AIによるファンド・デューデリジェンス：DDQ、データルーム、コールからエビデンスグラフを構築する

1. デューデリジェンスをエビデンスの連鎖として捉える

ファンドのデューデリジェンスは、エビデンスに基づいて行われる意思決定プロセスである。投資家は、マネージャーに、合意されたリスク上限の範囲内で提案戦略を実行するための人材、プロセス、統制、インセンティブ、リソース、トラックレコードがあるかを問う。その答えが一つの文書に収まっていることはほとんどない。答えは、マネージャーの表明を裏付け記録、独立した確認、レビュー担当者の判断、例外および条件へとつなぐ連鎖から浮かび上がる。

ILPA DDQ 2.0は、プライベートマーケットで広く使われている質問構成と、要請資料の付録を提供する。その価値は標準化にとどまらない。何を尋ねるべきか、どのような裏付け資料が期待できるか、投資家がマネージャーをどのように比較できるかを定義する助けになる。しかし、記入済みのDDQは依然としてマネージャーによる表明である。強固なデューデリジェンスプロセスでは、重要な表明を、組成関連書類、監査済み財務諸表、ポートフォリオデータ、方針、サービスプロバイダー記録、規制開示、経歴調査、通話記録と照合して検証する。

フォルダーは、ある方針が存在することを示せる。しかし、その方針がどの質問に答えるのか、提案されているビークルに適用されるのか、関連期間中に有効だったのか、実務が方針と一致しているのか、別の文書がそれと矛盾しているのかは示さない。スプレッドシートは依頼事項を追跡できるが、エビデンスの集合が大きくなるにつれて、段落単位の出所情報、バージョン、エンティティ関係、レビュー担当者の判断根拠を保持するのは難しくなる。

エビデンスグラフは関係性の問題を解決する。重要な各オブジェクトには安定した識別子が付与され、各接続には種類がある。ある主張は方針によって裏付けられ、通話記録によって反証され、サイドレターによって条件付けられることがある。キーパーソンは、マネージャー、ジェネラルパートナー、投資委員会、ポートフォリオ企業にまたがって役割を担うことがある。バリュエーション統制は、DDQに記載され、方針に規定され、委員会議事録によって証拠付けられることがある。グラフはこれらの区別を保持する。

グラフは出所情報を保持し、マネージャーの表明、ソース記録、レビュー担当者の調査結果、承認済みの決定を分離する。

表1. エビデンスグラフの主要オブジェクト

安定した識別子と日付付きのバージョンにより、承認後にデューデリジェンス記録を再現できる。

2. 技術を選定する前にデューデリジェンスのオントロジーを定義する

オントロジーは、デューデリジェンスチームが知る必要がある内容と、概念間の関係を定義する。オントロジーより前に選定された技術は、一貫性のないプロセスを自動化してしまうことが多い。出発点は、組織、所有権、ガバナンス、戦略、チーム、トラックレコード、ポートフォリオ構築、リスク、バリュエーション、オペレーション、コンプライアンス、サイバーセキュリティ、サービスプロバイダー、サステナビリティ、法的条件、手数料、利益相反、報告を対象とする質問の分類体系である。

分類体系は、事業体を役割から、役割を個人から区別すべきである。運用会社、ジェネラルパートナー、投資顧問、ファンドビークル、キャリード・インタレスト・ビークル、ポートフォリオ企業では、所有者や取締役が重複する場合がある。個人は、ファンド書類上のキーパーソンであり、投票委員会の委員であり、別の事業体の役員でもあり得る。これらの関係は、ガバナンス、利益相反、集中度、承継にとって重要である。

主張には独自の構造が必要である。運用管理者が重大なサイバーインシデントを一度も経験したことがないという記述には、発言者、対象事業体の範囲、期間、重要性の定義、日付がある。これらの属性がなければ、後日の証拠を公平に比較できない。グロスのトラックレコードに関する記述では、戦略、アトリビューション、通貨、バリュエーション基準日、レバレッジの取扱い、手数料、実現済みかどうかの状況を特定すべきである。オントロジーは、数値と併せて定義を保存すべきである。

統制にも構造が必要である。ポリシーは設計上の表明である。運用の証拠には、承認、ログ、サンプル、議事録、テスト、インシデント、是正措置が含まれ得る。したがって、グラフは統制目的を、ポリシー、統制責任者、運用証拠、テスト結果、例外に結び付けるべきである。これにより、ポリシー文書が、統制が有効に運用された証拠として扱われるのを防ぐ。

オントロジーは実用的であり続けるべきである。各フィールドには、意思決定上の用途、報告目的、または統制要件が必要である。過剰なフィールドは見せかけの完全性を生み、レビュー担当者を遅らせる。統制された辞書、変更プロセス、DDQへのマッピングにより、モデルは以前の記録を壊すことなく進化できる。

