投資委員会の直前、デューデリジェンスの最終報告に「AIによるオペレーション改善余地」という一行が並ぶ。根拠は経営陣インタビューでの「生成AIは全社で使っています」という発言と、財務モデル上のSG&A削減率の仮置き。数字はもっともらしいが、対象会社のどの業務の、誰の工数が、どのデータを使って減るのかは誰も確かめていない。クロージング後、100日プランに「AI活用の推進」と書かれ、半年後にはツールの利用率だけが報告され、EBITDAは動いていない。

似た光景を、読者も一度は見ているのではないか。マルチプルとレバレッジが効きにくくなり、保有期間中にオペレーションで利益を積み上げる以外にリターンの源泉が残っていない環境で、AIは投資仮説の中に半ば自動的に組み込まれるようになった。ところが、AIのEBITDA効果は買収後の努力だけでは決まらない。データがどこにあるか、人が回している工数がどんな構造か、契約がAI利用を許しているか。これらは買収前の時点でほぼ固定されており、DDで見なかった赤信号は100日プランの中で露見する。

本稿はPE/VCのオペレーティングパートナー、Value Creation担当、投資担当に向けて、買収前のAIデューデリジェンスで確認すべき12項目を、確認方法と赤信号つきで整理する。保有期間中の実装論（90日診断から単機能展開、定着まで）はPEファンド投資先のAI Value Up実装ガイドに委ね、本稿はその手前、DDからクロージング後100日への接続に絞って書いていく。

なぜAIがDDの項目になったのか — マルチプルが効かない環境と調査データ

Bain & Company『Global Private Equity Report 2026』（2026年2月）が「12 is the new 5」と表現したとおり、借入コストが8〜9%水準にある環境では、目標リターンに必要なEBITDA成長率がかつての年5%前後から年10〜12%前後へ上がった。EBITDAを買収後に「作る」しかない以上、その手段の一つであるAIが、投資判断の段階で吟味される対象になったのは自然な流れだ。

ただし、期待と実態には距離がある。FTI Consulting『2026 Private Equity AI Radar』（2026年5月。PEファンドと投資先の運営責任者200人を調査）では、大半のファンドがAI施策は当初の事業計画を満たすか上回ったと答える一方、投資先が複数のユースケースでAIを使っているのは36%、全社規模で統合されているのは7%にとどまり、それ以外は限定的な段階にある。同調査が挙げる障壁の筆頭は人材（35%）で、データ品質・可用性、組織の変化への抵抗、責任の所在の不明確さがこれに続く。これらはいずれも、買収後に初めて気づくものではなく、DDで確認できる項目だ。

DDの実務がどこまで追いついているかを示す数字もある。BCG『Private Equity's Future: Digital First and AI Powered』（2026年1月。PE投資家100人を調査）によれば、73%のファンドが大半のディールでデジタルDDを行っているが、対象会社のデジタル成熟度が投資可否（go/no-go）の判断に影響すると答えたのは22%にとどまる。そして40%の投資家が、デジタル成熟度の遅れや投資不足を理由に5%以上のバリュエーション・ヘアカットを経験したと答えている。見てはいるが、判断や価格に反映していないというこのギャップが、本稿で扱う12項目の出発点になる。

もう一つ、実行段階の数字を挙げておく。L.E.K. Consulting『PE Pulse 2026』（2026年7月。米国のバイアウト専門家100人を2026年4月に調査）では、投資チームがAIから得ている平均生産性向上は28%で、リサーチやデューデリジェンス資料の統合が主な用途だった。一方、過去12か月にEBITDAを動かした価値創造レバーとして最も多く挙がったのはアドオン買収で、SG&A効率化、営業組織の生産性、価格、調達がこれに続き、投資先でのAI展開は主要レバーの列に挙がっていない。ファンド自身のDD作業はAIで速くなっているのに、投資先のEBITDAはまだAIで動いていない。この非対称こそ、AIを「使う側」から「投資先に効かせる側」へ視点を移す理由である。

12項目の前提 — 「導入されているか」ではなく「引き算できる工数があるか」を見る

12項目に入る前に、AX Boostが投資先のAIを評価するときの基本姿勢を書いておく。AIの価値は「どれだけ導入されているか」ではなく、「ヒトがやる必要のない仕事をどれだけ見極めて引き算し、空いた工数を価値ある仕事へ再配置できるか」で決まる（全体像はAIは足し算より引き算）。DDでも同じで、生成AIの利用率やライセンス数は評価項目にならない。見るべきは、対象会社の中で人が回している定型工数の構造と、それを引き算するための前提条件（データ・人材・契約）が整っているかどうかである。

