世界貿易は、地経学的な分断と世界経済の重心の移動を背景に変化しつつあります。
AIはこの変化に一定の役割を果たしていますが、新たなリスクも生じています。貿易AIが、もはや世界貿易の輪郭を反映していないデータで学習されているという点です。
つまり、成長が速い途上経済は、背後にある過去のデータが乏しいため、AIに価値がないものとして扱われ、世界貿易システムから締め出されるおそれがあります。
世界貿易が通過する回廊は、過去30年のどの時点よりも速く変化しています。この変化はよく記録されており、AIによって後押しされています。しかし現在のリスクは、貿易AIがもはや存在しない貿易システムのレールに沿って考えるよう教え込まれ、一部の参加者を永久に締め出してしまうことです。
米国の対中国輸入は2025年に29.4%減少しました。同じ期間に、Citiの調査によると、世界の企業の65%が調達先の多角化を積極的に進めており、ベトナム、インド、タイ、メキシコが主要な新たな調達先として台頭しています。
人工知能は、迅速な審査、処理コストの低減、従来のモデルでは融資を断られていた企業への与信の拡大という、確かな可能性をもって貿易金融に導入されました。その効果は本物です。ただし、十分に問われてこなかった問いがあります。これらのモデルが学習するデータは、過去の貿易地図を反映しているのか、それともリアルタイムで形成されつつある貿易地図を反映しているのか、という点です。
貿易金融のAIはどのようなデータで学習されているのか？
現在の貿易金融AIの多くは、圧倒的に、銀行が既に把握している回廊、例えば中国から米国、欧州から北米への取引履歴の数十年分で学習されています。これらは長年にわたる豊富なデータを持つ経路です。モンテレーのSME輸出業者や、ホーチミン市郊外の受託製造業者は、そのような履歴をデータにほとんど持っていません。古い地図で学習されたモデルにとって、これらの企業は見えない存在です。
これは隠れた問題ではありません。銀行は、ASEANにおけるSMEの貿易金融申請の少なくとも40%を、ASEANは世界で最も成長の速い貿易地域ですが、そこで拒否しています。その理由として挙げられているのは、信用履歴の不完全さと、確立された審査基準に当てはまらない借り手です。世界の貿易金融ギャップは2.5兆ドルに達しており、そのほぼ全てが取引データが最も乏しい新興市場の回廊に集中しています。存在するデータではなく、存在すべきデータではなく、既存のデータで学習されたAIは、そのギャップを恒久的なものにするおそれがあります。
IMFの『国際金融安定性報告書』は、この力学を明確に指摘し、既存の金融データで学習されたAIモデルは、そこに組み込まれたバイアスを助長する傾向があり、もともと十分に扱われていない市場が次第に対応しにくくなる自己強化的な循環を生み出すと警告しました。貿易金融では、この循環は地域特有の形で表れます。データベースがそうした回廊を念頭に構築されていないため、モデルはベトナムやモンテレーを認識できないのです。
AIはどのようにして世界貿易の地図を固定化しうるのか
レガシーデータで学習されたAIの構造的な問題は、死角が時間とともに拡大していくことです。
貿易金融モデルは、ある回廊の取引履歴がないと、より高いリスクを割り当てます。リスクが高いと、融資は減少します。融資が減ると、完了する取引も減ります。取引が減ると、データのギャップは縮まるどころか広がります。その回廊は、正確に把握されるために必要な履歴を蓄積できません。モデル自身の判断が、その履歴の形成を妨げているからです。
これは、ブルッキングス研究所がAI与信システムにおいて特定した力学です。十分に評価できないスコアリングシステムは、より保守的な判断を下し、それによって借り手に与信を拒否します。その結果、正確な評価を可能にする取引履歴が、そもそも作られなくなります。問題は個々の事例ではなく、構造的なものです。
最もリスクにさらされている貿易回廊は、まさにグローバル・サプライチェーンが向かいつつある回廊です。過去3年間で越境収益が500万ドルから2,500万ドルへと成長したベトナムの衣料品メーカーは、経験豊富な人間の審査担当者なら誰もが知る話です。その成長を含まない回廊で学習されたモデルは、過去データの欠如しか見ず、新規性をリスクとして扱ってしまいます。
フォーラムの『TradeTech』報告書は、AIが急速に貿易金融の形を変えている一方で、包摂性が重要な課題であることを指摘しています。新興経済の中小企業は、構築されつつあるシステムから不均衡に排除されているのです。確立された回廊におけるAI導入の速度は、新しい回廊で構築されているデータ基盤を上回っています。そのギャップを意図的に埋めなければ、結果として自動的に埋められることになるでしょう。
新興市場の回廊が取引データの足跡を築き、ひいては現在構築されているモデルの学習データセットに存在感を持つための機会は開かれていますが、無期限ではありません。インド、ベトナム、メキシコが十分なデータ履歴を蓄積する前に固定化されたAIシステムは、その不在を新規性の証拠ではなく、リスクの証拠として扱うでしょう。その損害は元に戻すのが困難です。
責任ある貿易金融AIには何が必要か？
答えはAI導入を遅らせることではありません。効率化の効果は現実のものであり、業界はそれを必要としています。答えは、アーキテクチャが固定化される前に、現在構築されているモデルに何を投入するかについて慎重になることです。
三つのことを並行して進める必要があります。
第一に、データ入力を変える必要があります。貿易金融のAIモデルは、銀行が数十年にわたり融資してきた経路だけでなく、新興市場の回廊における取引レベルのデータで学習される必要があります。その素材は、これらの市場で稼働するデジタル貿易金融プラットフォームを流れる取引データの中に既に存在しています。問題は、こうしたモデルを構築する機関がそれを積極的に求める意思があるかどうかです。
第二に、説明可能性は機能ではなく要件とする必要があります。モデルがホーチミン市やモンテレーのSMEからの貿易金融申請を拒否した場合、そのモデルを導入する機関は、どのようなデータが存在し、どのようなデータが欠けていて、その欠如が実際に何を意味するのかという観点から、その判断を説明できなければなりません。自らの判断を説明できないAIは、説明責任を問うことはできず、その結果に対する責任を負うことはできません。
第三に、これは技術の問題だけでなく、ガバナンスの議論にもならなければなりません。貿易金融AIがどのように学習され、どのデータを取り込み、どの回廊を認識するよう学習させるかについて、今日行われている決定は、純粋に商業的な判断ではありません。それらは一世代にわたって世界貿易の金融的な基盤を形作るでしょう。そのため、それらは公共の利益に関わる問題であり、多国間機関、規制当局、民間セクターが共に取り組む必要があります。
地経学的な分断は、既にこの10年を特徴づける最も重大なリスクの一つです。世界経済に最大で5.7兆ドルの損失をもたらしかねません。古い貿易地図を新しい貿易の金融インフラに組み込むAIは、今回は政治ではなくコードを通じて、その分断を深めるおそれがあります。
