投資会社Coatueの元バイスプレジデントが共同創業したスタートアップのCompoundは、機関投資家のディールチームがツールではなく同僚として扱えるAIアナリストの構築に取り組みました。その過程で、多くのAIスタートアップが避ける結論にたどり着きます。既存のツールは土台にするには力不足だというものです。Microsoft Excel、PowerPoint、Wordをプラグインやスクリプトで包む代わりに、Compoundは3つのアプリケーションすべてをRustでゼロから書き直し、ヘッドレスエンジン、つまり画面やデスクトップウィンドウなしで動くソフトウェアとして実装しました。さらに、すべてのエージェントに専用のメールアドレスを与え、金融チームが実際に仕事をしているOutlookのスレッドの中に座らせています。この2つの決断の背景にある理由は、AI企業が既存のものを再利用すべき場面と、作り直すべき場面を考えるうえで有用なケーススタディになります。

個人向けエージェントがディールチームに通用しない理由

MuseやInstinctといった消費者向けエージェントは約3カ月の間に急速に普及しましたが、Compoundはその要因を3つの要素に求めています。バックグラウンドで確実に実行するため、ユーザーはレストランの予約や航空券の手配を任せて結果を信頼できます。能動的に動き、たとえば記念日に気づいて前もって花を注文します。そして、メール、Google Drive、カレンダーといった個人のコンテキストを持つシステムと深く統合しています。

Compoundの見方では、これらの要素はいずれも、大きな変更なしにはバイサイドの投資会社に持ち込めません。理由は3つあります。

  • 金融の仕事は協働であり、一人作業ではありません。投資委員会向けの資料は、誰かが最終版として扱う前に、同僚や上席者による何層ものレビューを経ます。チャットボットに一度きりで任せる形は、このワークフローに合いません。
  • 能動性は危険です。ディールチームはコミュニケーションのスレッドを共有しており、招かれずに割り込んだり、許可されていない行動を取ったりするエージェントは、繊細な議論を乱しかねません。マネージングディレクターには、検証されていない分析を送り出すエージェントを抱える余裕はありません。
  • コンテキストが膨大で分散しています。1件の買収案件のデータルームだけで15,000ファイルに達することがあり、各社はSharePointやBoxといったリポジトリに数十年分の非構造化されたディール情報や市場データを保管しています。

このリストは共同創業者自身の経験から生まれました。Coatueでレイターステージの非公開ソフトウェア企業への投資に約3年携わり、その多くをExcelモデルの操作やPowerPointスライドの整形に深夜まで費やした後、彼は自分が手作業でこなしていたアナリスト業務を自動化するために退職しました。

これらの制約から、Compoundは3つのアーキテクチャ要件を導き出しました。チームの共有チャネルの中で動くマルチプレイヤー設計、多数の重いタスクをバックグラウンドで並列実行できる実行基盤、そしてペタバイト規模の社内情報やディール情報を管理し推論する手段です。同社は、これらの要件を満たすにはプラグインやサイドバーではなく、インフラのエンジニアリングが必要だと主張しています。

自分の受信箱を持つエージェント

現在、ディール業務にChatGPTやClaudeを使うアナリストは、テキストをコピーしたりファイルを書き出したりして、社内メールやMicrosoft Teamsのスレッドに添付し、アソシエイトやパートナーにフィードバックを求めます。エージェントはそのフィードバックを目にすることがありません。Compoundのマルチプレイヤー設計では、エージェントを人間と同じスレッドに置くことで、レバレッジ前提をめぐる議論、ダウンサイドケース、5.0倍のエグジットマルチプルといったチームの集合的なコンテキストを継続的に吸収させます。

個人向けエージェントはiMessageやWhatsAppに住むのが一般的です。一方、金融機関はMicrosoft Outlookで動いており、スレッドは数十件のメッセージに及ぶこともあります。そこでCompoundは各エージェントに専用のメールアドレスと内蔵の受信箱を割り当て、チームメンバーは進行中のやり取りにエージェントをCCに入れるだけで済むようにしました。

机の上に浮かぶメールカード、3枚には人のシルエット、1枚にはロボットが描かれ、その横に施錠された封筒

▲ 認証済みの遅延付きメールスレッド内のエージェント

これを安全にする部分にエンジニアリングの労力が注がれています。すべてのディールルームは拘束力のある秘密保持契約の下で運営されているからです。受信メッセージに対するCompoundのパイプラインは、おおよそ次のように動きます。

  1. メールがエージェントの受信箱に届き、受信したままの形で保存されます。
  2. システムが、送信者にそのディールへの正当な読み取り・書き込み権限があるかを確認します。なければメッセージは拒否されます。
  3. そこで初めてエージェントが起動します。
  4. 単一のメッセージに反応するのではなく、スレッドの直近のコンテキストを動的に解析します。
  5. スレッド内で返信します。

ひとつ目を引く点があります。複数の人が立て続けに返信すると、素朴なエージェントはその一つひとつに答えてスレッドを溢れさせてしまいます。Compoundは意図的に人工的な遅延を加え、人間が複数回に分かれた返信を書き終えるのを待ってから一度だけ応答させています。思慮深い同僚がそうするように、です。同社の立場は、金融ではエージェントは黙って聞き役に徹し、名指しされ認証された場合にのみ介入すべきだというものです。

