_**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、クラルナなどの経営幹部が読んでいます*** * *手数料圧縮やマクロ経済の不利な変化、期待通りに成果を上げ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、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ポイント低下した要因の一つとしてこれらの要素を挙げています。しかし、人工知能（AI）のターゲットを絞った適切な導入が、逆風の緩和策となり得ます。生成型AIやエージェント型AIなど、多様な形態のAIは、フロント、ミドル、バックオフィスのさまざまな用途で価値を示し始めており、資産運用者にとって新たな生産性と効率性の向上、競合他社に先駆けた収益性の高い新規ビジネスチャンスの発見と活用の手段となっています。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く分析によると、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」とマッキンゼーは判断しています。したがって、資産運用組織にとっての課題は、どこにAIを導入すれば最大の価値を生み出せるかを見極めることです。**最大の効果を狙ったAI導入のポイント**-----------------------------------資産運用の各分野では、さまざまな形でAIが活用されています。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開発能力を持つ大手組織内で行われています。しかし、もう一方の側面として、AIは最大手のTier One企業以外の資産運用者がこれらの大手と競争する上で、より平等な土俵に立つ手助けにもなります。さらに、多くの組織が顧客向けのAI用途に投資を集中させる一方で、フロント、ミドル、バックオフィスの各層でスケーラブルな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。個別のポイントソリューションを追求し、それらがうまく連携しないリスクを避けるためには、3つのオフィス層間の仮想的な壁を解消し、効率化や生産性向上、プロセスの合理化、計画や戦略の質向上を目指す投資が賢明です。要するに、組織内のデータの自由な流動を促進し、それを活用できるAIのユースケースを追求すべきです。特に有望な例をいくつか挙げると次の通りです。**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、多くの手作業を伴う分野でした。AIエージェントの支援により、資産運用組織は財務決算や売掛金、買掛金、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はデータの移動を改善し、資本過不足やバランスシート調整に関する未然の通知や対応策を提供できます。**2. 財務とリスク管理の真の連携によるリスク管理の向上**。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。投資家の保有資産、キャッシュフロー、市場流動性、証拠金・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、顧客の解約兆候や流動性リスクの早期シグナルを特定できます。**3. 新しい手数料体系やビジネスモデルの機会を迅速に見つけて動き出す**。AIに、手数料変更や新規ビジネスモデルの影響を調査・モデル化させることが可能です。過去のデータから、手数料変更が売掛金にどのような影響を与えるか、既存の資産クラスや地域ファンドを分割したり、顧客層を分けたりするビジネスの可能性についても検討できます。**4. 新商品や新規地域展開の意思決定に役立てる**。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規制・人事への影響をAIと対話しながら分析し、より良い戦略的意思決定を支援します。**5. ポートフォリオのリバランスが将来の収益や顧客の投資優先度、リスク許容度に与える影響のシナリオ分析**。AIは、こうした変化の潜在的な影響を示し、支払義務やその他の要因を考慮した最適なタイミングの提案も行います。こうしたデータ連携により、財務とフロントオフィスのポートフォリオ管理の間の情報の断絶を解消し、より的確な戦略立案や予算策定を支援します。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アトリビューションデータと、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期待・将来収益の関係性をより深く理解しようとしています。**6. 生産性向上**。最近話した資産運用の幹部の中には、AIやAIエージェントを広く活用することで、管理資産額を倍増させつつ人員増加を抑えることを目指す企業もあります。彼らはAIエージェントを作り、従業員の横に配置し、デジタルな拡張として機能させています。最終的に、これらのエージェントによる生産性向上は、小規模・中規模の企業が大手と競争できる力を持つことにつながります。**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微細な異常を検出して、顧客の身元確認の精度を高めることができます。これらのユースケースは資産運用組織にとって非常に効果的ですが、その価値を最大化するには、入力されるデータの質とアクセス性が重要です。まず、データは人間と機械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やコンテキストが失われてしまいます。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効果的です。これらのアプリケーション内のデータは、生成型AIやエージェントAI、インテリジェントアナリティクス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投資の効果を最大化し、逆風を乗り越え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部門の責任者です。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。
