AIの見返りはテック以外の企業に出ていない？Apolloのグラフの読み方

AIに大きな投資をしている会社は多いのに、それが利益に表れているのかは、外からはなかなか見えません。投資会社Apollo Global ManagementのチーフエコノミストTorsten Slok氏が、この問いに強い言葉で答えました。10月24日に公開したメモ「No Signs of AI Payoff Outside the Tech Sector」の冒頭の一文です。「巨額の投資と広い期待にもかかわらず、AIはテック以外の米国企業に財務上の見返りを全くもたらしていない」。TechCrunchやFortuneが取り上げています。

社内でAIの予算を説明する立場の人には、気になる見出しです。この記事ではメモの根拠になっている5つのグラフが何を示し、何を示していないのかを分けて読みます。

比べているのは「大手テック7社」と「残りの493社」#

Slok氏はS&P500を2つに分けています。1つはAlphabet、Amazon、Apple、Meta、Microsoft、Nvidia、Teslaの7社（いわゆるMagnificent 7）で、もう1つは残りの493社です。後者を「S&P 493」と呼び、7社と並べて比べています。メモに付いた5つのグラフの中身は次のとおりです。

グラフ	示していること	データ
1. 従業員1人あたり売上高（インフレ調整後）	7社は上がり、493社は横ばい	Bloomberg、Macrobond
2. 利益率	7社は上がり、493社は横ばい	Bloomberg、Macrobond
3. 生産性の伸び（全要素生産性と時間あたり産出）	AIによる伸びの加速は見られない	サンフランシスコ連銀、米労働統計局
4. 支出の分野ごとの、上位10%と下位90%の企業の割合	AI関連の支出は一部の企業に集中している	Ramp
5. AIへの支出が多い企業の資金の出どころ	支出の上位1%はベンチャーキャピタルの出資を受けた企業が多い	Ramp AI Index

Stocktwitsの記事によると、1人あたり売上高は7社がおよそ78万ドル、493社がおよそ52万5000ドルで、利益率は7社が30%近く、493社がおよそ10%です。グラフ1の画像を見ると、493社の線は2022年ごろから大きく動いていません。

グラフ3の全要素生産性は、サンフランシスコ連銀が公表している、設備や人の稼働の度合いを調整した系列です。

グラフ4と5は支出の偏りを示します。上位10%の企業が占める割合は、モデルの提供と推論への支出で99.5%、OpenAIとAnthropicへの支出で95.6%、クラウドへの支出で95.7%です。AIへの支出の上位1%の企業では、ベンチャーキャピタルの出資を受けた企業が80.4%を占め、支出が中央値の企業では13.1%にとどまります。

Slok氏の読み方：トークンは「費用」として見られ始めている#

Slok氏はグラフから、主流の米国企業は支出を控え始め、トークンへの支出を成長の源ではなく、利益率を押し下げる費用として見始めていると述べています。ベンチャーの出資を受けた企業はトークンへの支出を増やしているが、主流の企業は最新のモデルを必要とせず、その代金を払う気もない、という見立てです。その上で、エージェント型のAIとトークンへの支出が経済の一部にとどまる限り、マクロ経済への影響は限られるとしています。

先行きについても慎重です。モデルが安くなっても、主流の企業がその安い知能を売上と利益率の伸びに変えられるかは「思うより難しいかもしれない」と書いています。ビジネスで求められる知能の多くは判断だから、というのが理由です。Slok氏によれば、AIは責任や信頼、企業文化、明文化されていない決まり、倫理上のトレードオフ、公平さを理解しません。これらが評判のリスクを左右し、最終的に売上と利益率を動かすというのが、メモの結びの論理です（メモの末尾には、内容は話し手のその時点の判断で、投資の助言ではないという断り書きがあります）。

このグラフから言えないこと#

見出しの「zero」は強い言葉ですが、グラフが示しているのは、AIの普及が進んだ時期に493社の合計の数字が上がっていない、という事実です。読むときに気を付けたいのは次の3点です。

まず、AIの効果を他の要因から切り分けた分析ではありません。利益率や1人あたり売上高は、金利、原材料の価格、人件費、業界の構成でも動きます。グラフは同じ時期の推移を並べたもので、AIを導入した会社としていない会社を比べたものではありません。導入の時期のずれを使って前後を比べた研究の例は、AIでコードは増えたが、完了した作業は増えたと言えない：理解の負債で取り上げたハーバード大の論文です。そちらでもコードの量が増えた一方で、本番に届いた作業の量に有意な増加は出ていませんでした。

次に、493社の合計であって、個々の会社の投資対効果ではありません。合計が横ばいでも、効果の出ている会社と出ていない会社が混ざっている可能性は残ります。そもそもAIへの支出が少なければ、合計の数字は動きにくくなります。Rampの6月の分析では、従業員1人あたりのAIへの支出は、上位1%の企業で月7,449ドル、上位10%で月611ドルでした。支出が中央値の企業は月11.38ドルで、Rampは企業向けのChatGPTやClaudeの1席分ほどの金額だとしています。Slok氏自身も支出が一部にとどまる限り影響は限られると書いており、「効果がない」と「まだ大半の企業が少ししか使っていない」は、このデータでは見分けられません。

最後に、先行きを逆に見ている人もいます。Fortuneは同じ記事で、Goldman SachsのチーフエコノミストJan Hatzius氏の見方も載せました。Hatzius氏の予想だと、AIブームによる成長の押し上げは2026年後半から2027年初めに頭打ちになります。それでも基本のシナリオは、AIへの投資が最終的に生産性と経済全体の利益で回収される、というものです。ただしHatzius氏は、回収の経路の1つは労働市場の混乱で、短期的にはマクロ経済にマイナスの影響があるとも見ています。

社内のAI投資の判断に使うなら#

このメモは自社のAI投資の効果をどの数字で見るかを考える材料になります。Slok氏が見ているのは、1人あたり売上高と利益率という、損益計算書に表れる数字です。社内で効果を報告するときも、同じ物差しを持っておく必要がありそうです。

導入率や利用率は使われているかを示すだけで、利益に表れたかは示しません。富士通のCopilot利用率「90%超」から学ぶ、生成AI社内推進で見た利用率も、定着の度合いを測る数字です。開発の現場ではコードの行数やプルリクエストの数だけを見ると効果を大きく見積もりやすくなります。本番に届いた作業の量や手戻りの割合を、あわせて見る必要があります。

トークンの費用の扱いも、Slok氏の指摘と重なります。席単位の契約を全員に配るだけの段階と、エージェントに業務を任せてトークンの費用が増える段階では、費用の性格が変わります。後者に進むなら、処理1件あたりの費用と、それで減った人手や増えた売上を、同じ表に並べて説明できるようにしておくとよさそうです。