_**スチュアート・グラント**はSAPの資本市場、資産・ウェルスマネジメント部門の責任者です。_* * ***トップのフィンテックニュースやイベントを発見しよう！****FinTech Weeklyのニュースレターに登録しよう****JPモルガン、コインベース、ブラックロック、クラルナなどの経営幹部が読んでいます*** * *手数料圧縮やマクロ経済状況の不利な変化、期待通りに効果を発揮していない技術投資の増加などにより、資産運用組織は2026年に向けて大きな逆風に直面しています。2025年のグローバル資産運用業界の分析によると、マッキンゼー・アンド・カンパニーは、これらの要因により過去5年間で北米の資産運用者の利益率が3ポイント、ヨーロッパでは5ポイント低下したと指摘しています。しかし、AIのターゲットを絞った適切な導入が逆風緩和の手段となっています。生成型、エージェント型などさまざまな形態のAIは、フロント、ミドル、バックオフィスのさまざまな用途で価値を示し始めており、資産運用者にとって新たな生産性と効率性の向上、競合他社に先駆けた収益性の高い新規ビジネスチャンスの発見と活用の手段となっています。北米とヨーロッパの資産運用企業のCレベル幹部への調査に基づく分析によると、平均的な資産運用者にとって、AI、ジェネレーティブAI、エージェントAIの潜在的な影響は「コスト基盤の25〜40％に相当し、変革的なものとなり得る」とマッキンゼーは評価しています。したがって、資産運用組織にとっての課題は、どこにAIを導入すれば最大の価値を引き出せるかを見極めることです。**最大の効果を狙ったAI導入のポイント**-----------------------------------資産運用の各分野ではさまざまな形でAIが活用されています。その多くは、大規模言語モデルやターゲットを絞ったAIエージェントなどの自社能力を開発できるリソースを持つ大手企業内で行われています。しかし、もう一方の側面として、AIは最大手のTier One企業以外の資産運用者がこれらの大手と競争する上で平等な土俵に立つ手助けにもなります。さらに、多くの組織が顧客向けのAI用途に投資を集中させる一方で、フロント、ミドル、バックオフィスの他のスケーラブルなAI導入による価値創出の機会も見逃さないことが重要です。個別のポイントソリューションを追求し、それらがうまく連携しない可能性を避けるよりも、AIからの価値創出の賢明なアプローチは、3つのオフィス層間の仮想的な壁を解消し、効率化、生産性向上、プロセスの合理化、計画と戦略の質向上を目指す投資に集中することです。要するに、組織内のデータの自由な流動を促進し、それを活用できるAIのユースケースを追求すべきです。特に有望な例をいくつか挙げると次の通りです。**1. 財務決算やその他の財務機能の自動化と迅速化**。財務は従来、手作業の多い分野でした。AIエージェントの助けを借りて、資産運用組織は財務決算や売掛金、買掛金、請求書照合などの多くのプロセスを自動化する機会があります。これらのシナリオでは、AIはデータの移動を改善し、資本過不足、バランスシート調整などの潜在的な問題について事前通知や具体的な対応策を提供できます。**2. 財務と真の連携によるリスク管理の向上**。バックオフィスのデータはミドルオフィスのリスク管理チームにとって非常に価値があります。投資家の保有状況、キャッシュフロー、市場流動性、マージン・担保などのデータと、顧客プロフィールやコミュニケーションデータを組み合わせることで、早期の顧客解約兆候や流動性リスクを特定できます。**3. 新しい手数料体系やビジネスモデルの機会の特定と迅速な対応**。組織はAIツールに、手数料変更や新しいビジネスモデルの影響を調査・モデル化させることができます。過去のデータから、手数料変更が売掛金にどのように影響するか、特定の資産クラスや地域のファンドを分割したり、顧客を異なるグループに分けたりするビジネスの可能性についても分析できます。**4. 新商品や新規地域展開の意思決定支援**。新たな地理的市場への進出を検討している場合、過去の類似展開のコストや結果、規制や人事への影響をAIと対話することで、より良い戦略的意思決定が可能になります。**5. ポートフォリオリバランスによる将来収益や顧客の投資優先度・リスク許容度への影響のシナリオ分析**。AIは、こうしたシフトの潜在的な影響を示し、支払義務やその他の要因を考慮した最適なタイミングの提案も行います。