2026年2月23日、平穏な月曜日になるはずだった日が、IBM株にとって2000年10月以来最悪の、凄まじい一日での暴落へと一変した。株価は13.2%下落して取引を終え、わずか数時間で時価総額約400億ドルが失われた。その引き金となったのは、悲惨な決算報告や規制当局の取り締まりではなく、ある製品発表だった。AIスタートアップ企業のAnthropicが、IBMシステム上で稼働するCOBOLプログラミング言語を最新化できるClaude Codeツールを発表したのだ。COBOLはIBMにとって中核事業であり、非常に収益性の高い事業である。
3日後、全く逆の展開で同様の事態が発生した。2月26日、ジャック・ドーシー氏率いるフィンテック企業ブロックは、AIによる効率改善という同じ理由で、従業員の約50％にあたる約4,000人の解雇を発表した。しかし、市場の反応は大きく異なり、ブロックの株価は時間外取引で24％以上も急騰した。ドーシー氏は株主への書簡の中で、「来年には、ほとんどの企業が同じ結論に達し、同様の構造調整を行うだろうと私は考えている」と率直に述べている。
2つの出来事、1つの原動力――AI――。そして、2つの劇的に異なる市場反応――一方は急落、もう一方は急騰。舞台裏では一体何が起こっていたのか？その答えは、より深い問いを示唆しているのかもしれない。AIは「価値ある資産とは何か」を再定義しつつあるのだ。上場企業の経営幹部、投資家、そして伝統的な企業の意思決定者にとって、この再評価の論理を理解することは、もはや将来を見据えた戦略的検討事項ではなく、差し迫った生存の問題となっている。
I. 同じAIでも、市場の判断は異なる
これら二つの出来事の対比を理解するためには、まずそれぞれの資産構成を検証する必要がある。
IBMの株価急落は、表向きはClaude Codeツールによる技術的脅威が原因とされているが、実際には市場による同社のコア資産モデルの再評価である。1950年代後半に誕生したプログラミング言語COBOLは、現在でも世界中のATM取引の約95%を支え、金融、航空、政府などの重要分野の多くの基幹システムを支えている。Anthropic氏は自身のブログで、「何千億行ものCOBOLコードが毎日本番環境で実行され、重要なシステムを支えている。にもかかわらず、COBOLを理解できる人の数は年々減少している」と述べている。
COBOLシステムの近代化は、IBMの収益性の高い事業の要であり、長らく複雑で費用のかかる作業だった。しかし、Anthropic社は「AIの力を使えば、チームは数年もかけずにわずか数四半期でCOBOLコードベースを近代化できる」と主張している。その根底にあるメッセージは、IBMが依存している労働集約型のシステム保守収益とメインフレームサービス収益が、AI技術によって侵食されつつあるということだ。
興味深いことに、IBMの株価は翌日2.68%回復した。ウェドブッシュやエバーコアISIといったウォール街のアナリストたちは、株価の急落を「根拠のない過剰反応」と呼び、迅速に株価を支えた。彼らの主張は核心を突いていた。つまり、新しいAIツールがレガシーコードを翻訳できるようになったからといって、企業顧客がメインフレームシステムをあっさり放棄するわけにはいかないのだ。コード構文の翻訳と、ハードウェアとソフトウェアの高度な統合によるシステムの近代化の間には、大きな隔たりがある。
IBM自身も同日に声明を発表し、重要な論点を提示した。すなわち、近代化の課題はCOBOL言語の問題ではなく、IBM Zプラットフォームの問題であるということだ。翻訳されたコードでは実際の複雑さを捉えることは難しく、プラットフォームの価値は数十年にわたるソフトウェアとハードウェアの統合から生まれており、それはコード翻訳では引き継ぐことができない。
Blockの事例を見てみましょう。こちらも大規模な人員削減を伴い、AIが原動力となっていましたが、市場の反応は24%の上昇でした。その鍵は、Blockの資産構造の変化にあります。2024年以降、Blockは事業モデルと人員体制を再構築するとともに、業務効率向上のためにAIツールに多額の投資を行っており、Gooseと呼ばれる独自のツールも開発しています。
