【2026年最新】地銀・信金の融資審査補助AI完全活用

「決算書3期分の数字を表計算ソフトに転記して、業界平均と比較して、所見をワードで書いて、内部稟議の様式に貼り直して…これだけで1案件4時間かかってる」——地方銀行の中堅融資担当者の方からこういう声をよく聞きます。中小企業向け融資、特に1,000万円〜5,000万円程度のミドル案件は、案件数が多いわりに1件あたりの利ザヤが薄く、「審査の手間をどれだけ削れるか」が支店全体の生産性を決めるのが実態です。

私は普段Uravationという会社でAI研修・導入支援をやっていまして、これまで100社以上の企業向けにClaude CodeやChatGPTの実務活用を指南してきました。その中で地銀・信用金庫の融資現場の方とも何度か議論する機会があり、「審査の質を落とさずに資料整理の時間だけを削る」というニーズが非常に強いことを実感しました。営業店の若手・中堅の融資担当者が「数字をExcelに転記する」作業に夜の19時〜21時を使っているのは、地域金融機関全体で見ても相当大きな機会損失です。

正直、融資審査は「最終判断は審査担当者の責任」であり、AIに代替させることはできません。金融庁の検査・監督方針、各行の内規、経営者保証ガイドライン、そして何より「貸し倒れたら誰が責任を負うのか」という問題があるからです。ただし、「数字の集計・業界平均との比較・チェックリストへの落とし込み・所見の初稿作成」といった定型的な前工程は、Claude Codeで大幅に効率化できます。本記事では、その実践プロンプトを6本、現場の業務フローに沿って公開します。

なお、本記事のプロンプトは「審査担当者の補助ツール」として設計されています。生成された分析結果や所見ドラフトは必ず審査担当者が再検証し、最終的な融資可否判断は上位決裁および専門家（公認会計士・税理士・社労士・弁護士等）の関与のもとで行ってください。金融庁の検査・監督方針および各行内規との整合性も必ず確認のうえ、運用してください。

1. なぜ「地銀・信金 × Claude Code融資審査補助」の組み合わせが今、現実的に効くのか

金融庁は2019年に「金融検査マニュアル」を廃止して以降、地域金融機関に対して「事業性評価」「経営者保証に依存しない融資」「リレーションシップバンキングの深化」を一貫して求めてきました。2023年4月には「経営者保証改革プログラム」が始動し、2024年〜2025年にかけて「中小企業の事業性に着目した融資の更なる促進」のモニタリングが強化されています。出典: 金融庁。

この潮流のなかで地域金融機関の融資審査現場が置かれている状況は、相当タフです。具体的には次の4つの矛盾を、現場の融資担当者と審査部が同時に抱え込んでいます。

• 事業性評価の深掘り要請：決算書だけでなく、ビジネスモデル・経営者の資質・市場環境・取引先構造まで踏み込んだ評価が求められる。
• 案件処理スピードの要請：中小企業側は「メガバンクは時間がかかるから地銀・信金に来た」と期待していて、3〜5営業日での回答を望むケースが多い。
• 記録の充実化要請：判断プロセスを後から検証できるよう、定量分析と定性所見の「なぜそう判断したか」を残す必要がある。
• 人手不足：地域金融機関全体で融資審査経験者の確保が厳しく、若手・中堅にOJTで負荷がかかっている。

この4つを同時に解こうとすると、「定型的な前処理を自動化して、人間の時間を判断と顧客対話に振り向ける」以外に道がありません。Claude Codeは、決算書PDFやヒアリングメモを読み込ませて、業種別のリスクファクターと整合した形で「数字の整理」「業界平均との比較」「定性所見のドラフト」を出力できます。これは「審査の質を落とさずに、前工程の手作業時間を圧縮する」という、まさに今地域金融機関に必要なことに直結しています。

Anthropic公式のClaude Codeドキュメントでは、コードベースの分析だけでなく、長文の業務文書（決算書、契約書、ヒアリング記録）の構造化・要約・チェックリスト変換がClaude Codeの主要ユースケースとして紹介されています。出典: Anthropic Claude Code Documentation。融資審査における決算書3期分のPDF処理は、まさにこの「長文業務文書の構造化」に該当します。

ただし繰り返しますが、本記事のプロンプトはあくまで「補助ツール」です。Claude Codeが出した数字や所見をそのまま稟議に貼り付けるのは禁物で、必ず審査担当者が一次検証し、上位決裁者が二次検証する運用が前提になります。金融庁の事業者向け融資のモニタリング方針でも、AI活用そのものは妨げられていませんが、「判断根拠の説明可能性」「データの取扱いの適正性」「最終判断の責任の所在」については各金融機関が自ら整備する必要があります。

2. 融資審査補助の全体フロー：どの工程をClaude Codeに任せ、どこを人間が担うのか

まず大前提として、融資審査全体の工程を整理します。地銀・信金の中小企業融資（既存先のリピート/新規含む）の標準フローは、概ね次の7段階です。各段階で「Claude Codeに任せられる範囲」と「人間（審査担当者・上位決裁・専門家）が必ず担う範囲」を明確に分離します。

