「AI融資」で企業選別が加速？借りられる会社と借りられない会社の分岐点

融資審査にAIを活用する動きが金融機関で広がっています。決算書だけでなく、口座の入出金、商取引、口コミなども分析できれば、担保や実績に乏しい中小企業やスタートアップにも資金調達の道が開ける可能性があります。一方、経営データの不足や不整合は、従来以上に厳しく見抜かれるでしょう。AI融資は貸し渋りを解消するのか、それとも新たな企業選別を生むのでしょうか。

金融機関の「AI融資」で審査は変わるのか

中小企業にとって、銀行融資の大きな壁は信用力だけではありません。少額融資であっても、金融機関は決算書を読み、資金使途や返済原資を確認し、経営者と面談して稟議書を作成しなければなりません。審査に一定の人件費がかかる以上、1000万円を貸す場合も10億円を貸す場合も、基本的な作業は大きく変わりません。この「審査コストの重さ」が、少額融資の金利や審査期間に影響してきました。

AIが最初に変えるのは、この審査コストです。決算書や資金繰り表の読み取り、過去の入出金の分析、面談記録の要約、業界動向の収集、粉飾の兆候の検知、稟議書の素案作成などを自動化できれば、担当者の作業時間は大幅に短縮されます。審査に1カ月かかっていた案件が数日、条件によっては即日で判断されるようになれば、受注や出店の機会を逃していた中小企業には大きな利点です。

また、従来は採算が合いにくかった小口・短期融資を大量に扱えるようになります。金融機関側は審査費用を抑え、企業側は必要なときに必要な金額を借りやすくなるため、AI融資には、金融機関と企業の双方にメリットをもたらす可能性があります。

ただし、「AI融資」といっても、生成AIが単独で融資の可否を決める段階に一気に移るわけではありません。日本銀行の2025年度調査では、約5割の金融機関が生成AIを利用し、試行中を含めると7割強に達しましたが、中心は業務効率化や情報収集・分析です。融資では当面、AIが情報の収集・分析やリスクの抽出を支援し、最終判断と責任は人間が担う形が現実的でしょう。

AIは成長企業を何で判断するのか

従来の融資審査は、売上高、利益、自己資本、借入残高、返済実績など、過去の財務情報が中心でした。この方法は実績のある企業には有効ですが、創業間もない会社や、研究開発・人材・顧客基盤に投資する成長企業の評価には限界があります。2026年5月に導入された企業価値担保権も、不動産担保や経営者保証に過度に依存せず、事業の将来性に着目する融資を後押しするものです。AIは、その「将来性」を大量のデータから補足する役割を担います。

判断材料になり得るのは、第一にキャッシュフローです。口座への入金頻度、売上の季節変動、仕入れや人件費の支払い、税金・社会保険料の納付状況などを継続的に見れば、年1回の決算書より鮮度の高い経営実態が分かります。売上が伸びていても入金が遅れ、資金繰りが悪化している企業と、利益はまだ小さくても安定した入金を積み上げている企業を区別しやすくなります。

第二は、取引の質と継続性です。顧客数が増えているか、特定の取引先に依存していないか、継続課金の売上が積み上がっているか、解約が増えていないかといったデータは、将来の返済能力を考えるうえで重要です。

第三は、経営管理の精度です。月次決算を早期に締め、予算と実績の差を説明でき、資金繰り予測を更新している企業は、変化への対応力が高いと評価されやすくなります。

さらに生成AIは、事業計画書や面談記録、Webサイト、採用情報、ニュース、口コミなどの非構造化データも分析できます。ただし、口コミの多い飲食店と、ネット上の情報が少ない製造業を同じ物差しで比べることはできません。地域、業種、企業規模によって学習データに偏りがあれば、実力のある企業が不利に扱われる恐れもあります。

したがって、AI時代に融資を受けやすいのは、単に売上が伸びている会社ではありません。「なぜ伸びたのか」「利益と現金がどう残るのか」「借入金を何に使い、何から返すのか」を、整合性のあるデータで示せる会社です。反対に、どんぶり勘定、私的支出との混同、申告内容と口座の動きの不一致、税金・社会保険料の納付の遅れは、AIによって従来以上に発見されやすくなります。

