Buffett Code株式會社(總部:東京都目黑區,代表董事:福田 智宏,以下稱 Buffett Code)與 Elith株式會社(總部:東京都文京區,代表董事:井上 顧基,以下稱 Elith)已開始聯合開發AI代理程式「併購媒合AI」,旨在協助金融機構與併購支援公司建立潛在收購企業名單。 本次概念驗證(PoC)將結合Buffett Code擁有的高品質併購企業資料庫,以及已被GENIAC*採用的Elith金融AI代理程式平台,提供具備高度併購專業知識及滿足併購營運所需安全要求之AI代理程式。 *GENIAC第4期採納:經濟產業省(2026年6月4日) https://www.meti.go.jp/press/2026/06/20260604003/20260604003.html 併購媒合AI為促進金融業事業結構轉型的一步 國內企業參與的併購案於2025年達到5,115件,較前一年成長8.8%,創下歷史新高(資料來源:M&A Capital Partners「【2025年】併購市場規模」)。以事業繼承與後繼者不足為背景的需求預計將進一步擴大。 此外,在此過程中,併購媒合不僅是「社會課題」,同時也是金融機構的高收益機會。特別是對於受區域經濟萎縮影響的地區性金融機構而言,建立融資以外的收益支柱已是當務之急。其中,以事業繼承支援為主的併購媒合,因能帶來穩定的成交手續費收入,被視為新的事業支柱領域。 在此背景下,地區性金融機構處於有利的地位。透過日常的融資往來及與經營者的對話,關於後繼者不足、事業前景不明、成長投資、資本合作等諮詢,首先會被帶到地區性金融機構。 然而,卻存在無法充分利用此有利地位的課題。尋找最佳買家需要產業理解、尋找潛在買家的企業資料、龐大的研究人力,以及併購實務知識。許多金融機構不得不依賴現有的客戶網絡或負責人的經驗,導致買家搜尋範圍受限。 結果,不少案例最終僅止於介紹給外部的併購仲介公司。這使得原本可獲得的手續費收入機會流失給外部。 此類情況不僅是金融機構獨有的問題,在區域企業減少、人力不足、專業人才匱乏、資訊斷裂等現象同時發生的情況下,以人力為中心的併購支援模式已接近極限,這是一個產業結構上的課題。 因此,在充分利用金融機構擁有的客戶接觸點這一最大資產的同時,需要建立一個能夠廣泛、快速且可重複地進行買賣雙方搜尋的機制。此外,併購要求高度的機密性與資訊控管,對於課以嚴格安全與合規標準的金融機構而言,導入通用型AI的門檻很高。 本次聯合開發,將結合Buffett Code提供的 સ高質量併購企業資料庫,以及Elith提供的符合金融機構安全要求的AI代理程式平台,推出無需依賴人力與經驗即可搜尋併購買賣雙方的「併購媒合AI」。 為何併購課題未能獲得解決? 併購媒合AI需要滿足以下四個要件,但這些要件的難度都很高,且從未同時實現過。 要件1:需要網羅性的企業資料 建立賣方與買方潛在企業名單,看似簡單實則難度極高。 首先,列出與自身產生協同效應的潛在企業,再透過條件篩選的媒合流程,能提高併購成功率。然而,透過網路搜尋僅能獲得上市公司資訊,即使是付費企業資料庫,能包含非上市公司在內進行網羅性企業名單建立的服務也不多。 要件2:可進行多角度篩選 除了包含非上市公司在內的企業網羅性之外,還必須能從企業規模、成長性、業務互補性等角度進行篩選,才能建立潛在名單。為此,需要收錄企業的業務內容、財務數據、股東結構等多樣化資訊項目。進一步地,對於未公開財務報表的非上市公司,必須有「替代指標」來衡量其規模與成長,才能做出判斷。 要件3:能以自然語言建立名單 即使準備了網羅性高且包含多樣化項目之企業資料庫,從中列出最佳併購潛在企業仍需專業知識。因為需要將想收購的企業語言化,並轉換為可搜尋的項目。 然而,以這種專業性為前提的機制,在期望人人都能操作的人力不足的現場,難以活用。「想尋找可能收購這家公司的企業」、「想找出在這個事業領域可能成為資本合作夥伴的企業」。能夠直接提出這類模糊問題,並回覆候選企業及選定理由的AI代理程式,是打破專業性不足的關鍵。 要件4:安全性 併購是要求高度機密性與資訊控管的領域。若無法控制幻覺(hallucination)或提示注入(prompt injection)等風險,則無法在併購這一任務關鍵領域使用。此外,併購要求高度的資訊控管。若無法控制機密數據被用於生成式AI模型的學習,或專案外成員透過AI代理程式存取重要檔案等資訊洩漏風險,則無法在金融機構的核心業務中使用。 這四點,任一項缺失都無法達到實用程度。針對併購用途優化的網羅性企業資料庫,以及能滿足金融機構安全要求的AI代理程式平台。唯有這兩家擁有不同專業性的合作夥伴,才能實現。 Buffett Code × Elith突破此瓶頸 Buffett Code與El