過去3週間、私は全3回にわたって長文の記事を公開し、AIバブルの崩壊を引き起こす潜在的誘因、トリガー事象、そしてその後の連鎖的な影響について分析してきた。
先週、業界の風向きに異変が生じた。
Uberの最高執行責任者（COO）であるアンドリュー・マクドナルド氏が、AIへの投資について「合理的な根拠を見出すことがますます困難になっている」と述べ、この支出と、実際に消費者向け機能として実用化されるまでの費用対効果の論理を整理することが難しいと発言した（これに先立ち、同社のCTOはUberがわずか4か月で年間トークン予算を使い果たしたことを明らかにしていた）。その直後、Axiosの記者マディソン・ミルズ氏が、ある企業が利用上限を設定していなかったため、Anthropicのモデルでわずか1か月のうちに5億ドル（約750億円）を誤って消費してしまったと報じた。
数日後、ミルズ記者は再度記事を配信し、すでに複数の企業がAI関連の支出を削減する方法を模索し始めていると報じた。
その根本的な原因は、私が以前から指摘してきた通りだ。大規模言語モデル（LLM）には本質的にハルシネーション（幻覚、事実と異なる生成）が発生しやすく、さまざまな呼び出しフレームワークやエージェントインターフェースが次々と登場するため、現時点ではAI投資のROIを正確に計算する方法は存在せず、単一タスクの使用コストを測定するための統一基準さえ確立できない。
プロンプト、プロジェクト、インタラクションのシナリオが異なれば、予測不能な異常エラーが発生する可能性があり、ユーザーはこのいわゆる「インテリジェントシステム」が破滅的な低レベルのミスを犯さないか、常に神経をとがらせていなければならない。結局のところ、大規模言語モデルには自律的な思考や意識はなく、事前学習とファインチューニングの段階を除けば、自律的な学習能力はないのだ。
もし製品が実際の効果を定量化できず、使用コストを計算できず、ROIを測定できないのであれば、人々が当初なぜその製品に支払いを決めたのかを疑うのは当然のことだ。
業界で今、AI投資のリターンが期待に届いていないと話題になるのは筋が通っているが、私の見解では、コストを定量化して計算できないことこそが、より致命的な難題である。
昨日、マイクロソフト傘下のGitHub Copilotが課金ルールを全面的に変更し、従来のサブスクリプションプランに基づく利用枠課金から、トークンの従量課金制に切り替えた。これまでは、ユーザーは月額39ドル（約5,800円）のサブスクリプション料金で、膨大なトークンを無制限に消費することができていた。
変更後、多数のユーザーが激怒している。あるユーザーは1回のプロンプト入力で月間利用枠の50%を消費し、別のユーザーはわずか数時間で60%を使い切った。また、1つのプロンプトで31%を消費したユーザーや、継続使用すれば5時間で月間割り当て量を全て使い果たすと見積もるユーザーもいる。8つの指示で割り当て量のほぼ半分を使い、2つのプロンプトで14%を消費したという声も聞かれる。
さらに、数時間で33%の割り当て量が消えたと不満を漏らすユーザーもおり、GitHub Copilotは一夜にして、最も頼りにしていたサブスクリプション製品から、頭を悩ませる悩みの種へと変わってしまった。
補足しておくと、現在のプラットフォームはまだキャンペーン期間中であり、ユーザーは毎月11ドルまたは21ドル（約1,600円～約3,100円）の無料利用枠を受け取ることができる。
補助金付きの価格設定がされているAIサブスクリプション製品の大多数のユーザーと同様に、これらの利用者は最初から一操作ごとの実際のコストを把握していなかった。マイクロソフトは意図的にプロンプトの実際の課金基準を隠蔽し、ユーザーにリソースを大量消費させることで、GitHub Copilotのユーザー増加率を押し上げていたのだ。
この種の混乱は業界全体に蔓延している。
市場に出回っているすべてのAIサブスクリプション製品は、補助金付きの価格設定によって実際の使用コストを覆い隠している。それゆえ、Claude CodeやAI分野を持ち上げるあらゆる宣伝記事は、誤った認識に陥っている。つまり、製品の実際の価値を美化し、業界の現状を過大評価しているのだ。
補足知識
AIサブスクリプションの収益構造を簡単に説明しよう。ユーザーは月額料金を支払い、AnthropicやOpenAIなどのプラットフォームサービスを契約し、日次・週次の呼び出しレート制限の範囲内で自由に製品を利用する。しかし、各社はその制限に相当する実際のリソース使用量を決して明示しない。ユーザーに示されるのは曖昧なパーセンテージのプログレスバーのみで、コストの試算はすべてユーザー自身の摸索に委ねられている。
