Skip to content
Affectosphere Group Kansai University, Keito Inoshita Laboratory
EN

Column

年次報告書の業績指標を自動抽出する ── IR・財務チームが今すぐ試せるLLM応用

約5,000件の企業年次報告書と31のKPIを紐付けた評価ベンチマーク「LEDGER」が公開された。LLMが長大な財務文書からどこまで数値を正確に引き出せるか——その限界と可能性が、IR担当者・財務チーム・アナリストに直接関係する形で明らかにされた。

5 分で読める English version →
企業年次報告書のページ群とKPIの数値が線で結ばれ、データが抽出されていく様子を表すビジュアル

こんにちは。Affectosphere Group の井下です。

「この年次報告書から、売上高・EBITDA・純利益をまとめて出してほしい」——こういうお願いを、LLMにしたことはありますか。

PDFを貼り付けてチャットで聞けば、なんとなく答えが返ってくる。でも、その数値は本当に正しいか、出典ページはどこか、複数の企業を同じ条件で比較できているか——こうした問いに向き合うと、現在のLLMの限界が見えてきます。

2026年6月にarXivで公開された研究「LEDGER」（Charles Moslonka, Amaury de Vitry, Arthur Garnier, Hicham Randrianarivo, Emmanuel Malherbe; arXiv:2606.13100）は、まさにこの問いを体系的に評価するためのベンチマークです。

約5,000件の企業年次報告書を収録し、31の主要業績指標（KPI）を決算発表時の市場反応と紐付けてアノテーションした大規模データセット——これが何を意味するか、IR担当者・財務チーム・アナリストの視点から読み解いてみます。

今日の3点

  1. LEDGERは、企業年次報告書からLLMがKPIを正確に抽出できるかを評価する初の大規模ベンチマーク。財務文書へのLLM適用の限界を体系的に可視化した。
  2. 3種の評価タスク（ページ検索・対話型参照・長文抽出）の設計が、IRチーム・財務部・アナリストが実際に行う作業を直接モデル化している。
  3. LLMはまだ完璧ではないが、その不得意なポイントが明確になったことで、「人とLLMの役割分担」を設計する材料が揃った。

① LEDGERとはどんなベンチマークか

LEDGERの設計から理解するため、少し詳しく見ておきます。

このベンチマークのコアは、約5,000件の企業年次報告書（アニュアルレポート）です。これらは当然ながら長大な文書です。IRレポートは数十〜数百ページにわたることが多く、財務データ、経営陣のメッセージ、事業セグメント別説明、注記など、様々な情報が混在しています。

LEDGERはこれらの文書に対して、31のKPI——売上高、営業利益、EPS（1株当たり利益）、負債比率など——をアノテーションしています。しかも単純に「この数値がある」というラベルではなく、そのKPIが決算発表時の市場反応（株価変動等）とどう関連しているかまで紐付けられています。

これが財務研究として重要な理由があります。KPIが「どこに書いてあるか」だけでなく、「それが市場にとってどれだけ重要な情報か」という文脈情報が加わることで、単純な文書検索を超えた分析が可能になります。

さらにOCR品質注釈も収録されています。PDFからの文字認識精度の問題は、実務での財務文書処理で常につきまとう課題です。このアノテーションがあることで、LLMの失敗が「OCRの問題」なのか「LLM自体の理解の問題」なのかを切り分けた分析ができます。

② 3種の評価タスクが現場の作業を直接モデル化している

LEDGERが設計した3種の評価タスクは、実務の文脈から見ると非常に自然な設計です。

一つ目は「ページレベルKPI検索」。「このKPIはドキュメントの何ページに書いてあるか」を正確に特定できるか。IRチームが「今期の売上高が開示されているページはどこ？」と尋ねる場面に対応します。

二つ目は「対話型数値参照」。文書の特定箇所を参照しながら数値を抽出し、その根拠を示すタスクです。アナリストが「2023年のEBITDAが書いてある箇所と数値を教えて」という問いに答える場面です。出力元を明示することが求められるため、ハルシネーション（数値の捏造）に対してシビアな評価になります。

三つ目は「長文KPI抽出」。長大なドキュメント全体から、特定の財務指標を網羅的に抽出するタスクです。「この年次報告書に記載されているセグメント別営業利益をすべて出してほしい」という依頼に対応します。

これら3タスクが、企業のIR・財務分析ワークフローで実際に発生する作業を正確に写しています。ベンチマークの精度向上が、そのまま実務での改善につながる設計になっているのが、このベンチマークの大きな強みです。

