メインコンテンツにスキップ

AIエージェントのためにOfficeを作り直す ― Compound AIの講演から読む金融エージェント基盤

技術
解説
AIエージェント
イベントレポート
要点 金融向けAIアナリストのCompound AIは、AIエージェントに数週間規模の投資案件業務を任せるため、Excel・PowerPoint・WordをRust製のヘッドレスエンジンとしてゼロから作り直した。理由は次の3点である。 …
作者

obelos

公開

2026年11月1日

更新日

2026年11月1日

要点

金融向けAIアナリストのCompound AIは、AIエージェントに数週間規模の投資案件業務を任せるため、Excel・PowerPoint・WordをRust製のヘッドレスエンジンとしてゼロから作り直した。理由は次の3点である。

  1. チームで1つのエージェントを使う必要がある：投資案件はディールチーム全員で進めるため、個人向けチャットボットの使い方では協業が回らない。
  2. デスクトップOfficeはエージェントの並列実行に向かない：1つのCPUに縛られ、20MB級のExcel再計算や大量の資料生成を並列化できない。
  3. コンテキストに「広さ」と「深さ」の両方がある：1万5千ファイルのデータルーム（広さ）と、200万数式を持つ30MBのExcelモデル（深さ）は、別々の仕組みで処理する必要がある。

本記事は、AI Engineerチャンネルで公開された講演「Why We Rebuilt Microsoft Office From Scratch for AI Agents」（Yijia Liang氏）の内容を、公開情報で補って整理したものである。

Why We Rebuilt Microsoft Office From Scratch for AI Agents - Yijia Liang, Compound AI

Compound AIと登壇者

Compound AIは、PE・VC・グロースエクイティ・ヘッジファンド向けの「エンタープライズAIアナリスト」である。運営会社の法人名はTwenty Labsで、デューデリジェンス、財務モデリング、投資調査、決算分析を対象とする（About Us）。

項目 内容
対象業務 財務モデル、投資委員会（IC）向けメモ、提案・説明用デッキの作成
公開時期 2025年10月15日に招待制ベータ、2026年1月20日に一般公開（無料で開始可能）
創業メンバー Yijia Liang氏（元Coatue・Y Combinator・Bain）ほか、Google Brain・Google出身者
利用状況 数千ユーザーと複数の大手資産運用会社（運用資産数十億ドル規模）
特徴 出典付きの出力、複数モデルの組み合わせ、データルーム規模の処理、常時稼働のエージェント

登壇者のYijia Liang氏は共同創業者で、アナリストとしてExcelとPowerPointで長年働いた経験を持つ。講演は開発者カンファレンス「AI Engineer」のYouTubeチャンネルで公開されている。

出典：Compound公式、Digit、Fiscal.ai、Liang氏のX

金融のディール業務と既存AIの限界

バイサイドのディール業務は、長期・反復・大量の3条件がそろうため、単発の質問応答型AIでは処理しきれない。

  • 長期：投資委員会に出す50ページ規模のデッキやフルの財務モデルは、修正の往復を含めて約4週間かかる。
  • 大量：1件のデータルームに1万5千ファイル、ファーム全体ではSharePointやBoxにペタバイト単位の文書が蓄積されている。
  • 反復：モデル、メモ、デッキを何度も作り直し、数字の整合（数字がタイしているか）を毎回確認する。

現状の多くのファームは、ChatGPTやClaudeを個人単位（シングルプレイヤー）で使い、生成したファイルをダウンロードしてメールやTeamsで回覧している。Officeのプラグインや単一ユーザー向けチャットボットは、この協業と大規模並列処理のどちらにも対応していない。

一方、個人向けエージェントが普及した理由は、バックグラウンドで確実に動く、自発的に動く、メールやカレンダーとつながる、の3点である。講演はこの3点を金融機関の規模で成立させることを課題に据えている。

