なぜPE（プライベートエクイティ）のAI導入は、天井に突き当たっているのか

PE（プライベートエクイティ）のAI導入は、天井に突き当たっています。その天井は、デューデリジェンスが文書の作業ではなくなり、判断の作業に変わる地点にあります。FTIコンサルティングによるPEのシニア意思決定者200名の調査では、AIの利用は要約、財務デューデリジェンス支援、文書処理に集中し、コマーシャル・デューデリジェンスとエグジットの作業で最も薄くなっています。読む作業を引き受けたツールは、判定までは引き受けていません。

FTIは2025年12月、運用資産10億ドル以上のPEファンドに所属するマネージングパートナー、オペレーティングパートナー、プリンシパル、バイスプレジデントを対象に、北米、中南米、欧州・中東で調査を行いました。2026 Private Equity AI Radarは、全文を読む価値があります。そのうち2つの結果は、並べて読む必要があります。

1. 95%のファンドが、ポートフォリオ企業におけるAI施策は当初のビジネスケースを達成または上回っていると回答しています。
2. 43%のポートフォリオ企業が、AIを実質的に導入していません。内訳は、試験段階が16%、限定的な利用が15%、まったく利用していないが12%です。エンタープライズ規模に達しているのは7%にすぎません。

どちらの数字も正しいのです。この2つの間の緊張が、PEにおけるAIの現在地です。

43%が導入していないのに、なぜ95%が満足しているのか？

95%が何を基準に測られているかを見てください。多くの施策は5〜10%の改善を目標に設計されていました。FTIによれば、これはAIのインパクトに関するより広い基準である15%を下回ります。レポート自身も、多くのファンドが当初「比較的保守的なパフォーマンス基準」を設定していたことを示唆しています。ビジネスケースを大幅に上回ったと答えたファンドは、17%にとどまります。

計算は単純です。控えめな目標が達成されれば、成功に見えます。しかしそれは、テクノロジーがリターンを決める仕事にまで届いたことを意味しません。

導入は、どこで崩れるのか？

FTIのディール活動別のAI利用データは、ソフトウェアがどこで仕事をしていて、ディールチームがどこでそれを静かに手放しているかを示しています。利用率が最も高いのは、予備的で文書中心の作業です。データ分析・要約、財務デューデリジェンス支援、文書のスキャン・処理。作業が取引リスクと価値実現に近づくにつれ、利用率は表の下位に落ちていきます。

FTIは、その原因をはっきり述べています。

「AIの導入は現在、後期のエグジット実行よりも、前段のデューデリジェンスと評価において強い。おそらく、初期段階の活動にはAIが即座に効率化をもたらせる大量の構造化データが含まれる一方、後期のエグジット業務は個別性が高く判断に左右されるため、自動化が容易ではないからである」

この一文が、天井を描いています。生成AIは情報検索を吸収しました。しかし、判断の手前で失速しています。

文書処理の27%から、コマーシャル・デューデリジェンスの17%、エグジット準備の13%へと、なぜ利用率が落ちるのでしょうか。コマーシャル・デューデリジェンスとエグジット準備は、情報をまとめる作業ではないからです。それらは敵対的な検証です。

流暢さは、なぜデューデリジェンスで失敗するのか？

大規模言語モデルと、それを基盤とする検索拡張（RAG）システムは、確率的なエンジンです。流暢で一貫した言葉を生み出すように最適化されています。LLMは、説得力を最適化します。

予備調査において、流暢さは資産です。デューデリジェンスにおいては、負債です。

例として、ミッドマーケットの案件を考えてみましょう。CIM（企業概要書）は、価格決定力に支えられた、持続可能な28%のEBITDAマージンを主張しています。データルームの300ページ先では、売り手自身の明細が、マージン拡大分の42%は9か月以内に失効する一時的なサプライヤー・リベートによるものだと示しています。

言語モデルにこのデータルームを処理させると、作られたとおりに動きます。2つを両立させる、受け入れやすく読みやすい段落を書くのです。エラーは出しません。どちらかの主張を偽とするビジネスの物理を評価する手段を持たないため、矛盾をならしてしまいます。

PEのリターンは、矛盾をならすことで生まれるのではありません。資本がコミットする前に、矛盾を捕まえることで生まれます。投資委員会に必要なのは、経営陣の主張を要約するソフトウェアではありません。経営陣のナラティブとスプレッドシートが食い違う箇所を、正確に示すソフトウェアです。

それこそが、LOI前のチェックが浮かび上がらせるべき矛盾です。CIMと、それとともに提出された財務明細に対して、1件あたり3分未満で。ディールチームがLOIに署名する前、あるいは本格的なQoE（利益の質）調査を発注する前に。会計は、これまでどおり会計士が行います。トリアージは、どこから見るべきかを示します。