AIモデルを呼び出す際、入力内容はインプットトークン（1トークンは約0.75英単語に相当）に換算され、モデルの返答はアウトプットトークンに換算される。各社は100万トークン単位で価格を設定し課金する。
モデルにコンテンツキャッシュ機能が備わっており、既存データの再利用や読み書きの重複を減らせる場合でも、インタラクションが発生するたびに、出力結果の質や実用性に関わらず、料金が発生する。
これが、大多数のAIスタートアップが本質的に収益を上げにくい核心的な理由である。ベンチャーキャピタルからの資金調達のほぼすべてが、赤字の製品サービスを維持するために、AnthropicとOpenAIへと流れ続けている。大手AIラボは自前のコンピューティングインフラを構築することで一部の支出を圧縮できるが、それによって収益化を実現できるという確固たる証拠は存在しない。
例を挙げると、ユーザーがAnthropicプラットフォームでサブスクリプション料金として1ドル（約150円）を支払うたびに、それに対応して消費されるトークンコストは8ドルから13.5ドル（約1,200円～約2,000円）にも達する可能性がある。AI推進派が「Anthropicは推論ビジネスにおいてすでに黒字化している」と主張しても、その結論はCEOのダリオ・アモデイ氏の理論的な推論の域を出ておらず、財務諸表に裏付けられたものではない。
分かりやすい視点で言い換えよう。呼び出し制限だけを示して実際の単価を隠すサブスクリプションモデルのもとでは、モデルが無限ループに陥ったり、誤った内容を出力したりするといった不具合は、常に「初期段階の技術的な未熟さ」と片付けられる。結局のところ、ユーザーは月額わずか20ドル、100ドル、あるいは200ドル（約3,000円、約1.5万円、約3万円）しか支払っていないのだから。
Anthropic、OpenAI、そしてAI業界全体が意図的に実際の課金基準を隠しているのは、ユーザーがモデルの初歩的なミスに対して料金を負担しなければならなくなれば、一斉に苦情を申し立て権利を主張するからに他ならない。
果たされなかった約束：AI利用コストは下がるどころか上昇している
ここ数ヶ月で、コストの混乱はついに完全に表面化した。2026年第1四半期、AnthropicとOpenAIは静かに全企業顧客をトークン従量課金モデルに切り替えた。企業の意思決定層は一般的に現場の業務から遊離しており、以前は経営陣が従業員に対し、あらゆる場面でAIを導入するよう強硬に推進し、AI使用率を人事評価の指標に組み込み、雇用の維持に直結させている企業さえあった。
実際のコストを隠したAIサブスクリプション製品を長期にわたって使用した結果、従業員の間では「AIの使用コストはほぼゼロ」という習慣が形成されている。そこに中間管理職がAIの大規模導入を絶えずプレッシャーとしてかけている状況が加わり、一つの業務に対応するAIの実費を誰も把握していないのだ。
このビジネスモデルは根底から崩壊する運命にある。大多数のAIユーザーはトークンの実際のコストを全く理解しておらず、業界の誘導によってそれを無視するように仕向けられ、最終的には無制限で粗放なサービス利用を行い、経済的でないリソース消費を継続的に発生させている。
市場に出回っているAIを持ち上げるバズ記事はすべて、書き手が業界の話術に目をくらまされ、真のコストを無視し、基盤が不安定で、効果が一貫せず、コストが高止まりし、価格が上昇し続ける技術を熱心に宣伝しているのだ。
ついでに言及しておくと、100万トークンあたりの単価が引き下げられたとしても、同等のタスクを完了するためにモデルが消費する必要のあるトークンの総量が大幅に増加しているため、最終的には推論コスト全体を押し上げている。例えるなら、燃料の価格が下がっても、通勤距離が絶えず長くなっていけば、移動にかかる総支出は減るどころか増えてしまうのである。
OpenAI、AnthropicなどのAI企業が結託してAIの実際のコストを意図的に隠蔽するというマーケティング手法は、従量課金制に切り替わるまでは、何の障害もなく機能していた。
新ルールが施行されて1四半期も経たないうちに、大手企業顧客の間では次々とコストパニックが広がっている。ウォルマートは社内向けAIプログラミングツール「Code Puppy」にトークン消費上限を設定した。広報担当者は「従業員が実際の価値を創造できる場面でAIを使うよう誘導する」と述べている。その数日前には、アマゾンの上級副社長であるデイブ・トレッドウェル氏が、従業員に対し「AIを使うためだけに盲目的にAIを使うことのないように」と呼びかけていた。
ここ数年のAIブームは、幾重もの嘘の上に築かれてきた。業界全体が結託し、AIは親しみやすく制御可能で、商業化も持続可能で、収益が見込め、ハルシネーションの欠陥も根治できるという虚構のイメージを作り上げ、現在の問題はすべて業界の発展初期に必ず経験する陣痛に過ぎないと喧伝してきたのだ。
