2026年9月10日、OpenAIは金融サービス向けの「ChatGPT for Financial Services」を発表しました。金融サービス向けにカスタマイズされたChatGPT Workの体験として、組み込みの金融データとGPT-6 Astraの推論機能を組み合わせ、調査、財務モデル、顧客向け資料の作成までを支援します。
一方、BBVAやMUFGでは、この発表以前からChatGPT Enterpriseの大規模導入が進んでいました。両社の事例では、金融機関がEnterpriseを全社規模で利用し、情報管理やガバナンスと組み合わせて運用していることが確認できます。
そのため、新製品の意味を考えるには、「金融機関向けになった」という説明だけでなく、Enterpriseですでに実現していた利用に対して、今回の発表で何が金融業務向けの機能として明示されたのかを見る必要があります。
金融機関ではすでにChatGPT Enterpriseの大規模利用が進んでいる
ChatGPT for Financial Servicesが登場する前から、金融機関でChatGPT Enterpriseを大規模に使う事例はありました。
BBVAは2024年、3000人を対象にChatGPT Enterpriseを導入し、その後、世界で10万人を超える従業員へ展開しました。法務、リスク、エンジニアリング、業務運営、財務、マーケティング、カスタマーサービスなど、複数の部門で日常業務に組み込んでいます。
また、生成AIを金融機関へ広げるため、BBVAは当初からセキュリティ、法務、コンプライアンス、テクノロジーの各チームを連携させました。従業員は2万を超えるカスタムGPTを作成し、そのうち約4000が世界各地で頻繁に利用されています。
日本では、MUFGが2024年10月にOpenAIとの取り組みを始め、2026年から三菱UFJ銀行の全行員約3万5000人へChatGPT Enterpriseを順次展開しています。
MUFGは導入理由として、「全行員が様々な業務に広く使えること」と「安心して使えること」を挙げています。情報管理のプロセス、承認ルート、禁止事項や留意事項を明確にしたうえで、eラーニングの修了を利用開始の条件にしました。全行員向け研修、カスタムGPTのワークショップ、役員向け勉強会なども実施しています。
展開後4か月で1800件を超えるカスタムGPTが作られ、特定のリサーチ業務では作業量が2～30％削減されたとしています。
BBVAとMUFGでは企業規模、対象業務、期間、測定方法が異なるため、成果数字を直接比較することはできません。ただし、両事例からは、ChatGPT Enterpriseを全社規模で利用し、専門業務への展開やガバナンスと組み合わせた運用を金融機関がすでに進めていたことが確認できます。
つまり、今回の変化は「金融機関が初めてChatGPTを安全に使えるようになった」ことではありません。
ChatGPT for Financial Servicesで明示されたのは「金融データから成果物まで」の業務環境
ChatGPT for Financial Servicesの発表で前面に出されたのは、金融業務で使うデータへのアクセスから分析、根拠確認、成果物作成までを一つの環境につなげる設計です。
プレミアム金融データを最初から利用できる
ChatGPT for Financial Servicesには、Daloopa、PitchBook、LSEG News、Crunchbaseなどのプロバイダーから提供される金融データが組み込まれています。
対象には、決算説明会の記録、財務諸表、企業ファンダメンタルズ、非公開企業の情報などが含まれます。OpenAIは、一部の組み込みデータについて、別途契約を交渉したりコネクタを設定したりせずに利用を始められると説明しています。
データはOpenAI側でインデックス化・ホストされ、数値や主張の出所を特定の表や文章まで追跡できる仕組みも示されています。分析結果だけを見るのではなく、その根拠となった情報へ戻って確認できるようにする設計です。
ただし、すべての金融データが追加契約なしで利用できるという意味ではありません。
既存の金融データ契約もChatGPTから使いやすくする
金融機関では、すでに外部の金融データサービスを契約している場合もあります。
OpenAIは、S&P Capital IQ、LSEG、MSCI、Dow Jones Factiva、Moody’sと、利用者が既存契約で持つデータへの利用権限をChatGPTへのサインインから認識できる連携に取り組んでいるとしています。
これは、最初から組み込まれている金融データとは別の仕組みです。利用者がすでに権利を持っている外部データへ、ChatGPTからアクセスしやすくすることを目的としています。