BCG『Driving AI-Empowered Value Creation for PE's Portfolio Companies in Asia』（2026年4月）は、アジアのPE投資先の約60%がAIから測定可能な価値をまだ獲得していないと指摘し、その原因として、AIのユースケースが明確なバリュープールに紐づいていないこと、価値の追跡が財務成果ではなく「利用率」で止まっていること、経営層がAIのオーナーシップを委譲してしまうことを挙げる。同レポートは、汎用ツールを配る「Deploy」段階の効果を10〜15%の生産性向上、コア機能をAI前提に再設計する「Reshape」段階を40〜50%の効率改善と対比している。DDで見るべきなのは、対象会社がReshapeに進める素地を持っているか、である。

以下、12項目を4つのレンズに分けて書く。各項目に、DD期間中に現実的な確認方法と、投資判断や価格、100日プランに反映すべき赤信号を添える。

レンズ1: データの整備状況（項目1〜3）

項目1. 基幹データの所在と一貫性

AIの効きどころは、判断の材料となるデータが機械可読な形で揃っている業務に集中する。会計・販売・在庫・顧客のデータがどのシステムにあり、マスタ（品目・取引先・勘定科目）が一貫しているかを見る。確認方法は、データ辞書やシステム構成図の有無を聞くことに加え、月次決算の締めに要する営業日数と、その過程で何人がExcelで何を突き合わせているかを管理部門にヒアリングすることだ。赤信号は、月次締めが10営業日を超え、その主因が複数システム間の手作業の照合にある状態。この場合、AI以前にデータ統合が先行投資として必要になり、100日プランの前半がそこに費やされる。データ基盤の設計論はAI×データ戦略に詳しい。

項目2. データの利用可能性（契約・法的制約）

データが存在しても、AIに使えるとは限らない。顧客の個人情報を含むデータをAIモデルの入力や学習に使えるか、取引先から預かったデータに二次利用の制限がないか、利用目的の通知・公表が現在の用途をカバーしているかを、法務DDと連携して確認する。赤信号は、主要な収益源のデータが「利用目的にAI処理を含まない」形で取得されており、追加の同意取得や通知変更が必要な場合。

項目3. IT基盤の近代化度

BCGの前掲調査では、投資先のIT能力が「非常に成熟している」と答えた投資家は15%にとどまり、約75%が「中程度」と答えている。オンプレミスの基幹システムがサポート終了間近か、外部システムと連携するためのAPIがあるか、SaaSがどの程度使われているかを見る。確認方法はIT資産台帳と保守契約の一覧で足りる。赤信号は、基幹システムが特定ベンダーの独自仕様で、データを取り出すたびに改修費用が発生する構造。同調査は、コアシステムを先に近代化した場合にAI展開が40%速くなると述べており、この項目はAIの効果そのものより「効果が出るまでの時間」を左右する。

レンズ2: 人が回している工数構造（項目4〜6）

項目4. 定型工数の分布

AX Boostが「工数構造DD」と呼んでいる作業の中核である。どの部門で、何人が、どの定型業務にどれだけの時間を使っているかを、粗くてよいので推定する。確認方法は、部門別の人員構成と業務分掌に加え、現場マネージャー2〜3人への短時間のインタビューで「毎週決まって発生する、判断を伴わない作業」を列挙してもらうこと。赤信号というより黄信号として、定型工数が特定の少人数に集中している状態は注意を要する。引き算の余地は大きいが、その人材の退職リスクと再配置の設計を同時に考える必要が出る。

項目5. 例外処理と手戻りの比率

定型に見える業務でも、例外処理の比率が高いとAIは効きにくい。受注処理の何割が特別条件を含むか、請求の何割が再発行されるか、といった比率を見る。確認方法は、直近数か月の処理件数と差し戻し・修正件数の突合。赤信号は、AX Boostの経験則として例外が3割前後を超える業務を「AIで自動化できる」と経営陣が説明している場合で、これは経営陣のAI理解の深さを測る項目でもある。例外の多さは、AIの前に業務ルールの標準化が要ることを意味する。

