OpenAIが進める秘密プロジェクト「Mercury」が、ウォール街の投資銀行業界に大きな変革をもたらそうとしています。このプロジェクトは、JPMorgan Chase、Goldman Sachs、Morgan Stanleyなどの大手投資銀行出身者を時給150ドルという高額報酬で雇用し、AIに金融モデル作成を教え込むという画期的な取り組みです。

私は、このプロジェクトが単なる実験ではなく、AIによる知識自動化革命と専門知識の平等化の先駆けであると考えています。投資銀行の初級アナリストが行う反復的で長時間の労働を、AIが代替する時代が本格的に到来しているのです。

Project Mercuryの全貌：100名超の元バンカーがAI訓練に参加

Project Mercuryは、OpenAIが内部的に進めている秘密プロジェクトで、100名を超える元投資銀行家を雇用してAIの訓練を行っています。

このプロジェクトの特徴的な点は、時給150ドルという高額な報酬設定です。参加者は週に1つの金融モデルをExcelで作成し、M&AやIPO、リストラクチャリングなどの様々な取引シナリオに基づくプロンプト素材を開発しています。

応募プロセスも興味深く、AIチャットボットとの20分間の面接から始まり、財務諸表や金融モデリングに関するテストが続きます。合格した契約者は、業界標準に従って詳細な指示に基づいてモデルを作成し、フィードバックを受けて修正を行った後、OpenAIのシステムに統合されます。

投資銀行業界の「グラントワーク」自動化への挑戦

投資銀行の初級アナリストは、週80時間から100時間という長時間労働で知られています。その大部分は、Excel での詳細な金融モデル作成やPowerPointプレゼンテーションの修正といった反復的な作業に費やされています。

これらの作業は「グラントワーク」と呼ばれ、ウォール街の文化の象徴でもあります。若手バンカーは、上司からの細かな修正指示を何度も受け、深夜まで作業を続けることが常態化していました。

Project Mercuryは、まさにこうした反復的で時間のかかる手作業をAIで自動化することを目指しています。AIが基本的な金融モデリングやデータ分析を担当することで、人間はより戦略的で高度な業務に集中できるようになると期待されています。

AI化が若手バンカーのキャリアに与える影響

しかし、この変革には複雑な側面があります。AIによる業務効率化は確実にメリットをもたらしますが、同時に若手バンカーの成長機会を奪う可能性も指摘されています。

従来、初級アナリストは「骨の折れる仕事」を通じて業界知識を身につけ、細部への注意力を養い、クライアントとの対話に必要な自信を構築してきました。DHR Globalの金融サービス部門責任者であるJeanne Branthover氏は、「文書を読み、分析する過程で学ぶべきプロセスがある」と指摘し、こうした経験を積まないことが「若手バンカーにとって有害になる」と警告しています。

一方で、そもそも若手がアナリストの基本的な内容をする必要がないという考え方もあります。AIによって業務効率化が進むことで、より高度で戦略的な業務に早期から取り組める可能性もあります。ただし、どのように若手を教育するか、という視点は別途必要です。

短期的利益と長期的影響のジレンマ

Project Mercuryに参加する金融専門家にとって、この取り組みは複雑な意味を持ちます。短期的には高額な報酬を得られる一方で、中長期的には自分たちの専門知識をAIに移転し、業界全体のAI化を推進することになるでしょう。

参加者個人にとっては、AIトレーニングのデータ作成で収益を得られるため、短期的にはメリットがあります。しかし、彼らの知見がAIに蓄積されることで、従来彼らが担当していたレベルの業務がAI化され、結果的に同様の職種の需要が減少する構造的な問題があります。

これは、ある意味で業界の自己変革を促進する皮肉な状況と言えるでしょう。専門家自身が、自分たちの職域をAIに置き換える作業に協力しているのです。

OpenAIの商業化戦略と計算コスト対応

Project Mercuryは、OpenAIの商業化戦略の重要な一環でもあります。5000億ドルの企業価値を達成したにも関わらず、OpenAIはまだ利益を上げていません。高騰する計算コストに対応し、収益化を加速する必要に迫られています。