また、Datasite、Box、Preqin、FactSet、Intappなどを含む50以上のコネクタがあります。金融サービスで利用頻度の高い一部の外部データ接続についても、製品内ですぐ使いやすくするための最適化が行われています。
一方、既存契約の権限を認識する連携については「取り組んでいる」と説明されているため、すべてが発表時点ですでに提供されているとは扱えません。
GPT-6 Astraで分析から金融向け成果物作成までつなげる
ChatGPT for Financial ServicesにはGPT-6 Astraが標準搭載されます。
OpenAIは、金融サービス業務で重要な能力として、情報検索、金融推論、成果物生成の3つを挙げています。GPT-6 Astraは、財務文書に含まれる数値や表、注記を読み、複数の情報を使って分析し、その内容を文書、スプレッドシート、スライドへまとめることを想定しています。
OfficeQA Proでは、GPT-6 Astraが69.9％、GPT-5.6 Solが60.2％という結果が示されています。OfficeQA Proは、米国財務省の資料から情報を探し、複雑な表やグラフ、注記を分析できるかを見る評価です。
ただし、この9.7ポイントの差を、実際の金融業務全般で同じだけ性能が上がるという意味には広げられません。特定のベンチマークで示された結果として見る必要があります。
分析後の成果物作成も金融業務向けに設計されています。管理者は専用ページからExcel、Word、PowerPointの企業テンプレートを公開でき、組織のテンプレートやスタイルガイドを使って、企業価値評価モデル、調査ノート、顧客向け提案資料であるピッチブックなどを自社形式で作成できるとしています。
このため、今回の発表で示された業務の流れは、「金融データを探す」だけではなく、「データ取得→分析→根拠確認→企業形式で成果物化」までを一続きにするものと整理できます。
Enterpriseとの違いはセキュリティより「金融業務への特化」で見る
ChatGPT for Financial Servicesは、ChatGPT Enterpriseと全く別のセキュリティ基盤を新設した製品として説明されているわけではありません。
OpenAIによると、SAML SSO、SCIMプロビジョニング、ロールベースアクセス制御など、ChatGPT Enterpriseのセキュリティ・ガバナンス機能を基盤としています。企業データはデフォルトでモデル学習に使われず、保存時・通信時の暗号化、ワークスペースの保持期間設定、対応するログのエクスポート、役割別のSkills・Appsアクセス管理、複数ワークスペースによる情報障壁なども示されています。
BBVAやMUFGの事例からも、Enterpriseを金融機関の情報管理やガバナンスと組み合わせ、大規模に運用している事例を確認できます。
そのため、Financial Servicesとの違いを考えるとき、中心になるのは「Enterpriseより安全か」ではなく、「今回の発表で金融データや金融業務向けの機能として何が明示されたか」です。
今回の3資料から確認できる範囲を整理すると、次のようになります。
| 比較軸 | Enterpriseの金融機関事例から確認できること | Financial Servicesで明示された内容 |
|---|---|---|
| 全社利用 | BBVA、MUFGで大規模導入の事例がある | 対象となる金融機関向けに提供 |
| セキュリティ・管理 | 金融機関独自のガバナンスや研修と組み合わせて利用 | EnterpriseのSAML SSO、SCIM、ロールベースアクセス制御などを基盤にする |
| 金融データ | 今回の事例資料だけでは包括的な仕様を確認できない | プレミアム金融データを組み込む |
| 外部データ接続 | 今回の事例資料だけでは包括的な仕様を確認できない | 金融データ事業者との権限連携や、一部の外部データ接続の最適化を明示 |
| 金融分析 | 金融機関の専門業務でEnterpriseを使う事例がある | GPT-6 Astraと金融分析向け能力を明示 |
| 成果物作成 | カスタムGPTなどを使った業務活用事例がある | 企業価値評価モデル、調査ノート、ピッチブックなどを企業テンプレートで作成 |
ここで重要なのは、Enterprise側の欄に書かれていないものを「利用できない」と解釈しないことです。BBVAとMUFGの資料は、Enterpriseの全機能を網羅した製品仕様書ではありません。
