
AI支援型の投資プロセスを動かして、作り直した三つの部分
私は、AIを使って企業を調べ、投資判断につなげるプロセスを作っています。この記事では、その調査を継続して回すために、記録の残し方や次の調査へのつなぎ方を見直した過程を紹介します。
AIに企業を調べてもらうと、事業の説明や業績の要約が返ってきます。では、その結果を保存しておけば、次の調査や投資判断へそのまま使えるのでしょうか。
私が作っているAI支援型の投資プロセスを動かすと、そこでいくつも立ち止まりました。説明は残っていても根拠の原文を確認できない。数字は並んでいても、比べている範囲が違う。判断を保留しても、次に何を調べれば進めるかが曖昧になる。
そこで、調査結果の残し方、次に調べる問いの作り方、保留後の再開方法を見直しました。今回進めたのは、調べたことを確かめ直し、残った問いから調査を続けるための仕組みです。 投資成績が良くなったかは、これから確かめる課題として残っています。
以前の投資プロセスを設計した記事では、投資の目的から調査、資金配分、売却までの工程を考えました。今回は、その設計を実際に動かしたとき、調査の工程で何を作り直したかを整理します。
要約を残すだけでは、根拠へ戻れなかった
最初に見直したのは、AIが調べた結果を何として保存するかです。
AI・データセンターに関係する企業のつながりを調べた記録を、6社について確かめ直しました。すると、元の資料そのものが保存されていたのは1社だけでした。日本語の要約に似た言葉が出てくることと、実際にその企業同士の取引関係が確認できることも、分けられていませんでした。
「この企業は送電設備を供給している」という説明だけでは、誰に、何を、どの契約で供給しているのかが分かりません。次の調査で使うには、企業の発表へ戻り、説明の範囲を確かめる必要がありました。
そこで、原資料と該当する原文、そこから読み取った事実を対応させて残すようにしました。AIによる解釈は、その事実から分けて記録します。解釈を変えたときも、どの資料に戻ればよいかが分かるようにするためです。
原文へ戻れても、数字の比較には別の問題がありました。
たとえば、国内の受注を見たいのに、国内と海外を合計した数字しか取れていない場合です。前年比を計算できても、それを国内受注の増減として使うことはできません。会社全体と一部門、年度全体と四半期、実績と予想の違いも同様です。
今回、36件の観測を扱う中で、その企業・指標について、原資料にある期間間の数値を比較できたものは22件ありました。ただし、それぞれの観測内で計算できることと、複数企業を同じ条件で順位づけできることは別です。この時点では、定義をそろえて企業を比較できるグループは作れていません。
保存する項目に、数字だけでなく、対象期間、事業の範囲、単位、実績か予想かを加えました。比較条件が足りないものは保留にします。根拠が見つかったことと、その根拠を今回の判断に使えることを、ここで分ける必要がありました。
数字を並べた後に、次の問いを作る
原文と計算を確認できるようになると、次は「何を詳しく調べるか」が問題になります。
受注の伸びが大きい企業から順番に調べる方法は、分かりやすいでしょう。しかし、数字の定義が違えば順序に意味を持たせにくく、伸びた理由もまだ分かりません。大きな変化があることだけでは、調査すべき問いが決まらなかったのです。
そこでAIには、観測した数字に加えて、その変化を説明する仮説、別の説明、その仮説が崩れる条件、先に調べる理由を書いてもらうようにしました。プログラムは、その分析を対応する原資料と計算へ結びつけます。
日立の受注増を調べたときも、最初は「大型案件が一度に入ったのか、広い需要拡大なのか」という問いを置きました。ところが、二つは同時に起き得ます。Energy部門の売上と、会社が使う利益指標の調整後EBITAにも増加が見られました。そこで、受注が伸びた理由に加え、その仕事をどの採算で消化し、現金へ変えられるかを優先して調べることにしました。すでに売上・利益へ現れた増加がどれほど続くかによって、将来の見通しが変わるからです。
ここで優先したいのは、目立つ数字の順番よりも、答えが分かると、いまの解釈や次の判断が変わる問いです。
ただし、AIがもっともらしい問いを書いたことだけでは、その問いが有用だとは言えません。原資料で確かめられるか、すでに答えが出ていないか、別の候補と同じ問いを繰り返していないかも確認します。今回も、複数の調査案に共通する問いがあり、案の数をそのまま独立した投資機会の数にはできませんでした。
保留した理由を、再開できる形で残す
以前の判断の関門を決めた記事では、先へ進む条件を事前に決めました。実際に回すと、その条件を満たさなかった後の扱いも必要になりました。
「情報が足りない」とだけ残すと、次に同じ資料を最初から読んでしまいます。一方で、資料が取れなかっただけなのに「需要がない」と扱えば、確認していない結論を置くことになります。
そこで、何を確認したか、何が未確認か、どの条件が変われば再調査するかを残しました。必要な資料を十分に確認したうえで該当する事実が見つからなかった場合と、確認範囲が足りず結論を出せない場合も区別します。
日立では、Energy部門の受注・売上と調整後EBITAの増加まで確認できました。それでも、その先の利益や現金収支の持続性、市場期待との差は判断できていません。次は受注額を再確認するだけでなく、この不足を埋めるところから始めるようにしています。
この仕組みでは、同じ入力と条件で再開する試験も行いました。保存済みの根拠36件を使い、資料の再取得、抽出、計算、候補の再分析を新たに行わずに、次の作業を組み立てられることを確認しました。
ここで確認できたのは、同じ条件での再利用です。新しい決算が出たときや、資料の形式が変わったときにも、必要な部分だけ更新して続けられるかは、今後の運用で確かめます。AI利用全体の費用や時間がどれほど減るかも、まだ測れていません。
調査が回ることと、投資判断が良くなることを分けて確かめる
いま動かした範囲は、企業の変化を観測し、調査の問いを選び、初回リサーチの結果と不足を残すところまでです。資金配分や売買、その後の結果による評価には進んでいません。
残る課題の一つは、企業の変化を将来の利益へつなぎ、その見通しを市場期待と比較することです。資料をそろえる仕組みが動いても、どんな利益がどれほど続き、その未来が現在価格にどう反映されているかまで答えられるとは限りません。
もう一つは、仕組みを継続して使ったときの評価です。更新された資料を正しく取り込めるか。保留条件が厳しすぎて、調べる価値のある変化まで止めていないか。AIが提案した問いは、人間が調査先を選ぶときに役立ったか。こうした結果を残し、手間に見合う価値があるかを確かめる必要があります。
そのため、次の運用では、どの不足を埋めようとしたか、得られた情報によって判断がどう変わったかを追います。調査を進めた件数や、AIが出した文章の量だけでは評価しません。
設計時には工程と関門を決めました。実際に動かした今回は、その工程をつなぐために、何を保存し、どこから再開するかを作り直しました。
いま欲しいのは、次にAIへ調査を頼むとき、確認済みの根拠を渡し、まだ答えが出ていない問いに取り組める状態です。その積み重ねが投資判断を良くするかどうかを、これからの運用で確かめていきます。
このnoteで扱う投資判断とAI支援の全体像は、このnoteについてにまとめています。