
【EQUES質問箱】AIに数式を渡せば、企業価値の答えは正しくなるのか?──届いた3つの質問に答えます
こんにちは、株式会社EQUES広報部です🐎
EQUESの公式noteには「質問箱」があり、AIの実務や事業について、読者のみなさんから質問が届きます(ご質問いただきありがとうございます!)。今回はその中から3つを選んで、記事でお答えする企画です。
「AI導入の進め方」「企業価値の評価とAI」「個人で研究されている投資モデルへの見方」と、話題はさまざまですが、どれもAIを仕事に使う人が一度は突き当たる問いだと思います。届いた順にお答えします。
質問1「AI導入を推進しやすくするために心がけていることはありますか?」
EQUESは「AI×DX寺子屋」(チャットで相談し放題の伴走サービス)と「ココロミ」(生成AIのPoC=本番開発の前に小さく行う技術検証のパッケージ)を入り口とした様々なサービスを通して、企業のAI導入を伴走支援しています。そこで重点を置いていることを3つに絞ってお伝えします。
1. 何を使うかより前に、何をするかを明確に決めること
一つ目は、モデルより先に業務を決めることです。漠然と「AIで何ができるか」から入ると、デモは盛り上がっても現場の誰も使わないものができてしまいます。最初の商談で現状を分析し、現場が抱えている課題や、規模感、費用感を言語化しきってから、それに合う生成AIの使い方を提案します。
例えば、ロート製薬様の品質統括部では、GMP対応で膨らむ業務の中から「製品スペック(仕様書)の作成」を最初の一歩に絞り、AI活用を始めました。
2. 小さく始めること
二つ目は、小さく始めて測ることです。
いきなり本開発を行なってしまうと、効果がわからない割に莫大な費用がかかってしまいます。「全てを自動化できる」と、AIのことを夢の機能のようにに思う方もいらっしゃいますが、現実的には一度に全てを変えることは厳しいです。そこで大切な考え方がPoC(概念実証)で、最低限の機能から小さく試して始め、効果があると策定できた部分から本開発に移る、という考え方です。
PoCの対象範囲を先に区切って検証し、終わったら結果を評価して、次のアクションプランを作ります。
SOLIZE PARTNERS様とのココロミでは、2つのテーマで検証し、「単純な形状ならAIで3D CADデータを生成できる」「複雑な形状は要素データの整備が先に要る」と策定しました。
3. 人が責任を持つ場所を策定すること
三つ目は、人が確認する線を先に引くことです。「AIの出力をそのまま使ってよい作業」と「必ず人が見る作業」を導入前に分けておかないと、事故が起きたときに誰も責任を持てず、導入そのものが止まります。
AI×DX寺子屋の相談口では、答えだけでなく「なぜその結果になるのか」という技術的な背景まで説明することに重点を置いています。AIの特性と限界が分かって初めて、どこまで任せるかを現場が自分で決められるからです。SOLIZE PARTNERS様からも「AIの判断に説明があるかどうかで、現場の意思決定に使えるかが大きく変わる」という言葉をいただきました。
この3つは、どれも「AIを入れる前に決めること」です。寺子屋が資料づくりや活用方針の策定の相談に重点を置いているのも、ここを一緒に決めてから始めたほうが、結局は早く進むからです。
質問2「企業価値を評価するとき、AIに数式(独自モデル)を与えたほうが、確度の高い答えを導けますか?」
結論から言うと、数式を与えると答えは「再現できる」ようになりますが、「正しくなる」かどうかは別の話です。
数式を与えない場合、生成AI(大規模言語モデル)は、学習した文章の中にある「企業価値の説明の仕方」を再構成して答えます。もっともらしい文章は出ますが、同じ質問でも答えがぶれ、どこで差が出たのかを検証できません。数式を与えれば、ぶれは減り、「前提のどこを変えたから答えが変わったか」を追えるようになります。この意味で、数式を与えるほうが実務には向いています。
ただし、確度を決めるのは数式ではなく、数式に入れる前提です。将来の利益率や、市場がどれだけの倍率を付けるかといった前提は、式では決まりません。AIにいちばん向いている仕事は、式を解くことではなく、前提の根拠を集めること、反対の材料を探すこと、前提を少し変えたときに答えがどのくらい動くかを示すことです。