こうしたデータ連携により、財務とフロントオフィスのポートフォリオ管理間の情報ギャップを埋め、より的確な戦略立案と予算策定を支援します。私が関わるある企業では、ポートフォリオの個別要素のパフォーマンスに関するポートフォリオ帰属データと、顧客のリスク許容度や手数料構造のデータを組み合わせて、ポートフォリオリバランスの財務的影響と顧客期待・将来収益の関係性をより深く理解しようとしています。**6. 生産性向上**。最近話した資産運用の幹部の中には、AIとAIエージェントを広く活用することで、従業員数を増やさずに運用資産を倍増させることを目指す企業もあります。彼らはAIエージェントを作り、従業員の横に配置しています。これらのエージェントは、従業員のデジタル拡張として機能し、これにより中小規模の企業でも大手と競争できるだけの生産性向上を実現しています。**7. 顧客オンボーディング時の不正検知の強化**。AIは、オンボーディング書類の迅速なスキャンと真正性の検証に優れており、フォントサイズや書式のわずかな異常も検出し、顧客の身元が疑わしい場合には追加の審査を促します。これらのユースケースは資産運用組織にとって非常に効果的ですが、その価値を最大化するには、入力されるデータの質とアクセス性が重要です。まず、データは人間と機械がセルフサービスで理解できるものでなければなりません。多くの場合、企業はソースアプリケーションからデータを抽出し、データレイクに移しますが、これによりアプリケーション固有の意味やコンテキストが失われてしまいます。メタデータがなければ、AIの出力や全体的な効果は最適とは言えません。そのため、多くの組織は、データを自然なアプリケーション環境に残し、付随するメタデータとともに管理する方が効果的です。これらのアプリケーション内のデータは、生成型AI、エージェントAI、インテリジェント分析を支えるバッテリーのようなものです。バッテリーが強力であればあるほど、資産運用組織はAI投資を最大限に活用し、逆風を切り抜けることができるのです。### **著者について**スチュアート・グラントはSAPの資本市場、資産・ウェルスマネジメント部門の責任者です。20年以上にわたり、資本市場業界でデータを扱い、プロダクトマネジメント、ビジネス開発、ビジネスマネジメントの役割を担ってきました。
資産運用者が市場の逆風に直面して効率と生産性を向上させるためのSeven AIユースケース
スチュアート・グラントはSAPの資本市場、資産・ウェルスマネジメント部門の責任者です。
トップのフィンテックニュースやイベントを発見しよう！
FinTech Weeklyのニュースレターに登録しよう
JPモルガン、コインベース、ブラックロック、クラルナなどの経営幹部が読んでいます
手数料圧縮やマクロ経済状況の不利な変化、期待通りに効果を発揮していない技術投資の増加などにより、資産運用組織は2026年に向けて大きな逆風に直面しています。
2025年のグローバル資産運用業界の分析によると、マッキンゼー・アンド・カンパニーは、これらの要因により過去5年間で北米の資産運用者の利益率が3ポイント、ヨーロッパでは5ポイント低下したと指摘しています。
しかし、AIのターゲットを絞った適切な導入が逆風緩和の手段となっています。生成型、エージェント型などさまざまな形態のAIは、フロント、ミドル、バックオフィスのさまざまな用途で価値を示し始めており、資産運用者にとって新たな生産性と効率性の向上、競合他社に先駆けた収益性の高い新規ビジネスチャンスの発見と活用の手段となっています。北米とヨーロッパの資産運用企業のCレベル幹部への調査に基づく分析によると、平均的な資産運用者にとって、AI、ジェネレーティブAI、エージェントAIの潜在的な影響は「コスト基盤の25〜40％に相当し、変革的なものとなり得る」とマッキンゼーは評価しています。
したがって、資産運用組織にとっての課題は、どこにAIを導入すれば最大の価値を引き出せるかを見極めることです。
最大の効果を狙ったAI導入のポイント
資産運用の各分野ではさまざまな形でAIが活用されています。その多くは、大規模言語モデルやターゲットを絞ったAIエージェントなどの自社能力を開発できるリソースを持つ大手企業内で行われています。しかし、もう一方の側面として、AIは最大手のTier One企業以外の資産運用者がこれらの大手と競争する上で平等な土俵に立つ手助けにもなります。
