事業ポートフォリオの再構築とM&Aは、経営アジェンダの中で最も「後悔のコスト」が大きい意思決定です。撤退の判断が一年遅れれば、その間に投じた経営資源は戻りません。買収を急げば、高値づかみと統合の混乱が長く尾を引きます。そして、この最も重い意思決定は、最も遅れやすい意思決定でもあります。McKinseyが2024年に実施した企業分離（Separations）に関するサーベイでは、回答者の77%が「売却・分離の意思決定が経営陣または取締役会によって先送りされた」と答えています。経営陣は多くの場合、市場が気づくより早く「自社はもはやこの事業のベストオーナーではない」と認識していながら、決断を先送りし、その間に事業価値は静かに目減りしていきます。
一方、意思決定を支える「分析」の側では地殻変動が起きています。Bainのグローバル調査によれば、M&A実務でAIを活用した経営幹部は2025年に45%と前年から倍増を超え、ディールメーカーの約3分の1は、AIを単発の効率化ツールではなくM&Aプロセスそのものの再設計に組み込み始めています。BCGも2026年のインサイトで、AIがディールメイキングを「経験に依存する一回性のイベント」から「案件ごとに学習が蓄積する継続的なシステム」へ変えつつあると論じました。
本稿の主張はシンプルです。AIは「調べればわかること」を圧縮し、人は「調べてもわからないこと」──価格、統合、組織──の決断に集中する。この役割分担をプロセスとして設計できるかどうかが、ポートフォリオ再構築の質と速度の両立を分けます。
重い意思決定ほど遅れ、ぶれる ── 3つの構造要因
要因1: 探索の視野が人的ネットワークに閉じている
買収候補や売却先の探索は、金融機関・仲介会社からの持ち込みや経営陣の人脈に依存しがちです。理論上の候補が数千社あっても、実際にロングリストに載るのは紹介経路でつながった数十社にとどまります。「検討した中でのベスト」が「市場全体のベスト」である保証は、どこにもありません。
要因2: 評価の基準が属人化している
市場性・競争環境・シナジーの評価は、担当役員や経営企画メンバーの経験と勘に依存します。同じ会社でも案件ごとに評価の深さと観点が異なり、後から「なぜこの案件を通し、あの案件を見送ったのか」を説明できないケースは珍しくありません。判断の再現性がなければ、組織としての学習も蓄積しません。
要因3: 先送りが構造に組み込まれている
冒頭のMcKinseyの調査が示すとおり、売却・分離の先送りは例外ではなく常態です。同調査では、取締役会の意思決定が適時だった分離案件では実行段階の遅延が約1割にとどまる一方、決定が遅れた案件では過半が実行でも遅延したと報告されています。入口の躊躇が出口までの全工程を遅らせるのです。年次の中期計画サイクルでしかポートフォリオを議論しない企業では、機会の出現と検討のタイミングが構造的にかみ合わず、「気づいていたのに動けなかった」が繰り返されます。
M&A×AIの現在地 ── 「効率化」から「プロセス再設計」へ
この構造要因に対して、AIの実務活用は急速に進んでいます。Bainが2025年2月に公表したグローバルM&Aレポートの生成AI章では、M&A実務者307名のうち生成AIを実務に使っている割合は21%（2023年は16%）でしたが、最も活発な買収企業に限れば36%、インタビューしたPEファームでは6割超が、ソーシング・スクリーニング・デューデリジェンスの改善に少なくとも1つのツールを使っていました。利用企業の約8割は「手作業の削減」という便益を既に確認し、過半数の企業が2027年までの導入を見込んでいます。
わずか1年後の2026年版レポートで、景色は一変します。2025年にM&AでAIを使った経営幹部は45%と倍増を超え、約3分の1はAIを体系的に展開するか、M&Aプロセス自体の再設計に着手しています。同レポートが挙げる、AIが価値を生む5つの局面を整理すると次のとおりです。
| 局面 | 従来のアプローチ | AI活用の最前線（Bain 2026の報告例） |
|---|---|---|
| 候補探索 | 持ち込み・人脈依存の静的なリスト | 市場変化に応じて更新され続ける動的パイプライン |
| デューデリジェンス | 対象会社の開示を待つ内部資料精査 | 公開情報からのアウトサイドイン分析で、コスト予測が実績の90%圏内の精度に到達 |
