【開催報告】AI・データ活用によるM&Aの高度化と価値創造を実現するアプローチ（後編）

PwC Japanグループは2022年5月、「AI・データを活用したM&Aの高度化と価値創造を実現するアプローチ」と題した経営層向けオンラインセミナーを実施しました。これまで以上に地政学リスクが高まり、企業を取り巻く経営環境の不確実性がますます増大する中、企業にはデータアナリティクスおよびAI（人工知能）の活用により迅速に経営判断を行い、競争優位性を確立するトランスフォーメーション（変革）を実現することが求められています。

同セミナーでは、AIおよびデータアナリティクス、サプライチェーン改革などを専門とするPwC Japanグループのプロフェッショナルが、ディスカッションと事例分析を通じてトランスフォーメーションに向けたヒントを探りました。同セミナーの様子を前後編にわたってお伝えする本連載。後編では、PwCアドバイザリー合同会社パートナーの加藤靖之がM＆Aの各プロセスにおけるAI・データ活用の現状と今後について、鈴木慎介がM＆Aをきっかけとしたサプライチェーン変革の重要性についてそれぞれご紹介します。

AIで自動化されたオリジネーションがグローバル競争に勝つ必須条件

吉田：
中山さんから「AI予測調査」で得られた示唆について解説いただきましたが、続いてM＆AにおけるAI・データの活用事例と今後のオポチュニティ、またそれを実行する上でのチャレンジについて加藤さんに伺いたいと思います。

加藤：
M＆A×AIというテーマを掲げると想像力が膨らむと思います。例えば、M&Aの成功率や、買収・統合後の企業がいかに成長するかまでAIが答えてくれる世界観が実現すれば素晴らしいでしょう。しかし現段階ではそこまで至っておらず、M&Aの各プラクティスの中に、分析の自動化やデータ活用が徐々に盛り込まれるステージにあります。

今回はM&Aのプロセスにおいて、データ活用・分析がどのように行われているのか、どのように自動化・高度化が進みつつあるかを、ご紹介します。

M&Aのプロセスは大きく3つに分けることができます。まず戦略策定や提携先を検討するオリジネーション、次に決まった提携先が適正か調査するデューデリジェンス（DD）、最後が最も重要なPMIなどバリュークリエーションです（図表1）。

オリジネーションのプロセスでは、膨大な量のリサーチを行います。例えば、年間でＭ＆Ａを10件成立させるためには、その10～20倍もプロジェクトが動いていることが通例であり、その前段として候補企業を絞る作業ではさらに10倍、およそ1,000社以上をリサーチすることもあり得ます。

グローバル市場の成長スピードについていくためには、毎日・毎時間、候補企業の成長度合いや自社戦略との適合性をチェックする体制を構築しておかなければなりません。そしてその作業をデジタル・AIで高度化することが、グローバル競争に勝つための必須条件になりつつあります。

私たちも注目すべき優先度の高い企業の業績や人事異動、株主の変化などあらゆる情報を数千社単位でリスト化・管理するために、情報を自動化して整理する仕組みやAIを使ってレコメンデーションするシステムを開発しています。

過去のトランザクションデータや案件をAIに読み込ませて、買収先や売却先をレコメンドすることも技術的に可能になっています。こちらの技術に関しても、PwC内でPoC（概念実証）は完了しており、人間が判断する部分と、AIを活用する部分を併存させてプラクティスを運用する段階にあります（図表2）。

M&Aのオリジネーションは、企業の成長力を加速するために重要な機能であり、今後はAIやデジタルの活用が不可欠になっていくでしょう。

企業の業績とM＆Aのシナジーに直結するサプライチェーン改革

吉田：
加藤さんには、PMIから親会社やグループ全体のAI経営に繋げていくことの重要性を指摘いただきました。M＆Aによるグローバル経営のさらなる展開には、サプライチェーンも重要な論点になります。地政学リスクやグローバルでの経済安全保障などの問題を踏まえ、各企業のサプライチェーンの見直しが急務となっていますが、この点に関して鈴木さんに伺いたいと思います。

