私が話をする10億ドル以上（約1500億円以上）の企業のCFOは皆、2つの面でAI環境に悩んでいます。
水平型アシスタント: 組織の全員に Microsoft Copilot や Claude Cowork を提供する。問題は、従業員一人ひとりが3つのエージェントを立ち上げ、それらが連携せず、3ヶ月後には3百万ドルのトークン費用がかかり、エージェントの80%は使われなくなるか、本番で絶えず壊れていることです。結局、3百万ドルのトークン請求書と、誰も管理していない技術負債の墓場だけが残ります。
ポイントソリューション: 買掛金（AP）には新しいソフトウェア、決算処理には別のソフト、経費にはさらに別のソフトを導入する。これもうまくいきません。汎用的に作られたソフトウェアは、あなたの業務に特化していないからです。あなたのAPプロセスが7ステップであって4ステップではないことや、例外処理ロジックを理解していません。その結果、従業員が使わないか、使ってもROIが15%未満になります。さらに悪いことに、従業員は新しいソフトウェアが従来のやり方と違うと不満を言い、半数は改悪だと思っています。まさに悪夢です。
私の役割は、CFOが自社に適した両方のソリューションの適切な組み合わせを理解する手助けをすることです。水平型アシスタントには確かにニーズがありますが、それは目的が異なります。従業員には依然としてやるべき仕事があり、このアシスタントは1人の従業員が10人分の仕事をするのを支援するものです。しかし、あなたはより大きな全体像を見逃しています。それは、従業員がプロンプトを出したり使ったりする必要すらなく、ただバックグラウンドで仕事を自動で行うエージェントです。請求書が届いた瞬間にそれを読み取り、適切な発注書（PO）と照合し、問題がなければクリアし、例外となる1件だけを判断が必要な担当者に送る – これらすべてを、あなたのチームがノートパソコンを開く前に行うエージェントを想像してみてください。毎朝、前日の銀行取引を元帳と照合し、月次決算が月末前にほぼ完了するエージェント。行方不明のW-9や支払い遅延をベンダーに自動で催促し、チームのだれも二度とそういったメールを書かなくて済むエージェント。これらは誰もプロンプトしません。ただバックグラウンドで稼働し、あなたが出社する頃には仕事はすでに完了しています。
ちなみに、私は Varick Agents（@varickagents）を運営しています。私たちはエンタープライズの財務チームに深く入り込み、彼らがすでに使っているツールの中で動作するAIエージェントを導入します。財務は、最も迅速かつ測定可能な結果が見られる分野です。なぜなら、作業は反復的で、プロセスは明確に定義されており、手作業のコストを簡単に数値化できるからです。
この記事の目的は、私たちが複数の企業でこれを大規模に実施した方法、避けるべき落とし穴、そしてすべてが終わった後の成功の測定方法をお見せすることです。おまけに、年間数百万ドルものトークン費用を防ぎ、幻覚（ハルシネーション）をほぼゼロにする方法についても説明します。参考までに、あるクライアントの月次決算を12日から5日に短縮しました。同時にエラー率を72%削減しました。価値創出は年間4500万ドル以上に上り、収益向上、コスト削減、リスク低減の組み合わせによるものです。これは毎回同じ手法です。たとえ最終的に作成するエージェントが大きく異なっても（だからこそポイントソリューションソフトウェアは機能しないのです）。
金融における AI 導入の失敗率は高い
方法の前に、数字の概要を簡単に見てみましょう。財務チームの現状とあるべき姿のギャップは大きいですが、これまでのAIの成果はかなり低調です。
- Gartnerが183人の財務リーダーを調査したところ、84%がAIを導入済みまたは導入予定ですが、高い効果を報告したのはわずか7%でした。
- MITのNANDAグループが300の導入事例を調査したところ、エンタープライズ向けGen-AIパイロットの95%がP&Lに測定可能なリターンをもたらしていません。
- Gartnerは、エージェンティックAIプロジェクトの40%以上が2027年末までに、コスト、価値の不明確さ、リスク管理の弱さを理由に中止されると予測しています。
ですから、私が「これらはほとんど失敗する」と言うとき、これらの統計を指しています。その理由は以下で説明しますが、比較として、Varick の財務部門導入はすべて本番環境に正常にデプロイされ、測定可能なプラスのROI（平均5.5倍）を達成しています。
では実際の業務について見てみましょう。
