AIによる事業計画書の審査は信頼できるのか？

#単一AIの限界 — メンター1人では足りない理由

1つの事業計画書でも、市場、技術、財務、チーム、法務、税務など、評価すべき側面は非常に多くあります。人間の審査担当者であっても、1人ですべてを同時に深く検討することはできません。そのため、実際の投資委員会では、市場、財務、技術の専門家が分担し、最後に見解を統合します。

AIも同じです。単一のLLMに「最初から最後まで全部見て」と頼むと、ある部分は深く検討しても、別の部分はざっと読むだけになります。同じ文書をもう一度見せると、重点を置く箇所が変わります。この一貫性の欠如こそが、AI審査の信頼性における最大の問題です。

#分業 — 17の評価役と別枠のChief Report Composer

OpenSeedは7つのコア評価役と10の専門評価役、計17の評価役を定義しています。専門評価役は事業との関連性に応じて適用され、別枠のChief Report Composerが該当する所見をまとめます。

各メンターには、自分の領域内だけで評価するよう明確に指示しています。市場メンターには、いわば「財務は別の担当者の仕事です」と伝えます。この分業によって、1人のメンターがすべての項目を浅く見るのではなく、それぞれが自分の領域を深く検討できます。

#講評が先 — 採点は最後

AIが先にスコアを決め、それに合う理由を後付けすることを「報酬ハッキング」と呼びます。80点と決めてから、80点にふさわしい褒め言葉を作り上げるような行為です。これを防ぐため、OpenSeedは1つの厳格なルールを設けています。

このシンプルなルール1つで、AIの採点バイアスを大きく減らせます。講評での評価が低ければスコアも低くなり、高ければスコアも高くなるという、自然な因果関係が生まれます。

#能力別の診断 — 1つのスコアでは実態を見誤る

総合スコア75点という情報だけでは、実際には大きく不十分です。市場性が90点で財務が50点の企業と、両方が75点の企業が、まったく同じ総合75点になることがあります。しかし、それぞれが最初に改善すべきことはまったく異なります。

OpenSeedは、1つの総合スコアに加えて、5つの中核能力を個別に診断します。

各能力について、スコア、事業計画書から直接引用した根拠、現状と必要な水準との差、具体的な改善策が提示されます。どの能力が弱いかが分かれば、改善の着手点も明確になります。

#不確実性の定量化 — 「分からない理由」を切り分ける

AIが「確信度70%」と言うとき、残り30%の不確実性はどこから来るのでしょうか。実際には、3つの異なる原因が混在しています。

原因を切り分ければ、改善策も変わります。「データ不足」なら、事業計画書の情報を補います。「エージェント間の意見の相違」なら、本当に判断の難しい案件であるというサインです。この切り分けによって、AI審査の透明性が生まれます。

#自己監査 — AIが自分の評価を点検

AIの採点システムは、時間とともに過信に傾くことがあります。実際には答えが間違っていても、確信だけが強くなっていくのです。これを防ぐには、外部の情報による検証が必要です。

OpenSeedは、審査したスタートアップが実際に資金調達できたか、政府支援事業に採択されたかといった結果を追跡し、AIのスコアと照合します。「85点以上だったスタートアップのうち、実際に成功した割合はどれくらいか」といった指標を、リアルタイムで測定します。

#主要リスクの診断 — 問題を指摘し、解決への道を示す

ほかの部分がどれほど優れていても、明確に指摘すべき問題があります。法的リスクを抱えたビジネスモデル、市場の裏付けの弱さ、チームの重大な欠員、収益モデルの欠如などです。

OpenSeedは、こうした主要リスクを埋もれさせず、結果の上部に明示します。特に法的リスクについては、単に「不可」で終わらせず、規制のサンドボックスや関連する許認可の取得手続きなど、解決への道筋も示します。これにより、AIが良い部分だけを見てスコアを付けることを防ぎます。

#多層的な検証を1つの画面に

OpenSeedの審査結果は、単一のスコアではありません。分業、講評を先に行う採点、能力別の診断、不確実性の定量化、自己監査、主要リスクの診断という、6つの信頼性を支える仕組みが同時に機能した結果です。