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、クラルナなどの経営幹部が読んでいます
手数料圧縮やマクロ経済の不利な変化、期待通りに成果を上げ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、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ポイント低下した要因の一つとしてこれらの要素を挙げています。
しかし、人工知能（AI）のターゲットを絞った適切な導入が、逆風の緩和策となり得ます。生成型AIやエージェント型AIなど、多様な形態のAIは、フロント、ミドル、バックオフィスのさまざまな用途で価値を示し始めており、資産運用者にとって新たな生産性と効率性の向上、競合他社に先駆けた収益性の高い新規ビジネスチャンスの発見と活用の手段となっています。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く分析によると、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」とマッキンゼーは判断しています。
したがって、資産運用組織にとっての課題は、どこにAIを導入すれば最大の価値を生み出せるかを見極めることです。
最大の効果を狙ったAI導入のポイント
資産運用の各分野では、さまざまな形でAIが活用されています。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開発能力を持つ大手組織内で行われています。しかし、もう一方の側面として、AIは最大手のTier One企業以外の資産運用者がこれらの大手と競争する上で、より平等な土俵に立つ手助けにもなります。
さらに、多くの組織が顧客向けのAI用途に投資を集中させる一方で、フロント、ミドル、バックオフィスの各層でスケーラブルな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。個別のポイントソリューションを追求し、それらがうまく連携しないリスクを避けるためには、3つのオフィス層間の仮想的な壁を解消し、効率化や生産性向上、プロセスの合理化、計画や戦略の質向上を目指す投資が賢明です。
要するに、組織内のデータの自由な流動を促進し、それを活用できるAIのユースケースを追求すべきです。特に有望な例をいくつか挙げると次の通りです。
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、多くの手作業を伴う分野でした。AIエージェントの支援により、資産運用組織は財務決算や売掛金、買掛金、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はデータの移動を改善し、資本過不足やバランスシート調整に関する未然の通知や対応策を提供できます。
2. 財務とリスク管理の真の連携によるリスク管理の向上。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。投資家の保有資産、キャッシュフロー、市場流動性、証拠金・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、顧客の解約兆候や流動性リスクの早期シグナルを特定できます。
3. 新しい手数料体系やビジネスモデルの機会を迅速に見つけて動き出す。AIに、手数料変更や新規ビジネスモデルの影響を調査・モデル化させることが可能です。過去のデータから、手数料変更が売掛金にどのような影響を与えるか、既存の資産クラスや地域ファンドを分割したり、顧客層を分けたりするビジネスの可能性についても検討できます。
4. 新商品や新規地域展開の意思決定に役立てる。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規制・人事への影響をAIと対話しながら分析し、より良い戦略的意思決定を支援します。
5. ポートフォリオのリバランスが将来の収益や顧客の投資優先度、リスク許容度に与える影響のシナリオ分析。AIは、こうした変化の潜在的な影響を示し、支払義務やその他の要因を考慮した最適なタイミングの提案も行います。こうしたデータ連携により、財務とフロントオフィスのポートフォリオ管理の間の情報の断絶を解消し、より的確な戦略立案や予算策定を支援します。
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アトリビューションデータと、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期待・将来収益の関係性をより深く理解しようとしています。
6. 生産性向上。最近話した資産運用の幹部の中には、AIやAIエージェントを広く活用することで、管理資産額を倍増させつつ人員増加を抑えることを目指す企業もあります。彼らはAIエージェントを作り、従業員の横に配置し、デジタルな拡張として機能させています。最終的に、これらのエージェントによる生産性向上は、小規模・中規模の企業が大手と競争できる力を持つことにつながります。
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微細な異常を検出して、顧客の身元確認の精度を高めることができます。
これらのユースケースは資産運用組織にとって非常に効果的ですが、その価値を最大化するには、入力されるデータの質とアクセス性が重要です。まず、データは人間と機械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やコンテキストが失われてしまいます。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効果的です。これらのアプリケーション内のデータは、生成型AIやエージェントAI、インテリジェントアナリティクス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投資の効果を最大化し、逆風を乗り越え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部門の責任者です。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。