業界別ガイド：投資銀行
投資銀行でClaudeを使う方法：ディールチームとアナリストのためのガイド
フォーマット作業で徹夜する時間を減らし、ディールに使う時間を増やす。
本ガイドは、M&Aやキャピタルマーケッツ案件のプロダクション業務、つまりピッチブック、類似企業分析、類似取引、CIM、ティーザー、バイヤーリスト、モデルレビューにおいて、バンカーがAnthropicのClaudeをどう活用できるかを示します。Anthropicが金融サービス向けに公開してきた内容、Anthropic自身の投稿で名指しされた企業のコメント、そしてバンカーの判断を委ねられない領域についても取り上げます。
投資銀行でClaudeを使う方法とは、重い作業をAIに任せつつ、確認作業は人間が担うことを意味します。ピッチブックのページや企業プロフィールの下書き、提供したデータからのコンプスや類似取引テーブルの作成、デューデリジェンス資料からのCIMセクションやティーザーの下書き、バイヤーリストの作成、そしてマージャーモデルやLBOモデルの数式エラーの監査です。Claudeは初稿をすばやく作成しますが、アナリストとアソシエイトがすべての数値を検証し、シニアバンカーがクライアントへのアドバイスに責任を持ちます。
公開日
要点まとめ
- 投資銀行における最も強力な活用法は、ピッチブックのページ、コンプスや類似取引のテーブル、CIMとティーザーのドラフト、バイヤーリスト、モデルレビューです。
- Anthropicは、類似企業分析、DCFモデル、ティーザー向けのAgent Skillsに加え、ピッチビルダーとモデルビルダーのエージェントテンプレートを公開しています。
- クライアント向け成果物のすべての数値は、開示資料、データプロバイダー、あるいはクライアント自身の数字といった出典と必ず突合されます。
- AIの出力を上手にレビューできるようになったジュニアバンカーは、不要になるのではなく、より速くなります。この仕事が鍛えるのは判断力のレイヤーです。
- クライアントや案件に関する情報は、銀行が承認したワークスペース内でのみ扱うべきものです。
コピーして使える
今日から使えるプロンプト
ピッチブック用の企業プロフィール
あなたはセルサイドM&Aチームのアナリストです。以下に貼り付けた開示資料と投資家向けプレゼンテーションの抜粋のみを使用して、ピッチブック用の一ページの企業プロフィールを下書きしてください。内容は、3文でのビジネス概要、売上構成比を含むセグメント、開示されている主要顧客と地域、最近の戦略的な動き、そして売却の可能性に関連するポイントを3つとします。各数値の横に出典文書とページを記載してください。外部知識は使用しないでください。資料：[貼り付け]。
Claudeを貼り付けた資料のみに限定することで、古い数値や出典のない数値がブックに紛れ込むのを防げます。
コンプステーブルとコメント
以下はピアセットのトレーディングデータのテーブルです。企業名、エンタープライズバリュー、売上高、EBITDA、直近会計年度と今後2年間の予測成長率が含まれています。各年についてEV/売上高とEV/EBITDAを計算し、セット全体の平均値と中央値を出し、倍率が中央値から標準偏差1つ分以上離れている企業があればフラグを立ててください。そのうえで、マネージング・ディレクターがそのまま読み上げられるような4文のコメントを書いてください。計算式も示してください。データ：[貼り付け]。
計算式を求めることで、その数字をExcelで再構築して確認できるようになります。
CIMセクションのドラフト
以下に説明する企業について、confidential information memorandum（CIM）のIndustry Overviewセクションを下書きしてください。私が提供するマーケットデータと経営資料のみを使用してください。構成は、市場の定義、市場規模と成長ドライバー、競合環境、そしてなぜこの企業が有利な立場にあるのか、とします。セルサイドCIMらしい中立的で事実に基づいたトーンで書いてください。出典が必要な記述には[要出典]と印を付けてください。資料：[貼り付け]。
[要出典]のマーカーによって、クライアントのレビューに回す前のドラフトの正直さを保てます。
根拠付きのバイヤーリスト
