【東京大学大学院・柳川教授に聞く】企業価値と資本市場 | 後編：企業価値を高める投資と意思決定

※前編も併せてお読みください。
【東京大学大学院・柳川教授に聞く】企業価値と資本市場 | 前編：資本市場と企業経営の関係を読み解く

諸井　「企業価値」と「時価総額（株価）」は必ずしも同じではないという見方があります。一方で、長期的な戦略や成長ストーリーに対して投資家が合理性を見出し、将来価値への期待を持てていれば、それが株価にも反映されていくはずだという考え方もあります。
企業価値と株価は別物なのか、それとも最終的には一致していくものなのか。柳川先生はこの点をどのように整理されていますか。

柳川氏　理屈の上では、株式市場で評価されている株価と、企業の本質的な価値が一致しないケースはあり得ると思います。
例えば、企業の中にまだ市場に十分理解されていない技術や事業の可能性がある場合、理論的には市場価格より高い企業価値が存在することもあり得ます。逆に、過度に期待が織り込まれて株価が実態より高くなることもあるでしょう。
ただし、実務的に考えると、「自社には市場が評価していない価値が本当はある」と言い続けることにはあまり意味がないとも思います。もし本当に価値があるのであれば、それを発信し、市場に理解してもらう努力をしなければなりません。

諸井　では、DCF法などで算定した企業価値と実際の時価総額が乖離している場合、企業側の戦略や計画がマーケットに十分に伝わっていないということなのでしょうか。それとも、前提としている見通し自体に課題があると考えるべきなのでしょうか。

柳川氏　DCF法などで算定した企業価値と実際の株価は必ずしも一致しないという前提で考える必要があります。それらは限られた情報に基づく一つの推計にすぎず、実際の株価は、投資家それぞれの将来見通しや情報の解釈の違いが反映されて形成されます。株価は単なる計算結果ではなく、市場参加者の期待や見立てが織り込まれた価格だと言えるでしょう。
したがって、DCF法のようなモデルは参考にしつつも、それだけで企業価値を捉えるのではなく、市場でどのように評価されるかも含めて考えていく必要があります。

諸井　そうしたストーリーや仮説の重要性は理解できても、実務では不確実性が高い中で、どこまで仮説とデータに依拠して意思決定すべきか、判断に迷う場面も多いと感じます。例えば、人的資本投資や新規事業への投資などは、将来のリターンを明確に示しきれないケースも少なくありません。
こうした状況において、企業はどのような考え方で意思決定を行うべきなのでしょうか。

柳川氏　まず前提として、将来の投資のリターンを正確に予測することはできません。どの投資にも必ず不確実性があります。ただ、その不確実性を理由に意思決定を避けることはできません。経営とは本来、不確実な未来に対して判断を下していくものだからです。

諸井　おっしゃる通りで、不確実性があるからといって判断を先送りにしてしまうわけにはいきません。

柳川氏　重要なのは、完璧な数字を作ることではなく、できる限りデータを整理し、仮説を立て、どのような経路で価値につながるのかを考えることです。
人的資本や研究開発への投資についても、それがどのような市場機会を生み、どの程度の価値創出につながるのかを想定しながら、一定の試算やシミュレーションを行って判断していく必要があります。

諸井　つまり、完全な予測はできなくても、仮説とデータを組み合わせて意思決定の精度を高めていく必要があるということですね。

柳川氏　その通りです。もちろん、その試算は完全なものにはなりません。しかし、だからといって数値化を諦めてしまえば、結局は勘や感覚だけで意思決定をすることになってしまいます。

もう一つ重要なのは、「投資をしない」という選択もまた一つの意思決定だということです。例えば「数字で説明できないから投資はしない」と判断した場合、それは「投資しない」という決断をしていることになります。その判断にも、本来は同じように合理的な根拠が求められるはずです。
ですから、データが不十分だから判断できないという発想ではなく、不完全な情報の中でもできる限りの分析を行い、そのうえでより良い判断をしていくことが重要です。
そうした積み重ねが、長期的な企業価値の向上につながっていくのだと思います。

諸井　ここまで企業価値向上に向けた投資や意思決定について伺ってきました。最後に、生成AIをはじめとするテクノロジーの進化が、経営の意思決定にどのような変化をもたらすのかについてお聞きしたいと思います。

柳川氏　経営の意思決定のあり方そのものが、大きく変わる可能性があると思います。これまで外部のサービスやシステムに依存していた情報取得や分析の一部は、生成AIによって代替される動きも見られます。ただ、それ以上に重要なのは、意思決定のプロセスや判断の仕方そのものが変わり得るという点です。そうなると、組織における役割分担や意思決定の構造自体にも影響が及んでいくでしょう。

諸井　一方で、日本企業はそうした変化に対応できるのでしょうか。現実には、意思決定のプロセス自体を大きく変えるのは簡単ではないようにも感じます。

柳川氏　おっしゃる通りで、特に歴史のある組織ほど、意思決定の仕組みを簡単には変えられません。テクノロジーの進化によって意思決定プロセスを効率化する余地は大きいものの、日本企業では従来の仕組みが残りやすく、大きな変化にはつながりにくい傾向があります。ただ、こうした構造を変えられた企業は、意思決定のスピードや経営パフォーマンスの面で優位に立つ可能性があります。

諸井　人材の在り方という観点でも変化がありそうですね。分析の多くをAIが担うようになると、判断を担う人材と、データ整備や品質管理を担う人材に分かれ、中間的なポジションの付加価値が相対的に下がっていく可能性もあるのではないかと感じています。こうした人材の変化については、どのようにお考えでしょうか。

柳川氏　その可能性は高いと思います。判断を伴う領域は引き続き人が担う一方で、定型的な作業や分析はAIが代替していく。結果として、人材の役割は大きく変化していくでしょう。

ただし、日米で見ると、その変化の現れ方には差があります。アメリカでは比較的迅速に人員構成を見直す動きが見られますが、日本企業では同様の変化が起こりにくいのが現状です。その背景には、職務範囲が明確なジョブ型の組織と、役割が相互に重なり合う日本型組織との違いがあります。後者では、一部の業務だけを切り出して置き換えることが難しく、変化のスピードが抑制されやすいのです。

諸井　そうした違いは、日本人のマインドセットによるものなのでしょうか。

柳川氏　必ずしもそうとは思いません。日本の雇用や組織のあり方も、これまで変化してきましたし、今後も変わり得るものです。問題は、その変化がいつ起きるかという点です。もしテクノロジーを活用して意思決定の質とスピードを高めた企業と、そうでない企業の間で差が広がれば、企業間の競争力にも大きな影響が出てくるでしょう。
テクノロジーへの適応力が、企業間のパフォーマンスの差につながっていく可能性があると思います。