_**スチュアート・グラント**は、SAPにおける資本市場、資産運用、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チェック！****FinTech Weeklyのニュースレターを購読****JPモルガン、コインベース、ブラックロック、クラーナ等の経営層に読まれています*** * *手数料の圧縮から、マクロ経済環境の不利な変化、そして期待どおりの成果をまだ出せていない技術投資の積み増しまで、2026年へとカレンダーが切り替わる中で、資産運用組織は大きな逆風に直面しています。 世界の資産運用業界に関する2025年の分析で、McKinsey & Companyはたとえば、北米では過去5年間で資産運用会社のマージンが3ポイント、ヨーロッパでは5ポイント低下したことを、こうした要因の結果として明らかにしています。しかし、圧力を和らげるための逃げ道は、狙いを定め、適切な配置で行う人工知能の導入という形で用意されています。生成、エージェンティック、等々、AIのさまざまな形態は、フロント、ミドル、バックオフィスの幅広いユースケースで価値を示し始めており、資産運用会社に対して、新たな生産性と効率化の獲得手段、競争相手に先んじて収益性の高い新規ビジネス機会を見極めて活かす手段を提供し始めています。同社の分析は、北米およびヨーロッパの資産運用会社に所属するCレベルの幹部を対象とした調査に基づいており、McKinseyは、平均的な資産運用会社にとって、AI、生成AI、エージェンティックAIによる潜在的なインパクトは「自社のコスト基盤の25〜40％に相当する、変革的なものになり得る」ことを突き止めました。それでは、資産運用組織にとっての課題は、組織の中でAIが最も大きな価値をもたらせる場所を特定することです。**最大限のインパクトを生むAIの導入**-----------------------------------資産運用の領域全体にわたって、企業各社がさまざまな局面でAIを活用しています。その多くは、大規模言語モデルや、ターゲットを絞ったAIエージェントなどを自前で開発するための深いリソースを持つ大きな組織の中で進められているものです。しかし、AIのもう一方の側面として、Tier Oneの最大級の組織の外にいる資産運用会社でも、これらの大手企業に対してより同等な土俵で競争することを後押しすることもできます。さらに、多くの組織が顧客向けAIのユースケースに投資の焦点を当てている一方で、フロント、ミドル、バックオフィス全体にわたって、他のスケーラブルなAIの導入によって価値を生み出す機会を見落とさないことが重要です。互いにうまく統合できないかもしれない個別のポイントソリューションを探すのではなく、AIによる価値創出のためのより賢明なアプローチは、3つのオフィス層の間にある仮想的な壁を溶かして効率を生み、生産性を高め、プロセスを合理化し、計画と戦略の質をより高める投資を狙うことかもしれません。要するに、組織内でデータがより自由に行き来することを促し、それを活用できるAIのユースケースを探しましょう。とりわけ有望に見えるのは、次のようなものです。**1. 会計クローズとその他の経理業務を自動化し、スピードアップする**。経理は歴史的に、手作業プロセスが多く、難しい領域でした。AIエージェントの助けにより、資産運用組織には、財務クローズに加え、AR、AP、請求書の突合など、経理機能まわりの多くのプロセスを自動化する機会があります。こうしたシナリオでは、AIがデータ移動の自動化を改善するために役立つことができます。また、資本過剰／不足、バランスシート調整など、見落とされがちな問題について、予防的な通知—および実行可能なシナリオ—を、経理の業務利用者に提供することも可能です。**2. 「経理」との真の整合によりリスク管理を改善する**。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。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／担保などのデータを、顧客プロフィールやコミュニケーションデータと組み合わせることで、顧客の解約の早期シグナルおよびそれに関連する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を特定し、迅速に立ち上げる**。組織は、AIツールに、想定される手数料の変更や新しいビジネスモデルのインパクトを調査し、モデル化するよう促すことができます。