LPがGPに確認すべき、AIデューデリジェンスの7つの質問

LPがGPに確認すべきAIデューデリジェンスの質問は、7つあります。どの基準を適用していますか。結論の推論を見せてもらえますか。主張が検証に通らなかったとき、何が起きますか。案件データはどこへ送られますか。誰が責任を負いますか。判定は再現できますか。実際の監査を見せてもらえますか。どれも技術の知識は要りません。7つを合わせれば、LPが検証できるデューデリジェンスのプロセスと、高価な要約エンジンとを見分けられます。

LP チェックリスト

GPに確認すべき、AIデューデリジェンスの7つの質問

1. 01 どの基準でデューデリジェンスを行っていますか？ 良い回答：主張に依拠する前に通すべき検証を、具体的に挙げられる。
2. 02 結論の背後にある推論を見せてもらえますか？ 良い回答：すべての主張が根拠資料までたどれ、矛盾が明示されている。
3. 03 主張が検証に通らなかったとき、何が起きますか？ 良い回答：システムが違反を指摘して停止する。取り繕わない。
4. 04 案件データはどこへ送られますか？ 良い回答：再委託先の名前、保持期間、学習に使わないこと、文書化されたポリシーを示せる。
5. 05 出力の責任は誰が負いますか？ 良い回答：名前のあるパートナーが、推論の記録を添えて承認する。
6. 06 判定は再現できますか？ 良い回答：同じ記録済みの変数なら、同じ判定。過去の判定は、その記録から確かめられる。
7. 07 実際の監査を見せてもらえますか？ 良い回答：ベンダーのデモではなく、ファンド自身の案件の推論の記録を、秘匿処理して示せる。

GPは、要約、情報抽出、一次スクリーニング、投資メモの作成と、デューデリジェンスのプロセスに速いペースでAIを組み込んできました。ツールは役に立ちますし、導入は合理的です。

監督は、それに追いついていません。GPのデューデリジェンスで業界の参照テンプレートとなっているILPAのデューデリジェンス質問票（DDQ）の最終更新は2021年で、ChatGPTの一般公開より1年以上前です。

つまりLPは、見ることのできないプロセスを、評価したことのないツールで動かし、自ら検証できない結論を出すことを、信頼するよう求められています。これは技術の問題ではありません。GPが解いている問題の一段上にある、受託者責任の問題です。

ずれは構造的なものです。GPは、自らのプロセスについてLPに説明する責任を負っています。しかし、そのプロセスが確率的なシステムを通っていると、GPは多くの場合、結論にどう至ったのか、推論が何かに照らして検証されたのか、主張が検証に通らなかったときに何が起きたのかを説明できません。

多くのLPは、まだ尋ねていません。質問が技術的に聞こえたからです。実際には技術の質問ではありません。受託者が昔から答えを求められてきた質問です。その7つを挙げます。

1. どの基準でデューデリジェンスを行っていますか？

どのAIツールを使っているかではありません。依拠する前に、主張がどの基準を満たさなければならないかです。

どのファンドにも、暗黙の基準はあります。問題は、それが明示され、検証できる形になっているかどうかだけです。「慎重に確認しました」は基準ではありません。「ユニットエコノミクスに内部矛盾がないこと、売上に商業上の根拠があること、キャップテーブルに致命的なガバナンス上のリスクがないこと」は基準です。

良い回答は、具体的な検証を挙げます。売上の主張を契約書と照合する。規模を拡大したときのユニットエコノミクスをモデルで確かめる。キャップテーブルの構造をガバナンス上の閾値に照らして検証する。主張が何を通過しなければならないかを、GPが述べられます。

弱い回答は、基準を挙げずにプロセスを説明します。「効率を上げるためにAIを使っています」「チームがすべての出力を確認しています」。

2. 結論の背後にある推論を見せてもらえますか？

出力ではありません。推論です。

GPが、ある案件を「ユニットエコノミクスが成り立たなかった」という理由で見送ったと言うなら、具体的に何が成り立たなかったのか、どの証拠にもとづくのかを尋ねてください。答えが要約なら、手にしているのは印象です。主張が出典に結びつき、資料までたどることができ、矛盾が取り繕われずに残っているなら、それが推論の記録です。