マルチプレイヤー設計：エージェントに受信箱を持たせる

Compoundは、すべてのエージェントに専用の受信箱（Inbox）を持たせ、ディールチーム全員が同じスレッドで同じエージェントとやり取りする構成を採っている。チームの指示・修正依頼・フィードバックが1つの文脈に集まるため、エージェントは個人ではなくチームの意図を前提に作業できる。

設計上の要点は3つある。

要素 実装 目的
受信箱つきエージェント エージェントごとにメールの受け口を持つ 既存の業務連絡の流れにエージェントを組み込む
スレッド単位の権限認証 スレッドごとに読み取り・書き込み権限を認証 すべての案件が秘密保持契約（NDA）下にあるため
応答の意図的な遅延 複数人が短時間に送信した場合は返信を遅らせる 受領確認メールの連発を防ぎ、人間に近い応答にする

「チャット画面を開いて話しかける」のではなく、「メールの宛先にエージェントを入れる」設計であり、利用者の業務フローを変えずに導入できる点が特徴である。

Officeをゼロから再構築：Rust製ヘッドレスエンジン

Compoundは、既存の選択肢をすべて試した結果、Excel・PowerPoint・Wordの互換エンジンを自社で作る判断をした。デスクトップ版Officeは1つのCPUに縛られ、エージェントを並列で動かす基盤にならないためである。

検討した選択肢

方式 不採用の理由
デスクトップOfficeのプラグイン 1つのCPUに縛られ、並列化できない
仮想マシン上のComputer Use（画面操作） 試したうえで見送った（講演では詳細な理由は述べていない）
オープンソースライブラリ（OpenPyXLなど） 巨大なブックをコード経由で丸ごと読み出すため、モデルが処理しきれない
商用エンジン 講演では、既存エンジンでは要件に届かなかったとしている

作り方：Officeを「正解の判定役」にしたエージェント開発

開発自体もエージェントで行っている。本物のOfficeを正解の判定役（オラクル）とし、エージェントが「実装→出力をOfficeと比較→修正」をループで回して互換エンジンを作った。ExcelエンジンはオープンソースのIronCalcを出発点にしている。

指標 規模
開発に使った入出力トークン 約1.5兆
生成したコード全体 800万行超
うちExcelエンジン（Rust） 約80万行

得られた効果

  • 速度：20MB級のExcelの再計算が約4倍速い（比較対象の詳細は講演レポートに明記されていない）。
  • 並列性：財務モデル、スライド、メモを同時並行で生成できる。
  • 表示の一致：Rustでレンダリングし、Officeとピクセル単位で同じ見た目を出す。金融機関は「ダウンロードしてそのまま送れるもの」しか信用しないため、表示の一致は必須条件である。
  • 自己修正ループ：書き込み→レンダリング→チェック→修正の全工程を自社エンジンで持つため、書式を推測せずに反復修正できる。

出典：StartupHub.ai（講演レポート）

コンテキストの「広さ」と「深さ」

Compoundは、金融のコンテキスト問題を「広さ」と「深さ」に分け、それぞれ別の仕組みで解いている。

広さ：ベクトルDBではなくエージェントスウォーム

1万5千ファイルのデータルームに対しては、全文書をベクトルDBに索引化する方式（RAG）を優先せず、エージェントの群れ（スウォーム）で読む。

  1. リードエージェントがファイルディレクトリを分割する。
  2. スウォームの各エージェントが担当範囲のファイルをgrepなどで読む。
  3. 各エージェントは、元文書に紐づく出典付きの所見（findings）を返す。

ファイルを直接読ませるため、所見ごとに元文書の出典を付けられる。デューデリジェンスでは「どの文書に何が書いてあるか」という根拠が求められるため、出典の追跡可能性を優先した設計になっている。

深さ：巨大Excelモデルを独自APIで扱う

講演で例示されたのは、30MB・200万数式・感度分析表5つを持ち、再計算に5分かかるExcelモデルである。市販のモデルにOpenPyXL経由で扱わせると、ブック全体をコード経由でコンテキストに書き出して処理が詰まる。Compoundは自社エンジンにエージェント向けのリッチなAPIを用意し、モデルが必要な部分だけを高速・低コストで操作できるようにしている。

