M&A・デューデリジェンスでの生成AI活用｜公開情報分析からDD資料整理までの実務と限界

結論：AIが速くするのは「読む・整理する・下書きする」であり、判断と実査は人が担います

M&A（Mergers and Acquisitions、企業の合併・買収）とデューデリジェンス（Due Diligence、DD）の実務で、生成AI（Generative AI）が効くのは大量の文書を読む・整理する・下書きする工程です。公開買付届出書や過去事例の読解、VDR資料のインデックス整理、Q&Aリストの下書きといった作業は、AIで初速を大きく上げられます。一方、実査・マネジメントインタビュー・価格や条件の判断はAIには代替できず、AIの出力はすべて原本照合という検証工程を通して初めて使えます。

もう1つ、M&A特有の大原則があります。それは「どの情報を、どの環境のAIに入力してよいか」が工程によってまったく違うことです。EDINETで誰でも入手できる公開情報を扱うフェーズと、未公表のM&A検討情報やVDR資料を扱うDDフェーズでは、機密性の次元が異なります。とくに後者は、案件の存在自体がインサイダー情報（未公表の重要事実）になり得る社内でも最上級の機密工程であり、会社が承認したセキュアな環境・案件チーム限定のアクセス管理・記録の3条件を満たさない限り、AIへの入力はできません。本記事はこの「公開情報フェーズ」と「DDフェーズ」を明確に分けて、実務での使い方と限界を解説します。生成AI活用の総論は「生成AIの金融実務活用」を、本記事はそのM&A・DD各論という位置づけです。

全体像：M&A工程×AI適用マップ

M&Aのプロセスは、大きく「ソーシング（候補探索）→初期検討→DD→契約・クロージング→PMI（統合）」と進みます（全体の流れは「M&Aプロセスの全体像」参照）。生成AIの適用余地と、扱う情報の機密度を工程別に並べると、次の図のようになります。ポイントは、AIが最も役立ちそうなDD工程こそ、利用条件が最も厳しいという逆転関係です。

前提の整理：DDとは何か、なぜ2つのフェーズを分けるのか

デューデリジェンス（Due Diligence、DD）とは、買い手が対象会社の実態を財務・税務・法務・事業などの側面から詳細に調査し、リスクと価値を検証する手続です。財務DDでは正常収益力（QoE）の分析、法務DDでは重要契約や係争の確認などを行います（財務DDの中身は「財務デューデリジェンスとQoE」参照）。

生成AIの利用を考えるとき、M&Aの情報は2種類に分かれます。第一に、EDINET・TDnet・IRサイトで誰でも入手できる公開情報です。公開買付届出書・意見表明報告書・大量保有報告書・有価証券報告書などがこれに当たり、これらの読解は一般の業務と同じ枠組みでAIを使えます。第二に、未公表の案件情報です。ある会社が買収を検討しているという事実そのもの、検討中の価格や条件、そしてVDRで開示される対象会社の非公開資料は、公表前のM&A情報として金融商品取引法上のインサイダー情報（未公表の重要事実）に該当し得るうえ、秘密保持契約（NDA）の対象でもあります。この2つを混同すると、便利さの代償として重大な情報管理事故につながります。だからこそ本記事は、フェーズを分けて解説します。

公開情報フェーズ：TOB届出書・意見表明報告書・大量保有報告書のAI読解

ソーシングから初期検討の段階では、公開情報の収集と読解が作業の中心です。ここはAIの得意領域であり、対象となる資料はいずれも定型性が高いため、抽出・要約と相性が良いのが特徴です。

公開買付届出書（Tender Offer Registration Statement）は、TOB（株式公開買付け）を行う買付者が提出する法定開示書類で、EDINETで閲覧できます。買付価格・買付予定数の上限下限・買付期間・成立条件・買付者の概要・買付けの目的といった項目が様式で決まっているため、項目単位の転記・整理がAIに向きます（TOB制度の基礎は「TOB（株式公開買付け）の基礎」参照）。

意見表明報告書は、TOBの対象会社が賛同・留保・反対などの意見を表明する書類です。意見の結論だけでなく、意見に至る経緯、特別委員会の設置状況、第三者算定機関による株式価値算定への言及など、案件の力学を読み取る材料が詰まっており、論点抽出型の読解に向きます（開示規制の枠組みは用語集「公開買付制度の開示規制」参照）。