3. ソースの完全性を保護する取り込み境界を構築する

デューデリジェンス資料群には、機密性の高い個人データ、ポートフォリオ企業情報、法的助言、投資家データ、商業上機微なモデルが含まれ得る。したがって、取り込みは権限、分類、アクセスの確認から始める。チームは、どのデータを処理してよいか、どこに保存してよいか、どのモデルまたはサービスに提供してよいか、保存期間、削除方法を文書化すべきである。

受領した各ファイルは、暗号学的ハッシュ、受領時刻、取得元、アクセス区分とともに原本の形式で保存すべきである。作業用コピーは検索または抽出用に変換してよい。原本は証拠上の基準であり続ける。光学文字認識、表計算の解析、文字起こし、文書変換では誤りが生じ得るため、派生テキストには、それが由来するページ、セル、スライド、タイムスタンプへの参照を保持すべきである。

バージョン管理が中心となる。データルームのファイルは、履歴が見えないまま置き換えられることがある。ポリシーは複数バージョンでアップロードされることがある。更新されたDDQは、異議申し立て後に回答を変更する可能性がある。システムは以前の証拠を上書きすべきではなく、後継による置換を記録し、変更点を特定し、以前の調査結果の見直しが必要か判断すべきである。

通話には十分な情報に基づくガバナンスが必要である。チームは、録音または文字起こしが適法かつ合意済みかを確認し、文字起こし本文とレビュアーのメモを区別し、タイムスタンプを保持すべきである。重要な発言については発言者の特定を検証すべきである。録音が適切でない場合、簡潔な通話メモを正式な記録とすることができる。

第三者のAIサービスは追加的な依存関係を生む。IOSCOおよびFCAの資料は、説明責任、スキル、監督、第三者リスクを重視している。デューデリジェンス責任者は、プロバイダー、許可されるデータ区分、セキュリティ管理、契約条件、ログ記録、モデル変更、インシデント対応、終了時の取決めを承認すべきである。機密性の高い証拠は、個人アカウントで消費者向けサービスに提出すべきではない。

表2. 管理された取り込みと来歴の項目

派生コンテンツは、不変の情報源およびそのアクセス条件にリンクされたままです。

4. DDQの質問を証拠要件に対応付ける

DDQカバレッジ・マトリックスは、回答を受領したかどうかだけを答えるべきではありません。各質問について、期待される証拠、マネージャー回答、情報源カバレッジ、レビュアーの結論、例外、フォローアップを特定する必要があります。完全な回答でも裏付けがない場合があります。文書は関連していても質問に答えていない場合があります。また、回答は内部的に整合していても、独立した記録と矛盾する場合があります。

マトリックスは重要性の評価から始まります。法的存在、規制上の地位、所有権、キーパーソン依存、トラックレコードの完全性、バリュエーション、カストディ、現金管理、利益相反、制裁、サイバーレジリエンス、ファンド条件に影響する質問は、通常、直接レビューを必要とします。リスクの低い管理的事項には、サンプル検証を使用できます。重要性は承認され、新たな事実によってリスクが変化した場合に調整可能であるべきです。

カバレッジは個別の状態を用いるべきです。受領済みとは、要求された項目が到着したことを意味します。応答適合とは、その項目が質問に対応していることを意味します。裏付け済みとは、情報源がその記述の証拠を提供していることを意味します。最新とは、証拠が対象期間をカバーしていることを意味します。整合済みとは、他の重要な証拠と一致していることを意味します。レビュー済みとは、責任ある専門家が情報源を精査し、結論を記録したことを意味します。これらの状態を単一のパーセンテージに集約してはなりません。

マトリックスは証拠の依存関係も特定できます。複数の回答が同一のポリシーまたはサービス提供者レポートに依拠している場合があります。その情報源が古い、または範囲外である場合、複数の質問が影響を受けます。グラフはこの依存関係を可視化し、新たな証拠が到着した際にチームが関連するすべての指摘事項を更新できるようにします。

緑色の受領インジケーターは、裏付け、最新性、整合性、または人によるレビューの完了を証明するものではありません。

表3. カバレッジ状態と必要なレビュアー対応

各状態は独立してテスト可能であり、重要性とワークストリーム別に報告できる。

5. 範囲が限定された証拠タスクには AI を使用する

AIは、作業が反復的で、エビデンスが大量にあり、出力を検証できる場合に有用である。分類は文書をワークストリームに振り分けることができる。抽出は、名称、日付、手数料、コミットメント、サービスプロバイダー、統制、および定義用語を特定できる。セマンティック検索は、質問に関連する箇所を浮かび上がらせることができる。比較は、変更されたDDQ回答やポリシー条項を浮き彫りにできる。エンティティ解決は、人物と投資ビークル間の関連候補を提示できる。例外トリアージは、不足している、または矛盾するエビデンスをレビュー用に優先順位付けできる。