工程	主な作業	Claude Codeの関与	人間の責任範囲
1. 申込受付	申込書・必要書類の受領	書類チェックリスト生成・不足項目検出	顧客との一次対話、書類受領の判断
2. 資料整理	決算書3期分・試算表・税務申告書の整理	PDFからの数値抽出、推移表作成	原本との整合確認、抽出ミスの検出
3. 定量分析	自己資本比率・流動比率・債務償還年数・ICR等の算定	計算式適用、業界平均との比較表作成	計算結果の妥当性確認、補正値の判断
4. 定性評価	事業内容・経営者資質・市場環境・取引先構造の評価	ヒアリング記録の構造化、論点リスト作成、所見の初稿ドラフト	顧客面談、業界知見に基づく評価、最終所見の確定
5. リスク評価	業種別リスク、与信集中、保全状況の総合評価	業種別チェックリスト適用、リスクマップ作成	個別案件のリスク受容判断
6. 稟議書作成	所定様式への落とし込み、上位決裁への説明準備	稟議書ドラフト生成、想定問答リスト作成	稟議書の最終確定、上位決裁者への口頭説明
7. 決裁・実行	支店長・本部審査部・最終決裁者の承認、契約締結	（関与しない）	融資可否の最終判断、契約締結、専門家の関与判断

このフローを見ていただくと分かるとおり、工程1〜6の「下ごしらえ」部分がClaude Codeの主戦場です。工程7の決裁・実行は完全に人間の責任で、AIは介入しません。また、工程3〜6においても、Claude Codeの出力はすべて「初稿・たたき台」として扱い、審査担当者が一次検証→上位決裁者が二次検証する二段階の人間レビューを必ず通します。

このフローを前提に、次の章から具体的なプロンプト6本を業務の流れに沿って紹介します。すべてのプロンプトはClaude Code（Claude Sonnet 4.6またはOpus 4.7、2026年5月時点想定）で動作確認可能な形にしています。実際の運用では、各行の内規・データ取扱規程・個人情報保護方針に従って、入力データの匿名化・マスキング・社内専用環境での実行などのセキュリティ対策を必ず実施してください。

3. 実践プロンプト①：決算書3期分のPDFを自動要約・推移表化する

融資審査の最初の重い作業が「決算書3期分のPDFから主要勘定科目を抽出して推移表を作る」工程です。会計事務所ごとに様式がバラバラで、勘定科目の名称も微妙に違う（「売上高」「売上」「売上収益」など）ため、手作業だと1社あたり30〜60分かかります。Claude Codeに任せると、PDFを置いて1コマンドで完了します。

事前準備として、決算書PDFをClaude Codeの作業ディレクトリに配置します（個人情報を含む場合は、各行の内規に従って匿名化処理を施してください）。

あなたは地域金融機関の融資審査担当者を補助するアシスタントです。
以下の決算書3期分のPDFファイル（FY2023.pdf、FY2024.pdf、FY2025.pdf）を読み込み、
中小企業融資審査で使う標準的な勘定科目の推移表を作成してください。

【抽出対象（最低限）】
- 損益計算書：売上高、売上総利益、営業利益、経常利益、税引前当期純利益、当期純利益、減価償却費
- 貸借対照表：流動資産、現金預金、売上債権、棚卸資産、流動負債、買入債務、短期借入金、
  固定資産、有形固定資産、固定負債、長期借入金、純資産、利益剰余金
- キャッシュフロー（記載があれば）：営業CF、投資CF、財務CF
- 注記：会計方針の変更、減損、引当金の計上方針、後発事象

【出力形式】
1. Markdown表形式で3期推移を表示（前期比増減率も併記）
2. 計算式は明示（例：自己資本比率 = 純資産 ÷ 総資産）
3. 注記事項のうち融資審査上の論点になりそうな項目を3〜5個リストアップ
4. PDFから読み取れなかった項目は「N/A（要原本確認）」と明示

【重要】
- 数値は必ずPDFの原本どおりに転記し、推測で埋めない
- 単位（千円/百万円/円）を明記する
- 抽出に自信がない項目は「要確認」フラグを付ける
- 最終的な数値の妥当性は審査担当者が原本と照合する前提で出力

このプロンプトの肝は「PDFから読み取れなかった項目をN/Aで明示させる」点です。AIに「ハルシネーション禁止」と書いても完全には防げないため、「読み取れなかったら正直に言う」仕組みをプロンプトで強制します。出力された表は必ず審査担当者が原本PDFと突き合わせて検証してください。

応用として、業種が分かっている場合は「業種別の重要勘定科目」を追加で抽出させると効果的です。建設業なら「未成工事支出金」「未成工事受入金」、製造業なら「仕掛品」「外注加工費」、不動産業なら「販売用不動産」「賃貸不動産」など、業種特有の勘定が審査の鍵を握ります。

# 業種別追加抽出（建設業の例）
上記に加えて、以下の建設業特有の勘定科目を抽出してください：
- 未成工事支出金、未成工事受入金、工事未払金、完成工事原価、完成工事高
- 工事進行基準/工事完成基準の適用状況
- JV案件の取扱い（記載があれば）

