blog

AIバブル崩壊論に根拠はあるか?企業が今判断すべき投資の見極め方

AIバブル崩壊論に根拠はあるか?企業が今判断すべき投資の見極め方

「AIバブルは存在しない」という論考が示す現在地

2026年に入り、AI投資の持続可能性をめぐる議論が欧米の金融・テクノロジー界隈で再び熱を帯びている。cnbc.comは「Are we in an AI bubble?」と題した記事のなかで、元バイデン政権経済諮問委員会(CEA)議長ジャレッド・バーンスタインの見解を紹介している。同氏はAI投資額と将来収益の「信頼できる期待値」との乖離を根拠に、現状をバブルと判断する立場を取る。

一方、運用会社Acadianはまったく異なる結論を示す。企業の自社株買いが年間1兆ドル規模で続いており、ドットコムバブル期(1999年)に見られた400社超のIPO殺到が今回は起きていない。「企業経営者が自社株価を過大評価していない」というシグナルであり、これが典型的なバブルとは異なる構造的な支出であることを示すとAcadianは論じる(Acadian: https://www.acadian-asset.com/investment-insights/owenomics/a-trillion-reasons-were-not-in-an-ai-bubble)。

UBSの予測では、世界のAI支出は2026年に5,000億ドル(約75兆円)に達する見込みだ(cnbc.com: https://www.cnbc.com/2025/10/21/are-we-in-an-ai-bubble.html)。OpenAIはすでに約1兆ドル規模のAI関連契約を締結し、収益は約130億ドルに達したとも報告されている。規模の大きさだけを見ればバブルの様相があるが、論点の核心は「金額の大きさ」ではなく「誰が、何のために支出しているか」という構造にある。AI支出の経済規模に占める割合は、cnbc.comの報告によればドットコムバブル期のインターネット投資比率を約3分の1超上回る水準にすでに達している。これは規模の異様さを示す指標であると同時に、前回のバブルとは支出構造が根本的に異なる可能性を示唆する指標でもある。

AI投資の三層構造とバブルリスク第一層VCラウンドトリップ型スタートアップ間の資金循環1,300超のAIスタートアップユニコーン498社(CB Insights)外部収益の裏付けが薄いバブルリスク:極めて高い第二層大企業PoC・パイロット型試験導入・概念実証段階大多数がP&Lへの測定可能インパクトなし(MIT NANDA)すでに縮小傾向バブルリスク:高い第三層プロシューマー・ワークフロー型業務フローへの組み込みコーディング支援・文書自動化等、実務定着が進む主懸念:マージン圧縮・チャーンバブルリスク:相対的に低い出典:investinginai.substack.com / cnbc.com をもとに整理
図:AI投資は一枚岩ではなく、スタートアップ間の資金循環(第一層)・大企業PoCパイロット(第二層)・業務フロー組み込み(第三層)の三層に分類できる。各層でバブルリスクの性質と深刻度は大きく異なる。日本企業が「AIバブル崩壊」論を受けて投資の見極めを行う際、まず自社がどの層に支出しているかを特定することが判断の起点となる。

関連記事AI投資リスクの新しい評価軸は何? / Anthropic IPO評価額下方修正から何を学ぶ?

バブル論の核心:投機的支出と実需支出を分ける構造的な違い

「AIバブル崩壊」論の最も誠実な形は、AI投資全体を否定するものではない。investinginai.substack.comの分析は、AI支出をリスク水準別に三層に分類している。この枠組みが、企業の投資判断に直接使える構造を提供する。

第一層は「VCラウンドトリップ型」。AIスタートアップが調達した資金を、別のAIスタートアップのサービス購入に使う資金循環だ。CB Insightsのデータによれば、評価額1億ドルを超えるAIスタートアップは1,300社超、ユニコーン企業は498社に達している(cnbc.com)。この層は収益が外部の非AI企業から生まれているわけではなく、バブルリスクは「極めて高い」と評価されている(investinginai.substack.com: https://investinginai.substack.com/p/the-ai-bubble-is-real-but-not-where)。