システムは検索と結論を分離すべきである。モデルはバリュエーション上の矛盾を論じた箇所を特定できる。承認されたテストと人間の判断なしに、矛盾が十分に統制されていると判断すべきではない。モデルは、トラックレコードの行が合計と整合するかを計算できる。案件上の役割、前身の権利、または戦略定義が争われている場合、アトリビューションの質を判断すべきではない。

プロンプトとスキーマはバージョン管理すべきである。各抽出結果には、モデル、設定、プロンプトのバージョン、時刻、ソース識別子、および信頼度または検証結果を明記すべきである。重要な出力には、ページ、段落、セル、またはタイムスタンプ単位の引用が必要である。裏付けのないモデル生成の文章は、エビデンスグラフから除外すべきである。

決定論的チェックは可能な限り用いるべきである。日付、合計、重複識別子、欠落列、数式エラー、クロスフッティングは、生成テキストよりもコードで検証する方が適していることが多い。AIは、計算結果を保持したうえで異常を説明できる。この役割分担により再現性が向上し、流暢な文章が数値エラーを覆い隠すリスクが低減する。

人によるレビュアーには、ソース箇所、周辺文脈、抽出候補、一致理由、および矛盾するエビデンスがあればそれを提示すべきである。レビュー操作は迅速に記録できるべきである。承認、修正、却下、エスカレーション、またはエビデンス要求。システムは、統制されていないモデルへの不可視の変更を通じてではなく、管理されたルールとテンプレートを通じて運用上学習する。

6. 偽の精度を生じさせずにソースの信頼度を格付けする

ソースの信頼度は、特定の主張に対してソースがどの程度の重みに値するかに関する構造化された判断である。一般的な評判スコアではない。監査済み財務諸表は、その対象範囲内の過去の残高について強いエビデンスを提供できる。現在のチーム能力についてはほとんどエビデンスを提供しない場合がある。最高執行責任者との通話は統制を説明できるが、運用サンプルと独立した保証は、その統制が機能したことをより強く裏付ける。

信頼度ラダーは、権威性、直接性、最新性、完全性、一貫性、および利害相反の影響を受けやすさを評価すべきである。独立した規制記録または法務記録は、ステータスおよび所有権については高い位置づけになりうる。締結済みファンド書類は契約条件に関して権威がある。監査済み会計は監査対象の主張に対して強い。システムのエクスポートとサンプルは、リネージが検証されている場合、運用エビデンスを裏付けうる。ポリシーは設計を記述する。DDQ回答および通話は表明であり、重要性に応じて裏付けを必要とする。

数値スコアはトリアージに役立ちうるが、その根拠は可視のままにしておく必要がある。同じスコアの2つのソースは異なる弱点を持ちうる。モデルは、信頼度クラス、根拠、およびレビュアーを保存すべきである。ソースが失効した場合、例外が生じた場合、または独立したエビデンスが到着した場合に、クラスは変わりうる。

信頼度は主張ごとに異なり、ソースの権威性と、直接性、最新性、完全性、一貫性を組み合わせたものである。

7. 矛盾と変更をエビデンスとして保存する

矛盾は価値あるデューデリジェンスのシグナルである。プレゼンテーション上のチーム人数は規制当局への提出書類と異なる場合がある。DDQはバリュエーションが独立していると記載できる一方、委員会議事録では投資専門家が評価額を承認していることが示される場合がある。ポリシーは年次テストを要求している一方、最新レポートはより古い場合がある。通話は、以前に示された広範な回答に留保を付ける場合がある。

システムは、各記述、ソース、および発効日を保存すべきである。最新のテキストを選択して矛盾を削除するのではなく、例外リンクを作成すべきである。例外レコードは、問題を中立的に記述し、ソースを示し、差異がなぜ重要かを述べ、責任者を特定し、解決基準を記録すべきである。

一部の差異は正当なものです。エンティティの範囲、定義、期間、重要性によって説明できます。したがって、解決では、主張が照合されたのか、一方の情報源が他方を置き換えたのか、差異が重要でなかったのか、是正が受け入れられたのか、それとも問題が未解決のままなのかを特定すべきです。意思決定記録には、投資家がどの結論を用いたのか、またその理由を示すべきです。

AIは、完全一致では見逃す意味上の差異を検出できます。これには、「通常」「承認を条件として」「実行可能な場合」などの修飾語の変化が含まれます。また、2つの記述が異なる範囲を用いている場合に、誤った矛盾を生み出すこともあります。エスカレーションの前に、人によるレビューが不可欠です。原文の箇所と文脈は併せて表示すべきです。