4. 実践プロンプト②：自己資本比率・債務償還年数・ICR等の補助計算と業界平均との比較

決算書の推移表ができたら、次は「定量指標の算定と業界平均との比較」です。中小企業融資審査では概ね10〜15個の指標を見ますが、特に重要なのは次の6指標です：自己資本比率、債務償還年数、インタレストカバレッジレシオ（ICR）、流動比率、売上高営業利益率、運転資金回転期間。

前段で作成した3期推移表を元に、以下の財務指標を算定してください。

【算定対象指標】
1. 自己資本比率 = 純資産 ÷ 総資産 × 100
2. 債務償還年数 = 有利子負債 ÷ （営業利益 + 減価償却費）
3. インタレストカバレッジレシオ（ICR） = 営業利益 ÷ 支払利息
4. 流動比率 = 流動資産 ÷ 流動負債 × 100
5. 売上高営業利益率 = 営業利益 ÷ 売上高 × 100
6. 運転資金回転期間 = （売上債権 + 棚卸資産 - 買入債務） ÷ （売上高 ÷ 365）

【業界平均との比較】
当社の業種は「{業種コード/業種名}」です。中小企業庁の「中小企業実態基本調査」もしくは
TKC経営指標（BAST）などの公開された業界平均値を参考に、3期推移と業界平均を併記してください。
※ 業界平均の出典は明示し、推測で数値を作らないこと。
※ 出典が確認できない場合は「業界平均：要確認」と記載すること。

【出力形式】
- Markdown表形式（指標 / FY2023 / FY2024 / FY2025 / 業界平均 / 評価コメント）
- 評価コメントは「業界平均比でやや低い」「3期で改善傾向」等の事実ベース記述
- 「優良」「危険」など断定的な評価判定は出さない（最終判断は審査担当者）

【重要】
- 計算式は出力に明示する
- 分母が0またはマイナスの場合は「計算不能」と表示し、その理由を補足
- 業界平均は出典が確認できないものは記載せず「要確認」とする

このプロンプトでよくある失敗が「業界平均を推測で出してしまう」ことです。AIは曖昧な平均値をそれっぽく作り出してしまうので、「出典が確認できないものは記載しない」と明示することが重要です。実運用では、自行が契約しているRDBやTKC経営指標、中小企業庁の中小企業実態基本調査（出典: 中小企業庁）のデータを別途用意して、Claude Codeに参照させる運用が最も精度が出ます。

また、「優良」「危険」など断定的な評価判定を出させないのもポイントです。これを出させると、若手担当者が「AIが優良って言ったから」とそのまま稟議に転記しがちで、後の検証が甘くなるリスクがあります。あくまで事実ベースの記述に留め、評価判断は審査担当者の責任で行う運用を徹底します。

5. 実践プロンプト③：業種別リスクファクターの抽出とチェックリスト化

定量分析の次は「業種別のリスクファクターを構造化する」工程です。業種ごとに見るべき論点が大きく違うため、ベテラン審査担当者の知見をプロンプトに落とし込みます。

融資対象企業の業種は「{業種コード/業種名（例：D製造業-機械器具製造）}」です。
この業種における中小企業融資審査で典型的に問題になるリスクファクターを、
以下の観点で網羅的にリストアップしてください。

【観点】
1. 事業構造リスク（顧客集中、商品集中、地域集中、原材料調達、為替・原油影響）
2. 市場・競合リスク（市場縮小、競合参入、技術変化、規制変化）
3. 財務構造リスク（運転資金回転、過剰在庫、過剰設備、過剰借入、保証依存）
4. 経営者・組織リスク（後継者、キーパーソン依存、ガバナンス）
5. 業種固有の規制・許認可リスク
6. 業種固有のESG・サステナビリティリスク（脱炭素、人権、サプライチェーン）

【出力形式】
- リスク項目ごとに「リスクの内容」「典型的な兆候」「確認すべき書類・データ」
  「ヒアリングで聞くべき質問」の4要素で記述
- リスクの深刻度は「要確認」「定期モニタリング」「重要論点」の3段階で示す
- 各リスク項目に対し、本案件の決算書・申告書から読み取れる兆候の有無を整理

【重要】
- 業種固有性が低い汎用リスクで埋めない
- 「典型的に問題になる」根拠は公開情報（中小企業白書、業種別RDB等）を参考に
- 個別企業の評価は審査担当者の判断であることを明記

このプロンプトの効果は「ベテラン審査担当者の暗黙知を、若手にも使える形式知に変換する」点にあります。例えば運送業なら「ドライバー人手不足の影響」「2024年問題（働き方改革関連法）の労務コスト増」「燃料費高騰の転嫁状況」「グリーン化補助金の対応状況」など、業種を知らないと出てこない論点をAIに網羅的に列挙させます。出力結果はベテラン審査担当者がレビューして、自行版の業種別チェックリストとして整備すると、ナレッジ資産になります。

応用として、「直近の業界レポートを反映させる」形でも使えます。日本政策金融公庫の「中小企業景況調査」や、業界団体の定期レポート（建設業協会、運送業協会等）をPDFで読み込ませて、「直近の業界動向と本案件の整合性」を整理させる運用は、リレーションシップマネジャーの方々から好評です。出典: 日本政策金融公庫。