実務でおすすめする分け方はこうです。計算はプログラムに固定して、AIに暗算させない。AIには「この前提の根拠は何か」「この前提が崩れる条件は何か」を出させる。数式を渡すなら、答えを出す道具としてではなく、議論の土台として渡すのがよいと考えています。
質問3「独自に研究しているICEモデルについて、AI・数理モデルの観点で意見がほしい」
元地方銀行員の方から、ご自身で考案されたICEモデル(ROE=実力、PBR=信頼、PER=期待の3つの指標を土台に、企業・市場・世界・AIの評価を重ねていく枠組み)について、AI・データサイエンスの観点からどう評価されるかを知りたい、という質問をいただきました。中小企業の評価や事業承継・M&Aへの応用も考えていらっしゃるとのことです。
10月10日の改訂版と、M&Aへの応用を扱った連載の一部を含め、公開されている記事を読ませていただきました。個別の銘柄や投資判断には触れず、モデルの組み立てについて率直に3点お伝えします。
1. 3つの指標のうち、独立しているのは2つだけ
同じ時点・同じ期の数字で計算すれば、PBR=ROE×PERは必ず成り立つ式(恒等式=定義から常に成り立つ等式)です。そのため「信頼」は「実力」と「期待」の掛け算で決まり、別の情報を持ちません。
基準PER(自分で妥当とみなすPERの水準)を置いて理論株価を出す場合も、BPS(1株あたりの純資産)×ROE×基準PERを整理するとEPS(1株あたりの利益)×基準PERになり、ROEとBPSは式から消えます。株価の「歪み」(実績PBR÷理論PBR)も、整理すると実績PER÷基準PERです。
つまり現在の評価は、「今のPERが、自分で置いた基準PERより高いか低いか」という1つの比較にまとまります。質問2でお答えしたとおり、確度を決めるのは式ではなく、基準PERという前提です。
独自性を示すには、基準PERの決め方を規則として書き出し、ふつうのPERの比較に何が加わるのかを示すことが出発点になると考えます。
中小企業への応用では、この点がさらに重くなります。非上場の会社には株価がないため、PBRとPERそのものが観測できず、判断の余地は基準PERの置き方だけになります。上場企業の基準PERをそのまま当てると、規模や売買のしにくさの分だけ高く見積もりやすくなります。
2. 総合スコアに、性質の違う点数が混ざっている
改訂版の総合スコアには、企業と環境の評価(ICE3.0〜7.0)に加えて、モデル側の予測の改善と情報の反映(ICE9.0・10.0)と、今の株価から見た投資妙味(=買ったときに見込める得の大きさ。ICE11.0)が入っています。
モデル側の点数は、企業の性質ではありません。投資妙味は、企業の実力と区別すべきものです。また、将来の利益や倍率の見通しは企業・市場・AIの方向性から決まるので、同じ材料を二度数えるおそれがあります。
点数を分けて出し、どの点数が後の結果と関係するかを別々に確かめるほうが、検証しやすくなります。
3. 検証は「ぶれ」と「比べる相手」から
改訂版にある、重みの調整に使うデータと確かめに使うデータを分ける手順は妥当だと考えます。そのうえで、2つ加えることをおすすめさせていただきます。
一つは、採点のぶれを測ることです。AIに採点させている項目があれば、同じ企業を何度か採点させます。ぶれが企業同士の差より大きければ、その項目は比較に使えません。
もう一つは、比べる相手を決めることです。「ふつうのPERによる割安・割高」を相手に置き、方法を先に固定したうえで、多くの銘柄と期間でICEのほうが当たるかを確かめます。1銘柄の値上がりは、相場全体が上がる時期には多くの銘柄で起きるため、モデルが正しい根拠にはなりません。
M&Aへの応用を確かめるなら、上場企業の買収(TOB=株式の公開買付け)が手がかりになります。買付価格の算定根拠が開示されるので、ICEの理論価値を実際の買収価格と突き合わせることから始めると、個人でも手に入るデータで確かめられます。
ご自身で課題を書き出し、改訂を重ねながら研究を続けていらっしゃる姿勢に敬意を表します。ご質問ありがとうございました。
おわりに
質問箱は引き続き開いています。次回も、届いた質問の中から選んでお答えします。業務でのAI活用や、記事で取り上げてほしいテーマがあれば、気軽に送ってください!