「12 is the new 5」── マルチプルが効かなくなった世界でAIをどう使うか

プライベート・エクイティの収益構造は、この数年で静かに、しかし大きく変わった。Bain & Companyの『Global Private Equity Report 2026』が掲げた「12 is the new 5」という表現が、それを端的に示す。低レバレッジ・高エントリーマルチプルの環境下では、5年で2.5倍のリターン（MOIC）を出すために必要なEBITDA成長率が、かつての年5%前後から年10〜12%前後へと跳ね上がった、という指摘である（Bain & Company『Global Private Equity Report 2026』）。

なぜこうなったのか。構造はシンプルだ。同レポートの整理では、借入コストが8〜9%水準、レバレッジ比率が30〜40%、購入マルチプルが過去最高圏という環境が重なり、金融条件の正常化でレバレッジの貢献が縮小した。つまり「安く買って、借金で増幅して、高く売る」という財務エンジニアリングの余地が痩せ細った。KPMG『Value creation in private equity』（2025年10月）も、ファンドレイズが2021〜2025年に縮小し、3兆ドル超の資産がエグジット待ちのパイプラインに滞留するなかで、EBITDAマージン拡大による「真の」価値創造が急務だと指摘する。残された再現可能な競争優位は、保有期間中に事業そのものの利益を積み上げる――オペレーショナルなValue Creationしかない。

LP側の選定基準もこれに連動している。McKinsey『Global Private Markets Report 2026: Private Equity』（2026年2月）が引く調査では、2026年1月に調査された300のLPのうち53%が、GP選定の上位5指標として「Value Creation戦略」を挙げた。これは1年前の調査でセクター専門性が占めていた3位の座を置き換えた格好で（最上位はパフォーマンスと投資チーム・デューデリジェンスの質）、LPは「アロケーター」ではなく「オペレーター」を求めるようになっている。

この文脈でAIが注目されるのは自然な流れだ。だが、ここに大きな落とし穴がある。GPはAIに高い期待を寄せているのに、投資先での実現はごく一部にとどまっているのだ。本稿は、その「期待と実現のギャップ」がなぜ生まれるのかを一次ソースで構造的に読み解き、AX Boostが保有期間内にEBITDAを動かすために用いる「不要な工数の見極め」と「90日サイクル」という考え方を提示する。実務担当者――PE/VCのオペレーティングパートナーやValue Creation担当――が、投資先のAI施策を「パイロットの墓場」で終わらせないための実装ガイドである。

なぜ投資先のAIはパイロットで止まるのか ── 約8割停滞の解剖

まず数字を直視したい。Bain & Companyの『Field Notes from the Generative AI Insurgency in Private Equity』（Global Private Equity Report 2025。運用資産3.2兆ドルを代表する投資家を2024年9月に調査）によれば、投資先企業の大半が生成AIのテスト・開発のいずれかの段階にあるものの、ユースケースを実運用化し具体的な成果を見ているのは約20%にとどまる。裏を返せば、約8割の投資先はまだパイロット段階で停滞しているということだ。

この停滞は、PEポートフォリオに固有の問題ではなく、企業全般に見られる構造的な現象でもある。McKinseyが「ジェネレーティブAIのパラドックス」と呼ぶこの現象は、同社『Seizing the Agentic AI Advantage』（2025年6月）で定量化されている。78%超の企業が少なくとも一つの業務機能で生成AIを利用しているにもかかわらず、80%超が収益（earnings）への有意な貢献を報告できておらず、AI戦略が成熟していると自認する企業はわずか1%。さらに、機能特化型の「バーティカル」ユースケースは、横断的なものに比べてパイロットを超えてスケールしにくいという。

ここで重要なのは「なぜそうなるか」の構造である。McKinseyの分析が指摘するのは、横断的（ホリゾンタル）なユースケース――全社チャットボットやコパイロット――は導入が容易だが効果が拡散して測りにくく、業務に深く埋め込まれた縦型（バーティカル）のユースケースこそ利益に効くのに、そこがパイロットで止まる、という非対称性だ。多くの企業は「導入しやすいが効かない」ものに手を出し、「効くが難しい」ものを後回しにする。

McKinsey『Global Private Markets Report 2026: Private Equity』はこの問題を投資先文脈で言い換えている。多くの投資先企業は明確なAI戦略やオペレーティング体制を欠いており、障壁としては「価値プール（value pool）の不明確さ」「AI人材とデータの不足」「実行の失敗（execution failure）」が挙げられる。同レポートが示す処方箋も明快で、最大の価値プールはAIインフラを所有することではなく、AIを事業のコスト構造・価格モデル・収益エンジンの再設計に適用することで開かれる。だからこそポートフォリオレベルの価値創造計画は、広く浅い「デジタルトランスフォーメーション」ではなく、1社あたり2〜3個の高インパクトなユースケースに絞り込む方向へ進化している、という。