項目6. 過去のPoCとツール乱立の状況

過去3年でどんなAI・自動化のPoCが行われ、何が本番稼働に至ったか。BCG『Where's the Value in AI?』（2024年10月）が示したように、PoCを超えて価値を生んでいる企業は26%にとどまる。複数のPoCが本番化ゼロで終わっている会社は、技術の問題ではなく意思決定と定着の仕組みに課題がある可能性が高い（構造はAI PoC止まり脱出フレームワーク）。確認方法はIT投資の明細と、そこに紐づくベンダー契約の一覧。赤信号は、同じ目的のSaaSやAIツールが部門ごとに別々に契約され、誰も全体を把握していない状態。

レンズ3: AI人材と組織（項目7〜9）

項目7. AI/データ人材の有無と外部依存

FTIの調査で障壁の筆頭に挙がった人材（35%）は、日本ではさらに厳しい。IPA『DX動向2025』では、日本企業の85.1%がDX推進人材の不足を訴えている（米国23.8%、ドイツ44.6%）。中堅規模の投資先にデータサイエンティストがいることは稀で、むしろ見るべきは、業務とデータの両方を分かっている人が社内に一人でもいるか、そしてAI関連の実装がどの外部ベンダーにどの程度依存しているかである。赤信号は、既存のAI・自動化の仕組みの仕様がベンダー側にしかなく、社内に説明できる人がいない状態。買収後の内製・外注の体制設計はAI内製化 vs 外注、人材面はAI時代の人材戦略で扱っている。

項目8. 経営陣のオーナーシップ

BCGのアジア報告が指摘する「経営層がAIのオーナーシップを委譲してしまう」問題は、DDの経営陣インタビューで判別できる。「AIは誰が責任を持って、何の数字を動かすのか」と聞いたとき、情報システム部門の名前だけが返ってくるなら黄信号。CFOやCOOが、自分の管掌するP&Lのどのラインで効かせるつもりかを語れるかどうかを見る。買収後に経営陣を入れ替える前提なら、この項目は新経営陣の要件定義に転記する。

項目9. 現場の変化許容度と労務構造

工数を引き算しても、空いた工数を再配置できなければEBITDAは動かない。労働組合の有無、雇用慣行、直近の人員構成の変化、過去の業務改革で現場がどう反応したかを見る。ここで「削減」の語彙を使うと、DD段階で現場の協力を失う。AX Boostが一貫して「再配置」と語るのは配慮のためだけではなく、実際に再配置先の設計がなければ利益に転換しないからだ。赤信号は、過去の業務改革が現場の反発で頓挫した履歴があるのに、経営陣がそれを問題として認識していない状態。

レンズ4: ガバナンスと契約（項目10〜12）

項目10. シャドーAIとセキュリティ

社員が会社の管理外で生成AIを業務に使っている「シャドーAI」は、多くの中堅企業で常態化している。利用規程の有無と、規程があるとして実際に守られているかを見る。確認方法は、情報セキュリティ責任者へのヒアリングと、可能なら社内ネットワークからの生成AIサービスへのアクセスログの概況。赤信号は、規程が存在せず、顧客情報や設計情報が個人アカウントの生成AIに入力されている実態が疑われる場合。表明保証の設計にも影響しうる。社内規程・監査設計の実務は企業のAIガバナンス実務ガイドを参照されたい。

項目11. 規制・業法への該当性

対象会社の事業が、AI利用に関して特別な規制の対象になるかを見る。金融・医療・人事採用など、判断の自動化に規制や説明責任が求められる領域は、AIの適用範囲が制約される。国内では経産省・総務省『AI事業者ガイドライン第1.1版』（2025年3月）が事業者に求める体制の目安になり、欧州に顧客や拠点を持つ場合はEU AI法の適用可能性も確認する。赤信号は、AIで効かせる予定の業務がまさに規制対象で、経営陣がそれを認識していない場合。

項目12. 既存契約のAI条項

見落とされやすいが、100日プランを止める力がある項目だ。主要顧客との契約に「業務の自動化ツール利用禁止」「再委託先での自動処理の禁止」「データの第三者システムへの入力禁止」といった条項がないか。ベンダー契約やSaaSの利用規約に、入力データが学習に使われる条項が含まれていないかも見る。業務委託契約が人手による作業を前提とした単価設定になっていれば、それも確認対象になる。確認方法は、法務DDのチェックリストにAI関連条項の項目を追加すること。赤信号は、売上上位の顧客契約に自動化を制限する条項があり、その業務がAIで工数を引き算する主戦場になっている場合。この場合、100日プランで想定していた改善が契約再交渉の後ろにずれる。

