mcpField
A
ai-readiness

ai-readiness

github.com/anthropicsその他40.9k999 回インストール今日更新
リポジトリ

ai-readiness について

ai-readinessは、プライベートエクイティのオペレーティングパートナー向けに、投資先企業のAI活用機会を評価するスキルです。データ、担当者、試験導入の条件を確認し、施策を順位付けして横展開できる取り組みを探します。

主な機能

  1. 01データ・担当者・試験導入の評価
  2. 02企業ごとのAI活用機会の特定
  3. 03効果・速度・確度による順位付け
  4. 04複数企業で再利用できる施策の発見
  5. 05アクションとEBITDA貢献の集約

活用シーン

  1. 01ポートフォリオ全体のAI施策の選別
  2. 0230日以内に始められる試験導入の選定
  3. 03実績のある施策の複数企業への展開

MCP 対応

接続済みのMCPサーバーから、データルーム、SharePoint、Google Drive、ポートフォリオ運営データベースなどの資料を取得できます。

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/anthropics/financial-services --skill ai-readiness

インストール後、Claude Code で/ai-readinessを入力して読み込まれたか確認します。

詳細

ポートフォリオの AI 導入準備状況

ワークフロー

ステップ 1:ポートフォリオデータに接続する

まず、ポートフォリオの資料がどこにあるかをユーザーに尋ねます。決めつけず、次の選択肢を提示してください。

  • MCP サーバー — 接続されている場合は、データルーム、SharePoint、Google Drive、ポートフォリオ運営データベース
  • ローカルファイル — 四半期報告書、財務資料、取締役会資料が入ったディスク上のフォルダーパス
  • ファイルのアップロード — PDF、PowerPoint、Excel を会話に直接ドラッグする

接続したら、ポートフォリオ全体(または一部)の四半期報告書、取締役会資料、財務資料を取得します。各社について、業種、売上高、職能別人員数、記載のある技術スタック、すでに進行中の AI/自動化施策を抽出します。

ユーザーが単一企業を指定した場合もスキャンは実施しますが、ポートフォリオ横断のランキングは省略します。

資料から明らかでない場合は、事前に次の点を確認してください。

  • 各社の残りの保有期間(売却まで12か月を切ると、AI の投資回収効果は重要度が下がります)
  • すでに成果を上げているものを導入した投資先企業があるか
ステップ 2:企業ごとのスキャン

各社について、次の3つの判定質問に答えます。3つすべてが「はい」なら Go、1つでも「いいえ」なら、実施を可能にする条件を記載して Wait とします。

  1. データは揃っているか? ユースケースに必要なクリーンな入力データ(顧客リスト、請求書データ、契約書リポジトリなど)を、まず6か月かけてデータプロジェクトを行わなくても用意できますか?
  2. 担当者はいるか? これを推進する経営チームのメンバーがいますか。「支援する」と言うスポンサーだけでは不十分です。
  3. 30日以内にパイロットを実施できるか? 1つのチーム、1つのワークフロー、市販のツールで実施できますか?「まずは……が必要」となった場合、すぐに成果を出せる施策ではありません。

次に、最も効果の高いポイントを2〜3個特定します。コスト構造と業務において、次のようなパターンを探します。

バックオフィス(通常、最も迅速にパイロットを実施可能)

  • 請求書処理、買掛金/売掛金の照合、経費分類
  • 契約書の要点抽出 — ベンダー契約、リース契約、顧客との基本契約
  • 月次決算:照合、変動要因のコメント、金融機関向け報告書の初稿

売上/フロントオフィス

  • RFP や提案書の初稿 — 売上がプロジェクトベースの場合、大きな効果が期待できます
  • 営業通話の要約と CRM のデータ整備
  • カスタマーサポートのチケット振り分けと初回返信の作成
  • 仕様設定が必要な製品や複雑な製品の見積もり作成

オペレーション(業種によって異なる)

  • 標準作業手順書(SOP)や品質文書の作成
  • スケジュール作成と配車(フィールドサービス、物流)
  • コード生成とレビュー(ソフトウェア関連の投資先企業)

