AI（人工知能）は、財務領域において最も重視されるテクニカルスキルの定義を変えつつある。ファイナンシャル・モデリングの重要性は今も変わらないが、財務予測・分析（FP&A）チームにとっては、データ設計やプロセス設計の重要性がますます高まっている。筆者は、財務プロフェッショナルからの回答の変化を通じて、このシフトを実感している。
昨年、筆者がインタビューした46人のゲストのうち11人（24%）が、FP&Aのプロフェッショナルにとって最も重要なテクニカルスキルとしてExcelを挙げた。しかし、今年に入ってからは、34人中わずか1人（3%）にとどまっている。一方で、今年のゲストの多くはデータ設計やプロセス設計を挙げており、その多くがこれらのスキルをAIと結び付けて語っている。
クリーンで適切に構造化されたデータがなければ、AIは信頼性の低い回答をより素早く生成してしまうだけだ。また、明確に定義されたプロセスがなければ、業務を効果的に自動化することは困難である。AIの活用効果を最大化したい財務リーダーは、こうしたスキルを持つ人材の採用や、チーム内でのスキル開発に注力すべきだ。
AI時代にデータスキルが重要性を増す理由
2026年5月に発表された、財務部門の上級リーダー1013人を対象としたKPMGの調査では、AI導入を成功させる上での最大の障壁として「データの品質」が挙げられ、全体の36%の企業がこれを指摘した。また同調査によると、38%の企業が既存の財務チームや内部監査チームのリスキリング（スキルの再開発）に注力しており、28%が新たなスキルを持つ人材の採用を目指している。KPMGの調査結果は、財務分野においてより高度なデータスキルが必要とされていることを示しており、マイクロソフトMVPであり財務会計プロフェッショナルのマーク・プロクターもこの考えを後押しする。
筆者のポッドキャスト番組『FP&A Unlocked』の10月のエピソードで、FP&Aプロフェッショナルにとって最も重要なテクニカルスキルは何かと尋ねられた際、プロクターは「言うまでもなくデータでしょう。間違いありません」と語った。
筆者自身もこれを身をもって体験してきた。財務ディレクターに昇進した際、筆者は財務の人材を採用する前にデータ分野の人材を採用した。当時の同社はデータ構造がバラバラで、ビジネスに対して正確かつタイムリーなインサイト（知見）を提供することが最大の課題の一つだった。わずか数カ月後、CFO（最高財務責任者）は採用したデータ担当者の成果を高く評価し、他の事業部門でもより優れたインサイトが得られるよう、その人物を全社共通のリソースにするよう求めてきたほどだった。
プロセス設計が同様に重要である理由
データスキルの向上は、AI時代に財務プロフェッショナルが必要とする要素の一部に過ぎない。プロセスを再設計し、明確な指示書を作成する能力を高めることも求められている。デロイトの報告書『Finance Trends 2027』でもこの点が強調されている。CFOは業務の再設計を支援することで、AIによって生み出された余力をより良い経営判断につなげることができる。
それは、実際の業務がどのように行われているかを理解することから始まる。財務チームは、単なるアウトプットだけでなく、プロセスのデータフローと最終的な目標を把握し、その両方を明確な文章指示としてAIに説明できなければならない。財務変革コンサルタントのデヴィッド・ドースは、AIを用いた月次損益計算書（P&L）レポーティングの自動化について説明する中で、筆者にそう語った。ドースは、業務の遂行方法を正しく理解し、それをAIエージェントにどう説明するかを見極めることがすべての出発点であると考えている。
より優れたソフトウェアが問題を解決してくれると期待してはならない
財務リーダーが取り組むべき事項に入る前に、やってはならないことについて触れておこう。それは、優れたAIネイティブのソフトウェアを導入するだけで問題が解決すると思い込むことだ。筆者の経験上、既存のシステムは「なぜ財務部門が事業をより良く支援できないのか」の言い訳としてあまりにも頻繁に使われている。より優れたソフトウェアが必要な場合もあるが、まずは人材とプロセスが先決だ。チームの人材育成、データの修正、プロセスの再設計に取り組み始める前にシステムを導入しても、余計なコストをかけて現場を混乱させる結果に終わることが多い。
スキルの現状評価から始める