以下のターゲット企業プロフィールをもとに、戦略的バイヤーと財務的スポンサーに分けたバイヤーユニバースを下書きしてください。候補先ごとに、ターゲットの製品、顧客、または地域と結びついた一行の根拠を示し、参加しない明白な理由があればそれも記載してください。確信が持てない候補先には「未確認」と印を付け、チームが自社データベースと照合できるようにしてください。ターゲットプロフィール：[貼り付け]。
Claudeの知識には学習データのカットオフがあるため、このバイヤーリストはあくまで出発点であり、自社のデータベースと照合する必要があります。
マージャーモデルのレビュー
MDが確認する前にアナリストの作業をチェックするアソシエイトとして、添付のアクリーション・ダイリューションモデルをレビューしてください。買収価格、ソース・アンド・ユーズ、資金調達の前提、シナジー、プロフォーマEPSをたどってください。数式内のハードコードされた入力値、transaction assumptionsタブとの不整合、符号のエラーやリンク切れをすべてリストアップしてください。修正は行わないでください。セル参照付きの番号付き問題リストを返してください。
レビューと修正を分けることで、何を変更するかを自分で決められ、エラーが潜みやすい場所を学べます。
Anthropicより
Anthropicが投資銀行向けに提供しているもの
Claude for Financial Services
2025年7月に発表されたAnthropicの金融サービス向けオファリングは、Claudeモデル、Claude Code、エンタープライズアクセスに加え、FactSet、S&P Global、PitchBook、Morningstarなどのデータプロバイダー向けの構築済みコネクタ、そして導入パートナーを組み合わせたものです。Anthropicは、デフォルトではデータを学習に使用しないとしています。
· 出典
Advancing Claude for Financial Services
2025年10月のアップデートでは、類似企業分析、ディスカウンテッドキャッシュフローモデル、デューデリジェンス用データパック、ピッチブックやバイヤーリスト向けの企業ティーザーとプロフィール、決算分析、カバレッジ開始レポート向けのAgent Skillsが追加されたほか、Claude for Excelのベータ版やLSEG、Moody'sなどとのコネクタも加わりました。
· 出典
Agents for financial services
2026年5月には、ピッチビルダー、ミーティングプリペアラー、モデルビルダー、バリュエーションレビュアーを含む10種類のエージェントテンプレートが公開され、Claude CoworkとClaude Codeのプラグインとして提供されました。また、AnthropicのExcel、PowerPoint、Wordのアドインも一般提供が開始されました。
· 出典
実践例
投資銀行のチームはClaudeをどう使っているか
Anthropicが公開した導入事例によると
RBC Capital Markets
Anthropicの2025年10月の金融サービスアップデートで、RBC Capital MarketsのAI・デジタルイノベーション責任者は、複数のデータソースを統合しワークフローを自動化する点でClaudeが際立っていると述べました。
Anthropicが公開した導入事例によると
Mizuho
Anthropicが2026年5月に発表した金融サービス向けエージェントに関するアナウンスでは、Mizuhoの銀行部門COOが、準備に費やしていた時間がアイデアのための時間に変わったと語ったことが紹介されています。
Anthropicが公開した導入事例によると
Crunched
Anthropicの顧客事例によると、CrunchedはClaudeを基盤に、投資銀行、プライベートエクイティ、コンサルティングのユーザー向けにExcelツールを構築しており、同社の顧客はモデリング、財務スプレッド作成、企業レポート作成で大幅な時間短縮を実現していると報告しています。
説明用のシナリオ
出典を明示しチェック済みのピッチブック企業プロフィール
- アナリストが開示資料の抜粋と最新の投資家向けプレゼンテーションをディールプロジェクトに貼り付ける。
- Claudeが、各数値の横に出典文書とページを添えた一ページのプロフィールを下書きする。