DDの所見を100日プランのどこに置くか

12項目の所見は、報告書に並べて終わりではなく、クロージング後100日プランの3つの箱に振り分ける。AX Boostはこれを「診断・単機能・計測設計」の3箱と呼んでいる。

一つ目の箱は診断（Day 1〜30）である。DDで立てた仮説を、クロージング後にアクセスできるようになった実データで検証する。項目4で推定した定型工数の分布、項目5の例外比率、項目1の月次締め日数を実測に置き換え、AIで引き算できる工数のマップを確定する。

二つ目の箱は単機能（Day 31〜100）である。マップの中から、EBITDAブリッジ上で効き、かつ項目2・11・12で制約がないと確認できた1機能を選び、着手する。ここで複数機能に手を広げると、100日で何も本番化しない。McKinsey『Global Private Markets Report 2026』（2026年2月）が、先行するGPはAIを独立した施策ではなく従来の価値創造レバーに組み込み、保有サイクルのより早い段階から着手していると述べていることとも方向は同じだ。100日で本番化するのは1つ、保有期間で積み上げるのは数個、という時間配分をAX Boostは勧めている。

三つ目の箱は計測設計（Day 1から着手）である。診断や単機能と並行ではなく、先行して置く理由は次節で述べる。

12項目の赤信号には、もう一つの振り分けがある。100日で解消するもの（項目6のツール整理、項目10の規程整備）、保有期間で解消するもの（項目1のデータ統合、項目3の基盤更新）、そして投資判断や価格に反映するもの（項目12の契約制約、項目9の労務構造）である。BCGの調査で「デジタル成熟度がgo/no-goに影響する」と答えたファンドが22%にとどまった事実を思い出したい。赤信号の一部は、100日プランではなく投資委員会の議題に載せるべきものだ。

アトリビューションとEBITDA計測の設計 — DD時点のベースラインという資産

AIで動いたEBITDAをLPやエグジット先に説明するとき、問われるのは「それは本当にAIによるものか」である。市況、価格改定、調達改善、経営陣交代。これらと切り分けられない改善は、投資仮説の裏付けにならない。切り分けの設計は買収後に始めると遅く、DD段階の数字が資産になる。

理由は単純で、DD時点の数字は、ファンドの施策によってまだ汚染されていない実測だからだ。処理件数あたりの人時、月次締めの日数、問い合わせ一件あたりの対応時間、受注から出荷までのリードタイム。こうした運用KPIをDDの財務DD・ビジネスDDの中で取得しておけば、クロージング後の改善幅を「関与前」との比較で語れる。財務DDの正常化EBITDA調整（ノンリカーリング項目やプロフォーマ調整）と、AIによる増分は別の帳簿で管理する。両者を混ぜると、エグジット時の買い手DDで説明がつかなくなる。

BCGのアジア報告が「価値の追跡が財務成果ではなく利用率で止まっている」と指摘した点は、計測設計の失敗パターンそのものだ。利用率や処理件数といった活動指標は、EBITDAブリッジのどのライン（人件費、外注費、売上原価、売上）に、どの係数で接続されるのかを先に定義しておかないと、100日後に「使われているが利益が見えない」報告になる。PitchBook（2026年6月）が伝えるアドバイザーの見方も同じで、多くのユースケースは個人の生産性を上げているがP&Lには届いていない、という総括だった。同記事が紹介する調査では、PE幹部の73%が12か月以内にAIがポートフォリオの価値を高めると期待する一方、EBITDAに実質的な影響を出せている「先行組」を自認するのは8%にとどまる。

実務上の設計は三つに集約される。第一に、DDで取得した運用KPIをそのまま100日プランのベースラインに転記し、Day 1に固定する。第二に、可能な範囲で対照群を置く。拠点や部門の一部に先行導入し、未導入の部門との差分で純増分を測る。完全な無作為化は無理でも、範囲表現（AI起因と推定される改善幅は何%から何%）で誠実に語る材料にはなる。第三に、活動指標から財務指標への換算係数（削減した人時のうち何割が再配置または外注費削減として利益化したか）を四半期ごとに実測で更新する。この係数を正直に出すことが、LPへの説明力になる。指標設計の体系はAI ROIの測定方法、AIの出力品質そのものの評価はAI評価フレームの実装論に書いている。

