NTTとNTT・TCリースは、金融データ特有のばらつきや契約条件の違いを考慮し、顧客情報から将来の貸し倒れリスクを予測するAI与信審査技術を確立しました。NTT・TCリースが保有する与信データを用いた共同実験では、既存の代表的なAIモデルと比較して予測精度が最大約3割向上することを確認しています。本技術により貸し倒れ損失の抑制に加え、十分な信用評価が難しかった顧客層への与信機会拡大をめざします。

共同実験で既存AIモデルより予測精度が向上

金融事業者が行う与信審査では、項目ごとに分布の形や値の範囲、外れ値の現れ方が異なる金融データを扱います。また、契約期間や返済条件が異なる契約履歴を単純に比較すると、実態と異なる評価につながる懸念があり、データのばらつきや契約条件の違いを踏まえたリスク把握が課題とされていました。

NTT（本社：東京都千代田区、代表取締役社長：島田 明）とNTT・TCリース（本社：東京都港区、代表取締役社長：近藤 禎一郎）は、リース事業における与信業務の高度化をユースケースとして共同実験を実施しました。NTT・TCリースが保有する約150万件の与信データ（申込者等より提供される、支払い能力や信用状況を判断するための情報）に本技術を適用したところ、既存の代表的なAIモデルと比べて貸し倒れ予測精度が最大約3割向上することを確認しました。

精度評価では、過去最大17年分を訓練データに、翌1年分をテストデータとして利用し（N=1,2,3…として精度は平均化）、市中モデルとして一般的に与信に利用されている勾配ブースティング決定木系のモデルと表形式データ向けTransformerモデルの2つと比較しています。なお、パーソナルデータはプライバシーポリシーに基づき適切に取り扱われており、最終的な与信判断は人が行います。

課題を解決する2つの表現技術

本技術は、金融データ特有の課題を解決するため、2つの技術を組み合わせています。

• 数値表現技術：外れ値を含む分布や特定の値に偏る分布など、多様な特性を持つデータに対し、数値の大小関係など予測に重要な情報を保持したままAIが学習しやすい表現へ変換します。専門家による複雑な前処理に依存せず、外れ値や偏りの影響を受けにくい予測を実現します。
• 条件表現技術：契約期間全体に対してどの時点で貸し倒れが発生したかを考慮し、条件の異なる多様な契約履歴を共通の尺度で表現します。これにより契約期間や返済条件の違いによる評価の偏りを抑え、多様な契約データを統一的に学習します。

各社の役割と今後の展開

共同実験における両社の役割は以下の通りです。

• NTT：AI与信審査技術の確立、モデル学習およびチューニング技術の提供
• NTT・TCリース：与信データの提供、リース業務に関する知見の提供、本技術の実ビジネスへの適用検討

今後、NTTは法人向けリース与信で確立した本技術を起点に個人向け領域へ展開し、顧客基盤から将来の顧客価値やリスク特性を予測する金融向け技術群への発展を進めます。NTT・TCリースは実運用における有効性と運用性を検証しながら、2027年度以降の与信審査業務への導入をめざします。

なお、本研究成果は2026年11月18日～25日に開催される「NTT R&D FORUM 2026」（https://www.rd.ntt/forum/2026/）に展示される予定です。

本記事はNTTおよびNTT・TCリースの発表をもとに作成しました。

Dellows News編集部

ビジネスパーソンの課題解決と納得感にこだわるDellows News編集部。キャリア論からAI、健康法まで幅広い分野に対応し、複雑なテーマでも平易な言葉で丁寧に解説。読者が「明日から使える」知識やヒントを得られるよう、具体的な事例・データ・専門家の見解を交えて執筆。情報を整理し、納得感ある記事づくりを心がけています。