アポロのエコノミスト：AIはほとんどの企業にとって依然「財務リターンゼロ」

編集者注：シリコンバレーの巨大企業がAIインフラに数千億ドル単位の投資を積み増す中、ある鋭い問いが繰り返し提起されている——果たしてその資金は回収できているのか？アポロ・グローバル・マネジメントのチーフエコノミストが示した答えは不安を掻き立てるものだった：ほとんどの米国企業にとって、答えは「ノー」である。

核心的主張：賑わいはテック界のもの、リターンは不在

TechCrunchの報道によると、アポロ・グローバル・マネジメント（Apollo Global Management）のチーフエコノミストは、AIをめぐる投資規模が前例のない水準に達し、市場の熱狂が続く中にもかかわらず、この技術は「テクノロジー業界を除く米国企業にとって、ほとんど財務的リターンをもたらしていない（zero financial payoff）」と公言した。

この判断は孤立した見解ではない。AIツールの調達と試験的な導入を完了した多くの企業が、損益計算書に対応する増分利益を見出せずにいるという、最近の複数の企業調査が共通して示す知見と呼応している。投入側の請求書は明確に見えているのに、産出側の収益は判然としないのだ。

「人工知能に莫大な資金を投じ、市場の宣伝も溢れ返っているにもかかわらず、この技術は米国のテクノロジー業界の外では、ほとんど財務的リターンをもたらしていない。」

なぜ投入とリターンの間にタイムラグが生じるのか

このギャップを理解するには、「技術の利用可能性」と「価値の実現可能性」という二つの段階を区別する必要がある。歴史的に見ると、電力、コンピューター、インターネットもいずれも同様の長い潜伏期を経験してきた——企業はまず設備を調達し、次にプロセスを再構築し、最後にようやく生産性の飛躍が語れるようになる。経済学者ロバート・ソローの有名な言葉、「コンピューター時代はいたるところで見られるのに、生産性統計の中だけには見られない」は、今やほぼそのままAIに当てはまる。

現状において、リターンの実現を阻む要因は少なくとも四つある：

第一に、導入コストが過小評価されている。モデルの呼び出し費用は氷山の一角に過ぎず、データガバナンス、システム統合、従業員研修、コンプライアンス審査のコストがソフトウェアのサブスクリプション費用の数倍に上ることも珍しくない。

第二に、プロセス改革がツールの調達に遅れている。多くの企業がAIを「既存プロセスにボタンを一つ追加する」ものとして扱い、ワークフローを根本的に再設計しないため、非効率な工程がより速く回るだけという結果に終わっている。

第三に、価値の帰属が困難である。AIがもたらす効率改善は経営全体の変動の中に埋没しがちで、財務上の観点から単独で切り出して定量的に計上することが難しい。

第四に、エラーコストと信頼のハードルがある。カスタマーサービス、法務、財務などの重要な場面では、モデルのハルシネーションによる手戻りとリスクのコストが、効率改善によるメリットのかなりの部分を相殺してしまう。

なぜテクノロジー業界は例外なのか

注目すべきは、このエコノミストの判断がテクノロジー業界を意図的に対象外としている点だ。理由は難しくない：テクノロジー企業はAIの開発者であると同時に、最も早い利用者であり最大の受益者でもある。他者に演算能力を売り、モデルを自社製品に組み込み、AIで広告レコメンデーションやクラウドサービスの運用を最適化しており、収益とコストが同じ損益計算書の中で完結している。チップメーカー、クラウドサービスプロバイダー、主要なモデル企業は、今回の波の中で最も確実な勝者となっている。

しかし小売、製造、医療、金融、物流などの伝統的な産業にとって、AIは「追随しなければならないが、すぐに成果を出すことが難しい」長期的な設備投資に近い。これらの業界は調達コストを負担しながらも、テクノロジー企業のように技術を直接販売可能な製品へと転換できるとは限らない。

市場にとっての意味

この主張が持つ威力はそのタイミングにある。現在AIインフラへの投資は史上最高水準にあり、資本市場における関連企業の評価額にはすでに「将来の生産性配当」が大量に織り込まれている。企業レベルでのリターンがいつまでも実現しなければ、投資と収益のギャップは二つの形で収束する可能性がある：設備投資の熱が冷めるか、あるいは評価額の期待値が修正されるかだ。

ただし、これをもってAIがバブルだと断言する必要はない。より慎重な解釈は次のようなものだ：技術普及の曲線は決して線形ではなく、インフラが先行しアプリケーションが後に続くのは通常の姿である。真の分岐点は、企業が「ツールを買う」段階から「プロセスを変革する」段階へ、概念を追いかけることから具体的な場面での投資収益率を測定することへ転換できるかどうかにある。

企業への三つの示唆

第一に、AIの予算を「戦略的必要性」ではなく、検証可能なビジネス指標と紐付けること。第二に、高頻度・標準化・適度なエラー許容度を持つプロセスの改革を優先し、収益をできるだけ早く可視化すること。第三に、「パイロット疲れ」に注意すること——多くのプロジェクトがデモの段階に留まっていること自体がサンクコストとなっている。

つまるところ、エコノミストが言う「財務リターンゼロ」とは、AIへの否定というよりも、価値実現のペースへの警鐘と受け取るべきだ：技術はすでに登場しているが、価値は自動的に手元に届くわけではない。

本稿はTechCrunchより編訳