本当のボトルネックは、価値実現までの時間なのか？

FTIの回答者は、AIの価値回収を短期から中期で見込んでいます。38%が7〜12か月以内に、さらに31%が13〜24か月以内に、測定可能な価値を見込んでいます。スケールを阻むものとして最も多く挙げられたのは、AI人材です。

FTIはこれを実行能力の問題と読んでおり、ポートフォリオ運営については、その通りです。しかし、ディールの仕事は別の時計で動いています。独占交渉期間中のバイアウトファンドは、データプログラムとワークフローの再設計のために、デューデリジェンスのツールが最初の検証済みの指摘を出すまで3四半期も待てません。ツールが取引についていけなければ、ディールチームはスプレッドシートとジュニアアナリストに戻り、ソフトウェアはバックオフィスの要約に回されます。控えめな期待には応えても、何も変えません。

PEのAIガバナンスは、誰が担うのか？

実行はポートフォリオ企業が担っています。56%のファンドが、AIユースケースの導入・実装はポートフォリオ企業主導だと回答しており、FTIはこれを、ポートフォリオ企業主導の実行を概ね支持するハイブリッド型と説明しています。しかし、ファンドがどの機能を最も手元に置いているかを見てください。AIガバナンス・リスク・コンプライアンスと、AIの資金・予算は、いずれも29%がファンド主導で、FTIが測定した9つの機能の中で最も集中化された機能として並んでいます。AI戦略・設計は26%です。

このパターンは偶然ではありません。ポートフォリオのチームは入れ替わります。受託者としての損失リスクを負うのは、ジェネラル・パートナーです。繰延収益に見せかけた顧客離れをデューデリジェンスのツールがならしてしまい、買収が失敗すれば、損失はファンドに降りかかります。LPが責任を問うのは投資委員会であって、ソフトウェアベンダーではありません。リスクと資金は、ファンドが最後まで手放さないものです。

PEのバイヤーは、AIの何に対価を払うのか？

AI関連の買収を評価する際、回答者の多くが、AI人材・技術チーム（67%）、独自データまたはAI基盤（57%）、製品・プラットフォームのAI機能（57%）を、重要または決定的な価値ドライバーと評価しています。競合によるディスラプションの防止を挙げたのは、19%にとどまります。

PEのバイヤーは、感傷に流されない引受人です。対価を払うのはチーム、データ、プラットフォームであって、防御の構えではありません。ここからはFTIではなく、私たちの解釈です。他社のモデルを包んだだけの汎用ラッパーは、独自データも自前のプラットフォームも持たず、バイヤーはそれに見合った値を付けています。

先行するファンドは、どうやって差を埋めているのか？

FTIは、先行するファンドの一群をPE AI Alpha Tierと呼んでいます。同業他社と比べて、ROI実現で+6%、コスト削減で+5%、収益成長で+4%上回っています。

重要なのは、AIへの支出は階層間で概ね同等だとFTIが報告している点です。FTIの言葉を借りれば、これらのファンドを分けているのは「AIにいくら投資するかではない。どこで、どのように展開するかである」。

デューデリジェンスにおいて「どこで、どのように」とは、アーキテクチャの3つの転換だと私たちは考えています。

1. 確率的なまとめから、決定論的な検証へ。デューデリジェンスのシステムは、テキストを予測するのではなく、推論を監査すべきです。ナラティブを財務モデルと突き合わせ、矛盾の一つひとつを、それが生じたセルとページまでたどります。
2. 数四半期の統合作業から、受け取ったままの資料へ。引受は、データ整備のプロジェクトを待てません。チェックは、ディールチームがすでに手にしているメモ、財務モデル、CIMに対して、数分で実行されなければなりません。
3. コンセンサスから、矛盾へ。資本配分のために作られたソフトウェアは、相反する主張を決してならしてはなりません。数学的・論理的な不一致は、つじつまを合わせるべき文章ではなく、明確なフラグです。

この前提の上に作られているのが、askOdin Clarity です。データルームの要約はしません。AI判断インフラ™として、メモやCIMの主張が、それとともに提出されたモデルと資料に照らして成り立つかを、投資委員会の採決前に決定論的に確かめます。PEにおいてはLOI前のトリアージであり、CIMには範囲を限定したパイロットとして実行します。その後のQoE調査を置き換えるものではありません。

エンタープライズAIの第一世代は、データを整理しました。第二世代は、テキストを要約しました。Alpha Tierへと抜け出すファンドは、判断を検証するファンドです。