- 請求書の3分の2は、依然として1人以上の人間が処理する必要があります。完全に自動で通るのはわずか3分の1です（Ardent Partners, 2025）。私たちが協業したクライアントでは、多くの場合、1枚の請求書が完全に処理されるまでに3人以上が関わっていました。
- 手動での請求書処理1件あたりのコストは、エンドツーエンドで12.42ドルです。
- 全財務チームの半数は、月次決算に1週間以上かかっています（Ledge, 2025）。そしてその94%は、決算プロセスのどこかで依然としてExcelを使用しています。
- 請求書の14%が例外としてフラグが立てられます。例外はAPで最もよく挙げられる頭痛の種です。これが最も注目していただきたい統計です。あなたの会社の例外は、他の会社とは異なります。つまり、汎用的なSaaSや製品では、あなたが必要とする方法でこの大きな頭痛を解決できないということです。財務機能においてカスタムソフトウェアの必要性はかつてなく高まっており、幸いなことに、AIはここを完璧に解放する鍵となります。
これらはもはやテクノロジーの問題ではありません。ワークフローの問題であり、人的な接着剤（ヒューマングルー）の問題です。この区別については、以下でさらに詳しく説明します。
水平型アシスタント（Claude Cowork、Microsoft Copilot）が失敗する理由
トークン費用（四半期で数百万ドル）を無視しても、より大きな問題は、最先端モデルでさえ財務業務を大半のケースで間違えることです。今年、最先端モデル（Fable、Opus、GPT 5.5など）を900以上の実際の財務アナリストタスクでテストしたところ、最高のものでも精度は52%にとどまりました（Vals AI）。別の研究では、実際の勘定科目表を使って19のモデルをテストしたところ、最高精度は66%でした（DualEntry）。財務機能において、これらの精度レベルは壊滅的です。Microsoft自身のドキュメントでも、数値計算やコンプライアンスに関わる用途にはExcel Copilotを使わないようにと書かれています。皮肉なことに、彼らは最初にAIをスプレッドシートに組み込んだのですから。
幻覚（ハルシネーション）とは、メールのタイプミスのようなものではありません。AIがベンダーを幻覚したり、部門間消去を誤ったりすると、実際の資金が出て行ってしまい、その発見と修正にコストがかかります。監査可能性の欠如も大きな問題です。「AIがそう言った」では、SOX監査人には通用しません。
あなたのAIエージェントにはガードレールと権限が必要です。包括的なAI監査の結果として決定された、あなたが許可した正確なアクションのみを実行するようにします。さらに、各タスクは最も決定論的な状態にまで分解され、モデルはエンドツーエンドのすべてではなく、判断が必要な数ステップのみを決定します。これにより精度は97%以上を維持し、エージェントのトレースは監査人や経営陣に提示できます。
ポイントソリューションを増やすとさらに悪化する
では、汎用型をスキップして、多数の専門家を導入するとどうなるでしょうか。RampやBrex、BillのAPエージェント、HighRadiusの請求管理、BlackLineやFloQastの決算エージェント、そしてそれらすべてをSAPやWorkdayのERPに詰め込み、さらに新しいAIネイティブERPも加える。私が何を言いたいかおわかりでしょう？ AIは、それぞれ異なることをする20ものソフトウェアベンダーから決別する理由になるはずでした。必要なのは、既存のシステム全体にまたがる単一のペイン（統合画面）です。それらのシステムには、エージェントがその上で動作するために必要なものがすべてすでに揃っており、新しいプラットフォームは必要ありません。それにもかかわらず、私はCFOが残念ながらさらに多くのソフトウェアライセンス、チームがログインして管理すべき画面を増やし、最終的に効率性の向上をほとんど示せない状況を目にしています。
機能するもの
財務部門で機能するすべての導入は、同じ哲学に従っています。それは、チームがログインするための別のツールではなく、あなたがすでに実行しているソフトウェアの上に、そしてその間に位置する単一のレイヤーです。NetSuite、Bill、Workdayなどのソフトウェアからデータを読み取り、それらの間でデータを移動し、あなたのチームが行うのとまったく同じように作業を実行します。支援が必要な場合、チームが調整するために編集箇所をフラグします。
これにより、タスクではなく、オペレーター（作業者）を強化します。現在、各ツールは作業の一部を自動化していますが、中央にいる人物（ある画面から別の画面に数字をコピーし、2つの数値が一致するか確認し、一致しない場合は催促メールを送り、返信がない場合はエスカレーションする人物）を自動化するものはありません。この人物こそが接着剤であり、その接着剤にこそすべての価値があります。サイクルタイムの短縮は時間の節約を意味し、より多くの収益がより速く生み出されます。
