miro

<!DOCTYPE html>

<head>

<title>AIデータセンター電力サプライチェーン・信用リスク分析PoC企画提案</title>

<style>

:root{

--bg:#f7f8fb;

--card:#ffffff;

--ink:#1f2937;

--muted:#5b6472;

--line:#d8dee9;

--accent:#1f5f8b;

--accent2:#0f766e;

--accent3:#9a3412;

--soft:#eaf2fb;

--soft2:#e7f6f3;

--soft3:#fff4e6;

--danger:#b42318;

--ok:#16784c;

}

*{box-sizing:border-box}

body{

margin:0;

font-family:-apple-system,BlinkMacSystemFont,"Segoe UI","Hiragino Sans","Yu Gothic",Meiryo,sans-serif;

color:var(--ink);

background:var(--bg);

line-height:1.75;

}

.page{

max-width:1180px;

margin:0 auto;

padding:36px 26px 64px;

}

.hero{

background:linear-gradient(135deg,#11253d,#1f5f8b 55%,#0f766e);

color:white;

border-radius:24px;

padding:38px 42px;

box-shadow:0 18px 40px rgba(17,37,61,.18);

}

.hero h1{

font-size:34px;

line-height:1.3;

margin:0 0 16px;

letter-spacing:.02em;

}

.subtitle{

font-size:18px;

opacity:.92;

max-width:920px;

}

.meta{

margin-top:24px;

display:flex;

flex-wrap:wrap;

gap:10px;

}

.pill{

border:1px solid rgba(255,255,255,.35);

background:rgba(255,255,255,.12);

color:white;

padding:6px 12px;

border-radius:999px;

font-size:13px;

}

section{

background:var(--card);

border:1px solid var(--line);

border-radius:18px;

padding:28px 30px;

margin-top:24px;

box-shadow:0 6px 20px rgba(27,39,66,.05);

}

h2{

font-size:24px;

border-left:6px solid var(--accent);

padding-left:14px;

margin:0 0 18px;

line-height:1.4;

}

h3{

font-size:19px;

margin:24px 0 10px;

color:#17324d;

}

h4{

font-size:16px;

margin:16px 0 8px;

}

p{margin:0 0 12px}

.lead{

font-size:17px;

color:#243244;

}

.grid2{

display:grid;

grid-template-columns:1fr 1fr;

gap:18px;

}

.grid3{

display:grid;

grid-template-columns:repeat(3,1fr);

gap:16px;

}

.card{

background:#fbfcfe;

border:1px solid var(--line);

border-radius:14px;

padding:18px;

}

.card h3,.card h4{margin-top:0}

.num{

display:inline-flex;

width:28px;height:28px;

align-items:center;justify-content:center;

border-radius:50%;

background:var(--accent);

color:white;

font-weight:700;

margin-right:8px;

font-size:14px;

}

table{

width:100%;

border-collapse:collapse;

margin:14px 0 18px;

font-size:14px;

}

th,td{

border:1px solid var(--line);

padding:10px 12px;

vertical-align:top;

}

th{

background:#eef4fb;

color:#17324d;

font-weight:700;

}

.small{font-size:13px;color:var(--muted)}

.tag{

display:inline-block;

padding:3px 8px;

border-radius:999px;

background:var(--soft);

color:var(--accent);

font-size:12px;

font-weight:700;

margin:0 4px 4px 0;

}

.tag.green{background:var(--soft2);color:var(--accent2)}

.tag.orange{background:var(--soft3);color:var(--accent3)}

.box{

border-left:5px solid var(--accent2);

background:#f0faf8;

padding:16px 18px;

border-radius:12px;

margin:16px 0;

}

.warn{

border-left:5px solid var(--accent3);

background:#fff8ed;

padding:16px 18px;

border-radius:12px;

margin:16px 0;

}

.formula{

font-family:"SFMono-Regular",Consolas,"Liberation Mono",monospace;

background:#0f172a;

color:#e5e7eb;

padding:14px 16px;

border-radius:12px;

overflow:auto;

font-size:13px;

margin:12px 0 18px;

}

.flow{

display:grid;

grid-template-columns:repeat(5,1fr);

gap:10px;

margin:18px 0;

}

.flow .step{

background:#f7fbff;

border:1px solid #cfe1f5;

border-radius:14px;

padding:14px 12px;

text-align:center;

min-height:126px;

position:relative;