しかし現実には、AI業界は1兆ドル（約150兆円）を超える資本、膨大な数の優秀な技術者、スタートアップへの資金調達とメディア露出の大半を吸収し、何百万人ものクリエイターの成果を消費しながら、目に見える根底の欠陥を治すことができずにいる。
業界内の批判者がロジックの穴を指摘しようものなら、常にUberバブル（この二つは比較にならない）や、アマゾン ウェブ サービス（AWS）の初期の巨額投資（AWSは14年間で累計520億ドル（約7.8兆円）を投じ、開始9年目にはキャッシュフローが黒字化した）を引き合いに出され、「コストはいずれ下がる。辛抱強く待てば業界の転換点が来る」という空疎な言葉を吹き込まれる。
4年間で1兆ドル規模の資本を投じた後で、AIの総コストは下がるどころか上昇し、主要企業の資金消費はますます激しさを増し、製品の信頼性も改善していない。業界の推進者たちは、一部の富裕層が利益を収奪するためだけに、現実を覆い隠す作り話をエスカレートさせている。
OpenAIとAnthropicの製品は、業務を深く掘り下げようとしない経営層の心を正確に捉え、見た目に形になっている半製品を出力して、素人の役員や中間管理職を煙に巻いている。このビジネスモデルが今日まで維持できている中核は、各社が意図的に実際の使用コストを隠蔽していることにある。
改めて強調したい。今日のAI導入コストは3年前よりもはるかに高く、値下がりのトレンドも存在しない。サム・アルトマンが提唱する「知的サービスがあまりに安価になり、課金の対象にならなくなる」という主張は全くの空論である。NVIDIAのBlackwellシリーズGPUは計算コストを低減できなかったし、後継のVera Rubin GPUでも同様だ。グーグルのTPU、アマゾンのTrainiumとInferentiaチップ、Vera Rubin CPU、OpenAI独自開発チップ、DeepSeekのハードウェアのいずれも、AI計算コストの低減を実現できない。
世間がAIコストは持続的に低下すると固く信じているのは、過去の電子製品の価格下落の法則に依拠しているからだが、このロジックはAIには当てはまらない。モデルの訓練と推論にかかるコストには、ハードウェアの購入費用だけでなく、継続的な高額の運用電気代も含まれている。大規模言語モデルは高消費電力の並列計算に依存しており、高価なGPUを搭載しなければならない。モデルのパラメータが大きくなり、構造が複雑になるほど、訓練と推論に必要なGPUの数も同期的に急増する。
NVIDIAのGPUは3世代の製品改良を経ても、計算コストの低下をもたらさなかった。この事実は、生成AIのネイティブなビジネスモデルに致命的な欠陥が存在することを十分に示している。
AIバブルをインターネットバブルと同一視してはならない。AI崩壊の結果はより深刻で、インターネットのような復活は再現できない
業界内では常にAIブームをインターネットバブルと比較する向きがあるが、AI業界の抱えるリスクは当時よりもはるかに深刻だ。人々は過去の歴史に当てはめて業界の混乱を正当化し、世界史上かつてない規模の資本の誤配分という事実から目を背けたがる。
当時のインターネットバブルは、大まかにEコマースとインターネットスタートアップのバブル、そして通信インフラのバブルの二つに分けられる。
ジャスティン・コラー氏の整理によれば、通信バブルは、市場需要に対する業界の重大な誤判から生じた。
アメリカ全土への大規模な光ファイバー敷設の背景には、広く流布された誤った論理があった。インターネットトラフィックは90日ごとに倍増するというのだ。この見解は証券会社のレポート、決算説明会、投資家向けプレゼンテーション資料にあふれており、もしこの論調が真実なら、指数関数的に急増する需要が常にインフラ供給を上回り、1インチたりとも光ファイバーは投資回収と収益を続けられる理屈だった。
しかしデータがこの嘘を暴いた。AT&Tの研究員アンドリュー・オドリツコ氏が実際のトラフィックデータを集計した結果、アメリカのバックボーンネットワークのトラフィックは実際には年率で倍増しており、成長は急速ではあったが、90日で倍増するという途方もない速度には到底達していなかった。
同時に、波長分割多重（WDM）技術により、1本の光ファイバーで複数の光信号を並行して伝送できるようになり、単線あたりの伝送容量は指数関数的に向上した。
最終的に、インフラの敷設規模は実際の需要をはるかに超えるものとなった。当時、世界のネットユーザー数は極めて少なく、しかもダイヤルアップ接続の速度は非常に遅かった。