6. 実践プロンプト④：定性所見のドラフト生成（事業性評価ベース）

定量分析と業種別リスク整理が終わったら、いよいよ「定性所見のドラフト」です。これが地域金融機関の融資審査で最も時間がかかり、かつ「事業性評価」が求められる中核工程です。

これまでに整理した以下の情報を元に、本案件の定性所見ドラフトを作成してください。
最終的な所見は審査担当者が確定するため、あくまで初稿として作成してください。

【入力情報】
- 3期推移表と財務指標（前段で生成）
- 業種別リスクファクター（前段で生成）
- 顧客ヒアリング記録（添付：interview_notes.md）
- 事業計画書（添付：business_plan.pdf）
- 経営者の経歴・自社株式構成（添付：about_executives.md）

【出力構成（事業性評価フレーム）】
1. 事業概要（製品・サービス、ターゲット顧客、収益モデル）
2. 競争力の源泉（強み、差別化、参入障壁）
3. 市場環境と成長性（市場規模、成長率、競合動向）
4. 経営者の資質と組織体制
5. 財務面の評価（3期推移と業界平均を踏まえて）
6. 主要リスクと対応策（業種別リスクファクターを踏まえて）
7. 取引方針案（取引深化の方向性、本融資の位置づけ、留意点）

【書き方の作法】
- 事実と推論を区別する（「〜と確認した」「〜と推察される」を明確に）
- ヒアリング情報の出典を明記する（「決算ヒアリング（2026年5月20日）にて〜」等）
- 過度に肯定的・否定的な表現は避ける
- 「優良」「危険」「不可」など断定的な判断ワードは使わない
- 定量データはすべて出典（決算書/事業計画書/業界統計）を明示
- 1セクションあたり200〜400字程度
- 不明な事項は「要確認」と明記し、追加ヒアリング項目をリスト化

【重要】
- 本ドラフトは審査担当者の補助資料であり、最終所見は審査担当者が確定する
- 融資可否の判断は審査担当者および上位決裁者の責任で行う
- 生成内容に対する正確性の責任は審査担当者の検証によって確保される

このプロンプトのポイントは「事業性評価フレーム」を構造として明示することです。金融庁が推進する事業性評価は、「決算書の数字だけでなくビジネスモデル全体を見る」ことを求めているので、所見のドラフトもその構造に揃えます。出典: 金融庁 検査・監督の指針。

また「優良」「危険」「不可」など断定的な判断ワードを使わせないのも重要です。これらの判断は審査担当者と上位決裁者の責任で行うものであり、AIに代替させると「AIが言ったから」という責任の曖昧化が起きやすくなります。所見ドラフトはあくまで「事実と論点の整理」に留め、判断は人間が下す運用を徹底します。

7. 実践プロンプト⑤：稟議書の初稿生成と想定問答リスト

所見ドラフトができたら、最後に「稟議書の初稿と上位決裁向けの想定問答リスト」を作成します。地銀・信金の場合、稟議書は所定様式（紙またはシステム）が決まっていることが多いので、自行の様式に合わせてプロンプトをカスタマイズします。

これまでに整理した情報を元に、本案件の稟議書初稿を作成してください。
自行の稟議書様式は添付の「ringi_template.md」に従ってください。

【入力情報】
- 申込内容（金額、期間、資金使途、希望条件）
- 3期推移表と財務指標
- 業種別リスクファクター
- 定性所見ドラフト
- 保全・担保・保証の状況
- 既存与信状況（添付：existing_credit.md）

【稟議書の構成】
1. 申込概要（金額、期間、使途、希望金利、希望返済方法）
2. 取引方針（取引深化の方向性、本融資の位置づけ）
3. 申込人の概要（事業内容、経営者、組織体制）
4. 業績概要（3期推移と主要指標、業界平均比較）
5. 資金使途と返済原資の妥当性
6. 保全状況（担保評価、保証人、経営者保証の取扱い）
7. リスクと対応策（業種別リスクファクターを踏まえて）
8. 結論（融資可否の方向性案）

【書き方の作法】
- 事業性評価の観点を必ず織り込む
- 経営者保証ガイドラインの適用状況を明記する
- 既存与信との合算後の与信集中度を確認する
- ESG・サステナビリティの観点も適切に反映する
- 結論部分は「審査担当者の所見」「上位決裁者の判断を仰ぐ事項」を明確に区別

【上位決裁向け想定問答リスト】
稟議書とは別に、上位決裁者から想定される質問を10個リストアップし、
それぞれに対する想定回答案を作成してください。
- 業績の懸念点、リスクの妥当性、保全の十分性、業界動向の根拠、
  競合行の対応、既存与信の整合性、出口戦略、レポーティング体制等

【重要】
- 本稟議書は初稿であり、審査担当者が必ず再検証する
- 数値・固有名詞・日付は原本との照合を前提とする
- 最終的な融資可否は上位決裁者の判断による

稟議書ドラフトの最大の効用は「上位決裁向け想定問答リスト」です。経験豊富な審査担当者は頭の中で「ここは聞かれるな」と予測できますが、若手は経験不足でその予測が甘くなりがちです。Claude Codeに想定問答を10個出させて、それぞれの回答準備をしておくと、上位決裁会議でのスムーズな承認に直結します。

