ChatGPTに個人財務管理ツールが登場、1万2000以上の金融機関と連携

毎月の家計管理といえば、銀行のネットバンキング、クレジットカードの明細、家計簿アプリ、スプレッドシートを行き来するだけで疲れてしまう人が多いはずです。

OpenAIは、米国のChatGPT Pro加入者向けに個人向け財務管理機能のプレビュー版の提供を開始しました。Web版およびiOS版から利用可能です。

一番のポイントは、自身の実際の銀行口座や証券口座をChatGPTに直接連携できるようになった点です。

1万2000以上の金融機関に対応、チャットが家計ダッシュボードに

口座連携のインフラには金融データ連携大手のPlaidを採用しました。Chase、Fidelity、Charles Schwab、Robinhood、American Express、Capital Oneなど、全米1万2000社以上の金融機関をカバーしています。今後はIntuitとの連携も予定されています。

サイドバーの「Finances」から始めるか、チャット欄に「@Finances, connect my accounts」と入力して認証を進めると、数分で口座データが同期され、自動的に分類されます。

同期が完了すると専用ダッシュボードが表示され、資産全体の運用成績、支出内訳、サブスクリプション一覧、直近の支払い予定などを一元管理できます。

最大の強みは、これらの実データをもとに自然言語で相談できることです。「最近支出が増えている気がするけれど何が変わった？」「5年以内に近隣で家を買うための貯蓄計画を作って」といった踏み込んだ質問にも、実際の財務状況を踏まえて答えてくれます。

この機能の裏側では推論モデル「GPT-5.5 Thinking」が標準で動作しています。OpenAIは大手金融機関の専門家50人以上と協力し、複雑な個人財務タスクに対する回答精度を評価する独自のベンチマークを構築して調整を行いました。

なお、OpenAIは4月にRibbitやGeneral Catalystの出資を受ける個人財務スタートアップ「Hiro」のチームを買収しており、その知見が今回の製品化に活かされています。

独自の「財務メモリ」を搭載、資金移動の権限は持たせず

明細データだけでなく、利用者が入力した前提条件を記憶する「財務メモリ（Financial memories）」機能も導入されました。

「来年の初めに車を買う予定」「両親からの借入がまだ残っている」といった口座情報に現れない事情を伝えておくと、今後のすべての財務相談にその文脈が引き継がれます。

最もセンシティブな資産情報を扱うため、セキュリティ上の制約も設けられています。ChatGPTが取得できるのは残高、取引履歴、投資状況、負債情報に限られ、完全な口座番号の閲覧や、振込などの口座操作を行うことはできません。

プライバシー管理も整備されており、一時チャット（Temporary chats）中は金融データにアクセスされません。口座連携を解除した場合は30日以内にOpenAIのサーバーからデータが削除され、記録された財務メモリもいつでも確認・削除できます。

OpenAIによると、すでに毎月2億人以上のユーザーがChatGPTで家計や投資の相談を行っているといいます。この機能はその後、6月下旬にPlusユーザーやAndroid版へ拡大され、10月には米国のFreeおよびGoユーザーにも開放されました。現在では信用スコア監視、銘柄ウォッチリスト、音声相談、手動入力などの機能も追加されています。

なぜ重要か

AIチャットボットが汎用的な質疑応答から、医療や金融といった極めてプライベートで専門性の高い領域へと深く踏み込んできました。

一般ユーザーにとっての価値は、単なる家計簿の自動化ではなく「自分の実データに基づいた推論」が手に入ることです。従来の家計簿アプリは「今月外食にいくら使ったか」を表示するだけでしたが、推論モデルなら「現在の収支ペースを維持した場合、半年後に転職しても生活防衛資金は足りるか」といった複雑なシミュレーションを返してくれます。一方で、資産情報を丸ごとAIプラットフォームに預けることになるため、Plaidを介しているとはいえ心理的な抵抗感は残るはずです。

業界全体から見れば、自前ですべてを抱え込まず、PlaidやIntuitといった既存の金融エコシステムと組んだ点は非常に現実的でスマートです。ChatGPTが口座と直結して高度な分析まで完結してしまうと、既存の単機能な家計簿アプリや資産管理ツールは存在意義を大きく揺るがされることになります。

しかし、リスクがないわけではありません。公式には「専門的な財務アドバイスの代わりにはならない」と明記されているものの、実際の資産データをもとに具体的で説得力のある回答が出されれば、利用者はそれを専門家の助言と同等に受け取ってしまう可能性が高いと私たちは考えます。推論モデルの前提条件や試算にわずかなズレがあった場合、日常の会話エラーとは比較にならない実害が生じかねない点は、今後も注視すべき課題です。