Xapien、シリーズBで5,600万ドルを調達 手作業によるデューデリジェンスに圧力

XapienはAIデューデリジェンスプラットフォームの拡大に向け、シリーズBで5,600万ドルを調達した。これにより、時間をかけて手作業で組み立てる身元調査には新たな圧力がかかる。XapienのシリーズBはSpectrum Equityが主導し、既存投資家のYFM Equity Partnersも参加した。

ロンドン拠点の同社は、公開ウェブコンテンツ、法人登記情報、制裁リスト、商用データセットを組み合わせて、人物や組織に関する調査レポートを作成する。Xapienによれば、従来は数日を要していた作業を、同社のソフトウェアは数分でレポートとして提供できるという。

今回の資金調達は、エンタープライズAIへの単なる追加投資にとどまらない。顧客、サプライヤー、寄付者、投資、ビジネスパートナーに関わる意思決定において、自動化された調査が信頼できるインフラになり得るかを問うものだ。既存のリスクデータ提供企業、プロフェッショナルサービス企業、社内コンプライアンスチームはいずれも、機械の速度に対応しつつ人間の判断を手放さないという同じ課題に直面している。

XapienのシリーズB、米国進出を後押し

今回の投資により、Xapienは特に米国で、エンタープライズのリスクワークフローにおける役割を拡大するための資源を得る。

同社は2026年9月11日に資金調達を発表した。Axiosの案件概要はSpectrum Equityを主導投資家として挙げ、Xapienを身元調査およびデューデリジェンスのスタートアップと説明している。

Xapienの前回の機関投資ラウンドを主導したYFM Equity Partnersは、シリーズBにも再び参加した。参加者は企業評価額や、この取引を通じて取得した持分を公表していない。

Xapienは、ボストンのオフィスを含む米国事業を拡大する計画だ。同社はまた、CEOのChris Green氏をはじめとする複数の上級幹部が、この拡大を支援するため移転するとしている。

この地理的なシフトの背景には、注目すべき収益構成がある。同社によれば、ロンドン発の企業でありながら、すでに米国が売上の半分を占めている。

このスタートアップは、15カ国で350社超の顧客およびパートナーを抱えると報告している。公表された顧客や商業関係には、ABB、Greenberg Traurig、KPMG、Dow Jones Risk & Complianceが含まれる。

これらの数字はXapienの資金調達発表によるもので、独立した監査は受けていない。ただし、Spectrumがこの段階で参入した理由の説明にはなる。投資家が支援しているのは、単なる製品コンセプトではなく、すでにエンタープライズ需要を見いだしたと主張する企業だ。

Xapienは、過去24カ月間の年間経常収益の成長率が350％を超えたとも報告している。この指標は急速な拡大を示すが、同社は開始時の収益、現在の年間経常収益、継続率、収益性を開示していない。

欠けている文脈は重要だ。割合は勢いを示せても、基礎となる規模や顧客支出の持続性までは示さない。

それでも今回のラウンドは、Xapienの以前の資金調達から大幅な増額となる。2024年7月、同社はYFM主導の1,000万ドルのシリーズAを発表し、当時の累計調達額は1,780万ドルに達した。

同社は当時、この資金によって大規模な調査チームを持つ組織以外にも包括的なデューデリジェンスを提供できるようにすると説明していた。同社のシリーズAの記録は、現在の戦略を測るうえで有用な基準となる。

シリーズBにより、この戦略は別の段階へ進む。Xapienは今後、コンプライアンス製品に期待される精度を維持しながら、営業、導入、サポートを拡大する必要がある。

Spectrumはこの取り組みに関連する経験をもたらす。同グロースエクイティ企業はこれまでに、World-CheckやVerafinを含むリスク・コンプライアンス事業へ投資してきた。

World-Checkは、人物や組織のスクリーニングに広く利用されるリスクインテリジェンスの情報源となった。Verafinは金融犯罪管理ソフトウェアを構築し、Nasdaqは2020年に同社を買収することで合意した。

