欧州の法人向け金融プラットフォームQontoは、2025年11月に始めた開発を6週間で出し、数千社のベータ顧客へ2つのAIエージェントを届けました。The Operatorが振込やカード、請求書を「確認待ち」の状態まで用意し、The Analystが口座のデータから費用の質問に答えます。目を引くのは機能の数ではなく、実行の一歩手前で必ず止まる作りのほうです。同社の製品ページは「あなたの明示的な承認なしに、1セントも動かない」と書いています。
この記事が使うのは、Anthropicが公開した導入事例と、Qonto自身の製品ページ・MCPページの3つだけです。導入や運用の費用、対象プラン、失敗した依頼の割合はいずれにも記載がありません。読みどころは数値ではなく、顧客が触る場所にAIを載せるときに、どこで止めて誰に決めさせるかという線の引き方です。確認日は2026年9月10日です。
顧客が使うAIエージェントを、製品そのものに載せた
Qontoは、欧州の8市場で600,000社以上が使う法人向けの金融プラットフォームです。導入事例ページによれば、このエージェントを作ったのは15人のAI Labで、開発は2025年11月に始まり、6週間で数千社のベータ顧客へ届いています。
この事例が社内活用の話と違うのは、AIが顧客の口座の上で動く点です。社内向けのエージェントが間違えたときは、気づいた社員が直せます。顧客の画面に載ったエージェントが間違えれば、他人の資金が動きます。同じ「AIエージェントの導入」という言葉でも、先に決めておくべきことが変わります。
導入事例ページが挙げている課題は2つです。小規模な事業者が、繰り返しの経理事務に月あたり最大8時間を使っていること。そして社内に経理の担当を置けないため、口座の数字を読む時間も知識も足りないことです。振込や請求書の作成そのものが難しいわけではありません。難しいのは、それが件数としてまとまって出てくることです。
日本で「AIで業務を効率化する」と言うとき、まず社内の作業から入るのが普通です。この事例は逆に、顧客がもともと自分でやっていた作業を製品側で引き受けています。効率化の対象を自社の中に置くか、顧客の手元に置くかで、必要な設計はまるごと変わります。
The Operatorは用意するところまで、The Analystは答えるところまで
2つのエージェントは、担当する動作がはっきり分かれています。
The Operatorは、動かす側です。製品ページには、請求書をアップロードするとすべての振込が確認待ちの状態で用意されること、必要な支払いを説明すると条件に合ったカードが用意されること、宛先と金額を並べて渡すと請求書がまとめて作成されることが挙げられています。導入事例ページの側では、振込が2倍速くなったこと、顧客向けの請求書を作る時間が3分の1になったこと、給与の支払いが5倍速くなったことが結果として書かれています。ある顧客は、月次の請求書を500件以上、一度のまとめ操作で作成したと記されています。
The Analystは、読む側です。費用に関する質問へ口座のデータから答えること、月ごとの変化やカテゴリの動きをその場で示すこと、日付・カテゴリ・金額で並べた取引をCSVとして出力できることが挙げられています。The Analystについての数値は、どちらのページにも出ていません。速くなった項目として並んでいるのは、いずれもThe Operator側の作業です。
もうひとつ、The Collectorという未提供のエージェントが製品ページに予告されています。未回収の請求書を自動で追い、対応が必要になった時点で知らせるものだと説明されていますが、提供の時期は記載されていません。
「1セントも承認なしには動かない」という線の引き方
この事例でいちばん参考になるのは、機能の分け方ではなく止め方です。
AI Labのビジネスユニットマネージャーであるソフィー・コルネ氏は、エージェントは用意することも、勧めることも、示すこともできるが、決めるのは利用者だ、と説明しています。そのうえで、AIは責任を減らすのではなく、責任の在り処を変えるのだ、と述べています。製品ページ側の書き方はさらに直接的で、すべての振込、すべての請求書、すべてのカードは利用者が引き金を引くもので、承認なしには何も動かない、と明記されています。
