AIの売上は本当にあるのか? バブル論への需要側からの答え(2026)

AIエージェントのパイロットを実施する企業78%に対し本番に到達した企業14%、プログラムの成熟度によるリターンの勾配、チーム構成別のパイロット成功率を示すグラフ

AIバブル論のまともな議論は、どれも最終的に1つの未解決の問いに行き着きます。設備投資は巨大で、資金調達は循環的で、減価償却はこれからやってくる。そのすべても、売上の曲線が予定どおりに急になれば乗り切れます。では、そうなっているのか。この問いには供給側からは答えられません。インフラを作っている企業こそ、顧客が価値を得ているかどうかを最も語れない立場にあるからです。答えは需要側から出す必要があります。企業は本当にお金を払っているのか、そしてそこから何かを得ているのか。

これについてのデータは議論が示すよりも充実していて、「すべて誇大宣伝だ」とも「導入が爆発している」とも違う、より興味深いことを語っています。企業は大規模にお金をコミットしており、今後も続けるつもりです。そしてそのお金は、ファネルの中の特定の、見分けがつき、よく記録されたある地点で止まってしまうのです。企業にAIを売っているなら、その停滞点は、この論全体にとっての最大のリスクであると同時に、あなたの市場を最も明確に表すものでもあります。

お金は本物で、コミットされている

まず全体の数字から。世界の企業によるAI支出は2026年に約4070億ドルと予測されており、2025年の3020億ドルから約34.8%の増加です。大企業は今年、売上の約1.7%をAIに使う計画で、2025年の0.8%から倍増しています。事業のうちAIに充てる割合が2倍になったということです。多くの企業では、2年以内にAIがIT予算全体の25〜50%を占めると見込まれています。導入を牽引しているのは金融サービスとテクノロジーで、教育は遅れています。

しかしバブルの問いにとって最も重要な数字は次のものです。組織の94%が、すぐにリターンがなくてもAIへの投資を続けると答えています。 これは結果ではなく確信についての表明であり、両方向に解釈できます。強気派は、1四半期の不調で消えることのない持続的な需要と読みます。弱気派は、まさにバブルを特徴づける信念に基づく支出だと読み、「リターンにかかわらずコミット」という言葉は景気後退を無傷では乗り切れないと指摘します。どちらも妥当です。それでも確かに言えるのは、短期的な需要は主にROIによって左右されてはいないということで、今後18か月の予測を立てているならこれは非常に重要です。

そして、どこでもまったく同じ場所で止まる

お金の行き先はこうです。2026年3月に企業のテクノロジーリーダー650人を対象に行われた調査では、企業の78%がAIエージェントのパイロットを実施している一方で、本番規模に到達しているのは14%だけでした。この64ポイントのギャップこそ、AI予算の大半がひっそりと消える場所です。失敗した技術にではなく、デモでは動くのに事業の運営の一部には決してならない取り組みに消えていくのです。

他の測定も、別の方向から同じところにたどり着いています。IDCは、AIのパイロットの88%が本番に到達しないと結論づけました。RANDの分析では、AIプロジェクトの80.3%が意図したビジネス価値を生んでおらず、その内訳も有益です。33.8%は本番前に中止され、28.4%は完了したものの期待を下回り、18.1%はある程度の価値を生んだもののコストに見合わなかった。この最後の分類が静かに最も手厳しいものです。そうしたプロジェクトは動いていたからです。

「AIパイロットの95%が失敗する」という統計について

この数字はあらゆるところで目にするでしょう。出典はMITの報告書 GenAI Divide で、経営幹部52人へのインタビュー、リーダー153人への調査、300件の公開事例の分析に基づいています。一方で、失敗の定義の仕方について広く批判も受けています。「損益への測定可能な影響がない」というのは高いハードルで、正当に役立っている多くの社内ツールも満たせないでしょう。95%は正確な数字ではなく、方向感を示すものとして扱ってください。本番規模での78/14という割合のほうが確かな数字であり、同じ話をより控えめに語っています。

リターンの実際の姿

リターンのデータは、「大半のパイロットは失敗する」と「誰もが支出を増やしている」という一見した矛盾を解消してくれます。まず平均です。IDCとMicrosoftは、生成AIに使った1ドルあたりのリターンを約3.70ドル、プラスのROIまでの期間の中央値を約14か月としています。遅い時計の上での良いリターンです。多くの四半期計画のサイクルより遅く、それ自体がプログラムが打ち切られる大きな理由になっています。

しかし平均は、重要な発見を覆い隠しています。AIプログラムが 成熟した 企業は、1ドルあたり約4.60ドルのリターンを報告しています。まだパイロット段階の企業は1.20ドルです。同じ技術、同じベンダーで、リターンはほぼ4倍。変数はモデルではなく、組織がデプロイをどこまで進めたかです。そう見ると、期待外れの見出しの数字も腑に落ちます。経営陣が期待したROIを生んだ取り組みは約25%にとどまり、EBITへの測定可能な影響を報告する組織は39%だけです。そして70%超が「プラス」のROIを報告しているものの、20%を超えるリターンを報告するのは1%未満で、大半は1〜5%、それもしばしばお金ではなく生産性で測られています。

