グループ連結会計の基盤統合とAIデジタル技術による「予測型経営」への転換

企業価値の軸足が有形資産からサステナビリティを含む無形資産へとシフトする中、連結会計は単なる財務報告の枠組みを超え、企業価値を統合的に可視化する基盤へと役割を拡張しつつある。本章では、連結会計を取り巻く環境変化を「制度」「技術」「経営」「人材」の4つの視点で整理し、予測型経営への転換を迫る構造的要因を明らかにする（図1）。

財務情報と非財務情報の統合は、もはや任意の取り組みではなく、法的責任を伴う「事業継続の前提条件」へと位置づけが変わりつつある。国際サステナビリティ基準審議会（ISSB）によるIFRS S1・S2号の公表を受け、日本でもサステナビリティ基準委員会（SSBJ）が日本版基準の策定を加速させている。これにより、有価証券報告書を通じたサステナビリティ情報の開示は、実質的な法的義務として現実のものとなった。 この制度変更は、連結会計を「財務データの合算」から、「財務・非財務を含む多様なデータを統合・管理する仕組み」へと進化させることを求めている。加えて、サステナビリティ情報も財務情報と同などの厳格な内部統制と説明責任が求められる点は、連結会計の設定思想そのものの見直しを迫るものである。

連結会計におけるIT活用は、従来の「集計の自動化」というフェーズを超え、AIによる「判断の自動化」と「異常検知の高度化」へと昇華している。AIがなぜその数値を異常と判断したのか、その根拠となる「ロジック」を可視化する説明可能なAI（XAI）の活用により、監査品質と効率の両立が現実的なものとなりつつある。
また、AI-OCRとデジタル・エージェントの融合は、従来のRPAでは不可能だった「文脈判断を伴う業務」を代替し始めている。例えば、AIが請求書を読み取り、過去の履歴から勘定科目を推論し、ビジネスチャットで承認を得た後、仕訳登録から支払リマインドまでを一連のプロセスとして自律的に実行するといった業務も実現可能となっている。

経営層のニーズは、過去の成績表を受け取ることではなく、限られたリソースをどこに配分すべきかを判断するための、「解像度の高いタイムリーな情報」へとシフトしている。また、資本効率を重視するROIC経営の導入が加速する中で、事業別・製品別といった粒度での資本配分や収益性の把握が、経営判断の前提条件となりつつある。しかし、複数事業を展開する場合、どの負債や資本投資がどの事業に紐付いているかを取引レベルで把握することは容易ではなく、結果として経営判断を鈍らせてきた。 この課題を打破するためには、システムに取引レベルでの詳細なデータ保持と、製品別・事業別など複数軸での柔軟なドリルダウン分析を可能とする基盤の実装が不可欠となっている。

専門人材の枯渇と業務の属人化は、短期的には顕在化しにくいものの、中長期的には企業の存続やガバナンスを脅かすサイレント・リスクである。この課題を解決するためには、外部の革新を組織内に取り込む「デジタルBPO」への転換が不可欠と考える。従来のシェアードサービスセンター（SSC）は、グループ内の業務を集約するコストセンターとしての役割が主であった。しかし、縮小し続ける日本市場において、自社単独で優秀な人材を確保し続け、最新のDXノウハウを更新し続けることは現実的ではない。一部の先進的な企業では、SSCを「市場に開放」し、外部BPO企業が持つ最新の自動化ノウハウをビルドインすることで、変革のスピードと持続性を高めている。

