この日経の記事は、政府・日銀が主要銀行から収集してきた融資金利や信用リスクなどの詳細データを研究者に開放し、EBPM(証拠に基づく政策立案)に活用するという話です。
空と法華経から見ると、これは単なる「データ公開」の話ではありません。むしろ、「誰が現実を定義するのか」という知の構造が変わり始めている話として読むと面白いです。
1.「データは客観的である」という執着を空じる
EBPMには大きな価値があります。経験、勘、政治的思惑だけで金融政策をつくらず、実際の融資データを見る。これは確かに一歩前進です。
しかし空の立場では、
データそのものに自性はない。
と見ます。
たとえば「貸出金利3%」という数字も、それ単独では何も語りません。
企業の財務、地域経済、銀行の資本余力、担保、金融政策、競争環境、銀行員の判断、企業との長年の関係――無数の縁によって、その3%は生じています。
つまり、
Data ≠ Reality
です。
データは現実そのものではなく、現実をある切り口から切り取った影です。
「経験主義からデータ主義へ」という転換が、もし
「人間の主観は危険だが数字は真実だ」
となれば、それは単に新しい執着へ乗り換えただけになります。
2.法華経ならEBPMを「方便」と見る
ここが法華経的にはかなり重要です。
法華経の方便品では、仏は衆生の能力や状況に合わせて様々な教えを説きます。
しかし方便は、
真理そのものではない。
真理へ近づくための道具です。
EBPMも同じです。
統計、AI、信用モデル、融資データ、政策シミュレーション。
どれほど精密になっても、それらは
方便
です。
したがって良い政策とは、
「データがそう言っているから実施する」
ことではありません。
むしろ、
データを見る
↓
因果関係を考える
↓
現場を見る
↓
人間を見る
↓
再びデータを見る
という循環でしょう。
AI時代には、この区別がますます重要になります。
3.最も危険なのは「信用リスク」という名前
たとえばデータ分析によって、
「地方零細企業は信用リスクが高い」
という結果が出たとします。
統計的には正しいかもしれません。
しかし空から見ると、
「信用リスクの高い企業」という固定した存在はありません。
景気、地域、取引先、金利、経営者、銀行との関係、政策によって刻々と変わる。
にもかかわらずモデルが、
あなたはリスクの高い企業です。
とラベルを貼る。
すると、
高リスク判定
→ 融資縮小
→ 投資不能
→ 業績悪化
→ さらに高リスク判定
という縁起が発生します。
データが未来を「発見」するのではなく、
データが未来を作ってしまう。
ここは金融AI時代のかなり深い問題です。
4.法華経の不軽菩薩ならどう見るか
常不軽菩薩は、人を見るたびに、
あなた方を軽んじません。
という態度を取ります。
なぜなら、誰にも仏となる可能性があるからです。
これを金融に置き換えると非常にラディカルです。
銀行のデータベースでは、
「延滞確率7.2%」
「倒産確率3.8%」
「信用ランクC」
かもしれない。
しかしその数字は、
その人、その企業、その地域の全体ではない。
法華経なら、
「信用スコアの向こう側に、その人間の可能性を見る」
でしょう。
金融包摂とは、本当はここまで行く話なのだと思います。
5.そして「社外秘」もまた空である
今回もう一つ興味深いのは、これまで銀行内部に閉じていた情報が外へ出ることです。
「銀行のデータ」
「政府のデータ」
「研究者のデータ」
という所有区分も、本来的なものではありません。
経済活動は、
企業
銀行
預金者
労働者
消費者
国家
の相互依存で成立しています。
その意味では金融データには、部分的に
社会的共有知
という側面があります。
ただしここには逆方向の危険もあります。
「公益のため」という名目でデータを集約しすぎれば、
知の公共化が監視の中央集権化へ反転する。
だから、
公開
匿名化
アクセス権限
目的制限
再識別防止
政策利用の透明性
まで含めて設計しなければなりません。
空とは「全部開放しろ」ではありません。
関係性に応じて境界を設計することでもあります。
6.一乗から見ると、EBPMの目的そのものが問われる
そして法華経が一番深く問い返すのは、おそらくここです。
「何のためにデータを使うのか?」
金融システムを効率化するためなのか。
銀行を安定させるためなのか。
GDPを上げるためなのか。
それとも、
人が生きられる経済をつくるためなのか。
一乗の思想では、特定の強者だけが救われる世界ではありません。
大銀行だけでもない。
大企業だけでもない。
高信用層だけでもない。
地方企業、農家、零細事業者、若者、生活困窮者まで含めて考える。
すると金融データの最終目的は、
「リスクを排除すること」ではなく、
「縁をどう組み替えれば人が立ち上がれるかを見ること」
になっていきます。
ここにはEBPMを超える発想があります。
私はこれを、
Evidence Based Policy Making
↓
縁起 Based Policy Making
と読み替えたくなります。
データを捨てるのではない。
データを絶対化もしない。
数字、人間、地域、歴史、制度、時間を一つの因果網として見る。
今回の政府・日銀の試みは、その方向へ行けばかなり大きな意味を持つでしょう。しかし「データこそ真実」という方向へ行けば、経験主義という古い偶像を壊して、アルゴリズムという新しい偶像を据えるだけになります。
空は数字を否定しません。
数字を数字の座に戻す。
法華経はそこからさらに、
数字の向こう側に、まだ現れていない人間の可能性を見る。
今回の記事で私が最も照らされるのは、そこです。
