投資銀行でClaudeを使う方法:アナリストの仕事はどう変わるか

こうした変化があっても、クライアントやクレジットコミッティーの前に出す数字に最終的な承認を与えるのは誰か、という点は変わらない。コンプスのセットに古いマルチプルが残っていたり、モデルの前提がデータルームの内容と一致していなかったりした場合、責任を負うのはそれを通してしまったアナリストであり、ファーストパスを作成したツールではない。

これが投資銀行アナリストによるAI活用における本当の変化だ。実際のディールを任せられるかどうかを証明する手段だった作業、整形に費やす時間、データの入力、モデルの初版作成が、今では一部自動化されている。残っているのは、もともと教えるのが難しかった部分だ。つまり、誰よりも先にどの数字がおかしいかを見抜く力である。

AIツールの導入をどこまで公式な仕組みにしているかは、銀行によって大きく異なる。標準化されたワークフローと、何に再確認が必要かという明確なルールを持つ部署もある。一方、完全に個々のアナリストの判断に任せている部署もある。その結果、ソース文書と照合せずにAIの下書きを信用してしまうという同じ失敗が、銀行ごとに異なる理由で発生することになる。

新人アナリストによるAI活用は、10年前にこの仕事の最初の数年を定義していたスキルの組み合わせとは異なるものを評価するようになっている。ツールが骨組みを作れる以上、純粋なモデリングの速さの重要性は下がり、その骨組みが間違っている時に見抜く力の重要性が上がる。

どの質問をすべきかを判断する力は、既知の質問に速く答える力よりも大きな差別化要因になっている。クライアントとの電話会議の前に、モデルの中でどの3つの数字をもう一度確認する価値があるかをマネージングディレクターに伝えられるアナリストは、若手バンカー向けAIがまだ自動化していない仕事をしている。

コミュニケーションと文脈の理解は、依然として完全に人間の領域だ。特定のクライアントが何を重視しているか、特定の業界の投資家が今四半期何に不安を感じているか、シニアバンカーに対して反対意見をどう上手く言葉にするか。こうしたことは文字起こしの要約からは得られない。

モデリングの直感、つまり数式を確認する前に数字が妥当なレンジに入っているかを感じ取る力は、今も地道な方法でしか身につかない。感覚が育つまで十分な回数、手作業でその作業を繰り返すことが必要だ。モデルの初版を作成するAIツールはその過程を代替しない。むしろ、手作業での積み重ねを早く切り上げてしまったアナリストは、レビューの段階で使える直感が少ないまま臨むことになる。

AIがすでにツールキットの一部になっている中で投資銀行でのキャリアを始めるかどうかを検討している人にとって、正直な答えは、この仕事はなくなるのではなく形を変えているということだ。労働時間は依然として長く、学習曲線は依然として急で、キャリアの道筋は変わらず同じ徒弟制を通るが、初期に取り組むタスクだけが違う。

変わっているのは、最初の2年間で何を学ぶかという点だ。AIツールをうまく使いこなし、何を求めるべきか、どう確認するか、いつ信用しないべきかを身につけたジュニアバンカーは、キャリアの階段を上がっても活かせるスキルを築いている。シニアバンカーもまた他人の仕事をレビューすることに時間を使うからだ。最もリスクが高いアナリストは、AIツールを使っているアナリストではなく、AIの出力を最初の下書きではなく完成品として扱っているアナリストである。

銀行やグループを選ぶ際には、アナリストにAIツールをどう使ってほしいと考えているか、レビューの基準がどのようなものかを聞いてみるのは理にかなっている。この質問に明確な答えを持つ部署は、5年前に存在していた仕事ではなく、今存在している仕事のためにアナリストを育成することに投資している可能性が高い。