誰もが「かつてインターネットも疑念にさらされた」という話を、AIの将来性を証明する材料として使うが、歴史を正しく認識すべきだ。2000年の米国成人のインターネット普及率はわずか52%で、2003年にようやく61%に上昇した。世界銀行のデータによると、2005年の世界のネット人口比率は16%、それが2024年になってようやく71%に達したのである。
二者の決定的な違いはブロードバンドの普及にある。初期の56Kダイヤルアップは分単位で課金され、速度も遅かった。2000年から2002年の米国の平均ネット速度の上限は400キロビット/秒（約50KB/秒）だった。対して現在の米国の平均速度は200メガビット/秒（約25MB/秒）を超えている。
当時としては、ウェブページの読み込みにかかる時間は今では想像もできないほどのものだった。その後のウェブデザインの最適化とモバイルの普及が、インターネットのエコシステムをさらに活性化させた。21世紀初頭、Eコマースはまだ揺籃期にあり、インターネットバブルが遺した莫大な光ファイバーインフラは、むしろ業界の長期的な恩恵であり、バブルがもたらした数少ないプラスの価値でもあった。
AIとインターネットバブルの核心的な分水嶺：遊休状態だった光ファイバーは、一度アクティベートされれば、その上で実用化されたインターネットサービスはダイヤルアップ接続よりもユーザー体験が良く、単価も安かった。TheGlobeやWebvan、Pets.comといった破綻企業の損失は、自身のビジネスモデルの歪みに起因するものであり、インターネットへの接続コストが高すぎたからではない。
それらの後継として対比されるFacebook、Instacart、Chewyは、商品配送やネットワークアクセスの基礎的な科学原理を覆すことなく、収益性を達成したのである。初代企業の倒産は、無謀な拡大と、1ユーザーあたり400ドル（約6万円）にも達した高い顧客獲得コストに起因していた。
DellとCoreWeaveはすでに最初のVera Rubin GPUを実装しているが、収益性や持続可能な運営に関する言葉を口にする企業は一つもない。なぜなら、NVIDIAの研究開発の重点は省エネルギー効率の最適化ではなく、ハードウェアの価格設定を引き上げることに置かれているからだ。
創業者のジェンスン・フアン氏の公式発言によれば、現在のAIデータセンターの建設コストは1ギガワットあたり約500億ドル（約7.5兆円）、将来は800億ドルから1,000億ドル（約12兆円～約15兆円）にまで高騰するという。
価格設定の傾向から見る限り、計算コストに下落の兆しは全くない。たとえ単一のハードウェアの理論上の計算能力が向上しても、エンドユーザーは値下げや効率向上という実際の恩恵を受けておらず、業界は今もハードウェアのアップグレードによる導入価値を定量化できていない。
要するに、インターネットバブルは過熱した資本に由来するが、バブル崩壊後には利用可能な通信インフラが残り、その後は既存のインフラを基盤として持続的なコスト削減と効率向上が実現した。AIデータセンターやAIスタートアップの分野には、この復活のロジックは存在しない。
そしてAIバブルは再利用できる良質なインフラを残さず、インターネットバブルのような救済相場も存在しない。
インターネットや鉄道バブルを例に挙げ、バブル崩壊後も業界が完全に消滅することはないと論じる記事をよく見かけるが、この種の類推はAI産業の本質を完全に見誤っている。
GPUを満載したAIデータセンターは、その用途がAI計算に高度に限定されている。GPUはビッグデータの並列統計処理や科学研究のシミュレーションモデリングにも利用できるが、ハードウェアアーキテクチャが本質的に断片的で散発的なタスクの処理を得意とせず、大多数の汎用的な計算需要には適合しにくい。
インターネットバブルの救済のロジックは、膨大な量の光ファイバーという既存資産に依拠し、その後にわずかな建設コストを追加するだけで、全国民に低価格なブロードバンドを普及させられるというものだった。AIには、再利用できるこうした既存インフラの恩恵はない。
AIデータセンターの初期インフラ投資は数十億ドル単位に上り、最初の5～6年は常に赤字経営が続き、永遠に建設コストを回収できない可能性もある。5年後にVera RubinやBlackwellのラックにかかる電気代、設置スペース、自家発電機といった運用維持コストは、現在と変わらないだろう。未完のまま完成・送電網に接続されたデータセンターや、付随する自家電源のコストも、時間とともに下がることはない。
