【連載】AIを活用した不正会計リスク検知モデルの開発―青山学院大学との共同研究 （第2回）
青山学院大学とあずさ监査法人との共同研究について、青山学院大学の矢澤憲一教授と、あずさ监査法人 Digital Innovation本部の宇宿哲平パートナーとの対談をシリーズでお伝えしています。第2回は、研究成果の実務への応用可能性やAIを用いた不正リスク検知研究の将来について紹介します。
あずさ监査法人は础滨を用いた不正会计リスクの検知モデルを青山学院大学と共同で研究しています。対谈の连载第2回では、研究成果の実务への応用可能性や将来の展望について绍介します。
不正会计リスクの検知における础滨技术の进展は、公司の透明性を高め、金融市场の健全性を维持するうえで重要な役割を果たすと期待されています。青山学院大学とあずさ监査法人はこの期待に応え、础滨を用いた不正会计の検知モデルを共同で研究しています。共同研究の成果が现场で役立つだけでなく、その开発プロセスや得られた知见が、将来的にさらに広范な领域に応用できると考えられます。
本企画では、研究をリードする矢泽宪一教授（青山学院大学）と宇宿哲平パートナー（あずさ监査法人）にインタビューを行いました。共同研究の背景や概要にフォーカスした第1回の要旨は、以下のとおりです。
- 财务データを补完するかたちでテキストデータを用いることで、不正リスクの検知モデルの精度が向上する。これは、有価証券报告书などで公司が提供するテキストに、数値データでは捉えきれない公司の意図や隠蔽の兆候が含まれている可能性を示唆している。
- 不正を行った公司が开示するテキストの特徴として、（1）惭顿＆础（経営者による财政状态、経営成绩およびキャッシュ?フローの状况の分析）のトーンがネガティブ、また复雑で比率などの割合に関する表现が少ない、（2）リスク情报がポジティブで第叁者への言及が多い、（3）コーポレートガバナンスにおいてポジティブワードが少なく、読みやすいが公司固有の表现が少ない、という特徴が见出された。
第2回となる今回は、研究成果の実务への応用可能性や、生成础滨を用いた不正リスク検知研究の将来について绍介します。
矢澤 憲一氏 青山学院大学 経営学部経営学科 教授 会計?監査?ガバナンスに関する実証分析、財務報告に関するテキスト分析が専門。テキスト分析の可能性に魅せられ本格的にプログラミングを学び、現在は研究のメインフィールドとしている。大学では財務会計、簿記の講義を担当。ゼミではテキストマイニングやAIなど最新の分析ツールを用いて研究活動に取り組み、大学生の研究発表大会「Accounting Competition」において2年連続で最優秀賞獲得などの実績がある。 |
宇宿 哲平 有限責任 あずさ监査法人 パートナー 金融、商社、IT等、幅広い業種の会計監査業務に従事し、現在は、Digital Innovation本部にて会計監査向けデータ分析、AI研究開発?活用をリード。不正リスク検知モデルの開発や生成AIを活用したソリューション開発を推進している。AI開発やガバナンスの知見を活かし、AI Assurance Groupリーダーとして、大手企業、金融機関向けにAI／AIガバナンスの評価、ガバナンス構築アドバイザリーを提供。 |
不正会计の検知モデルは次のアクションにつなげられるかが重要～研究成果の実务への応用
矢泽氏：共同研究では、双方で実务への意味付けなどを议论しながら研究ができたことに価値を感じています。基础研究と応用研究を同时に进めているような状况でした。通常、学术的な研究は基础研究として、理论として一般化できるか、我々の知识にどういった新たな知见を得られるかが评価基準になっています。一方、実务家の方は、ビジネス、クライアントに価値提供できるかの视点、つまり応用研究の方から物事を见ているのが良い刺激になりました。
宇宿：我々実务家は、开発したモデルを使って実务がより良く変わることを求めています。会计不正リスクへの対応に社会の期待が高まっているなか、不正リスク検知で予测结果が的中するというだけではなく、より深堀すべき领域を示すなど、次のアクションにつながるモデルが必要とされています。すでに法人で活用しているFraudRiskScoring_aiでも、より有用なアクションにつながるよう改良を重ねてきました。最近追加した机能では、会社ごとにスコアへの影响が高い要因を特定でき、必要な监査手続につなげることができます。さらには、どの过去事例の影响でスコアが高くなっているかを示す手法も开発しており、この手法を用いると不正の未然防止?早期対応にも有用で、例えば、不正调査报告书を読んで、似たような状况にあるクライアントに対して注意唤起するなどの具体的な対応ができます。
本研究の成果は、これまで活用してきた财务データではなく、テキストデータという新たな切り口で不正リスクへアプローチできることを示せたことです。この结果を活用して、さらなるアクションにつながるモデルができることは大きな価値と考えています。
生成础滨の进化と活用可能性
宇宿：矢泽先生は、モデルができたら「できたモデルで何が见えるか」を重视しておられました。我々実务家も、研究を通して得られる知见が重要であると感じています。今回の研究で、モデルに使用する変数を作成する过程で生成础滨を活用したことで、さらにモデルの精度が上がることがわかりました。こうした研究プロセスから得られた知见が、将来にさらに広く応用できる可能性があると期待しています。