言い換えれば、価値は本物で、最後までやり遂げた少数派に集中しているのです。支出の大部分は、リターンが損益分岐点をわずかに上回るだけの曲線上の位置にとどまっています。支出の大部分がギャップを越えていないからです。

パイロットが死ぬ理由。それはモデルではない

規模拡大の失敗のおよそ89%は、5つの原因で説明できます。レガシーシステムとの統合の複雑さ、大量処理時の出力品質のばらつき、監視ツールの欠如、組織内の責任の所在の曖昧さ、そしてドメインの学習データの不足です。このリストを読み返すと、本当にAIに関わるのは1つ半しかないことに気づくでしょう。残りは統合、運用、組織設計の問題であり、企業のソフトウェアプロジェクトが30年間失敗し続けてきたのと同じ理由です。

MITの研究者たちは、別の経路で同じ結論に達しました。経営幹部は規制やモデルの性能のせいにしがちですが、研究が指摘したのは、組織がツールを取り込む方法における「学習のギャップ」と、企業システムへの統合の欠陥でした。大きな価値を生んだ5%のデプロイには、3つの共通点がありました。範囲を厳しく絞った取り組み、特定の領域への集中、そして賢いパートナーシップです。モデルの選択についての話はありません。

コストの形にも、指摘しておくべき問題があります。それ以外の点ではうまくいっているプロジェクトを殺してしまうからです。Uberは2026年通年のAI予算を4月までに使い切ったと報じられています。従量課金の価格設定におけるトークンの罠を示す例で、成功が利用を増やし、利用がコストを増やし、年単位で予算を組んだ財務チームは年の途中でその項目が4倍になっていることに気づきます。予算外のコストにまで膨らんだパイロットは、それが機能していることを一度も疑わなかった誰かによって打ち切られるのです。

データの中で最も行動に移しやすい数字

1つの発見は、山の中から取り出しておく価値があります。社内のAI専門家と外部の知見を組み合わせたパイロットは**成功率67%**を達成しました。**社内のIT部門だけで構築したチームは22%**でした。技術ではなくチーム構成によって、3倍の差が生まれているのです。

AIの導入支援を売っているなら、この数字は売り込みのすべてであり、おそらく最初にこれを示すべきです。しかし、もっと広い意味でも役に立ちます。この数字は、企業のAIを縛っている制約が、特定の、お金で買える種類の経験だということを示しています。パイロットから本番へのギャップを以前に越えたことがあり、それがどこでプロジェクトを飲み込むかを知っている人たちです。その能力は希少で、モデルのサブスクリプションには付いてこず、だからこそ「システム・オブ・アクション」や顧客先に入り込むエンジニアリングのパターンが、うまくいく企業の形として繰り返し現れるのです。

AIを売っているなら、これが意味すること

能力ではなく、越えることを売る。 買い手には能力の問題はありません。その78%はすでにパイロットを持っています。抱えているのは本番の問題です。モデルではなく、ギャップを基準に価格とポジショニングを決めてください。
統合と監視をプロダクトの一部にする。 5つの失敗要因のうち3つは、ベンダーがそのまま提供できるものです。監視ツールなしで出荷するのは、4か月目に死ぬパイロットを出荷することです。
販売の段階で責任者を明確にする。 組織内の責任の所在の曖昧さは上位5つの失敗要因の1つであり、契約前に見えています。顧客側に結果に責任を持つ人がいないなら、品質にかかわらず停滞するプロジェクトに売り込んでいることになります。
成功に耐える価格設計にする。 顧客のコストが導入に比例して直線的に増えるなら、解約の引き金を組み込んでいることになります。上限、コミット型の料金段階、成果ベースの構造は、最も維持したいデプロイを守ってくれます。
14か月のROIの時計を前提に計画する。 プラスのリターンまでの期間の中央値は、ほとんどの予算サイクルより長いものです。社内の推進者が3か月目と6か月目に示せる途中の成果を組み込んでおかないと、プログラムは成功できる前に評価されてしまいます。
範囲は狭く、領域は深く。 うまくいくものについての研究はどれもここに収束します。広く水平的なデプロイは停滞し、狭く領域に特化したものこそ、成功した少数派が作ったものです。

では、売上の曲線は急になるのでしょうか。正直な答えは、バブル論がふだん注目しているものとはかなり違うことに左右される、というものです。次のモデルがより良いかどうかには左右されません。能力は制約ではなく、しばらく前からそうではありません。左右するのは、多くの企業が本番規模14%から大幅に高い水準へと進めるかどうかで、それは研究の問題ではなく、統合、責任、監視、コスト規律についての実行の問題です。

これは本当に未解決であり、不確かに感じるのはもっともなことです。しかし、それが解決可能な種類の問題であり、それを解決した組織は1ドルあたり4.60ドルを得ていて、その2つの状態の間のギャップが1つの市場になっている、ということには注目する価値があります。AIへの賭けが報われるとすれば、それはモデルのリリースによってではなく、地味なデプロイの作業によってでしょう。そしてそれは、今まさに作る価値のある企業が実際にしていることを、かなりよく言い表しています。