みずほ、NVIDIA活用で金融AI基盤を強化

結論

みずほフィナンシャルグループは2026年7月16日、NVIDIAの製品やサービス、技術的な知見を活用し、金融機関向けの生成AIおよびAIエージェント活用基盤を高度化する検討を始めたと発表した。オンプレミスのGPU環境強化と、AIエージェントを安全に動かす実行環境の技術検証という2本立てで進める。

何が起きたのか

1つ目のテーマは、NVIDIA DGX B200の導入とGPUクラスタ構築に向けた検討だ。開発中のみずほ独自の大規模言語モデルみずほLLMを含む生成AIモデルの学習や評価、推論検証を行う研究開発環境を整え、将来的な推論需要の増加に備えて複数のGPUサーバーを連携させる計算基盤のあり方を検討する。クラウド環境とオンプレミス環境を用途や機密性、コストに応じて組み合わせ、研究開発から実業務への適用まで対応できる基盤づくりを目指す。

2つ目のテーマは、NVIDIA NemoClawを活用したAIエージェントの安全な実行環境の技術検証だ。NemoClawは、NVIDIAのオープンモデルNemotronと、実行環境を隔離するOpenShellというセキュアランタイムを組み合わせた仕組みで、AIエージェントが社内データや業務システムと連携する際の、実行環境の隔離やデータ保護、ネットワークアクセス制御、権限管理、実行履歴の確認といった論点を検証する。金融機関に求められる機密情報保護と統制を確保しながら、社員が使えるAIエージェントの業務範囲を情報収集や文書作成、分析、開発支援へと段階的に広げることを目指すとしている。

金融機関ならではの慎重さ

みずほが強調しているのは、AI活用の範囲を一気に広げるのではなく、段階的に拡大するという姿勢だ。まず情報収集や文書作成、分析、開発支援といった、機密性は高いが取り返しのつかない失敗にはつながりにくい業務から着手し、実行環境の隔離やアクセス制御の検証を重ねながら対象業務を広げていく。この進め方は、AIエージェントの導入に慎重にならざるを得ない業界にとって参考になる順序の付け方だ。研究開発中のみずほLLMという自社専用の大規模言語モデルを軸に据えている点も、汎用のクラウドAIサービスをそのまま使うのではなく、自社の業務知識や社内ルールを反映したモデルを育てるという判断の表れといえる。

現場の実務にどう効くか

金融機関に限らず、機密情報を扱う業界でAIエージェントの導入を検討している企業にとって、みずほの取り組みは実行環境の設計を考える具体例になる。エージェントの権限や接続先をどこまで絞るか、実行履歴をどう記録するかという論点は、業種を問わず社内ルールを作る際に直面する課題だ。生成AIのアクセス権限管理の基本は/articles/ai-access-control-management/、ログや監査の考え方は/articles/ai-log-audit-basics/で整理している。

国内金融業界では、AIエージェントを使った資産運用対応の取り組みも進んでいる。/articles/news-20260710-japan-banks-ai-wealth-management/で報じたメガバンク連合の動きとあわせて見ると、金融機関のAI活用が顧客対応の効率化から社内の研究開発基盤づくりへと広がっていることがわかる。オンプレミスとクラウドをどう使い分けるかで悩んでいる情報システム部門は/articles/cloud-vs-onpremise-ai/も参考になる。

オンプレミス回帰という流れ

クラウド上のAIサービスを使うのが主流だった中で、みずほが自社でGPU環境を持つオンプレミス基盤の強化にあえて取り組む点も注目に値する。機密性の高い金融データを外部のクラウドに預けることへの慎重さに加え、推論需要が増えるほどクラウド利用料がかさむという事情も背景にあるとみられる。/articles/cloud-vs-onpremise-ai/で整理したように、クラウドとオンプレミスにはそれぞれ向き不向きがあり、みずほのように用途によって使い分ける方針を取る企業は今後増えていく可能性がある。

出典

• みずほFG、NVIDIAの製品・サービスおよび技術的知見を活用し、金融機関向けAI活用基盤の高度化に向けた検討を開始 - PR TIMES
• NVIDIAフアン氏来日—トヨタと提携拡大、みずほの「AIファクトリー」、セガ「バーチャファイター」新作など発表 - CNET Japan