三井住友銀行の「Trunk」は中小企業を変えるのか

三井住友銀行が2025年5月に始めた「Trunk」は、主に中小企業や新設法人を対象とする法人向けデジタル総合金融サービスです。法人口座とビジネスカードを軸に、決済、経理効率化、資金の見える化、資金繰り支援などを一体で提供します。同行によると、サービス開始1周年で7万口座を突破し、2026年6月時点では新規口座の約半数が新設法人です。

Trunkの直接的な利点は、オンラインで口座開設を申し込めることに加え、手数料の安さや会計SaaSなどとの連携にあります。しかし、より大きな意味は、銀行口座が単なる「お金の出入り口」から、経営データが蓄積される基盤へ変わることにあります。口座、カード、請求書、会計データが連携すれば、企業は資金繰りを把握しやすくなります。将来的には、企業の同意のもとで、金融機関が経営状況を継続的に把握し、融資判断に生かすことも考えられます。

もっとも、Trunkを使えば自動的に融資を受けられるわけではありません。三井住友銀行の公式案内でも、融資には所定の審査があるとされています。現時点で「Trunkの取引データだけでAIが融資を決める」と断定することもできません。それでも、日々の決済データと会計情報を整え、銀行と共有できる環境は、将来のデータ駆動型融資と相性が良いと考えられます。

中小企業側に求められるのは、口座を作ることではなく、経営をデータ化することです。売上代金の入金先を複数の口座に分散しすぎず、事業用と個人用の資金を明確に分け、請求・支払い・会計を連携させる。月次で業績を確認し、資金不足を予測して早めに相談する。こうした基本動作が、AI時代の信用力をつくります。

貸し倒れが増えるのか、新たな貸し渋りを生むのか

AIによって融資対象が広がれば、貸し倒れが増えるとの懸念があります。担保や長い業歴のない企業に融資する以上、従来よりリスクの高い案件を扱う場面は増えるでしょう。しかも、大規模災害、感染症、原材料価格の急騰など、過去のデータから予測しにくい事態もあります。AIの予測精度が高くても、貸し倒れをゼロにはできません。

一方で、AIは貸し倒れを早期に察知する手段にもなります。入金の減少、支払いの遅れ、売上先の偏り、資金残高の急変などを継続的に把握できれば、決算書が出る前に異変を発見し、追加融資や返済条件の見直し、経営改善支援につなげられます。AI融資の価値は「危ない企業を落とす」ことだけでなく、「悪化する前に支える」ことにもあります。

むしろ注意すべきは、AIによる新しい貸し渋りです。過去に融資した企業のデータだけを学習すれば、実績のない業種、新しいビジネスモデル、地方企業などを機械的に低く評価する可能性があります。金融機関がAIのスコアを過信し、不承認の理由を説明できなければ、企業は改善点すら分かりません。ブラックボックス化した審査は、人間の先入観を減らすどころか、過去の偏りを固定化しかねないのです。

金融機関には、AIの判断根拠を検証し、誤りや偏りを修正する仕組みが欠かせません。経営者との対話や現場訪問でしか分からない強みを、人間が補足する必要もあります。AIと人間の役割は、競争関係ではなく補完関係です。

AI融資によって、資金調達の門戸は広がるでしょう。ただし、誰もが借りやすくなるわけではありません。これからの分かれ目は、担保の有無だけでなく、経営の実態を速く、正確に、継続的に示せるかどうかです。中小企業にとって最大のAI融資対策は、AI向けの見栄えを整えることではなく、数字と事業計画が一致する透明な経営を日常化することなのです。

文＝KIJIKUL編集部
※本記事は情報提供を目的として作成したものであり、特定の企業、商品、サービス、金融商品、投資その他の取引を推奨または勧誘するものではありません。掲載内容は記事公開時点の公開情報等に基づいており、意見・見解・予測などは執筆者または編集部の判断によるもので、予告なく変更される場合があります。内容の正確性・完全性・最新性を保証するものではなく、最終的な判断はご自身の責任において行ってください。【KIJIKUL編集部】