}

.flow .step:not(:last-child)::after{

content:"→";

position:absolute;

right:-13px;

top:43%;

color:#50708e;

font-weight:700;

font-size:22px;

}

.step .title{

font-weight:700;

color:#17324d;

margin-bottom:8px;

}

.step .desc{

font-size:13px;

color:#455366;

line-height:1.55;

}

.svgwrap{

background:#fbfcfe;

border:1px solid var(--line);

border-radius:16px;

padding:12px;

margin:16px 0;

}

.kpi{

font-size:28px;

font-weight:800;

color:var(--accent);

margin-bottom:2px;

}

.footnotes{

font-size:12px;

color:#4b5563;

}

.footnotes li{margin-bottom:8px}

ul,ol{padding-left:1.4em}

.toc{

columns:2;

font-size:14px;

}

.toc a{color:var(--accent);text-decoration:none}

.badge{

font-weight:700;

color:white;

background:var(--accent2);

padding:2px 8px;

border-radius:6px;

font-size:12px;

}

@media print{

body{background:white}

.page{max-width:none;padding:0}

section,.hero{box-shadow:none;break-inside:avoid}

.hero{border-radius:0}

}

@media (max-width:900px){

.grid2,.grid3,.flow{grid-template-columns:1fr}

.flow .step:not(:last-child)::after{content:"↓";right:50%;top:auto;bottom:-23px}

.hero h1{font-size:27px}

.toc{columns:1}

}

</style>

</head>

<body>

<h1>AIデータセンター電力サプライチェーン・信用リスク分析PoC</h1>

国際産業連関表（MRIO/ICIO）と機器別サプライチェーン脆弱性分析を組み合わせ、

AIデータセンター案件の電力接続・機器調達・工事遅延・コスト上振れを、

銀行の与信判断、プロジェクトファイナンス、RM提案、サプライチェーンファイナンスへ変換する企画提案。

</div>

<span class="pill">対象：AIデータセンター / 電力 / 重電 / 建設 / 半導体</span>

<span class="pill">用途：与信・PF・RM営業・GX・経済安全保障</span>

<span class="pill">PoC期間：8〜12週間</span>

</div>

<ol>

<li><a href="#summary">エグゼクティブサマリー</a></li>

<li><a href="#background">背景と問題意識</a></li>

<li><a href="#why-ai-dc">AIデータセンターを対象にする理由</a></li>

<li><a href="#concept">提案コンセプト</a></li>

<li><a href="#usecases">銀行内ユースケース</a></li>

<li><a href="#model">分析モデル</a></li>

<li><a href="#scenarios">ショックシナリオ</a></li>

<li><a href="#poc">PoC設計</a></li>

<li><a href="#outputs">成果物イメージ</a></li>

<li><a href="#implementation">実装・体制・スケジュール</a></li>

<li><a href="#risks">留意点と限界</a></li>

</ol>

</div>

</section>

<h2>1. エグゼクティブサマリー</h2>

AIデータセンター投資は、単なる不動産・通信インフラ投資ではなく、

<strong>電力、変圧器、開閉装置、蓄電池、ガスタービン、冷却設備、建設、半導体、銅・電線、系統接続</strong>が結合した

巨大な資本財・サプライチェーン投資である。

</p>

<p>

従来の銀行評価では、データセンター事業者の信用力、テナント需要、土地・建物、賃料水準が重視されやすい。

しかしAI向けデータセンターでは、案件の成否を左右するボトルネックが、電力接続、重要機器納期、EPC遂行能力、燃料・電力価格、地域系統余力に移りつつある。

</p>

<strong>本企画の提案：</strong>

国際産業連関表により国・産業間の間接依存を可視化し、RAND型の機器別サプライチェーン脆弱性スコアを組み合わせることで、

AIデータセンター案件のCOD遅延、EPCコスト上振れ、DSCR低下、追加資金需要を分析する。

その結果を、銀行の与信審査、PFストラクチャリング、RM営業、サプライチェーンファイナンス、GX提案に接続する。

</div>

<p class="small">AIデータセンター案件の代表容量レンジとして設定し、必要機器・電力供給方式を分解する。</p>

</div>

<p class="small">BOM化、MRIO波及、機器脆弱性、案件財務、RM提案の5層で信用変換する。</p>

</div>

<p class="small">公知データ中心で初期PoCを構築し、内部与信データは第2段階で接続する。</p>

</div>

</section>

<h2>2. 背景と問題意識</h2>

<h3>2.1 AIデータセンターは電力システム上の大口需要家になりつつある</h3>

<p>

生成AI・大規模モデルの普及により、データセンターの電力需要は急増している。

IEAは、世界のデータセンター電力消費が2024年の約415TWhから2030年に約945TWhへ倍増し、2024〜2030年に年率約15%で増加すると見込んでいる。

