Claude金融導入事例 — Brex・NBIM・Chronographの実務適用
Brex・Ramp・NBIM・ChronographがClaudeを経費精算・投資運用・エンジニアリングにどう組み込んだかを、Anthropic公式事例から横断比較します。
Claude導入で金融機関の実務は何が変わったか
金融業界でのClaude活用は、顧客向けプロダクトへの組み込みから社内エンジニアリング、投資運用の意思決定支援まで幅広い層に及びます。Brexは経費精算プロダクトの中核にClaudeを組み込んでいます。Ramp(CTOのRahul Sengottuvelu氏へのインタビュー)は、エンジニアリング組織全体でエージェントを同僚のように扱う運用を公開しています。NBIMは1.7兆ドルを運用するノルウェーの政府年金基金で、AIリテラシーを全社に広げました。Chronographはプライベートエクイティ向けポートフォリオ監視プラットフォームの業務を、AIファーストに再設計しました。
4社に共通するのは、AIを既存業務への機能追加でなく、業務そのものの作り直しの起点に置いている点です。この記事では4社の導入内容と、公開されている数字がどんな種類の根拠なのかを横断して見ます。Anthropicが2026年5月に公開した金融業務向けエージェント10種とは役割が異なり、この記事は「顧客が実際にどう使っているか」の事例編です(既製エージェントとの違いは後述します)。大手銀行の例はBarclaysのClaude Code展開にあります。
Brexは経費精算プロダクトをどう再構築したか
Brexは法人カード・経費管理・銀行機能・出張手配を統合するプラットフォームで、Amazon Bedrock経由でClaudeを導入しています。従来の経費精算は、従業員が手入力し、管理者と監査担当者が大量のレポートをクリックして回るという構造で、なぜ承認が必要なのか文脈が見えないまま作業が積み上がっていました。Brexは2023年からさまざまなAIモデルを試したうえでClaudeを選んでいます。
実現した機能は4つです。会話型の経費申請、ポリシー文書をアップロードするだけのAIによるポリシー解釈、関連する経費をまとめて異常を指摘する監査ワークベンチ、支出前のコンテキスト提示です。AI責任者のDavid Horn氏は「データプライバシーは顧客が真っ先に懸念する点であり、能力の話をする前に対処すべき土台」と述べています。エンジニアのJin Shao氏は、既存のAWSインフラとの統合の滑らかさと、Amazon BedrockのIAMによるアクセス制御が金融データを扱ううえで重要だったと説明しています。
Horn氏が描く次の段階は、チャット画面だけで完結する経理です。方針書と手順書を深く理解させ、判断が明白な支出のレビューと監査は全自動にし、グレーな案件だけを人に回します。Brexの担当者Foster氏の言葉では、全件を確認するのでなく「例外だけをレビューする」体制を狙っています。
Brexが公開した成果(顧客企業全体)
コンプライアンス遵守率
94%
業界標準は約70%
年間の人件費削減
$56.5M
5,650万ドル。顧客全体の合計
AI異常検知の対象
100%
全取引を行単位で確認
月間の削減時間
169,000時間
冒頭の要約欄の値
ここで注意したいのは、同じページの中で自動化の数字が揃っていないことです。冒頭の要約欄は「経費取引の75%を自動化」「月間169,000時間を削減」と書きます。本文の成果の節は「経費の60%を自動化」「月間およそ73,600時間を削減」です。年間$56.5Mと94%は両方で一致しています。時間や自動化率を引用するときは、どちらの節の値かを添えておくと誤解が生まれません。個別の財務チームでは、自動生成される領収書と書類で平均$21,500の人件費と年間204時間が減るとされています。
Rampのエンジニア組織はClaude Codeをどう使っているか
Rampの公開事例はプロダクト機能ではなく、エンジニアリング組織そのものの変化に焦点を当てています。Claude Codeの開発者Boris Cherny氏が、CTOのRahul Sengottuvelu氏とスタッフエンジニアのAustin Ray氏に話を聞いた対談形式の事例です。
Sengottuvelu氏が最初に試したのは、自分では読んでいない大きなコードをFable(Claudeのモデル)に書かせ、結果を実測で検証できる題材でした。選んだのはプロダクトではなくCIのテストスイートです。数週間のシャドー運用で既存実装より一貫して速く、Python製の大きなモノリスでは循環importの解消とアプリの遅延起動化を任せ、多くがマージされました。
対談の中でCherny氏は、Anthropic自身の例として「CI時間をP50で18分から6分に短縮した」と、「たしか」と前置きして話しています。エージェントは最適化を重ねるたびに計測し、1日待って本番データを取る予約をルーティンで自分に入れ、これを数日繰り返しました。モデルが手こずる部分は、複数のサブエージェントを束ねる動的ワークフローで補ったそうです。いずれもRampではなくAnthropic側の話で、Rampの数字ではありません。
社内の運用は、2つの内製ツールが中核です。
GlassとInspectの役割
Glass
コーディングエージェントと日常的にやり取りする窓口です。コードを見せないことを前提にした窓口です。プロンプトは宣言的に、つまり「何をしたいか」を書く形にする、というのがSengottuvelu氏の全体方針です。
