農家が減ると、誰が儲かるのか？

対象企業

• ベルグアース
• 井関農機
• オプティム
• カネコ種苗

このレポートで扱う内容

• 「農家が減る」と「農業関連企業が儲かる」の間にある仕組み
• 農業の仕事や支出が、購入苗、大型・先端農機、農作業サービス、施設・生産技術へ移る経路
• ベルグアース、井関農機、オプティム、カネコ種苗のCompany Case
• 需要、売上、利益、テーマへの利益帰属を分けて確認する方法
• 他の農業関連企業を見る際に再利用できる5つの確認
• Evidence Register、数値、比較可能性、一次資料の監査結果

Research Quality

一次情報に基づく検証

主に2015年前後から直近確定通期までを対象に、有価証券報告書、決算短信、決算説明資料、企業公式IR、政府統計等の一次資料に戻って確認しています。

事実、企業説明、解釈、支持された仮説、反証、未確認事項を区別し、比較できない数値を見栄えのために一つの長期系列へ接続していません。主要な主張と数値はEvidence IDを通じて一次資料まで追跡できる形で監査しています。

このResearchをAIで、その先の調査へ

このResearchは、PDFを読んで終わりではありません。

購入したPDFをChatGPTやClaudeなどの生成AIに読み込ませることで、Researchの内容を共通の前提として、そこから自分自身の追加調査を続けることができます。

たとえば、

• 気になった企業だけを、さらに詳しく調べる
• Researchと同じ視点で、対象外の企業を追加して考える
• 最新の決算や開示を加えて、その後の変化を確認する
• Researchの結論に反するEvidenceがないか調べる
• Evidenceや未確認事項を起点に、特定の論点を深掘りする

といった使い方ができます。

なぜ、このResearchをAIに読み込ませるのか

生成AIに企業や業界について質問すること自体は簡単です。

一方、ゼロから調査を始める場合は、

• 何を問いとして設定するか
• どの企業を見るか
• どの期間を見るか
• どの情報を根拠にするか
• 企業自身の説明と分析をどう分けるか
• 比較できる数字と比較できない数字をどう扱うか
• 当初の仮説に合わない情報をどう扱うか

といった、調査の土台から組み立てる必要があります。

有報ナビ Independent Researchでは、特定のResearch Questionについて複数企業の長期情報を調べ、企業公式の一次情報まで戻って確認したうえで、企業事例、企業横断の違い、Evidence、比較上の注意点、反証となる情報、今回確認できなかったことまで整理しています。

そのため、AIにゼロから調査させるのではなく、すでに整理されたResearchをContextとして渡し、その先の調査から始めることができます。

たとえば、

• 「このResearchの結論は、最新決算でも成立している？」
• 「同じ視点で○○社を追加して調べて」
• 「この結論に反するEvidenceを探して」
• 「○○社について、このResearchを前提にさらに深掘りして」

といった形で利用できます。

このResearchは、AIに答えを任せるためのものではありません。

人とAIが、その先を調べるための出発点となるResearchです。

※生成AIのファイル読込、Web検索、参照可能な情報量などの機能・利用条件は、各サービスによって異なります。

商品情報

Product ID

R003

Version

v1.0

Release

2026-09-01

Format

PDF

Pages

31

Price

¥1,980