日本でも2030年までにデータセンター電力消費が約15TWh、約80%増加するとされる。

</p>

<h3>2.2 需要リスクより実行リスクが重要になる</h3>

<p>

AIデータセンターの需要は強い一方で、実際に案件が成立するかどうかは、

電力接続、系統増強、受変電設備、蓄電池、冷却、ガスタービン、自家発電、非常用発電、EPC能力に大きく左右される。

銀行の案件評価では、単純な賃料・稼働率・テナント信用力だけでは不十分である。

</p>

<h3>2.3 銀行にとっての課題</h3>

<table>

<tr><th>従来の見方</th><th>AIデータセンターで必要な見方</th></tr>

<tr>

<td>データセンター事業者・テナントの信用力を見る</td>

<td>電力供給パッケージ、重要機器納期、系統接続、EPC制約を合わせて見る</td>

</tr>

<tr>

<td>不動産・インフラ案件として評価する</td>

<td>電力・重電・建設・半導体・燃料の複合サプライチェーン案件として評価する</td>

</tr>

<tr>

<td>一次調達先・EPC契約を確認する</td>

<td>2次・3次の国際サプライチェーン依存、輸入集中、価格・数量ボラティリティを評価する</td>

</tr>

<tr>

<td>個別案件の採算を見る</td>

<td>関連企業の増産投資、運転資金、サプライチェーンファイナンス需要を発掘する</td>

</tr>

</table>

</section>

<h2>3. AIデータセンターを対象にする理由</h2>

<h3><span class="num">1</span>銀行収益に接続しやすい</h3>

<p>

データセンター本体融資だけでなく、電力会社、PPA、蓄電池、変圧器、冷却設備、建設会社、EPC、自治体・不動産開発、半導体関連企業への取引機会が広い。

</p>

</div>

<h3><span class="num">2</span>リスクが金融指標に変換しやすい</h3>

<p>

調達遅延はCOD遅延へ、COD遅延は収入遅延へ、収入遅延はDSCR・資金繰り・追加借入需要へ変換できる。

</p>

</div>

<h3><span class="num">3</span>国際産業連関表の強みが出る</h3>

<p>

データセンターは多数の国・産業にまたがるため、国・産業平均の間接依存を把握するMRIO/ICIO分析との相性がよい。

</p>

</div>

<h3><span class="num">4</span>GX・経済安全保障テーマと接続できる</h3>

<p>

電力需給、LNG・ガス火力、再エネPPA、蓄電池、送配電投資、半導体供給網、重要鉱物依存を一体で議論できる。

</p>

</div>

<strong>本企画の差別化：</strong>

AIデータセンターを「AI需要が伸びる成長産業」としてではなく、

<strong>電力・機器・サプライチェーン・工期が信用リスクを規定する産業インフラ案件</strong>として扱う。

</div>

</section>

<h2>4. 提案コンセプト</h2>

<h3>4.1 コンセプト</h3>

<strong>AIデータセンターの電力・機器サプライチェーン制約を、銀行の信用判断と法人営業提案に変換する。</strong>

</p>

<p>

国際産業連関表だけでは企業個別の機器・部材リスクを捉えきれない。

一方、機器別サプライチェーン分析だけでは、国・産業間の間接波及や銀行ポートフォリオへの広がりを捉えにくい。

そこで、両者を組み合わせた二段構えとする。

</p>

<div class="title">① 案件BOM化</div>

<div class="desc">100MW/300MW/1GW級のAIデータセンターに必要な電力・機器・建設要素を分解</div>

</div>

<div class="title">② MRIO波及</div>

<div class="desc">OECD ICIO等で国・産業間の間接依存と価格・供給ショック波及を推計</div>

</div>

<div class="title">③ 機器脆弱性</div>

<div class="desc">RAND型にHHI、供給国数、価格・数量変動、輸入減少、納期をスコア化</div>

</div>

<div class="desc">COD遅延、EPCコスト上振れ、DSCR低下、追加資金需要に変換</div>

</div>

<div class="title">⑤ 銀行アクション</div>

<div class="desc">融資条件、コベナンツ、DD項目、RM提案、SCF、GX投資支援へ接続</div>

</div>

<h3>4.2 RANDレポートから取り込む観点</h3>

<p>

RANDは、AIデータセンター向けの電力供給をFTM（系統側）、BTM（需要家側）、Bridge Power（オフグリッド・暫定電源）に分け、

