なぜAIによる利益拡大はウォール街の高い期待に遅れる可能性があるのか

ウォール街は現在、人工知能（AI）によって企業収益が大幅に急増することを織り込んでいるが、そのタイムラインはあまりに楽観的すぎるのではないかという警告が強まっている。Apolloのチーフエコノミスト、トルステン・スロック氏は、非テック部門におけるAI主導のマージン拡大が実際に実現するには、現在の市場予測よりもはるかに時間がかかる可能性があると主張している。

テック企業のバリュエーションと実社会での導入との乖離

現在の多くのAI企業のバリュエーションは、一つの巨大な仮定に基づいている。それは、S&P 493（「マグニフィセント・セブン」と呼ばれる巨大テック企業を除く指数）が、AIの統合を通じて大幅なマージン拡大を実現するというものだ。テック企業はすでに自動化の恩恵を受けているが、経済全体を見渡すと異なる状況が見えてくる。

スロック氏によれば、現在、コアとなるテクノロジーセクター以外の産業において、AIが利益率を押し上げているという明確な証拠はない。市場は急速な収益成長を織り込んでいるが、これらのバリュエーションを正当化するために必要な実際のキャッシュフローは、大幅に遅れる可能性がある。もし生産性革命の実現に5ヶ月ではなく5年かかることになれば、AI関連銘柄は苦痛を伴う大幅なリプライシング（再評価）に直面する可能性がある。

規制産業における構造的な障壁

生産性向上の遅れは、単に導入が遅いという問題だけではない。それは、多くのグローバル産業が活動している複雑な環境の副産物でもある。ヘルスケア、銀行、エネルギー、製薬、製造業といった高度に規制されたセクターでは、AI統合への道は多くの障害に満ちている。

厳格なプライバシー要件、厳格な規制遵守、そして大規模なプロセス刷新の必要性により、これらの産業はソフトウェアのスタートアップのように素早く方向転換することはできない。こうした制度的な摩擦が、ワークフローを最適化しコストを削減するためにAIを導入するスピードのブレーキとなっている。その結果、投資家が期待している「生産性の向上」は、これらのセクターが機械学習の実装に伴う法的・運用的な複雑さを乗り越える間、数年単位で遅れる可能性がある。

ナレッジワークにおける測定の問題

AIが個々の労働者の効率を高めることに成功したとしても、二次的な課題が生じる。それは、これらの成果を定量化することの難しさだ。ナレッジワークの領域では、生産性の向上を正確に測定することは非常に困難であることで知られている。

アウトプットが容易に追跡できる製造業とは異なり、従業員がLLMを使用してレポートを作成したりデータを分析したりすることで得られる利益には、明確な指標が欠けていることが多い。具体的なデータがなければ、経営陣は大規模な資本支出を正当化したり、改善を正式な貸借対照表に反映させたりすることに苦慮する。その代わりに、こうした漸進的な効率性の向上は日常業務の中に「吸収」されてしまい、ウォール街が求める目に見えるマージン拡大として現れないことが多い。

主なポイント

• 市場の過大評価リスク: AI関連銘柄のバリュエーションは、非テック部門ではまだ実現していないS&P 493のマージン成長に大きく依存している。
• 規制による摩擦: ヘルスケアや銀行などの産業は、プライバシー保護の義務や複雑なプロセス刷新により、AI導入に大幅な遅れが生じている。
• 定量化のギャップ: ナレッジワークにおける生産性の向上は測定や報告が難しく、企業がAIの活用をボトムラインの成長につなげることが困難になっている。