8. 明確に定義された決定権限を備えた例外ワークフローを構築する

例外とは、重大なギャップ、矛盾、統制上の弱点、説明のつかない結果、または証拠の制約です。すべての例外には、種類、重大度、影響を受ける主張、意思決定への潜在的影響、担当者、対応期限、クローズ基準が必要です。文書が欠落していても、別の信頼できる情報源がその事項を扱っていれば、重大度は低くできます。小さな数値差異でも、信頼できないトラックレコードのプロセスを示す場合には、重大度を高くできます。

ワークフローでは、証拠請求、分析的レビュー、リスク受容、是正、委員会条件を区別すべきです。必要な項目が届けば、レビュアーは事務的なギャップをクローズできます。重大な矛盾については、法務、コンプライアンス、業務、税務、バリュエーション、投資の専門家が必要になる場合があります。残余リスクの受容は、権限を有する意思決定機関に属します。

期限は、意思決定への依存関係を反映すべきです。評価を妨げる問題は、推奨の前に解決すべきです。是正可能な弱点は、前提条件、サイドレター義務、またはモニタリング措置になり得ます。委員会は、何が未解決か、誰がそれを受け入れられるか、条件が満たされなかった場合に何が起こるかを確認すべきです。

クローズには証拠と権限が必要です。マネージャーの回答だけでは、重大な例外をクローズできません。

表4. 例外クラスとエスカレーションの例

重要性は、戦略、投資家、法域、および意思決定の文脈によって異なります。

9. リネージを通じてトラックレコードとポートフォリオデータを検証する

トラックレコード分析には、報告されたファンドおよび案件の指標から基礎となる記録への経路が必要です。各観察対象は、投資案件、投資ビークル、保有期間、キャッシュフロー日、通貨、グロスまたはネット基準、バリュエーション日、帰属権、および出所を特定する必要があります。算出されたリターンは、計算方法と入力値を保持する必要があります。

AI は、不整合な投資名称のマッピング、キャッシュフローの分類、表示用テーブルと詳細ファイルの比較、および叙述的な説明の特定を支援できます。決定論的な計算は、合計とリターンを再現できる必要があります。レビュー担当者は、定義の変更、前身ファンドのパフォーマンス、部分的な実現、サブスクリプション・ファシリティ、外国為替、全損処理、継続ビークル、および未実現価値を検証する必要があります。

ポートフォリオデータは、戦略に関する主張にも結び付ける必要があります。マネージャーがロワー・ミドル・マーケットの支配権投資を説明している場合、グラフは参入時の企業価値、所有権、地域、セクター、および取引タイプを検証できます。マネージャーがオペレーショナルなバリュー創出を主張する場合、投資家は施策をポートフォリオの証拠に結び付け、データが許す範囲で市場、レバレッジ、マルチプル、および利益の効果を分離できます。

サンプリングはリスクベースであるべきです。大型の成功案件、全損処理、バリュエーションの外れ値、関連当事者取引、修正された案件、および報告基準日近くの投資には注意を払うべきです。証拠グラフには、各サンプルが選定された理由と、問題がより広い母集団に影響するかどうかを記録する必要があります。

10. オペレーショナル・デューデリジェンスを統制証拠に結び付ける

オペレーショナル・デューデリジェンスでは、マネージャーが資産を保護し、価値を計算し、現金を管理し、記録を維持し、義務を遵守し、混乱を経ても業務を継続できるかどうかを検証します。証拠グラフは、各統制目的を、その責任者、ポリシー、システム、サービスプロバイダー、運用証拠、保証、インシデント、および是正措置に結び付ける必要があります。

現金管理はこの手法を例示しています。マネージャーは、DDQおよびトレジャリー・ポリシーにおいて二重承認について説明している場合があります。レビュー担当者は、銀行口座、署名者、支払開始、承認しきい値、コールバック手続、アクセスレビュー、職務分離、照合、例外、およびインシデント履歴を特定する必要があります。サンプルとログにより運用を検証します。サービスプロバイダーの報告書は、範囲、期間、およびユーザー管理上の考慮事項を条件として、証拠を追加する場合があります。

アウトソーシングによって説明責任が移転するわけではありません。FCAガイダンスは、企業がアウトソーシングおよび第三者契約から生じるリスクの管理に引き続き責任を負うと述べています。IOSCOのAIガイダンスも同様に、指定された責任、適切なスキル、テスト、モニタリング、およびプロバイダーの監督を重視しています。グラフは、マネージャーから管理者、カストディアン、テクノロジープロバイダー、データベンダー、および再委託先に至る依存関係の連鎖を示す必要があります。

