作者：a16z
编译：Felix, PANews
このほど、a16zは市場投資、AI応用、起業エコシステム、小売業界など多角的な視点から、現在のテクノロジーとビジネスサイクルの核心的なトレンドを探った。記事では、AIブームが後押しする中で、資本市場は従来の軽資産・消費者インターネット重視から、ハードウェアやロボットなどの実体産業へと徐々に軸足を移していると分析。同時に、AIは企業の組織形態、起業のハードル、生産性向上のロジックをも塗り替えつつあるという。以下がその詳細である。
サイクルは同じでありながら、異なっている
今回のサイクルを前回と比較すると、ある面ではまったく同じであり、別の面では完全に逆であることがわかる。
共通しているのは、ポスト金融危機時代（2010-2020年）であれ、ポストパンデミック時代（2020年以降）であれ、テクノロジー業界が常にサイクルの勝者であったことだ。しかし、他の業界の構図は激変した。前回のサイクルの勝者が今や敗者となり、その逆もまた然りである。
- ヘルスケア、消費財、メディア業界は金融危機後にいずれも二桁のリターンを達成していたが、現在はわずか3%から6%程度である。
- 一方、エネルギー、原材料、建設、金融業界のリターンは一桁台前半から二桁台半ばへと急上昇した。
かつて低迷していた業界がリーダーとなり、かつてのリーダーが落伍者となった。
テクノロジー業界は例外であり、常にサイクルの勝者であり続けたが、そこには微妙なニュアンスが存在する。ハードウェアは今回のサイクルにおける真の輝ける分野であり（前回もかなり好調だったが）、ソフトウェアは全体的な逆転のトレンドに従った。
一歩引いて見ると、ここには以前指摘された非常に明確なパターンが存在する。すなわち、市場の注目は軽資産で消費志向の業界から、重資産の「実体」経済へとシフトしており、これは主にAIインフラストラクチャの構築によって牽引されている。
これは、ビット（仮想）からアトム（実体）への輪動である。
「重資産」企業は、「軽資産」企業に10年以上遅れをとった後、形勢を逆転させた。
もちろん、このラウンドのサイクルが前回と類似していれば、こうした重資産インフラの全体的なトレンドは、最終的にソフトウェア/アプリケーション層へと波及していく。ポスト金融危機時代には、チップメーカー（およびクラウドサービスプロバイダー）が初期に主導権を握ったが、最終的には携帯電話、PC、サーバーによって駆動されるクラウドプラットフォーム上で（チップが駆動する形で）アプリケーション、マーケットプレイス、エンタープライズソフトウェアが急成長する時代へと移行した。言い換えれば、仮想層へのシフトは一時的かつ循環的なものであり、より持続的な構造的転換ではなかった。
今回も同様のことが当然起こりうる。実際、AIインフラへの投資が最終的に軽資産層にまで及ばなければ、非常に失望すべき結果となるだろう（両者は最終的に相乗効果を発揮する可能性もある）。しかし、それでも公開市場の上流では、「仮想革命」にはそれ自体の持続性が備わっている可能性を示唆する兆候がいくつか見られる。さらに、厳密に言えば、これは単にAIインフラの問題だけでもないのだ。
「リアルワールド」テクノロジーへのプレミアムが、未公開市場で顕在化しつつある。それはAIインフラ分野だけでなく、ロボット分野においても同様である。
カテゴリー別の未公開企業トップ100の時価総額で測ると、ロボットテクノロジー（およびフィジカルAI）は2016年にはランキングにも入っていなかったが、10年後にはフィンテックや決済を抜き去り、第2位のカテゴリーとなった。
ベンチャーキャピタルの資金の流れを見ても、ロボット技術への関心が急拡大していることがわかる。
Pitchbookのデータによると、第1四半期のロボットとフィジカルAI分野への投資額と投資件数はいずれも過去最高を記録し、投資額は約160億ドル、約500件の取引が行われた。
参考までに、ロボット分野への投資ブームは、件数では2021年から2025年にかけて約2倍、金額では約4.5倍に達している。
肝心なのは、実体経済への移行は（少なくとも未公開市場では）単にチップや推論に関することだけではないということだ。ハードウェアが単体の製品として台頭しつつある。
