従来の語り口は、フィンテックが人間の信用担当者を機械学習モデルに置き換えることで融資に革命を起こしたというものです。そのフレーミングはプレスリリースには合っていますが、現場で私たちが見ていることとは合っていません。ベトナムのケースは有益な反例です。なぜなら、内部の技術は――率直に言って――あまり興味深くないからです。興味深いのは誰がデータを持っているかです。

十八ヶ月前、主要な国内スーパーアプリが加盟店決済ツールに運転資本クレジット商品のバンドルを開始しました。その商品は書類上では商業銀行のSMEラインとほぼ同一に見えました:回転枠、月次レビュー、同様な価格設定。違いは審査のインプットでした。銀行が常に使ってきたインプット(税務申告書と銀行明細)に頼る代わりに、スーパーアプリはプロダクト内の14ヶ月分のキャッシュフロー――すべての決済、すべての返金、すべてのチャージバック、すべての紛争をネイティブにキャプチャしたもの――を審査インプットとして使用しました。

競争上の堀はモデルではない。モデルに与えられるデータだ。

現場で聞いたこと

私たちはホーチミン市とハノイで複数の決済レールを使用している加盟店と話しました。一貫したパターン:銀行がより深い関係履歴を持っているにもかかわらず、スーパーアプリのラインでは主要銀行と比べて審査通過率が2〜3倍高くなっています。意思決定のターンアラウンドが二番目の一貫したシグナルでした――スーパーアプリのラインでは24〜72時間、同等の銀行商品では2〜4週間。

両方の数字が同じ方向を向いています:スーパーアプリは劇的に質の悪いクレジットを引き受けているのではなく、借り手をより正確に見ているのです。彼らが持つデータは、SMEが通常銀行に提出するものより高精度であり、リアルタイムです。借り手のキャッシュフローをきれいに読めるようになれば、審査モデルはほぼコモディティになります。

既存プレイヤーへの示唆

標準的な既存プレイヤーの対応――「私たちもAIモデルを構築するだけだ」――は実際の問題を解決しません。問題はモデルの質ではありません。データの所有にあります。この市場構造を見ている銀行には今、二つの現実的な選択肢があります:

  • データ層を取得する(決済プラットフォームとのパートナーシップ;データ共有の権利)
  • スーパーアプリがまだデータを持っていないセグメントで競争する(クロスボーダー、プロジェクトファイナンス、有担保)

機能しないのは、ギャップが技術的だと思い込むことです。過去12ヶ月で少なくとも三つの銀行がその間違いを犯し、その結果市場シェアを失いました。

方法論に関する注記

このフィールドノートは、2026年2月から4月にかけてベトナムのSMEオペレーターへのアナリストインタビューに基づいており、2026年ベトナムフィンテックランドスケープレポートで補完されています。完全な出典情報、グラフ、オペレーター単位のコスト分析は有料レポートに掲載されています。