日本銀行 2026 年度生成式 AI 調查：150 家金融機構中 79.3% 已使用、11.3% 試辦中；用途集中在內部文書，對客戶直接呈現 AI 產出的仍是少數
2026-08-24 公布・日本銀行金融機構局《Financial System Report Annex: Use and Risk Management of Generative AI by Japanese Financial Institutions —Based on the Results of FY2026 Survey—》，調查對象 150 家日本金融機構、回覆率 100%，為 2024 年度起的第三次｜本頁為本站中譯整理，以原文為準。
官方文件・日本銀行金融機構局（Financial System and Bank Examination Department）（日本銀行（Bank of Japan））・立場：官方調查
利益衝突揭露：日本銀行為日本的中央銀行暨金融機構的檢查監理者，本調查按年度例行實施、不銷售任何商品，沒有商業銷售利害。但四項口徑限制必須與數字一起讀：①各項風險管理與課題是受訪機構的自我評估，不是日本銀行現場檢查的結果；②母體逐年不同（2024 年度 155 家、2025 年度 153 家、2026 年度 150 家），跨年度比較是不同樣本之間的比較；③採用率以 150 家為母體，用途與風險管理各項則以「已使用或試辦」的 136 家為母體，兩者不可混用；④課題為複選題、每家最多各選五項，家數不等於比例。此外受訪對象全為日本的金融機構，結論不當然適用於其他國家或其他產業。日本銀行另於報告聲明：非商業用途引用時須註明出處，商業用途需事前取得同意——本站僅摘錄轉述並連回原文，未轉載全文。
一分鐘重點
- 採用率：79.3% 已使用，加計試辦逾九成：150 家受訪機構中，79.3% 已使用生成式 AI、11.3% 試辦中，未使用也未試辦者 9.3%。同一組數字在 2024 年度是 31.0%／27.1%／41.9%，2025 年度是 50.3%／23.5%／26.1%——兩年之間，未使用也未試辦的比率從逾四成降到不足一成。日本銀行指出，依業態分，第二地方銀行協會加盟行過去一年的升幅較為明顯。
- 用途：集中在內部文書，不是決策：在已使用或試辦的 136 家中，文件撰寫 132 家、會議記錄轉譯 122 家、查找內部規章與相關文件 116 家。但把它「整合進業務流程」的分別只有 6 家、6 家、5 家，其餘多是「作為業務輔助工具」或仍在試辦。風險管理（第二道防線）28 家、內部稽核（第三道防線）37 家，日本銀行轉述的一種說法是：這些單位人數少，AI 能帶來的效率增益也有限。
- 對客戶的那一段最保守：面向客戶的聊天機器人 29 家、商務媒合 27 家、投資組合再平衡建議 2 家（其中「整合進業務流程」0 家）。訪談中有機構對「把 AI 生成內容直接呈現給客戶」表達審慎態度。對照的風險管理項目也一致：對客戶揭露 AI 生成回覆「已實施」15 家、列為「不適用」97 家；面向客戶情境的紅隊演練「已實施」6 家、列為「不適用」102 家。
- 三年後的自我預期，與現況差距明顯：同一份問卷問「三年後」，把用途整合進業務流程的家數自我預期為：文件撰寫由 6 家增至 56 家、查找內部規章由 5 家增至 51 家、會議記錄轉譯由 6 家增至 49 家、客服中心支援由 10 家增至 48 家、放款審查文件準備由 4 家增至 44 家、面向客戶的聊天機器人由 7 家增至 37 家、詐欺交易偵測由 4 家增至 33 家、投資組合再平衡建議由 0 家增至 16 家。這一欄是機構的自我預期，不是日本銀行的推估。
- 風險管理是分層的：資訊管理最齊，治理與安全防護落後：136 家中回答「已實施」的家數：安全的輸入輸出系統環境 90 家、限制機密資訊輸入的規則 84 家、關鍵決策保留人工判斷（human-in-the-loop）80 家、權限別存取控制 76 家。相對落後的是高層參與的 AI 治理架構 41 家（研議中 53 家）、第三方風險的評估與稽核 38 家、輸入輸出與行為的護欄 29 家、高風險用例的風險基礎管理 28 家（不適用 50 家）、具備 AI 風險覆核能力的人才 15 家（研議中 58 家）。
- 「廣泛使用機構」67 家，與其餘 69 家的差距在風險管理這一側：報告把「核准以生成式 AI 處理機密資訊」（75 家）與「已在客戶相關業務使用或試辦」（92 家）兩個集合的交集 67 家定義為廣泛使用機構，約佔 136 家的一半。以「已實施」加「已實施但仍有改善空間」合計比較，廣泛使用機構對其餘機構為：關鍵決策保留人工判斷 64 比 35、資料來源與佐證揭露 60 比 35、輸出的驗證與評估 56 比 31、第三方風險的評估與稽核 51 比 28、對抗提示注入等威脅的資安措施 46 比 27、護欄 39 比 17。
- 課題：已有進展的與尚待處理的，不是同一批：複選題（每側最多各選五項）。已有進展者以指引與安全政策 80 家、導入用的 IT 基礎建設 55 家、經營層的理解與承諾 49 家、用例開發與推廣 47 家為多。尚待處理者則是業務單位的理解與技能 67 家、輸入資料的整備度 67 家、數位轉型與 IT 團隊的推廣能力 66 家、用例開發與推廣 62 家、指引與安全政策 59 家、AI 風險覆核能力 55 家、IT 基礎建設 54 家。
- 兩種讀法，本站不下結論：讀法一看普及：兩年內未使用也未試辦的比率由 41.9% 降到 9.3%，主要銀行全數已使用或試辦，且多數機構自我預期三年後要把用途整合進業務流程。讀法二看深度：目前 132 家在用文件撰寫，其中只有 6 家稱得上整合進流程；對客戶端的用途家數、對客揭露與紅隊演練的實施家數都仍是個位數到兩位數初。本站轉述官方調查，不評論個別公司，也不推論相關類股的價格走勢。
原文說了什麼（中英對照）
① 這份調查是什麼、樣本有多大
有鑑於這些問題，日本銀行以 150 家金融機構為對象，實施了關於 AI 等技術使用狀況的調查。這是 2024 年度以來的第三次調查。
“With these issues in mind, the Bank of Japan conducted a survey on the use of AI, etc., targeting 150 financial institutions. This is the third survey since fiscal year 2024.”
