OpenAIのCodexを活用した金融分析ツールの構築法｜Benefit Street Partnersの事例

何が発表されたのか

OpenAIは公式YouTubeチャンネルにおいて、クレジット専門の投資会社であるBenefit Street PartnersによるAI活用事例を公開しました。同社のマネージングディレクターを務めるAnant Kumar氏が登壇し、OpenAIのコード生成AI「Codex」を活用して金融分析ツールを内製した事例を紹介しています。

Kumar氏は専門のソフトウェアエンジニアではなく、本来は金融アナリストおよびポートフォリオマネージャーとしての役割を担っていました。しかし、Codexを利用することでプログラミングの壁を乗り越え、自身で必要なアプリケーションを開発できる「デベロッパー」へと変化を遂げました。今回開発されたツールは、米国証券取引委員会（SEC）が管理する電子開示システム「EDGAR（エドガー）」から企業の財務データをスクレイピングし、自動で可視化Webサイトを生成するものです。Kumar氏はこの一連のシステム構築を「約1日（about a day）」で完了させたと証言しています。

本事例は、AI技術がIT部門や開発企業にとどまらず、金融などの実務現場において現場のドメイン知識を持つ専門家自身の手によって直接的に業務改善に役立てられていることを示す具体例として提示されています。

発表された機能・アップデートの全容

動画内では、Anant Kumar氏が実際に構築した「BDC Mark Tracker」と呼ばれるWebアプリケーションの画面デモや、その開発背景および得られた効果について具体的な説明が行われました。主要な機能と特徴は以下のとおりです。

SEC（米国証券取引委員会）提出書類の自動スクレイピング技術

米国において、投資会社や事業会社は定期的に詳細な財務報告をSECのEDGARシステムに提出する義務があります。金融市場の参加者は、異なる投資会社が「同一のローン資産」に対してどのように異なる評価額（マーク）を付与しているかに関心を寄せています。同一の融資対象であるにもかかわらず、ファンドによって評価額に乖離が存在することがあるためです。 これまでは、アナリストが個別にEDGARへログインし、該当する書類を探してダウンロードした上で、一行ずつ手作業で数値を追う必要がありました。Kumar氏はCodexを用いて、これらの公開書類から必要な評価情報を自動で収集・抽出するスクレイピング用スクリプトを作成しました。従来の人海戦術による情報収集プロセスが、完全に自動化されたアルゴリズムへと置換されています。

複数ファンド間における同一ローン評価額の差分可視化（BDC Mark Tracker）

抽出されたデータは「BDC Mark Tracker」というWebインターフェース上で即座にグラフ化されます。動画内のデモ画面では、「Atlas」「Dashboard」「Sectors」「By manager」などのタブが備わったコンソールが示されました。 例えば「The same loan, followed through every holder's book」と題されたチャート画面では、Q1 25（2025年第1四半期）からQ2 26（2026年第2四半期）にかけて、同一のサンプルローン（Sample Financials D1）に対する各運用会社の評価推移が折れ線グラフで示されています。ある会社（Manager I）は93.2と高めに評価している一方で、別の会社（Manager H）は78.2と低めに評価している様子が一目で把握できます。 さらに「Which managers mark above, and which below, the other holders of the same loan」というバーチャートでは、他の保持者の平均と比較して各運用会社が何ポイント高く、あるいは低く評価しているかが赤と青の横棒グラフで視覚的に比較表示されます。

アナリストによるノーコード／ローコードでの1日開発プロセス

Kumar氏は動画内で「I built a tool that just scrapes all this information, automated. It creates a beautiful website, amazing visualizations. All of that took me about a day.（こうした情報をすべて自動でスクレイピングするツールを作りました。美しく視覚化されたWebサイトを生成するまで、約1日しかかかりませんでした）」と述べています。 従来であれば、要件定義、IT部門への依頼、外部ベンダーへの発注、バックエンドとフロントエンドの開発、テストといった工程を経るため、数週間から数か月を要する規模のシステム開発でした。Codexに自然言語で要件やコードの指示を与えることで、Webサイト構築やデータ処理の複雑なコード記述を大幅に短縮し、1日でプロトタイプから実用レベルのWebアプリケーションまで到達させることが可能となりました。

意思決定スピードの加速と投資確信度の向上

開発されたツールによって、情報収集に費やされていた膨大な時間が削減されました。アナリストは単なるデータ入力や書類閲覧作業から解放され、収集されたデータが意味する背景の考察やリスク分析などの本質的な業務に集中できるようになっています。 Kumar氏は「The quality of my analysis has become so much better, and so much faster. We feel more confident in our decision making because you just have more information at your disposal.（分析の質ははるかに向上し、速度も大幅に上がりました。手元により多くの情報が存在するため、意思決定に対する確信を深めることができています）」とコメントしています。手作業では見落としがちだった細かい評価差分や市場の偏りを迅速に察知できるようになった点が強調されています。