インターネットバブル崩壊時には、倒産した企業がサーバーやオフィス機器を安値で売りに出し、起業家たちは低コストでスタートアップを立ち上げることができた。例えば、サン・マイクロシステムズのUltra Enterprise 3000サーバーは当時の価格で4万3,000ドル（現在の価値換算で約8万9,000ドル）、消費電力は1,200～1,500ワットで、一社の全スタック業務を支えることができた。一方、B200 Blackwell GPUの1基あたりの消費電力は1,200ワットに達し、一人のユーザーが複雑なAIコーディングタスクを完了するには4～12基のGPUが必要となる。少数のGPUでは収益性の高いプロジェクトを立ち上げるのは難しく、収益化も大規模な実用化も一切うまくいかない。
遊休状態の光ファイバーは、送受信機器を取り付ければすぐにブロードバンドネットワークを開通できた。しかし、AIデータセンターは特定のチップに適合するよう設計された専用の冷却システムを備えた特殊な施設であり、汎用のサーバールームに改造するには完全に取り壊して再設置する必要があり、先行した巨額のインフラ投資はそのまま無駄になる。
仮に、経営破綻した計算能力企業から遊休状態のBlackwell GPUを安く買い取ったとしても、個人ユーザーにはそれを使いこなす力はない。専用の設備や冷却といった固定費は高止まりし、たとえチップが無料同然でも、データセンターに預けるコストが依然として高額なのだ。
インターネットや鉄道がバブルサイクルを乗り越えられた中核は、初期の建設投資が一度きりであり、その後の限界費用が抑制可能だったからだ。
高性能GPUを満載した遊休AIデータセンターを安値で引き継いでも、高額な継続的な電力代や人件費が底なしの穴となる。ハードウェアを遊ばせていても固定費は発生し続ける。利益を出すには全稼働時間にわたって計算能力をフル稼働させる必要があるが、業界全体に成熟した収益性の高いビジネスモデルは存在せず、潤沢な資金を調達しても、クローズドループを確立できた企業は一社もない。
モデルの訓練コストはすべて持続的な運営コストである。ゼロから大規模なモデルを訓練するには、多くの場合、H100やH200チップが1万基以上必要で、訓練の結果が良くても悪くても電気代は全額支払わなければならない。一度の失敗した訓練プロジェクトで、数千万ドルから1億ドル（数十億円から百数十億円）規模の損失が発生し得る。バブルが崩壊すれば、この種の無駄な投資を引き受ける資本はなくなる。
私は前回の有料記事で理論的なシナリオについて言及した。AIが真の価格設定に回帰した場合、大多数の企業は利用コストを負担できなくなる。しかし、AIの現在の偽りの需要は補助金付きの価格設定によって生み出されたものであり、企業がいったん実費を負担し始めれば、予算を削減し、投資を停止し始める。
バブル崩壊後、業界全体のAI投資熱は崖のように急落する。スタートアップへの融資は途絶え、企業のAI予算は削減・撤廃され、データセンターへの資金調達は行き詰まる。
AIバブルは、全チェーンが業界の喧伝によって維持されている。「AI工場」というコンセプトを誇大に喧伝して社債を発行し、NVIDIAのハードウェアを購入し、データセンターを建設する。AIソフトウェアの実用価値を吹聴することで、企業にOpenAIやAnthropicのサービスを継続的に購入させる。AI導入の潜在力を煽ってスタートアップの資金調達を実現し、メディアの絶え間ない宣伝活動によって天文学的なコストを覆い隠す。この虚偽の体系が一度崩壊すれば、バブルは瞬時に瓦解する。
業界は、虚偽や不実表示、資本に取り込まれた経済メディアによる熱狂の維持に依存しており、曖昧な宣伝がAIの評価額を吹き上げ続けている。主流メディアは「AIはソフトウェアを開発できる」といった大雑把な言い回しを常套手段として用い、まるで一言で商用化可能な完成品ソフトウェアを生成できるかのように大衆をミスリードしている。現実には、モデルが出力するコードには欠陥が多く、素人の管理者やろくに調査もしない記者を欺くことしかできない。
全国民がAIの流行に乗らざるを得ない世論の圧力がこうして形成される。「AIを受け入れなければ、次世代インターネットの利益を逃す」という論調が、企業に盲目的な投資を強いているのだ。もし世論による圧力がなければ、AI製品は実際の製品力のみに頼って成り立つしかなかったはずであり、大手企業が市場全体の世論形成の追い風に乗ってもなお、製品価格を補助金で支えているという事実は、製品自体の価値の薄さを側面から証明している。
ハードウェア・ソフトウェアの両面でバブルを膨らませる唯一の方法は、一般市民と投資家に対して、AIの真のコストと導入効果を隠蔽することである。
今、企業は実際の請求額に直面し、導入効果を精査し始めており、業界は集団的なコストパニックに陥っている。
ROIを巡る論争が勃発している：ROIを測定不能＝AIには実際のリターンがない