ブロック社のCFOであるアムリタ・アフジャ氏は、人員削減について説明する中で、「大胆かつ断固とした措置を講じていますが、これは当社の強みを活かしたものです」と強調した。この「強み」はデータによって裏付けられている。2025年度通期の粗利益は103億6000万ドルに達し、前年比17%増となった。この好調な業績により、同社はこの時期に大規模なリストラを進めるための余裕資金を確保している。
市場の解釈は明確だ。ブロックはAIの影響を受けて受動的に規模を縮小しているのではなく、むしろ積極的に資産構造を最適化し、「人的資本」を削減して「技術資本」の生産性を向上させている。50%の人員削減と同時に通期業績見通しを引き上げたことは、AIによって人的資本単位当たりの生産性が向上していることを示している。
II. AI時代には、4種類の資産が再評価されている。
これら2つの事例は、AIが資産価値の「再評価マシン」になりつつあるという新たな傾向を示している。AIによる評価フレームワークの下では、異なる種類の資産は劇的に異なる価値曲線を示す。
最初のカテゴリーは、人的資本集約型資産です。IBMのCOBOL保守チーム、従来のアナリスト、プログラマー、その他の「情報処理者」の価値は、AIによって薄められています。AnthropicはClaude Codeを紹介する際に、このツールは「通常、人間のアナリストが発見するのに数ヶ月かかるリスク」を特定できると述べています。これは人間がもはや重要ではないという意味ではなく、情報非対称性や手続き的知識に依存する仕事の価値が、テクノロジーによって圧縮されているということです。
しかし、AIが「価値創造」ではなく「情報処理」を代替するという事実には注意が必要です。Futurum Groupのアナリストであるミッチ・アシュリー氏は、調査レポートの中で、COBOLの近代化プロジェクトを成功させるには、業務範囲の定義、技術評価、データ移行計画、動作等価性の検証、可観測性、組織変更管理など、複数の側面が必要であり、コード変換はその一部に過ぎないと指摘しています。複雑なシステムをナビゲートし、ビジネスの本質を理解し、戦略的な判断を下す人間の能力は依然として限られています。
2つ目のカテゴリーはデータ資産であり、これはAI時代において高価値資産となりつつあります。生成型AIの急速な発展に伴い、データの価値属性は変化しつつあります。TangらはPLOS Oneに掲載された研究論文の中で、生成型AIがデータの取得、処理、利用方法を変えたと指摘しています。データ資産の価値は、その本質的な品質や関連性だけでなく、生成型AIの枠組みにおける応用シナリオ、変換能力、市場需要にも左右されます。
これは、データの独自性、継続性、そして管理可能性が、中核的な価値要素になりつつあることを意味します。あるデータセットは、ある状況では非常に価値が高いものの、別の状況では全く役に立たない場合もあります。AIモデルのトレーニングに、独占的で継続的かつ高品質なデータを提供できる企業は、新たな価格決定力を獲得しつつあります。
3つ目のカテゴリーは、アルゴリズムとモデル資産です。OpenAIとParadigmが共同開発したEVMbenchは、スマートコントラクトの脆弱性を検出、修正、悪用するAIの能力を評価するために使用され、アルゴリズムが定量化可能な資産になりつつあることを示しています。モデルの重み、アルゴリズムのフレームワーク、トレーニング手法は、識別可能で、制御可能で、収益化可能な無形資産になりつつあります。
第4のカテゴリーは、従来型の有形資産であり、これらは現在、多様化が進んでいる。情報非対称性や人的仲介に依存する物理的資産は減価償却の圧力に直面する一方、エネルギー施設、希少資源、基幹インフラなど、「AI耐性」を持つ物理的資産は、比較的安定した価値を維持している。理由は単純だ。AIはこれらの資産の運用を分析・最適化することはできるが、その物理的な存在や価値を担う機能を代替することはできないからだ。
III．「資産再評価」から「AI耐性」へ
上記の分析に基づき、企業はAI時代において自社の資産が価値を増減させるかどうかを判断するための体系的な枠組みを必要としています。RWA研究所は、3つの主要な特徴を含む「AI耐性」資産識別フレームワークを提案します。
