ニュース
NTTとNTT・TCリース、貸倒れ予測精度を最大3割向上させるAI与信審査技術
2026年11月12日 15:00
NTTとNTT・TCリースは11月12日、多様な顧客データや契約条件の違いを統一的に学習し、将来の貸倒れリスクを高精度に予測する新たなAI与信審査技術を確立したと発表した。
両社によれば、NTT・TCリースが保有する約150万件の法人向けリース与信データを用いた共同実験において、勾配ブースティング決定木や表形式向けTransformerといった既存の代表的なAIモデルと比較し、予測精度を示すAR値（Accuracy Ratio）で最大約3割の向上を達成した。
貸倒れ損失の抑制にとどまらず、従来の画一的な基準では信用評価が難しかった顧客層に対する与信機会の拡大を両立させるもので、NTT・TCリースでは2027年度以降の実審査業務への導入を目指していく。
従来のAI審査が直面していた「数値の偏り」と「契約期間の差異」
融資やリースにおける与信審査は、顧客の財務状況や契約条件をもとに返済能力と将来のリスクを評価し、契約の可否や与信枠を決定する重要な業務となっているが、金融事業者が扱う実データには機械学習モデルの精度向上を阻む2つの大きな壁が存在していた。
1つ目の課題は、入力データの多様な数値分布。例えば、企業の資本金データでは、数百万円～数千万円規模の企業がボリュームゾーンを占める一方、数兆円規模の大企業といった文字通り桁違いの外れ値が混在する。従来の手法では、こうしたデータを機械学習に入力するために0から1の範囲へ正規化することが多いが、極端な外れ値に引っ張られることで大半の中小規模のデータが0付近に集中してしまい、リスクを判別するための繊細な差異が潰れてしまう問題があった。
2つ目の課題は、契約条件の違いがリスク評価に正しく反映されない点。例えば、12か月契約の終盤である10か月目に貸し倒れたケースと、72か月契約の序盤である10か月目に貸し倒れたケースでは、同じ10か月目の貸倒れであっても事業者が負うリスクの重みや顧客の財務体質が大きく異なる。しかし、従来のAIモデルでは、最終的に「完済したか、貸し倒れたか」という2値ラベルとして一律に扱われることが多く、契約期間に対してどの段階で破綻したかという時間的コンテキストが十分に評価されてこなかった。
順位変換と経過割合の統合～ランキング学習の応用によるシナジー
今回開発された技術では、これらの課題を「数値表現技術」と「条件表現技術」という2つの手法の組み合わせによって解決している。
数値表現技術では、財務指標などの数値を絶対的な大きさで扱うのではなく、母集団全体の中でどの位置にあるかという「順位（パーセンタイル）」へと変換。これにより、100万円から1兆円までの外れ値を含む分布であっても、大小関係を保ったまま0％～100％の範囲に均等に並べることが可能となり、データサイエンティストによる複雑な前処理に依存することなく外れ値の影響を排除できる。
一方の条件表現技術では、貸倒れが発生したタイミングを契約期間全体に対する割合として捉える。前述の例であれば、12か月契約での10か月目の貸倒れは「83％経過時点での発生」、72か月契約での10か月目は「14％経過時点での発生」と表現される。これにより、返済期間や条件が異なる多様な契約履歴を同一の尺度上で比較可能にした。
担当者によると、この手法の真の肝は、生存時間分析やランキング学習（順序学習）の知見を与信審査向けに改変し、両技術を組み合わせた点にある。契約条件の違いを反映した「どちらの案件がより早期に貸し倒れるリスクが高いか」という相対比較の学習において、入力側を絶対値ではなく順位関係に変換した表現が強力なシナジーを発揮し、モデル全体のリスク識別能力を押し上げたという。
150万件のデータ検証と「条件最適化」への可能性
技術の実証にあたっては、NTT・TCリースが保有する約150万件の法人与信データを活用した。過去最大17年分のデータを学習に用い、翌1年分をテストデータとして検証するバックテストを複数回実施して平均精度を測定。その結果、金融実務で広く使われている勾配ブースティング決定木（GBDT）モデルや、表形式データ向けTransformerモデルと比較して、危険な案件を上位に正しく並び替える能力を示すAR値で最大約3割の性能向上が確認された。
この精度向上は、単に損失リスクを減らすだけでなく、融資の可否判断そのものを柔軟にする可能性を秘めている。担当者によれば、同技術が貸倒れの発生時期まで踏み込んだ評価を行なえるため、これまで一律に審査落ちしていた顧客に対しても「3年契約は難しいが、2年契約であれば安全枠に収まる」といった動的な契約条件の探索や最適なプラン提案に活用できる道筋が見えてくる。なお、技術としてはリスク推定に特化した基盤モデルであり、最終的な融資の承諾・謝絶の判断は人間が行なう運用を前提としている。
2027年度の実務導入と個人向け金融・グループ連携への展望
NTT・TCリースは今後、実務における運用性や有効性の検証を進め、2027年度以降の与信審査システムへの正式導入を目指す。同社が扱う通信機器などのリースは顧客層の属性が多岐にわたり、データのばらつきが顕著に出る特性を持っていたことが、今回のモデル適合において好結果をもたらした要因の一つと見られている。
NTT側では、同技術を法人リース向けにとどまらず、個人向けローンや銀行、証券、保険など幅広い金融領域へ適用可能な予測技術群へと発展させていく方針。
今回の成果は、11月18日～25日にかけて開催される「NTT R&D FORUM 2026」にて展示される予定で、会場では個人向け与信へと発展させたユースケースのデモンストレーションが披露される。