ここで押さえておきたいのは、この線が「不安だから全部止める」という消極的な設計ではないことです。止まるのは資金が動く一歩手前だけで、そこに至るまでの調べ物、宛先の突き合わせ、金額の転記、書類の起こしはエージェントの側にあります。人が手を動かす時間ではなく、人が判断する時間だけを残した形です。
信頼の積み上がり方についても、ひとつだけ具体的な記述があります。導入事例ページには、顧客が€100,000の振込までエージェントに任せていることが挙げられています。金額の大小そのものより、承認の位置が固定されているからこそ、任せる範囲を利用者の側で広げられる、という順序のほうが重要です。
顧客接点にAIを載せた例としては、SMSだけで金融エージェントを提供しているRocket Moneyの事例も同じ問題に当たっています。表に出る部分をどこまで狭くするかは、業種ごとに答えが違います。
規制と地域を先に決めてから、モデルを選んでいる
技術の選び方の順序も、この事例では逆になっています。
コルネ氏は、自分たちは金融機関なので、準拠している提供元と組む必要がある、という趣旨の説明をしています。導入事例ページによれば、ClaudeのモデルはAmazon Bedrock経由で使われ、GDPRとEU AI Actへの対応が前提に置かれています。そのうえで作業の複雑さによってモデルを振り分け、込み入ったエージェントの作業にはClaude Opus 4.5とSonnetを、単純な手順にはより小さいモデルを使うとされています。
Qonto自身の製品ページは、データについてさらに踏み込んで書いています。金融データは欧州から出ないこと、AIの提供元へ渡らないこと、AIの学習に使われないこと、そしてGDPRと情報セキュリティの国際規格に準拠していることです。置ける場所と契約の条件を先に固定し、そのうえでモデルを選ぶという順番になっています。
社内での使い方も短く触れられています。エンジニアはClaude Codeを日常的に使い、製品とデザインの担当はClaude Coworkを中心に作業しているとされています。ただし、社内利用による効果を示す数値は挙げられていません。規制のある業種で展開を進めた例はLeagueの事例にもまとめています。
公表されている数値と、公表されていないこと
数値として拾えるものを、出どころとあわせて並べます。
| 項目 | 記載されている値 | 出どころ |
|---|---|---|
| 振込の速さ | 2倍速い | 導入事例ページ |
| 顧客向け請求書の作成 | かかる時間が3分の1 | 導入事例ページ |
| 給与の支払い | 5倍速い | 導入事例ページ |
| 顧客がエージェントに任せた振込 | €100,000まで | 導入事例ページ |
| 一度のまとめ操作で作成された請求書 | 500件以上 | 導入事例ページ |
| 振込のうちエージェント経由の割合 | 80%（Wisetax） | 製品ページの利用者の声 |
| 請求書の支払いをエージェントが担う割合 | 90%（Okaveo） | 製品ページの利用者の声 |
この表を根拠として使う前に、性質を確かめてください。上5行は提供元であるAnthropicが公開した導入事例の数値で、下2行はQonto自身の製品ページに載っている利用者の声です。どちらにも、測定した期間、比較の対象、母数、集計の方法が書かれていません。同じ条件で再現できる形にはなっていない、ということです。
確認できなかった項目も残します。導入と運用にかかる費用、エージェントを使える対象プラン、依頼が失敗したり差し戻されたりする割合、ベータの数千社が現在どれだけ使い続けているか、The Collectorの提供時期は、3つのページのいずれにも記載がありません。数値の裏づけとしてではなく、設計の参考として読むのが妥当な段階です。
MCPで外のAIへ開くと、データの説明が変わる
Qontoは、自社のアプリの中だけでなく、外部のAIアシスタントから口座を扱う経路も用意しています。MCPページによれば、接続先はmcp.qonto.com/mcpで、Claude、ChatGPT、Notion、Mistralなどのアシスタントから接続できます。できることとして、支出の履歴を見て図にすること、支払いの金額や日付や請求書番号を尋ねること、期限を過ぎたものを洗い出すこと、請求書の作成と送付、メンバーの追加、カードの停止が挙げられています。