それぞれに必要な電力機器とサプライチェーン脆弱性を評価している。

特に、天然ガスタービン等は系統電源にもオフグリッド電源にも必要であり、オフグリッド化すれば供給制約が消えるわけではない、という示唆が重要である。

</p>

<table>

<tr><th>RANDの観点</th><th>銀行企画への翻訳</th></tr>

<tr>

<td>FTM / BTM / Bridge Powerごとの重要電力機器を棚卸し</td>

<td>案件DDで確認すべき電力供給方式と機器調達リストに変換</td>

</tr>

<tr>

<td>複合サプライチェーン脆弱性スコア</td>

<td>部材別の納期遅延・価格上昇・代替困難度スコアに変換</td>

</tr>

<tr>

<td>機器制約が2030年の利用可能純容量に与える影響を試算</td>

<td>データセンター案件のCOD遅延・稼働遅延・DSCR低下シナリオに変換</td>

</tr>

<tr>

<td>脆弱性の源泉は機器ごとに異なる</td>

<td>一律の中国依存分析ではなく、機器ごとに打ち手を変える</td>

</tr>

</table>

</section>

<h2>5. 銀行内ユースケース</h2>

<table>

<tr><th>利用部門</th><th>利用目的</th><th>具体的な使い方</th><th>銀行収益への接続</th></tr>

<tr>

<td>プロジェクトファイナンス / ストラクチャードファイナンス</td>

<td>データセンター案件の実行リスクDD</td>

<td>電力接続、受変電設備、ガスタービン、蓄電池、冷却設備の納期・コスト感応度を評価</td>

<td>融資条件、DSRA、完成保証、コベナンツ、追加エクイティ条件</td>

</tr>

<tr>

<td>顧客向けリスク診断・案件創出</td>

<td>データセンター事業者、EPC、重電、電力、建設、冷却設備、半導体関連企業に診断レポートを提示</td>

<td>設備投資ローン、運転資金、SCF、外為、ヘッジ、M&A</td>

</tr>

<tr>

<td>与信企画 / ポートフォリオ管理</td>

<td>AIデータセンター関連与信の集中リスク把握</td>

<td>データセンター関連企業への与信を部材・国・産業別に再分類</td>

<td>ポートフォリオ管理、予兆管理、セクターリミット高度化</td>

</tr>

<tr>

<td>サステナブルビジネス / GX部門</td>

<td>電力・脱炭素投資提案</td>

<td>PPA、蓄電池、省エネ冷却、オンサイト電源、系統増強投資を提案</td>

<td>GXローン、トランジションファイナンス、PPA関連ファイナンス</td>

</tr>

<tr>

<td>トランザクションバンキング / 貿易金融</td>

<td>重要部材の調達金融</td>

<td>変圧器、開閉装置、電線、蓄電池、冷却設備の発注・在庫・輸入に対する資金支援</td>

<td>L/C、保証、SCF、在庫金融、為替・商品ヘッジ</td>

</tr>

</table>

</section>

<h2>6. 分析モデル</h2>

<defs>

</marker>

</defs>

<text x="360" y="62" font-size="18" text-anchor="middle" font-weight="700" fill="#0f514c">BOM変換</text>

<text x="600" y="90" font-size="13" text-anchor="middle" fill="#3d4b5f">国・産業間の間接依存</text>

<text x="840" y="62" font-size="18" text-anchor="middle" font-weight="700" fill="#8b1e1e">脆弱性評価</text>

<text x="840" y="112" font-size="13" text-anchor="middle" fill="#3d4b5f">代替困難度・重要度</text>

<text x="560" y="270" font-size="13" text-anchor="middle" fill="#3d4b5f">COD遅延 → 収入遅延</text>

<text x="560" y="292" font-size="13" text-anchor="middle" fill="#3d4b5f">EPC上振れ → DSCR低下</text>

<text x="870" y="242" font-size="18" text-anchor="middle" font-weight="700" fill="#17324d">銀行アクション</text>

<text x="870" y="270" font-size="13" text-anchor="middle" fill="#3d4b5f">DD項目 / 融資条件 / コベナンツ</text>

