AIが読み手になる時代：企業報告の転換点

日本では2027年3月期から、サステナビリティ基準委員会（SSBJ）が開発したサステナビリティ開示基準（以下、SSBJ基準）に準拠した開示の義務化が段階的に始まります。企業は基準への準拠に向けた対応を進めていますが、開示を取り巻く環境そのものも変化しています。なかでも大きな変化の一つが、企業開示の「読まれ方」の変化です。

近年、投資家、規制当局、格付機関などのステークホルダーは、AIを活用して企業の開示情報や外部情報を横断的に分析し、その評価や意思決定に反映し始めています。AIは企業の開示情報を単独で読むのではなく、財務情報、サステナビリティ情報、アナリストレポート、ニュースなどを組み合わせて総合的に解釈します。そのため企業には、「何を開示するか」だけでなく、「開示した情報がどのように理解・評価されるか」という視点がこれまで以上に重要になっています。

本レポートは、「AIが読み手になる時代」において、企業はどのような開示を目指すべきかを考察しています。SSBJ基準への対応を進める日本企業にとっても、基準への準拠にとどまらず、開示情報の一貫性や比較可能性、戦略・リスク・業績のつながりをどのように伝えるかを考える上で、有益な示唆となれば幸いです。

※本コンテンツは、「When AI becomes the reader: a turning point for corporate reporting」を翻訳したものです。翻訳には正確を期しておりますが、英語版と解釈の相違がある場合は、英語版に依拠してください。

多くの企業が、業務および報告プロセスへのAIの活用を急速に進めています。一方で、自社の開示情報をAIが読み取るようになった時に何が起こり得るのかについて、十分に検討している企業は必ずしも多くありません。しかしながら、これは見過ごせない代償を伴う可能性があります。

企業の開示情報は、単独で読まれることはほとんどありません。PwCの「グローバル投資家意識調査2025（Global Investor Survey 2025）」によると、投資家は財務諸表、サステナビリティ開示、投資家向けコミュニケーションに加え、アナリストレポート、信用格付け、ESGスコアなどの第三者データを組み合わせて企業評価を行っています。

そして、そのプロセスにはすでにAIが組み込まれています。

130を超える法域の証券規制当局に向けた基準を策定する証券監督者国際機構（IOSCO）も、この変化の広がりを裏付けています。IOSCOが公表した2025年の資本市場におけるAIに関する報告書によると、投資調査からポートフォリオ構築、規制当局による監視に至るまで、資本市場全体にAIが組み込まれていることが明らかになっています。

AIの活用は、規制当局、税務当局、格付機関、調達部門、市民社会といったステークホルダー全体に広がっています。最終的な目的は、単に報告書を読むことではなく、意思決定に結びつけることです。投資、規制、調達の各ワークフローでは、自律型AIエージェントが開示情報を読み取り、シグナルを抽出し、その結論を意思決定に反映するところまで活用されるようになっています。開示情報がAIのアウトプットに適切に表現されなければ、企業は意図しない形で受けとめられる可能性があります。

このため企業は、データ品質の向上だけでなく、自社の開示情報がどのようにAIに解釈されるかを、他の利用可能な企業情報と合わせて総合的に考慮する必要があります。

この問いに答えるには、AIがどのように情報を読み取るか、そして何を探し出すように設定されているかという2つの要素を理解する必要があります。

この問いを考える上でまず重要なのは、AIがどのように情報を読み取るかを理解することです。

AIは人間のように文章を順番に読み進めるわけではありません。テキストをデータとして処理し、膨大な情報の中から関係を特定します。アナリストとは異なり、知識や経験、判断力を通じて理解を深めるのではなく、その代わりに学習データによって形成された視点から情報を読み取り、抽出し、スコアリングします。

AIは、これまで不可能だった方法で、報告書の全領域にわたって情報を結びつけ、比較し、精査することができます。一方で、AIは明示的にコード化されている情報に依拠しています。図表、複雑なレイアウト、脚注、リンク文書を通じて提供される情報については、誤認や見落としが生じる可能性があります。

AIは、文書の構造や情報の繰り返し、一貫して使われる用語を手掛かりに意味を読み取ります。情報の整理が不十分であったり、表現に一貫性がなかったり、関連性が明示されていなかったりすると、AIシステムはその情報の検索や関連付けができない可能性があります。AIはシグナルの抽出に優れている一方、報告書内で明確に示されていない限り、シグナルとノイズを区別することはできません。

この区別が重要なのは、AIはアナリストのように文脈を踏まえて柔軟に解釈するとは限らないためです。主張を和らげたり限定したりする意図で用いられた表現であっても、そのまま文字どおりに受け取られる可能性があります。例えば、「可能な範囲でパリ協定との整合を目指す」という表現は、人間には適切に慎重な表現として受け止められるかもしれませんが、AIはこれをパリ協定との整合が部分的または条件付きであると分類し、それに応じてスコアリングする可能性があります。

実務対応：AIによる解釈に備える

まずは一貫性、構造化、そしてトレーサビリティの確保から始めます。繰り返し登場する概念には一貫性のある用語を用い、分かりやすいセクション見出しをつけ、前提条件や対象範囲および時間軸を具体的に示します。報告書、ウェブサイト、投資家向けコミュニケーションの間で主要な主張を整合させるとともに、明確な定義、単位、メタデータを用いることで、AIが指標を抽出しやすくします。