経営者保証ガイドラインの取扱いについては、「ガイドライン3要件（法人と経営者の関係の明確な区分・財務基盤の強化・財務状況の適時適切な情報開示）」の充足状況を必ず確認するプロンプトにしておきます。これは金融庁の「経営者保証改革プログラム」のモニタリングでも重視されるポイントです。出典: 金融庁 経営者保証改革プログラム。

8. 実践プロンプト⑥：金融庁ガイドライン準拠の判断記録テンプレート生成

融資判断が終わったら、「判断根拠の記録」を残します。金融庁の検査・監督方針では、AI・機械学習を活用した与信判断について「判断根拠の説明可能性」が強く求められています。Claude Codeで判断記録テンプレートを生成し、後の検査・モニタリングに耐える形で残します。

本案件の融資判断記録テンプレートを作成してください。
金融庁の「金融機関の検査・監督方針」および「経営者保証改革プログラム」のモニタリング要件に
整合する形で構成してください。

【記録項目】
1. 案件概要
   - 申込日、金額、期間、使途、希望条件
2. 審査経過
   - 受領書類一覧と確認日、ヒアリング実施日と参加者
3. 定量分析の根拠
   - 算定した指標、業界平均との比較、出典
4. 定性評価の根拠
   - 事業性評価の各観点での評価結果と根拠資料
5. リスク評価の根拠
   - 識別したリスク、対応策、許容判断の根拠
6. 保全評価の根拠
   - 担保評価額の算定方法と出典
   - 経営者保証ガイドラインの3要件充足状況の確認結果
7. AI・ツール活用記録
   - 本記録作成過程で使用したAIツール（Claude Code等）の用途、生成内容、検証方法
   - 「最終判断は審査担当者の責任で行った」旨の明記
8. 最終判断
   - 融資可否、条件、決裁経路、決裁日、決裁者

【AIツール活用記録の必須項目】
- 使用したAIモデル名（例：Claude Sonnet 4.6, 2026年5月時点）
- AIに任せた作業範囲（例：決算書数値の抽出、業界平均との比較表作成）
- AIの出力に対する人間の検証方法（例：原本PDFとの照合、業界平均出典の確認）
- AIが介在しなかった工程（例：最終的な融資可否判断、上位決裁の説明）

【重要】
- 判断記録は5〜10年単位で保存される前提で網羅性を確保
- AI活用の透明性を確保する（「使った」「使わなかった」を明示）
- 個別判断の責任は審査担当者および上位決裁者にあることを明記
- 専門家（弁護士・公認会計士・税理士・社労士等）の関与があった場合は明記

このプロンプトの最重要ポイントは「AI・ツール活用記録」の項目です。金融庁の検査・監督方針では、与信判断における「説明可能性」が強く求められており、AIを使った場合は「どこで使ったか・どう検証したか」を記録に残すことが推奨されています。出典: 金融庁 監督指針。

「AIを使った」と隠さずに記録する運用が、長期的には金融機関全体の信頼性を高めます。「AIを使った前工程の効率化はあるが、最終判断は人間が責任を持って行った」という事実を、検査時や検証時に説明できる形で残しておくことが、金融機関のAI活用における最大のガードレールです。

9. 現場で実際に起きた失敗パターン4つと改善策

ここからは、実際に地銀・信金の融資審査現場でClaude Codeを試した方々から聞いた失敗パターン4つを、❌（やってしまいがちなアンチパターン）と⭕（推奨される改善策）の形で整理します。

失敗パターン1：AIの定量分析結果を検証せずに稟議書に転記

❌ アンチパターン：若手担当者が、Claude Codeに決算書PDFを読み込ませて自己資本比率を計算させ、その数値を確認せずに稟議書に転記。後で上位決裁者が原本PDFと照合したところ、PDFのOCR読み取りミスで「純資産 5,200万円」が「520万円」と1桁誤って抽出されており、自己資本比率が大幅に異なる数字になっていた。

⭕ 改善策：Claude Codeの出力した数値は必ず原本PDFと審査担当者が照合する運用を徹底する。プロンプトに「N/A（要原本確認）」フラグを必ず付けさせ、若手担当者向けには「AIの出力 vs 原本の数値を並べて表示するチェック表」をテンプレ化する。OCR精度が低い決算書は手入力で再構築する。

失敗パターン2：業界平均をAIに推測させて稟議書に記載

❌ アンチパターン：プロンプトで「業界平均と比較してください」と曖昧に指示した結果、Claude Codeが「製造業の自己資本比率の業界平均は約35%」とそれっぽい数字を生成。出典を確認せずに稟議書に記載したところ、上位決裁者から「この35%の出典は？」と聞かれて答えられなかった。

⭕ 改善策：プロンプトで「出典が確認できない業界平均は記載しない」「『要確認』と明記する」と必ず指示する。実運用では、自行が契約しているRDBやTKC経営指標、中小企業庁の中小企業実態基本調査などの信頼できるデータソースを別途用意し、Claude Codeに参照させるのが王道。

失敗パターン3：定性所見ドラフトをそのまま稟議書に貼り付け

❌ アンチパターン：Claude Codeが生成した定性所見ドラフトの文章を、ほぼそのまま稟議書に貼り付け。上位決裁者から「この『市場規模約2,000億円』の根拠は何の資料の何ページか？」と聞かれて答えられない事態が発生。AIの生成文は事実と推論の区別が曖昧で、根拠資料が遡れないため。

