_**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、クラーナなどの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、例えば、マッキンゼー・アンド・カンパニーは、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ポイント低下したのは、こうした要因によるものだと指摘しています。しかし、ターゲットを絞った適切なAIの導入という形で圧力緩和の手段が現れています。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ユースケースで価値を示し始めており、資産運用者にとっては、新たな生産性と効率性の向上を実現し、競合他社よりも先に収益性の高い新規ビジネスチャンスを見つけて活用する手段となっています。マッキンゼーは、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き、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、変革的なものになり得る」と分析しています。したがって、資産運用組織にとっての課題は、AIが最も価値を提供できる組織内の場所を見極めることです。**最大の効果を得るためのAI導入**----------------------------資産運用の各分野の企業は、さまざまな面で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エージェントなどの自社能力を開発できるリソースを持つ大手組織内で行われています。しかし、AIのもう一つの側面は、最大手のTier One企業以外の資産運用者も、これらの大手と競争できるように支援できる点です。さらに、多くの組織は顧客向けのAIユースケースに投資していますが、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を見逃さないことも重要です。相互に統合されていないポイントソリューションを追い求めるのではなく、AIから価値を生み出す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、効率性を高め、生産性を向上させ、プロセスを合理化し、計画や戦略の意思決定をより良く支援する投資をターゲットにすることです。要するに、組織全体でデータの自由な流動を促進し、それを活用できるAIユースケースを探すことです。特に有望な例をいくつか挙げると：**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AR、AP、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はデータの移動の自動化を支援し、資本過不足、貸借対照表の調整などの潜在的な問題について、事前通知や実行可能なシナリオを提供できます。**2. 財務と真の連携によるリスク管理の改善**。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、早期の顧客解約や流動性リスクの兆候を特定できます。**3. 新しい手数料構造やビジネスモデルの機会を迅速に特定・活用**。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。過去のデータは、手数料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？既存の資産クラスや地域ファンドを二つ以上に分割したり、顧客を異なるグループに分けたりする機会はありますか？そのような動きのビジネスケースはどれほど強いですか？**4. 新製品や新規地域展開に関する意思決定の情報提供**。新たな地理的市場への進出を検討している場合、その過去の動きのコストや結果はどうだったか？規制や人事への影響は何か？生成型AIのデジタルアシスタントとの対話により、こうした質問に対して貴重な回答を得られ、より良い戦略的意思決定につながります。**5. ポートフォリオリバランスの潜在的影響や顧客の投資優先順位・リスク許容度に関するシナリオ分析**。AIツールは、こうした変化の潜在的影響を示し、最適なタイミングに関する推奨も提供します。これにより、財務関係のデータと連携し、戦略計画や予算策定の精度を高めることができます。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の期待や将来の収益との関係をより深く理解しようとしています。**6. 生産性の向上**。最近話した資産運用の幹部の中には、AIとAIエージェントをより広範に活用することで、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している人もいます。彼らはAIエージェントを作り、それを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ます。最終的に、これらのエージェントがもたらす生産性向上により、小規模・中規模の企業でも大手と競争できる力を持つことが可能になります。**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真正性を迅速にスキャン・検証し、フォントサイズや書式のわずかな異常を検出して、顧客が本当にその人物かどうかを判断し、追加の審査を必要とするケースを特定します。こうしたユースケースは資産運用組織内で大きな効果を発揮しますが、その価値を最大化するには、これらを支えるデータの質とアクセス性が極めて重要です。まず第一に、そのデータは人間と機械の両方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論やコンテキストが失われてしまいます。これらの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良いでしょう。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投資を活用して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。
7つのAIユースケースが資産運用者の効率と生産性向上を支援、市場の逆風に直面して
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。
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、クラーナなどの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、例えば、マッキンゼー・アンド・カンパニーは、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ポイント低下したのは、こうした要因によるものだと指摘しています。
しかし、ターゲットを絞った適切なAIの導入という形で圧力緩和の手段が現れています。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ユースケースで価値を示し始めており、資産運用者にとっては、新たな生産性と効率性の向上を実現し、競合他社よりも先に収益性の高い新規ビジネスチャンスを見つけて活用する手段となっています。マッキンゼーは、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き、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、変革的なものになり得る」と分析しています。
したがって、資産運用組織にとっての課題は、AIが最も価値を提供できる組織内の場所を見極めることです。
最大の効果を得るためのAI導入
資産運用の各分野の企業は、さまざまな面で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エージェントなどの自社能力を開発できるリソースを持つ大手組織内で行われています。しかし、AIのもう一つの側面は、最大手のTier One企業以外の資産運用者も、これらの大手と競争できるように支援できる点です。
さらに、多くの組織は顧客向けのAIユースケースに投資していますが、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を見逃さないことも重要です。相互に統合されていないポイントソリューションを追い求めるのではなく、AIから価値を生み出す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、効率性を高め、生産性を向上させ、プロセスを合理化し、計画や戦略の意思決定をより良く支援する投資をターゲットにすることです。
要するに、組織全体でデータの自由な流動を促進し、それを活用できるAIユースケースを探すことです。特に有望な例をいくつか挙げると：
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AR、AP、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はデータの移動の自動化を支援し、資本過不足、貸借対照表の調整などの潜在的な問題について、事前通知や実行可能なシナリオを提供できます。
2. 財務と真の連携によるリスク管理の改善。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、早期の顧客解約や流動性リスクの兆候を特定できます。
3. 新しい手数料構造やビジネスモデルの機会を迅速に特定・活用。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。過去のデータは、手数料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？既存の資産クラスや地域ファンドを二つ以上に分割したり、顧客を異なるグループに分けたりする機会はありますか？そのような動きのビジネスケースはどれほど強いですか？
4. 新製品や新規地域展開に関する意思決定の情報提供。新たな地理的市場への進出を検討している場合、その過去の動きのコストや結果はどうだったか？規制や人事への影響は何か？生成型AIのデジタルアシスタントとの対話により、こうした質問に対して貴重な回答を得られ、より良い戦略的意思決定につながります。
5. ポートフォリオリバランスの潜在的影響や顧客の投資優先順位・リスク許容度に関するシナリオ分析。AIツールは、こうした変化の潜在的影響を示し、最適なタイミングに関する推奨も提供します。これにより、財務関係のデータと連携し、戦略計画や予算策定の精度を高めることができます。
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の期待や将来の収益との関係をより深く理解しようとしています。
6. 生産性の向上。最近話した資産運用の幹部の中には、AIとAIエージェントをより広範に活用することで、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している人もいます。彼らはAIエージェントを作り、それを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ます。最終的に、これらのエージェントがもたらす生産性向上により、小規模・中規模の企業でも大手と競争できる力を持つことが可能になります。
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真正性を迅速にスキャン・検証し、フォントサイズや書式のわずかな異常を検出して、顧客が本当にその人物かどうかを判断し、追加の審査を必要とするケースを特定します。
こうしたユースケースは資産運用組織内で大きな効果を発揮しますが、その価値を最大化するには、これらを支えるデータの質とアクセス性が極めて重要です。まず第一に、そのデータは人間と機械の両方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論やコンテキストが失われてしまいます。これらの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良いでしょう。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投資を活用して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。