さらに、多くの組織が顧客向けのAI用途に投資を集中させる一方で、フロント、ミドル、バックオフィスの他のスケーラブルなAI導入による価値創出の機会も見逃さないことが重要です。個別のポイントソリューションを追求し、それらがうまく連携しない可能性を避けるよりも、AIからの価値創出の賢明なアプローチは、3つのオフィス層間の仮想的な壁を解消し、効率化、生産性向上、プロセスの合理化、計画と戦略の質向上を目指す投資に集中することです。
要するに、組織内のデータの自由な流動を促進し、それを活用できるAIのユースケースを追求すべきです。特に有望な例をいくつか挙げると次の通りです。
1. 財務決算やその他の財務機能の自動化と迅速化。財務は従来、手作業の多い分野でした。AIエージェントの助けを借りて、資産運用組織は財務決算や売掛金、買掛金、請求書照合などの多くのプロセスを自動化する機会があります。これらのシナリオでは、AIはデータの移動を改善し、資本過不足、バランスシート調整などの潜在的な問題について事前通知や具体的な対応策を提供できます。
2. 財務と真の連携によるリスク管理の向上。バックオフィスのデータはミドルオフィスのリスク管理チームにとって非常に価値があります。投資家の保有状況、キャッシュフロー、市場流動性、マージン・担保などのデータと、顧客プロフィールやコミュニケーションデータを組み合わせることで、早期の顧客解約兆候や流動性リスクを特定できます。
3. 新しい手数料体系やビジネスモデルの機会の特定と迅速な対応。組織はAIツールに、手数料変更や新しいビジネスモデルの影響を調査・モデル化させることができます。過去のデータから、手数料変更が売掛金にどのように影響するか、特定の資産クラスや地域のファンドを分割したり、顧客を異なるグループに分けたりするビジネスの可能性についても分析できます。
4. 新商品や新規地域展開の意思決定支援。新たな地理的市場への進出を検討している場合、過去の類似展開のコストや結果、規制や人事への影響をAIと対話することで、より良い戦略的意思決定が可能になります。
5. ポートフォリオリバランスによる将来収益や顧客の投資優先度・リスク許容度への影響のシナリオ分析。AIは、こうしたシフトの潜在的な影響を示し、支払義務やその他の要因を考慮した最適なタイミングの提案も行います。こうしたデータ連携により、財務とフロントオフィスのポートフォリオ管理間の情報ギャップを埋め、より的確な戦略立案と予算策定を支援します。
私が関わるある企業では、ポートフォリオの個別要素のパフォーマンスに関するポートフォリオ帰属データと、顧客のリスク許容度や手数料構造のデータを組み合わせて、ポートフォリオリバランスの財務的影響と顧客期待・将来収益の関係性をより深く理解しようとしています。
6. 生産性向上。最近話した資産運用の幹部の中には、AIとAIエージェントを広く活用することで、従業員数を増やさずに運用資産を倍増させることを目指す企業もあります。彼らはAIエージェントを作り、従業員の横に配置しています。これらのエージェントは、従業員のデジタル拡張として機能し、これにより中小規模の企業でも大手と競争できるだけの生産性向上を実現しています。
7. 顧客オンボーディング時の不正検知の強化。AIは、オンボーディング書類の迅速なスキャンと真正性の検証に優れており、フォントサイズや書式のわずかな異常も検出し、顧客の身元が疑わしい場合には追加の審査を促します。
これらのユースケースは資産運用組織にとって非常に効果的ですが、その価値を最大化するには、入力されるデータの質とアクセス性が重要です。まず、データは人間と機械がセルフサービスで理解できるものでなければなりません。多くの場合、企業はソースアプリケーションからデータを抽出し、データレイクに移しますが、これによりアプリケーション固有の意味やコンテキストが失われてしまいます。メタデータがなければ、AIの出力や全体的な効果は最適とは言えません。そのため、多くの組織は、データを自然なアプリケーション環境に残し、付随するメタデータとともに管理する方が効果的です。これらのアプリケーション内のデータは、生成型AI、エージェントAI、インテリジェント分析を支えるバッテリーのようなものです。バッテリーが強力であればあるほど、資産運用組織はAI投資を最大限に活用し、逆風を切り抜けることができるのです。
著者について
スチュアート・グラントはSAPの資本市場、資産・ウェルスマネジメント部門の責任者です。20年以上にわたり、資本市場業界でデータを扱い、プロダクトマネジメント、ビジネス開発、ビジネスマネジメントの役割を担ってきました。