樣本依業態拆分：主要銀行 10 家、地方銀行協會加盟行 61 家、第二地方銀行協會加盟行 34 家、信用金庫 18 家、其他 27 家，合計 150 家；問卷回覆率 100%。（2024 年度 155 家、2025 年度 153 家。）
“The survey response rate was 100%.”
本報告同時納入與部分資訊服務供應商及金融機構的訪談內容，說明金融業使用生成式 AI 的現況與課題，以及風險管理上的問題。
“This Report, drawing on the views we exchanged in the interviews with some IT vendors and financial institutions, describes the current status and challenges in the use of GenAI and in risk management issues in the financial industry.”
② 用到什麼程度：採用率與用途分布
受訪金融機構約八成已在使用生成式 AI；若把試辦中的一併計入，比率超過九成。
“Approximately 80 percent of the surveyed financial institutions are already using GenAI, with this figure rising to over 90 percent when including those under trial with GenAI.”
未使用也未試辦生成式 AI 的機構比率，已由兩年前的逾四成降至不足一成。
“The proportion of the institutions not in use or trial with GenAI has decreased from over 40 percent two years ago to less than 10 percent.”
現階段在面向客戶的聊天機器人、商務媒合與投資組合再平衡建議等領域，使用仍然有限。訪談中，部分機構對於直接把 AI 生成內容呈現給客戶抱持審慎態度。
“The use is also limited in areas such as customer-facing chatbots, business matching, and portfolio rebalancing recommendations at this stage. In the interviews, some expressed a cautious stance toward directly presenting AI-generated outputs to customers.”
本站自報告圖表逐項讀出的用途家數（母體 136 家，四類分別為整合進業務流程／作為業務輔助工具／試辦中／未使用也未試辦）：文件撰寫 6／106／20／4；會議記錄轉譯 6／89／27／14；查找內部規章 5／75／36／20；資訊系統開發與維運 4／40／25／67；放款審查文件準備 4／34／25／73；客戶導向銷售支援 4／35／15／82；客服中心支援 10／21／10／95；面向客戶的聊天機器人 7／10／12／107；投資組合再平衡建議 0／1／1／134。各列四項加總皆為 136。
③ 風險管理：自我評估的分層
許多機構回報已在推動資訊管理措施、訂定實務規則，並採行關鍵決策保留人工判斷的做法。
“Many institutions reported conducting measures for information management and establishing practical rules, as well as adopting human-in-the-loop.”
許多機構回報，治理、第三方風險管理、安全與防護這類範圍較廣的主題，仍屬「有改善空間」或「研議中」。
“Many institutions reported that broader topics such as governance, third-party risk management, and safety and security, have room for improvement or are under consideration.”
目前在使用者回饋的風險分析、AI 生成回覆的對客揭露，以及紅隊演練這三項上，已在推動或研議中的機構都很少；現階段它們對於在面向客戶的服務中直接呈現 AI 產出仍持審慎態度。
“Few institutions are currently conducting or considering measures for user feedback risk analysis, disclosure of GenAI-generated responses, and red teaming, as they remain cautious about directly presenting AI-generated outputs in customer-facing services at this stage.”