事業継続の証拠は、重要なサービス、影響許容度、人材、施設、テクノロジー、情報、および第三者を対象とする必要があります。計画は、テスト、発見事項、および是正措置に結び付ける必要があります。年次演習が成功しても、重要なプロバイダーを除外していたり、深刻なシナリオをテストしていなかったりすれば、その価値は限定的です。レビュー担当者は、何がテストされ、何が対象範囲外のままであるかを記録する必要があります。

サイバー証拠にはアクセス制御が必要です。アーキテクチャ図、ペネトレーションテストの結果、およびインシデント記録は非常に機密性が高い場合があります。投資家は、原資料を広く開示することなく、結論、証拠識別子、範囲、日付、およびレビュー担当者を記録できます。アクセス制御は情報源の機密性に従うべきであり、一方で委員会は意思決定に資する発見事項と制約事項を受け取ります。

11. 所有権、ガバナンス、および利益相反を関係性として評価する

所有とガバナンスは本質的にグラフ構造を有する。マネージャー、持株会社、ジェネラルパートナー、ファンド、キャリード・インタレスト・ビークル、関連会社、ポートフォリオ企業は、所有者、取締役、従業員、サービス提供者を共有する場合がある。関係モデルにより、単純な質問票では見えにくい利益相反や依存関係を明らかにできる。

実質的受益所有権は、管轄区域に応じた権威ある企業記録、設立・定款文書、キャップテーブル、確認書によって裏付けられるべきである。FATFの強化基準は、法人および法的取極めについて、適切、正確かつ最新の実質的受益所有権情報を重視している。デューデリジェンス・チームは、関連エンティティを最終的に所有または支配する自然人を特定し、利用可能な証拠におけるあらゆる限界を文書化すべきである。

ガバナンス分析では、正式な権限と実際の影響力を対応付けるべきである。委員会の規約、投票規則、定足数、留保事項、利益相反手続、議事録が設計と運用を裏付ける。グラフは、表明された投資プロセスとサンプルに記録された決定を比較できる。同一人物が案件創出、バリュエーション、リスク、最終承認の各段階に関与し、集中や独立性の懸念を生じている場合を特定できる。

利益相反は取引および決定に紐づけるべきである。ファンド間の配分、クロストレード、コンティニュエーション・ビークル、関連サービス、融資取決め、共同投資、個人投資、バリュエーション、手数料は、異なるインセンティブを生み得る。利益相反登録簿だけでは実効的な管理を立証できない。レビュー担当者は、利益相反を開示、承認、価格設定、議決回避、投資家同意、運用証拠に結び付けるべきである。

AIは、レビューを条件として、複数の記録にまたがるエンティティ解決を支援できる。類似名称、音訳、持株会社、共通住所は誤一致を生じ得る。提案された各リンクには、一致属性と信頼度を表示すべきである。重要な所有関係に関する結論には、権威ある証拠と人による承認が必要である。

12. 法的条件と商業的調査結果を統合する

法的デューデリジェンスと商業デューデリジェンスは、管理された論点マップを共有すべきである。チーム集中に関する商業上の懸念は、キーパーソン条項によって部分的に対処できるが、保護の内容は法的定義、発動事由、救済手段、後任プロセスによって決まる。バリュエーション上の懸念は、アドバイザリー委員会の権利、報告、監査、解任条項に関連し得る。利益相反上の懸念は、同意、開示、配分に関する条項に関連し得る。

証拠グラフは、各重要条件を、その出典条項、定義用語、影響を受けるエンティティ、条件、レビュー担当者の解釈とともに保存すべきである。当該条件を基礎となるリスクおよびサイドレター要請（あれば）に紐づけるべきである。これにより委員会は、リスクが回避、管理、価格反映、開示、受容、監視されているかを確認できる。

AIは条項を検索し文書を比較できるが、法的意味は文書全体、準拠法、事実関係に依存する。抽出された条件は、前後の条項を保持し、適格な弁護士により検証されるべきである。モデル生成の要約が権威ある法的記録となるべきではない。

交渉による変更にはバージョン管理が必要である。システムは草案を比較し、変更がどのリスクに対応するかを示し、締結済み文書に承認済み条件が含まれることを確認すべきである。書簡で交渉された条件は、クロージング・デリバラブルおよびモニタリング計画に紐づけられないと失われる可能性がある。

13. 投資委員会の監査証跡を構築する

投資委員会には、簡潔な決定パックと再現可能な証拠記録が必要である。決定パックには、提案コミットメント、戦略適合性、期待リターンとリスク、主な強み、重要例外、法的保護、条件、モニタリング計画、推奨事項を記載すべきである。各重要記載は、生のモデル出力に直接ではなく、承認済みの調査所見に紐づけるべきである。

監査証跡は、決定時点の証拠状態を保存すべきである。データルームの内容は変わり得て、マネージャーが後から明確化を提供する可能性があり、市場環境も変動し得る。記録には、どの情報源、バージョン、調査所見が利用可能であったか、どの論点が未解決であったか、委員会がどの前提を受け入れたかを特定すべきである。