手数料変更が売掛金にどう影響するか、過去データは何を示唆していますか？既存の事業領域（特定の資産クラスや地理的なファンドなど）を2つ以上の部分に分ける、あるいは顧客を別の形でバケット化する、といった機会はありますか。もしそうなら、このような動きのためのビジネスケースはどれほど強いのでしょうか？**4. 新しい商品または地域への拡大に関する意思決定に役立てる**。貴社は、期待できるものの相対的にリスクの高い新しい地理的市場への進出を検討しています。過去のこの種の動きは、見込まれた費用と実際の費用の点でどのように結果が出ましたか？そのような移行に伴う、想定される規制面およびHR（人事）面の影響は何でしょうか？生成AIのデジタルアシスタントとの対話は、このような問いに対する価値ある回答を導き出し、より情報に基づいた戦略的な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、ならびに顧客の投資優先度やリスク許容度に与え得る影響をめぐる、いわゆる「もしも」シナリオをモデル化する**。AIツールは、こうした変化がもたらし得る影響についての洞察を提供できます。同時に、買掛金の支払い義務など他の要因を踏まえた最適なタイミングに関する提案も行えます。データとこのようなつながりを作ることで、AIは、経理機能とフロントオフィスのポートフォリオ運用との間に起きる情報の断絶に対処するのに役立ち、より的確な戦略計画と予算策定を支援します。私が関わっているある企業の場合、たとえば同社は、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を、顧客のリスク許容度および手数料体系のデータと組み合わせようとしています。目的は、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対してもたらす財務面の反響をよりよく理解することです。 **6. 生産性を高める**。最近私が話を聞いた一部の資産運用の経営幹部は、自社の組織が、人員（ヘッドカウント）の大幅な増加を伴わずに、AIとAIエージェントを組織全体でより広く活用することで、運用資産（AUM）を倍増させようとしていると言います。彼らはAIエージェントを作り、それらを従業員のすぐそばに配置しています—つまり、基本的にはデジタル上の従業員の拡張として位置づけています。最終的に、これらのエージェントがもたらす生産性の向上によって、中小企業やミッドサイズの企業は、より大手企業と同等の土俵で競争するのに必要な分だけ「自分の強みの範囲を超えて」攻められるようになります。 **7. 顧客のオンボーディング時に詐欺検知を強化する**。AIは、オンボーディング書類の真正性を迅速にスキャンして検証するのが得意で、顧客が見かけ通りの人物ではないことを示し、したがってより厳格なスクリーニングが必要になる可能性がある、フォントサイズや書類の体裁など、最も些細な異常でさえも見つけ出すことができます。このようなユースケースが資産運用組織の中で大きな効果をもたらし得る一方で、それらの価値を最大化するかどうかは、そもそもそれらに投入されるデータの品質と、利用可能性に大きく左右されます。何よりも、データはセルフサービスで人間と機械の両方にとって理解できるものでなければなりません。多くの場合、企業はデータを元のアプリケーションから取り出し、それをデータレイクに移します。しかし、そうするとアプリケーション環境に特有の、きわめて重要なセマンティクス（意味）やコンテキストが失われます。このメタデータがないと、AIの出力—および全体としてのインパクト—は望ましくない結果になる可能性があります。そのため、多くのケースで組織は、そのデータを付随するメタデータとともに、自然なアプリケーション環境に留めておくほうがよい場合が多いのです。これらのアプリケーション内のデータを、組織内で生成AI、エージェンティックAI、インテリジェント・アナリティクスを動かす「バッテリー」と考えてください。バッテリーが強ければ強いほど、資産運用組織は、自社に立ちはだかる逆風を切り抜けるためにAI投資を活用するうえで、より良い位置につけられます。### **著者について**スチュアート・グラントは、SAPにおける資本市場、資産、ウェルスマネジメントの責任者です。彼は20年以上にわたり、プロダクトマネジメント、ビジネス開発、ビジネス・マネジメントを含む役割を通じて、資本市場業界におけるデータに取り組んできました。