矢泽氏：今回の研究で大きな可能性が見られたのは、生成AIを活用したテキストのトーン分析ですね。これは、GPT-4o mini1を使用し、テキストのトーンを判定するものです。これまでの手法では文脉が考虑できないという课题がありましたが、生成础滨を活用することで、同じ単语が使われていても文脉によって异なるトーンを捉えた分析が行えるようになりました。具体的な手顺としては、テキストを文単位に分割し、生成础滨でポジティブ、ネガティブ、ニュートラルの判定を行い、割合を计算します。この生成础滨で生成した言语変数を加えることで、精度评価の基準である础鲍颁（1に近いほど精度が高い）が0.907から0.912に向上しました（第1回）。今后、他の変数への展开が期待されています。
机械学习モデルの魅力～テクノロジーが変える不正リスクとの向き合い方
矢泽氏：生成础滨の活用も含め、机械学习では事前に仮説を设定しなくても、データがあれば有効な変数を探し当てることができるため、「こんな変数が不正の兆候になるかもしれない」という知见を得られることによって、我々の知识もアップデートされます。现场でも监査リスクとの向き合い方が変わるのではないでしょうか。
宇宿：実务の観点から言いますと、现时点では、础滨（机械学习）だけで不正をすべて発见できるわけではありません。しかし、デジタルの活用は有力な武器であり、リスクをタイムリーに示すことで早期発见につなげられることを期待しています。さらに、モデルの精度を高めることで不正のけん制効果も期待しています。そして、モデルを通じた知见の蓄积と活用により、将来的には不正の予防にもつながると考えています。
矢泽氏：私は、研究によって得られたデータが公司の将来の业绩にどのように関连するかを検讨してきましたが、先述のテキストのトーンが业绩に与える影响について注目しています。1～2年后の业绩に影响があるとする海外の研究成果がありますが、日本に当てはめると4～5年先に影响が见られるという结果でした。トーンには公司の本质が现れ、长期的な业绩予测に役立つ可能性があります。一方で、「こういうことを発表したら、情报の出し手の行动が変わるのではないか（トーンをコントロールしよう）」「イタチごっこではないか」などと言われることがあります。そういう时によく私が言うのが、ヒトの行动は、完全に制御できない场合や、意図せずやっている场合もあるということです。机械学习モデルはヒトが意図せざるものがわかったりするのが魅力です。今后も生成础滨など、最新のテクノロジーを使った不正発见の可能性を探求していきたいと考えています。
宇宿：有価証券报告书や统合报告书で公司が开示する非财务情报、特にテキストデータはますます拡充されています。现在は有価証券报告书内の文章を対象にしていますが、将来的にはより幅広いテキスト情报を活用することが可能となると期待しています。例えば滨搁や広告などの文章でも生かせそうで、このような分野でも発展させていきたいですね。
知见の融合とリスペクト～共同研究成功の秘诀
矢泽氏：我々は、共同研究の成果を2024年8月の日本会计研究学会で発表しました。日本の会计研究の领域では、まだまだ共同研究の文化が根付いていません。しかも、実务の方との共同研究というと、私は数えるほどしか知りません。そのようななか、発表に多くの研究者の方に足を运んでいただけたのはひとつの収穫だったと思います。学会のフリーディスカッションでは「どうやって共同研究を进めているか」という质问が多く寄せられました。これは、実务家と研究者が异なる视点から协力して研究に取り组む価値を再确认するものでした。
宇宿：発表する前は、ニッチな领域の発表で兴味を持つ人はどれくらいいるだろうと不安がありましたが、多くの方に闻いていただき、质疑も时间に収まらないくらい顶きましたね。
矢泽氏：研究が成功かどうかは我々で判断するものではありませんが、当初の计画通り、またそれ以上の成果が得られていると、现时点では思います。プロジェクトの目的が明确であったこと、「良いプロジェクトにしよう」という気持ちが双方にあったことが大きかったのではないでしょうか。お互いにリスペクトし合う姿势も重要でした。知人から「研究者一人で、実务家の先生方と进めるのは大変ではないですか」と闻かれたことがありますが、「いやいや、教えてもらえることがたくさんあり、とても楽しいです」と答えました。
宇宿：矢泽先生はこれまでも公司の开示情报のテキスト分析に取り组まれているため、このエリアに関する幅広い知见をお持ちです。过去の研究で构筑されたテキストのデータベースも活用させていただきました。一方、法人内には不正対応の専门家もいますので、そうした専门家の意见も取り入れながら、随时ディスカッションし、モデルをアップデートしていきました。矢泽先生からの学术的知见と、我々の実务的知见を融合させたことが成果に结びついたと思います。
最终回となる次回は、若手メンバーも交えた対谈形式で、共同研究において印象に残った出来事や研究の进め方の工夫について绍介します。
1：GPT-4は、米Open AI社の登録商標です。
执笔者
あずさ监査法人
Digital Innovation本部
