Amazon Bedrock AgentCoreでM&Aの事前調査を自律化、AWSがAIエージェントによる効率化手法を提案

要点

• AWSが、任意のモデルやフレームワークでAIエージェントを大規模に構築・連携できるプラットフォーム「Amazon Bedrock AgentCore」を発表した。

• 企業の合併・買収（M&A）に伴う事前調査（デューデリジェンス）において、AIエージェントが情報収集や適合審査を自律実行する構成案を公開した。

• AIエージェントの活用により、手作業で数週間を要していた調査プロセスを数時間にまで短縮可能であるとしている。

• 過去の調査データを共有メモリ層に蓄積して二重作業を防ぐほか、発言のソース引用を自動検証するガバナンス機能を備える。

• システムの導入方法として、ビジネスインテリジェンス向けに最適化された「Amazon Quick」を使用する選択肢を提示している。

• 米アマゾン・ウェブ・サービス（AWS）は2026年8月13日、自社の機械学習ブログ（AWS ML Blog）において、AIエージェントの構築・連携プラットフォーム「Amazon Bedrock AgentCore」を活用し、企業の合併・買収（M&A：企業の合併・買収）におけるデューデリジェンス（投資対象企業の価値やリスクを事前に詳細に調査するプロセス）を大幅に高速化するマルチエージェントシステムの構成案を公開した。手作業による情報の収集や分析をAIが自律的に処理することで、調査期間を大幅に短縮できるとしている。

従来のデューデリジェンスにおける課題

M&Aの実務において、投資対象の複数の候補企業に対して、迅速かつ厳密なデューデリジェンスを実施することは大きな課題となっている。実務を担当するアナリスト（市場や企業の情報を収集・分析する専門職）は、有望な案件を見極めるまでに、手作業で数週間もの時間をかけて調査を行わざるを得ない場合が多い。

特に輸送や物流といった業界では、アナリストは財務データベース、市場調査アプリケーション、規制当局への提出書類、そして社内のナレッジベースといった多岐にわたるソースから情報を抽出し、それらを手作業で突き合わせる必要がある。このプロセスは極めて低速であり、多くのリソースを消費する。

さらに、過去の知見が組織内で十分に共有されず、案件ごとに調査や企業価値評価のモデルが一から作り直されるなど、作業の重複が発生しやすい点も課題とされている。加えて、法務やコンプライアンス（法令遵守）の担当部署からは、AIが生成した回答に対して厳格な正確性や追跡可能性、根拠となる情報源の明示が求められるため、生成AIの導入自体が慎重にならざるを得ない側面もあった。

AWSは、こうした「処理サイクルの長期化」「データの断片化」「作業の重複」「ガバナンスの要求」という4つの障壁を解決するため、AIエージェントの導入を提案している。

Amazon Bedrock AgentCoreによるプロセスの自動化

今回提案されたシステムの中核を担う「Amazon Bedrock AgentCore（アマゾン・ベッドロック・エージェントコア）」は、使用する開発フレームワークやAIモデルの種類を問わず、AIエージェントを大規模に構築、接続、最適化するためのプラットフォームである。このプラットフォーム上で複数の自律型AIエージェントを連携させ、一定のルールのもとでデータ収集やコンプライアンスチェックを自動的に実行させることで、デューデリジェンスの大幅な高速化を実現する。

AIエージェントシステムは、以下の機能を通じて従来の調査プロセスを変革する。

自律的なデータ収集とレポート作成
AIエージェントは、財務データベースや市場データのAPI（アプリケーション同士がデータをやり取りするための接続仕様）などを自律的にクエリし、得られた結果を初期評価レポートとして要約する。AWSのテストにおいて、これまでアナリストが数週間をかけて手作業で行っていた検索と要約の繰り返し作業が、人間の介入なしにわずか数時間で完了したという。

優先度に応じた自動ルーティング
すべての候補企業を順次手作業で調べるのではなく、AIエージェントが戦略的基準に基づいて各案件を自動的に評価する。そして優先度の高い有望な案件を抽出し、財務パフォーマンスやコンプライアンスリスクといった深い分析が必要な領域を指定して、適切な専門家へ自動的に割り振る。

共有メモリによる組織知の蓄積
一度完了した調査結果は共有メモリ層に蓄積される。これにより、過去の取引における評価の前提や統合の教訓が蓄積され、次回以降の調査で再利用できるようになる。これにより、同じ調査をゼロから再現するような作業の重複を防止する。

信頼性を保証するガバナンス機能
AIの導入を阻む懸念に対応するため、ガバナンス機能が設計段階から組み込まれている。エージェントが出力したすべての主張は、自動評価機能によってソースとなる文献の引用情報と照合され、正確性が担保される。また、各エージェントの呼び出し履歴は監査証跡（システムで記録された処理や操作の履歴）として記録され、実行時のルール違反を防ぐガードレール機能も備わっている。

実装に向けたアプローチの選択肢

AWSは、組織の状況やニーズに応じた実装方法として、いくつかの選択肢を提示している。

その一つが、統合ソリューションである「Amazon Quick（アマゾン・クイック）」を活用するアプローチである。Amazon Quickは、ビジネスインテリジェンス（蓄積されたデータを分析して経営判断に役立てる手法）やリサーチのワークフローに特化し、すぐに使えるAI機能を搭載している。自社の要件がこの機能群に合致する場合、最も迅速にシステムを本番環境へ移行できる選択肢になるという。