| シナジー検証 | 担当者の経験による積み上げ | 手作業の10分の1未満の時間でシナジー分析を処理 |
| 統合準備 | クロージング後に本格始動 | 準備期間を約25%短縮 |
| ステークホルダー対応 | 統合後に課題が顕在化 | 従業員・顧客の反応を早期に把握し先手を打つ |
BCGも2026年のインサイト「AI Is Turning M&A into a High-Impact Learning Machine」で、AI活用が最も進んでいる工程はデューデリジェンスであり、バーチャルデータルームに積まれた数千の文書のレビューを生成AIが加速し、分断されていた分析が「つながった洞察のシステム」に変わりつつあると指摘しています。注目すべきは効率ではなく、各ディールの経験が次のディールの精度を高める「学習構造」への転換です。M&Aが経験豊富な巧者に有利なゲームであることは以前から知られていましたが、AIはその学習曲線を個人の経験ではなく組織の仕組みとして固定化します。
役割分担の設計図 ── AIが担う「分析」、人が下す「決断」
AIの浸透は人の仕事を消すのではなく、人が担うべき領域を鮮明にします。私たちは検討プロセスを「分析局面」と「判断局面」に分けて設計することを推奨しています。
AIが担う分析局面
- 候補探索の網羅性と再現性: 公開情報の横断解析で人的ネットワークの外側まで探索し、絞り込みの条件と理由をログに残す。件数以上に重要なのは説明可能性で、経営会議の議論の質が変わります。
- 市場評価の常時化: 数週間単位だった市場調査を数日単位の初期仮説構築に圧縮し、浮いた時間を現場ヒアリングや専門家議論など一次情報の獲得に再配分する。
- シナジー仮説の生成と反証: 「このクロスセルが成立しない条件は何か」「類似の統合でつまずきやすい論点は何か」という反証の問いを複数視点で立て、ディールへの熱量で判断が曇る前に冷静な検証を挟む。
人が下す判断局面
- 価格と交渉: 相手の事情、交渉の呼吸、譲れない一線の見極めは、当事者間の信頼の中でしか成立しません。
- 統合設計（PMI）の意思決定: どちらの仕組みに寄せ、どの機能を残すかは、分析の結論ではなく経営意思の表明です。
- キーパーソンと組織文化: 中核人材が統合後も残るかどうかは、数字に表れない敬意と対話の積み重ねで決まります。
- 説明責任: 取締役会・株主・従業員への説明は、最終的に経営者自身の言葉でしか果たせません。
示唆的なのは、AI活用を強力に推すBain自身が2026年版レポートで、ステークホルダーの調整と変化の定着には人間の判断が不可欠だと明記していることです。分析が安く速くなるほど、判断の希少価値は上がります。そしてAIが判断材料を素早く揃えるほど、「情報が足りないから決められない」という先送りの理由は成立しなくなります。M&A×AIの本当のインパクトは分析の速度ではなく、要因3で述べた「構造化された先送り」を許さなくなることにあります。
意思決定を仕組みにする ── 4段階の成熟度モデル
AI活用を単発の効率化で終わらせず、意思決定の質を継続的に高める仕組みへ育てるために、私たちは4段階の成熟度モデルで現在地を捉えることを推奨しています。
| 段階 | 状態 | 特徴 | 次の段階への鍵 |
|---|---|---|---|
| Level 1 | スポット活用 | 案件が持ち込まれてから都度AIで調査する | 評価観点・調査手順・様式の共通化 |
| Level 2 | プロセス標準化 | 基準を共通化し、案件間の比較可能性を確保する | 監視対象市場とアラート条件の定義 |
| Level 3 | 常時スキャニング | 自社ポートフォリオと候補市場を継続監視し、機会を先回りで検知する | 投資基準・撤退基準との接続 |
| Level 4 | 学習する意思決定システム | 基準とAI監視が接続し、ポートフォリオ議論が経営会議の常設アジェンダになり、案件ごとの学習が仕組みに蓄積する | ── |
多くの日本企業はまだLevel 1にいます。Level 2への移行だけでも判断のぶれは大きく減りますが、目指すべきはLevel 3以降、「機会が来てから調べる」のではなく「常に調べているから機会に即応できる」状態です。McKinseyは、買収と売却の両輪で資産を入れ替え続けるアクティブなポートフォリオ運営が、株主総利回りの面で優位に立つと指摘しています。ポートフォリオ再構築は一度きりの大手術ではなく継続的な新陳代謝である──この認識の転換が土台にあって初めて、AIは道具として生きます。