最初の特徴は、その符号化不可能性です。これは、AIが完全に学習または再現することが難しい価値要素を指します。COBOLコード自体はAIによって翻訳できますが、チップレベルで構築されたCOBOLシステムを実行するZシリーズメインフレームのトランザクション処理機能、量子耐性暗号化、および8.999999%の信頼性は、AIツールでは再現できません。Futurum Groupの調査では、「コード翻訳では実際の複雑さを捉えることはできません。プラットフォームの価値は、数十年にわたるハードウェアとソフトウェアの統合から生まれています」と指摘しています。同様に、シナリオに対するオフライン制御、暗黙の業界知識、複雑な関係ネットワークなど、「符号化」するのが難しい要素は、資産に対する第一線の防御を構成します。
2つ目の特徴はデータ堀です。企業は独占的で持続可能かつ管理可能なデータ資産を保有しているでしょうか？単に公開されているデータを使用しているだけなのか、それとも他社がアクセスできないデータを生成できるのでしょうか？CITIC銀行は、データ資産の価値を評価するために大規模モデルの利用を検討し始めており、「データ資産をバランスシートに計上する」ことを試みています。その背景にあるのは、AI時代において、データは生産の原材料であるだけでなく、資産そのものでもあるという考え方です。しかし、すべてのデータに堀があるわけではありません。公開されているオンラインデータは間もなくAIモデルによって「消化」されるでしょうが、AI評価フレームワークの下でプレミアムを得られるのは、独占的なデータソースを持つ企業だけです。
3つ目の特徴は、 AIを活用した回復力です。資産自体をAIに置き換えるのではなく、強化できるでしょうか？これが、IBM型の破壊的イノベーションとBlock型の変革の決定的な違いです。IBMの中核事業であるレガシーCOBOLシステムの保守は、AIによって「置き換えられる」ものですが、Blockのビジネスモデルである決済と金融サービスは、AIによって「強化」される可能性があります。実際、IBM自身も、顧客がエンタープライズグレードのセキュリティを維持しながら、プラットフォーム上でレガシーコードを安全にリファクタリングおよび最新化できる専用ツールであるWatsonx Code Assistant for Zを開発しています。資産がAIと対立するのではなく、協働できる場合、その価値は高まります。
逆に、AIに脆弱な資産には、3つの特徴があります。すなわち、情報処理を中核的な価値としていること、標準化されたプロセスで代替可能であること、そしてデータを生成・蓄積する能力が欠如していることです。これらの3つの特徴を比較することで、企業は自社の資産ポートフォリオに対して「ストレステスト」を実施することができます。
IV. RWAの新たな機会：トークン化に値する資産とは？
上記の枠組みをRWA（リアルワールドアセットトークン化）分野に拡張すると、明確な結論が得られます。RWAは「どんな資産でもチェーンに載せられる」ということではなく、AIによる再評価の波の中で、AIサイクルを生き残ることができる実物資産を選別することなのです。
2026年3月、オンチェーンRWAの総額は250億ドルを超え、前年の4倍近くに増加しました。しかし、香港Web3.0標準化協会は、2025年8月に発表したRWA業界ホワイトペーパーの中で、「すべてがRWAになり得るという考えは誤った前提である」と明確に述べています。大規模な展開に成功する資産は、価値の安定性、明確な法的所有権、オフチェーンデータの検証可能性という3つの大きなハードルをクリアする必要があります。
「AI耐性」フレームワークを組み合わせると、次のようにさらに洗練させることができます。トークン化に値する資産は、主にAIによる再評価中に価値が安定しているものです。
最初のカテゴリーは、「AI耐性」特性を持つ物理資産で構成されます。これには、エネルギー資産、インフラ、希少資源などが含まれます。これらの資産の価値は、情報処理ではなく、その物理的な存在と実用的な有用性に依存します。ホワイトペーパーで言及されている新しいエネルギーRWA（充電ステーションや太陽光発電設備など）や、GPUなどのコンピューティング能力資産は、このカテゴリーに属します。中でも、AI業界からの「確固たる需要」と信頼性の高い「デジタルDNA」を持つGPUコンピューティング能力資産は、RWAの理想的なアンカー資産になりつつあります。