Inspect
GitHub・Linear・Slack・Datadog・Sentryなどへのアクセスを持ち、サポートチケットやGitHub issueの対応を任されます。Modal上でバックグラウンド実行され、Slackで@Inspectと呼ぶ使い方が広がりました。
安全面では、個人にトークンやツールの予算を課さない代わりに、最小権限の原則とBigQueryやDatadog向けの読み取り専用キーを基本にしています。ネットワークアクセスのポリシー設定とキーの発行は、セキュリティチームが整えました。同チームは同じエージェントの日常的な利用者でもあります。
利用の実態も具体的です。Inspectのセッションは、人間が起動するものより自動化(スケジュールや外部システムのトリガー)が起動するものの方が多くなっています。インシデント対応では、On-call Assistantが担当エンジニアに割り当てられた全インシデントで動き、原因分析をSlackに返します。Sengottuvelu氏は「3〜6か月先のモデルに向けて構築することを心がけてきた」と述べ、ハーネスはモデルの進化に合わせて繰り返し削り直しているそうです。
NBIMは1.7兆ドルの運用組織にどうAIリテラシーを広げたか
NBIM(Norges Bank Investment Management)はノルウェーの政府年金基金グローバルを運用し、資産規模1.7兆ドルという世界最大級のソブリンファンドです。世界の株式市場・債券・不動産・再生可能エネルギーインフラにわたる大量の情報を、日々処理する必要があります。ESGの観点では、投資先9,000社それぞれを精査して報告する責任もあります。職種の幅が広く、プログラミングスキルを持つポートフォリオマネージャーから非技術系のコンプライアンス担当者までが同じ道具を使えることが課題でした。
NBIMは複数のLLMを比較し、金融分野に特化した人間参加型の評価を自前で組みました。ML・AI責任者Stian Kirkeberg氏は「Claudeは分析・推論タスクで一貫して最高のパフォーマンスを示した」と評価しています。複数文書にまたがる長時間の分析セッションでも、文脈を維持できたといいます。特にClaude Sonnet 4.5の拡張思考は、複雑な金融商品の分析・リスク評価・戦略提言で最高スコアを記録しました。Claudeが不確実性を幻覚ではなくシグナルとして示す点は、受託者責任を負うNBIMにとって決め手の1つになりました。
CEOのNicolai Tangen氏は「AIの波に乗るか、取り残されるか」という趣旨のメッセージを発しました。その後、2週間のパイロットから2か月で600人以上のアクティブユーザーに拡大しています。役割別の研修コースを用意し、50人が特別研修を受ける「AIアンバサダー・ネットワーク」で部門横断のベストプラクティスを共有しています。当初あった懐疑は、プロンプトの技能が身につき成果が見えるにつれて薄れたそうです。
ビジネスアナリストや定量分析担当者にもClaude Codeを開放し、IT部門を待たずにガバナンス制御の範囲内で道具を作れるようにしました。用途は分析ツール、コードレビューの補助、データ品質のチェック、ドキュメント作成の支援です。SnowflakeなどとのMCP連携により、人間が意思決定の中心にいる前提を保ちながらデータ取得と分析を速めています。社内アンケートでは、従業員が週の勤務時間の20%以上をAI支援タスクで節約したと答えています。今後は技術チーム向けの高度な研修と社内システム連携の拡大、ガバナンス枠組みの見直しを進める計画です。
Chronographの150人組織はどうAIファーストの業務に変わったか
Chronographはプライベートエクイティ投資家向けのポートフォリオ監視・分析プラットフォームで、4兆ドル超の顧客資本を支えています。HubSpot・Notion・Linear・社内データベースに業務データが分散し、チームが横断的にインサイトへアクセスできないという典型的なサイロの課題を抱えていました。営業は週に数十時間をリード生成に使い、カスタマーサクセスは顧客との通話前に複数のシステムを手で探し、プロダクトとエンジニアリングは長い仕様書に頼っていました。
導入は2か月の構造化されたロールアウトです。
Claude Enterpriseのロールアウト
- 1
開始直後 — 手近な業務から
メール起草・データ分析・文書レビューに使い始め、すぐに生産性の向上が出ました。
- 2
1か月目 — 知識共有の土台
うまくいったプロンプト、Projects、Artifactsを検索できるデータベースにまとめました。
- 3
2か月目 — AI Salon
同僚が実際の活用を実演する場を設け、各チームへの浸透を早めました。
共同創業者兼CEOのCharlie Tafoya氏は「Anthropicの安全性への姿勢は、社内・顧客双方のLLM実装で長期的に組みたいパートナーの条件を満たす」と評価しています。CTOのMichael Bridge氏によれば、プロダクト側はArtifactsで動くプロトタイプを作り、PRD(要件定義書)を素早くエンジニアに伝えられるようになりました。非技術チームもArtifactsと共有プロンプトで、リアルタイムのダッシュボードをアナリティクスチームに頼らず作っています。