決定権限と利益相反は明示されなければならない。記録には、出席者、議決権を有する委員、議決回避、定足数、投票、委任事項、条件を特定すべきである。委員会決定は、承認、否決、延期、追加証拠の要求、コミットメント削減、条件付与であり得る。根拠には、証拠と結果の関連を説明すべきである。

会後アクションは、担当者、期日、証拠、エスカレーションを伴う義務とすべきである。サイドレター、方針改訂、キーパーソン採用、報告デリバラブルを条件とする承認は、条件が満たされるまで完了しない。グラフは、証拠が欠けている場合にクローズを防ぎ、後続の事象が決定の根拠を変えた場合に論点を再開すべきである。

この記録には、証拠の基準日、意思決定の根拠、条件、およびクロージング後の義務が記録されています。

表5. 投資委員会の記録と統制責任者

記録は、適用法令、方針および契約上の義務に従って保持される必要があります。

14. モデル、プロンプト、人的レビューのガバナンス

AIのデューデリジェンスシステムのコンポーネントには、独自のガバナンスが必要です。NISTのAIリスクマネジメントフレームワークは、統治、マップ、測定、管理を中心に活動を整理しています。その生成AIプロファイルは、作話、データプライバシー、情報の完全性、セキュリティ、知的財産、有害なバイアス、人間の過度な依存、第三者依存などのリスクを強調しています。これらのリスクは、そのままデューデリジェンスの管理策に直結します。

ガバナンスは、モデルとユースケースの棚卸しから始めるべきです。各ユースケースには、オーナー、許可データ、意思決定への影響、検証方法、アクセスモデル、プロバイダー、変更プロセス、廃止計画が必要です。文書を振り分ける分類器は、投資結論を起草するシステムとはリスクが異なります。後者には、より厳格な制限とレビューを課すべきです。

テストでは、代表的な文書、処理が難しいレイアウト、表、スキャンファイル、複数言語、曖昧なエンティティ、既知の矛盾を使用すべきです。指標には、抽出精度、引用精度、重要な問題の見逃し、誤った例外、レビュアーによる上書き率を含められます。結果は文書タイプとユースケース別に区分すべきです。高い平均値は、最も重要な記録での失敗を隠し得ます。

人的レビューは実質的でなければなりません。レビュアーに数百件の流暢な要約の承認を求めるインターフェースは、自動化バイアスを生み得ます。レビュアーには、原資料の文脈、エスカレーションの明確な理由、異議を唱える十分な時間が必要です。プロセスでは、形骸的な承認、意見の不一致、エラーパターン、作業負荷を監視すべきです。

モデルとプロンプトの変更は、相応の再検証をトリガーするべきです。プロバイダーはホスト型モデルやセーフティレイヤーを変更する可能性があります。会社は、重要なコンポーネントがいつ変更されたか、以前の性能前提が依然として有効かを把握すべきです。ログには、重要な出力に使用されたモデルと構成を保存すべきです。

15. 証拠システムとそのデータを保護する

証拠グラフには価値の高い情報が集中します。そこには、身元情報、所有関係、投資記録、法的文書、サイバー所見、委員会の決定が含まれ得ます。セキュリティアーキテクチャでは、最小権限、強力な認証、暗号化、ログ記録、環境分離、データ損失防止策、バックアップ、テスト済みの復旧を適用すべきです。

アクセスはワークストリームと必要性に応じるべきです。税務アドバイザーは特定のストラクチャーや記録を必要とする場合があります。サイバー専門家は機密性の高い技術的証拠を必要とする場合があります。委員会メンバーには、意思決定に関連する所見と、管理された権限の下で裏付け資料にアクセスする権限が必要です。グラフのリンクは、接続された各オブジェクトのアクセスレベルを尊重し、検索スニペットや生成された要約を通じて制限情報が漏えいすることを避けるべきです。

プロンプトインジェクションと悪意ある文書には注意が必要です。文書には、AIシステムに影響を与えるよう設計されたテキストが含まれることがあります。パイプラインは、文書内容を命令ではなく証拠として扱い、ツールを分離し、アクションを制限し、出力を検証し、外部との通信やシステム変更の前に承認を必須とすべきです。検索機能により、モデルに要求送信、記録修正、所見承認の権限を与えては決してなりません。

インシデント対応は、不正確な抽出、不正アクセス、プロバイダー侵害、データ漏えい、モデル障害、来歴の破損を対象にすべきです。計画では、封じ込め、証拠保全、法令・規制上の評価、通知、是正、再検証を特定すべきです。委員会は、その意思決定記録の完全性に重大な影響を与えるあらゆるインシデントを理解すべきです。

