AIパーソナルファイナンスには管理が必要
2026年6月 約7分
背景
僕が使っているパーソナルファイナンスアプリには、Entertainment として分類されたアマゾンの取引がたくさんありました。そのほとんど、もしかすると全部が、Entertainment ではありませんでした。
これはパーソナルファイナンスアプリだけの問題ではありません。金融データそのものの問題です。
クレジットカードの取引データでは、加盟店名しか見えないことがよくあります。オンラインマーケットプレイスでは、この問題がさらにややこしくなります。同じ加盟店でも、実際にはまったく違う種類の支出が混ざるからです。ある買い物は電子機器かもしれない。別の買い物はパーソナルケアかもしれない。さらに別の買い物はスポーツ用品かもしれない。説明がマーケットプレイス名だけだと、ファイナンスアプリが使える文脈はかなり限られます。
ここから、AI を活用したパーソナルファイナンスが面白くなります。
アマゾンでお金を使ったことを教えてくれるからではありません。それはもう知っています。本当に便利なのは、アプリの土台になっている金融データを整える手助けをしてくれるところです。
金融データとチャットする
僕の実験に入る前に、この領域がどこに向かっているのかを少し見てみます。
OpenAI は最近、ChatGPT のパーソナルファイナンス体験を発表しました。まずは米国の Pro ユーザー向けに提供され、口座を接続して、残高、取引、投資、負債について質問できるようになります。
マネーツリーも ChatGPT アプリを発表しました。マネーツリーを使っている日本のユーザーに、同じ方向性の体験を届けるものです。
マネーツリー は僕が使っているパーソナルファイナンスアプリです。僕は日本に住んでもうすぐ10年になりますが、貴重な時間をいろいろな金融アプリの行き来に使いたくありません。
マネーツリーは日本の金融データアグリゲーターで、銀行やクレジットカードだけでなく、電子マネー、ポイント、マイル、証券、その他のローカルな金融サービスにも接続できます。そして、前のセクションで説明した「データの整理」問題を解くために僕が作ったツールも、マネーツリーを土台にしています。このあと紹介します。
これはすでに便利です。「今年、電気代にいくら使った？」のような自然言語の質問をする方が、フィルター、日付、口座、カテゴリをクリックして探すよりずっと楽です。
下の動画は、このあと紹介するツールのティザーです。マネーツリー Raycast extension に、AI を使って自分の金融データを扱わせています。この例では、関連する取引を検索し、結果をテーブルで返しています。
日本以外の読者には、マネーツリーは米国で以前 Mint が担っていた役割や、現在の Monarch Money や Copilot Money に近いものだと考えると分かりやすいかもしれません。ただし日本特有のポイントも重要です。マネーツリーは銀行口座やクレジットカードだけでなく、より広いローカルな金融エコシステムをカバーしています。
だからこそ、マネーツリーはとても興味深い信頼レイヤーになります。すべての AI ツールがすべての銀行に直接つながるのではなく、マネーツリーのようなサービスを通じて、安全に範囲を絞った形で金融データを参照できるようになります。
ただし、読むことは最初の一歩にすぎません。
現在の AI パーソナルファイナンスの主流は、ほとんどが「理解する」ことに寄っています。
- 何にいくら使った？
- お金はどこに行った？
- これは買える？
- 今月は先月と比べてどうだった？
これらは良い質問です。でも、パーソナルファイナンスアプリは、その土台にあるデータがきれいであって初めて役に立ちます。そして、そのデータはすぐに散らかります。
次の一歩は、管理です。
管理
管理は、インテリジェンスほど派手には聞こえません。でも、パーソナルファイナンスツールがよくつまずくのは、まさにこの管理の部分です。
パーソナルファイナンスの多くは地味な作業です。カテゴリを直す。取引名を分かりやすくする。支出を分割する。事業用の支出をフラグする。重複したり曖昧だったりする加盟店名を整理する。レポートが本当に役に立つくらい、データを整える。
この記事で扱うのは、金融データを可視化し、整えるための領域だけです。
- 説明
- カテゴリ
- カスタムサブカテゴリ
- メモ
- レビューキュー
- 提案ルール
これだけでも、すでに実用的で便利な領域です。
この問題にはかなり思い入れがあります。自分の金融データでも、実際に何度も向き合ってきた問題だからです。少し前に、自分の金融データへもっと速くアクセスしたくて、Raycast向けマネーツリー拡張機能 を作りました。
Raycast は、僕が毎日使っている macOS ランチャーです。拡張機能の仕組みがあるので、AI ワークフローを試作する場所としてとても便利です。
最初、この拡張機能はシンプルな読み取り操作だけに対応していました。取引を検索する。カテゴリを確認する。口座データを取得する。便利ではあるけれど、限界がありました。