全体の流れ

Compoundの処理の流れ

Compoundの処理の流れ

SharePointやOutlookなどの接続ソースから出典付きの所見を作り、ファームごとの好み（モデルの体裁など）を反映して成果物に仕上げる。人間の役割は「数字がタイしているか」の確認から、「この案件は良いか」の判断へ移る。

コパイロットからオートパイロットへ

講演の結論は、金融業務のAI活用が「人間を手伝うコパイロット」から「タスクを丸ごと任せるオートパイロット」へ移るというものである。

観点 従来 オートパイロット
起点 担当者が資料を選んで作業 データルームを投入して委任
成果物 担当者が作るICデッキ・財務モデル 50ページのICデッキ、フルのICモデルをエージェントが作成
期間 修正の往復を含め約4週間 数日
人間の役割 数字がタイしているかの確認 案件の良し悪しの判断

講演では、Liang氏が自身の講演用デッキをCompoundで作るデモを行い、コメントで書式を指示する操作を示した。5人のチームなら100ページのデッキを午後のうちに仕上げられるとしている。この生産性によって、ファームが同じ人数で扱える案件数を増やせる、というのが講演の締めくくりである。

関連動向

エージェントにOffice文書を作らせる方式は、「本物のOfficeを使う」Microsoftと、「互換エンジンを自作する」Compoundに分かれている。

Microsoft 365のWord・Excel・PowerPointエージェント

Microsoftは2025年11月、Microsoft 365 Copilot向けにWord・Excel・PowerPointの専用エージェントを発表した。エージェントは隔離されたサンドボックスで動き、Office文書を直接生成せずに中間表現を出力し、それを実際のOfficeアプリ（ヘッドレスOffice）で正式な文書に変換する。データをMicrosoft 365環境の中に留められる点を利点に挙げている（Microsoft Tech Community）。

観点 Microsoft 365エージェント Compound
文書生成の仕組み 本物のOfficeをヘッドレスで利用 Rust製の互換エンジンを自作
互換性の担保 Office自体が生成 Officeを判定役にした比較・修正ループ
主な利用単位 Copilotチャットでの対話（成果物はOfficeで共同編集） ディールチームの受信箱・スレッド
対象 汎用のビジネス文書 金融の財務モデル・ICメモ・デッキ

IronCalc：Rust製のオープンソース表計算エンジン

Compoundが出発点にしたIronCalcは、Rustで書かれた表計算エンジンで、xlsxの読み書きと数式評価を持つ。MIT／Apache 2.0のデュアルライセンスで、WebAssemblyにコンパイルしてブラウザで動かせるほか、PythonやJavaScriptからも呼び出せる。欧州委員会のHorizon EuropeとNLnet財団の支援を受けている（OpenAlternative）。サーバー上で数式ロジックをヘッドレスに実行する用途を想定しており、エージェント基盤の部品として使える。

金融特化AIエージェントへの投資

投資銀行・投資ファンドの定型業務を自動化するスタートアップへの資金流入が続いている。

企業 概要 調達
Rogo 投資銀行アナリスト相当のAIを開発 Sequoia主導、評価額7.5億ドル（2025年10月報道）
Model ML 投資銀行のピッチデッキ作成などを自動化 シリーズAで7,500万ドル
Farsight 金融プロ向けAIエージェント シード＋シリーズAで1,600万ドル

各社とも成果物の形式はExcel・PowerPoint・Wordであり、エージェントがOffice文書をどれだけ速く正確に扱えるかが競争軸の1つになっている。

関連記事

エージェントの処理を予測可能にする設計は、次の記事で解説しています。

AIエージェントを予測可能にするグラフエンジニアリング

エージェントを継続的に改善する方法は、次の記事で解説しています。

使うほど賢くなるエージェントのつくり方――モデル・ハーネス・コンテキスト

顧客業務への導入体制の変化は、FDEの論考で整理しています。

FDEは「凄腕の個人」から「チーム」へ──Microsoftの論考「FDEの24か月の進化」を読んで

参考リンク