AAAI 2025 Finance x AI Paper Review

【AAAI 2025】財務諸表×LLMの衝撃。数値とテキストを「掛け算」する新手法とは？

Posted by TechInsighter | Based on "Linking Industry Sectors and Financial Statements"

こんにちは。今回は、先日開催されたAAAI 2025（人工知能学会）で発表された、非常に興味深い論文を紹介します。

テーマは「会計監査とAI」。

「財務諸表をAIに読ませて、その企業がどの産業（製造業や金融業など）に属するかを当てる」というタスクにおいて、従来の数値分析だけでは到達できなかった領域に、大規模言語モデル（LLM）のアプローチで挑んだ研究です。

単に「ChatGPTを使ってみた」という話ではありません。この論文の白眉は、「テキストの意味」と「金額の大きさ」を物理的に融合させる新しいアーキテクチャを提案している点にあります。

この記事の要点：

1. なぜ今、会計×LLMなのか？

従来の機械学習による企業分類アプローチ（LightGBMなどの決定木モデル）は強力ですが、決定的な弱点がありました。

それは、「勘定科目名の意味を無視している（ラベルとして扱うだけ）」ことと、「なぜその予測になったかの説明が難しい（ブラックボックス）」ことです。

監査の現場では、「AIがそう言ったから」では通りません。「在庫資産の比率が異常に高く、製造業特有のパターンを示しているため」といった論理的な説明が必要です。

この論文は、LLMの「言語理解能力」と「生成能力」を借りることで、この壁を突破しようとしています。

この論文の最大の技術的貢献は、Text-Numeric Transformerというアーキテクチャの提案です。

通常、テキストと数値をAIに学習させる場合、それらを単に連結（Concatenate）して入力するのが一般的です。しかし、この研究者たちはもっと賢い方法を思いつきました。

それは、「金額の大きさ」を「勘定科目の意味ベクトルの強さ（重要度）」として物理的に埋め込むという手法です。

Vector = Embedding(Text) × log(|Amount|)

Text
"売掛金"
(意味ベクトル化)

Numeric
"1,000,000"
(対数スケーリング)

→

Hybrid
"重要な売掛金"
(長いベクトル)

上記の図の通り、このモデルではテキストの埋め込みベクトルに対して、金額の対数値を「掛け算」しています。

これにより、後のTransformer層（Attention機構）で処理される際、「金額の大きな科目が、物理的に強いシグナル（Attention）を発する」ようになります。

これは、人間の監査人が「金額の大きな科目を重点的にチェックする（重要性の原則）」という行動様式を、数学的にモデルの構造に組み込んだと言えます。これが、単なるLLMのファインチューニングとは一線を画す「新しさ」です。

もう一つのハイライトは、生成AIとしてのLLM（Llama 3）の活用です。

論文中の実験（LLM-gen）では、財務データをプロンプトとして入力し、AIに「この企業はどのセクターか？その理由は？」と答えさせています。

予測： 製造業

理由： この企業は総資産に対する「棚卸資産（在庫）」の比率が非常に高く、また「有形固定資産」の割合も高いため、大規模な生産設備を持つ製造業である可能性が高いです。

このように、数値の羅列から「意味のあるストーリー」を紡ぎ出せるのはLLMならではの強みです。精度だけで言えば特化型のモデルに及ばないこともありますが、この「説明力」は実務導入において最強の武器になります。

最後に、地味ながら非常に重要な発見についても触れておきます。それは「相対値（Relative Values）」の重要性です。

実験の結果、生の金額（Raw Values）をそのまま使うよりも、総資産で割って正規化した「相対値（%）」を使った方が、圧倒的に精度が高くなりました。

これは、Appleのような巨大企業と町の工場を同じ土俵で比較するには、規模の要素を取り除く必要があるという、会計ドメインでは常識的な知見です。最先端のAIを使う場合でも、こうした「ドメイン知識に基づいたデータエンジニアリング」が勝敗を分けることを、この論文は再確認させてくれます。

この論文は、以下の3点において「新しい」と言えます。

「AIが会計士の仕事を奪う」のではなく、「AIが会計士に『ここを見るべき理由』を提示する」未来。そんな半自動監査の世界への第一歩を感じさせる、非常に読み応えのある論文でした。