ニック・レオパード氏、Accordion創業者兼CEO。
ベンチャーキャピタルは素早く動き、既存の枠組みを壊す。プライベートエクイティ（PE）は慎重に動き、それらを修復する。この違いが、PEが現在AI（人工知能）に対してどのような立ち位置にあるかを如実に物語っている。不在というわけではないが、慎重さが許されないほど速く動く瞬間において、方法論的なアプローチをとっているのだ。
筆者の会社の調査によると、VC（ベンチャーキャピタル）が支援する企業はAIを導入している割合が77%に達している。PE支援企業は59%だ。このギャップは、テクノロジーそのものよりも組織の準備態勢に関するものである。
そしてその59%の内訳を見ると、状況はさらに悪化する。スポンサーの98%がAIを優先事項としているが、CFO（最高財務責任者）のうち実際に結果として表れる形で行動を起こしているのは3人に1人未満だ。このギャップはアクセスの問題ではなく、導入後に何が起こるかという点にある。PEはそこで行き詰まり続けているのだ。
筆者は十分な数のポートフォリオ企業でこのパターンを目にしてきたため、即座に認識できる。差異分析のコメントは数秒で生成されるが、その後エクセルで再構築される。予測は毎日更新されるが、レビューは週に1回だけ行われる。価格設定の推奨事項はリアルタイムで届くが、3四半期前に設定された承認基準値を待つことになる。
これが導入ギャップである。このギャップが続く四半期ごとに、価値創造の機会が無駄になっている。
制限要因となっているのは技術そのものではなく、ツールを取り巻く組織である。断片化されたデータ、文書化されていないプロセス、誰も古いものを取り除かなかったために新しいツールの導入後も静かに生き残る並行ワークフローなどだ。
AIのコストは前払いだが、その価値は下流で生まれる。最近のベイン・アンド・カンパニーの調査では、CFOのうち金融分野におけるAIの成果を強く肯定的に評価しているのはわずか31%であり、投資が加速しているにもかかわらずこの数字にとどまっている。アクセンチュアの分析では、PEポートフォリオ企業における上振れ余地が鮮明に示されている。AI変革に投資した1ドルごとに、エグジット時に年率換算でEBITDA（利払い・税引き・減価償却前利益）を2倍から4倍押し上げることができる。しかし、このリターンには条件がある。組織的ギャップを最初に埋めた企業に限られるのだ。
ほとんどのポートフォリオ企業はまだそこに到達していない。グーグルクラウドの2025年製造業におけるAIのROI報告書によると、AIによる利益は、導入の最初から部門横断的な協力体制を構築した企業に集中している。
今日のAIシステムは、複数ステップのタスクを計画し、企業向けソフトウェアをナビゲートし、複数のソースから情報を統合し、人間が尋ねる前に意思決定を表面化することができる。能力が問題なのではない。吸収力が問題なのだ。
導入ギャップを埋める：金融機能の形がどう変わるか
金融機能の形は、その機能がスケジュール通りに答えを出すことをやめ、ビジネスとともに動き始めるときに変化する。需要が変化すると、見通しは即座に更新され、まだ行動する時間があるうちに価格設定や生産能力に関する意思決定を迫られる。現金ポジションは期末に報告されるのをやめ、状況が変化するにつれて意思決定を推進し始める。
これは根本的に異なる働き方であり、チームの仕事は答えを組み立てることから、それをどう活用するかを決定することへとシフトする。我々が話しているのは、金融機能を中心にAI対応のオペレーティングシステムを構築することだ。最初から導入と測定可能なROI（投資収益率）を念頭に設計され、価値が創造または失われるワークフローに直接組み込まれたシステムである。
成功するチームが異なる形で実践する5つのこと
ギャップを埋めるチームには、いくつかの共通点がある。彼らは以下を実践している。
1. まず少数の指標を確定する
AIは迅速に返ってくる出力を生成するが、事実確認なしには使用できない。チームは数値を追跡し、分析の一部を再構築し、その後初めて前進する。解決策は、1つの指標を取り上げ、他のものに触れる前にエンドツーエンドで整合性を取ることだ。出力がそのまま信頼できるようになれば、行動が変わる。
2. 意思決定を前倒しする
ほとんどのAIの取り組みは、実際の業務の流れを変えることなく個々のステップを改善する。レポートの生成は速くなるが、それを取り巻くプロセスは変わらない。変化が訪れるのは、チームが実際に意思決定が行われる場所を特定し、その地点を中心に業務を再構築するときだ。引き継ぎを加速するのではなく削除し、予測を更新するのではなく継続的に使用する。
3. スケールする前に、ユースケースを財務レバーに結びつける
現金に関する意思決定を変えない予測精度は、ユースケースではなく機能である。PE環境では、EBITDAとのつながりを最初から明示的にしなければならない。それが明確に描けない場合、そのユースケースは前進しない。
4. 並行して実行するのではなく、古いプロセスを排除する
AIが意思決定レイヤーではなく参照ポイントになると、導入は停滞する。フォールバックは排除しなければならない。ある時点で、チームは出力を確認するのをやめ、完璧でなくてもそれを使い始める。それが起こるまで、古いプロセスが依然として真のプロセスなのだ。
5. 使用時点で出力を弁護可能にする
PE支援企業では、数値は取締役会で弁護される。チームは数値がどのように生成されたかを知る必要がある。AIは入力を処理し、出力を高速で更新できるが、推奨事項を実行可能にする文脈を置き換えることはできない。基準は、誰かが結果を再構築することなくその背後に立てるかどうかである。
定着させるモデル
我々が真の牽引力を目にするエンゲージメントには、共通の糸がある。事業部門内に組み込まれた技術者が、金融機能、サプライチェーン、オペレーションチームに座り、実際のワークフローに対して構築し、実際に業務を行う人々と反復する。これが、AI対応のオペレーティングシステムが定着する形で構築される方法だ。なぜなら、それらを設計する人々は、実際に業務が行われる部屋を決して離れなかったからだ。
我々自身のエンゲージメントからの結果がそれを裏付けている。あるPE支援のテクノロジー企業では、エージェントシステムを通じてクロージング報告ワークフローの80%を自動化し、金融リーダーがヒューマン・イン・ザ・ループインターフェースを通じて出力をレビューおよび承認することで、チームは報告書の組み立てから結果の解釈へとシフトした。マッキンゼーの調査では、AIを強固に組み込んだ金融チームは、データ処理に費やす時間を20%から30%削減し、その能力を戦略に振り向けていることがわかっている。これは、AIがワークフローの上に構築されるのではなく、ワークフローに組み込まれたときに起こることだ。
結論
PEは常に、慎重に動き、壊れているものを修復することで勝利してきた。同じ規律をAIに適用する企業は、すべての取引にわたって複利的に増大する可能性を持つ能力を構築するだろう。月末にスプレッドシートでAI出力を検証し、それを変革と呼んでいる企業は、ギャップが実際にどれだけのコストをもたらすかを知ることになるだろう。
ここで提供される情報は、投資、税務、または財務に関するアドバイスではない。あなたの特定の状況に関するアドバイスについては、資格を持つ専門家に相談すべきである。
