_**スチュアート・グラント**はSAPの資本市場、資産およびウェルスマネジメントの責任者です。_* * ***トップのフィンテックニュースとイベントを発見！****FinTech Weeklyのニュースレターに登録****JPモルガン、コインベース、ブラックロック、クラーナなどの経営者が読んでいます*** * *手数料の圧縮から不利なマクロ経済条件の変化、期待通りに成果が出ていない技術投資の増加に至るまで、資産管理組織は2026年を迎えるにあたり、重大な逆風に直面しています。2025年のグローバル資産管理業界の分析において、マッキンゼー社は、過去5年間に北米で資産運用会社のマージンが3パーセントポイント、欧州で5パーセントポイント減少したことを発見しました。これは、こうした要因によるものです。しかし、圧力緩和バルブが存在します。それは、ターゲットを絞った、適切に配置された人工知能の導入です。生成的、エージェント型などさまざまな形態のAIは、フロントオフィス、中オフィス、バックオフィスのさまざまなユースケースにおいて価値を示し始めており、資産運用会社に新しい生産性と効率性の向上をもたらし、競合よりも先に利益のある新しいビジネス機会を特定し、活用する手段を提供しています。マッキンゼー社の分析では、北米と欧州の資産管理会社のCレベルの経営者への調査に基づいて、平均的な資産運用会社にとってAI、生成AI、エージェント型AIからの潜在的な影響は「変革的であり、コストベースの25〜40パーセントに相当する可能性がある」とされました。したがって、資産管理組織の課題は、どこにAIが最も価値を提供できるかを特定することです。**最大の影響を与えるためのAIの導入**-----------------------------------資産管理の分野では、さまざまなフロントでAIを活用している企業が増えています。その活動の多くは、大規模な言語モデルに関する独自の能力を開発するための深いリソースを持つ大企業の中で発生していますが、AIのもう一つの側面は、最大手のTier One組織以外の資産運用会社がこれらの大企業とより対等に競争するのを助けることができるという点です。さらに、多くの組織が顧客向けのAIユースケースに投資を集中させている一方で、フロント、中、バックオフィス全体での他のスケーラブルなAI実装によって価値を創造する機会を見逃さないことが重要です。相互にうまく統合されない可能性のあるポイントソリューションを求めるのではなく、AIから価値を引き出すための賢明なアプローチは、3つのオフィス層の間の仮想的な壁を解消し、効率性を生み出し、生産性を高め、プロセスを合理化し、計画と戦略をより良く情報提供する投資をターゲットにすることかもしれません。要するに、組織全体でデータの自由な移動を促進し、活用できるAIのユースケースを探し求めるべきです。特に有望と思われるユースケースをいくつか挙げます：**1. 財務のクローズや他の財務機能を自動化し、迅速化する。** 財務は歴史的に手作業のプロセスが多い分野です。AIエージェントの助けを借りて、資産管理組織は財務機能に関する多くのプロセスを自動化する機会を得ています。これには財務クローズやAR、AP、請求書の調整などが含まれます。これらのシナリオでは、AIはデータ移動の自動化をサポートします。また、財務ビジネスユーザーに対し、資本の余剰/不足、バランスシートの調整などに関する潜在的な問題に対してプロアクティブな通知と実行可能なシナリオを提供できます。**2. 財務との真の調整を通じてリスク管理を改善する。** バックオフィスからのデータは、中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。これらのチームは、投資家の保有、キャッシュフロー、市場流動性、マージン/担保などに関するデータを顧客プロファイルやコミュニケーションデータと組み合わせて、クライアントの解約や関連する流動性リスクの早期信号を特定できます。**3. 新しい手数料構造やビジネスモデルの機会を特定し、迅速に動く。** 組織はAIツールに対して、潜在的な手数料の変更や新しいビジネスモデルの影響を研究し、モデル化するよう促すことができます。歴史的なデータは、手数料の変更が売掛金にどのように影響するかを示唆していますか？ 特定の資産クラスや地理的ファンドなど、既存のビジネスエリアを2つ以上の部分に分割する機会はありますか？ もしそうなら、それに対するビジネスケースはどれほど強いですか？**4. 新しい製品や地域への拡張に関する意思決定を情報提供する。** あなたの組織は、有望だが比較的リスクの高い新しい地理市場に進出しようとしています。こうした過去の動きは、期待されるコストと実際のコストに関してどうなりましたか？ そのような動きの規制や人事への影響はどのようなものですか？ 生成AIデジタルアシスタントとの対話は、こうした質問に対する貴重な回答をもたらし、より良い戦略的意思決定につながります。**5. ポートフォリオのリバランスが将来の収益や顧客の投資優先事項、リスク志向に与える潜在的な影響に関するシナリオをモデル化する。** AIツールは、こうしたシフトの潜在的な影響に関する洞察を提供し、売掛金の義務や他の要因を考慮した最適なタイミングに関する推奨を提供します。