良い回答は、結論を根拠となる証拠までたどります。すべての主張に出典があり、すべての矛盾が明示されています。仮説を崩したスプレッドシートの行を、GPが指し示せます。

弱い回答は、たどることのできない要約です。推論は正しいように感じられた。モデルがそう言った。

3. 主張が検証に通らなかったとき、何が起きますか？

これがリストの中で最も重要な質問です。まったく異なる2種類のシステムを分ける質問でもあります。

大規模言語モデルは、矛盾に出会うと、より滑らかな答えを生成します。一貫性が保たれるように作られているからです。LLMは、説得力を最適化します。決定論的なシステムは、その逆のことをします。処理を止め、違反を指摘します。

GPのデューデリジェンスのツールが確率的なら、その失敗の形は、まさにLPが見るべきだったものが、黙って取り繕われることです。

良い回答：「システムが違反を指摘して停止します。私たちは矛盾を目にします」。失敗がどう見えるのかを、GPが説明できます。

弱い回答：「データルームを要約します」。要約は矛盾を隠します。致命的な欠陥が、もっともらしいストーリーに変わる仕組みそのものです。

4. 案件データはどこへ送られますか？

デューデリジェンスは、キャップテーブル、財務モデル、LPレター、法的な契約書といった機密資料の上で行われます。

そのデータがどこで処理され、誰がアクセスでき、どれだけの期間保持され、いずれかのモデルの学習に使われるのかを尋ねてください。

良い回答は、再委託先の名前を挙げ、保持期間を述べ、データが学習に使われないことを確認し、文書化されたポリシーを示します。最も良い回答は、そのうちどれがポリシーで、どれがシステムによって執行されているのかまで述べます。この二つは同じではないからです。

弱い回答は、これらのいずれかが曖昧です。「すべて安全です」「大手のプロバイダーを使っています」。曖昧さは、セキュリティ態勢ではありません。

LPにも、投資先の情報の機密を守る義務があります。データの行き先をGPが述べられないなら、LPは定量化できないリスクを負っていることになります。

5. 出力の責任は誰が負いますか？

「人が確認している」と「人が責任を負っている」は、別の言明です。ガバナンスの仕組みと呼べるのは後者だけです。前者はプロセスの一工程にすぎません。後者には、その推論を説明できる人がいます。

良い回答は、責任者の名前を挙げます。「すべての結論を担当パートナーが承認し、推論の記録を添付しています」。責任の連鎖がどう機能するのかを、GPが説明できます。

弱い回答は、一般論です。「チームで確認しています」「プロセスがあります」。名前はなく、署名も求められません。

6. 判定は再現できますか？

同じ案件を、同じプロセスに2回通してください。同じ結論になりますか。そして、昨年の判定を確かめたいとき、何と照らし合わせますか。

決定論的な評価は、同じ入力と同じルールのもとで、同じ判定を返します。だからこそ、監査は事後でも説明に耐えます。ただし、AIモデルが資料を読んで入力を抽出している場合、モデルが変われば、抽出結果も変わることがあります。そのため、過去の判定を確かめる誠実な方法は、その記録に当たることです。採点された変数、ルールのバージョン、読み取った資料の指紋です。

確率的なシステムには、同じ答えを2度返す義務がありません。創造的な仕事なら、それでかまいません。デューデリジェンスでは、そうはいきません。

良い回答：「はい。評価は決定論的で、同じ記録済みの変数と同じバージョンのルールからは、同じ判定が返ります。判定ごとにその記録を残しているので、何か月後でも、過去の判定がどう導かれたかを示せます。抽出にはモデルを使っており、どのモデルかもお答えできます」。

弱い回答：「AIは補助で、最後は必ず人が判断します」。これは質問を避けています。確率的な出力を人が承認しても、その下にある推論が再現できるようにはなりません。

7. 実際の監査を見せてもらえますか？

デモではありません。ベンダーのウェブサイトのサンプルでもありません。GP自身のパイプラインから出た、実際の監査です。

LPが多少なりとも知っている案件について、推論の記録を見せるよう求めてください。できれば、見送った案件と投資した案件を1件ずつです。

良い回答は、文書です。出典が添付された推論の記録です。

弱い回答は、共有できない理由の説明です。守秘義務は現実の制約であり、同時に都合のよい制約でもあります。プロセスが監査の成果物を生み出しているなら、それは存在し、秘匿処理ができます。存在しないなら、そのプロセスが生み出しているのは要約であり、判定ではありません。