第二層は「大企業のPoC・パイロット型」。大手企業がAIの試験導入を進めるセグメントだが、MITのNANDAイニシアチブの報告では、大多数の生成AIパイロットはP&Lへの測定可能なインパクトを生んでいないとされる。この層はすでに縮小傾向にあり、バブルリスクは「高い」とinvestinginai.substack.comは分類する。日本企業が最も陥りやすいのがこの層だ。稟議を通すためにパイロット予算を確保し、ツールを試験導入するものの、成果指標が設定されないまま継続される状況は、この分類に正確に当てはまる。

第三層は「プロシューマー・ワークフロー型」。コーディング支援ツールや文書作成の自動化など、特定の業務フローに組み込まれたAI活用だ。この層の主要リスクはバブルではなく、競合増加によるマージン圧縮とチャーン(解約率上昇)とされる。構造的な実需があるがゆえに、供給過多が先に問題化するという分析だ。

日本企業が自社のAI投資を見極めるうえで問うべき最初の問いは「自分たちは今、どの層に支出しているか」である。この問いに答えられない段階では、「投資継続か撤退か」の議論は成立しない。

企業投資の見極め基準:「P&Lへの実測インパクト」が判断の軸になる

バブル論の賛否を超えて、実務上の判断基準として最も有効なのは「P&Lへの測定可能なインパクトが出ているか」という一点だ。MITのNANDAイニシアチブが指摘するように、多くの生成AIパイロットはこの検証を経ていない。検証されていないプロジェクトは、継続する根拠を持たない。

以下の表は、AI投資の類型別にリスクと判断基準を整理したものだ。

投資類型 バブルリスク 主な懸念 継続判断の基準
VCラウンドトリップ型(スタートアップ間資金循環) 極めて高い 評価額の根拠が循環的 外部収益(非AI企業からの売上)比率
大企業PoC・パイロット型 高い・縮小傾向 P&Lへのインパクトが測定されていない 半年以内のコスト削減・売上貢献の実測値
プロシューマー・ワークフロー型 相対的に低い マージン圧縮・チャーン 特定ツールへの依存度と代替可能性
インフラ・データセンター型(大手テック企業) 相対的に低い 金利・需要サイクル 自社株買いとの整合性・稼働率

出典:investinginai.substack.com(https://investinginai.substack.com/p/the-ai-bubble-is-real-but-not-where)、cnbc.com(https://www.cnbc.com/2025/10/21/are-we-in-an-ai-bubble.html)をもとに編集部整理

自社のAI投資が「大企業PoC・パイロット型」に分類されるなら、問うべき問いは明確だ。「このパイロットは、いつまでに、何の数値を動かす目的で走らせているか」。期限と指標が設定されていないパイロットは、MITの報告が示す「測定可能なインパクトを生まない多数」に加わる可能性が高い。稟議段階でこの問いに答えられないプロジェクトは、継続を認可しない判断が合理的だ。

もう一点注意が必要なのは、「ワークフロー型」の安全性も絶対ではないということだ。この層の主要リスクはチャーンとマージン圧縮であり、一つのベンダーに深く依存する構造が形成されると、将来の価格交渉力が損なわれる。ツール選定の段階で代替可能性を確保しておくことが、中長期的なリスク管理になる。

AIを使ってAI投資の妥当性を継続評価する実務的アプローチ

逆説的だが、AI投資の見極めにAI自体を活用できる場面がある。ここで言うのは特定製品の推奨ではなく、一般に確立された手法の話だ。

財務インパクトの継続測定には、自然言語処理(NLP)を用いた社内レポートの自動集計が使える。複数の事業部門から月次で提出されるAI活用報告書をLLMベースのツールで構造化し、「コスト」「工数」「売上」「顧客満足度」に関わる記述を抽出・集計する方法だ。人手で行えば相当の工数がかかる工程を、ワークフロー型のAIツールで省力化できる可能性がある。