この経歴は、SpectrumがXapienを単なる生成AI市場の一部ではなく、リスク情報市場の一部として見ていることを示唆する。また、再現性のあるエンタープライズ向け実績への期待も高める。

この資金により、Xapienは製品開発と流通に投資する余地を得る。ただし、自動化されたデューデリジェンスが、既存データベースや人間の調査担当者が数十年かけて築いた制度上の信頼を獲得できるかどうかは、まだ決着していない。

なぜ今、AIデューデリジェンスに資金が集まるのか

Xapienが売り込むのは、組織がより多くの関係先、情報源、管轄区域、リスク分類を調査しなければならない時代におけるスピードだ。

従来のデューデリジェンスでは、複数の別個のプロセスを組み合わせることが多い。アナリストは法人登記簿、制裁データベース、ニュースアーカイブ、裁判記録、公開ウェブを検索する。その後、氏名を照合し、情報源を評価し、レポートを作成する。

対象者の名前が一般的である場合、複数の言語を使う場合、複層的な企業を支配している場合、または複数の管轄区域で活動している場合、この作業はより難しくなる。データベースの一致は、手作業での解消が必要な誤検知を生むこともある。

企業は、正式な金融取引を超えて、こうした確認を行うようになっている。サプライヤー、顧客、寄付者、経営幹部、買収対象、販売代理店、請負業者、その他の取引相手を審査している。

取引相手とは、ビジネス関係の相手側にいるあらゆる個人または組織を指す。カテゴリーが一つ増えるごとに、法務、コンプライアンス、調達チームが管理しなければならない確認件数も増える。

Xapienの売り込みは、AIが初期段階の調査の多くを担えるというものだ。同社のシステムは構造化記録と非構造化テキストを検索し、参照情報を関連する対象に結び付け、出典付きのレポートを作成する。

このプラットフォームは汎用チャットボットとして提示されているわけではない。Xapienは、デューデリジェンス向けに特化して設計されたワークフローの中で大規模言語モデルを使用しているとしている。

同社の公開されたプラットフォーム説明によれば、レポートはインデックス化されたウェブコンテンツに、商用データセット、法人登記簿、制裁記録、ウォッチリストを組み合わせるという。同社は、裏付けとなる情報源が文単位で可視化されたままであると主張している。

この情報源の可視性は、製品価値の中核だ。コンプライアンス担当者は、深刻な申し立てについて、その出所を知らずに責任ある行動を取ることはできない。

例えば、法律事務所が見込み顧客を評価する場合を考えてみよう。基本的なスクリーニングデータベースでは、制裁への該当可能性や、政治的に影響力のある人物を特定できるかもしれない。後者は、公的な役割によって汚職リスクが高まる人物を意味する。

強化デューデリジェンスはさらに踏み込む。所有構造、評判、事業関係、ネガティブメディア、その他の文脈的な調査を必要とする要素を検討する。

大学が大口寄付者を審査する場合にも、同じプロセスを適用できる。資金調達や提携に関する判断はしばしば厳しいスケジュールで進むため、迅速な回答が重要になる。

調達チームも、より大きな規模で類似の問題に直面している。制裁への該当可能性、労働問題、汚職疑惑、所有権の変更、規制対象地域とのつながりについて、サプライヤーを調査する必要がある場合がある。

手作業による調査は微妙なニュアンスを提供できるが、継続的に繰り返すにはコストがかかる。その結果、組織はしばしば、当初最も危険と判断された関係先にのみ深い確認を集中させる。

Green氏は、この制約をXapienが取り除きたい問題として位置付けた。同氏によれば、第三者に対するデューデリジェンスは依然として大部分が手作業であり、企業は精査の範囲を制限し、一度きりのオンボーディング時の確認に頼らざるを得ないという。

重要な変化は、定期的な調査から動的なモニタリングへの移行だ。このモデルでは、新しい情報、制裁、所有権の変更、地政学的リスクが現れた際に、企業はより多くの取引相手を再評価できる。