AIが本当に使われているのかも、確かめる価値があります。2024年3月、米国証券取引委員会（SEC）は、持っていないAIの能力を掲げたとして、2社の投資顧問会社に対する告発で和解し、この行為を「AIウォッシング」と呼びました。AIを活用したデューデリジェンスのプロセスを説明するGPは、その出力を見せられるはずです。

これらの質問を、DDQにどう書き込むか？

冒頭のチェックリストはテキストとして選択できます。そのままコピーするか、次の文面をお使いください。特定のベンダーを前提にしておらず、ILPAのテンプレートと併用できます。

1. 貴社のデューデリジェンスが、ある主張に依拠する前に、その主張が満たすべき基準を記述してください。適用している具体的な検証も含めてください。
2. 直近の投資案件1件と、見送った案件1件について、重要な結論それぞれを根拠資料に結びつける推論の記録を提出してください。
3. 主張が検証に通らなかったとき、貴社のデューデリジェンスのプロセスで何が起きるかを、事例とともに記述してください。
4. AIを用いる工程について、案件データを取り扱う再委託先、保持期間、データがモデルの学習に使われるか否かを列挙してください。そのうち、どれが文書化されたポリシーで、どれがシステムによって執行されているかを明記してください。
5. AIの支援を受けて得た結論について責任を負う担当者の名前と、承認の手順を記述してください。
6. 同じ記録済みの変数と同じバージョンのルールから同じデューデリジェンスの判定が得られるか、過去の判定をその記録からどう確かめるか、どの工程（たとえばAIによる抽出）が実行ごとに変わりうるかを記述してください。
7. 貴社のデューデリジェンスの過程で作成された監査記録を、秘匿処理のうえで1件提出してください。

回答から、何がわかるのか？

GPが優れた投資家かどうかは、わかりません。わかるのは、GPのプロセスが説明に耐えるかどうかです。

この二つは別の問いであり、受託者責任の問いは一方だけです。

説明に耐えるプロセスを持つGPでも、判断を誤ることはあります。それがこの仕事の性質です。しかし、そのプロセスは検証し、問いただし、改善することができます。説明に耐えないプロセスを持つGPは、LPが評価できないシステムを動かしています。その判断は優れているのかもしれません。それを知る手段がないのです。

入力は、どのようなものか？

届くものの数字を見てみましょう。2,488件のピッチ資料のベンチマーク（英語）では、同じエンジンのバージョンで4週間の期間内に採点したところ、Clarity Score の中央値は100点中35点で、70%が最下位の帯（50点未満）である PASS（見送り）の判定でした。最も弱かったのは、大差でビジネスモデルの物理です。67%の資料が、この項目で満点の半分に届きませんでした。

これは入力の側の話であり、GPの落ち度ではありません。それを見抜くのがGPの仕事です。弱いビジネスモデルを要約するツールは、それを流暢に描写します。成り立っていないとは教えてくれません。

LPが定めるべき基準

GPが7つの質問に答えられないなら、そのプロセスは説明に耐えるものではありません。良いプロセスなのかもしれません。卓越したリターンを生んできたのかもしれません。しかし、LPが独立して評価できるプロセスではありません。

それが基準です。すべてのファンドが同じツールを使うべきだということではありません。すべてのファンドが、自らのプロセスを、LPが検証できる言葉で説明できるべきだということです。これをサイドレターの条項と四半期報告にどう書き込むかはLP Governance Standard（英語）に、トラックレコードではなく意思決定の構造がなぜ先行指標なのかはThe LP's Blind Spot（英語）にまとめています。マネージャー選定の際に、尋ねるのではなく運用者の推論を自ら検証したい場合は、LP・機関投資家のためのGP評価で、LPやファミリーオフィスがその監査をどう行うかを説明しています。

LPもまた、受託者です。配分する資本には固有の義務が伴い、監督はその一つです。規律をもってAIを導入するGPこそ、支援する価値のあるGPになります。効率のためだけに導入するGPは、プロセスを検証できないGPになります。

7つの質問を尋ねてください。回答が、どちらなのかを教えてくれます。

ベンチャーキャピタルは、監査を受けていない最後の資産クラスです。askOdinは、その空白を埋めるための基盤を提供します。