はじめに
AIバブルをめぐって、「AIは本物なのか、それとも偽物なのか」という議論が繰り返されている。しかし、この問いはバブルの本質を捉えていない。
2000年前後のドットコム・バブルにおいても、インターネットという技術革新そのものは本物であった。インターネットは一時的な流行として消滅したのではなく、その後、通信、商取引、広告、メディア、金融、行政など、社会のほぼすべての領域を変革した。
それにもかかわらず、ドットコム・バブルは崩壊した。
崩壊したのはインターネットではない。インターネットに関係する企業であるというだけで、実際の収益力を超えた企業価値が正当化されるという金融市場の物語であった。
AIについても、同じ区別が必要である。
現在のAIには、長期的な記憶、因果関係の理解、企業固有の状況認識、現実世界との継続的な相互作用など、依然として多くの技術的不足がある。しかし、大規模言語モデル、すなわちLLMが、自然言語による対話、文章生成、情報整理、翻訳、プログラミング支援など、人工知能の一部を確実に形にしたことは否定できない。
したがって、AIバブルが崩壊したとしても、それはAI技術が偽物であったことを意味しない。
バブルとは技術の真偽を表す言葉ではない。実在する技術革新を材料として、企業価値や株価を実際の収益力以上に膨張させ、その価格上昇から利益を得ようとするマネーゲームを意味する。
ドットコム・バブルとAIバブルに共通しているのは、技術ではなく、この金融的な構造である。
1．技術革命と金融バブルは矛盾しない
大規模な技術バブルは、存在しない技術を題材として生じるとは限らない。むしろ、社会を根本的に変える可能性を持った、本物の技術革新を題材として形成される。
誰も可能性を信じない技術では、巨額の資金を集めることはできない。ある程度の技術的成果があり、社会や産業を変える未来が想像できるからこそ、投資家は現在の収益を大幅に超えた企業価値を受け入れる。
技術革新の将来価値を正確に計算することは難しい。市場規模をどこまで拡大できるか、既存産業をどこまで置き換えるか、何年後にどの程度の利益を生むかについて、確定的な答えは存在しない。
この不確実性が、巨大な物語を作る余地を生む。
ドットコム・バブルでは、「インターネットが世界を変える」という予測自体は正しかった。しかし、世界を変えることと、当時上場していたすべてのインターネット企業が高収益企業になることは、まったく別の問題であった。
AIについても同様である。
AIが産業や労働を大きく変える可能性は高い。しかし、AI市場が成長することと、現在計画されているすべてのデータセンターが採算に乗り、すべてのAI企業が利益を上げ、現在の高い企業評価が維持されることは同義ではない。
技術の将来性を評価することと、現在の株価や企業価値を正当化することは、分けて考えなければならない。
2．シスコとNVIDIA――インフラ企業に期待が集中する構造
ドットコム・バブルとAIバブルの類似性を象徴する企業が、シスコシステムズとNVIDIAである。
1990年代後半、インターネット利用が急速に拡大すると考えられ、ルーターやネットワーク機器を供給するシスコに投資資金が集中した。どのインターネット企業が最終的な勝者になるか分からなくても、すべての事業者がネットワーク機器を必要とするなら、その供給者に投資する方が確実だと考えられたからである。
シスコの時価総額は2000年3月に約5,500億ドルへ達し、年間利益の約200倍に相当する水準まで評価された。その後もシスコは事業を継続し、利益を拡大したが、株価は長期間にわたりバブル期の高値を回復できなかった。これは、技術と企業が本物であっても、株価が適正であったことにはならないという典型例である。
現在のNVIDIAも、これとよく似た位置にある。
どの生成AIサービスが最終的に勝者になるかは分からなくても、大規模なAI開発には計算資源が必要である。そのため、個々のAIサービスの競争を超えて、GPUとAIインフラを供給するNVIDIAに収益と期待が集中した。
もちろん、当時のシスコと現在のNVIDIAを単純に同一視することはできない。NVIDIAにはすでに巨大な売上と利益があり、その株価上昇には実績上の裏付けもある。少なくとも2024年時点の予想利益倍率では、シスコのバブル期の水準より低かった。
しかし、両者に共通しているのは、将来の産業全体を支えるインフラ企業に対して、まだ実現していない膨大な需要が先回りして織り込まれる構造である。
「どの企業が勝っても、その企業の設備は必要になる」という論理は強力である。しかし、最終的な利用者が十分な利益を得られなければ、設備需要も永続しない。インフラ投資は、利用者側の収益性から独立して存在できるわけではない。
3．ドットコム期の架空取引とAI産業の循環的取引
ドットコム・バブル期には、一部のインターネット企業が広告枠やサービスを相互に購入し、実態の乏しい売上を双方で計上する事例が見られた。