このプロジェクトは、AIの実用的な応用範囲を金融、コンサルティング、法務、技術分野に拡大し、実世界での価値創造を目指しています。専門家の知識を体系的にAIに移転することで、より実用性の高いAIサービスを提供できるようになります。

専門家データ作成を支える第三者企業の存在

興味深いことに、OpenAIは専門家の採用や管理を第三者サプライヤーに委託しています。Mercury プロジェクトやStreamliner、TTPMといった専門家のデータ作成を専門とする企業が、この分野で新たなビジネス機会を見出しています。

これらの企業は、様々な業界の専門家をアサインし、AIトレーニング用のデータ作成を支援する役割を担っています。このような専門特化した企業の存在は、AI訓練データ作成が一つの独立した産業として成長していることを示しています。

対象業界の拡大：金融を超えた専門知識の自動化

Project Mercuryの影響は金融業界にとどまりません。以下のような反復作業が多く、非正確性やフォーマット統一が重要な業界が次のターゲットになると考えられます：

• 監査・会計・税務：複雑な規制要件と標準化されたフォーマットが必要
• 保険・アクチュアリー：リスク評価と数理計算の専門性
• 資産運用：ポートフォリオ分析と投資判断支援
• 規制・コンプライアンス：法規制の解釈と適用
• 医療実務・薬事：医学的知識と規制対応
• 知的財産：特許や商標の専門的判断
• 建設・不動産：技術仕様と法的要件の理解
• 調査・サプライチェーン：データ分析と業界知識の組み合わせ

これらの業界では、専門知識を持つ人材の確保が課題となっており、AIによる知識の民主化が大きな価値を生み出す可能性があります。

金融機関のAI導入事例と業界動向

実際に、大手金融機関では既にAI導入が進んでいます。Citigroupは2024年後半に、8カ国の14万人の従業員にAIツール「Stylus」を展開しました。このプラットフォームは、複数の文書を同時に要約、比較、検索する機能を持ち、手作業による分析時間を大幅に短縮しています。

McKinseyでは、2023年に導入した社内AIプラットフォーム「Lilli」を、4万3000人の従業員の75%以上が定期的に使用しており、PowerPointスライドの生成、調査資料の作成、クライアント提案書の下書き作成に活用されています。

これらの事例は、Project Mercuryが目指す方向性が既に現実のものとなっていることを示しています。

AIベンチマークの進化：GDP Valによる実用性評価

OpenAIは、現実のタスクの精度を評価するベンチマークとして「GDP-Val」を開発しています。このベンチマークは、様々な資料を確認し、読み込み、分析する能力を総合的に評価するものです。

従来のベンチマークが単純なタスクの正解率を測定していたのに対し、GDP Valは実際のビジネス環境により近い複雑な状況での性能を評価します。これにより、AIが実用的なレベルで専門業務を遂行できるかどうかを、より正確に判断できるようになります。

まとめ

OpenAIのProject Mercuryは、投資銀行業界における労働の未来を根本的に変える可能性を秘めたプロジェクトです。主要なポイントを整理すると：

• 規模と報酬：100名超の元投資銀行家を時給150ドルで雇用し、AIトレーニング用の金融モデルを作成
• 対象業務：M&A、IPO、リストラクチャリングなどの反復的で時間のかかる分析業務をAI化
• 業界への影響：若手バンカーの成長機会減少と、より戦略的業務への集中という二面性
• 拡大可能性：金融以外の専門職（監査、医療、法務など）への展開
• 長期的影響：専門知識の民主化と業界全体の人材育成体系の変革

このプロジェクトは、AIによる知識自動化革命の象徴的な事例として、今後の専門職の在り方を大きく左右する可能性があります。短期的な効率化のメリットと、長期的な人材育成への影響のバランスを取りながら、業界全体がどのように適応していくかが注目されます。

---

---

■合わせて読みたい

■関連記事