今月初め、メル・ロビンズのようなインフルエンサーが広めた「マネープロンプト」がインターネットで拡散した。銀行や借入の明細、請求書、収入情報といった書類を共有し、AIモデルを使って「お金の管理を取り戻す」ようフォロワーに促す内容である。しかしこのプロンプトが浮き彫りにしたのは、圧倒され、恥じ入り、支払いに遅れがちだという見通しのなかで、自分を裁かれない実行可能な助言を求める消費者の切実なニーズだった。
金融トラウマに焦点を当てる金融教育者として、私はこのプロンプトに複数の理由から警鐘を鳴らさざるを得ない。サイバーセキュリティ上の懸念に加え、ロビンズのフォロワーの大半を占める女性たちへの行動面や全体的な影響も含まれる。この状況を受け、私は単なるSNS上の一過性の現象として片付けるのではなく、より深い問いを掘り下げることにした。消費者は利便性と引き換えに、自らの金融生活のもっとも私的な詳細をAIツールにアップロードすべきなのだろうか。調査によれば、消費者の51%が金融アドバイスや情報収集にAIを利用していると回答し、さらに27%は利用していないものの検討しているという。興味深いことに同じ報告書では、消費者の71%が「商品価格の上昇が所得の伸びを上回っている」と感じているとも述べており、経済状況がもたらす課題を克服するためにツールを使う可能性がある、という複雑な地合いが示された。
話題のプロンプトの魅力は、実用性と同じくらい感情面にもある。支払いに追われている、支払いが遅れている、お金のことで恥ずかしいと感じる――多くの消費者が身に覚えのある出発点から始まるからだ。これは、生成AIの利用者の75%が「他人には恥ずかしくて聞けない金融の質問をこの技術ならできる」と答えたというCredit Karmaの2025年データとも符合する。自分のペースで質問でき、理解しきれていないものを一度にすべて渡し、判断されることなく「解決策」を得られる場所は理想的に聞こえるかもしれない。しかしサイバーセキュリティの専門家によれば、最も懸念すべき点はAIに予算の説明を求めることではなく、データがどのように保存され、閲覧され、保護され、利用され得るのかを理解する前に、機微な金融書類のアップロードを促していることだ。
「フォロワーが1200万人を超える人が、機微な金融書類をAIツールにアップロードするよう促すのは、重大な見落としに感じられる」と、シニア情報セキュリティオフィサーのウィン・ミャット・ヌエ・カインは取材で語った。「経済的自立とプライバシーは、歴史的に保障された権利ではなかった。とりわけ女性にとっては……。人々が自分の金融に関する自律性を得たのが比較的最近であることを考えると、利便性と引き換えに、なぜ私たちはこれほどまでに個人的な金融情報をAI企業に差し出すことに前向きなのか、問い直す価値がある」と彼女は付け加えた。
例えば米国では、女性は1974年の公正信用機会法（Equal Credit Opportunity Act）によって、信用取引における性別および婚姻状況による差別から連邦レベルで保護されるようになった。さらに1976年の改正で人種、肌の色、出身国に関する保護が加わり、有色人種の女性は、信用、住宅ローン、資産形成ツールへのアクセスを長らく制限してきた仕組みのなかで、重層的な障壁に直面していたことになる。英国では、性別および婚姻に基づく差別に1975年の性差別禁止法（Sex Discrimination Act 1975）が対応し、1968年と1976年の人種関係法（Race Relations Acts）はサービス、住宅、雇用における人種差別を対象とした。
銀行の取引明細からは、居住地、勤務先、収入額、負債の内容、買い物の場所、旅行の有無、通っている医師や薬局、経済的ストレスの有無まで分かり得る。言い換えれば、30日分のスナップショットから、本人のアイデンティティと行動の地図が浮かび上がるのだ。「ユーザーは、金融データだけからどれほどの行動インサイトが推測できるかを過小評価しがちだ」とミャットは述べた。「支出習慣、所得水準、健康に関する指標、ライフスタイルの選択、交際状況、旅行パターン、さらには感情状態さえ、取引履歴から導き出せる」と彼女は付け加えた。
プライバシー保護は、ツール、アカウント種別、設定によって大きく異なる。今回、ロビンズが使用ツールとして名指ししたのはMicrosoft Copilotだった。ただしMicrosoftはCopilotとの会話は既定で保存されるとしており、ユーザーは会話履歴の閲覧と管理が可能だという。また、Microsoft 365 Copilotの商用顧客については、プロンプト、応答、Microsoft Graphを通じてアクセスされたデータは、基盤となる大規模言語モデル（LLM）の学習には使用されないとも述べている。