この「絞り込み」が成否を分ける。なぜ多くの投資先がそれをできないのか――それは、現場が「やれること」を網羅的に並べてしまい、「やる必要のないこと（＝本来ヒトがやらなくてよい工数）」を引き算する作業を誰もやらないからだ。ここにAX Boostのポジショニングの起点がある。詳しくはAI定着失敗の典型7パターンで構造を整理しているが、PoCが乱立して「お手並み拝見」状態に陥る病理は、IPA『DX動向2025』が日本企業の85.1%でDX推進人材が「やや／大幅に不足」している（米国23.8%・ドイツ44.6%より著しく高い）と指摘する人材逼迫とも重なる。

AX Boostのポジショニング ── 「不要な工数の見極め」という引き算

ここで本稿の核心となる視点を提示する。AIによるValue Upの本質は、「ヒトがやる必要のない仕事を見極めて引き算し、人を価値ある仕事へ再配置（redeployment）すること」にある。AIで人を減らすのではなく、判断・交渉・関係構築といった付加価値の高い業務へ人を再配置する――この再配置こそがEBITDAを動かす。コストラインだけでなく、再配置した人材が生む増収にも効くからだ。

なお、この「足し算より引き算」という捉え方はファンド投資先に限らず、AX Boostが全領域で共有する基本姿勢である。ICPを問わない引き算→再配置の全体像はAIは足し算より引き算 ── 工数を見極めて再配置するで整理しており、本稿はそれをPEの保有期間・EBITDA文脈に落とし込んだものと位置づけられる。

McKinseyの『The economic potential of generative AI』（2023年6月）が、生成AIの年間価値2.6〜4.4兆ドルのうち約75%が顧客オペレーション・マーケティング/営業・ソフトウェア開発・R&Dの4機能に集中すると分析したのも、この「どの工数に効くか」の地図と読める。価値は均等には分布しない。だからこそ「見極め」が決定的に重要になる。

AX Boostが市場に対して差別化を主張できる軸は、突き詰めれば次の四点である。

第一に、利害一致だ。AX Boostは成果報酬型を基本とする（詳細は成果報酬型AIコンサルティング）。工数を削ることが顧客の得になり、それがそのまま自社の報酬につながる構造を採る。これは契約モデルの構造として公正に述べておくべき論点だが、人月単価や受託開発を主とするモデルでは、工数そのものが売上であるため「工数を減らす」方向に逆のインセンティブが働きうる。どちらが優れているという話ではなく、Value Up――すなわち工数削減と利益創出――を目的とするなら、報酬と成果が同じ方向を向く契約構造のほうが利害が揃いやすい、という構造論である。契約モデルごとのインセンティブ構造は伴走型 vs スポット型 vs FDE型の比較でも整理している。

第二に、見極め力である。「どの工数が本当に不要か」を判断するには、AIの技術力だけでなく、事業構造・業務プロセス・組織の理解が要る。AX Boostの運営は株式会社KI Strategy（2016年創業、代表・今井健太郎はNRI出身）であり、戦略立案・業務改善・デューデリジェンス（DD）・PMI（Post Merger Integration）に加え、不動産領域のAI活用、デジタルマーケティング会社のAI伴走、会計領域のAI企業の支援、製造業のAX推進など、AIを業務に組み込む支援にも携わってきた（具体的な社名は守秘のため非公開）。さらに同社は2026年、AIと各分野の専門家を組み合わせたバーチャル・シンクタンクVRI（Virtual Research Institute）を立ち上げ、業界別リサーチを継続的に提供している（AX Boostと同じ運営母体）。投資先が属する業界の動向を外注でも内製でもなく「持つように使う」リサーチ機能は、DD・PMIでの工数見極めと補完的に働く。技術力は前提条件であって差別化要因ではない。差別化は「現場のどの工数を引き算すべきか」を、DD/PMIの目線で見極められるかどうかにある。

第三に、PMI/ファンド文脈のEBITDA Value Upだ。M&AのPMI段階は、業務の標準化・自動化・AI化を一気に進められる稀有なタイミングである。EY Japanの公開見解（「PEファンド・地銀ファンドによる投資実行に絡めた業務効率化・自動化・AI化」）でも、業務自動化を投資実行の段階、遅くともPMIの初期のタイミングで進めるべきだという見方が示されている。AX BoostはこのDD/PMIの文脈で「不要な工数の見極め」を行う。