前章で示した4つの主要課題には、業務面とIT・テクノロジー（AIを含むデジタル技術）の両面から一体的にアプローチすることが有効である。

1. 二重作業に対する解決の方向性
   業務面では、マネジメントアプローチに基づくセグメント情報と管理粒度を、子会社を含む各社の実務実態および予算統制との整合を踏まえて設計し、制度連結と管理連結の「完全一致」を目指すのか、あるいは調整・組替で対応するかといった基本方針を整理・決定する必要がある。
   IT・テクノロジー面では、管理・分析に必要なデータ項目を担保しつつ、同一の財務実績を前提に、多様な切り口で柔軟に分析できる仕組みの整備が求められる。
2. 複数基準対応に対する解決の方向性
   複数会計基準への対応は、業務設計のみならず、IT・テクノロジー面での対応が不可欠である。複数基準に対応した元帳管理の仕組みをあらかじめ備えることが必須であり、さらに基準差異に応じた組み替え作業をシステム上で自動化できれば、決算業務の大幅な効率化が見込める。
3. 開示スピード未達に対する解決の方向性
   連結決算の早期化を阻害する要因の中でも、特にデータ収集が占める割合は大きい。早期化に向けては、業務面ではAIエージェントによる督促など、IT・テクノロジー面ではAPIによる自動収集が有効である。一方で、親会社と子会社で会計システムが異なる限り、一定のリードタイムは構造的に避けられない。さらに、内部取引照合の差異確認には一層の時間を要するため、後述する基盤統合を含めた抜本的な解決策が不可欠となる。
4. 内部統制リスクに対する解決の方向性
   属人性やプロセスの不透明性を排除するためには、まず業務ルールそのものを効率化・簡素化したうえで、標準化されたプロセスにIT・テクノロジー（AIデジタル技術を含む）を適用することが有効である。あわせて、自動化の前提とした処理内容の文書化や、AIデジタル技術で用いる判断ロジック・パラメータ定義の明確化へ業務をシフトし、説明責任を担保することが求められる。

これら4つの実務的な課題の解消にとどまらず、連結会計を真に「予測型経営」へ進化させるためには、AIを含むデジタル技術の活用と基盤統合の両面から、連結会計を支える仕組みそのものを転換することが肝要である。

■ 連結会計へのAIデジタル技術の活用
AIを含むデジタル技術の進化と連結会計アプリケーションの機能動向を踏まえると、今後の連結会計は、業務プロセスごとにAI活用を前提とした設計へとシフトしていくことが想定される（図4）。

従来は、勘定科目体系の標準化、連結調整の生成方法、Excel作業の削減といった観点で業務検討やアプリケーション選定が行われてきた。しかし、AIデジタル技術との協働・共生を前提とする場合には、新たな論点への対応と、業務整理および人とAIの役割分担の明確化が不可欠である。

1. データの粒度・構造の整理
   AIデジタル技術を最大限に活用するには、データをAIが解釈・学習しやすい粒度・構造・体系に整備することが大前提となる。勘定科目・品目・組織・取引先などのグループ内のコード不統一は処理を難化させ、たとえ共通コードに変換できたとしても、変換表の維持管理という新たな業務負荷を生むリスクがある。
2. 例外処理の削減
   AIデジタル技術は過去データから学習するため、未経験または発生頻度が極めて低い事象への対応には限界がある。そのため、例外時の対応方針を事前に定義するとともに、暗黙の了解やデータ偏りなど例外を生み出す要因そのものを低減しておく必要がある。
3. 説明責任の担保
   AIデジタル技術のブラックボックス化を回避するためには、説明可能性（結果に至った理由）・透明性（処理内容や学習データの開示）・監査可能性（第三者による検証や再現性）を考慮したうえで、業務に適用するAIデジタル技術を選定する必要がある。

■ グループ連結会計の基盤統合
グループ経営に資する連結会計の実現に向けては、財務・非財務ならびに組織の壁を越えたデータ統合が重要である。グループ横断でデータ統合することにより、AIを用いた予測分析やサステナビリティ情報開示の義務化への対応が可能となる（図5）。

こうしたデータ統合を実現する手段としては、親会社の単体会計と連結会計を同一基盤上で運用する方法が有力である。近年、ERPの連結会計機能が大きく進化しており、内部取引照合の前倒しや連結個社データへのドリルスル―、連結固有処理の自動化といった機能が実務レベルで利用可能となりつつある。加えて、将来的なデータ統合を見据え、個社データの収集方法についても選択肢が拡張・充実してきている。親会社の単体会計がERPで運用されている場合、連結会計も同一ERP上で運用することで、単体で保持・管理している財務実績、予算・予測、非財務データを連結へシームレスに連携・統合できる。
さらに、子会社の単体会計を親会社と同一基盤に統一すれば、スプレッドシートによる連結情報の作成・送付することなく、連結会計への自動連携が可能となる。加えて、連携粒度を明細レベルとすることで、内部取引照合の差異が生じた場合でも、明細データの参照のみで内容確認を完結させることができる。

連結会計を制度対応やグループ会社の経理間の効率化にとどめるのではなく、各社のマネジメントが主体的に関与し、最新のデジタル技術を最大限活用することで、未来志向の「予測型経営」を実現できる段階にきている。