生成AIは投資調査のどの部分を最初に変えたのか。

  • Bernsteinの会議での議論では、AIは裁量投資家により大きな追加的価値をもたらすとの見方が示された。定量チームは生成AIが普及する前から自動化や機械学習を幅広く活用しており、AIが補完するのはプログラミングや情報収集などの業務が中心である。一方、裁量的な投資調査では、AIを活用して非構造化情報を処理する際の技術的なハードルを下げられる。
  • AlphaPaiのプラットフォームの進化は、活用の重点の変化を示している。2023年には会議などの情報をテキストや構造化された議事録に変換することから始め、2024年には企業調査、業界調査、アナリストの業務フローを対象に加えた。2025年にはPaiWorkがデータ、業務フロー、調査ツール、AIエージェントを一つの作業環境に統合した。AIは単独のツールから日常的な調査プロセスへと徐々に入り込んでいる。

実際の利用はどこまで広がり、活用価値はどこに表れているのか。

  • AlphaPaiによると、同社のサービスは12万人を超える専門ユーザーに利用され、約8000機関をカバーしている。過去一年でプラットフォームのトークン使用量は80倍に増えたが、ユーザーの5.5%がトークンの50%を消費した。利用の強度にはばらつきがあり、一部のユーザーに利用が集中していることを示している。
  • 会議ボットは投資家向け説明会や専門家との対話などの内容を検索可能な情報に整理し、継続的な追跡ツールは企業、業界、技術、サプライチェーンの動向を自動で更新する。これらは情報の手作業による収集、整理、維持にかかる時間を削減するものであり、最終的な投資判断を直接置き換えるものではない。

効率の向上は投資超過収益につながるのか。

  • 議論の参加者は、AIを深く活用する一部の定量ファンドが好調な成績を上げていると述べたが、そこから投資の成功をAIに帰属させることはできない。AIによって投資家はより多くのシグナルを検証できる。検証するシグナルが増えるほど、偶然シャープレシオの高い戦略を選び出すリスクも高まるため、バックテストの成績はそれに応じて割り引く必要がある。
  • AIの情報処理能力は高頻度投資家にとってより直接的に有用である。中頻度投資家については、AIが意思決定を改善するという証拠は限られている。中頻度のマクロ戦略では過去のデータが少なく、モデルの複雑さを高めることが将来のより良い成績につながるかを判断しにくい。
  • したがって、AIは調査プロセスにおける情報処理や効率化の業務を担うのに適している。投資の専門家は、AIが生成した結論を評価、検証し、改善する必要がある。

AIが投資業界を変え続けられるかどうかを決める要因は何か。

  • AIが情報収集や統合をより多く担うにつれて、人の価値は現地調査、専門家へのインタビュー、独立した判断、品質管理へと移っていく。大規模なプラットフォームには規模と人材の強みがある一方、専門性の高い小規模機関もAIを活用して調査範囲を広げられる。
  • AIが新しい情報をより速く処理することで、短期的には市場が情報をより速く反映する可能性がある。異なる投資家が似たシステムを使い、似た結論に至れば、保有ポジションも同じ方向に収れんし、市場の変動が大きくなったり、非効率な局面が生じたりする可能性がある。参加者は、AIへの依存度を抑えた業務プロセスが差別化の方向性になり得るとも指摘した。
  • 普及の速さは、ツールを日常業務に組み込めるか、またユーザーが明確な生産性向上や投資リターンを実感できるかに左右される。AIが投資判断や運用成績を改善するという証拠は、依然として重要なハードルである。