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における資本市場、資産運用、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チェック！
FinTech Weeklyのニュースレターを購読
JPモルガン、コインベース、ブラックロック、クラーナ等の経営層に読まれています
手数料の圧縮から、マクロ経済環境の不利な変化、そして期待どおりの成果をまだ出せていない技術投資の積み増しまで、2026年へとカレンダーが切り替わる中で、資産運用組織は大きな逆風に直面しています。
世界の資産運用業界に関する2025年の分析で、McKinsey & Companyはたとえば、北米では過去5年間で資産運用会社のマージンが3ポイント、ヨーロッパでは5ポイント低下したことを、こうした要因の結果として明らかにしています。
しかし、圧力を和らげるための逃げ道は、狙いを定め、適切な配置で行う人工知能の導入という形で用意されています。生成、エージェンティック、等々、AIのさまざまな形態は、フロント、ミドル、バックオフィスの幅広いユースケースで価値を示し始めており、資産運用会社に対して、新たな生産性と効率化の獲得手段、競争相手に先んじて収益性の高い新規ビジネス機会を見極めて活かす手段を提供し始めています。同社の分析は、北米およびヨーロッパの資産運用会社に所属するCレベルの幹部を対象とした調査に基づいており、McKinseyは、平均的な資産運用会社にとって、AI、生成AI、エージェンティックAIによる潜在的なインパクトは「自社のコスト基盤の25〜40％に相当する、変革的なものになり得る」ことを突き止めました。
それでは、資産運用組織にとっての課題は、組織の中でAIが最も大きな価値をもたらせる場所を特定することです。
最大限のインパクトを生むAIの導入
資産運用の領域全体にわたって、企業各社がさまざまな局面でAIを活用しています。その多くは、大規模言語モデルや、ターゲットを絞ったAIエージェントなどを自前で開発するための深いリソースを持つ大きな組織の中で進められているものです。しかし、AIのもう一方の側面として、Tier Oneの最大級の組織の外にいる資産運用会社でも、これらの大手企業に対してより同等な土俵で競争することを後押しすることもできます。
さらに、多くの組織が顧客向けAIのユースケースに投資の焦点を当てている一方で、フロント、ミドル、バックオフィス全体にわたって、他のスケーラブルなAIの導入によって価値を生み出す機会を見落とさないことが重要です。互いにうまく統合できないかもしれない個別のポイントソリューションを探すのではなく、AIによる価値創出のためのより賢明なアプローチは、3つのオフィス層の間にある仮想的な壁を溶かして効率を生み、生産性を高め、プロセスを合理化し、計画と戦略の質をより高める投資を狙うことかもしれません。
要するに、組織内でデータがより自由に行き来することを促し、それを活用できるAIのユースケースを探しましょう。とりわけ有望に見えるのは、次のようなものです。
1. 会計クローズとその他の経理業務を自動化し、スピードアップする。経理は歴史的に、手作業プロセスが多く、難しい領域でした。AIエージェントの助けにより、資産運用組織には、財務クローズに加え、AR、AP、請求書の突合など、経理機能まわりの多くのプロセスを自動化する機会があります。こうしたシナリオでは、AIがデータ移動の自動化を改善するために役立つことができます。また、資本過剰／不足、バランスシート調整など、見落とされがちな問題について、予防的な通知—および実行可能なシナリオ—を、経理の業務利用者に提供することも可能です。
2. 「経理」との真の整合によりリスク管理を改善する。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。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／担保などのデータを、顧客プロフィールやコミュニケーションデータと組み合わせることで、顧客の解約の早期シグナルおよびそれに関連する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を特定し、迅速に立ち上げる。組織は、AIツールに、想定される手数料の変更や新しいビジネスモデルのインパクトを調査し、モデル化するよう促すことができます。手数料変更が売掛金にどう影響するか、過去データは何を示唆していますか？既存の事業領域（特定の資産クラスや地理的なファンドなど）を2つ以上の部分に分ける、あるいは顧客を別の形でバケット化する、といった機会はありますか。もしそうなら、このような動きのためのビジネスケースはどれほど強いのでしょうか？