⭕ 改善策：定性所見ドラフトは「初稿」として位置付け、審査担当者が必ず「出典・ページ・取得日」を付加する運用にする。プロンプトに「事実と推論を区別する」「出典を明記する」と書いておくと、AIも一定程度この作法に従う。「要確認」フラグが残っているドラフトは稟議書に進めないガードを設ける。

失敗パターン4：経営者保証ガイドライン3要件の確認をAI任せにする

❌ アンチパターン：経営者保証ガイドラインの3要件（法人と経営者の関係の明確な区分・財務基盤の強化・財務状況の適時適切な情報開示）の充足状況を、Claude Codeに「総合判断してください」と任せた結果、AIが「充足している」と判定。実際にはオーナー社長と法人の口座の混同があり、要件を満たしていなかった。

⭕ 改善策：経営者保証ガイドラインの3要件は「審査担当者の責任で個別確認する事項」であり、AIに最終判断させない。プロンプトでは「3要件の充足状況の確認結果を整理してください」「判断は審査担当者が行う」と明示する。顧客との面談記録、税理士からのヒアリング、口座取引明細の確認などの一次資料に基づき、最終的に審査担当者が判定する運用を徹底する。

10. 内製運用のためのインフラ設計：Claude Codeをどう銀行内環境に組み込むか

ここまで6本のプロンプトを紹介してきましたが、地域金融機関で実際に運用するには「銀行内のセキュリティ・コンプライアンス要件をどうクリアするか」という問題があります。Claude Codeをそのまま支店PCで使うことには、データ漏洩リスクや内規違反の懸念があるためです。

現実的な選択肢は次の3パターンです：

選択肢	特徴	適する規模
1. Anthropic API（クラウド直接接続）	セットアップ簡単。データ保護契約（DPA）締結要。日本リージョンは未提供のため、海外データ送信の同意取得が必要。	パイロット導入
2. Amazon Bedrock / Google Cloud Vertex AI 経由	東京リージョン提供あり。クラウド事業者経由なのでガバナンス整備しやすい。Claude Code的なエージェント機能は別途構築要。	中規模以上の地銀
3. 自行プライベートクラウド + 専用ゲートウェイ	最も厳格。データ持ち出しゼロ。コスト・運用負荷大。社内エンジニアリソース必要。	大手地銀・第二地銀

多くの地銀・信金にとって現実的な第一歩は、「個人情報を含まない匿名化済みデータでパイロット運用」から始めることです。例えば、決算書PDFの企業名・住所・代表者名・取引先名をマスキング処理してからClaude Codeに渡し、「指標算定の検証」をパイロットフェーズで実施します。出典: Anthropic API Documentation。

パイロット運用で効果が確認できたら、本格運用に向けて「内製エンジニアと外部の専門家（弁護士・公認会計士・税理士・システム監査人等）を交えてガバナンス設計を進めます。特に、個人情報保護法、銀行法、犯罪収益移転防止法、金融分野ガイドラインの観点での精査は必須です。

個別具体の導入相談については、Claude Codeの内製運用設計について詳しい Uravation のような外部支援を活用するのも選択肢の一つです。社内のシステム部門・コンプライアンス部門・法務部門との連携を含めた全体設計が必要で、単純にツールを入れれば終わりという話ではないことを留意ください。

11. 他業界の類似事例：金融×Claude Codeの応用領域

地銀・信金の融資審査補助は、より広い「金融×AI業務効率化」の文脈の一部です。当メディアの他記事では、関連する金融業務へのClaude Code適用事例を扱っています。組み合わせて読むと、自行での導入ロードマップが具体化します。

• 信用スコアリングモデルをClaude Codeで自動化した事例 — 与信スコアリングのモデル開発・チューニング・バックテストにClaude Codeを使った実装事例。融資審査の「定量分析」パートをモデル化したい場合の参考になります。
• 金融機関のAML（マネー・ローンダリング対策）調査をClaude Codeで自動化する5ステップ — KYC（顧客確認）の取引モニタリング、SAR（疑わしい取引報告）の初稿作成等にClaude Codeを使った実装事例。融資申込人の取引先構造の精査にも応用可能です。
• 銀行コンプライアンスレビューをClaude Codeで効率化した事例 — 業務規程・内規との整合性チェック、検査対応資料の作成等にClaude Codeを使った実装事例。融資判断記録の監査対応パートで参考になります。

これらの記事と本記事を組み合わせて読むと、地域金融機関のフロントオフィス（融資審査）からミドルオフィス（信用スコアリング、AML）、バックオフィス（コンプライアンス、監査対応）までをClaude Codeで一貫して効率化する全体像が見えてきます。

12. 導入ロードマップ：3ヶ月パイロットから1年内製化までのステップ

地銀・信金でClaude Codeを融資審査補助に導入する際の、現実的なロードマップを提示します。多くの場合、「いきなり全店展開」はリスクが大きく、「小さく始めて、効果を測定し、徐々に拡大」のアプローチが現実的です。