したがって、この比較は「Enterpriseにない機能」と断定するものではなく、「今回のFinancial Services発表で金融向け機能として明示された内容」を整理したものです。
どんな金融機関ならFinancial Servicesを検討する意味が大きいのか
3資料を横断すると、判断基準は「金融機関かどうか」だけでは足りません。
Financial Servicesで明示された金融特化機能が、自社の現在の業務上の不足に当てはまるかを見る必要があります。以下の4点はOpenAIの公式導入条件ではなく、Focus4編集部が資料から整理した比較検討の判断材料です。
1．外部の金融データを日常的に使うか
企業分析、株式調査、投資銀行業務、企業価値分析などで複数の金融データを日常的に使う場合、組み込みデータをChatGPT上で直接扱えることは比較検討の材料になります。
特に、必要なデータへのアクセスや確認に手間がかかっている組織では、「分析モデルの性能」だけでなく、データ取得から分析までの流れを一つの環境にまとめられるかを見ることが重要です。
2．外部データ契約が多く、接続や権限管理が複雑か
複数の金融情報サービスを契約している場合は、既存契約の権限をChatGPT側から認識できる仕組みが、自社の利用環境にどの程度合うかが確認点になります。
また、外部データ接続の最適化が、自社で利用しているサービスに対応しているかも確認が必要です。
3．財務分析から顧客向け成果物まで一連で作るか
調査や分析だけで終わらず、Excel、Word、PowerPointの企業テンプレートを使って、企業価値評価モデル、調査ノート、ピッチブックなどの成果物まで作成する業務が多い組織では、一連の環境として利用できることが比較材料になります。
一方、金融データへのアクセス、外部データ接続、金融分析、金融向け成果物作成といった今回明示された機能を必要としていない組織については、この3資料だけからFinancial Servicesへの変更が必要だとは判断できません。
4．現在のEnterprise運用で何が不足しているか特定できているか
BBVAやMUFGの事例が示すように、金融機関でもChatGPT Enterpriseはすでに大規模かつ幅広い業務で使われています。
そのため、検討の出発点は「金融機関だからFinancial Servicesを選ぶ」ではなく、現在のEnterprise利用で何が足りないかを分けることです。
不足しているのが金融データへのアクセスなのか、複数サービスとの接続なのか、金融分析なのか、分析後の成果物作成なのかを明確にできれば、Financial ServicesについてOpenAIへ問い合わせ、比較検討する必要性も判断しやすくなります。
今回の発表資料では価格や具体的な対象条件を確認できない
ChatGPT for Financial Servicesは「eligible financial institutions」、つまり対象となる金融機関向けに提供され、関心がある企業はOpenAIまたは担当アカウントチームへ問い合わせる形になっています。
ただし、今回の発表資料では次の点を確認できません。
- 「対象となる金融機関」の具体的な判定基準
- 価格や契約単位
- 最低利用人数
- 地域ごとの提供条件
- 組み込み金融データの詳細な利用条件
- 既存データ契約との権限連携が利用できる時期と対象範囲
- 既存のChatGPT Enterprise契約との契約上の関係
Financial ServicesをEnterpriseの「上位版」や単純な追加オプションとみなす根拠も、今回の3資料からは確認できません。
金融機関であることだけを理由に製品選定を変えるのではなく、まず既存のEnterprise利用で実現できている範囲と、金融データ、接続、分析、成果物作成のどこに不足があるかを整理し、そのうえで提供条件をOpenAIへ確認するのが判断の順序になります。
今回の発表で大きく変わったのは、金融機関がChatGPTを使えるようになったことではありません。すでに金融機関で使われている企業向けChatGPTを基準線として、金融データへのアクセス、金融データ事業者との接続、金融分析、金融向け成果物作成までを一つの業務環境としてまとめた選択肢が示されたことです。
出典：OpenAI「金融サービス向けChatGPTのご紹介」
https://openai.com/index/introducing-chatgpt-financial-services/
出典：OpenAI「BBVA、OpenAI と AI を銀行業務の中核へ」
https://openai.com/ja-JP/index/bbva/
出典：OpenAI「MUFG、OpenAI とともに AI-Native な企業を目指す」