4. 新しい商品または地域への拡大に関する意思決定に役立てる。貴社は、期待できるものの相対的にリスクの高い新しい地理的市場への進出を検討しています。過去のこの種の動きは、見込まれた費用と実際の費用の点でどのように結果が出ましたか？そのような移行に伴う、想定される規制面およびHR（人事）面の影響は何でしょうか？生成AIのデジタルアシスタントとの対話は、このような問いに対する価値ある回答を導き出し、より情報に基づいた戦略的な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、ならびに顧客の投資優先度やリスク許容度に与え得る影響をめぐる、いわゆる「もしも」シナリオをモデル化する。AIツールは、こうした変化がもたらし得る影響についての洞察を提供できます。同時に、買掛金の支払い義務など他の要因を踏まえた最適なタイミングに関する提案も行えます。データとこのようなつながりを作ることで、AIは、経理機能とフロントオフィスのポートフォリオ運用との間に起きる情報の断絶に対処するのに役立ち、より的確な戦略計画と予算策定を支援します。
私が関わっているある企業の場合、たとえば同社は、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を、顧客のリスク許容度および手数料体系のデータと組み合わせようとしています。目的は、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対してもたらす財務面の反響をよりよく理解することです。
6. 生産性を高める。最近私が話を聞いた一部の資産運用の経営幹部は、自社の組織が、人員（ヘッドカウント）の大幅な増加を伴わずに、AIとAIエージェントを組織全体でより広く活用することで、運用資産（AUM）を倍増させようとしていると言います。彼らはAIエージェントを作り、それらを従業員のすぐそばに配置しています—つまり、基本的にはデジタル上の従業員の拡張として位置づけています。最終的に、これらのエージェントがもたらす生産性の向上によって、中小企業やミッドサイズの企業は、より大手企業と同等の土俵で競争するのに必要な分だけ「自分の強みの範囲を超えて」攻められるようになります。
7. 顧客のオンボーディング時に詐欺検知を強化する。AIは、オンボーディング書類の真正性を迅速にスキャンして検証するのが得意で、顧客が見かけ通りの人物ではないことを示し、したがってより厳格なスクリーニングが必要になる可能性がある、フォントサイズや書類の体裁など、最も些細な異常でさえも見つけ出すことができます。
このようなユースケースが資産運用組織の中で大きな効果をもたらし得る一方で、それらの価値を最大化するかどうかは、そもそもそれらに投入されるデータの品質と、利用可能性に大きく左右されます。何よりも、データはセルフサービスで人間と機械の両方にとって理解できるものでなければなりません。多くの場合、企業はデータを元のアプリケーションから取り出し、それをデータレイクに移します。しかし、そうするとアプリケーション環境に特有の、きわめて重要なセマンティクス（意味）やコンテキストが失われます。このメタデータがないと、AIの出力—および全体としてのインパクト—は望ましくない結果になる可能性があります。そのため、多くのケースで組織は、そのデータを付随するメタデータとともに、自然なアプリケーション環境に留めておくほうがよい場合が多いのです。これらのアプリケーション内のデータを、組織内で生成AI、エージェンティックAI、インテリジェント・アナリティクスを動かす「バッテリー」と考えてください。バッテリーが強ければ強いほど、資産運用組織は、自社に立ちはだかる逆風を切り抜けるためにAI投資を活用するうえで、より良い位置につけられます。
著者について
スチュアート・グラントは、SAPにおける資本市場、資産、ウェルスマネジメントの責任者です。彼は20年以上にわたり、プロダクトマネジメント、ビジネス開発、ビジネス・マネジメントを含む役割を通じて、資本市場業界におけるデータに取り組んできました。