大量保有報告書（5%ルール）は、上場会社の株券等を5%超保有した者が提出する書類で、保有目的や保有割合の推移から、アクティビストの動向や買収の予兆を読み取る材料になります（制度の詳細は「インサイダー取引規制と大量保有報告制度」参照）。1通は短いので人が読めば数分ですが、複数銘柄・複数提出者の横断整理ではAIの効果が出ます。

もう1つの実務的な使い方が過去事例の整理です。たとえば同業界の過去のTOB事例について、公開買付届出書と意見表明報告書から買付価格・プレミアム水準に関する記載・成立条件・対象会社の意見を一覧表に整理する作業は、従来ジュニアが数日かけていた典型業務です。AIに任せるのは記載の転記と分類までとし、プレミアムの計算や平均値の算出はAIにさせず、照合済みの数値からExcelで自分で行います。生成AIは計算と網羅性に弱く、「この業界のTOB事例を全部挙げて」という指示への回答には漏れや事実誤認が混ざるため、事例リスト自体はEDINETの検索で人が確定させ、AIには個別書類の読解を割り当てるのが正しい分担です。

プロンプト例：公開情報フェーズの2つの型

プロンプトには①役割、②制約（渡した資料のみ使う）、③出典要求（ページと該当文）、④逃げ道（記載なしと答えさせる）の4点を入れます。以下は公開買付届出書・意見表明報告書に対する、日本語のまま使える実例です。

例1：公開買付届出書の要点転記（項目抽出型）

例2：意見表明報告書の論点抽出（読解型）

なお、DDフェーズのプロンプトの具体例は本記事では示しません。DDで扱う資料は非公開であり、実際のプロンプトは案件資料の構成に依存するうえ、資料の内容を承認されていない環境に書き写す行為自体が情報管理違反になるためです。DDフェーズでも設計思想（役割・制約・出典要求・逃げ道）は同じで、それを会社が承認した環境の中でのみ適用する、と理解してください。

DDフェーズ：VDR資料の要約・論点抽出・Q&Aリスト作成支援

DDが始まると、対象会社はVDR（バーチャルデータルーム）を通じて財務資料・契約書・規程類など大量の非公開資料を開示します。数百〜数千ファイルに及ぶことも珍しくなく、限られた期間で読み切るこの工程は、文書処理としてはAIの適用効果が最も大きい場面です。承認された環境が整っている場合、実務での支援内容は次のようなものです。

①資料インデックスの整理。開示資料の一覧に対して、資料の種類・対象期間・関連するDD項目を分類し、未開示・不足資料の候補を洗い出す下書きを作ります。②長文資料の要約と論点抽出。重要契約や規程類について、期間・解約条項・チェンジ・オブ・コントロール（COC）条項の有無といった確認観点ごとの整理を下書きさせます。③Q&Aリストの下書き。DDでは買い手から対象会社への質問（Q&A）を通じて疑問点を潰していきます。資料の要約結果から「開示資料間で数値の前提が異なる点」「記載が見当たらない点」を質問候補として列挙させ、人が取捨選択して質問文に仕上げます。

ただし、この工程が社内でも最上級の機密工程であることを忘れてはいけません。理由は3つあります。第一に、案件の存在自体がインサイダー情報になり得ることです。上場会社の買収検討は公表前の重要事実に該当し得るため、対象会社名を含む情報を承認外のツールに入力することは、情報管理体制の観点で許されません。第二に、VDR資料は秘密保持契約（NDA）の対象であり、外部サービスへの複製・第三者提供が契約で制限されているのが通常です。一般の外部AIツールへの入力は、この制限に抵触するおそれがあります。第三に、need to know原則です。DD情報は案件チーム内でもアクセス権限が管理されており、AIツールを経由して権限外の者が閲覧できる状態を作ってはいけません。

したがって、DDフェーズでAIを使ってよいのは、①会社が承認したセキュアな環境（入力データが学習に使われない設定・保存先・監査ログが確認されたもの）、②案件チーム限定のアクセス管理、③利用記録の保存という3条件が揃った場合に限られます。判断に迷う場面での考え方を、フローにまとめたのが次の図です。

