減っています。
資料を探して読み込む時間が、仕事の大半を占めていたからです。

速さの源は、社内知識への“ひとつの入り口”

なぜそこまで速くなるのでしょうか。
鍵は、あわせて導入された「Context Forge(コンテキスト・フォージ)」という仕組みにあります。

これは、AIエージェントに社内の知識を安全に読ませるための入り口です。
つなぎ方の仕様書、設計の決まりごと、運用のこれまでの記録。
担当者が引き出しや過去のメールから探していた資料を、
AIがひとつの窓口から読めるようにしました。

窓口はMCP(モデル・コンテキスト・プロトコル)という共通規格にもとづいて作られ、
AIエージェントからの問い合わせは月およそ4,000件にのぼります。
データを国外に出せない業務に備えて、
AIを自社の設備内で動かす構成の検討も始まっているといいます。

人の新人でも、資料のありかを教わらなければ、ひとつの調べものに何時間もかかります。
AIも同じで、速さを決めたのはモデルの頭の良さより、資料への道筋でした。

中小企業が学べる3つの実践

毎秒650件を処理する銀行の基盤と同じ道具を、そのまま使う話ではありません。
ただ、“AIより先に資料の入り口を整える”という考え方は、
会社の規模を問わず持ち帰ることができます。

1. 任せたい仕事の参照資料を1か所に集める

手順書、ひな形、過去のやり取り、よくある質問。
任せたい仕事ごとに、AIに読ませる資料をまずひとつの場所に集めます。
以前の記事で解説した“指示書の5項目”は、この棚卸しの出発点になります。

2. AIが読める入り口は1つに絞る

社内のフォルダーを自由に歩き回らせるのではなく、入り口をひとつに決めます。
何を渡したかが一覧でき、渡していない資料は読めない状態を保てるからです。
権限の管理も記録の確認も、入り口が1つなら格段に楽になります。

3. 「何回使われたか」を数える

マシュレクの発表には「月およそ4,000件」という利用回数が添えられていました。
使われた回数は、仕組みが効いているかを測るいちばん簡単な物差しです。
数か月たっても使われない資料置き場は、置き方か中身を見直します。

注意して読む点

今回の発表を読むときは、次の点に気をつけてください。

• 試験導入(パイロット)の初期結果であり、第三者の検証を経た数字ではありません。
• 「最大60〜70%」は効果が大きく出た作業の値で、すべての仕事が同じ割合で速くなるわけではありません。
• 発表は開発元のIBM側によるもので、導入の規模や費用は公表されていません。
• 大手銀行は基盤への投資とデータの整備が済んでいる前提があり、効果の数字をそのまま自社に当てはめることはできません。

まとめ

マシュレクの発表が示したのは、AIエージェントの速さが“渡した文脈”で決まるという事実です。
2〜3時間が数分になった裏側には、
仕様書や決まりごとをAIが読める形で渡す、地道な入り口づくりがありました。

最初の一歩は、明日の朝にも踏み出せます。
任せたい仕事をひとつ選び、その仕事の資料を1か所に集めること。
AIを雇う前に、AIの“机と本棚”を用意する——その順番が、導入の成否を分けます。