</svg>

</div>

<h3>6.2 MRIOによる国・産業波及</h3>

<p>

国際産業連関表から投入係数行列 <strong>A</strong> を作成し、レオンチェフ逆行列により最終需要・供給制約・価格ショックの波及を推計する。

</p>

x = (I - A)^(-1) y

Δx = (I - A)^(-1) Δy

Indirect Exposure(i, k) = Σ_j L_ij × Share(j, k)

</div>

<p>

ここで、<strong>i</strong> は対象産業、<strong>j</strong> は上流産業、<strong>k</strong> は国・地域、

<strong>L=(I-A)^(-1)</strong> はレオンチェフ逆行列を表す。

これにより、直接輸入していない国・産業への間接依存も把握できる。

</p>

<h3>6.3 機器別サプライチェーン脆弱性スコア</h3>

<p>

RAND型の考え方を銀行向けに翻訳し、部材ごとに構造指標と動的指標を統合する。

</p>

Vulnerability_m =

w1 × Supplier_HHI_m

+ w2 × Country_Concentration_m

+ w3 × Price_Volatility_m

+ w4 × Volume_Volatility_m

+ w5 × Import_Decline_m

+ w6 × Lead_Time_m

+ w7 × Substitution_Difficulty_m

</div>

<table>

<tr><th>指標</th><th>意味</th><th>データ候補</th></tr>

<tr><td>Supplier / Country HHI</td><td>供給元・輸入元の集中度</td><td>UN Comtrade、各国貿易統計、業界資料</td></tr>

<tr><td>価格ボラティリティ</td><td>調達価格の不安定性</td><td>貿易単価、商品価格、企業資料</td></tr>

<tr><td>数量ボラティリティ</td><td>輸入数量・出荷数量の変動</td><td>貿易統計、業界統計</td></tr>

<tr><td>輸入減少・供給減少</td><td>足元の供給制約兆候</td><td>月次貿易統計、通関統計</td></tr>

<tr><td>リードタイム</td><td>納期の長さ</td><td>公開記事、企業ヒアリング、調達実績</td></tr>

<tr><td>代替困難度</td><td>仕様・認証・設計変更の難しさ</td><td>EPC・メーカー・技術資料</td></tr>

</table>

<h3>6.4 案件遅延リスクへの変換</h3>

<p>

脆弱性スコアを案件上の重要度に変換する。例えば、大型変圧器や受電設備は、遅れるとCOD全体が遅れる可能性が高い。

一方、交換可能な補助部材は、価格影響はあってもCODへの影響は限定的である。

</p>

Delay_Risk_project =

Σ_m Criticality_m × Vulnerability_m × LeadTime_m × Procurement_Status_m

Cost_Overrun_project =

Σ_m Cost_Share_m × Price_Shock_m × PassThrough_m

</div>

<h3>6.5 信用リスク・財務指標への変換</h3>

COD_Delay → Revenue_Delay → DSCR_Downside

EPC_Cost_Overrun → Additional_Funding_Need → Leverage_Up

Power_Cost_Shock → EBITDA_Downside → Rating / PD_Impact

</div>

<table>

<tr><th>リスク事象</th><th>財務影響</th><th>銀行上の論点</th></tr>

<tr><td>大型変圧器納期遅延</td><td>COD遅延、収入開始遅延</td><td>完成期限、長期停止リスク、DSRA、スポンサーサポート</td></tr>

<tr><td>ガスタービン納期遅延</td><td>Bridge Power計画未達、系統接続までの暫定供給不可</td><td>電力供給計画の信頼性、代替電源、予備電源契約</td></tr>

<tr><td>蓄電池価格上昇</td><td>EPCコスト上振れ、必要資金増加</td><td>追加エクイティ、コスト超過保証、予算余裕</td></tr>

<tr><td>電力価格上昇</td><td>OPEX増加、EBITDA低下</td><td>PPA、電力ヘッジ、価格転嫁条項</td></tr>

<tr><td>GPU・サーバー納期遅延</td><td>テナント稼働遅延、収益計上遅延</td><td>テナント契約条件、設備所有者、遅延時ペナルティ</td></tr>