フェーズ	期間	主な活動	成果物
Phase 1：構想策定	1ヶ月	業務分析、ROI試算、リスクアセスメント、専門家相談	導入計画書、ガバナンス設計書
Phase 2：パイロット	2〜3ヶ月	1〜2支店で匿名化データを使った検証、効果測定	パイロットレポート、改善された業務フロー
Phase 3：本格化準備	2〜3ヶ月	セキュアな実行環境構築、社内ガイドライン策定、研修	本番環境、運用ガイドライン、研修プログラム
Phase 4：全店展開	3〜6ヶ月	段階的に全支店へ展開、本部審査部との連携設計	全店標準化、効果測定レポート
Phase 5：高度化	継続	自行データを活用したRAG構築、業種別カスタマイズ	自行版審査補助システム

このロードマップで最も重要なのはPhase 1の「リスクアセスメントと専門家相談」です。地域金融機関のAI活用は、個人情報保護法、銀行法、金融分野ガイドライン、各種監督指針との整合性が必須で、システム部門だけでなく法務部門、コンプライアンス部門、外部の弁護士・公認会計士等の専門家を交えた全体設計が欠かせません。

また、Phase 2のパイロットで「効果測定」を必ず実施することも重要です。「1案件あたりの審査時間が4時間→1時間半に短縮」「若手担当者の業界知見の習得が加速」「上位決裁会議での想定問答の精度向上」など、定量・定性の両面で効果を測ります。効果が確認できなければPhase 3に進まない判断もあり得ます。

13. よくある質問（FAQ）

Q1. Claude Codeに決算書PDFを読み込ませると、データはどこに保存されますか？

A1. Claude API経由でClaude Codeを使う場合、Anthropic社のサーバーにデータが送信されます。Anthropic社はエンタープライズ顧客向けに「データ保護契約（DPA）」を提供しており、契約条件によってはモデル学習への利用を停止できます。詳細はAnthropic Legalを参照してください。実運用では、個人情報や企業の機密情報を含むデータは匿名化・マスキング処理を施してから渡すことが推奨されます。また、Amazon Bedrock経由・Google Cloud Vertex AI経由でClaudeモデルを利用する場合は、クラウド事業者のリージョン（東京等）で処理することが可能です。最終的なデータ取扱いは各行の内規および専門家の助言に従って判断してください。

Q2. AIが生成した所見が間違っていた場合、誰が責任を負うのですか？

A2. 融資判断の最終責任は審査担当者および上位決裁者にあります。Claude Codeは「資料整理・初稿作成の補助ツール」であり、その出力をそのまま採用するか修正・棄却するかの判断は人間の責任です。これは金融庁の検査・監督方針における「説明可能性」「最終判断の責任の所在」の要請に整合します。具体的な責任の所在については、各行の内規・契約・専門家の助言に基づいて整理してください。

Q3. 業界平均の出典として、どのデータベースが信頼できますか？

A3. 主要な選択肢は次の通りです。①中小企業庁「中小企業実態基本調査」（公開・無料）、②TKC経営指標（TKC会員税理士事務所のデータ、業種別RDB）、③帝国データバンク・東京商工リサーチの企業データベース、④日本政策金融公庫「中小企業景況調査」、⑤業界団体の定期レポート（建設業協会、運送業協会等）。自行が契約しているデータベースを優先し、出典を稟議書・判断記録に必ず明記する運用が標準です。出典: 中小企業庁。

Q4. 経営者保証ガイドラインの3要件をAIに判定させても問題ないですか？

A4. 判定そのものはAIに任せないでください。3要件（法人と経営者の関係の明確な区分・財務基盤の強化・財務状況の適時適切な情報開示）の充足状況は、顧客との面談、税理士からのヒアリング、口座取引明細の確認等の一次資料に基づき、審査担当者の責任で個別に判定する事項です。Claude Codeは「3要件のチェック観点を整理する」「ヒアリング結果を構造化する」までの補助に留め、最終判定は人間が行います。これは金融庁の「経営者保証改革プログラム」のモニタリング要件にも整合します。出典: 金融庁。

Q5. パイロット導入の予算規模はどれくらい想定すべきですか？

A5. 規模・要件によって大きく変わりますが、概ね「コンサルティング費用＋環境構築費用＋AI利用料」の3要素になります。コンサルティングは内製比率により変動、環境構築はクラウド経由なら比較的軽く、AI利用料はAnthropic API直接接続の場合トークン単価ベースになります。具体的な金額は、業務分析の範囲・対象支店数・既存システムとの連携要件によって幅があるため、複数の専門家・ベンダーから見積もりを取得することをお勧めします。

Q6. 失敗した場合に立て直すコストはどれくらいですか？

A6. パイロットフェーズで効果が出なかった場合の主なコストは、①プロジェクト管理工数の損失、②AI利用料、③コンサルティング費用、④社内研修費用、です。本格運用後に問題が発生した場合は、これに加えて「内部監査での指摘対応」「顧客信頼の毀損」「監督官庁への報告」などの隠れたコストが発生し得ます。だからこそ、Phase 1の構想策定でリスクアセスメントとガバナンス設計を徹底することが、長期的には最も投資対効果が高い領域です。