- アナリストが各数値を出典と突合し、誤った期間から取られたセグメント数値を修正する。
- アソシエイトが、マネージング・ディレクターが伝えたいストーリーに合わせて戦略的なポイントを編集する。
- 標準的な突合とレビューを経て初めて、そのページがブックに組み込まれる。
説明用のシナリオ
MDとのミーティング前にマージャーモデルをレビューする
- アソシエイトが、アナリストが作成したアクリーション・ダイリューションモデルについて、修正なしで問題点のリストをClaudeに求める。
- Claudeが、ハードコードされた入力値、前提条件タブと食い違う資金調達の前提、リンク切れをリストアップする。
- アナリストが各問題点を修正し、何を変更したかについて短いメモを書く。
- Claudeが二度目のレビューを行い、修正内容を確認し、新たな問題があれば指摘する。
- アソシエイトがマネージング・ディレクターに最終的なアウトプットを説明し、数字に責任を持つ。
投資銀行とClaude：公開されている数値
コアワークフロー
実際のディールで見るClaudeの投資銀行における活用事例
アナリストやアソシエイトの労働時間の大部分を占める業務であり、投資銀行におけるAI活用が真価を発揮する領域です。
ピッチブック
開示資料や提供データをもとに、企業プロフィール、案件概要、マーケットページのドラフトを作成します。AIによるピッチブック生成の質は、与える情報源の質に左右されます。
コンプスと類似取引
コンプス分析へのAI活用とは、手元のデータから倍率を計算し、外れ値を検出し、コメントを下書きすることです。数式は自分で再構築して検証できます。
CIMとティーザー
CIMドラフト作成へのAI活用は、デューデリジェンス資料を構造化されたセクションや匿名ティーザーに変換し、埋めるべき箇所をディールチーム向けに明示します。
バイヤーリスト
戦略的バイヤーと財務的バイヤーのユニバースを、各候補先の根拠付きでリストアップします。自社のリレーションシップデータと照合してご確認ください。
モデルレビュー
AIによるマージャーモデルのチェックでは、買収価格、資金調達、シナジー、プロフォーマEPSを追跡し、ハードコードされた数値やリンク切れをリストアップし、アソシエイトが修正できるようにします。
ミーティング・プロセス準備
案件記録をもとに、クライアント向けミーティングブリーフ、プロセスレター、経営陣プレゼンテーションのアウトライン、バイヤーからの質問への回答案を作成します。
プロダクション業務のレイヤー
投資銀行がジュニアの得意分野でAIをどう活用しているか
投資銀行の労働時間の大半は、データや開示資料をページに落とし込み、100枚のスライド全体で数字の整合性をチェックし、コンプセットが変わるたびにテーブルを作り直すといったプロダクション業務に費やされます。これはまさにClaudeが得意とする領域です。ただし、インプットがクリーンで、アウトプットがきちんとチェックされることが前提です。うまくいくパターンは、出力形式を固定した狭いプロンプトです。プロフィール一つ、テーブル一つ、セクション一つずつ進めます。
Anthropicはこの業務領域に直接力を入れています。2025年10月の金融サービスアップデートでは、バリュエーション倍率とオペレーティングメトリクスを扱う類似企業分析用のAgent Skills、WACC計算とセンシティビティテーブルを備えたディスカウンテッドキャッシュフローモデル、ピッチブックやバイヤーリスト向けの企業ティーザーとプロフィールが紹介されました。2026年5月には、ピッチビルダー、モデルビルダー、ミーティングプリペアラー、バリュエーションレビュアーを含むエージェントテンプレートが追加され、Claude CoworkとClaude Codeのプラグインとして利用可能になりました。
肝心なのは出典管理です。社外に出るすべてのページには銀行の名前が付いています。Claudeには各数値について文書名とページを引用させ、提供した資料の範囲に限定させ、クライアントに渡す前にブックの数字を突合する担当者を必ず置いてください。AIが基準を変えるわけではなく、その基準に到達するスピードが変わるのです。
キャリア
ジュニアバンカーとAI：AIは投資銀行のアナリストに取って代わるのか
