NTT、貸し倒れ予測のAI技術を確立　リース審査の予測精度が最大約3割向上

続報（11月12日）：NTTとNTT・TCリースの役割分担と精度評価の条件が明らかに

NTT ニュースリリースは2026年11月12日、NTTとNTT・TCリースの役割分担と、貸し倒れ予測の精度評価の条件を公表しました。既存記事では触れていなかった内容です。

両社の役割分担

NTTは、AI与信審査技術の確立とモデル学習・チューニング技術の提供を担います。NTT・TCリースは、与信データの提供とリース業務に関する知見の提供を担い、本技術の実ビジネスへの適用を検討します。

精度評価の条件

精度は、NTT・TCリースが保有する約150万件の与信データを用いて評価しました。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使い、その結果を平均しています。比較対象は、与信で一般的に使われる勾配ブースティング決定木系のモデルと、表形式データ向けのTransformerモデルの2つです。

AR値は、貸し倒れとなる契約をどれだけ的確に上位に並べられるかを示す指標です。0から1の範囲で、1に近いほど高精度を意味します。

発表資料では、最終的な与信判断は人が行うとしています。

出典: NTT ニュースリリース「多様な顧客・契約データから貸し倒れリスクを高精度に予測するAI与信審査技術を確立 ～貸し倒れ予測精度を最大3割向上～」

金融データ特有の課題を解決する2つの技術

金融事業者が保有するデータには、外れ値を含む分布や偏りのある分布が混在しています。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ことは困難でした。本技術では、以下の2つの技術を組み合わせてこの課題を解決しています。

• 数値表現技術: 数値やカテゴリの分布特性を考慮しながら、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。
• 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。

導入スケジュールと今後の展開

最終的な与信判断は人が行います。実ビジネスへの適用を担うNTT・TCリースは、本技術の実運用における有効性と運用性を検証しています。同社は2027年度以降の与信審査業務への導入をめざしています（NTT ニュースリリース、2026年11月12日確認）。

また、AI与信審査技術を担うNTTは、法人向けリース与信で確立した技術を起点としています。今後は個人向け領域へ対象を拡大する方針です。

金融機関が保有する顧客基盤から、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と発展させます。「顧客基盤×将来予測」による金融サービスの実現をめざしています。

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」に展示される予定です。

サイソクの見方：2027年度の導入に向けた有効性の検証が焦点

今回の発表の新規性は、AIの学習モデルで金融実務の大きな課題を克服した点にあります。その課題とは、データ特性のばらつきや条件の違いです。NTT・TCリースが保有する約150万件の与信データを訓練・テストに用いた検証で、最大約3割の精度向上（AR値による評価）が示されました。

実務でのリスク抑制や与信機会の拡大に期待がかかります。金融事業者やリース業に関わる担当者は、2027年度以降の本格導入に向けた今後の検証結果や適用範囲の拡大に注目するとよいでしょう。