これも理解に難くない。より優れたソフトウェアには膨大な可能性があるが、ロボットはテクノロジーを、ソフトウェアだけでは手が届かない一連の現実世界の「タスク」へと押し進める。AIは、ある意味でハードウェアを動かすソフトウェアを解き放ち、これまでにない形で需要の範囲を拡大した。これは、かつて電力によって最終的に機械が人間には想像もつかないような仕事を成し遂げられるようになった状況とよく似ている。
現在、ロボットテクノロジーで最も注目を集めている新たな分野は防衛である。もちろん、世界的な防衛予算の拡大も追い風となっている。すべてが順調に進めば、資産集約型産業への転換は、これまでのどのモダンなテクノロジーサイクルよりも、より深く、より広範に、そしてより持続的なものになるかもしれない。
AIは「力を与える」のか、それともAIが「力を与えられる」のか？
大規模言語モデル（LLM）ブームの初期段階では、経営コンサルティング会社がAI分野での潜在的な勝者と見なされていた。少なくとも短期的には。そのロジックは極めてシンプルだ。企業はAIを利用したいと考えるため、コンサルティング会社にその実現方法を研究するよう依頼するというものだ。特にアクセンチュアは、アドバイスやロードマップの提供だけでなく、いわゆる「運用サービス」というエンド・ツー・エンドのサービスも提供できるため、非常に有利な立場にあると考えられていた。
原因はさておき、アクセンチュアに対する市場の楽観的な見方は、すでに完全に霧消してしまったかのように見える。
アクセンチュアのフリーキャッシュフローマルチプルは、2025年初頭には一時30倍に達したが、現在では約6倍へと急落し、長期平均の約3分の1となっている。
市場がなぜこれほど急速にアクセンチュアへの信頼を失ったのか、その判断は読者各位に委ねたい。しかし、「AI導入」というより広範な領域において、その意味は単純なAI導入に留まらないことがますます明らかになってきている。すべてのAI導入が同じように価値を創出するわけではなく、少なくともいくつかの最新研究によれば、真の（あるいはより効果的な）AI導入の実現には、開発段階や構想段階で微妙な戦略が求められる。
515社の高成長スタートアップ企業を対象とした研究において、研究者たちは真の「ネイティブAI」が何を意味するのかを深く掘り下げた。より具体的に言えば、彼らはどのようにすれば「AIによるタスクの改善」から「AIによる企業の改善」へと移行できるのかを知りたかったのであり、その研究結果は極めて衝撃的だった。
結果として、鍵を握るのは研究者たちが「マッピング」問題と呼ぶものであることが判明した。
研究対象の企業の中で、他の企業がAIを中心に生産体制をどのように再編したかを知らされた企業（「実験グループ企業」）は、それによって全く異なる探求プロセスを開始した。実験グループの企業は、単に既存のプロセスを模倣するのではなく、より上流から着手し、AIをビジネス成果に組み込むことで、従来とは全く異なるプロセスを形成したのである。
研究者は製品開発を例に挙げている。
この場合、AIはプロセスにおける既存のステップを複製するのではなく、同じ基本的なビジネス成果を達成することを前提としつつも、自身の能力に合わせてプロセスそのものを再設計した。
もちろん、これは一例に過ぎないが、総じて言えば、「実験グループ企業」にとってAIが生産性に与えた影響は甚大であった。実験グループ企業では：
- AIの応用事例が約44%増加した：
- 上位5%の企業の収入は約2倍に達し（上位10%でも収入が50%増加）：
- 資本消費は約40%減少した（分布の両端では、その差はさらに大きい）。
要するに、高成長のスタートアップ企業が真剣に「AI導入」に取り組んだ場合、そうでない企業と比較して、より多くの応用シーンを発見し、より多くの収入を生み出し、かつ消費する資本も少なかったのだ。
これは実に驚くべき結果であり、「AI投資収益率問題」に対する懸念をある程度払拭するとともに、AIの投資収益率がなぜ企業レベルで十分に顕在化していないのか、少なくとも一部の人々が期待するほどには現れていないのかを説明するものとなる。
研究者たちは、これが意味するのは次のことだと考える。(a) 企業レベルでAIがもたらす生産性向上は確かに変革的なものであるが、(b) 真のブレークスルーは探索段階にある。つまり、「どこにどのようにAIを導入するかという探索こそが、利益実現の決定的なボトルネック」であり、それは単なる「AI導入」とはわけが違うのだ。
この意味では、「探索のボトルネック」が存在するということは、AIの発展経路が、過去のテクノロジーが牽引した生産性の飛躍と何ら変わりがないことを示している。
