AIによる生産性向上という論点は、2023年初頭から株式市場で議論されてきた。AIツールを導入する企業は、AIが人員を代替し、従業員1人当たりの生産量を加速させることで、利益率の拡大を実現するというものだ。この実験から2年が経過した現在、証拠は断片的ではあるが方向性としては一貫している。AI導入に起因する有意義な利益率向上を示す企業がある一方で、莫大なAI関連資本支出を吸収しながらも、営業レバレッジの改善が見られない企業も存在する。この乖離は偶然ではなく、初期の勝者と後れを取る企業を分ける要因を理解することは、銘柄選択においてますます重要になっている。
AI導入による利益率向上の最も明確な例は、AIの応用が直接的で、成果が測定可能な企業から生まれている。セールスフォースとサービスナウは、いずれもAIコパイロット機能が営業生産性指標を押し上げていると述べている。担当者1人当たりのパイプライン増加、商談サイクルの短縮、契約金額の上昇といった指標が、従業員1人当たり売上高に表れている。メタのAI駆動型広告オークションおよびターゲティングシステムの改善は、同社の財務諸表に明確に記録されている。ユーザー1人当たり売上高は上昇する一方で、従業員数は横ばいまたは削減されており、この組み合わせが営業レバレッジを直接的に押し上げている。これらは抽象的な主張ではなく、報告期間ごとのユニットエコノミクスを比較することで検証可能だ。
導入曲線の初期段階にある企業との対比は鮮明だ。予知保全やサプライチェーン最適化のためにAIツールを導入した産業・製造業企業は、測定可能なコスト削減が財務諸表に現れるまでに18カ月から36カ月のプロジェクト期間を要すると報告することが多い。導入段階では、データインフラへの投資、レガシーシステムとの統合、組織変革管理が必要となり、これらすべてが節約効果が実現する前に資本を消費する。AI支援診断を追求する医療システムは、さらに長いサイクルに直面しており、規制当局の承認プロセスがタイムラインをさらに延長している。
2025年第1四半期の決算説明会記録を、セクターとAI資本支出密度で分類すると、有意義なパターンが見えてくる。生産性ツール、開発環境、カスタマーサービスプラットフォームといったソフトウェア製品にAIを統合してきたテクノロジー企業は、AIを売上総利益率拡大の推進要因として挙げるケースが増えている。モデルが構築されれば、AI拡張ソフトウェア機能を提供する限界費用は低く、機能が拡大するにつれて営業レバレッジが生まれる。対照的に、プロフェッショナルサービス企業は、コンサルタントやアナリスト向けのAIツールに多額の投資を行っているが、顧客への請求料金が比例して上昇していないことに気づいている。生産性向上は利益率として保持されるのではなく、価格競争によって失われているのだ。
資本支出の開示には特に注意を払う必要がある。独自の大規模言語モデル能力を構築している企業、つまり独自モデルの訓練や大規模な推論インフラの維持を行っている企業は、営業費用には計上されないが最終的には減価償却を通じて流れる資本コストを負担している。会計処理は現金経済を不明瞭にする可能性がある。資本化費用を通じて年間20億ドルをAIインフラに支出している企業は、短期的には現金創出力が支える以上に収益性が高く見える。AI資本支出が拡大するにつれて、営業利益ではなくフリーキャッシュフローを追跡することがより重要になる。
自社開発か外部購入かという決断は、リアルタイムで展開されるより重要な戦略的選択の一つだ。独自のAI機能を構築している企業は、モデルを所有することによる競争上の堀が構築コストを上回ると賭けている。API経由でサードパーティのモデルを利用している企業は、モデル提供者が十分に速くコモディティ化し、独自所有が不要になると賭けており、その間の資本支出ははるかに少ない。テクノロジー分野における歴史的パターンでは、インフラ層は時間とともにコモディティ化する傾向があり、これは構築者よりも購入者に有利に働くが、現在の急速なモデル改善期においては、最も速く動く構築者が報われる可能性がある。
投資家にとって、分析上の課題は、真のAI駆動型営業レバレッジを持つ企業と、財務結果の裏付けなしにAI熱狂を物語に活用している企業を区別することだ。前者は、従業員1人当たり売上高、売上総利益率の推移、顧客獲得コスト効率といった生産性指標が一貫した方向に改善していることを示す。後者は、決算説明会や投資家向けプレゼンテーションでAIに言及しながらも、対応する財務改善を示さない。物語と指標の間のこのギャップこそが、現在のAIサイクルにおける価格のミスプライシングの大部分が最終的に解消される場所だ。