ここでAIは運用コストの構造を変え得る。レポートの精度と追跡可能性が保たれる限り、より高速な統合によって頻繁な見直しが現実的になる。

この機会は、通常のキーワード検索の限界も反映している。調査担当者は、関連する事実を、同名人物、重複記事、不完全な記録、質の低い告発から切り分けなければならない。

AIシステムは、人間のチームでは容易に対応できない規模で、こうした資料を分類し関連付けることができる。ただし、実際の意思決定に影響する区別をシステムが保てる場合にのみ、規模は役に立つ。

似た名前の二人を誤って結び付ければ、評判上の損害を招き得る。支配株主や外国語の情報源を見落とせば、真のリスクを隠すことになりかねない。

このため、AIデューデリジェンスは、低リスクな文書要約とは異なる。出力は、個人が雇用、資金、アクセス、ビジネス関係を得られるかどうかを左右し得る。

エンタープライズの購入者にとって魅力的な約束は、すべての調査担当者を置き換えることではない。専門家が最も難しい判断に集中できるようにしながら、意味のある審査を受ける関係先の数を広げることだ。

自動化された調査と人間による調査モデル

中心となる競争は、拡張可能なAI支援調査と、重要な判断でなお信頼されている、より遅い人間のプロセスとの間にある。

Xapienによれば、同社のプラットフォームは調査ワークフローの重要な部分を再現する。検索、本人確認、エンティティの関連付け、リスクシグナルの評価、そして調査結果のレポート化を行う。

この仕組みは反復的な作業を減らせる。アナリストは、すべての登記情報を開いたり、対象ごとに同じ検索パターンを繰り返したりする必要がなくなる。

自動化は一貫性も生む。定義されたワークフローは、数千の取引相手に対して同じ調査範囲とリスクポリシーを適用できる。

人間による調査は、時間、経験、言語能力、各アナリストが利用できる情報によってばらつく。標準化により、大規模な組織全体でレビューを監査しやすくなる。

ただし、デューデリジェンスは事実の発見だけで終わることはほとんどない。利用者は、情報源が信頼できるか、申し立てが依然として関連するか、リスクがその関係性に見合うかを判断しなければならない。

ある企業に関するネガティブな記事は、立証済みの不正行為、未解決の告発、あるいは後に訂正された誤りを記述している可能性がある。これらのカテゴリーを同じ重みで扱うべきではない。

人間の調査担当者は、自動化システムが平板化しがちな文化的・政治的文脈も認識する。ある市場で権威あると見なされる情報源が、別の市場では党派的、統制下、または信頼できない場合もある。

Xapienのアプローチは、引用を表示し、顧客が自社のリスクポリシーに合わせてレポートを設定できるようにすることで、人間によるレビューを維持しようとしている。これは、根拠のないスコアを提示するよりも強力なモデルだ。

それでも、引用された記述が自動的に正確な結論になるわけではない。情報源自体が誤っている可能性があり、システムが誤った対象に結び付ける場合もある。

この区別は、情報取得と判断を分ける。情報取得は、関連する可能性のある資料を見つける。判断は、その資料が公正で弁護可能な決定を裏付けるかを決める。

汎用AIシステムは、不確実性を覆い隠す流暢な要約を生成できるため、この境界に苦戦する。Xapienは用途特化の制御によってそのリスクを低減するとしているが、公的かつ独立した性能データは依然として限られている。

競合環境は、この問題をより重要にしている。LSEGのWorld-CheckやDow Jones Risk & Complianceといった既存プロバイダーは、制裁、政治的に影響力のある人物、ネガティブメディアに関するデータを提供している。

ComplyAdvantageは、金融犯罪リスクに関するデータとモニタリングに機械学習を活用している。Sayariは、複数の法域にまたがる複雑なネットワークを含め、企業の所有構造と貿易関係に焦点を当てる。

プロフェッショナルサービス企業は、さらに別の層を担う。高リスク案件では、独自データベース、インタビュー、地域の専門知識、手作業による分析を組み合わせて調査を行う。

Xapienが大きな事業を築くために、この市場のすべてを置き換える必要はない。顧客がより迅速に調査を開始し、より多くの対象者を確認できるよう支援するインテリジェンス層として機能できる。