16. 運用上の役割とサービスレベルを設計する

エビデンスグラフは作業配分を変える。デューデリジェンス・スポンサーは投資上の問いと推奨を担う。ワークストリームのスペシャリストは各自の調査結果を担う。データまたはナレッジチームはオントロジー、取り込み、リネージを維持する。モデルリスクまたはテクノロジーリスク担当者はAIコンポーネントを検証する。法務、コンプライアンス、プライバシー、サイバーチームは関連する境界を承認する。投資委員会はその権限の範囲内で残余投資リスクを受け入れる。

RACIマトリクスは、誰が証拠を要求し、抽出を検証し、例外を解決し、スコープ変更を承認し、最終パックに署名するかを特定すべきである。システムは、テクノロジー管理者がレビュアーの結論を変更することを防ぎ、レビュアーがソース記録を改変することを防ぐべきである。緊急アクセスは記録され、レビューされるべきである。

サービスレベルは重要性を優先すべきである。高リスクの例外および欠落したゲート証拠は迅速なエスカレーションを必要とする。低リスクの分類エラーはバッチ修正に回すことができる。ダッシュボードは、完了スコアを改善するためだけにチームが問題をクローズするよう促すことなく、滞留期間、レビュアーのキャパシティ、証拠の依存関係、意思決定の期限を示すべきである。

トレーニングは、デューデリジェンス手法、ソース階層、システム利用、機密性、モデルの限界、レビュアーの説明責任、エスカレーションを対象とすべきである。レビュアーには、アウトプットに異議を唱えるのに十分な技術的理解と、ソースが意思決定に関連する時を認識するのに十分な投資文脈が必要である。

17. 管理された段階を通じて実装する

実装は、限定されたユースケースと完了したデューデリジェンス・ファイルから始めるべきである。チームは質問のタクソノミーをマッピングし、ソースを取り込み、既知の調査結果を再現し、グラフが検索、網羅性、監査可能性を改善するかを測定できる。過去のテストにより、実際の意思決定を危険にさらすことなくギャップを明らかにできる。

第1段階では、ソースの保存、識別子、アクセス、引用を確立する。第2段階では、質問と主張のマッピングを追加する。第3段階では、決定論的検証と境界付けられたAI抽出を導入する。第4段階では、例外とワークストリーム承認を接続する。第5段階では、承認済みの調査結果から委員会向けビューを生成する。投資前記録が安定したら、モニタリング義務が発生する。

各段階には受け入れ基準が必要である。ソースポインターは正しいページまたはセルを指し示すべきである。重要な抽出は文書種別ごとの承認済み精度しきい値を満たすべきである。矛盾は黙って上書きされるべきではない。制限付き証拠は検索およびエクスポートを通じて保護されたままであるべきである。委員会向けアウトプットには未レビューの調査結果を含めるべきではない。

並行稼働が必要になる場合がある。新システムが完全性、信頼性、ユーザー採用を実証するまで、既存のデューデリジェンス・トラッカーは権威ある情報源であり続ける。システム間の照合は文書化すべきである。移行では、すべてを現状サマリーに変換するのではなく、過去の日付、作成者、意思決定、証拠を保持すべきである。

最終ゲートは運用レジリエンスである。チームは、プロバイダー障害、モデルの喪失、抽出データの破損、データルームリンクへのアクセス不能、スタッフの不在、委員会の緊急タイミングをテストすべきである。デューデリジェンス・プロセスは、AIコンポーネントが利用できない場合でも、管理された意思決定に到達できる能力を維持すべきである。

18. システムが意思決定を改善するかどうかを測定する

成功は、証拠の品質、意思決定の統制、運用効率を通じて測定すべきである。有用な指標には、段落レベルの出所情報を伴う重要調査結果の割合、最新の証拠に裏付けられた重要質問、クローズ証拠を伴って解決された例外、モニタリングに引き継がれた委員会の条件、レビュアーのオーバーライド率、引用エラー、ソースの所在特定に要する時間が含まれる。

速度だけでは弱い指標である。裏付けのないサマリーがレビューを通過する場合、より速いパックはかえって悪くなり得る。システムは、見逃された重要問題、誤った自信、未レビューの例外、手戻りを測定すべきである。独立したレビュアーによる品質サンプリングでは、結論をソースと比較し、示された自信が正当化されるかを評価できる。

意思決定の成果には注意が必要である。ファンドのパフォーマンスは、市場、戦略、デューデリジェンスを超えた事象の影響を受ける。組織は依然として、特定されたリスクがモニタリングされたか、条件が満たされたか、その後のインシデントが証拠によって予見されていたか、当初の根拠が再現可能なままであるかを検証できる。