なお、成熟度を上げる投資の中心は技術ではありません。BCGが2025年1月に公表した19市場・経営幹部1,800名超の調査では、AIから意味ある価値を引き出せている企業の資源配分は「アルゴリズムに10%、データと技術基盤に20%、人・プロセス・文化の変革に70%」だと報告されています。M&A×AIも例外ではなく、評価基準の言語化、経営会議のアジェンダ設計、判断の理由を記録する文化といった組織側の整備こそが成否を分けます。
タレントテールの視点
タレントテールは、事業ポートフォリオとM&Aを戦略コンサルティングの注力テーマの一つと位置づけ、候補探索から市場評価、シナジー仮説の反証までをAI駆動の調査基盤で自ら手を動かして支援しています。仕組みで品質を均質化するアプローチ（Quality by System）により、大手ファーム級の検討の質を、より低コスト・短期間で提供します。
さらに、分析の納品で終わらせないことが私たちの流儀です。本稿で述べたとおり、M&Aの成否を最終的に分けるのは統合と組織です。タレントテールは戦略検討に加えて、AI活用を意思決定プロセスに定着させる導入支援、統合後の実行体制の設計と必要人材の機動的な確保までを一気通貫で担います。まず一つの案件検討から小さく始め、成果を確かめながら意思決定の仕組みづくりへ広げていく進め方も可能です。ポートフォリオの新陳代謝を「仕組み」として組織に根づかせたい経営企画・事業責任者の方は、一度ご相談ください。
参考情報
- Generative AI in M&A: You're Not Behind—Yet（Bain & Company, Global M&A Report 2025、2025年）— https://www.bain.com/insights/generative-ai-m-and-a-report-2025/
- M&A Capability for a New Era: Five Ways AI Is Creating More Value in M&A Right Now（Bain & Company, Global M&A Report 2026、2026年）— https://www.bain.com/insights/capability-for-a-new-era-m-and-a-report-2026/
- AI Is Turning M&A into a High-Impact Learning Machine（Boston Consulting Group、2026年）— https://www.bcg.com/publications/2026/ai-is-turning-m-and-a-into-a-high-impact-learning-machine
- Active portfolio management: Five practical insights for value creation（McKinsey & Company、2024年Separations Surveyに基づく）— https://www.mckinsey.com/capabilities/strategy-and-corporate-finance/our-insights/active-portfolio-management-five-practical-insights-for-value-creation
- BCG AI Radar 2025: From Potential to Profit — Closing the AI Impact Gap（Boston Consulting Group、2025年・公式プレスリリース）— https://www.prnewswire.com/news-releases/one-third-of-companies-plan-to-spend-more-than-25-million-on-ai-in-2025-amid-widespread-optimism-for-autonomous-agents-302351306.html