第四に、FDE型での実装・定着である。約8割がパイロットで止まる世界では、計画ではなく実装が希少資源だ。AX BoostはForward Deployed Engineer型（現場常駐・実装伴走）で定着まで通す。FDE型の方法論はFDE型コンサルティング完全解説に詳しい。

独自フレーム ── 「90日診断 → 単機能展開 → 定着」を保有期間に重ねる

ここでAX Boostの独自ロードマップを提示する。保有期間（ホールド期間）を3つのレイヤーに分解し、AI Value Upを段階展開する考え方だ。McKinseyが「1社あたり2〜3個の高インパクトユースケースに絞れ」と言う処方箋を、PEの時間軸に落とし込んだものと理解してほしい。

フェーズ1：90日診断（Diagnosis）。 DD完了後あるいは取得直後の最初の90日で、業務の棚卸しと「不要な工数マップ」を作る。ここでやるのは網羅的なデジタル化計画ではなく、引き算の対象の特定だ。どの業務が定型反復で、どの判断がルール化可能で、どの工数がヒトでなくてよいか。McKinseyの4機能（顧客オペレーション・マーケ/営業・ソフトウェア・R&D）の地図を参照しつつ、対象企業のEBITDAブリッジ上で「効く2〜3点」を選ぶ。この段階で、後述するベースライン実測も同時に着手する。診断の進め方はAIロードマップ策定の実務近日公開の考え方を投資先に適用する。

フェーズ2：単機能展開（Single-function deployment）。 全社展開を急がず、1機能・1業務に絞ってバーティカルなユースケースを実装する。McKinseyのパラドックス分析が示すとおり、横断コパイロットを広く撒くより、特定機能に深く埋め込むほうが利益に効く。ここでFDE型が生きる。要件の擦り合わせ、ワークフロー再設計、現場の抵抗（いわゆる「組織の拒絶反応」）への対応を、机上ではなく現場で行う。Bainのレポートも、投資先での実装は変革管理――雇用への不安を抱く従業員の懸念に向き合う作業――を伴うと指摘している。だからこそ「人減らし」ではなく「再配置」のフレーミングが現場の協力を引き出す鍵になる。

フェーズ3：定着とスケール（Adoption & scale）。 単機能で成果が出た後、横展開と定着を図る。ここで初めて全社的なスケールに進む。PoCから本番への移行で失敗する典型パターンはAI PoC止まり脱出フレームワークで詳述しているが、要点は「定着の責任者と運用設計を実装と同時に作る」ことだ。AX Boostが内製化支援まで担う場合の論点はAI内製化 vs 外注も参照されたい。

このロードマップを保有期間（典型的には4〜6年）に重ねると、初年度に診断と最初の単機能展開、2〜3年目で複数機能への横展開と定着、後半でエグジットに向けたAIレディネスの証明、という時間配分になる。McKinsey『Global Private Markets Report 2026』が、AIレディネスを「将来のアドオンではなくディールテーゼの一部」として扱えと述べている点とも整合する。エグジット時のバイヤーは、売り手のAI活用度・リスクを各業務機能で評価し始めている――つまりAI Value Upは保有期間のリターンだけでなく、エグジットマルチプルにも効きうる。

落とし穴 ── アトリビューションとEBITDA計測設計

ここからが、多くのAI Value Up施策が信頼を失う論点である。「AIで利益が改善した」と主張するとき、その改善は本当にAIによるものなのか。市況の追い風、為替、他の施策（価格改定・調達改善・人材の再配置）との切り分けができていなければ、その数字はLPにもエグジット先にも通用しない。

AX Boostがアトリビューションで重視するのは三点だ。第一に関与前ベースラインの実測。フェーズ1の90日診断で、施策投入前のKPI（処理時間・単位コスト・転換率・人時生産性など）を実測しておく。後付けの推計ではなく、関与開始時点の実数を押さえることが、後の「AI起因の増分」を語る前提になる。第二に市況・他施策との切り分け。可能なら対照群（導入店舗 vs 非導入店舗、導入部門 vs 非導入部門）を設計し、外部要因を差し引いた純増分を測る。完全な無作為化は実務では難しいため、ここは「範囲表現」で誠実に語る――「AI起因と推定される改善幅は◯〜◯%」という形だ。第三にEBITDAブリッジへの接続。削減した工数や創出した増収を、最終的にEBITDAのどのラインに効くのかまで分解して示す。コスト削減なのか、再配置による増収なのか、その両方なのかを峻別する。