各ポイントについて、何を置き換えるのか、週あたりに削減できる FTE 時間(100%ではなく30〜50%と想定)、市販ツールで対応できるか、軽微な開発が必要かを1行で記録します。

ステップ 3:ポートフォリオ全体で順位付けする

各社のすべての効果創出ポイントを1つのリストにまとめ、次の基準で順位付けします。

  1. 金額効果 — 年換算の EBITDA 貢献額(コスト削減+売上増加、ツール費用控除後)
  2. 効果が出るまでの速さ — 測定可能な成果が初めて出るまでの月数
  3. 実現可能性 — データ品質、チェンジマネジメントのリスク、経営チームの能力を考慮して割り引く

同点の場合は、残りの保有期間が18か月未満の機会を優先します。今すぐ動くか、まったく実施しないかの判断が必要なためです。

次の形式で一覧を出力します。

順位企業機会EBITDA 推定額($)効果が出るまでの月数判定最初のステップ
1Go
2Go
3Wait — [阻害要因]
ステップ 4:横展開できる施策を探す

ポートフォリオで最も効果の高い取り組みは、1つの成功事例を複数の企業で実施することです。次の点を調べます。

  • 同じ業種、同じ職能 — 手作業による事前承認を行っているヘルスケアサービス企業が2社ある場合、1つの導入を2社に展開します。
  • 同じツール、異なる企業 — ある投資先企業ですでに請求書処理が機能している場合、買掛金の処理額が $Xm を超える他の投資先企業をすべて、迅速に追随できる企業として挙げます。
  • ベンダーとの共同交渉効果 — 3社の投資先企業が同じツールを購入している場合、価格交渉の機会になります。

各施策について、先行企業(有効性を実証する企業)と追随企業(その施策を導入する企業)を挙げます。

ステップ 5:出力

ポートフォリオレビュー用にまとめた、オペレーティングパートナー向けの1ページ資料です。

  1. ポートフォリオ全体の上位5件 — ステップ3のランキング表に、担当者と30日以内の最初のアクションを追加します
  2. 再利用できる施策 — 複数の企業に同時に効果をもたらすプレイブックを2~3件まとめます
  3. 企業別の実施/見送り — 各社1行で記載します。見送る場合は、実施を妨げている要因も記載します
  4. 実施しないこと — 書面上は有望に見えたものの、ゲートを通過できなかった機会を記載します。オペレーティングパートナーが四半期ごとに同じ議論を繰り返す手間を省けます
  5. EBITDAへのポートフォリオ全体の貢献額 — ポートフォリオ全体のAI機会の総額を、1年目のクイックウィンと2~3年目の拡大に分けて示します

重要な注意事項

  • 期待感ではなく金額で順位を付けます。 売上高4,000万ドルの企業で40万ドルを削減する地味な買掛金自動化のほうが、派手な顧客向けチャットボットよりも、常に優先されます。
  • 足かせになるのは、ほぼ常にモデルではなくデータです。 企業が整った顧客リストを作成できないなら、AIは最初に取り組むべきプロジェクトではありません。まずデータを整理する必要があります。その点を明確に伝えます。
  • まずは既製品を使います。 エンジニアリングの経験が不足している企業にとって、カスタム開発は時間も費用もかかり、壊れやすいものです。購入して導入できるツールを優先します。
  • 実行の成否を左右するのはオーナーシップです。 社内の担当者がいないクイックウィンは、90日以内に頓挫します。経営陣に取り組みたい人がいなければ、金額の大小にかかわらず「見送り」とします。
  • 保有期間によって緊急度は変わります。 イグジットまで3年ある企業なら、基盤となるデータプロジェクトに取り組む余裕があります。12か月後にイグジットを控える企業なら、CIMのLTM EBITDAに反映される施策が必要です。そうでなければ、見送ります。
  • パイロットの失敗は重要な手がかりです。 経営陣がすでに何かを試して定着しなかった場合、同じことを再提案する前に、その理由を確認します。

コメント