AIが投資銀行のアナリストに取って代わるのかという問いは、今やどのアナリストクラスでも話題に上ります。正直なところ、仕事は消えるのではなく形を変えつつあります。かつて深夜まで続いたフォーマット作業や初稿作成は、ますますツールが担うようになっています。残るのは、事業を理解すること、どの数字が間違っているかを見抜くこと、懐疑的なクライアントにバリュエーションを説明することといった、もともと本当のトレーニングだった部分です。
ジュニアバンカーにとってAIが最も価値を発揮するのは、レビュアーや説明役としての使い方です。センシティビティテーブルがなぜそのように動くのか、二つの倍率の差を生んでいる要因は何か、CIMのあるセクションについてバイヤーがどこに反論してきそうか、Claudeに聞いてみてください。シニアの見解と照らし合わせて確認する限り、こうした問いはフォーマット作業よりずっと速く判断力を鍛えてくれます。
AIの出力を指示し検証する術を身につけたアナリストは、スピードと正確さを両立できる人材としてチームから頼りにされるようになります。逆にチェックせずに出力をそのままブックに貼り付けるアナリストは、すぐに見抜かれます。銀行業界のレビュー文化は、まさにそれを見つけるために作られているからです。
ツール選び
投資銀行におけるClaudeとChatGPTの比較、そして投資銀行向けClaude Skills
投資銀行業務におけるClaudeとChatGPTの比較は、自分たちの成果物で実際に検証すべきです。すでにチェック済みの企業プロフィール、コンプステーブル、モデルを用意し、両方のツールに同じプロンプトと入力を与えてみてください。正確さ、引用の挙動、フォーマットにかかる手間、データが欠けている場合の対応を比較します。どちらのツールも頻繁にアップデートされるため、ワークフローが変わるたびにテストをやり直しましょう。
投資銀行向けClaude Skillsとは、Anthropicが金融業務向けに公開しているAgent Skillsやプラグインのことで、コンプス、DCFモデル、ティーザー、ピッチ資料をカバーし、FactSet、S&P Global、PitchBook、LSEGといったデータプロバイダーとのコネクタも備えています。銀行側で有効化されていれば、セットアップの手間を減らせます。有効化されていない場合でも、このページのプロンプトは、アップロードが許可されている文書を使えば通常のClaudeチャットで機能します。
多くの銀行にとって決め手となるのは、モデルの性能そのものではありません。コンプライアンスが何を承認しているか、クライアント情報にどのデータ規約が適用されるか、どのデータプロバイダーがツールと連携しているかです。銀行が実際の案件で使用を承認しているツールは、公開情報にしか使えないツールに勝ります。
はじめに
AIの出力を「使える」ものにする4つの習慣
すべての数字に出典をつける
各数値の横に文書名とページを求め、Claudeが参照できる範囲を貼り付けた資料に限定してください。出典のない数字はブックに載せません。
一度に一ページずつ
決まった形式で、プロフィール・テーブル・セクションを一つずつプロンプトで指示します。範囲を絞ったプロンプトなら、すばやくチェックできる出力が得られます。
まずレビュー、それから修正
モデルを監査する際は、修正はさせず問題点のリストだけを求めます。何を直すかは自分で決め、どこにエラーが潜みやすいかを学べます。
プロンプトライブラリを持つ
自社のフォーマットに合ったプロンプトを保存しておきましょう。プロンプトを共有すれば、ディールチーム全体のスピードと一貫性が上がります。
限界
バンカーがAIに頼るべきではない領域
Claudeは、間違った数字が入っていても流暢な文章のページを作ってしまうことがあります。スキャンされたテーブルを読み違えたり、会計年度と暦年を混同したり、学習データに含まれる古い数値をそのまま使ってしまったりする可能性もあります。これはクライアント向け成果物やフェアネスオピニオンの文脈では許容されません。すべての数値を出典と突合し、Claudeの出力はまだチェックされていない下書きとして扱ってください。
アドバイスは人間の責任です。プロセス、バイヤー、価格を推奨することには、リレーションシップ、マーケットの読み、規制上の義務が伴い、それらは案件担当のバンカーに帰属します。Claudeはそうした会話の準備を手伝うことはできますが、代わりに会話をすることはできません。