より難しい問いは、同社のレポートがどこで終わり、最終判断がどこから始まるかだ。企業には、曖昧な所見、重大な所見、出所が不十分な所見に対する明確なエスカレーションルールが必要になる。

たとえば、自動化システムが、見込みサプライヤーと政府高官との関係を示す翻訳済みの現地報道を見つけることがある。この関係は汚職リスクを示す可能性もあれば、古い企業関係を反映しているだけかもしれない。

機械は文書を収集し、その関係性を整理できる。しかし、証拠を評価し、説明を求め、どの行動が適切かを判断するのは訓練を受けたレビュアーでなければならない。

この役割分担が、導入の成否を左右する可能性が高い。購入者は自動化を求める一方、規制当局や社内のリスク委員会は、重大な判断に対して説明責任を負う人間がいることを依然として期待している。

したがって、この製品が競合するのは単なる別のベンダーではなく、プロセスそのものだ。Xapienは、より自動化された広範なカバレッジが、少数の手動チェックよりも優れたリスク管理を実現することを顧客に納得させなければならない。

この主張は検証できる。顧客はシステムの所見を調査員がレビューした事例と比較し、偽陽性を測定し、見逃したリスクを追跡し、レビュアーの作業時間を検証できる。

持続的な優位性は、カバレッジと意思決定の質の両方を向上させることから生まれる。チームが節約した時間を弱い結果の修正に費やすなら、スピードだけでは不十分だ。

Xapienは既存のケース管理システムにも適合する必要がある。コンプライアンスチームは通常、ユーザーにツール間で所見をコピーさせる、孤立したダッシュボードをもう一つ求めてはいない。

同社の商業的関係は、こうしたワークフローへの参入を後押しする可能性がある。Dow Jonesとの過去の取り組みは、Xapienの調査が確立されたリスクプロバイダーを通じて提供される製品を支えるという、一つの経路を示している。

パートナーシップはリーチを加速できるが、競争上の緊張も残る。大手データプロバイダーは独自のAI調査レイヤーを開発したり、専門技術を買収したりできる。

プロフェッショナルサービス企業は、顧客関係を維持しながら、類似のツールを社内利用できる。企業顧客も、基盤モデル、ライセンス済みデータセット、自社のレビュープロセスを組み合わせられる。

したがって、Xapienの防御力はAIモデルへのアクセスだけにとどまってはならない。信頼性の高いエンティティ解決、多言語調査、ソース管理、ポリシー設定、セキュリティ、そしてユーザーが信頼する証拠が必要だ。

より迅速な身元調査が生む精度とプライバシーのリスク

デューデリジェンスを拡大する同じ自動化が、誤り、根拠の弱い申し立て、侵襲的なデータ利用をはるかに多くの人々へ増幅させる可能性がある。

Xapienの資金調達発表は、取引相手に対するより広範かつ継続的な可視性を強調している。この約束は、カバレッジと統制の間にある基本的なトレードオフを生み出す。

手作業のチームが限られた数の高リスク対象を調査する場合、専門家は各所見を詳しく検討できる。自動化システムはより多くの関係を評価可能にするが、誤りをより速く広げる可能性もある。

本人確認は、明白な失敗点の一つだ。同姓同名、音写、生年月日の欠落、不整合な企業記録によって、情報が誤った人物に結び付けられることがある。

ネガティブメディア分析にも別の課題がある。報道の質にはばらつきがあり、検索結果には転載された主張、政治的動機を持つ資料、最終的な結論が出ていない申し立てが含まれうる。

言語モデルは独自の不確実性ももたらす。証拠を誤って要約したり、重要な留保を省いたり、基礎となる記録が裏付けない関係を生成したりする可能性がある。

Xapienは、レポートには出典が示され、システムにはハルシネーションを減らすための統制が組み込まれていると述べている。ただし、これは同社の主張であり、独立したベンチマークに代わるものではない。

企業の購入者は、特定のタスクに結び付いた性能結果を求めるべきだ。有用な指標には、本人確認の精度、偽陽性率、再現率、ソースカバレッジ、経験豊富な調査員との一致度が含まれる。