まずは、AI活用の目標や導入計画に照らし合わせ、現在のチームの人材を評価することから始めよう。チームがすでに備えているデータスキルやプロセススキル、そして不足しているスキルをリストアップする。すべての財務担当者が高度なデータ・プロセススキルを持つ必要はないが、チーム全体としては、AIの導入と運用を成功させるために十分なレベルのスキルを備えている必要がある。
データ面においては、組織全体で主要指標の明確かつ共通の定義を設定する手助けができるか、またデータベースやデータシステムがデータを構造化する仕組みの基本を理解できているかを評価する。筆者自身のキャリアを通じても、システムがデータをどう構造化しているかを理解する能力があったからこそ、データのクレンジングを行い、チームの他のメンバーには作成できなかったレポートを提供することができた。
筆者の経験では、多くの会計・財務担当者は、財務モデル用にデータを構造化する方法や、人間が読みやすいレポートを作成する方法は知っているが、AI用にデータを構造化する方法は理解していない。ACCA（英国公認会計士協会）とCA ANZ（オーストラリア・ニュージーランド公認会計士協会）のレポート『Enabling Finance Insight』における世界の財務プロフェッショナル1600人を対象とした調査でも、データ能力向上の必要性が裏付けられている。同レポートには「財務部門がインサイトの戦略的推進者としての期待に応えるには、まず、より幅広いデータを管理・解釈する能力を進化させなければならない」と記載されている。
チームのデータスキルを評価したら、次はプロセススキルについても同様の評価を行う。
チームのプロセス設計能力を評価する
プロセス面では、既存のプロセスをマッピングするだけでなく、それを再設計し、AIが再現可能なプロセスを構築するための基礎となる明確な指示を作成できるかを評価する。AIワークフローを設計する際には、AIの回答の正確性と信頼性を向上させるために、十分な指示と文脈（コンテキスト）を提供する必要がある。さらに、AIが自身の作業を検証するためのチェックポイントを設置し、いつ・どのように人間がアウトプットをレビューするかを定義する能力も求められる。
スキルギャップを埋める計画の策定
評価が完了したら、チームの不足部分に対処するための計画を設計する必要がある。計画には以下の3点を含めるべきだ。
- 既存チームをどのようにリスキリングするか。
- 新たな人材を採用する必要があるか。
- この取り組みの成功をどのように測定するか。
計画を策定する際には、必要なスキルを持つ人材を採用することを恐れてはならない。データ専門人材の採用は、筆者が下した決断の中でも最高のものの一つだった。その新しいスキルが組織全体に価値をもたらしたからだ。目標は、既存の基盤の上に新たな強みを構築し、自身とチームを将来の成功に導くことであることを忘れないでほしい。
完璧なデータを待つな
データが乱雑でまず修正が必要であるため、これらのスキルの研修や採用に時間を投資する準備がまだできていないと語るリーダーもいる。しかし、完璧なデータを持っている組織など存在せず、クリーンなデータが整うのを待つのは誤ったアプローチだ。データのクレンジングは継続的なプロセスであり、適切なスキルがあればより迅速に進めることができる。
実用的な第一歩は、主要指標に名前を付け、その定義を標準化することだ。次に一つのデータセットを選び、それを使って一つのレポートやプロセスを自動化し、そこから拡大していく。筆者も多くの課題を抱えていた企業で、この最初のステップから始めた。経営陣との協議を経て、全社共通の「ブッキング（受注）」の定義を取り決め、そこから展開していったのだ。
財務チームは今、企業がより正確で迅速な意思決定を行えるよう、これまで以上に大きな役割を果たすことが求められており、AIはその実現手段の一部となっている。しかし、それは確実なデータと適切に設計されたプロセスがあって初めて機能する。財務リーダーとして、すべてのデータ問題を解決することはできないかもしれないが、チームが備えるスキルをコントロールすることは可能だ。今すぐ自問してみよう。「どうすればチームのデータ設計能力とプロセス設計能力を強化できるだろうか」と。
開示：著者はポッドキャスト番組『FP&A Unlocked』のホストを務めており、本記事で引用されているゲストは過去に同番組に出演している。