③ LLMは財務文書のどこで失敗するのか

論文が明示したLLMの限界が、実務設計にとって最も重要な部分です。

財務文書は、LLMにとって難しい性質を持っています。

まず、数値密度の高さです。財務文書には数字が密集しています。「売上高」「営業利益」「純利益」「EBITDA」が近くに並んでいるとき、LLMはどの数値がどの指標に対応するかを取り違えることがあります。特に表形式のデータでは、行・列の対応が崩れた形でOCRされた場合、LLMはその構造を正しく復元できないことがあります。

次に、参照の複雑さです。年次報告書には注記があります。「売上高の詳細はNote 14を参照」という記述がある場合、LLMはNote 14まで辿り、そこで示された数値を本文のKPIと統合して理解する必要があります。この複数箇所参照は、現在のLLMが苦手とするパターンのひとつです。

さらに、文書の長さです。企業によっては200ページを超える年次報告書もあります。長文処理はLLMのコンテキストウィンドウの問題に直結します。文書の後半に書かれたKPIを、前半の文脈と正しく統合して理解することが難しくなります。

論文は、これらの課題が現在のLLMでは改善の余地があることを実験で示しています。どこが弱いかが分かると、次に何をすべきかが見えてきます。

④ IR担当者・財務チームへの具体的な応用提案

では、この研究の知見を踏まえ、現場でどう活用できるか、具体的な応用を提案します。

最も即効性が高いのは、「KPI抽出の半自動化パイプライン」です。

IRチームが毎期行う作業のひとつに、競合他社や業界内他社の年次報告書から主要財務指標を収集・集計する作業があります。これは数十社のPDFを手作業で読んで表にまとめる、非常に時間のかかる作業です。

LEDGERのタスク設計をベースにすると、このパイプラインは次のように設計できます。

  1. PDFの取得とOCR前処理（OCR精度が低い場合はフラグを立てる）
  2. ページレベルKPI検索でKPIが書かれているページを特定
  3. 対話型数値参照でKPIと数値をペアで抽出、出典ページを記録
  4. 人間が出典ページを確認し、抽出結果を検証

このフローで、ステップ1〜3をLLMが担当し、ステップ4を人間が担当する半自動化が実現できます。LEDGERが示した「LLMは複数参照と表構造に弱い」という知見を踏まえれば、ステップ4の人間レビューで重点的に確認すべき箇所も特定できます。

財務部・監査法人にとっての応用も考えられます。LEDGERのタスクを使えば、「このLLMツールは財務文書のどの種類のKPI抽出に信頼できるか」を社内で評価する基準として機能します。ベンダーが提供するLLMツールの導入前評価に、LEDGERのタスク設計を参考にした社内ベンチマークを実施する——そういう使い方が現実的です。

⑤ CEOコミュニケーションと市場反応の分析

LEDGERのもう一つの面白い要素として、CEOコミュニケーションと市場インパクトの関係分析が収録されている点があります。

年次報告書には、CEOレターやMD&A（経営陣による財務・事業状況の説明）など、定性的なテキストが含まれます。LEDGERは、これらのテキストと決算発表時の市場反応を紐付けたデータを持っています。

これが開くのは、「CEOが何を言うと市場はどう動くか」を分析する研究の扉です。テキストの感情トーン（positive / negative）、不確実性の表現、将来見通しの言及頻度——これらと株価変動の相関を分析することで、アナリストが決算発表前のトーン分析に活用できる示唆が得られます。

IRチームから見ると逆方向の応用もあります。「自社のCEOレターが市場にどのようなシグナルを送っているか」を分析し、開示コミュニケーションの最適化に活かす、という使い方です。LEDGERのデータは、こうした分析のトレーニングデータとベンチマークの両方として機能しうる構造を持っています。

「完璧なLLM」を待たずに使いこなす

LEDGERが示したのは、現在のLLMが財務文書処理において万能ではないという事実と、同時に「どこが弱いか」が具体的に分かってきたという事実です。

LLMは表構造に弱い、複数箇所参照に弱い、長文の後半に弱い——これが分かれば、弱い部分を人間がカバーするワークフロー設計ができます。

「完璧なLLMが出るまで待つ」ではなく、「今のLLMの得手不得手を理解した上で業務に組み込む」という発想が、IRチームや財務部門にとって最も現実的なAI活用の入口です。

LEDGERはそのための精度の高い地図を提供しています。

では！

参考論文

  1. Charles Moslonka, Amaury de Vitry, Arthur Garnier, Hicham Randrianarivo, Emmanuel Malherbe (2026). LEDGER: A Long-Context Benchmark of Corporate Annual Reports for Grounded Financial Retrieval and Extraction. arXiv preprint arXiv:2606.13100.

※ 本記事は一部 AI により執筆されており、間違った情報が含まれる恐れがあります。