先週、SemiAnalysisは非常にミスリーディングなレポート「AIの隠れたアウトプット：見えない成果に対する顕在的なコスト」を発表し、「AI導入の利益は先に発生し、後から定量化される」という見解を打ち出した。さらに「AIは産業革命級の産業変革をもたらす可能性があり、企業はAIへの投資を増やし続けているが、新たに生み出されている大量の経済生産は、統計上不可視の隠れた状態にある」という論調を展開した。
SemiAnalysisは半導体業界の調査分析を主力としており、本来的にAIバブルを維持したいという利益相反がある。「利益は客観的に存在するのだが、ただ統計を取ることができないだけだ」という弁解に終始していることは、まさに業界の窮状を物語っている。
同レポートが定義する「隠れたアウトプット」とは、AIが創出する経済的増分のうち、GDP、物価、雇用、企業の財務報告統計に反映されないものを指し、以下の2種類に分類される。
1. 代替型の隠れたアウトプット：本来、人間の労働力によって完遂されていた作業がAIに移管されたもの。試算によると、現在AIが最適化または自動化できる作業規模は約1.5兆ドル（約225兆円）に上る。
2. 新規創出型の隠れたアウトプット：AIが登場する以前はコストが高すぎて誰も手を付けられなかった全く新しい作業。その長期的な増分の潜在性は、代替型の分野をはるかに凌駕する。
その論証として挙げられている事例は穴だらけだ。例えば、「法律文書は、弁護士が作成しようとAIが生成しようと、インフレ調整後の使用者にとっての経済的価値は同等であり、対応するGDPの増分も同じである」としている。
弁護士を雇って費用を支払うのは、実務経験、判例検索、訴訟リスク管理といった専門的なサービスを購入するためだ。AIはテキストをつなぎ合わせ、高い頻度でハルシネーションを起こすだけであり、法務におけるリスク管理能力を再現することはできない。両者の経済的価値には天と地ほどの差がある。
レポートはさらに、「AIが文書作成業務を引き受けると、関連する人件費は消滅し、コストはトークン支出へと転換される。政府統計では法律サービスの平均価格がかえって上昇し、単純な文書作成はすべてAIが処理することになるため、GDP統計上ではデータの断層が発生し、ごく僅かなトークン消費だけが他の産業の生産額として計上される」と補足している。
AIの商業化から4年が経過したが、業界は依然として仮想的な事例に依拠してその価値を証明しようとしている。現実には、単純な文書作成でさえ、AIに全面的に外注されて作成されるわけではない。法律事務所の収受の核心は、その専門的な知識と経験をもって法的リスクを回避することにあり、若手弁護士の起草からパートナーの最終チェックに至るまで、全工程でリスク管理が行われている。この空疎な論理こそが、AIバブルが膨張し続ける基盤なのだ。
レポートの言うところのAIによる新規創出作業は、文献レビューやメールの要約といったものに矮小化されており、ごく一部の事例を基に、トークンの支出の大部分は人間の労働を代替するためではなく、全く新しい付加価値業務に費やされていると主張している。
もしAIに正のROIが存在するならば、レイオフ（一時解雇）の波が顕在化する事実になるはずだ
AIが人間の仕事を代替したというニュースはすべて、曖昧で玉虫色の表現に満ち溢れている。
以前、複数のメディアがオックスフォード・エコノミクスの結論を引用し、初級職がAIに大規模に代替されたと報じた。しかし、原文は一部の業種において2022年以降に雇用率が低下し、AIが雇用を代替した潜在的な兆候が見られることに言及しただけで、実証されたデータは存在しなかった。
CNBCは、「AIが米国の労働力の11.7%を代替しうるというMITの研究」と扇情的な見出しで報じたが、そのデータの出所は雇用に関するシミュレーションモデルに過ぎず、AIの実際の現場導入によるデータではなかった。
大多数の企業がAIの名のもとに人員削減を行う動機は、株価をなだめ、業界の話題性のあるニュースを狙ってのことだ。技術が実際に導入され、人員削減を余儀なくされた結果ではない。もしAIが本当に人間の労働力を大規模に代替できるなら、世界的な失業率の急上昇と社会不安が、明確な経済シグナルとして現れているはずだ。
もしAIの導入効果が謳い文句通りなら、各業界は破壊的な変革に見舞われるはずである。
1. ソフトウェア業界の崩壊：一般の人が一言で商用ソフトウェアを生成できるため、誰も既製のソフトウェアを購入しなくなり、クラウドベンダーのビジネスモデルは瓦解する。「SaaSpocalypse（SaaSの終焉）」は決して、業界の過熱による評価額の調整などではない（プライベートエクイティが2018年から2022年にかけてソフトウェアの評価額をつり上げてきたことについて、アポロのジョン・ジト氏は「資産価格が全面的に歪んでいる」と明言しており、AIとは無関係である）。