この例を例外に戻しましょう。発注書なしで届いた請求書を想像してください。現在、APアナリストは誰が注文したのかを突き止め、受信箱をフィルタリングして適切なPOを見つけ、照合し、ようやく処理を進めます。例外は想像以上に頻繁に発生します。これは月に何百回も起こります。
しかし、統合エージェントレイヤーがあれば、AIは請求書が届いた瞬間にこの例外をキャッチし、ベンダー、金額、日付でPOシステムを検索し、クリーンな一致は自動でクリアします（アナリストと同じように）。エージェントが確信できない場合は、最も可能性の高い2つのPOをSlackでアナリストに送り、どちらが正しいか判断を仰ぎます。調査に15分かかっていた作業が、事前にすべての情報が提示されたうえで、賛否を答えるだけの30秒になります。同じ形成は、銀行照合、部門間消去、W-9の催促、支払状況メール、監査人のPBCリストでも行われます。
このシステムを実際に実装する方法
私たちは毎回5つのことを行います。
- 前線配備されたエンジニアがあなたの部門に常駐し、すべてのプロセスをエンドツーエンドでマッピングします。文書化されたプロセスやSOPは、現実（人々が実際に行っていること）をほとんど捉えていません。例えば、「何か問題が起きたら、まずこのスプレッドシートをチェックする」「アラートが3年間壊れているので、Sarahに直接メールする」といったものです。実際の例：「SOPでは請求書はシステム内でPOと照合されることになっている」しかし現実には、システム内で照合されるが、POが作成されていない場合はBrittanyが部門長に遡及的なPO作成を依頼する。ただし500ドル未満の場合は、部門の一般経費ラインにコードして後でフラグを立てる。もしSOPだけに基づいてエージェントを構築したら、最初にBrittanyに当たった時点で壊れるでしょう。それは偶然にも本番稼働初日です。だからこそ、人々と一緒に座って彼らの仕事を観察することが非常に重要です。これはサービス（コンサルティング）とソフトウェア（開発）の橋渡しであり、同時に、成功するエージェント展開と、すぐに頓挫する行き当たりばったりの違いでもあります。
- 彼らがすでに使っているツールの中で構築する。エージェントは新入社員と同じようにNetSuite、SAP、BlackLineを操作し、ログインして同じ画面をクリックし、同じAPIを叩きます。あなたのチームは新しいインターフェースを学ぶ必要はなく、人々が気づくのは、溜まっていた作業が減り、例外がより早く処理され、月次決算が短くなっていることだけです。
- ダッシュボードではなく、作業を行うエージェントを構築する。「金融向けAI」のほとんどは、エージェントを装った分析ツールです。この罠に陥らないでください。監視とレポートは、それらを駆動するエージェントアクションの結果として得られます。確かに、変更を実際に推進しているかどうかを確認するために、構築前にKPIを測定することは有用です。しかし、成果物がバックグラウンドエージェントではなくダッシュボードやチャットボットであるなら、効率性をテーブルに残していることになります。派手なレポートソフトウェアのようなものに何ヶ月も費やさないでください。
- 本当の判断が必要な場合にのみエスカレーションし、その前に信頼度ゲートを設け、時間とともに改善させます。目標は、純粋なパターンマッチングである70〜85%をチームの手から取り除き、彼らの時間をレバレッジが高く、判断力を要する決定にのみ残すことです。同時に、チームがエージェントのアクションに応答するたび（承認、編集、却下）に、これがエージェントを訓練し、精度は横ばいや後退ではなく、毎週向上します。ここでAIエンジニアリングが重要です。ハーネス（仕組み）は、改善するシステムと立ち消えるシステムの分かれ目になり得ます。
- 初日から部門全体を考慮して設計する。これはエンタープライズレベルでのエージェント実装において、最も見過ごされている側面です。各オペレーターがバイブコーディングツールを手に取り、自分の担当範囲だけのエージェントを構築しても、自分の作業を超えてスケールすることはありません。これでは全体像を見逃しています。多くの場合、彼らのボトルネックは上流にあります。しかし上流のチームが独自のエージェントを構築しても、それは下流のエージェントと通信しません。すぐに数十のエージェントができ、それぞれが独自の活動にサイロ化され、コミュニケーションはなく、組織全体に技術負債が散らばります。代わりに、組織全体をマッピングし、誰が誰のボトルネックかを理解し、それを念頭に置いて構築してください。
