AnthropicがClaudeで金融業界を自動化——財務モデル・KYC・ピッチデッキを生成するAIエージェント群を公開

「AIはコードを書く以外に、本業の業務を自動化できるの？」——そう思っているエンジニアに見てほしいのが、Anthropic が5月に公開した anthropics/financial-services リポジトリです。

GitHub で 10,900 スター超（公開直後の数字）を記録した注目プロジェクトで、金融業界の定型業務を Claude エージェントで自動化するためのリファレンス実装が詰まっています。

この記事でわかること：

• Anthropic の金融サービス向けエージェントの全体像
• 投資銀行・リサーチ・PEファンド・経理をカバーする10種類のエージェント
• FactSet / Morningstar / PitchBook 等との MCP 連携
• Claude Cowork と Managed Agents API の2通りの利用方法
• 日本のエンジニアが活用できるポイント

なぜ今、金融 × AI エージェントが注目されるのか

2026年、AIエージェントは「試験的な導入」から「業務の主役」へと移行しつつあります。その中でも金融業界は特に自動化の恩恵が大きい領域です。

理由は単純で、金融業務の多くが「決まった手順で大量のデータを処理する」作業だからです：

• 企業の財務データを収集 → DCF モデルを作る → ピッチデッキを書く
• 月次で仕訳の差異を確認 → 原因をトレース → 経営陣に報告
• 顧客の本人確認書類を受け取る → ルールに照らして審査する → 結果を記録する

これらはすべて、AIエージェントが得意とする「構造化されたワークフローの反復実行」です。

Anthropic は HackerNews で 255 ポイント・190 件のコメントを集めた発表の中で、金融サービス向けのエージェント群をオープンソースで公開しました。

全体像：2種類のデプロイ方法

このリポジトリで公開されているエージェントは、すべて同一のソースから2通りの方法で利用できます。

同じシステムプロンプト・スキルセットを持つエージェントを、GUI でも API でも動かせるというのがポイントです。

10種類のエージェント詳細

カバレッジ・アドバイザリー系

Pitch Agent

「比較企業調査（コンプス）+ LBO モデル → 完成したピッチデッキ」を一気通貫で生成するエージェントです。

M&A や資金調達のアドバイザリーで毎回繰り返される作業を自動化します：

1. 対象企業のピア（類似企業）を選定・データ収集
2. 売上・EBITDA・EV などの指標でコンプス表を作成
3. LBO モデルで想定リターンを計算
4. PowerPoint / Slides 形式のピッチデッキとして出力

Meeting Prep Agent

クライアントとの会議前にブリーフィングパックを自動生成します。前回の会議録・最新ニュース・財務状況をまとめ、担当者が会議直前でも把握できる状態にします。

リサーチ・モデリング系

Market Researcher

「セクターまたはテーマ → 業界概要・競合分析・ピア企業コンプス・アイデアリスト」 を生成するエージェントです。

アナリストが数日かけて行うセクター調査の初期ドラフトを数分で作成します。

Earnings Reviewer

決算発表 + 有価証券報告書の内容を受け取り：

1. 財務モデルをアップデート
2. アナリストノートのドラフトを作成

決算シーズンに大量のレポートをこなすアナリストの負担を大幅に軽減します。

Model Builder

Excel 上で以下の財務モデルを対話的に構築します：

• DCF（割引キャッシュフロー）モデル
• LBO（レバレッジド・バイアウト）モデル
• 3-Statement モデル（P/L・B/S・CF を連動）
• コンプス表（比較企業分析）

Excel との連携は Claude for Microsoft 365 を介して行われます。

ファンド管理・経理系

GL Reconciler（仕訳差異調整）

総勘定元帳の差異（ブレイク）を自動検出 → 原因を追跡 → 担当者に承認ルーティングします。

月次クロージング作業で経理担当者が何時間もかける差異確認を自動化します。

Month-End Closer

月次決算の定型作業を自動化：

• 見越し計上（アクルーアル）の処理
• 繰越残高のロールフォワード
• 差異のコメンタリー作成

Statement Auditor

LP（有限責任組合員）向けの運用報告書を配布前に自動監査します。数字の整合性・フォーマットの一貫性・前月比との差異チェックを行います。

Valuation Reviewer

GP（ジェネラルパートナー）から受け取ったポートフォリオ評価パッケージを処理：

• バリュエーションテンプレートを実行
• LP 向け報告用の数字を準備

コンプライアンス系

KYC Screener

顧客のオンボーディング書類を受け取り：

1. ルールグリッド（コンプライアンスルール一覧）と照合
2. 不足・不整合箇所をフラグ

AML（マネーロンダリング防止）や本人確認に必要なチェックを自動化します。なお、最終承認は必ず人間が行う設計になっています。

データプロバイダとの MCP 連携

このリポジトリの大きな特徴が、11 種類の金融データプロバイダとの MCP（Model Context Protocol）連携です。

各コネクタは .mcp.json で設定するだけで有効化できます。FactSet や LSEG は有料サブスクリプションが必要ですが、Morningstar など一部は無料枠で試用可能です。

Claude Code での利用方法

# マーケットプレイスを追加
claude plugin marketplace add anthropics/claude-for-financial-services
 
# コアスキルとデータコネクタをインストール（最初に必須）
claude plugin install financial-analysis@claude-for-financial-services
 
# 使いたいエージェントを選んでインストール
claude plugin install pitch-agent@claude-for-financial-services
claude plugin install market-researcher@claude-for-financial-services
claude plugin install gl-reconciler@claude-for-financial-services

インストール後は Cowork のディスパッチにエージェントが表示され、スラッシュコマンドも使えるようになります：

• /comps — 比較企業分析
• /dcf — DCF モデル作成
• /earnings — 決算レビュー
• /ic-memo — 投資委員会メモ

Managed Agents API での利用

自社システムに組み込む場合は Managed Agents API を使います：

export ANTHROPIC_API_KEY=sk-ant-...
./scripts/deploy-managed-agent.sh gl-reconciler

デプロイスクリプトが以下を自動処理します：

1. システムプロンプトとスキル定義を解決
2. スキルをアップロード
3. リーフワーカー（サブエージェント）を作成
4. オーケストレーターを /v1/agents に POST

詳細なオーケストレーションのロジックは scripts/orchestrate.py に実装例があります。

日本のエンジニアへの示唆

このリポジトリが示しているのは、「AIエージェントはIT部門だけのものではない」 という現実です。

証券会社・銀行・PEファンド・ファミリーオフィス——日本の金融機関でも、このリポジトリを起点にしたエージェント導入が進む可能性があります。

エンジニアとして押さえておきたいポイント：

1. MCP は金融データ API のラッパーとして機能する → 既存の Bloomberg / FactSet API を MCP 化するプロジェクトに携わる機会が増える
2. Claude Managed Agents API は社内ワークフローとの統合に最適 → 人間の承認フロー（ヒューマンインザループ）を設計するスキルが必要
3. コンプライアンスの設計 → KYC Screener のように「エージェントは下書き、承認は人間」という設計パターンが標準化されつつある

金融 × AI エージェントのプロジェクトに関わりたいエンジニアにとって、このリポジトリはコードの教科書として活用できます。

まとめ

金融業界での AI エージェント活用は「近い未来の話」ではなく、すでに始まっています。エンジニアとして早い段階でこの設計パターンを押さえておくことが、今後のキャリアに直結します。

関連記事

• Claude Managed Agents 完全ガイド
• MCPとは？Model Context Protocol を使いこなす
• Claude Code 完全ガイド