KPMGがAIエージェント100体超で並行監査、EC経理が学ぶ3つの論点

KPMGが100体超のAIエージェントで英上場企業の年次監査を並行実施。人より深く調べた点と人の介入が必要だった点を整理し、EC事業者がバックオフィスにAIエージェントを導入する際の3つの論点を解説します。

投稿日: カテゴリー AIニュース

KPMGは英国の上場企業を対象に、100体超のAIエージェントで年次監査を並行実施しました。

本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル(うるチカラ運営)が解説します。大手会計事務所のKPMGが、英国FTSE 250採用企業の年次監査をAIエージェントに丸ごと並走させる実験「Project Exponential」を行ったと、AI専門メディアのTHE DECODERが2026年11月18日に報じました。AIエージェントとは、目標を与えると自分で情報を集め、判断し、作業を進めるAIのことです。監査という厳格な業務で何がうまくいき、どこで人が必要だったのかは、売上照合や経理チェックにAIを使い始めたEC事業者にとっても参考になる内容です。

KPMGの監査AIエージェント実験を表すイメージ画像

KPMGのAIエージェント監査「Project Exponential」で何が起きたか

結論から言うと、100体を超えるAIエージェントが年次監査のすべての工程を人間の監査チームと並行してこなし、一部の論点では人間より深く掘り下げたという結果でした。THE DECODERは英フィナンシャル・タイムズの報道をもとにこの実験を伝えており、対象は英国の上場企業で、KPMGにとってこの形での完全な実施は初めてとされています。なお、正式な監査意見はあくまで通常の監査にもとづいて出されており、AIの作業結果は意見の根拠には使われていません。

エージェントは、データの収集、分析、文書化を自律的に進め、監査結論の下書きまで作成しました。KPMG英国の監査責任者であるCath Burnetは、いくつかのケースでAIがはるかに深く踏み込めたと述べ、自社の監査人より良い質問をすることもあったと語ったと報じられています。

一方で、人の介入が必要になった領域もありました。ある規制の一覧と企業の文書を正しく突き合わせる作業で、エージェントがうまく対応できなかったとされています。体制面では、パートナー2名とディレクター1名が、シニアマネージャーや若手スタッフとともに関わりました。人間はエージェントの目標設定、文脈の提供、定期的なレビュー、結論への異議申し立てを担い、KPMGはこの人の関与を「critical(不可欠)」と位置づけています。記事では、使われたAIモデルやベンダー名、削減時間やコストの数字は明らかにされていません(要確認)。

なぜ重要か、規制当局と業界の動き

この実験が注目されるのは、AIエージェントが「補助ツール」から「業務を一通り担う存在」に近づいていることを、規制の厳しい監査の現場で示したからです。KPMGは今後、最大20件の大型監査に拡大する計画ですが、何千件もの監査に広げる段階にはまだないとしています。理由として挙げられているのが、エージェントが確実に扱えるほど整ったデータを持つ企業がまだ少ないという点です。

規制側も動いています。英国の監査監督機関であるFRC(財務報告評議会)は2026年11月16日、AIを含むテクノロジーを使う際の監査人の独立性に関するガイダンスを公表しました。AIは従来のサンプリングよりはるかに多くの取引を分析できるため、監査の範囲を超えた改善提案まで見つけてしまい、それを企業に伝えることが独立性への脅威になりうる、という問題意識です。FRCのMark Babingtonは、AIの活用は監査の質と提供できる知見を高めうると述べています。

日本でも動きは進んでいます。KPMGはKPMG Clara AI Agentsを監査プラットフォームに統合すると2025年に発表しており、全世界95,000人の監査プロフェッショナルを対象とし、日本ではあずさ監査法人が順次導入するとしています。さらに、あずさ監査法人は2026年6月にSakana AIとの監査に関する共同研究契約を結び、複数のAIエージェントが在庫や信用取引、支払遅延を含む事業活動を長期間こなすシミュレーション研究を発表しています。

EC事業者が今後押さえたい3つの論点

監査の話は遠く感じるかもしれませんが、EC事業者のバックオフィスにも同じ構図があります。楽天市場、Amazon、Shopify、Yahoo!ショッピングと複数のモールを運営していると、売上データ、入金明細、手数料、在庫数の突き合わせは毎月の重い作業です。ここにAIエージェントを入れる際、KPMGの実験から読み取れる論点は3つあります。

1つ目は、データの整備が成果を左右するという点です。KPMG自身が、整ったデータを持つ企業が少ないことを拡大の壁に挙げています。モールごとにCSVの形式や商品コードの付け方がばらばらなままでは、エージェントは正しく照合できません。まず商品マスタと受注データのコード体系をそろえることが、AI活用の前提になります。

2つ目は、人のレビューを仕組みに組み込むことです。KPMGでも規制と文書の突き合わせではエージェントがつまずきました。EC事業者の場合も、景品表示法や薬機法に関わる表記チェック、返品・キャンセルの例外処理などは、AIの結論を人が確認する工程を残すべき領域です。

3つ目は、記録が残る形で使うことです。KPMGはエージェントと文書のやり取りを文字単位・タイムスタンプ単位で記録し、追跡できるとしています。EC事業者でも、AIがいつ、どのデータをもとに何を判断したかをログで残しておけば、税理士とのやり取りや社内の確認がぐっと楽になります。

まとめ

KPMGの実験は、100体超のAIエージェントが監査の全工程を並走でき、一部では人より深く調べられる一方、データの整備と人の監督が欠かせないことを示しました。EC事業者がバックオフィスにAIエージェントを入れる際も、データ整備、人によるレビュー、記録の3点を先に設計しておくことが、失敗しない導入の近道です。

参考文献

※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談(30分)も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/

引用元: THE DECODER


【監修】齋藤竹紘(株式会社オルセル代表 / 19年・5,000社のEC支援実績)


投稿者: 齋藤竹紘

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。

お問い合わせ