</table>

</section>

<h2>7. ショックシナリオ</h2>

<p>

PoCでは、実務で議論しやすいショックを設定し、案件財務・顧客提案・ポートフォリオ影響に変換する。

</p>

<table>

<tr><th>シナリオ</th><th>想定ショック</th><th>主な影響対象</th><th>銀行上の論点</th></tr>

<tr>

<td>S1: 変圧器・受電設備遅延</td>

<td>大型変圧器、開閉装置、電線の納期が6〜18か月遅延</td>

<td>系統接続型データセンター、変電所、EPC</td>

<td>COD遅延、完成期限、スポンサーサポート、機器発注済確認</td>

</tr>

<tr>

<td>S2: Bridge Power制約</td>

<td>ガスタービン、発電機、燃料供給、排出規制の制約</td>

<td>オフグリッド・暫定電源型案件</td>

<td>暫定電源の実効性、燃料価格、環境許認可、地域受容性</td>

</tr>

<tr>

<td>S3: 蓄電池・UPS価格上昇</td>

<td>電池セル、PCS、UPS、黒鉛・リチウム供給制約</td>

<td>BTM設備、バックアップ電源、ピークカット</td>

<td>EPCコスト上振れ、在庫金融、発注タイミング</td>

</tr>

<tr>

<td>S4: 電力価格・ガス価格上昇</td>

<td>電力市場価格、LNG・ガス価格、容量市場コスト上昇</td>

<td>運営中データセンター、PPA、電力小売</td>

<td>EBITDA低下、価格転嫁、ヘッジ、PPA契約</td>

</tr>

<tr>

<td>S5: 半導体・サーバー供給遅延</td>

<td>GPU、サーバー、ネットワーク機器、液冷対応設備の納期遅延</td>

<td>AI専用データセンター、テナント、SIer</td>

<td>稼働率・賃料開始時期、テナント契約条件、顧客集中</td>

</tr>

<tr>

<td>S6: 地域系統制約</td>

<td>特定地域で接続枠、変電所容量、送電線容量が不足</td>

<td>北海道、首都圏、関西、九州など地域別案件</td>

<td>立地選定、系統増強負担、自治体連携、代替立地</td>

</tr>

</table>

</section>

<h2>8. PoC設計</h2>

<h3>8.1 PoCの目的</h3>

<ol>

<li>AIデータセンター案件の主要部材・電力供給方式をBOM化する。</li>

<li>国際産業連関表と貿易統計を用いて、主要部材の国・産業依存を推計する。</li>

<li>機器別サプライチェーン脆弱性スコアを作成する。</li>

<li>COD遅延・EPCコスト上振れ・DSCR低下への変換モデルを試作する。</li>

<li>銀行のDD項目、融資条件、RM営業提案に落とし込む。</li>

</ol>

<h3>8.2 対象案件の仮想パターン</h3>

<table>

<tr><th>案件タイプ</th><th>容量</th><th>電力供給方式</th><th>見るべきリスク</th></tr>

<tr>

<td>A: 系統接続中心型</td>

<td>系統電力＋非常用発電機</td>

<td>系統接続、受変電設備、PPA、電力価格</td>

</tr>

<tr>

<td>B: BTM強化型</td>

<td>系統電力＋蓄電池＋UPS＋高効率冷却</td>

<td>蓄電池、UPS、冷却設備、EPCコスト</td>

</tr>

<tr>

<td>C: Bridge Power併用型</td>

<td>系統接続待ち＋オンサイトガス火力・暫定電源</td>

<td>ガスタービン、燃料供給、排出規制、地域受容性</td>

</tr>

</table>

<h3>8.3 使用データ</h3>

<table>

<tr><th>データ</th><th>用途</th><th>初期PoCでの扱い</th></tr>

<tr><td>OECD ICIO / TiVA</td><td>国・産業間の間接依存、付加価値・貿易波及</td><td>公知データで利用可能</td></tr>

<tr><td>UN Comtrade / 各国貿易統計</td><td>部材別輸入集中度、価格・数量変動</td><td>HSコード単位で利用</td></tr>

<tr><td>RANDレポート</td><td>FTM/BTM/Bridge Power、重要機器、脆弱性設計</td><td>フレームワーク参照</td></tr>

<tr><td>IEA Energy and AI</td><td>AIデータセンター電力需要、地域見通し</td><td>需要背景とシナリオ設定に利用</td></tr>