2つ目のカテゴリーは、プログラマブルデータ資産です。これらの資産は独自のデータソースを持ち、スマートコントラクトを通じて自動的に収益化できるため、「データによる優位性」と「AIを活用した柔軟性」を兼ね備えています。ホワイトペーパーでは、データは知的財産や炭素クレジットと同様に無形資産に分類されています。ただし、すべてのデータが資産になるわけではないことに注意が必要です。トークン化の基盤となるのは、継続的に生成され、所有権を証明し、検証可能なデータのみです。
3つ目のタイプはハイブリッド資産で、これは「エンコード不可能な」物理的制御と「プログラム可能な」デジタル権利を組み合わせたものです。例えば、商業用不動産の所有権はトークン化できますが、実際の運用、保守、賃貸といったオフラインのシナリオの制御は、専門機関の手に残ります。この「物理的＋デジタル」の二層構造は、ブロックチェーンの流動性の利点を活用しつつ、「AI耐性」のあるオフラインの価値基盤を維持します。
逆に、AI時代においてトークン化する際に注意が必要な資産には2種類ある。1つは、人間の仲介者に大きく依存する金融資産であり、その価値はAIによって容易に圧縮される。もう1つは、データによる優位性を持たない標準化された資産であり、AIによる評価フレームワークの下では交渉力が不足する。
V. 行動指針：認知から意思決定へ
IBMの400億ドルの損失は、新たな時代の到来を告げる出来事だ。情報格差と人的資源に依存していた資産は、AIによって再評価されつつある。一方、ブロック氏の逆行的な株価上昇は、また別の時代の到来を告げる。AIを取り入れ、資産構造を最適化する企業は、市場によって再評価されつつあるのだ。
上場企業や伝統的な企業の意思決定者にとって、これは単なる技術的な不安の問題ではなく、資産価値システムの根本的な再構築を意味します。CEOは、避けて通れない問いに答えなければなりません。AIの視点から見て、私の資産ポートフォリオはどれほどの価値があるのか？
本稿の分析に基づき、実行可能な3つの提案を提示できる。
まず、自社の資産に対する「AIストレステスト」を直ちに開始してください。各コアビジネスユニットを、「AI耐性」フレームワークの3つの特性（非コード化性、データによる優位性、AIによる回復力）に照らし合わせて評価します。AIの影響で価値が下落しやすいビジネスと、AIの増幅効果によって恩恵を受ける可能性のあるビジネスを特定してください。
第二に、動的な資産ポートフォリオ管理メカニズムを確立する。AIによる再評価の文脈において、資産配分はもはや静的な「買って保有する」戦略ではない。企業は、AIの影響を受けにくい資産の比率を意識的に高めると同時に、AIの影響を受けやすい資産については変革計画や売却計画を策定する必要がある。これは財務部門だけの責任ではなく、戦略部門、技術部門、事業部門間の連携が不可欠である。
第三に、RWA戦略を再検討する。資産のトークン化を検討する前に、「AI耐性」フレームワークを用いて原資産を選別する。RWAの核心的な価値は「オンチェーン」であること自体ではなく、トークン化を通じて高品質資産の流動性と価格効率を向上させることにある。AI時代において原資産自体の価値が下落している場合、トークン化は価値の損失を加速させるだけである。
最後に、中国の8つの部門が共同で発行した文書第42号によれば、中国本土ではいかなる形態のトークン発行およびトークン取引も厳しく禁止されていることに留意することが重要です。本稿で議論されているRWAトークン化は、海外のコンプライアンス枠組み内での資産デジタル化の実践のみを指します。関連事業を模索する企業は、「国内では厳しく禁止されているが、海外での登録は必要」という規制上のレッドラインを厳守しなければなりません。
AIが資産の価格設定を始めたとき、唯一の安心感は、AIが価格設定できないもの、つまりコードでもデータでもなく、価値そのものを判断する人間の能力から生まれる。
（この記事は、ナスダック、テンセントニュース、フューチュラムグループ、PLOS One、21世紀経済報道、商務時報などの信頼できるメディアや調査機関から入手した公開情報およびデータに基づいています。ここに表明されている見解は、投資助言を構成するものではありません。）