2. 会計業界の消滅：税金の申告はすべてツールが行い、専門の会計士の存在意義がなくなる。
3. 法学業界チェーンの崩壊：法律事務所は新卒を大量採用しなくなり、ロースクールの学生募集は枯渇し、法務専門職の給与は急落する。
4. 全領域の科学研究の再構築：全学問分野の深度ある報告書がワンクリックで生成され、人間による科学研究は価値を失う。
以上のシナリオが実現するための前提条件は、大規模言語モデルがハルシネーションをゼロにし、自律的な思考と独自の創造力を備えることだが、既存の製品はその基準に全く達していない。
AIによる人員削減データが統計上得られない根本的な理由は、AIが完全な業務サイクルを独立して完遂できず、個別の断片的な外注業務で劣悪な代替品を作ることしかできず、全工程を通して職務を履行する総合力を持たないからだ。モデルには実務経験、業界知見、主観的な判断力がなく、すべての出力は訓練データセットに依拠している。
サム・アルトマンやダリオ・アモデイは、失業の恐怖を煽ることで数千億ドル（数十兆円）もの資金を調達したが、今や二人とも態度を変えてレイオフ論をトーンダウンさせている。当初、盲目的にこの宣伝に乗った業界関係者は、その責任を免れない。
真のROIを備えた製品は、導入の可能性を繰り返し論証する必要などない
世界中の誰もがいつでもどこでもChatGPT、Claude、Geminiを試用できる。もしAIが本当に効率的に実用化できるのなら、民間ではとっくにAIを活用して収益を上げているスタートアップが多数出現し、各業界のトップ企業は技術による差別化を実現し、サービス価格は断崖的に下落しているはずだ。
しかし現実には、4年が経過した今も、AIによって業界の勢力図を覆した模範的な企業は一社も存在しない。
業界もまた、各社のでっち上げの嘘に頼る必要もなくなるはずだ。例えば、Anthropicが「Mythosの性能が高すぎるためにリリースを延期する」と虚偽の発表をし、その数ヶ月後には予定通りローンチするといったこともなくなる。経営幹部が口を酸っぱくしてAIの価値を論証する必要もなく、導入の成果は目に見えて明らかなため、潜在性など空論を弄する必要はなくなるのだ。
ROIを定量化して試算すれば、その結論は一様に「リターン不在」を示している
ベイン・アンド・カンパニーが最近、年間売上高1億ドル（約150億円）超の企業の幹部951人を対象に行った調査では、安定的かつポジティブなAIリターンを裏付けるデータは得られなかった。調査対象企業のうち、コストを10%～20%削減できたのはわずか37%で、40%の企業ではコスト削減幅が10%未満だった。世界中でAIによるコスト削減が30%を超えた企業は、わずか4%に過ぎない。
コスト削減の基準も曖昧だ。10%の削減といっても、1,000万ドル（約15億円）規模のコストと、1,000ドル（約15万円）規模のコストとでは、その差は歴然としている。統計上の定義はあいまいで不明瞭だ。
さらに致命的なデータとして、44%の企業が、前回の曖昧なコスト削減データに基づいて、次のAI投資を計画している。しかし、これらの企業の中には、以前約束したコスト削減の利益が未だに実現していないところもある。
ベインのレポートの金言がこの混乱を一言で看破している。「技術は動いたが、価値は着地しなかった。過去の偽りの収益に基づき雪だるま式に投資を追加することは、一見リスク管理のようだが、実のところ、それ自体に欠陥を内包した循環賭博である。」
平たく解釈すれば、製品は稼働するが、経済的な価値を創造できないということだ。それすなわち、導入の失敗に等しい。
ベインが提言したのは、企業がAIを導入する前に、期待される収益ではなく、自動化の真の収益を必ず照合せよということだ。そうすることで、盲目的に投資を追加し、リスクを拡大することを避けよ、というのである。
年間売上高が数百億ドル規模のトップクラスのコンサルティング会社が、わざわざクライアントに対してROIを計算するよう注意を促さなければならないという事実自体が、AI導入による価値の欠如を側面から証明している。
計算コストが制御不能に陥っている業界の現状に対し、サム・アルトマンはインタビューで、企業からAI支出の急増と利益の曖昧さについて不満が広がっていることを認め、業界は今後、自ずと費用対効果を整理していくだろうと述べた。
インタビュアーのデイビッド・フェイバー氏は、ここで追及すべき質問の機会を逸し、話の途中で宇宙空間での計算能力という無関係な話題に飛んでしまった。これこそが、AIバブルがメディアの手抜きによって膨張し続ける核心である。重要な問題は避けて通し、漠然とした遠大な未来の話題へと話をそらすのだ。