既製のOffice自動化が失敗した理由

第2の柱は、Compoundが最も異例の選択をした部分です。多数の深い分析タスクをバックグラウンドで同時に実行するため、チームは当然の選択肢を評価し、そのすべてを退けました。

アプローチ Compoundが見つけた問題
デスクトップ版Officeのプラグイン アナリスト自身のマシンで開いているアプリケーションをブロックせずに非同期のバックグラウンド作業ができない
仮想マシン上のコンピュータ操作エージェント 1操作あたりのレイテンシが高く、アナリストが期待する応答性には遅すぎる
openpyxlなどのオープンソースライブラリや商用スプレッドシートエンジン タイムアウトや処理停止が発生し、24MBのモデルでは1回の書き込みに300秒以上かかり、数十ファイルを同時に開くと破綻した

実際の財務モデルは巨大です。同社が挙げた実在の24MBのワークブックには、42枚のシート、191,000個の数式、65,000個の名前付き範囲が含まれています。30MBのモデルなら200万個の数式と5つの感応度分析表を抱え、Excelでの再計算に5分以上かかることもあります。Compoundは、ネイティブのExcelやPowerPointの上に直接自律エージェントを積み上げてスケールさせるのは誤った道だと結論づけました。

フリーズしたスプレッドシートを表示する古いデスクトップPCと、20のスプレッドシートにケーブルを伸ばす画面のないエンジン

▲ デスクトップ自動化とヘッドレスエンジンの対比

Officeを審判役にExcel、PowerPoint、Wordを作り直す

Compoundの代替案は、同社が「自動ソフトウェア工場」と呼ぶものを回すことでした。AIエージェントがコードを書き、テストし、修正を繰り返す再帰的なエージェントループは、入出力合わせて1.5兆トークンを消費し、800万行を超えるコードを生み出しました。設計上の鍵は審判役です。ループは出力を実際のExcelファイルと照合してベンチマークし、ネイティブのMicrosoft Officeを「正しい結果とは何か」の正解データとして使いました。

スプレッドシートエンジンはオープンソースのRustプロジェクトであるIronCalcを出発点としました。4カ月のうちに、ループはそれを80万行のRustエンジンへと育て上げ、複雑なXLSXファイルを読み込み、変更し、保存できるようになりました。同社はその見た目と計算の一致度を「ピクセル単位で完全」と表現しています。同じ手法はその後PowerPointとWordにも適用されました。スライドについては、169のデッキに含まれる4,432枚のスライドで、ネイティブのPowerPointとの一致スコアの中央値が0.975だったとCompoundは報告しています。Compoundはこの水準の忠実度を必須と位置づけています。ダウンロードしたファイルがデスクトップ版Officeで見るのと寸分違わぬ見た目でなければ、金融機関はその製品を拒むという見方からです。

同社が提示するベンチマーク数値は、自社エンジンを標準的な商用エンジンおよびLibreOfficeと比較したものです。

ベンチマーク Compoundのエンジン 比較対象
20ファイルを開いた状態での毎秒の操作数 225,000 19,000(商用エンジン)
複雑なモデルの構築 0.87秒 500秒でタイムアウト(商用エンジン)
24MBのモデルへの書き込み 約1秒 タイムアウト(商用エンジン)
500,000個の数式を含む61ワークブックの再計算 43.3秒 183.0秒(LibreOffice)、4.2倍の高速化

これらはCompoundが自社製品を自ら測定した数値であり、独立した検証結果ではなくベンダーの主張として受け取るべきでしょう。

最後だけでなく、すべてのステップで検証する

エンジンを自前で持つことは、エージェントが自分の仕事を確認する方法も変えます。openpyxlのようなライブラリはファイルを盲目的に書き出すだけでレンダリングはしないため、グラフが表に重なっていないか、ヘッダーがずれていないかをエージェントは確認できません。Microsoftのデスクトップ版やWeb版のインターフェースを外部から操作する方法では、検査用のフックが限られたホスト環境にエージェントが依存することになります。Compoundのエンジンはこのループを閉じます。エージェントは最終成果物だけを評価するのではなく、各ステップで書き込み、レンダリングし、書式と計算を確認して修正します。

エディタのインターフェースを自前で持つことは、人間にとっても重要です。すべての変更は検査可能でバージョン管理され、レビュアーは出典が付いた数値を含むドラフトにインラインコメントやスレッド形式のフィードバックを残せます。Compoundによれば、インターフェースにテキストのコメントやプロンプトを投げ込むだけで、スライドデッキ一式をこの方法で組み立て、整形できるといいます。同社が主張する総合的な効果は、5人のディールチームが100ページのプレゼンテーションのレビューと整形を、手作業のレビュー会議に何週間も費やす代わりに午後の数時間で終えられ、通常4週間かかるデューデリジェンスのサイクルを数日に圧縮できるというものです。