14. まとめ：地銀・信金における融資審査補助AIは「人間の判断時間を増やすため」のツール

本記事では、地銀・信金の中小企業融資審査をClaude Codeで補助する6本の実践プロンプトを、業務フローに沿って公開しました。整理すると次の通りです。

1. 決算書3期分の自動要約・推移表化：PDFから主要勘定科目を抽出し、推移表と注記の論点リスト化
2. 定量指標の補助計算と業界平均との比較：自己資本比率・債務償還年数・ICR等の6指標を業界平均と並列表示
3. 業種別リスクファクターの抽出：業種特有の事業構造・市場・財務・経営者・規制・ESGリスクを構造化
4. 定性所見のドラフト生成：事業性評価フレームに沿った初稿、事実と推論を区別、要確認フラグ付き
5. 稟議書の初稿と想定問答リスト：自行様式に沿った初稿、上位決裁向けの想定問答10個
6. 金融庁ガイドライン準拠の判断記録テンプレート：AI活用記録を含む、5〜10年保存に耐える網羅性

これらのプロンプトを使うことで、「1案件あたりの審査時間が大幅に短縮され、審査担当者の時間が『数字を作る作業』から『顧客対話と意思決定』へシフトする」のが本質的な効用です。決してAIが融資判断をするわけではなく、人間の判断時間を増やすためのツールとして位置付けることが重要です。

地域金融機関のフロントオフィスがAIを使いこなせるかどうかは、これからの10年で地銀・信金の生き残りを左右する論点になります。顧客との対話時間を増やし、事業性評価を深掘りし、地域経済への貢献を可視化する——その実現のためのインフラとして、Claude Codeのような汎用AIツールを内製で使いこなせる体制を、今のうちから整えておくことが、長期的な競争力につながります。

繰り返しになりますが、本記事のプロンプトはあくまで「審査担当者の補助ツール」です。最終的な融資判断は審査担当者および上位決裁者の責任で行うものであり、必要に応じて公認会計士・税理士・社労士・弁護士等の専門家の関与のもとで判断してください。金融庁の検査・監督方針、各行内規、個人情報保護法、銀行法、犯罪収益移転防止法等の関連法令・規程との整合性も必ず確認のうえ、運用してください。

15. 著者プロフィール

佐藤傑（さとう・すぐる）。株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー約10万人。100社以上の企業向けAI研修・導入支援。著書『AIエージェント仕事術』（SBクリエイティブ）。SoftBank IT連載7回執筆。地銀・信用金庫・信用組合の業務効率化におけるClaude Code活用支援、AIガバナンス設計、現場部門の研修プログラム設計を手がける。

16. 次のアクション

1. 本記事のプロンプトを自行の業務フローに当てはめてシミュレーションする：6本のプロンプトをコピーして、自行で実際に使われている決算書様式・稟議書様式・判断記録様式に合うかチェックしてみてください。
2. パイロット候補の業務と支店を選定する：1〜2支店、業種を絞った10案件程度で匿名化データを使ったパイロットを設計してみてください。効果測定の指標（審査時間、若手の習熟度、上位決裁時の追加質問数等）も合わせて設計しましょう。
3. 専門家を交えたガバナンス設計を始める：法務部門・コンプライアンス部門・システム部門、そして外部の弁護士・公認会計士・システム監査人等を交えて、AI活用のガバナンス設計を進めてください。地銀・信金向けのClaude Code内製運用について詳しいUravationの無料相談（お問い合わせ）もご活用いただけます。

次回予告：地域金融機関の事業性評価レポートの自動生成をClaude Codeで実装する事例を予定しています。顧客企業の事業内容ヒアリング、競合分析、市場規模試算、SWOT整理までを一気通貫で構造化する実践プロンプト集を公開予定です。

17. 出典・参考資料

• 金融庁 公式サイト — 検査・監督方針、経営者保証改革プログラム、事業者向け融資のモニタリング
• 中小企業庁 中小企業実態基本調査 — 業種別・規模別の財務指標の公的データソース
• 日本政策金融公庫 中小企業景況調査 — 業界動向の定期レポート
• Anthropic Claude Code Documentation — Claude Codeの公式ドキュメント
• Anthropic API Documentation — Claude APIの公式ドキュメント
• Anthropic Legal — データ保護契約（DPA）の詳細

※本記事の内容は2026年5月時点の情報に基づいています。各種ガイドライン・法令・モデル仕様は変更される可能性があるため、実運用時は最新の公式情報を必ず確認してください。また、本記事は一般的な情報提供を目的としており、個別の融資判断・経営判断に関するアドバイスを行うものではありません。具体的な導入・運用判断にあたっては、必ず弁護士・公認会計士・税理士・社労士等の専門家にご相談ください。

関連記事（自動）

• ▸ 【2026年最新】商社の市況レポートをClaude Codeで効率化
• ▸ 【2026年最新】VC投資DDをClaude Codeで効率化する実装ガイド
• ▸ 監査法人の内部統制調書レビューをClaude Codeで自動化｜実装7手順
• ▸ 【2026年最新】AML調査をClaude Codeで自動化｜金融5実装手順
• ▸ 保険金請求書類チェックをClaude Codeで自動化｜不備検知と確認リスト