AIは資産管理を拡大しており、アドバイザーを置き換えているわけではない

ほぼすべての業界で、特にホワイトカラーで知識主導の分野において、AIが自分たちの仕事を奪うのではないかと懸念する専門家が増えています。

これはもちろん、プログラミングや執筆、その他のタスクでも、LLM（大規模言語モデル）に基づく最新のAIが特に得意とする分野です。しかし、金融の専門家にとっても同様で、AIやいわゆるロボアドバイザーが従来の人間による資産管理の競合として認識されつつあります。

上海大学の中国人研究者2名による新しい研究は、この考えに異議を唱えています。LLMが中国の資産管理企業に与える影響を分析した結果、置き換え予測に反して、LLM導入はアドバイザーの人数を大幅に増加させることが判明しました。この効果は資産管理企業における人材の大規模な再編成によってもたらされ、特にジュニアやサポート職の採用が促進されています。

彼らはその成果を International Review of Economics& Finance¹ に掲載し、タイトルは「大規模言語モデルは投資アドバイザーを置き換えるか、補完するか？中国の資産管理企業からの証拠」としています。

ルーチン労働から高度なタスクへ

LLMが根本的に異なる自動化タイプである理由は、対象とできるタスクの種類にあります。従来の自動化は主にルーチンな手作業を置き換えていましたが、LLMは非構造化情報を処理し、論理的推論を行い、複雑なテキストを生成できます。

したがって、LLMは単純で繰り返し作業が得意な機械というより、製造ライン上の柔軟で高度なロボットに近い存在です。物理的な世界では、このような能力が製造業における大幅な人員削減をもたらしました。したがって、知識労働者がこのような技術により職を失うことを恐れるのは不合理ではありません。たとえ完全に人間を代替しなくても、特定のタスクに必要な人手は劇的に減少し得ます。

しかし、タスクを完全に自動化することが唯一の影響ではありません。

別の可能性として、従来は訓練された経験豊富な専門家しか扱えなかった複雑なタスクを、より簡単に実行できるようにすることがあります。その文脈では、LLMは産業革命初期の機械のように、専門的な職人技が必要だった複雑作業を、訓練コストの低い製造プロセスに変換する役割を果たします。

「独立したタスク完遂に必要な知識のハードルを下げることで、ジュニア労働者が自律的に処理できるタスクの範囲が拡大する可能性があります。」

もしそうであれば、LLMの実務導入は雇用への影響だけでなく、導入企業の組織構造にも変化をもたらすはずです。

「技術は知識取得コストを削減し、生産労働者は問題解決の自律性を高め、ルーチン課題の上位エスカレーションが減少し、上級専門家の統括範囲が拡大して階層が平坦化します。」

資産管理、AI＆競争優位性

AIとお金には信頼の問題がある

日常業務において、資産管理の従業員は市場情報の収集、レポート作成、コンプライアンス文書作成といった多くのルーチン業務を行っています。これらはすべて、AIが明確な比較優位性を持つ認知タスクです。

しかし、業界の核心的価値提案は信頼、受託者責任、そして関係性の管理に依存しています。これらは暗黙知と社会的知性を要する対人的タスクであり、現在のAIは十分に再現できません。

このギャップが、これまで金融業界におけるAI導入を制限してきました。AIアドバイザーへの信頼は依然として低いという調査結果が示す通りです。

AIは資産管理の成長を支援できる

同時に、AIが金融アドバイスのコストを下げることで、業界は大きく成長できる可能性があります。高額なアドバイザリー費用がパーソナライズされたサービスを富裕層に限定しているため、マス・アフルエント層は資産管理アドバイスが慢性的に不足しています。

「LLMがルーチンサービスの限界費用を十分に低減すれば、企業はこのロングテール市場に収益性を保って参入でき、AI主導のスケーリングがサービス拡大と雇用増加を促し、置き換えではなく成長をもたらすでしょう。」

この文脈で、中国市場はLLMの業界影響を分析する上で特に興味深いです：

• 急速に拡大する家計資産がマス・アフルエント層に大きな潜在需要を生み出しています。
• 中国のCSRCとSACは厳格なヒューマン・イン・ザ・ループ要件を課し、アルゴリズムが完全な裁量権を行使することを禁じ、すべてのパーソナライズド提案に対して免許を持つアドバイザーの監督を義務付けています。
  • これらの規則はAI導入をハイブリッドな人間‑機械モデルへと導き、完全な代替よりも補完的な条件を特に有利にします。
• 中国のデジタル化された金融エコシステムと広範なフィンテックインフラは、LLM導入における企業間の実質的な差異を生み出し、因果関係の信頼できる同定を可能にします。