現金が実質的に動かない広告交換やバーター取引であっても、双方が売上として計上すれば、事業が急速に成長しているように見える。Homestore.comは、広告取引などによって2000年と2001年の売上を過大計上していたとして、後に決算を修正した。ドットコム企業の広告枠交換や強引な収益認識は、バブル崩壊後に当局の調査対象となった。
現在のAI産業で大手企業間に行われている取引を、こうした架空取引や粉飾決算と同一視することはできない。
半導体、クラウド計算資源、データセンター、AIモデルなどは実際に提供されている。設備は建設され、GPUは納入され、計算処理も実行される。取引には実体がある。
しかし、資金の流れという観点から見ると、一定の構造的類似が存在する。
半導体企業がAI企業に出資し、そのAI企業が出資資金を使ってGPUを購入する。クラウド企業がAI企業に投資し、そのAI企業が同じクラウド企業と長期の利用契約を結ぶ。AI企業への投資、設備購入、クラウド売上、企業価値の上昇が、同じ企業群の内部で相互に支え合う。
たとえば、MicrosoftとNVIDIAがAnthropicへの投資を表明する一方、AnthropicはMicrosoft Azureから300億ドル分の計算資源を購入する契約を結んだ。
また、OpenAIが2026年に発表した1,100億ドルの資金調達にはAmazon、NVIDIA、ソフトバンクが参加し、同時にOpenAIはAmazonのAIチップとクラウドを利用し、NVIDIAの次世代システムを導入する計画を示している。
これらは実際の資本取引と商取引であり、不正を意味するものではない。
それでも、供給企業が顧客企業へ資金を提供し、その資金の一部が供給企業の製品購入へ戻ると、どこまでが外部の最終需要で、どこからが産業内部の投資によって生み出された需要なのかが分かりにくくなる。
各企業の売上、受注残、設備投資額、評価額が同時に拡大すれば、AI産業全体が十分な利益を生んでいるような印象が形成される。しかし、購入側では同額以上の費用や将来債務が発生している。
したがって、GPUの販売額やクラウド契約額を見るだけでは、市場の自立性を判断できない。
資金はどこから来たのか。
最終的に誰が費用を負担するのか。
AIを利用する顧客は、その費用を上回る利益を得ているのか。
新たな投資資金が止まった後も、同じ需要は継続するのか。
確認すべきなのは、取引の実在性だけではない。最終需要と投資回収の実在性である。
4．「仕組まれたバブル」と非対称な賭博
バブルは、市場参加者全員が同じ条件で参加する自然発生的な熱狂とは限らない。
スタートアップの創業者、初期投資家、ベンチャーキャピタル、投資銀行、大手事業会社などは、一般投資家よりも早い段階で株式を取得できる。また、資金調達、企業評価、情報発信、上場時期などにも関与できる。
企業価値が上昇すれば、初期の株主は株式売却によって巨額の利益を確定できる。一方、その株式を高値で購入するのは、後から市場に参加する投資家である。
この構造では、企業が長期的に利益を生み続けること以上に、株式を売却できる時点まで高い評価額を維持することが重要になる場合がある。
巨大な将来市場を提示する。
指数関数的な成長を予測する。
競争から取り残される恐怖を喚起する。
巨額の設備投資を需要の証拠として示す。
出資、提携、購入契約を相互に発表する。
企業価値が十分に高まった段階で株式を売却する。
こうした行動のすべてが違法であるとは限らない。また、単一の主体が密室で市場全体を操作していると考える必要もない。
それぞれの参加者が自らにとって合理的な利益を追求した結果、同じ方向へ市場を膨張させる構造が形成される。
したがって、「仕組まれたバブル」とは、必ずしも秘密の共謀を意味しない。資本市場の制度と報酬体系の中に、企業評価を引き上げ、早期に利益を確定しようとする動機が組み込まれていることを意味する。
比喩的に表現すれば、これは参加者全員に同じ勝率が与えられた賭博ではない。
賭博場を開設する者、ルールを決める者、低い価格で最初に参加する者、賭け金を集める者が有利であり、熱狂が最高潮に達してから参加する者が、先行者の利益を負担する構造になりやすい。
この意味で、技術バブルには、一部の参加者が巨額の利益を得るために開かれた「いかさま賭博」に似た側面がある。
そのいかさま性は、技術が存在しないことにあるのではない。技術の社会的価値と、金融商品の価格形成とが混同され、将来の技術的可能性が現在の資産価格を際限なく正当化する材料として利用されることにある。
5．ドットコム・バブル崩壊後にデータマイニングが前面に出た
ドットコム・バブルの崩壊後も、インターネットは企業内に残った。
バブル期に整備されたウェブサイト、電子商取引システム、顧客管理システム、サーバー、通信回線などは消滅しなかった。それらのシステムを通じて、購買履歴、顧客属性、アクセス履歴、問い合わせ、広告反応、クリックストリームなど、大量のデータが蓄積されるようになった。
