Chatham Financial、OpenAI で資本市場アドバイザリーを拡大:Codex で取引検証を30分から4分未満に

発表の内容

2026年10月2日、OpenAI は資本市場アドバイザリー企業 Chatham Financial の導入事例を公開しました。Chatham は複雑な資本市場の意思決定について顧客に助言する会社で、この分野では正確性と監査可能性が最優先になります。事例の中心となる数字は明快です。Codex で構築した取引検証アプリにより、1件あたりの確認時間が約30分から4分未満に短縮されたといいます。

最初に注意点を述べます。これはベンダーが公開した導入事例で、数字は Chatham 自身の初期測定によるものです。第三者による独立した評価ではありません。Chatham も、経験豊富な担当者の結果とアプリの結果を比較している最中であり、実際の取引で性能を確認してから自動化を広げると説明しています。「30分から4分」は有望な初期の兆しとして読むのが適切です。

3つの取り組みと共通の考え方

Chatham の AI 活用は3つに分かれます。1つ目は社内プラットフォーム Chatham Vibes による社員自作アプリです。2つ目は次世代の資本市場オペレーティングシステム Chatham Onyx です。3つ目は顧客向けのプロセス再設計コンサルティング Process Zero です。共通する考え方は、まず望む成果を定め、人の判断が必要な箇所を見極め、現在使える機能で最適な提供方法を設計することです。

OpenAI は2つの役割を担います。Codex は社内向け・顧客向けソフトウェアを作る開発ツールです。GPT-5.6 系のモデルは、それらのアプリ内の AI 機能を動かします。

CEO の Matt Henry 氏は、AI をあらゆる業務を速くする手段としてだけ見ているのではない、と述べています。成果から出発し、判断が要る場所を特定して、提供方法を設計するという姿勢です。

Process Zero と取引検証の仕組み

Process Zero は成果を軸にワークフローを再設計します。各ワークフローについて、必要最小限の入力と証拠を特定し、人の判断が不可欠な箇所を決め、AI と AI 製ツールにどこを支えさせるかを決めます。 取引検証はその最初の例です。Chatham の Controls and Data Integrity チームは、システム上の各記録が、顧客が承認した内容と実際に執行された内容を反映しているかを確認し、取引データの正確性を守っています。従来は担当者が1件ずつ、約30分かけて行っていました。

Chatham は Codex を使い、3つのことを行うアプリを開発しました。裏付けとなる取引の証拠を集めること、主要な条件を比較すること、差異にフラグを付けてレビューに回すことです。最後の点が重要です。アプリは印を付けるだけで、確認するのは人です。個々の指摘を具体的な証拠と比較結果まで遡れるため、監査の流れが明確に保たれます。 AI Advisory プラクティスの共同責任者 Alex Nordlinger 氏は、初期測定でレビュー時間が約30分から4分未満になったと述べました。同時に、実際の取引と経験豊富なレビュー担当者に照らした検証も同じくらい重要で、自動化の拡大はその後だと強調しています。Chatham は、適切な統制と専門家の監督を保ったまま、対象の取引タイプを増やし、より多くの工程を自動化する計画です。

社員自作アプリ Chatham Vibes

Chatham が顧客向けに進める AI の取り組みは、自社の業務経験から生まれました。社員は調査、分析、文書作成、ソフトウェア開発などの日常業務で ChatGPT と Codex を使っています。さらに、自分の業務に合わせたアプリを作る社内プラットフォーム Chatham Vibes を通じて、社員が作り手にもなっています。

構築には複数のモデルを使えます。Vibes アプリ内の AI 機能は、既定で GPT-5.6 Terra で動き、アプリごとの設定で GPT-5.6 Sol に引き上げることもできます。コストに見合った既定モデルを置き、必要なときだけ強いモデルを使う、一般的な階層化の考え方です。

これらのアプリは顧客向けの業務をますます支えています。事例では、満期が近い金利キャップ取引の確認と、価格設定ワークブックや顧客向け連絡文の準備を助けるもの、固定利付商品のレートシートを作るもの、ヘッジのダッシュボードを用意するもの、取引確認書をレビューするものが挙げられています。市場の文脈、顧客理解、判断は Chatham の専門家が担い、成果物を評価し、必要なら修正し、顧客に届ける内容を決めます。

Chatham Onyx のモデル使い分け

Chatham Onyx は、資産、負債、デリバティブを1つの環境にまとめます。顧客とアドバイザーは、つながったガバナンス下のデータを使い、元の情報源への追跡可能性を失わずに AI を活用できます。 Chatham は Onyx の開発ライフサイクル全体で Codex を使っています。計画、構築、テスト、文書化、レビューに役立て、構想から持続的な製品機能までの道のりを短くしています。CTO の John DeGuenther 氏は、Codex は製品ビジョンをより速く実際の機能に変える一方、正確性、セキュリティ、説明責任の基準は変わらないと述べています。

Onyx は GPT-5.6 Sol、GPT-5.6 Terra、GPT-5.4、GPT-4.1 を利用します。簡単な分析や本番以外のテストは最もコスト効率の良いモデルに回し、正確性と価値を最大化したい複雑なタスクには GPT-5.6 を使います。例として ChatFIN があり、過去の市場データのパターンを要約し、ポートフォリオの理解を助け、債務、デリバティブ、リースの条件に関する法的文書を探してリンクします。 企業の開発者にとって、この使い分けは参考になります。モデル選択を、全社一律の設定ではなく、タスクのリスクとコストに基づく設計判断にしているからです。

企業と開発者への示唆

第1に、規制が厳しく監査を重んじる業界に、参照できる型が示されました。Chatham は AI を専門家の代わりをするブラックボックスとは扱わず、構造化された比較、証拠の整理、例外の発見に使い、判断の段階には人を残しています。共同 COO の Mike Noonan 氏は、制約は専門性ではなく、専門家がそれを発揮できる地点に着くまでにかける時間だと述べています。

第2に、コード生成ツールが金融ソフトウェアのライフサイクル全体に入りつつあります。Codex はコードを書くだけでなく、計画、テスト、文書化、レビューにも使われています。ツールが速くなっても、レビュー基準、テスト範囲、責任分担は緩められません。

第3に、社員自作アプリにはガバナンスの課題があります。Vibes のような基盤は開発を速めますが、モデル選択、データへのアクセス権、公開前の審査に関するルールも必要です。事例は Chatham の具体的な統制を説明していないため、この点は留意が必要です。

限界と今後

慎重に見るべき点があります。30分から4分という結果は初期測定です。サンプル数、取引タイプ、比較方法は公開されていません。誤り率、見逃し率、コストの数字もありません。監査しやすく、より正確な結果は、現時点では公表された成果ではなく目標です。

今後、Chatham は取引検証をより多くの商品に広げ、社員自作アプリの改善を続け、Onyx の新機能の開発にも Codex を使う計画です。検証データがいつ公開されるか、自動化の拡大に伴って人のレビューと自動結果の食い違いをどう扱うかが注目点です。

業界全体では、問いが変わりつつあることを示す事例です。既存の業務をどれだけ速くできるかではなく、成果から出発すれば業務をどう設計すべきかが問われています。この考え方を他の金融業務に広げられるかは、データの質、統制の枠組み、人の判断を残す範囲の明確さにかかっています。