AIで動かないEBITDA — DDで「見送る」判断をするために

12項目とその接続を書いてきたが、AIが投資仮説に入らないほうがよい対象会社も多い。ここは公正に書いておく。

第一に、例外処理が多く標準化が進んでいない業務は、AIより先に業務改革が要る。ロールアップ型の投資で複数の買収先の業務がばらばらな場合、AIを入れる前に統合と標準化が先行し、100日ではAIの出番が来ないことも珍しくない。この段階の支援は、AX Boostの運営母体である株式会社KI Strategyが戦略・業務改善・DD・PMIの領域で携わってきたものに近く、AIの話に見えて実はPMIの話である。

第二に、契約と規制の制約が主戦場を塞いでいる場合だ。項目12で挙げたとおり、売上上位の顧客契約が自動化を制限していれば、工数の引き算はその再交渉の後ろにずれる。再交渉の見込みが立たないなら、AI効果を投資仮説から外すほうが健全だ。

第三に、規模である。定型工数が全社で数人分しかない会社では、AIで引き算しても再配置する先がなく、利益にも転換しにくい。L.E.K.の調査で投資先のAI展開が主要なEBITDAレバーの列に挙がっていないのは、投資先の多くがまだこの規模や成熟度にあることの反映とも読める。海外の調査が示す効果幅（BCGのReshape段階で40〜50%の効率改善など）は、データとIT基盤がある程度整った企業を前提にしており、日本のミドル・ローワーミドル市場の投資先にそのまま当てはめるべきではない。

第四に、経営陣の意思である。項目8で見たオーナーシップが弱く、買収後も経営陣を継続する前提なら、外部の実行部隊がどれだけ入っても定着しない。AI定着失敗の典型7パターンで整理した構造は、投資先でも同じように起きる。

これらの判断をDD段階でできること自体が、AIデューデリジェンスの価値だと考えている。AIで動かせるEBITDAを過大に見積もった投資仮説は、エグジット時に失望を生む。見送る判断も、成果の一部である。

よくある質問（FAQ）

AIデューデリジェンスは、既存のビジネスDD・IT DDとどう違うのか。ビジネスDDは市場と競争環境、IT DDはシステムの健全性を見る。AI DDは両者にまたがり、「人が回している工数のうち引き算できる部分」と「引き算の前提条件（データ・人材・契約）」を見る点が異なる。独立した報告書にするより、ビジネスDDとIT DD、法務DDのチェックリストに12項目を差し込むほうが実務では回りやすい。

DD期間が短く、12項目を全部見る余裕がない場合はどうするか。優先順位は、投資判断と価格に直結する項目12（契約）、項目9（労務）、項目1（データの所在）の3つ。この3つに赤信号がなければ、残りは100日プランの診断箱で拾える。

AIの効果を財務モデルに織り込むべきか。織り込むなら、項目4で推定した定型工数のうち保守的な割合だけを、しかも保有期間の後半に置くことを勧める。100日プランの単機能で実測が出てから、モデルを上方修正するほうが、LPへの説明として通りやすい。

主要参照ソース

結び — DDで見た赤信号を、100日で数字に変える

AIが投資仮説に入る時代に、買収前に見るべきは「導入されているか」ではなく「引き算できる工数と、その前提条件が揃っているか」である。データ・工数構造・人材・ガバナンス契約の4レンズ12項目で赤信号を拾い、100日で解消するもの、保有期間で解消するもの、投資判断に反映するものに振り分ける。そしてDD時点の運用KPIをベースラインとして固定し、活動指標をEBITDAブリッジのラインに接続する計測設計を、Day 1より前に置く。

AX Boostは、KI Strategyの戦略・DD・PMIの実績を土台に、投資先のEBITDA改善の実行部隊として、DD段階の工数構造の見極めから100日プランの診断・単機能・計測設計、その先の定着までを成果報酬型で伴走する（報酬設計は成果報酬型AIコンサルティングの仕組み、現場常駐で実装まで通す方法論はFDE型コンサルティング完全解説）。検討中の案件について、DDのチェックリストに12項目を差し込むところからでも構わない。お問い合わせからご相談いただきたい。