このようにしてデータを結びつけることで、AIは財務機能とフロントオフィスのポートフォリオ管理間の情報の断絶を解消し、より的確な戦略的計画や予算編成を支援します。例えば、私が関わっているある企業は、ポートフォリオの個々の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志向や手数料構造に関するデータを組み合わせようとしています。目標は、ポートフォリオのリバランスが顧客の期待や将来の収益に与える財務的影響をよりよく理解することです。**6. 生産性を高める。** 最近話した資産管理の幹部の中には、彼らの組織が従業員数を大幅に増やすことなく、資産管理額を倍増させようとしていると述べている人もいます。これは、AIやAIエージェントをより広く活用することによって実現しようとしています。彼らはAIエージェントを作成し、それを従業員のデジタル拡張として、従業員の横に配置しています。最終的に、これらのエージェントが提供する生産性の向上により、中小企業は大企業とより対等に競争できるようになります。**7. 顧客オンボーディング中の不正検出を鋭くする。** AIは、オンボーディング文書の真正性を迅速にスキャンし、検証することに優れています。顧客が見かけとは異なる可能性があることを示唆する微小な異常（フォントサイズ、文書のフォーマットなど）を特定することもできます。こうしたユースケースが資産管理組織内でどれほど影響力があるかは、これらを支えるデータの質とアクセス可能性に大きく依存しています。まず第一に、データは人間と機械がセルフサービスの観点から理解できるものでなければなりません。多くの場合、企業はデータをソースアプリケーションから引き出し、データレイクに移します。しかし、そうすることでアプリケーション環境に特有の重要な意味論やコンテキストが失われます。このメタデータがなければ、AIの出力や全体的な影響は最適でない可能性があります。したがって、多くの場合、組織はその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一緒に保持する方が良いとされています。これらのアプリケーション内のデータは、組織内の生成AI、エージェント型AI、インテリジェント分析を駆動するバッテリーのようなものと考えてください。バッテリーが強力であればあるほど、資産管理組織はAI投資を活用して彼らに立ちはだかる逆風を乗り越える準備が整います。### **著者について**スチュアート・グラントはSAPの資本市場、資産およびウェルスマネジメントの責任者です。20年以上にわたり、資本市場業界でデータに関する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持って働いてきました。
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、資産およびウェルスマネジメントの責任者です。
トップのフィンテックニュースとイベントを発見！
FinTech Weeklyのニュースレターに登録
JPモルガン、コインベース、ブラックロック、クラーナなどの経営者が読んでいます
手数料の圧縮から不利なマクロ経済条件の変化、期待通りに成果が出ていない技術投資の増加に至るまで、資産管理組織は2026年を迎えるにあたり、重大な逆風に直面しています。
2025年のグローバル資産管理業界の分析において、マッキンゼー社は、過去5年間に北米で資産運用会社のマージンが3パーセントポイント、欧州で5パーセントポイント減少したことを発見しました。これは、こうした要因によるものです。
しかし、圧力緩和バルブが存在します。それは、ターゲットを絞った、適切に配置された人工知能の導入です。生成的、エージェント型などさまざまな形態のAIは、フロントオフィス、中オフィス、バックオフィスのさまざまなユースケースにおいて価値を示し始めており、資産運用会社に新しい生産性と効率性の向上をもたらし、競合よりも先に利益のある新しいビジネス機会を特定し、活用する手段を提供しています。マッキンゼー社の分析では、北米と欧州の資産管理会社のCレベルの経営者への調査に基づいて、平均的な資産運用会社にとってAI、生成AI、エージェント型AIからの潜在的な影響は「変革的であり、コストベースの25〜40パーセントに相当する可能性がある」とされました。
したがって、資産管理組織の課題は、どこにAIが最も価値を提供できるかを特定することです。
最大の影響を与えるためのAIの導入
資産管理の分野では、さまざまなフロントでAIを活用している企業が増えています。その活動の多くは、大規模な言語モデルに関する独自の能力を開発するための深いリソースを持つ大企業の中で発生していますが、AIのもう一つの側面は、最大手のTier One組織以外の資産運用会社がこれらの大企業とより対等に競争するのを助けることができるという点です。
さらに、多くの組織が顧客向けのAIユースケースに投資を集中させている一方で、フロント、中、バックオフィス全体での他のスケーラブルなAI実装によって価値を創造する機会を見逃さないことが重要です。相互にうまく統合されない可能性のあるポイントソリューションを求めるのではなく、AIから価値を引き出すための賢明なアプローチは、3つのオフィス層の間の仮想的な壁を解消し、効率性を生み出し、生産性を高め、プロセスを合理化し、計画と戦略をより良く情報提供する投資をターゲットにすることかもしれません。