権限の設計は素直です。自分のログインでつなぎ、Qontoでの自分の役割が許すことしかできないと書かれており、接続はいつでも遮断できるとされています。承認についても、チャットの中で承認しない限り何も動かない、という説明が置かれています。
ただし、データの扱いの説明は同じではありません。アプリの中のエージェントについて、製品ページは「AIの提供元へ渡らない」と書いています。一方でMCPページは、データの扱いは接続先のAI提供元の条件に従うため、信頼できるツールにだけつなぐように、と書いています。境界の外へ出す選択をした時点で、条件を確かめる役目が利用者へ移る、ということです。
事業者側が公式のMCPサーバーを出す動きは、広告の領域でも起きています。読み取り専用にとどめるか、書き込みまで許すかで設計が分かれる点はSnapとGoogleの公式MCPサーバーでも同じでした。
日本の実務者が参考にできる点
ひとつめは、承認の位置を機能ごとに決めることです。この事例では、資金が動く直前という1か所に承認が集められ、その手前は全部エージェントに寄せられています。「AIにどこまでやらせるか」ではなく「どこで人に返すか」から決めたほうが、線が引きやすくなります。自社の業務に置き換えるなら、取り返しがつかなくなる操作を先に洗い出すところからです。
ふたつめは、置ける場所を先に固定することです。Qontoは規制と地域の条件を決めたうえで、その中でモデルを選んでいます。逆順で進めると、使いたいモデルが決まったあとに保管場所や委託先の条件で差し戻されます。検討の初手は機能の比較表ではなく、データをどこに置けるかの確認です。
みっつめは、ベンダーの事例に載る数値の読み方です。この記事の数値は、提供元の導入事例と自社の製品ページから来ています。期間も母数も書かれていないため、社内で共有するときは出どころを一緒に伝えるのが誠実です。効果の根拠ではなく、設計の参考として扱えば十分に役に立ちます。
よっつめは、外部のAIへ開く入口の作り方です。QontoのMCPは、新しい権限を作らず、既存の役割をそのまま写し取る形にしています。AI用に特別な権限を新設すると、誰が何を見られるのかが二重管理になります。すでに社内で運用している権限の表を、そのまま境界に使えるかどうかを確かめてください。
出典と注記
この記事は、Claude（Anthropic）の導入事例「How Qonto delegates financial admin for small businesses with Claude on Amazon Bedrock」、Qonto公式の「Qonto AI」製品ページ、同じくQonto公式の「Qonto MCP」ページを出典としています。1つめは製品を提供している側が公開した一次情報で、2つめと3つめは事例の当事者であるQonto自身が公開しているものです。本文の数値は原文の表記のまま記載し、単位や通貨の換算、記載のない項目の補完はしていません。確認日は2026年9月10日です。仕様と数値は改定されるため、判断に使う前に各ページの現在の記載を確認してください。成果を保証する記述は含みません。ほかの事例は海外AI活用事例にまとめています。
この分野の実務を相談したい方へ
記事で扱っている内容は、当社が実務として支援している領域です。 自社で進めるか外部に任せるかの判断からご相談いただけます。
あわせて読みたい
画面を開かせない設計。Rocket MoneyがSMSで動かす金融エージェント 米Rocket Moneyは、Claudeで作った金融エージェントRowanをSMSだけで提供しています。3つのモデルを役割で分けた構成と、揺らぎを許さない場所の切り分けを公式事例から整理します。
Leagueは夜間に並列エージェントを走らせ、開発期間を半分にした 医療テックのLeagueは、社内基盤Swarmで複数のAIエージェントを夜間に並列実行しています。公表された採用率と短縮幅、レビュー体制の作り方を実務者向けに整理します。
サイト全体を1体に読ませない。MicrosoftがAsk Microsoftを作り直した Microsoftのマーケティング部門は、サイト全体を1体に読ませていた自社サイトのAIアシスタントを、役割別のサブエージェントへ作り直しました。公表された4つの数値と、公式ドキュメントが認めている制約を整理します。