本站自圖表讀出的「已實施」家數（母體 136 家）：安全的輸入輸出系統環境 90、限制機密資訊輸入的規則 84、關鍵決策保留人工判斷 80、權限別存取控制 76、實務規則與手冊 61、員工訓練與研討 55、書面化的使用方針 54、資料來源與佐證揭露 52、輸出的驗證與評估 43、對抗提示注入等威脅的資安措施 43、高層參與的 AI 治理架構 41、第三方風險的評估與稽核 38、使用狀況監控 35、限用經第三方核可或符合 ISMAP 的服務 35、護欄 29、高風險用例的風險基礎管理 28、AI 風險覆核人才 15、對客揭露 AI 生成回覆 15、使用者回饋風險分析 7、紅隊演練 6。
④ 課題、傳統 AI，以及日本銀行接下來要做什麼
許多機構認為，指引的制定與 IT 基礎建設屬於「已有進展的課題」；至於「尚待處理的課題」，則常包括業務推廣、人力資源與 IT 基礎建設等面向。
“Many institutions consider that developing guidelines and IT infrastructure are challenges with progress made. Meanwhile, challenges to be addressed often include aspects such as business promotion, human resources, and IT infrastructure.”
傳統 AI（以特定任務資料訓練、專用於該任務的 AI 系統）的使用已相當普遍，與前次結果相比，採用情形沒有明顯變化；此外，只有少數機構把傳統 AI 與生成式 AI 併用。
“The use of conventional AI has already become widespread, and compared to previous results, no significant changes have been observed in its adoption. Furthermore, only a few institutions use conventional AI in combination with GenAI.”
本站自圖表讀出：傳統 AI 在 2026 年度為已使用 72.7%、試辦中 2.7%、未使用也未試辦 24.7%（2024 年度為 62.6%／3.2%／34.2%）。兩者併用的用途家數為文件數位化（光學文字辨識）19、客戶關係與紀錄 11、個人化銷售支援 9、客戶鎖定 5、詐欺交易偵測 5、放款覆核 4；資產管理與機器人理財、企業價值預測、演算法交易、來客預測則皆為 0。
為使金融機構能在維持營運穩定的前提下運用包含前沿 AI 在內的生成式 AI，經營層必須同時掌握採用新技術的效益與風險。
“To ensure financial institutions can utilize GenAI, including frontier AI, while maintaining stable business operations, it will be essential for senior management to capture both the benefits and the risks of adopting new technologies.”
日本銀行將透過現場檢查、日常監控與研討會，持續就生成式 AI 的使用與風險管理與金融機構對話。
“The Bank of Japan will continue to engage in dialogue with financial institutions on the use of GenAI and on risk management through on-site examinations, monitoring, and seminars.”
原文引用的數字
| 項目 | 數值 | 說明 |
|---|---|---|
| 已使用／試辦中／未使用也未試辦 | 79.3%／11.3%／9.3% | 2024 年度為 31.0%／27.1%／41.9% |
| 調查母體 | 150 家、回覆率 100% | 2024 年度 155 家、2025 年度 153 家 |
| 最常見用途：文件撰寫 | 132／136 家 | 其中「整合進業務流程」僅 6 家 |
| 面向客戶的聊天機器人 | 29／136 家 | 三年後自我預期「整合進流程」37 家 |
| 核准以生成式 AI 處理機密資訊 | 55.1% | 僅限公開資訊者 7.4%（母體 136 家） |
| 「廣泛使用機構」 | 67 家（約 136 家的一半） | 其餘 69 家；兩群在風險管理各項的家數差距明顯 |
| 關鍵決策保留人工判斷（已實施） | 80／136 家 | 紅隊演練已實施 6 家、列為不適用 102 家 |
| 推動上尚待處理的最大課題 | 業務單位理解與技能、輸入資料整備度各 67 家 | 複選題，每家最多選五項 |
數字取自日本銀行 2026-08-24 公布的《Financial System Report Annex: Use and Risk Management of Generative AI by Japanese Financial Institutions —Based on the Results of FY2026 Survey—》全文 PDF（18 頁）的本文與圖表。**兩個母體不可混用**：採用率（79.3%／11.3%／9.3%）以受訪的 150 家為母體；用途、風險管理自我評估、課題等各項則以「已使用或試辦」的 136 家為母體，報告在各張圖下方均註明此點。本站已做的核對：用途一表的四類家數逐列加總皆為 136（例如文件撰寫 6＋106＋20＋4＝136、投資組合再平衡建議 0＋1＋1＋134＝136）；「廣泛使用機構」為核准處理機密資訊的 75 家與客戶相關業務已使用或試辦的 92 家之交集 67 家，與報告文字所稱「約 136 家的 50%」及其餘 69 家相符；業態樣本 10＋61＋34＋18＋27＝150，與受訪家數相符。**圖表中未標示數值的部分（例如依業態拆分的折線圖各年數值）本站不引用、不目測估算**，僅轉述報告文字所稱主要銀行全數已使用或試辦、第二地方銀行協會加盟行升幅較明顯。口徑限制：各項風險管理與課題為受訪機構的自我評估，非日本銀行現場查核結果；課題為複選題（每側最多各選五項），家數不等於比例；跨年度比較的母體逐年不同。單位一律為家數或構成比，不涉及金額。
延伸：文中提到的指標，站上這裡查
出處：日本銀行《Financial System Report Annex: Use and Risk Management of Generative AI by Japanese Financial Institutions —Based on the Results of FY2026 Survey—》（2026-08-24，金融機構局，全文 PDF 18 頁）｜本頁為資訊整理與轉述（聚合不轉載、僅摘引關鍵句），非投資建議，不預測市場走向。