最近、書き込み操作と AI コマンドを追加しました。これで、自分が本当に欲しかったものにかなり近づきました。「自分の家計を見せて」だけではなく、「これをきれいにして」を手伝ってくれるものです。
足りない文脈は別の場所にある
オンライン購入では、取引データそのものに十分な情報が入っていないことがよくあります。足りない文脈は、別の場所にあるかもしれません。
- 自分の記憶
- メールのレシート
- 購入履歴
- カレンダーの予定
- メモ
- 他の接続済みアプリ
ここが AI ワークフローの面白いところです。モデルは取引データと別の場所にある文脈を組み合わせ、理由を説明し、レビューできる変更案を用意できます。
ファイナンスアプリが曖昧な加盟店名だけから永遠に推測する必要はありません。ユーザーがすべての行を手で編集する必要もありません。
両者がちょうどよいところでつながれます。
アマゾンの買い物取引
ツールが実際に動いている例を見せます。AI エージェントに、Entertainment として分類されている最新のアマゾン取引を探してもらいました。
デモでは、最新の5件を取得しました。マネーツリー上では、どれも同じ情報量の少ない取引説明から始まっていました。AMAZON.CO.JP です。
問題は明らかでした。実際の購入内容は、それぞれ別のカテゴリに属していました。
そこで、不足している文脈を追加しました。
- MacBook Stand
- iPhone Case
- Retainer Cleaner
- Snowboard Cover
- Razors
エージェントはより適切なカテゴリを提案しました。
ほとんどの提案は良かったです。更新する前に2つだけ修正しました。Retainer Cleaner は Dentist に、Snowboard Cover は僕のカスタムカテゴリである Snowboarding にしました。
その後、エージェントが取引を更新しました。
結果は魔法ではありませんでした。魔法より良いものでした。地味で、明示的で、レビュー可能なメンテナンスです。あるいは「管理」と言うべきかもしれません。
同じ流れをシーケンス図にすると、こうなります。
重要なのは、このループです。
- 金融データを検索する。
- 足りない文脈を聞く、または集める。
- 変更を提案する。
- ユーザーが修正する。
- 承認された更新を適用する。
このループによって、AI パーソナルファイナンスはずっと便利になります。こうしたワークフローは、一人ひとりに合わせてかなり個人的なものにできます。気にするカテゴリ、購入内容の説明の仕方、信頼するルール、接続してもよいと思う文脈は、人によって違います。
日本に住んでいて、マネーツリーと Raycast を使っているなら、Raycast向けマネーツリー拡張機能 で今すぐ試せます。この拡張機能は オープンソース なので、日本以外にいる人でも、自分の地域の金融データアグリゲーションサービスの上に似たワークフローを作るための参考にできます。この拡張機能は Raycast extensions repository にも入っているので、コントリビューションは最終的にストアに届く可能性があります。
小さく積み上がる更新
範囲を明確にすることが大事です。
この記事でいう「管理」とは、金融データのレイヤーを保守することです。
取引説明を AMAZON.CO.JP から AMAZON.CO.JP - RAZORS に変える。こういう小さな改善が、アプリ全体をより役に立つものにします。
レビュー済みの5件を再分類することは派手ではありません。でも積み上がります。レポートが分かりやすくなる。検索しやすくなる。将来の質問への答えも良くなる。
エージェントが黙って決めるべきではありません。作業を準備し、理由を示し、確認を求め、承認された変更だけを適用するべきです。
次に向かうところ
この記事はパーソナルファイナンスのメタデータに絞っていますが、同じパターンは事業経費の管理でもさらに面白くなります。
マネーツリーにはすでに事業向けのワークフローがあります。エージェントは将来的に、事業経費らしい取引をフラグし、カテゴリを提案し、文脈を添付し、ユーザーがすべての取引を手で確認しなくてもよいレビューキューを用意できるかもしれません。
エージェントが最終判断者である必要はありません。多くの場合、そうであるべきでもありません。
でも、人間が結果をレビューする前に、手作業の分類をかなり減らせます。
僕が便利だと思うのは、まさにそこです。
AI を活用したパーソナルファイナンスは、より良い要約で止まるべきではありません。次の波は、より良い質問をすることだけではありません。答えが意味を持つくらい、データをきれいに保つことです。
自分の金融データとチャットすることは第一歩です。安全で明示的に管理することが、次の一歩です。
パーソナルファイナンス、オープンバンキング、AI エージェント、プロダクティビティツールに関わっている人がいれば、次にどんなワークフローがあるべきか、ぜひ聞かせてください。