また、自社の市場とリスクカテゴリーでソフトウェアをテストすべきだ。十分に文書化された英国企業における性能は、透明性の低い法域で活動する個人に対して同等の精度を保証するものではない。

プライバシーも別の論点を加える。身元調査にはしばしば、公開情報源、商用データベース、推定された関係性から収集された個人情報が含まれる。

公開されているからといって、法的・倫理的な義務がなくなるわけではない。本人は、古い記事、企業登記、社会的つながりが結合され、恒久的なリスクプロファイルになることを想定していないかもしれない。

オーストラリアのプライバシー規制当局は、特定可能な個人に関する推論された、または不正確なAI生成情報が、それ自体で個人情報に該当しうると警告している。そのAI privacy guidanceでも、想定される用途に対する人間の監督とテストが推奨されている。

このガイダンスは、法的または同様に重大な影響をもたらす判断を、特に慎重な対応が必要なものとして挙げている。この懸念は、調査が雇用、金融アクセス、契約、あるいは職業上の機会に影響する場合に直接当てはまる。

欧州の規則はさらに厳しい精査をもたらす。EU AI Actは、特定の雇用、信用、バイオメトリクス、法執行、公共サービスのシステムを高リスクに分類している。

デューデリジェンスツールは、AIを利用しているというだけで自動的に特定のカテゴリーに入るわけではない。分類は、そのシステムがどのように使われ、どの判断に情報を提供するかに依存する。

この区別は、ベンダーだけでなく顧客にも責任を課す。サプライヤーのオンボーディングを支援するために使われるレポートは、求職者を自動的に不採用にする場合とは異なるリスクをもたらす。

組織は、想定用途、アクセス制御、保持方針、訂正手続き、人間によるレビューを文書化しなければならない。不正確な情報に異議を申し立てる人のためのプロセスも必要だ。

説明可能性は、引用リンクだけにとどまるべきではない。ユーザーは、なぜシステムがソースを対象者に関連付けたのか、なぜその所見を関連性があると扱ったのかを理解する必要がある。

情報の鮮度も重要だ。レポートは、有効な制裁指定と過去の掲載、未解決の申し立てと解決済みの事案を区別すべきである。

継続的モニタリングは情報の鮮度を高められるが、恒久的な監視を生む可能性もある。顧客は、どの関係が継続的な観察に値するのか、収集された情報をどれだけ長く利用可能にするのかについて制限を設ける必要がある。

セキュリティも同様に重要だ。デューデリジェンス案件は、買収計画、機密性の高い取引相手、社内のリスク懸念、センシティブな個人データを明らかにする可能性がある。

急速に拡大するベンダーは、分離、権限管理、監査ログ、インシデント対応を維持しなければならない。実装がガバナンスより速く進めば、成長はこれらの統制に負荷をかけうる。

Series Bは、Xapienにこれらの要件へ対応するための資源を与える。同時に、どのような弱点であっても影響する規模を拡大する。

購入者にとって、調達にはコンプライアンス、法務、セキュリティ、プライバシー、オペレーションのチームが関与すべきだ。魅力的なデモだけでは、すべての導入上の問いに答えられない。

管理されたパイロットの方が、より良い証拠をもたらす。チームは完了済みの案件を製品に通し、結果を比較し、重大な欠落を記録し、行動の前に必要なレビューを測定できる。

正しい出力と誤った出力の両方を、組織知として保持すべきだ。検索可能なknowledge blendingワークフローは、自動化された所見を社内文書、アナリストのメモ、過去の判断と結び付けられる。

その記録は、同じ誤りの繰り返しを防ぐのに役立つ。また、新たな所見が組織がすでに解決した案件に似ている場合、レビュアーに文脈を与える。

目標は、説明責任のある拡張だ。ソフトウェアが証拠を収集・整理する一方、解釈と行動の責任は指名された専門家が負い続ける。

資金調達ラウンド後にXapienが証明すべきこと

次の段階は、顧客拡大、独立性と信頼性を備えた精度の証拠、実際の業務ワークフロー内での導入によって評価される。

最初のシグナルは、Xapienが米国での関心を持続的なエンタープライズ収益へ転換できるかどうかだ。同社のBoston拡大は、単に営業会話を増やすのではなく、より大規模な導入につながるべきである。