OpenAIのChatGPTについて見ると、データ管理でモデル学習をオフにできるとしており、「Temporary Chats」はモデル学習に使われないという。問題は、銀行明細をアップロードするユーザーが、自分が消費者向け製品を使っているのか、企業向け製品を使っているのか、保護されたエンタープライズ環境なのか、あるいはデータ管理が異なるバージョンなのかを把握していない可能性がある点だ。「多くのユーザーは、利用規約を十分に理解しないままこれらの慣行に同意してしまう。企業はデータが匿名化されている、または責任をもって扱われていると主張するかもしれないが、現実には、ユーザーが提供するデータが機微であればあるほど、それは予測可能性と価値を増す」とミャットは付け加えた。
金融記録は価値が高い。詐欺の説得力を増し、そもそもAIに頼ろうとする消費者が避けたいはずの金融トラウマやストレスを、同じように引き起こし得るからだ。私が最近参加したアムステルダムのMoney20/20イベントのセッションでは、詐欺対策企業が現在、詐欺師のプロフィールを分析し、さまざまな類型を特定していることが議論された。いずれの類型も、利益を得られる「身元」を作るために、できる限り多くの情報を必要としている。例えば、相手の取引銀行、負債の規模、給与のレンジ、直近の購入内容、あるいは過去30日または90日の購入履歴を知る詐欺師は、より個別化したフィッシングメッセージ、なりすまし、ソーシャルエンジニアリング攻撃を仕立てられる。
米連邦取引委員会（FTC）は、米国の消費者が2024年に詐欺で失った金額を125億ドルと報告しており、前年から25%増だった。同様に、米連邦捜査局（FBI）のインターネット犯罪苦情センター（Internet Crime Complaint Center）は2025年の損失が200億ドルを超えたと報告している。「どのプラットフォームもサイバー攻撃の脅威から免れることはできない」とミャットは述べた。「堅牢なセキュリティプログラムを持つ成熟した組織でさえ侵害を経験する。金融書類は、個人データの中でも最も価値の高い部類に入る。身元盗用、詐欺、フィッシングキャンペーン、恐喝、ソーシャルエンジニアリングに利用できるからだ」と彼女は説明した。
AIでは解決できない行動の要素
人々が請求書を避け、浪費し、助けを求めるのを先延ばしにし、負債を抱え続ける理由は、往々にして感情的、社会的、そして／または構造的なものだ。ゆえに、すべての情報をAIに渡すだけで最終的に「お金の管理を取り戻す」と約束するのは正確ではない。習慣形成、ルーティン設計、ライフスタイル、機会へのアクセス、資金といった、コントロールを失うパズルの重要なピース（これらに限らない）を欠落させているからである。
AIツールは、支出の分類、要約、固定費・変動費・裁量支出の違いの説明、負債返済のさまざまな戦略の分析、さらには重要な金融スキルの習得支援まで可能だ。しかし金融のコントロールは、情報不足だけの問題ではない。その情報不足が、当人をその状況に導いた個人および制度的な行動をどう増幅し続けているのかという問題でもある。そしてそこに、AIの限界がより重要な意味を持つ。
金融の専門家とともに自分の金融生活を立て直す場合、当人は財務の全体像を確認しつつ、生活経験、他の顧客の経験、専門家としての経験に基づいて、文脈、感情変数、金融トラウマ、格差、固有の事情といった「全体像」を構成する要素も理解していく。例えば、現在の給料ではやっとの生活で、老後資金が足りなくなることを恐れ、40歳でお金の管理を取り戻したいと考える人は、収入を最大化し支出を減らすための可能性を、相対的な数字を使ってAIで理解しようとするかもしれない。だがこの人が金融生活のコントロールを取り戻すのは、学んだことを実行に移し、生活様式と自分の継続性に基づいて、それをやり通せたときである。金融の専門家と組めば、ライフスタイルを調整する過程で直面する困難な局面でも行動し続けるための説明責任（アカウンタビリティ）を得られる可能性がある。また、その人固有のニーズを理解する相手も得られるかもしれない。
お金のことで恥を感じている消費者にとって、孤立や批判を感じさせないかもしれないガイダンスを提供するプラットフォームの約束は魅力的だが、リスクがないことを意味しない。「人々が金融分析や意思決定をAIに外部委託するほど、自分自身の金融リテラシーや判断力に対して批判的に向き合う機会が減るかもしれない」とミャットは述べた。
金融の専門家の視点から言えば、消費者がAIを、支出の整理を助け、負債戦略を説明し、金融情報への心理的なハードルを下げるツールとして使う方法を理解しているなら、AIは自分の状況理解を支援できる。しかし、人々がお金に苦しむ行動的、感情的、構造的な理由を完全に解決することはできない。女性、とりわけ有色人種の女性にとって、金融データ、行動、アイデンティティに関するAIとのトレードオフは、力を得たと感じるために機微な金融記録を手放すべきかどうかを意図的に評価することを要する。個人金融におけるAIの真の約束は、AIが私たちに代わってコントロールを握ることではない。より良い問いを立て、より情報に基づいた意思決定を行えるよう助け、コントロールを本来あるべき場所に留めることにある。
