投稿者 global-ai-media 
Harvard Business Reviewが提起する「AI時代の企業開示の難しさ」をテーマに、生成AIが企業情報の分析・消費プロセスをどう変えているかを解説します。投資家やステークホルダーがAIを活用して情報を解読する現在、日本企業はどのように情報発信と内部ガバナンスを再構築すべきか、実務的な視点で考察します。
AIによって「読者」が変わった：人間からアルゴリズムへ
かつて企業の決算資料やプレスリリース、統合報告書を読み解くのは、アナリストやジャーナリストといった「人間」でした。しかし、現在その一次スクリーニングや深層分析を行っているのは、大規模言語モデル（LLM）を中心としたAIであるケースが急増しています。
Harvard Business Reviewの記事が示唆するように、AI時代において企業開示（ディスクロージャー）の管理は格段に難しくなっています。従来の企業広報は、人間が読むことを前提に、特定の文脈やニュアンス（いわゆる「行間」）を含ませることが可能でした。しかし、AIは膨大なデータセットに基づき、財務数値、テキストのトーン、過去の発言との整合性を瞬時に突き合わせます。これは、企業が意図的に曖昧にした表現であっても、他の公開情報と照らし合わせることで、実態を推論（インファレンス）されてしまうリスクを意味します。
「モザイク理論」の加速と予期せぬ情報流出
投資の世界には「モザイク理論」という概念があります。一つ一つは重要ではない公開情報であっても、それらを多数組み合わせることで、未公開の重要事実（インサイダー情報に近い価値のある情報）を導き出せるという考え方です。AIはこのプロセスを極めて高い精度と速度で実行します。
例えば、ある製造業の企業が「環境負荷低減のため新素材を採用する」と発表したとします。人間であれば単なるESG活動の一環と捉えるかもしれませんが、AIは同時に公開されている特許情報、サプライチェーンの動向、採用情報の職種などを横断的に分析し、「特定の未発表製品ラインの開発が最終段階にある」と推測するかもしれません。企業側が「開示していない」つもりでも、AIにとっては「論理的に導き出せる事実」となってしまうのです。
社内における生成AI活用と「影の開示」リスク
一方で、企業内部でのAI活用におけるリスクも無視できません。業務効率化のためにChatGPT等の生成AIを使用して決算説明資料やプレスリリースの草案を作成するケースが増えています。ここで問題となるのが、AIへのプロンプト（指示）に入力される未公開情報の扱いです。
エンタープライズ版の契約をしていない場合、入力データがモデルの学習に利用されるリスクがあります（学習データとしての流出）。また、AIが作成した文章に、事実とは異なる内容が含まれる「ハルシネーション（もっともらしい嘘）」のリスクもあります。AIが作成したドラフトを人間が十分に検証せず、そのまま公開してしまった場合、市場に誤ったシグナルを送り、株価操縦や虚偽記載とみなされる危険性すらあります。
日本企業のAI活用への示唆
これらを踏まえ、日本の経営層や実務担当者は以下の3点を意識してディスクロージャーおよびAIガバナンスに向き合う必要があります。
1. AIによる「機械可読性」を意識した情報発信
日本企業のIR資料は、情緒的な表現や画像化されたテキスト（PDF内の画像データ）が多い傾向にあります。しかし、投資家がAIを使ってスクリーニングを行う現在、機械が読み取りやすく、かつ論理構造が明確なテキストデータや構造化データでの開示が重要になります。曖昧な表現はAIによって「不確実性が高い」「リスク隠蔽の可能性がある」とネガティブに判定される可能性があります。
2. 全社的な情報の整合性（Consistency）の確保
AIは、有価証券報告書、サステナビリティレポート、社長のメディアインタビュー、SNSでの発信など、あらゆるチャネルの情報を横串で評価します。部署ごとに縦割りで情報発信を行っていると、細かな矛盾をAIに検知され、ガバナンス不全と判断される恐れがあります。広報・IR・経営企画が連携し、発信内容の一貫性を保つ体制（One Voice）がこれまで以上に求められます。
3. 防衛的なAIガバナンスの徹底
社内での生成AI利用においては、「入力してよいデータ」と「いけないデータ」の区分け（データ分類）を厳格化する必要があります。特にインサイダー情報に関わる開示資料の作成プロセスでは、学習に利用されない環境（オプトアウト設定済みのAPI利用やローカルLLMなど）を整備することが必須です。同時に、AIが生成したアウトプットに対する人間の最終確認責任（Human-in-the-loop）を業務フローに明記することが、法的リスクを低減する鍵となります。