また、マルチモーダルAIを活用したダッシュボードの自動生成も、投資対効果の可視化に応用されつつある。複数ソースのデータを統合して経営層向けに要約する用途では、テキスト・数値・グラフを横断的に処理できるモデルが実用段階にある(マルチモーダルAIの概説はこちら)。

ただし、AI活用の自動評価には明確な限界がある。定性的な戦略価値(ブランド・競合優位性・技術蓄積)はP&Lには現れにくく、短期の数値評価だけで判断すると中長期に有効な投資を誤って切り捨てるリスクがある。AIツールによる自動集計は「測定できるものを測定する」だけであり、「何を測定すべきか」という問いは人間の経営判断に委ねられる。さらに、社内報告書をLLMに通す場合は機密情報の取り扱いポリシーとの整合を事前に確認する必要がある。

日本企業が今取るべき具体的な一手

「AIバブル崩壊」という言葉は、AI投資全体を否定するシグナルとして使うには粗すぎる。データが示すのは、同じAI投資でも投機的層と実需層に分かれており、前者は縮小圧力にさらされているが、後者は業務フローへの定着が進んでいるという構造的な分岐だ。

明日から試せる実務的な一歩は、自社が進行中のAI関連支出を「VCラウンドトリップ型」「PoC・パイロット型」「ワークフロー型」の三層に仕分けることだ。P&Lへの測定可能なインパクトが確認されていないパイロットには、期限と評価指標を即座に設定する。それができないプロジェクトは、継続の根拠を稟議レベルで問い直す段階にある。この仕分け作業そのものに特別なツールは不要で、現在進行中の支出リストと各プロジェクトの評価指標一覧を突き合わせるだけで実行できる。

Acadianの分析が示す通り、現在の大手テック企業による支出は自社株買いと並走する設備投資であり、ドットコムバブル期のIPO殺到とは構造が異なる。だからといって、個別企業が参加している支出が実需層に属するとは限らない。「バブルか否か」という大局の問いよりも、「自社の支出はどの層にあるか」という内側の問いが、経営判断に直結する。


参考文献

  • www.cnbc.com https://www.cnbc.com/2025/10/21/are-we-in-an-ai-bubble.html
  • Acadian https://www.acadian-asset.com/investment-insights/owenomics/a-trillion-reasons-were-not-in-an-ai-bubble
  • investinginai.substack.com https://investinginai.substack.com/p/the-ai-bubble-is-real-but-not-where

AIニュースのまとめをメールで

毎週月曜、海外AIニュースの日次ダイジェストを1週間分まとめてお届けします。無料・いつでも配信を停止できます。

監修

河合 継(クリスタルメソッド株式会社 代表取締役)

AI・ディープラーニングに関する特許16件の発明者。過去、国立がん研究センターとの共同研究や、テレビ番組でのAI解説実績を持つAI研究者として、AIの研究開発を主導している。
運営会社について | 編集方針

Read next

あわせて読みたい

  • China:中国AIバブル崩壊が「ウォール街東」構想を直撃——日本企業が学ぶべきAI投資リスク管理

    China:中国AIバブル崩壊が「ウォール街東」構想を直撃——日本企業が学ぶべきAI投資リスク管理

    中国AIバブル崩壊の実態——SSE STAR 50は4か月未満で約40%下落、時価総額約4,800億ドルが消失 2026年、中国のAI・テクノロジー株市場で急速...

  • AI投資リスク 企業判断の前提が変わる——巨額債務が示す新しい評価軸

    AI投資リスク 企業判断の前提が変わる——巨額債務が示す新しい評価軸

    AI投資リスク 企業判断の前提が変わりつつある——巨額債務という新たな震源 2026年5月31日時点で、AI関連の世界債務発行総額が2,360億ドルに達したとモ...

  • AnthropicのIPO評価額が下方修正か――AI収益成長の鈍化が日本企業の調達戦略に示す教訓

    Anthropic IPO評価額下方修正と収益成長鈍化が日本企業のAI調達戦略に示す教訓

    Anthropic IPO評価額の下方修正と収益成長鈍化——何が起きているか 2026年10月、The Lufkin Daily Newsが複数の情報源をもとに...

View more