1,000億ドル（約15兆円）を超える資産を持ち、評価額8,520億ドル（約128兆円）のOpenAIを率いるアルトマン氏は、業界全体の改革責任を他に押し付け、自らは核心的な難題を回避している。
大規模言語モデルの利用者は、詐欺の被害者に成り下がっている
もしAIに確固たるROIがあるのなら、業界は収益向上の導入事例を容易に列挙できるはずだ。Spotifyのエンジニアの負担軽減を称賛することに意味はない。プラットフォームの製品アップデート、システムの安定性、機能の実装に実質的な進歩はなく、AIが生成した大量のコードがかえってソフトウェアの不具合を深刻化させている。
実際のコストの観点から言えば、AIコーディングツールは業界全体の研究開発費を押し上げている。企業はAnthropicやCursorに巨額の費用を支払い続けているが、コードの品質は全体的に低下している。一部のエンジニアはツールの使用を好むが、対応する導入利益の証明を提示できる者は誰もいない。
私は率直に言う。大規模言語モデルに全面的に依存してビジネスプロセスを遂行する従事者は、全員がマーケティングのレトリックに収奪された被害者である。
日常的なスクリプト作成、簡単なオフィス業務の補助、音声の書き起こし、情報検索の補助といった軽度の利用は、全く問題ない（ただし、検索内容は情報源を逐一確認する必要がある）。しかし、ビジネスプロセス全体を大規模言語モデルに結びつけることは、マーケティング詐欺を軽信するに等しい。
AI自動化ワークフローを一つ導入するには、モデルのハルシネーションという欠陥を補うために、大量のエラー捕捉用スクリプトを積み重ねる必要がある。ユーザーがツールの調整に費やす工数は、本来の人手による作業量をはるかに上回る。ユーザーが得る達成感は、製品マーケティングに洗脳された結果に過ぎない。
一部の人がモデルを使ってPythonのデータスクリプト作成を簡略化するが、その恩恵の本質はPythonというプログラミング言語によるものであって、大規模言語モデルの技術的ブレークスルーによるものではない。
1兆ドル（約150兆円）もの資本を投じて得られた製品が、入門レベルのスクリプト作成のハードルを下げることしかできないというのは、それ自体が究極の資本の浪費である。
すべてのAI自動化プロジェクトは、その本質が、莫大な補助金と不実表示によってパッケージ化された詐欺である。宣伝者から導入によるリターンを追求された時、人々はUberやインターネットバブルといった無関係な事例を繰り返し持ち出して言い訳をするしかない。
熱狂的な支持者が必死に弁護する根本的な理由は、導入利益やコスト試算といった基本的な質問に答えられないからだ。既存の大規模言語モデルはすべて、机上の潜在力によって販売されており、実際の導入効果は宣伝上の期待値には遠く及ばない。
ROIを定量化できないことに対する最終的な答え、それは「AIにはポジティブなROIが存在しない」である。大規模言語モデルは、単純な作業をわずかに加速できるだけだ。タスクの複雑性が増すにつれて、精度とコストパフォーマンスは同期的に低下する。計算能力を増強しても、モデルが試行できるタスクの境界を広げることしかできず、収益性の公約を果たすことはできない。
少数の導入事例は、モデルに本質的に存在する欠陥を意図的に無視するか、あるいは高額な人件費を投入してエラーを修正しなければ成り立たない。最終的に得られるのは、極めて費用対効果の低い半製品だ。自動化の神器としてパッケージ化されている大規模言語モデルは、実際の運用では人間の手作業によるエラー修正と欠陥の吸収に全面的に依存している。代替されるはずだった人間の労働力が、AIを稼働・維持するためにその労力を費やしているのだ。
資本と経営幹部は虚偽によってメディアと資本市場を洗脳し、業界全体のリソースを収奪している。メディア従事者や素人の管理者は、技術と業界に対する認識を欠いたまま、話題性や見せかけに振り回されている。大規模言語モデルは、盲目的に追従する人々の虚栄心を正確にとらえ、あたかもモデルが価値を創造しているかのように錯覚させるが、実際には、人間がより多くのリソースを投入して製品の欠点を補っているに過ぎない。
1兆ドル規模の資金と業界全体のリソースを費やして得られた製品は、質の低い文書、粗悪な表、著作権をつなぎ合わせた画像を生み出すだけで、何ら破壊的な導入成果は存在しない。
料金を支払うユーザーとして、本来の役目は製品の優劣を評価することであり、自ら進んで製品の欠陥の言い訳を探したり、メーカーの誇大宣伝の肩を持ったりすることではない。製品の潜在性を絶えず弁護しなければならないことこそが、AI業界のビジネスモデルがその根本から致命的な欠陥を抱えていることの、何よりの証明なのである。