米国で広がるAIを活用したクレジット枠の自動引き上げが、消費者の債務を深刻化させていることが、キングス・ビジネススクール（キングス・カレッジ・ロンドン）と連邦準備制度理事会（FRB）の共同研究で明らかになった。研究論文「自動化されたクレジット枠引き上げと消費者福祉」によると、米国で行われるクレジット枠の増額の約80％が消費者の申請ではなく、銀行のアルゴリズムによって自動的に実施されている。この自動増額により、四半期ごとに400億ドルを超える新たな信用枠が市場に供給されており、その多くがすでに債務を抱える顧客に向けられている。 研究によると、こうした増額を受けた消費者は平均で回転債務（翌月払いの残高）を約30％増加させる。特に信用スコアが低い顧客では、手持ちの未払い残高の60％がカード発行後の枠引き上げによって生じている。さらに、AIや機械学習を公式報告で積極的に活用している銀行ほど、自動的な枠引き上げの実施頻度が高い傾向にある。 研究チームは、英国やカナダで導入されている「債務保有者に対する枠引き上げには消費者の同意が必要」という規制をモデル化し、米国への適用可能性を検証。その結果、同様の規制を導入すれば、消費者全体の福祉は約1％向上し、回転債務や利息負担の割合も低下する一方で、信用の可用性への影響は限定的になると結論づけた。欧州連合（EU）も来年から同様の規制を実施予定である。 研究の責任者であるキングス・ビジネススクールのアグネス・コヴァツ博士は、「銀行は、限界引き上げによってどれだけ借り入れが増えるかを予測する高度なモデルを使っている。しかし多くの消費者は、自分に向けられた増額を意識しておらず、その結果、予期せぬ債務増加が進行している」と指摘。自動化された信用判断は、消費の平準化には役立つが、既に債務を抱える顧客をターゲットにすると、逆に金融的脆弱性を高めるリスクがあると強調した。 本研究は、FRBの資本評価とストレステスト制度を通じて収集された、米国クレジットカード市場の70％以上をカバーする詳細な規制データを基に、自動化された信用枠引き上げの実態と社会的影響を初めて定量的に評価した。政策立案者にとって、データ駆動型金融判断の適切な規制が、消費者保護と金融の健全性の両立に貢献する可能性を示している。