<tr><td>公開企業資料</td><td>データセンター計画、PPA、電力調達、設備投資</td><td>サンプル案件の前提に利用</td></tr>

<tr><td>銀行内部データ</td><td>与信残高、業種コード、財務、格付、RM担当</td><td>第2段階で接続</td></tr>

</table>

<h3>8.4 PoCで作るプロトタイプ</h3>

<h4>分析エンジン</h4>

<ul>

<li>MRIOレオンチェフ逆行列計算</li>

<li>部材別国・産業マッピング</li>

<li>脆弱性スコア計算</li>

<li>シナリオ別DSCR感応度</li>

</ul>

</div>

<ul>

<li>案件DDチェックリスト</li>

<li>顧客別リスク診断レポート</li>

<li>関連企業・受益企業リスト</li>

<li>RM提案トークスクリプト</li>

</ul>

</div>

</section>

<h2>9. 成果物イメージ</h2>

<h3>9.1 案件DDレポート</h3>

<table>

<tr><th>項目</th><th>内容</th><th>銀行判断への接続</th></tr>

<tr><td>電力供給方式</td><td>系統、PPA、BTM、Bridge Power、非常用電源の構成</td><td>電力供給の実現可能性、契約条件、代替策</td></tr>

<tr><td>重要機器調達状況</td><td>変圧器、開閉装置、蓄電池、冷却、タービン、サーバーの発注・納期</td><td>COD遅延リスク、EPC上振れリスク</td></tr>

<tr><td>サプライチェーン脆弱性</td><td>国・産業依存、輸入集中、価格・数量変動</td><td>感応度、モニタリング指標</td></tr>

<tr><td>財務影響</td><td>COD遅延月数、CAPEX上振れ、OPEX上昇、DSCR低下</td><td>融資条件、返済計画、DSRA、コベナンツ</td></tr>

<tr><td>打ち手</td><td>早期発注、複数調達、在庫金融、PPA、ヘッジ、スポンサーサポート</td><td>銀行提案・契約条件</td></tr>

</table>

<h3>9.2 RM向け顧客提案レポート</h3>

<strong>レポート例：</strong>

「貴社のデータセンター関連設備事業は、AIデータセンター増設により需要拡大が見込まれる一方、

変圧器・蓄電池・電線・冷却設備の国際供給制約により、受注増加局面で運転資金・在庫資金・前倒し発注資金が必要になる可能性があります。

当行では、重要部材の調達リスク診断、発注・在庫金融、為替・商品ヘッジ、設備投資ローンを一体でご提案できます。」

</div>

<h3>9.3 ポートフォリオ管理レポート</h3>

<table>

<tr><th>分析軸</th><th>見えること</th><th>活用</th></tr>

<tr><td>AIデータセンター関連与信</td><td>本体、電力、建設、重電、半導体、冷却、電線等への与信分布</td><td>与信集中管理</td></tr>

<tr><td>部材別リスク</td><td>特定機器の納期・価格ショックに弱い顧客群</td><td>予兆管理、RM訪問先選定</td></tr>

<tr><td>国・地域依存</td><td>中国、台湾、韓国、ASEAN、欧米等への間接依存</td><td>地政学リスク管理</td></tr>

<tr><td>GX影響</td><td>電力・ガス・炭素価格上昇に弱い顧客群</td><td>GXローン、ヘッジ、PPA提案</td></tr>

</table>

</section>

<h2>10. 実装・体制・スケジュール</h2>

<table>

<tr><td>企画オーナー</td><td>サステナブルビジネス企画 / 新規事業部門</td><td>企画全体管理、社内調整、PoC成果物定義</td></tr>

<tr><td>業務ユーザー</td><td>法人RM、PF部門、産業調査、与信企画</td><td>ユースケース定義、DD項目・営業出力の検証</td></tr>

<tr><td>データ・モデル担当</td><td>データ分析チーム、外部研究機関</td><td>MRIO処理、脆弱性スコア、シナリオ分析</td></tr>

<tr><td>産業専門家</td><td>電力、重電、データセンター、建設、半導体担当</td><td>BOM、部材重要度、実務妥当性の確認</td></tr>

<tr><td>システム担当</td><td>デジタル部門</td><td>簡易ダッシュボード、データ更新、権限管理</td></tr>

</table>

<h3>10.2 スケジュール案</h3>

<table>

<tr><td>Week 1–2</td><td>ユースケース確定、対象案件・対象部材の定義</td><td>PoC要件定義、BOM初期版</td></tr>

<tr><td>Week 3–4</td><td>OECD ICIO / 貿易統計 / 公開情報の収集・マッピング</td><td>国・産業マッピング、部材別データセット</td></tr>