実効性のあるエビデンスグラフは組織的記憶を形成する。投資家は、ファンドやビンテージをまたいで表明内容を比較し、繰り返し発生する統制上の弱点を特定し、サービスプロバイダーや担当者が変更された際に調査結果を更新し、投資前の条件を保有段階に引き継ぐことができる。商業的価値は、信頼できるエビデンスへの迅速なアクセス、より強力な批判的検証、そしてより説明可能な意思決定プロセスから生じる。

統治原則は単純である。AIは整理、検索、比較、提案を行うことができるが、説明責任を負う専門家が情報源を確認し、不確実性を解消し、意思決定する。エビデンスグラフは、データルームが閉鎖され、投資委員会の会議が終了した後も利用可能な構造化記録を、これらの専門家に提供する。

参考文献

1. 機関投資家リミテッドパートナー協会（ILPA）、デューデリジェンス質問票2.0、2021年11月1日。 https://ilpa.org/resources-tools/resource-library/due-diligence-questionnaire/
2. 機関投資家リミテッドパートナー協会（ILPA）、ILPA DDQ 2.0、2021年11月。 https://ilpa.org/wp-content/uploads/2021/11/ILPA-DDQ-2.0.pdf
3. 米国国立標準技術研究所（NIST）、AIリスクマネジメントフレームワーク1.0、2023年1月。 https://doi.org/10.6028/NIST.AI.100-1
4. 米国国立標準技術研究所（NIST）、AIリスクマネジメントフレームワーク：生成AIプロファイル、2024年7月、2026年4月更新。 https://doi.org/10.6028/NIST.AI.600-1
5. 米国国立標準技術研究所（NIST）、AIリスクマネジメントフレームワーク・プレイブック、最新資料。 https://airc.nist.gov/airmf-resources/playbook/
6. 証券監督者国際機構（IOSCO）、市場仲介業者および資産運用会社による人工知能と機械学習の利用、2021年9月。 https://www.iosco.org/library/pubdocs/pdf/IOSCOPD684.pdf
7. 証券監督者国際機構（IOSCO）、資本市場における人工知能：ユースケース、リスク、課題、2025年3月。 https://www.iosco.org/library/pubdocs/pdf/IOSCOPD788.pdf
8. 証券監督者国際機構（IOSCO）、資本市場におけるAI利用のための監督ツールキット、2026年5月。 https://www.iosco.org/library/pubdocs/pdf/IOSCOPD810.pdf
9. 欧州証券市場監督局（ESMA）、リテール投資サービスの提供における人工知能の利用に関する公開声明、2024年5月30日。 https://www.esma.europa.eu/document/public-statement-ai-and-investment-services
10. 米国証券取引委員会（SEC）、プライベートファンド運用会社の検査から得られた所見、2022年1月27日。 https://www.sec.gov/compliance/risk-alerts/observations-examinations-private-fund-advisers
11. 米国証券取引委員会（SEC）、リスク・アラート：オルタナティブ投資選定における投資顧問のデューデリジェンス・プロセス、2014年1月28日。 https://www.sec.gov/newsroom/press-releases/2014-14
12. 米国証券取引委員会（SEC）、Form ADVおよび投資顧問業者登録に関する資料、最新版。 https://www.sec.gov/investment/registration-forms-investment-advisers
13. 英国金融行為規制機構（FCA）、外部委託とオペレーショナル・レジリエンス、2026年7月14日更新。 https://www.fca.org.uk/firms/outsourcing-and-operational-resilience
14. 金融行為規制機構（FCA）、SYSC 8.1 一般的外部委託要件、現行のFCAハンドブック。 https://handbook.fca.org.uk/handbook/sysc8/sysc8s1
15. 金融行為規制機構（FCA）、規制上の優先事項：ホールセール・バイサイド、2026年3月。 https://www.fca.org.uk/publication/regulatory-priorities/wholesale-buy-side-report.pdf
16. 金融活動作業部会（FATF）、実質的支配者、現行の基準およびガイダンス。 https://www.fatf-gafi.org/en/topics/beneficial-ownership.html
17. 金融活動作業部会（FATF）、FATF勧告、2025年2月更新。 https://www.fatf-gafi.org/en/publications/Fatfrecommendations/Fatf-recommendations.html
18. 金融活動作業部会（FATF）、法人の実質的支配者に関するガイダンス、2023年3月。 https://www.fatf-gafi.org/en/publications/Fatfrecommendations/Guidance-Beneficial-Ownership-Legal-Persons.html
19. 国際標準化機構（ISO）、ISO/IEC 42001:2023 情報技術、人工知能、管理システム、現行の概要。 https://www.iso.org/standard/81230.html
20. 国際決済銀行（BIS）、政策目的における人工知能の利用、2025年10月10日。 https://www.bis.org/publ/othp100.htm