要するに、組織全体でデータの自由な移動を促進し、活用できるAIのユースケースを探し求めるべきです。特に有望と思われるユースケースをいくつか挙げます：
1. 財務のクローズや他の財務機能を自動化し、迅速化する。 財務は歴史的に手作業のプロセスが多い分野です。AIエージェントの助けを借りて、資産管理組織は財務機能に関する多くのプロセスを自動化する機会を得ています。これには財務クローズやAR、AP、請求書の調整などが含まれます。これらのシナリオでは、AIはデータ移動の自動化をサポートします。また、財務ビジネスユーザーに対し、資本の余剰/不足、バランスシートの調整などに関する潜在的な問題に対してプロアクティブな通知と実行可能なシナリオを提供できます。
2. 財務との真の調整を通じてリスク管理を改善する。 バックオフィスからのデータは、中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。これらのチームは、投資家の保有、キャッシュフロー、市場流動性、マージン/担保などに関するデータを顧客プロファイルやコミュニケーションデータと組み合わせて、クライアントの解約や関連する流動性リスクの早期信号を特定できます。
3. 新しい手数料構造やビジネスモデルの機会を特定し、迅速に動く。 組織はAIツールに対して、潜在的な手数料の変更や新しいビジネスモデルの影響を研究し、モデル化するよう促すことができます。歴史的なデータは、手数料の変更が売掛金にどのように影響するかを示唆していますか？ 特定の資産クラスや地理的ファンドなど、既存のビジネスエリアを2つ以上の部分に分割する機会はありますか？ もしそうなら、それに対するビジネスケースはどれほど強いですか？
4. 新しい製品や地域への拡張に関する意思決定を情報提供する。 あなたの組織は、有望だが比較的リスクの高い新しい地理市場に進出しようとしています。こうした過去の動きは、期待されるコストと実際のコストに関してどうなりましたか？ そのような動きの規制や人事への影響はどのようなものですか？ 生成AIデジタルアシスタントとの対話は、こうした質問に対する貴重な回答をもたらし、より良い戦略的意思決定につながります。
5. ポートフォリオのリバランスが将来の収益や顧客の投資優先事項、リスク志向に与える潜在的な影響に関するシナリオをモデル化する。 AIツールは、こうしたシフトの潜在的な影響に関する洞察を提供し、売掛金の義務や他の要因を考慮した最適なタイミングに関する推奨を提供します。このようにしてデータを結びつけることで、AIは財務機能とフロントオフィスのポートフォリオ管理間の情報の断絶を解消し、より的確な戦略的計画や予算編成を支援します。
例えば、私が関わっているある企業は、ポートフォリオの個々の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志向や手数料構造に関するデータを組み合わせようとしています。目標は、ポートフォリオのリバランスが顧客の期待や将来の収益に与える財務的影響をよりよく理解することです。
6. 生産性を高める。 最近話した資産管理の幹部の中には、彼らの組織が従業員数を大幅に増やすことなく、資産管理額を倍増させようとしていると述べている人もいます。これは、AIやAIエージェントをより広く活用することによって実現しようとしています。彼らはAIエージェントを作成し、それを従業員のデジタル拡張として、従業員の横に配置しています。最終的に、これらのエージェントが提供する生産性の向上により、中小企業は大企業とより対等に競争できるようになります。
7. 顧客オンボーディング中の不正検出を鋭くする。 AIは、オンボーディング文書の真正性を迅速にスキャンし、検証することに優れています。顧客が見かけとは異なる可能性があることを示唆する微小な異常（フォントサイズ、文書のフォーマットなど）を特定することもできます。
こうしたユースケースが資産管理組織内でどれほど影響力があるかは、これらを支えるデータの質とアクセス可能性に大きく依存しています。まず第一に、データは人間と機械がセルフサービスの観点から理解できるものでなければなりません。多くの場合、企業はデータをソースアプリケーションから引き出し、データレイクに移します。しかし、そうすることでアプリケーション環境に特有の重要な意味論やコンテキストが失われます。このメタデータがなければ、AIの出力や全体的な影響は最適でない可能性があります。したがって、多くの場合、組織はその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一緒に保持する方が良いとされています。これらのアプリケーション内のデータは、組織内の生成AI、エージェント型AI、インテリジェント分析を駆動するバッテリーのようなものと考えてください。バッテリーが強力であればあるほど、資産管理組織はAI投資を活用して彼らに立ちはだかる逆風を乗り越える準備が整います。
著者について
スチュアート・グラントはSAPの資本市場、資産およびウェルスマネジメントの責任者です。20年以上にわたり、資本市場業界でデータに関する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持って働いてきました。