AIの競争を語るとき、だれもが「どのモデルが賢いか」に目を向ける。だが金融業界で起きていることの本質は別のところにある。

OpenAIが直近の投資家説明会で明かした数字がその証拠だ。年間収益の年率換算が400億ドルに到達したが、驚くべきは構成比だ。年初はコンシューマー60：エンタープライズ40だった比率が逆転し、エンタープライズが過半を占めるに至った。しかも当初の予想よりも半年早い。ChatGPTの月額20ドルに個人ユーザーがおを使う時代は、まだ続いている。だがビジネスの主役はすでに企業向けに移っている。

一方で、金融機関はOpenAIのAPIに丸投げしているわけではない。Capital OneはVB Transform 2026で、自社のマルチエージェントAIアーキテクチャ「MACAW」を公開した。特徴的なのは、フロンティアモデルをそのまま使うのではなく、オープンウェイトモデルを自社のデータで深くカスタマイズする道を選んだことだ。同社のKel Vanee氏は「データは誰にも真似できない最大の優位性だ」と語り、Llamaモデルを自社仕様に仕立て上げている。

MACAWは、例えば年間数百万件の不正調査通話を処理する。理解エージェントが顧客の意図を読み取り、推論エージェントが要約を生成し、検証エージェントが事実確認を行い、説明エージェントが最終文書を組み立てる。単一のLLMで60分の通話を処理できなかったタスクを、専門特化型エージェントの連携で解決する構造だ。

ここで見落とせないのは、OpenAIもCapital Oneも直面している「エージェントのコスト」問題だ。エージェント型AIはチャットボットとは違う。ユーザーが見るのは一つの回答だが、裏側では計画・検索・ツール呼び出し・検証・リトライが何度もループし、そのたびにトークンを消費する。

Writerが新モデルPalmyra X6でエージェントコストを平均52%削減したと発表したのは、まさにこの課題への応答だ。ゴールドマン・サックスは2026〜2030年の間にトークン消費が24倍になると予測する。単価が75%下がっても、消費量が20倍になれば請求額は5倍に膨らむ。

率直に言えば、金融機関にとっての最大の関心事は「AIの精度」ではなく「AIの運用コスト」だ。資金決済や与信審査にAIを組み込む場合、推論のたびに数ドルがかかるようでは、ビジネスとして成立しない。

OpenAIのエンタープライズ転換とCapital Oneの自社最適化路線は、対立する戦略のように見えて、実は同じ課題への異なるアプローチだ。前者は「規模の経済で単価を下げる」、後者は「自社データでモデルを特化させて効率を上げる」。

金融AIの勝敗を分けるのは、どのモデルを使うかではない。エージェントの実行コストをどこまで押し下げ、ビジネスプロセスに組み込めるかだ。このコスト最適化のレースはまだ始まったばかりで、次の1〜2年で勝者と敗者が分かれるだろう。