この計測設計は、AIに限らずValue Creationの基本作法だが、AIでは特に「導入したこと自体」を成果と混同しやすい。McKinseyのパラドックスが示す「78%超が利用、80%超が収益効果なし」という乖離は、まさに導入と成果を取り違えた帰結とも読める。ROIの測り方そのものはAI ROIの測定方法で体系化しているが、PE文脈では「LP・エグジット先に対して説明可能な増分」であることが追加の要件になる。

落とし穴をもう一つ挙げておく。Bainのレポートが示した華々しい事例――コーディング生産性の向上、コンテンツ制作コストの削減など――は、ソフトウェアやデジタル系の投資先に偏りやすい。Bainの分析（『Wanted: Margin Growth in Software Investing』）では、過去10年のソフトウェアバイアウトで価値創造の約52%を増収、約42%をマルチプル拡大が占め、マージン改善の貢献はわずか約6%（しかもその大半が上位四分位のディール）にとどまった。つまり「AIで簡単にマージンが出る」わけではない。製造・サービス・地域企業など、データ基盤が弱くデジタル成熟度が低い投資先では、同じ手法がそのまま効くとは限らない。日本のミドル・ローワーミドル市場のポート企業にAIを適用する際は、海外事例の数値をそのまま当てはめず、対象企業の業務実態に即した見極めが要る。この「日本市場への適用可能性の吟味」こそ、KI StrategyのDD/PMI実績が活きる領域だと考えている。

限界と反例 ── AIで動かせないEBITDAもある

公正を期すために限界も明示する。第一に、AIで動かせるEBITDAには上限がある。Bainの「12 is the new 5」が示すのは、必要なEBITDA成長率が高まったという事実であって、AIがそれを自動的に埋めるという話ではない。AIは数あるValue Creationレバーの一つにすぎず、価格戦略・調達・M&Aロールアップ・人材・GTMといった伝統的レバーと組み合わせて初めて成果になる。AIを過大評価する投資仮説は、エグジット時に失望を生みやすい。

第二に、データとプロセスが整っていない投資先では、AI以前に業務の標準化が先になる。McKinseyが障壁に「データの不足」を挙げるとおり、AIは整っていない業務を魔法のように整えはしない。むしろ業務改善・標準化が先行投資として必要で、ここはKI Strategyの業務改善の領域そのものだ。AIの前にやるべきことがある投資先は珍しくない。

第三に、人の再配置には時間と組織的コストがかかる。工数を引き算しても、その人材を価値ある業務へ再配置できなければEBITDAは動かない。再配置先の設計、スキル転換、評価制度の調整――ここを軽視すると「AIは入れたが人は余ったまま」という状態になりかねない。人材面の論点はAI時代の人材戦略近日公開も参照されたい。AX Boostが「削減」でなく「再配置」を一貫して語るのは、現場配慮のレトリックではなく、EBITDAを実際に動かすための実務上の必然である。

そして留保として、AX Boost自体は2026年に立ち上げたサービスであり、AI活用の支援実績はあるものの、個別の事例は守秘契約のため開示できない。本稿で語れたのは、一次ソースに基づく市場構造の分析と、KI Strategyの戦略・業務改善・DD・PMIの実績、そしてそこから導かれる方法論である。出せない事例を誇張して「必ず成果が出る」と断定することはしない。検証可能な範囲で、誠実に提案する――それが正しい姿勢だと考えている。

まとめと次の一歩

LPの選定基準がValue Creationへ傾き、マルチプルとレバレッジが効きにくくなった以上、保有期間内にEBITDAを「作る」能力が、これからのGPの中核的な差別化になる。AIはその有力なレバーだが、投資先の約8割がパイロットで止まる現実（Bain 2025）と、78%超が利用・80%超が収益効果なしというパラドックス（McKinsey 2025）を直視しないかぎり、AIは投資仮説の飾りで終わりかねない。

鍵は、網羅的なデジタル化ではなく「不要な工数の見極め」という引き算であり、それを保有期間に重ねる「90日診断→単機能展開→定着」のサイクルであり、市況や他施策と切り分けてEBITDAに接続するアトリビューション設計である。そして、工数削減が顧客の得＝自社の得となる利害一致の契約構造――成果報酬型――が、この実装を最後まで通す推進力になる。

AX Boostは、KI StrategyのDD/PMI実績を土台に、成果報酬型・FDE型で投資先のAI Value Upを実装・定着まで伴走する。投資仮説の段階でのAIレディネス評価から、PMIでの工数見極め、保有期間のEBITDAブリッジ設計まで、ファンドの時間軸に合わせて関与できる。まずは対象企業1社の90日診断から、どの工数が本当に不要かを一緒に見極めるところから始めたい。

AX Boostの方法論をさらに知りたい方はFDE型コンサルティング完全解説を、具体の相談はお問い合わせからご連絡いただきたい。

主要参照ソース