AIの資産管理への影響

LLMは資産管理で何ができるか？

研究者は資産管理におけるタスクを、置き換え可能性の異なる3つのカテゴリに分類しています。

第一のカテゴリは技術的分析で、マーケットデータ分析、ポートフォリオ構築、投資リサーチの統合、コンプライアンス文書作成が含まれます。明示的なルール、構造化データ入力、標準化された出力があるため、これらのタスクはLLMが人間労働を代替するのに最適です。

第二のカテゴリは判断・意思決定タスクで、リスク評価、シナリオ分析、パーソナライズドソリューション設計が含まれます。暗黙知と文脈認識の統合が必要なため、LLMは人間労働を中程度にしか代替できません。

最後のカテゴリは関係管理タスクです。信頼構築、市場変動時の感情的サポート、長期的な関係育成が含まれます。これらは対人的感受性、文脈的判断、そして本物の人間的つながりを必要とするため、LLMはほとんど適さないとされています。

データの収集

研究者は中国の資産管理企業を対象に、規制データベース、企業開示情報、マーケットデータを組み合わせた包括的なパネルデータセットを構築し、2019〜2024年の7,795件の観測を集めました。

企業レベルのLLM導入を特定するため、主要な求人プラットフォームから求人情報と従業員プロフィールを収集しました。

資産管理の人員は、ジュニアアドバイザー（経験≤3年）、ミッドアドバイザー（4〜10年）、シニアアドバイザー（経験>10年）に分類しました。

最後に、顧客レベルの分析では投資リターン、資産配分、手数料構造、顧客維持状況を組み込みました。

最も影響を受けるのは誰か

過去の研究では、職場におけるLLM導入は生産性向上（14〜56％）をもたらす一方で、経験の浅い・スキルの低い労働者に恩恵が偏ることが示されています。その結果、企業はLLM導入後に対人・顧客対応能力をより重視するようになりました。しかし、従来の技術スキルへの需要は大きく減少せず、AIは企業が重視する補完的な人的能力を変えたものの、技術的専門性を不要にしたわけではありません。

「AIが低スキル労働を単に置き換えるのではなく補完するというパターンは、従来のIT導入が高スキル労働者を補完したケースとは大きく異なります。」

その結果、LLM導入はコミュニケーション能力、感情知能、顧客関係管理といったソフトスキルへの重視と正の相関があります。

LLMの活用状況

企業・年単位の観測のうち、LLM導入は17.8％に留まっており、導入はまだ比較的稀ですが、相当数の資産管理企業が技術統合を始めていることが分かります。

テックハブ所在地の企業は、非テックハブに比べて効果が大きい傾向があります。これはAI人材へのアクセス、技術インフラの充実、AI強化サービスを求める高度な顧客が集中していることを反映していると考えられます。

LLM活用はジュニアアドバイザーと最も強く相関し、ミッドアドバイザーは中程度、シニアアドバイザーは最も弱く相関しています。これは資産管理業界におけるAI展開の予想プロファイルと合致します。

LLMが主に使用されている役割を見ると、サポート職との同時使用が顕著であり、顧客対応職との関連はほぼゼロです。

サービス向上、価格は同じまま

研究は、LLM活用が全てのサービス品質指標（ポートフォリオリターン、リスク調整リターン、顧客維持、AUM成長）と有意に正の相関があることを示しています。また、苦情率と規制措置の減少とも関連しています。

LLM活用により、平均ポートフォリオリターンは11.5％向上しました。顧客維持率の2.5ポイント向上は、顧客離脱が23.8％減少したことを意味します。

しかし、LLM活用とアドバイザリー手数料との間に相関は見られません。

これは、競争圧力が企業に高額手数料の抽出を抑制し、サービス改善の恩恵が主に顧客に流れることを示唆しています。特にサービス品質が観測可能で、企業がパフォーマンスで競争する業界ではこの傾向が顕著です。

AIは置き換えるのではなく、人間労働を再構築する

全体として、調査結果はAIが資産管理のタスクを再構築するものの、純粋な置き換え効果はないことを示しています。

LLMがルーチン分析タスクを担うにつれ、企業は判断力（認知スキル）を発揮できる従業員、AIツールと効率的に連携できる従業員、顧客と効果的にコミュニケーションできる従業員、そして強固な顧客関係を維持できる従業員をますます重視しています。