<tr><td>Week 5–6</td><td>MRIO波及モデル、脆弱性スコア、シナリオ計算</td><td>分析プロトタイプ、初期スコア</td></tr>

<tr><td>Week 7–8</td><td>DSCR・COD遅延・CAPEX感応度への変換</td><td>案件影響分析、与信論点整理</td></tr>

<tr><td>Week 9–10</td><td>RM向けレポート、DDチェックリスト、ダッシュボード作成</td><td>業務利用サンプル</td></tr>

<tr><td>Week 11–12</td><td>関係部署レビュー、次フェーズ計画</td><td>最終報告、内部データ接続計画</td></tr>

</table>

<h3>10.3 最初に巻き込むべき部署</h3>

<ol>

<li><strong>法人営業企画 / サステナブルビジネス企画：</strong> 顧客提案・案件創出の切り口として受け止めやすい。</li>

<li><strong>産業調査：</strong> AIデータセンター、電力、重電、建設、半導体の横断分析で連携しやすい。</li>

<li><strong>PF / ストラクチャードファイナンス：</strong> 案件DD・融資条件への接続が明確。</li>

<li><strong>与信企画 / ポートフォリオ管理：</strong> 第2段階で内部与信データと接続する。</li>

<li><strong>トランザクションバンキング：</strong> 部材調達・在庫・輸入・保証・SCFに展開する。</li>

</ol>

</section>

<h2>11. 留意点と限界</h2>

<table>

<tr>

<td>MRIOの粒度</td>

<td>国・産業平均であり、企業個別の実サプライチェーンではない</td>

<td>一次スクリーニングと位置づけ、EPC契約・発注済情報・顧客ヒアリングで補正する</td>

</tr>

<tr>

<td>HSコードと機器の対応</td>

<td>変圧器、開閉装置、UPS等の粒度が統計上粗い場合がある</td>

<td>RAND型の粒度不足問題を踏まえ、専門家レビューで部材分類を補正する</td>

</tr>

<tr>

<td>日本への適用</td>

<td>RANDは主に米国文脈であり、日本の系統・電力市場・許認可とは異なる</td>

<td>日本の電力エリア、系統接続、PPA、容量市場、LNG・原子力・再エネ事情に置換する</td>

</tr>

<tr>

<td>信用リスク変換</td>

<td>DSCR・PDへの変換は仮定に依存する</td>

<td>初期PoCでは相対順位・感応度分析に留め、内部モデル化は第2段階とする</td>

</tr>

<tr>

<td>分析が難解だとRMが使えない</td>

<td>顧客向けには「上位3リスク」「銀行が提案できる3打ち手」に要約する</td>

</tr>

</table>

</section>

<h3>与信高度化</h3>

<p>AIデータセンター案件の電力・機器・工期リスクを、DD項目と融資条件に組み込める。</p>

</div>

<p>本体融資だけでなく、重電、電力、蓄電池、冷却、建設、SCF、PPAに波及する営業機会を発見できる。</p>

</div>

<h3>産業知見の差別化</h3>

<p>AIをデジタル産業ではなく、電力・資本財・サプライチェーンの金融テーマとして捉えることで銀行らしい価値を出せる。</p>

</div>

<strong>最終ゴール：</strong>

AIデータセンター投資を起点に、銀行が「産業データを信用へ変換する」機能を実証する。

具体的には、国際産業連関表、貿易統計、機器脆弱性、案件財務を統合し、

与信判断・案件組成・法人営業を一体化する次世代産業金融機能のプロトタイプを構築する。

</div>

</section>

<li>RAND Corporation, <em>Supply Chain, Energy, and AI Nexus: Evaluating AI Energy Supply Chain Vulnerabilities</em>, RR-A4707-1, published June 25, 2026. https://www.rand.org/pubs/research_reports/RRA4707-1.html</li>

<li>IEA, <em>Energy and AI</em>, “Energy demand from AI” and “Energy supply for AI”. https://www.iea.org/reports/energy-and-ai/</li>

<li>OECD, Inter-Country Input-Output tables, 2025 edition / revised January 2026. https://www.oecd.org/en/data/datasets/inter-country-input-output-tables.html</li>

<li>OECD, Trade in Value Added (TiVA) 2025 edition. https://data-explorer.oecd.org/</li>

</ul>

</section>

</div>

</body>

</html>

Page updated

Google Sites

Report abuse