例えば、電化が普及し始めた頃、多くの製造業者は単に大型の電動機で蒸気機関を置き換えただけで、既存の架空伝動軸やベルト伝動システムはそのまま残していました。工場は基本的に変わらず、ただ「今回はモーターが加わった」だけでした。しかし、製造業者が各機械に小型モーターを取り付けられる（そして伝動軸とベルト伝動システム一式をほぼ完全に廃棄できる）と気づくまで、真の恩恵は現れ始めませんでした。工場は最終的に、埋め込み型の電力システムを中心に徹底的に再設計されたのです（その逆ではありません）。言うまでもなく、その後の発展は、史上における生産性の飛躍的向上の大きな節目となりました。
AI スタートアップがオペレーションをスリム化
AI、スタートアップ、アカデミックリサーチに関して、同じ研究チームがもう一つ発見したことがある。それは、AIスタートアップが確かにオペレーションをスリム化しているということだ。少なくとも、過去4年間のYCのスタートアップキャンプデータを用いたこの調査によれば、そう言える。
研究者たちは、YC W20-F24期（2020年から2024年の間に初回資金調達を完了）のデータを分析し、それをRevelioの従業員数、職能、経験年数データと突き合わせた。彼らは、AIスタートアップが非AIスタートアップと比べて、採用や組織構造の面で異なるかどうかを理解しようとしたのだ。
彼らが発見したことは次の通りだ：
- AIスタートアップはより小さな規模でスタートし、より小さな規模で運営されている：
- 従業員数が少ないスタートアップの分布は、AIスタートアップに大きく偏っている：
- AIスタートアップの階層構造はよりフラットになる傾向があり、階層が少ない、あるいはまったくない企業の中で、AIスタートアップが最大の割合を占めている：
その含意は明白だ。細部にはさらに多くの変数があるかもしれないが、要点はつかめるだろう。つまり、AIによって企業がより少ないリソースでより多くの価値を生み出せるようになると考えるならば、この調査は間違いなくその見方を裏付けるさらなる証拠となる。
さらに、Stripe Economics も、AIが実現する「ソロ起業家」の段階について再び見解を述べている。
（注：最近、Stripe Economicsのアーニー・テデスキは、Stripe独自のデータに基づき、第1四半期にはあらゆるタイプの創業者が増加したように見えるが、「非AIソロ創業者」の伸びが最も顕著で、「AIソロ創業者」の伸びがそれに続くと指摘した。下図参照。）
Stripeはデータにおける「ソロ起業家」の識別方法について多くの制約を挙げているものの、それでもなお、AIが実際により多くの起業活動と企業設立を後押ししており、ソロ起業家もかなりの成功を収めているという見方に、さらなる裏付けを提供している。
収入の閾値別に見たソロ起業家の割合を見てほしい：
年間収入が10万ドルを超えるソロ起業家の割合が上昇しているだけでなく、年間収入が500万ドル超や1000万ドル超のソロ起業家の割合も、2023年と2024年に有意に増加し始めている。
Stripe Economicsは次のように指摘している：
- 我々のインデックスでは、年間収入が10万ドルを超えるソロ起業家の数は大幅に増加したが、より高い収入の閾値に達するソロ起業家の数の増加幅はさらに大きく、2023年以降その成長速度は明らかに加速している。2025年には、年間収入が100万ドルを超えるソロ起業家の数は2023年の2倍以上に、500万ドル超および1000万ドル超のソロ起業家の数は2023年の3倍近くに達している。
- おそらくさらに興味深いのは、過去2年間で、これらの閾値を超える収入を得ているソロ起業家の割合も倍増したことだ。これは、企業設立申請の急増が、一部の幸運な人々による低品質な実験の反映ではなく、新しく設立されたソロ起業家層の質が以前よりも高い可能性を示している。
もちろん、ソロ起業家の識別方法（このケースではStripeのソロ起業家専用ツールによる）や、これらの企業の従業員数が時間の経過とともに変化する可能性（Stripeが把握していないかもしれない）などの多くの不確実な要素を考慮しても、データは、AI主導のスモールビジネスの時代が続いていることを示している。
テクノロジーは食料品店の効率を高めたが、同時に低下させもした