AIが不得手なこと：実査・インタビュー・判断

DDの本質は文書の読解だけではありません。生成AIには構造的にできない工程が3つあります。

①実査（実地確認）。工場・店舗・在庫の現物確認、経営管理の実態観察といった「現場を見る」工程は、DDの信頼性を支える根幹であり、文書処理では代替できません。②マネジメントインタビュー。経営陣への質疑は、相手の回答や反応に応じて掘り下げる動的なプロセスです。AIは想定問答の下書きには使えますが、対話そのものと、そこから得る心証の形成は人の仕事です。③判断。発見事項を価格調整に反映するか、表明保証でカバーするか、ディールブレーカーと評価するか。これらは買い手のリスク許容度と戦略に依存する意思決定であり、AIができるのは選択肢と論点の整理までです。

そして、AIが担った部分にも検証工程が必須です。出典（ページ番号と該当文の引用）付きで回答させ、引用を原本の検索で実在確認し、数値はAIに計算させず照合済みの数字から自分で計算し、プロンプトと確認結果を記録に残します。この型は公開情報フェーズでもDDフェーズでも変わりません。とくにDDでは、AIの要約だけを読んで原文を読まないまま重要契約の判断をすることが最も危険です。COC条項や解約条項のような契約の急所は、要約で当たりを付けたうえで必ず原文に当たります。

間違えやすい点：よくある失敗5つ

①「AIでDDが自動化できる」と考える。自動化できるのは読解と整理の初速です。実査・インタビュー・判断は残り、検証工程はむしろ増えます。

②一般の外部AIツールにVDR資料を入力する。無料版・個人契約のツールへの入力は、NDA違反・情報漏えい・インサイダー情報管理違反のリスクが重なる最悪の失敗です。承認環境以外では入力しません。

③対象会社名や案件の文脈を添えて公開情報を分析する。資料自体が公開でも、「当社が同社の買収を検討している」という文脈を書き添えれば、それは未公表情報の入力です。プロンプトに書いてよいのは公開情報の範囲だけです。

④AIの網羅性を信頼する。「重要な契約をすべて挙げて」への回答には漏れが生じ得ます。網羅性の担保はチェックリストと人のレビューで行い、AIには個別文書の読解を割り当てます。

⑤要約だけで判断する。要約は原文参照の入口であって出口ではありません。重要度の高い資料ほど、原文に当たる比率を上げます。

面接での答え方（30秒回答例）

Q：M&Aの業務で生成AIをどのように活用できると考えますか？
「工程と機密段階で分けて考えます。公開情報のフェーズでは、公開買付届出書や意見表明報告書の項目転記・論点抽出、過去事例の横断整理にAIを使い、出典付きで回答させて原本と照合します。DDフェーズはVDR資料の要約やQ&Aリストの下書きに効果が大きい一方、案件情報はインサイダー情報になり得る最上級の機密なので、会社が承認したセキュアな環境と案件チーム限定のアクセス管理が前提です。実査・インタビュー・最終判断はAIでは代替できないため、AIは初速を上げる道具、正しさと判断は人の責任と整理しています。」

よくある質問（FAQ）

まとめ

M&A・DDでの生成AI活用は、「公開情報フェーズ」と「DDフェーズ」を分けることから始まります。前者では公開買付届出書・意見表明報告書・大量保有報告書の読解や過去事例の整理にAIを使い、役割・制約・出典要求・逃げ道を備えたプロンプトと原本照合で品質を担保します。後者ではVDR資料の要約・論点抽出・Q&Aリスト下書きに大きな効果がある一方、案件情報はインサイダー情報になり得る最上級の機密であり、会社承認のセキュアな環境・案件チーム限定・記録という3条件が揃わない限り入力できません。そして実査・インタビュー・判断はAIには代替できず、AIの出力は検証を経て初めて成果物になります。AIはM&Aの読み手と書き手の初速を上げる道具であり、機密管理と最終責任は常に人の側にあります。これが2026年時点の実務の結論です。

出典・参考（2026-08-01確認）

• 金融庁 EDINET（開示書類等閲覧サイト。公開買付届出書・意見表明報告書・大量保有報告書等を閲覧可能） https://disclosure2.edinet-fsa.go.jp/
• 日本取引所グループ「会社情報の適時開示制度」 https://www.jpx.co.jp/equities/listing/disclosure/index.html
• Anthropic「PDF support」（Claude公式ドキュメント・PDF処理の仕様：1リクエスト最大32MB、ページ数上限あり） https://platform.claude.com/docs/en/build-with-claude/pdf-support

※本記事は教育目的の一般的な解説であり、法務・税務・投資助言ではありません。設例は理解のための仮設例です。AIツールの仕様・各社の社内規程は異なるため、実際の利用可否は所属組織のルールと契約条件に従ってください。