顧客数だけでは不完全な像しか得られない。より強力な指標は、既存アカウント内での拡大、契約更新、法務・調達・コンプライアンスチームにまたがる利用の拡大だ。

顧客が時折のレポートから継続的モニタリングへ移行すれば、それはデューデリジェンスを動的なものにできるというXapienの主張を裏付ける。限定的なパイロットにとどまれば、その主張は弱まる。

第二のシグナルは製品検証だ。Xapienは、誤った一致や価値の低い一致でユーザーを圧倒せずに、関連するリスクを見つけられることを示す証拠が必要だ。

独立した評価は特に有用だろう。購入者には、タスク別の結果、透明なテスト条件、熟練した調査員または確立されたスクリーニングプロセスとの比較が必要である。

ケーススタディは業務上の価値を示せるが、ベンダーが選んだ事例は通常、好条件を表している。再現可能なベンチマークの方が、より大きな重みを持つ。

精度にはキャリブレーションも含まれる。システムは、証拠が強い場合、本人照合が不確実な場合、レビュアーによる追加調査が必要な場合を伝えるべきだ。

Xapienが意味のある性能証拠を公表すれば、汎用的なAI調査ツールとの差別化を図れる。主にスピードの主張に頼るなら、懐疑的な見方は正当化されたままだろう。

第三のシグナルは、既存のリスクプロバイダーとプロフェッショナルサービス企業の反応だ。彼らはXapienと提携し、同等の能力を構築し、あるいは競合技術を買収できる。

この分野におけるSpectrumの歴史は、Xapienに有用な関係性と運営知識をもたらす。しかし、既存企業が独自データセットと流通上の優位性を利用することを妨げるものではない。

大規模なパートナーシップは、Xapienの調査を既存のエンタープライズワークフローに組み込むことで、その地位を強化する。競合するAI機能が相次げば、その技術が実際にどれほど防御可能かが試される。

規制執行は、これら三つのシグナルすべてを形作る。顧客は、監督、トレーサビリティ、訂正、監査準備を容易にするツールを選好するだろう。

すでにセンシティブなプロセスの中に新たなブラックボックスを生む製品には抵抗する。コンプライアンス自動化は、社内レビューと外部からの精査に耐えられる証拠を生み出さなければならない。

したがって、XapienのSeries Bは特定の賭けに資金を提供する。自動化された調査は、公平性、精度、説明責任を低下させることなく、デューデリジェンスのカバレッジを広げられるという賭けだ。

同社は、力強い成長、知名度のある顧客、意味のある米国需要を報告している。現在は、はるかに大きな市場での地位を追求するための資本と投資家の支援を得ている。

まだ証明されていないのは、最も難しい部分だ。Xapienは、数分で生成されるレポートが、何年にもわたる結果をもたらす判断を支えられることを示さなければならない。

エンタープライズ購入者は、デモではなく導入状況を注視すべきだ。所見がどの程度の頻度で判断を変えるのか、レビュアーが不確実な一致をどのように解決するのか、対象者が不正確な記録をどのように訂正できるのかを問うべきである。

決定的な問いは、AIが人間のチームより多くの情報源を読めるかどうかではない。明らかに読める。問われるのは、組織がその規模を、より根拠のある判断へと転換できるかどうかだ。

Xapienが大規模な取引先ポートフォリオ全体で、正確かつ追跡可能な調査を提供できるなら、手作業だけに依存するデューデリジェンスは正当化しにくくなるだろう。利用量に伴って監督コストが増大するなら、自動化は業務モデルそのものではなく、あくまでアシスタントにとどまる。

それこそが、5,600万ドルの資金調達ラウンドの背後にある本当の試金石だ。より速い調査をより安全なデューデリジェンスと見なす前に、顧客の契約更新、独立した評価、既存企業の対応から得られる証拠を追うべきだ。