決算書の不正を見破る AI、本当に使えるか試してみた

MD&A って何？決算書に書いてある『経営陣のコメント』ってそんなに重要なの？

MD&A は Management Discussion and Analysis の略で、決算書の数字の背景にある経営陣の説明書きのようなものです。「売上が○○％増えた理由」「この事業セグメントが苦戦した背景」といった、数字だけでは分からない文脈が書かれている。 重要な点は、不正をする人間はこのコメント欄に足跡を残しやすいということです。数字を改ざんするときは、帳簿の辻褄を合わせるだけじゃなく、それっぽい説明文もセットで用意しないと疑われます。ところが、その説明が不自然だったり、矛盾していたり、論理的に破綻していることがある。AI が数値データだけを見ていれば見逃すような「言葉の綻び」まで拾うことで、初めて不正の全体像が見える可能性があるわけです。 つまり、不正は「数字を整える」だけの一点突破では成り立たず、ストーリーまで騙す必要があるんですが、人間のコメントはロボットより上手くストーリーを作りづらいという弱点がある。そこを AI に指摘させるという、なかなか賢い発想と言えそうです。

株を買うときに企業の決算書を見る個人投資家って、この AI が検出できないような不正に引っかかるリスクがあるってことなの？

個人投資家が決算書を読む時点では、その情報はすでに公開されたもの。不正が隠されていればいるほど、AI も人間も見破るのは難しい。この研究が指摘してるのは、実はそこじゃなくて、企業を完全に新規に評価する場面での脆さなんです。 つまり、A企業の過去データで学んだAIを、B企業に当てると外れるということ。個人投資家が引っかかるのは、むしろ「AIすら見破れない不正」というより、「その企業独特の不正パターン」のリスク。経営陣が巧妙に数字を調整していたり、業界特有の会計トリックを使っていたりすると、通常のチェックリストではスルーされたままになる。 この論文が経営陣のコメント文も読ませるというのは、その隙間を埋める試みです。つまり、数字だけ整った企業でも、経営陣の説明に矛盾がないか、前期との論調の変化があるか、みたいな微妙な信号をキャッチできれば、不正の予兆が見えるかもしれない、ということ。個人投資家にとって有用な防衛策は、決算数字の精査より、経営陣の説明が一貫してるか、や、業界の標準と比べて異なる会計処理がないか、という判断眼に近いのかもしれません。

なぜ今まで AI は試験環境と実務環境で精度が落ちる問題に、気づかなかったんだろう？

AI の精度が試験環境と実務で違う問題は、実は昔からあって、気づかれていなかったわけではないんですよね。ただ、気づくための「測り方」が間違っていたということかもしれません。 決算書の不正検出なら、企業 A の過去データ 80%、企業 B の過去データ 20%、みたいにランダムに混ぜて学習・テストすれば、試験成績は高く出ます。でも現実は「企業 A について学んだモデルで、企業 A の未来を予測する」ではなく「A という企業を全く知らないモデルが、A の決算書を見て詐欺を判定する」という別物なんです。 この「ズレ」は、AI が精度計算の理屈だけで評価される限り、わざわざ見つけようとしない無意識の盲点になりやすい。論文化されるときも、高い数字が出れば「成功」と報告されてしまう。金融機関が実装してから「あれ、これ使い物にならない」と気づく。その段階で初めて「試験方法が間違っていた」という診断が下される流れなんだと思います。つまり、問題は気づかなかったというより、気づく仕組みそのものがなかったということかもしれません。

『テスト環境では得意だけど、本番環境では外れる』って、これ AI 開発全般によくある話？

そうですね。これは AI 開発ではほぼ必然的に起きる現象で、決算書の不正検出に限った話ではありません。 機械学習モデルが「訓練データで見たパターン」に過度に最適化してしまう状態を過学習と呼びますが、決算書の例では少し違う。むしろ、訓練と実運用で「問題の構造そのものが変わる」ことが本質です。 開発時は通常、過去のデータを時系列でバラバラにして、ランダムに学習と検証に分ける。だから AI は「この数字のセット＝不正」という表面的なパターンを学ぶ。ところが実務では、ある企業の過去5年から学んで、その企業の来年の決算を判定しなければならない。企業ごとの個性や時代的なズレが新たなノイズになってしまう。 音声認識、医療診断、自動運転でも同じです。試験室では 95% の精度も、実際の雑音、患者、路面状況では 70% に落ちる。理由は、現実には試験データには含まれていなかった「新しい環境」が満ち満ちているから。 この論文の工夫は、その現実的なズレを意図的に再現しているところで、経営陣のコメント文を加えるのも、実務環境に合わせた改良と言えそうです。

数字を完全に正直に書いてる企業の決算書と、コメントで『つじつま合わせ』をしてる企業の決算書って、経営陣の心理としてはどう違うんだろう？

数字と文章で異なるストーリーを語る経営陣の心理。 それは「自分たちは正当化できる」という確信の有無に尽きるのかもしれません。 数字が正直な企業は、たとえ業績が悪くても「これが現実だ」と受け入れている。 赤字でも倒産しても、その事実を隠す必要性を感じていない。 一方、数字と文章がズレている企業は違います。 数字の現実は変えられない。だから、その現実を「正当な背景がある」と読者に納得させようとする。 つまり「不正ではなく、正当な説明だ」という立場を守りたい心理が働いている。 ここが微妙なんです。 完全な粉飾決算なら、数字そのものを改ざんします。 でもコメント部分でのつじつま合わせは、事実の解釈をひねっている段階。 本人たちには「説明次第では理解されるはず」という淡い期待がまだ残っている。 だから文章に必死さが宿る。 逆に言えば、AI がコメント部分に着目する価値はそこにある。 数字の粉飾より、「説明が数字と矛盾している」という不整合こそが、 経営陣の焦燥感を映し出す鏡になるのかもしれません。