食料品店の面白い点は、より広範な小売業のカテゴリーとは異なり、過去30年間で生産性が有意に向上していないことだ：
より正確に言えば、1990年以降、小売業の生産性の伸びはおおむね安定しているのに対し、食料品店の生産性はまず低下し、その後やや持ち直したものの、横ばいで停滞し、最近は低下した後、再び上昇に転じているが、それでも小売業の生産性急上昇には遠く及ばない。
これは非常に興味深い。なぜなら、一方ではテクノロジー（とその生産性との関係）の物語を、他方では生産性の測定方法をめぐる物語を語っているからだ。生産性は大まかに言えば、産出を労働時間で割ったものとして測定される（そしてそれはせいぜい不完全な尺度に過ぎない）。
食料品店（と小売業全般）にとって、キャッシュレジスターに次いで最も偉大な発明は、電子スキャナーである。それらは最初1970年代に登場したが、1990年代までにはほぼどこでも見られるようになった。スキャナーには主に二つの役割がある。（1）在庫の範囲を大幅に拡大したこと、（2）小売業者と食料品店が、顧客の購買意欲や必要な在庫量を把握するために、ますます精緻化されるデータ収集を促進したことである。
1990年代、食料品店と小売業者の規模はともに大幅に拡大し始め、テクノロジーが牽引する規模の経済の恩恵を受けた。これは消費者にとって良いことだったが、多かれ少なかれ、家族経営の個人商店（パパ・ママストア）の終焉をも告げることになった。
しかし、そこから小売業者と食料品店の運命は分かれ始めた。小売業者は在庫を大幅に拡大したが、新たな従業員をそれほど増やさず、あらかじめ包装された完成品に一段と注力した。これらの商品は、かつてよりはるかに少ない人員で在庫管理や監視が行える。一方、食料品店は、生鮮食品以外の特色あるサービス分野、例えば花屋、ベーカリー、デリカウンターなどに事業を拡大することを決めた。
もちろん、特色あるサービスの割合が増えるにつれて、専門的な労働力への需要も増加した。上図が示すように、食料品店は商品やサービスの種類を大幅に広げ、価格を引き下げるなど、独自の改善を遂げてはいたものの、「産出/労働時間」で見た場合の「生産性」は向上しなかった。これが、小売業の「生産性」が食料品店の「生産性」をはるかに上回る一方で、両者の賃金の伸び率がほぼ同じである理由でもある。
食料品店がより広範な小売業や百貨店業界の成功事例に倣って初めて、その生産性は再び向上し始めた：
2000年頃、非家庭向け食品カテゴリーの割合が大幅に増加し始めた。利益率の高い包装済み食品、スナック、日用雑貨は、10年間で5倍近くに増えた。同時に、スーパーマーケットは、より多くの棚入れや陳列作業をサプライヤーに外注し、いわば棚スペースの「手数料」を受け取るような形にした。これは労働時間を減らしてはいないものの、他者に移転させた、巧妙な「生産性向上」戦略だった。
「生産性向上」の観点からすると、このシフトは労働時間を増やすことなく生産量を引き上げ、スーパーマーケットの生産性は復活を遂げた。
食料品収入に占める労働の割合は2002年頃まで着実に上昇していたが（小売収入に占める労働の割合は低下していた）、少なくとも最近までは、両方の割合とも一貫して低下し続けている。
「労働分配率」の低下は、基本的に「生産性」の裏返しである。つまり、より少ない労働者でより多くの生産を行うと、労働分配率は低下する（ただしここでは、すべての利益による401k退職金口座の増加は考慮されていない）。
しかしながら、興味深いことに（テクノロジーと生産性の話に戻るが）、最新の買い物イノベーションの波（ECと宅配）は、食料品と小売業の「生産性」の方向性の分化と再び重なっているように見える。ECは小売業者にとっては店舗を一切借りなくて済む大きな恩恵だが、宅配は、同等かそれ以上の人数が食料品店内を歩き回り、商品を選んでいることを意味しているに過ぎないかもしれない。カーブサイドピックアップは、従来の買い物よりも人件費がかかる可能性さえある。
これが因果関係なのか偶然なのかは別として、現実には、パンデミック以降、食料品店の生産性は再び低下し（労働分配率も上昇に転じ始めた）、一方で小売業はよりスリムで効率的になった。同じテクノロジー、同じ生産性向上の力が働いたにもかかわらず、最終的に現れる「生産性」の数字は大きく異なっているのだ。
とはいえ、食料品店にとって良い知らせは、売り場に広告を出せばいつでも儲けられる（高利益率）ということである。