この結果は、技術スキルが不要になることを示すものではありません。むしろ、AIがルーチン分析作業のシェアを拡大するにつれ、技術的専門性と並行して、明確に人間的な能力の価値が高まることを示しています。

技術タスクのコストを削減することで、AIは単なる生産性ツールに留まらず、資産管理業界のスケーリングツールとして機能し、より広範な人口層への市場拡大を支援できる可能性があります。

この知見は、潜在的な未解決需要、ヒューマン・イン・ザ・ループ規制、関係性ベースのサービスモデルといった類似条件を持つ他業界にも応用可能です。

AI資産管理への投資

本研究はMorgan Stanley (MS ) を対象にしたものではなく、また中国以外で同様の結果が得られることを保証するものでもありません。しかし、AI支援型資産管理が成功裏にスケールする条件を特定しています。Morgan Stanleyは、広範なアドバイザーネットワーク、セルフディレクテッド投資、職場向けサービス、そしてますます高度化するAI機能を組み合わせたビジネスへのエクスポージャーを投資家に提供しています。

Morgan Stanley

Morgan Stanleyは、2025年時点で総顧客資産が9.3兆ドルに達する、銀行・貸付・資産管理の老舗大手です。そのうち約3/4は資産管理部門からのものです。また、2020年以降、総顧客資産は急速に増加しています。

出典: Morgan Stanley

Morgan Stanleyの主要ロボアドバイザープラットフォームはE*TRADEブランドで、年間アドバイザリーフィーは約0.30％です。

純粋なロボアドバイザーに加えて、Morgan Stanleyは以下の資産管理サービスも提供しています：

• バーチャルアドバイザー：電話ベースでリモートアドバイザーにアクセスし、専任ブローカーなしで構造化プランニングを実現。
• フルサービス・ファイナンシャルアドバイザー：複雑な資産管理ニーズに対する従来型の1対1専任プランニング。

出典: Morgan Stanley

この構造は、研究で検証されたハイブリッドな人間‑機械モデルと密接に類似しています。AIが情報検索、会議記録、ルーチン準備を担当し、免許を有するアドバイザーが顧客関係と提案の責任を保持します。

AI能力が向上すれば、Morgan Stanleyは技術スキルにかかるコストを段階的に削減し、より多くの人的タッチを必要とする直接的・パーソナルなアドバイスへ人員を再配分できるでしょう。

Morgan Stanleyの規模とブランドは、全顧客層に対してAIを効率的に展開し、資産管理市場を拡大する上で有利に働きます。

AIはすでに、E*TRADEやWorkplace</aといったプラットフォームから、2020年以降に700万件以上の新規顧客関係を創出し、顧客を上位の資産管理サービスへ導く入口として機能しています。

出典: Morgan Stanley

「Morgan Stanley at Workは、職場向け金融ソリューション事業を通じて約1.2兆ドルの資産を管理しています。同社は、将来的に企業顧客がShareWorksやEquity Edgeに直接ログインするのではなく、AI搭載ツールを用いて純粋にエージェント的にプラットフォームを利用することを想定しています。」

したがって、AIは以下のようなメカニズムでMorgan Stanleyに競争優位性をもたらす可能性があります：

• アドバイザー1人当たりがサポートできる顧客数の増加
• パーソナライズドサービスをマス・アフルエント市場へさらに拡大
• サービス品質を低下させずにアドバイザーの生産性向上
• より頻繁でパーソナライズされたインタラクションにより顧客維持の強化
• 管理コストの比例的増加なしに資産管理収益をスケール

これは、AIが必ずしもMorgan Stanleyの利益を直接押し上げるとは限らないことを意味します。本研究が示すように、改善と利益は主に顧客に還元される可能性が高いです。しかし、AIは同社の業界リーダーシップを確固たるものにし、AIによって拡大する世界的な資産管理市場は業界全体に恩恵をもたらすでしょう。

最新 Morgan Stanley (MS) 株式ニュースと動向

参照研究

^{1. Lina Song and Huaili Lyu. Do large language models displace or complement investment advisors? Evidence from Chinese wealth management firms. International Review of Economics& Finance. 2026年10月. Article: 105636. Volume 111. 10.1016/j.iref.2026.105636}