2方向のコンテキスト:幅と深さ

第3の柱は、金融コンテキストの規模の問題に2つの軸から取り組みます。

幅とはデータルームのことです。数万件の文書を単一のベクトルデータベースに読み込む、つまり文書を数値の埋め込みに変換して類似検索にかける一般的な手法ではなく、Compoundは人間のディールチームを模したエージェントスウォームを展開します。リードエージェントがデータルームを分割して担当範囲を割り当て、サブエージェントが個々のファイルを検索し、開き、読み、抽出します。すべての発見には正確な出典の引用が必須で、返される前に各引用を検証する再読ステップが義務づけられています。これが数値の幻覚に対する同社の防御策です。スウォームは数時間にわたって動作し、システムの再起動にも耐え、最大50,000ファイル、40GBのアーカイブを扱えるように作られています。

深さとはワークブックのことです。大規模モデルのすべてのセルを言語モデルのコンテキストウィンドウに流し込むのは、遅くコストもかかりすぎます。Compoundの試算では、その方法だと1億2,600万トークンが発生します。代わりにエンジンは、LLMの推論に入る前にモデルの構造をコードで一度だけインデックス化し、入力、数式、出力をつなぐ機能マップを構築します。同社は次の結果を報告しています。

指標 結果
ゴールデン数式ベンチマークの正答率 874個中873個の数式がExcelと一致
66ワークブックのオープン 10.1秒、openpyxlでは89.9秒
トークン使用量 1億2,600万トークンではなく固定予算

この両方の上に、CompoundはSharePointやOutlookといった接続されたサイロから全社的な知識を取り込み、組織の記憶、社内の書式スタイル、チームの好みがディールからディールへと引き継がれるようにしています。これにより、文書を探し回る、過去の数値を打ち直す、昨年のモデルを作り直す、社内テンプレートを改めて説明するといった繰り返しの雑務がなくなります。

委任はどこで止まるか

Compoundはディールのタスクを2つの軸に配置します。出力を機械的に確認できる度合いと、定性的な人間の判断がどれだけ必要かです。確認可能性が高く判断の必要が低いタスク、たとえば財務諸表のスプレッド、類似企業比較表の更新、データルームからのデータ抽出、モデルのロールフォワードなどは、同社が「オートパイロット」と呼ぶものに任せます。投資委員会向けメモの初稿作成、ダウンサイドケースの構築、投資テーゼのナラティブの統合といったタスクは、人間が常に舵を取る「コパイロット」の領域にとどまっています。Compoundの評価では、既存の商用ツールは、50ページの委員会向けデッキをゼロから作るような長期的な生成作業にまだ苦戦しています。

同社は、3つの要素がオートパイロットの境界を外側へ押し広げると主張しています。共有スレッドを通じてチームの意見を募ること、プログラムによる検証チェックを実行すること、そして深い社内コンテキストにアクセスすることです。同社はこれを、昨年12月のOpus 4.5の登場後のソフトウェア開発になぞらえています。堅牢なテストスイートが十分な信頼をもたらしたことで、エンジニアは1行ずつの補完からモジュール全体の委任へと移行しました。金融にも同等の検証ループが整えば、プライベートエクイティやヘッジファンドのチームは10倍の数のディールを評価できるようになるというのが同社の予測です。これは予測であり、測定された結果ではありません。Compoundはまた、定性的な判断と投資テーゼの策定は人間が直接責任を持ち続けるべきだと明言しています。

このケースが示す「作り直す」か「再利用する」かの判断

創業者の意思決定ログとして読むと、Compoundの物語は単純なテストに沿って展開しているように見えます。既存のツールがワークロードに耐えるなら再利用し、ワークロードがツールを壊すなら作り直す、というものです。プラグインはユーザーのマシンをブロックし、仮想マシンは遅すぎ、スクリプトライブラリは実際のモデルでタイムアウトしたため、同社は作り直しました。対照的にメールはディールチームにとってすでに機能していたため、置き換えるのではなく、そこに加わりました。この規模の書き直しが商業的に報われるかはまだ決着がついていませんが、エンジニアリングのパターンは再利用できます。

規制が厳しく協働が前提の分野でエージェントを構築するチームにとって、実践的な教訓は次のとおりです。

  • エージェントはチームがすでに使っているチャネルに置き、起動前にすべてのメッセージを本人確認とロール確認の関門にかける。
  • 複数人のスレッドでは応答をバッファリングし、会話の途中で人間にスパムを送らないようにする。
  • 既存ソフトウェアを再実装しなければならない場合は、成熟したオリジナルをコーディングループ内の自動審判役として使う。
  • 高スループットの文書作業ではGUI自動化よりコンパイル済みのヘッドレスエンジンを選び、各ステップで出力をレンダリングして確認する。
  • 大規模な文書集合には、単一のベクトルインデックスではなく、調整役のリードエージェントとサブエージェント、必須の引用再読を検討する。
  • LLMがモデルを見る前にスプレッドシートの依存関係をコードでマッピングし、トークン予算を固定する。
  • まず機械的に検証できるタスクから委任し、判断を要する決定は人間の手元に残す。