機密保持は絶対です。マンデート、クライアントの財務情報、バイヤーの関心は重要な未公開情報（material non-public information）です。銀行が承認したワークスペースのみを使用し、情報隔壁（インフォメーションバリア）のルールに従い、案件資料を個人アカウントに絶対に貼り付けないでください。
次のスタッフィングメールが来る前にスキルを身につける
案件のプレッシャーの中で的確にプロンプトを書くのは、小手先のコツではなく訓練で身につくスキルです。無料のNightschool AIカリキュラムは最初のレッスンから実践形式なので、ブックの締め切りが来たときにはすでに習慣が身についています。
よくある質問
AIは投資銀行のアナリストに取って代わるのか？
AIはアナリスト業務の一部、特にフォーマット作業、初稿作成、テーブル作成を代替しつつあります。しかし、事業を理解し、間違った数字を見抜き、シニアバンカーのクライアント対応をサポートする人材の必要性を代替するものではありません。AIの出力を指示し検証する術を身につけたアナリストは、チームにとってより価値の高い存在になる傾向があります。
AI時代でも投資銀行はまだ良いキャリアと言えるか？
銀行業務の核心はアドバイス、リレーションシップ、実行に関する判断であり、これらは今も人間の仕事です。縮小しているのは、かつてアナリスト時代の大半を占めていた手作業のプロダクション業務です。これから銀行業界に入る人は、フォーマット作業よりも分析やレビューに多くの時間を使うことになるでしょう。それを、より良い修行期間だと感じる人も多いはずです。
AIはピッチブックを作れるか？
AIはピッチブックの多くの部分、たとえば企業プロフィール、マーケットページ、コンプステーブル、案件概要のドラフトを作成できます。Anthropicはピッチビルダーのエージェントテンプレートも公開しています。ただし、MDが伝えたいストーリーを決めることや、すべての数値の正しさを保証することはできません。出力はチームが出典を確認し、チェックし、形にしていく初稿として扱ってください。
financial modelingではClaudeとChatGPTのどちらが優れているか？
それはモデル、入力データ、そして各ツールのどのバージョンを使うかによります。すでにチェック済みのモデルで両方をテストし、正確さ、数式の透明性、データが欠けている場合の対応を比較してください。クライアント向けの業務では、銀行が承認し、データプロバイダーと連携させているツールを使うのが実務上の答えになることがほとんどです。
投資銀行はAIをどのように活用しているか？
銀行はピッチ資料、コンプスや類似取引の分析、CIMやティーザーのドラフト、バイヤーリスト、ミーティング準備、モデルレビュー、さらには社内リサーチにAIを活用しています。Anthropic自身の投稿では、RBC Capital Marketsが複数のデータソースの統合とワークフローの自動化についてClaudeを評価するコメントを、Mizuhoが準備時間がアイデアのための時間に変わったというコメントを紹介しています。
AIは投資銀行のエントリーレベルのアナリストを静かに置き換えつつあるのか？
AIは、エントリーレベルのアナリストの存在自体よりも、彼らが何をするかを変えつつあります。プロダクション業務はツールに移り、レビュー、分析、クライアント対応の準備が仕事に占める割合が増えています。最もリスクが高いのは、AIの出力を批判的にチェックする術を身につけないアナリストです。
AIが構築を手伝ったモデルはどうやってチェックすればよいか？
アナリストの初稿だと思って扱ってください。ソース・アンド・ユーズ、資金調達、出力を一行ずつたどり、数式内にハードコードされた数値がないか探し、バランスシートがバランスしているか確認し、主要な前提条件を原資料と照らし合わせます。Claude自身のモデルについて問題点リストを求めるのも有用ですが、最終的なサインオフは人間が行います。
実際のマンデートでAIを使っても安全か？
銀行がクライアント情報の取り扱いを承認したワークスペース内で、情報隔壁のルールに従う場合に限られます。マンデートやクライアントの財務情報は重要な未公開情報です。Anthropicは自社の金融サービス向けオファリングについて、デフォルトではデータを学習に使用しないとしていますが、何が許可されるかは各銀行のポリシーが決めます。