鈴木：
地政学リスク、自然災害リスク、デジタル化への対応、労務費の上昇、Eコマースの進展など複雑かつ多様なリスク要因がある中で、サプライチェーンのオペレーションについても悩みが大きいと思われます。

サプライチェーン・オペレーションは多くのアセットを保有する必要がありますし、結果としてコストに占める割合も大きい。オペレーション改革を如何に進めるかによって、企業のパフォーマンスは大きく変わってきます。

私が経験的に感じるのは、M&Aにおけるシナジー創出においては、オペレーション改革を通したバリューアップ効果の割合が非常に大きいということです。買う側と買われる側のアセット・およびオペレーションを適切に統合し、効率化することによって大幅なコストダウンを実現でき、顧客へのサービスレベルを改善することで売上アップも可能になります。

例えば、工場を日本に持つのか、中国に持つのか、その他の東南アジアに持つのか、はたまた欧米に持つのか。その選択によってサプライチェーンの流れは大きく変わります。加えて物流拠点や輸送方法など1つ1つ決めていかなければなりませんが、これらの意思決定が企業のパフォーマンスに大きく影響します。

私はM＆Aや事業再生の中でオペレーション改革を実践していくお手伝いをさせていただいています。そこでは、バリューブリッジ、すなわち対象とするディールの中からどのような価値創造ができるのかを案件ごとに描くようにしています。さまざまなレバーを押すことによって価値創造を実現できますが、私が経験的に感じるのはオペレーションの改革がもたらす価値が非常に大きいということです（図表4）。

M&Aでは買われる側と買う側のアセットが重複する、もしくは似たようなアセットを持っているケースが往々にしてあります。そこをうまく効率化することによって大きくコストダウンが実現でき、場合によっては売上の上昇に繋げることもできます。M&Aを機会にそのようなオペレーション改革を実行していくことが重要になってきます。

AI・データ活用にはさまざまな人材の育成と掛け合わせが必須

吉田：
サプライチェーンストラテジストなど人材の重要性について話が出ましたが、AI・データアナリティクス領域ではどのような人材が必要になるでしょうか。中山さんのご意見をお聞かせください。

中山：
鈴木さんから、オペレーションの課題を解決する人材が重要であり、アナリストと組むべきという指摘がありました。同様にAI領域でも、データサイエンティストだけでなく、データをうまく収集・活用するデータエンジニアや、そもそも課題をAIでどう解くかを考えるビジネス課題のトランスレーター、さらにAIを育てていく運用保守人材の4種類が必要になります。

ただPwCが行った今回のAI予測調査でも、欲する人材やスキルについて、データサイエンティストと回答する企業が多かったです。しかし、高度なデータサイエンティストに関しては、採用や評価が困難なだけでなく技術の進歩も日進月歩である為、私たちのような専門のコンサルティングファームをうまく活用する使うことを推奨します。むしろ企業が内部で育成すべきは、AIで課題を解く方法を見出せる人材(トランスレーター)および日々の業務からデータを活用して”AIを育てていく”保守人材だと考えます。

吉田：
加藤さんはこの人材面に関してどのような意見をお持ちでしょうか。

加藤：
M&Aという“場”は、人材が多様な経験を積むための重要な機会だと捉えています。日本企業の人事制度では、経営の重要アジェンダを鳥瞰しながら問題を解いていく経験をするまで時間がかかります。それゆえ対応する人材が質量ともに育ちにくい。しかし、M&Aをきっかけに大きな経営アジェンダにチャレンジすれば、優秀な人材はその経験をしっかりものにしていくでしょう。M&Aをチャンスにして、それをまたグループに還元していく仕組みが人材育成面でも大事になると思います。

吉田：
今回、AI・データを活用したM&Aの高度化と価値創造というテーマでセミナーを進めてきましたが、基本的にビジネスは人間を中心に回っているものです。PwC Japanグループでは、「こうあるべきだ」と言うだけでなく、日本企業やグローバルな企業と一緒に働きながら、人材育成にも取り組んでいきたいと考えています。グループ全体として、今回ご紹介した重要な課題についてますます取り組んでまいります。