トークン費用の高騰とエージェントの幻覚を避ける
トークンに数百万ドルを費やさない方法：優れたAIエージェントは、ほとんどがAIではありません。私たちが出荷するものは、約85%がプレーンなコードで、約15%がモデル呼び出しです。モデルは、乱雑な請求書から値を読み取る、例外を既知のカテゴリに分類する、人間が承認するためのメモを起草するなど、本当に判断が必要な場合にのみ使用されます。一方、作業の大部分は比較（計算）、ルックアップ（フィルタリング）、ルーティング（if/then/else文）、ポスティング（API呼び出し）です。これと比較してClaude Coworkでは、ほとんどすべてのアクションがLLMによって確率的に決定されます。代わりに、私たちはより高速で、より安価で、より正確なエージェントを提供します。LLMは単なる鍵でした。
エラーをほぼゼロにする方法：3つのレイヤーです。
- 決定論的コード：設計上一貫性があり、それが監査可能な理由です。
- 評価（Evals）：手動で作成されるが自動的に更新されるテストスイートで、回答とエージェントがたどった経路の両方をチェックし、エージェントが行くべきでない場所に行ったり、望ましい動作と矛盾する結果を生成した場合を検出できます。
- 人間のフィードバック：チームが行うすべての承認と修正がシステムを訓練し、ワークフローの精度は数ヶ月以内に90%台後半に上昇します。修正が蓄積されるにつれて、GLコード化が約85%から97%以上に改善されるのを私たちは見ています。そして、コードと評価がブラックボックスではなく存在するため、関係者や監査人が尋ねたときに「なぜエージェントはこれをしたのか」という質問に常に答えることができます。水平型エージェントではこれができません。
どのように測定されるか
幸いなことに、すべてのワークフローとすべてのソフトウェアにわたって記録システム上に存在するエージェントがいれば、最も詳細でリアルタイムなレベルでデータを追跡する能力が得られます。例外の80%がエージェントによって処理され、例外の照合にかかる時間が4日から2時間に短縮されたことが非常に明確になります。実際の成果：
- 決算が12日から5日に短縮
- 例外処理が月130時間から20時間に削減
- 請求書処理が平均1件20分から1分未満に短縮
どのAI実装においても、重要な価値創出のバケットは3つだけです。時間/コストを節約していますか？収益を増やしていますか？リスクを低減していますか？測定するすべてをこれらの3つのカテゴリに分類し、価値創出とKPIの目的に応じて測定することが役立ちます。
どこから始めるか
組織内のプロセスオーナーを見つけ、彼らから始めてください。彼らの現在のプロセスを深いレベルで理解してください（サブプロセスオーナー、アナリスト、個人貢献者などへのヒアリングも準備しておきましょう）。以下の点を徹底的に掘り下げます。
- 現在はどのように運用されているか、いわばワークフローのゲノムは何か
- 各タスクのデータ量とスループットはどのくらいか
- 現在のエラー率と、エラーのコストはいくらか
- 例外はどのように処理され、どのような形式で行われるか
そこから、学びを得て、以下のマッピングを開始します。
- 各ワークフローにおいて、AIが何を行い、何を行わないか。各プロセスのAI導入後の世界はどのようになるか。
- 3つの価値創出バケットにおいて、それぞれの定量化可能な金額はいくらか。
- 各構築にはどれだけの時間と労力がかかるか。それぞれのリスクは何か。
価値創出と投資を比較すれば、優先順位リストが得られます。
しかし結論として、プラットフォームを購入したり、データサイエンスチームを立ち上げたりしないでください。このプロセス全体は、1年もかける必要すらありません。代わりに、あなたのチームと一緒に座り、実際のワークフローを学び、あなたがすでに実行しているシステムの中にエージェントを構築し、そのすべてのステップを測定できる人々を見つける必要があります。最終状態をまず確認したい場合は、プロセスの5分間のウォークスルーをこちらに作成しました。
これこそが、Varick Agents が行っていることです。私たちは、売上10億ドル規模の企業から、500億ドルを超えるFortune 500企業に至るまで、財務、営業、運用チームに深く入り込み、彼らが既存のシステム内でツールを実行するエージェントを構築してきました。四半期ごとに少数の新規案件のみを受け付けており、現在秋のコホートのスコープを検討しています。あなたの決算がまだ2週間かかり、優秀な人材がまだデータ入力を行っているなら、varickagents.com で私たちを訪ねてください。