営業チームはClaudeで、メディアや業界発表を監視するリード生成ワークフローを作り、週あたり数十時間を削減しました。高価なベンダーツールの置き換えにもなっています。MCP連携は営業の事前・事後業務の時間短縮にも効いています。開始から2週間の若手のクライアント担当メンバーが、顧客にGraphQL APIを説明できました。HubSpot MCPの顧客情報とNotion MCPの社内文書、ClaudeのGraphQL知識を組み合わせたためです。
同社はさらにChronograph MCPサーバーを、Claude Partners Directoryの直接コネクタとして公開しました。プライベートエクイティの顧客は、ファンドのパフォーマンスや投資先企業の指標、エクスポージャー分析をClaudeから直接たどれます。結果として、150人超の従業員全員が採用し、日次アクティブ利用率は80%、新入社員が成果を出すまでの期間は「2か月以上」から2週目に短縮されました。人員を増やさずに複雑な顧客ニーズに応えられるため、規模が伸びるほど単位あたりの採算が改善する、と同社は見ています。
4社を横断して見えるパターン
| 企業 | 主な対象業務 | 採用製品 | 代表的な成果 |
|---|---|---|---|
| Brex | 主な対象業務経費申請・ポリシー解釈・監査 | 採用製品Claude Platform(Amazon Bedrock) | 代表的な成果顧客のコンプライアンス94%、年間5,650万ドルの人件費削減 |
| Ramp | 主な対象業務エンジニアリング全般(CI最適化・オンコール) | 採用製品Claude Code | 代表的な成果自動化が起動するセッションが人の起動を上回る |
| NBIM | 主な対象業務投資分析・ESGレポート・コンプライアンス | 採用製品Claude Enterprise | 代表的な成果2か月で600人超が利用、週20%超の時間削減 |
| Chronograph | 主な対象業務顧客対応・営業・プロダクト開発 | 採用製品Claude Enterprise + MCP | 代表的な成果全社員採用、新人立ち上がりを2か月超から2週間へ |
MCPによる社内外システム連携は、NBIM(Snowflakeなど)とChronograph(HubSpot・Notionの利用と自社MCPサーバーの公開)に共通します。Claudeを既存の業務システムへ橋渡しする役割です。MCPの仕組み自体はMCPとはにまとめています。もう1つの共通点は、エンジニアだけでなく非技術者にもAIへのアクセスを開放していることです。NBIMのビジネスアナリスト、ChronographのCustomer Successチーム、Rampの非技術者向けGlassはいずれも、開発の主体を技術部門から現場へ広げる設計を取っています。ヘッジファンドのBalyasnyがClaude Fable 5をどう評価し権限を統制しているかは、BalyasnyのFable 5評価と統制で扱っています。
数字の重みは4社で揃っていません。Brexの数字は顧客企業全体の集計で、同じページに食い違う値が並びます。NBIMの20%は社内アンケートの回答です。Chronographは採用率と日次利用率という利用の指標で、業績への換算はありません。Rampは数値の成果でなく、Inspectのセッションは自動化起動が人の起動を上回るという利用実態の記述です。表の「代表的な成果」は、こうした性質の違う値を並べたものとして読むのが安全です。
Anthropic金融エージェント10種との役割の違い
前述の4社のうち、Brexは自社プロダクトにClaudeを組み込みました。RampはClaude Codeを土台にした内製ツールを作り、NBIMとChronographはClaude Enterpriseを全社に展開しています。一方、金融業務向けエージェント10種は、Anthropic自身が提供する既製エージェント群です。Excel・PowerPoint・Word連携やKYC・月次決算といった定型業務をカバーします。既製エージェントをそのまま使うか、Brexのように自社プロダクトへ独自に組み込むかは、業務の標準化度合いと差別化したい範囲によって選択が分かれます。
導入を検討する金融機関はどの事例を参考にすればよいか
| 組織の性格 | 参考になる事例 | 着目点 |
|---|---|---|
| 顧客向けフィンテックプロダクト | 参考になる事例Brex | 着目点Bedrock連携によるセキュリティ要件充足と、例外だけを人が見る監査設計 |
| エンジニアリング組織の生産性改善 | 参考になる事例Ramp | 着目点予算で縛らず権限で縛る設計と、自動化が起動するセッションの増加 |
| 大規模な機関投資家・資産運用 | 参考になる事例NBIM | 着目点役割別研修とアンバサダーによる全社的なAIリテラシー教育 |
| 中堅規模のB2B金融プラットフォーム | 参考になる事例Chronograph | 着目点2か月のロールアウトとMCPによる社内外システム統合 |
Amazon BedrockでのClaude料金体系はBedrockの料金比較にまとめています。モデルの使い分けはClaudeモデル比較を参照してください。Claude全体の位置付けはClaude完全ガイドを参照してください。
まとめ
4社の事例は、規制業種でもクラウド既存基盤とMCPを土台に、非技術者へAIを開く設計で全社展開が進むことを示しています。参考にするときは、自社の規模に近い事例を選び、公開されている数字がどの種類の根拠かを見分けるのが、導入判断の出発点になります。