ステークホルダーの期待は、これまでも企業報告に影響を及ぼしてきました。AIが開示情報をどのように解釈するかは、AIに何を評価させるのか、モデル自体に内在するバイアスは何かによって左右されます。

AIは、こうした視点による分析のスピードと対象範囲を一変させ、はるかに膨大な量の情報に対して、同一の基準を一貫して適用することを可能にします。

ステークホルダーは、それぞれ異なる視点を通じてAIを活用します。

企業は常に、自社のストーリーを伝えることと、有意義な比較を可能にすることの両立を図ってきました。AIは、その両立の難しさを一層、鮮明にしています。

サステナビリティ開示は、特に解釈にばらつきが生じやすい領域です。これは、ステークホルダーの視点が多岐にわたることに加え、財務報告に比べて記述的な要素が強く、標準化が進んでいないためです。AIが、記述上のコミットメントと観察可能なデータを明確に結び付けられないと解釈する場合、そのギャップは可視化され、グリーンウォッシュと受け止められるリスクが高まります。

実務対応：AIエクスポージャーのマッピング

投資家、規制当局、調達先など、ステークホルダーとの接点において、AIによる解釈が自社に関する意思決定の中ですでに影響を及ぼしている領域を特定します。このマッピング結果を活用して、どのような情報が評価・比較の対象となり疑問視されやすいのか、不整合や裏付けの不十分さが意図しないリスクシグナルにつながる可能性がある領域はどこかを検証します。

AI時代に適した報告について、確立された手法は存在しません。そのあり方は、今まさに模索されている段階です。機械が読み取りやすいようタグ付けされた報告書を作成するのがよいのでしょうか。それとも、人間向けとAI向けの2つの報告書を作成するのがよいのでしょうか。記述の裏付けとなる構造化されたデータ基盤を設けるのがよいのでしょうか。これらはまだ明確な答えが出ていない問題です。明らかなのは、情報開示は、単に一貫した記述としてではなく、文書全体に広がるシグナルのネットワークとして機能する必要があるということです。

XBRLやiXBRLは構造化されたタグ付けのフレームワークであり、AIが主要なデータポイントを特定・抽出するための明確な手がかりを提供するため、解決策の一つです。しかし、タグ付けを行っても、脚注や補足説明、広範な説明文がどのように解釈されるかという点における曖昧さは解消されません。サステナビリティ報告では、開示情報がより記述的な傾向にあり、タグ付けの枠組みもまだ発展途上であるため、ギャップは大きいままです。さらに難しいのは、戦略、リスク、業績を明確に結びつけて、誤った解釈を防ぐことです。

解釈の揺れを検証するセマンティック・ストレステスト^*1やステークホルダー・ペルソナレビュー^*2は、業績を比較する投資家、整合性を確認する規制当局、あるいはグリーンウォッシングのシグナルを探るESGアナリストなど、それぞれの異なる視点を通して開示情報がどのように解釈されるかをシミュレーションするための手法です。

^*1 セマンティック・ストレステスト：AIによる解釈の揺れや誤解の可能性を検証するテスト。

^*2 ステークホルダー・ペルソナレビュー：異なるステークホルダーの立場や関心事項を想定し、開示情報の受け止められ方や評価のされ方を検証するレビュー。

真にAI時代に適した報告書は、単なる文書ではなく、相互に関連付けられた開示情報の「構造化された地図」のようなものになるかもしれません。これにより企業報告は、より透明性の高い信頼されるものとなるでしょう。

実務対応：AIによる解釈という観点をプロセスに組み込む

開示情報の設計から承認に至るまでのプロセス全体において、AIによる解釈への考慮を組み込みます。セマンティック・ストレステストやステークホルダー・ペルソナレビューなどのAIを活用した手法を用いて、異なるステークホルダーの視点から、開示情報がどのように解釈・要約・比較される可能性があるかを検証します。その検証結果を踏まえ、ドラフト作成ガイダンス、レビュー手順、および公表前の最終承認プロセスを改善します。

これは、あらゆる結果を予測したり、特定の対象者に合わせて開示情報を調整したりすることが目的ではありません。意味が適切に伝わらず、歪曲されたり誤解されたりするおそれのあるポイントを特定することを目的としています。

今日のAIによる解釈に対応する設計とは、AIの絶え間ない進化に対応することも意味しています。前述の実務での対応は、報告プロセスにおけるAIによる可読性を向上させるための出発点となります。

リーダーに求められるのは、こうした取り組みを、組織的に管理・統制できる能力として確立することです。責任の所在を明確にし、報告書、ウェブサイト、投資家向け情報発信資料の開示の全体が、一貫性とトレーサビリティを備えた設計になるよう期待値を定め、AIによる解釈の検証をレビューおよび承認プロセスに組み込みます。AIの機能やステークホルダーからの質問内容の変化に応じて、各プロセスを見直し、改善することで、自社の報告が意図したストーリーを継続的に伝えられるようにします。

AIが開示情報からどのような結論を導き出すか、全てを予測することはできません。しかし、発信側の意図と読み手の解釈の間のギャップを埋めるための対策を講じることは可能です。

著者は、Monika Jonce氏、Superna Khosla氏およびKazi Islam氏からの貴重な助言と指導に感謝の意を表します。