バブル期の問いは、「インターネット企業を作れば、どれほど高く評価されるか」であった。
バブル崩壊後の問いは、「すでに構築した情報基盤と、そこに蓄積されたデータを、どのように事業成果へ結び付けるか」へ変わった。
この転換の中で、データウェアハウス、CRM、ビジネスインテリジェンス、統計解析、データマイニングなどが企業ITの重要な主題となった。
データマイニングの研究や製品は、バブル崩壊後に突然生まれたわけではない。すでに2000年には、電子商取引が取引データや顧客イベント、クリックストリームを大量に生み出すため、データマイニングの有力な応用領域になると論じられていた。
より正確にいえば、ドットコム・バブルの崩壊後、関心の中心が「インターネット上に何かを作ること」から、「インターネットによって蓄積された情報から価値を取り出すこと」へ移ったのである。
情報基盤を構築する段階から、その基盤に蓄積された情報を採掘する段階への移行であった。
6．AIバブル後に残るもの
AIバブルが崩壊または大幅な調整を迎えた場合にも、同じ変化が起きると考えられる。
現在の競争は、モデルの規模、GPUの数、データセンターの容量、推論速度、ベンチマーク性能など、主としてAIを供給する側の能力を中心に展開されている。
しかし、企業がAIから実際の利益を得るために必要なのは、一般的に高性能なモデルだけではない。
企業の業務を動かしているのは、その企業に固有の知識である。
そこには、公式の規程やマニュアルだけでなく、過去の提案書、会議記録、問い合わせ対応、クレーム、例外処理、担当者間の申し送り、顧客との関係、失敗事例、判断基準、暗黙の優先順位などが含まれる。
こうした知識の多くは、整理されたデータベースとして存在していない。文書、電子メール、チャット、業務システム、担当者の記憶などに分散し、相互関係も明示されていない。
LLMは、社会一般の言語的知識を大量に学習している。しかし、個々の企業が、どのような状況で何を重視し、なぜその判断を行い、どのような例外を認めてきたかを、自動的に知っているわけではない。
AIバブル後に企業が直面するのは、「どのAIモデルを導入するか」という問題ではなく、「AIに参照させるべき自社の知識が、そもそもどこにあり、どのような構造を持っているのか」という問題である。
ここに、次の市場が生まれる。
それがナレッジ・マイニングである。
7．AIエージェントはナレッジ・マイニングの下流にある
現在、AIエージェントが次の成長分野として盛んに宣伝されている。
AIエージェントは、質問に回答するだけでなく、外部ツールを操作し、複数の手順を組み立て、一定の範囲で業務を自律的に実行する。
しかし、ここには重大な順序の問題がある。
エージェントに業務を実行させる前に、その企業が何を正しい判断と考えているのかを、エージェントが参照できる形にしなければならない。
AIエージェントの開発企業自身も、現実の業務には手続き的知識と組織固有のコンテキストが必要であると説明している。また、エージェントに大量の情報を無差別に与えるのではなく、実行時に必要な情報を選択してコンテキストを構成する技術が重視されている。
企業固有の知識が整備されていないままAIエージェントを導入すると、エージェントは一般論、断片的な文書、偶然取得したデータを根拠に行動する。
その結果、部門ごとに異なる判断基準を同一の規則として扱う可能性がある。過去の例外対応を正式なルールと誤認することもある。文書化されていない顧客関係や商慣行を無視することもある。
組織の内部に矛盾した指示や不明確な責任分担があれば、AIエージェントはそれを自動的に解決するとは限らない。むしろ、組織内の矛盾を高速かつ大規模に実行し、混乱を増幅する危険がある。
自動化は、業務を正しくする技術ではない。
既存の判断と手続きを高速に反復する技術である。したがって、誤った業務を自動化すれば、誤りも高速化される。
企業が取るべき順序は、エージェントの導入を急ぐことではない。
まず企業活動を観察し、情報を収集し、そこから知識を抽出し、構造化し、人間が妥当性を確認する。その後、範囲を限定しながら、エージェントに業務を実行させるべきである。
AIエージェントは出発点ではない。
ナレッジ・マイニングによって企業固有の知識基盤を形成した後に導入される、下流の応用技術である。
8．ナレッジ・マイニングとは何か
ナレッジ・マイニングとは、企業内に分散している情報から、概念、判断基準、業務プロセス、因果関係、例外、問題構造、経験則などを抽出し、人間とAIの双方が利用できる知識構造へ変換することである。
従来のデータマイニングは、主として数値データやカテゴリーデータを対象とし、その中から分類規則、相関、セグメント、異常、予測パターンなどを発見してきた。
これに対してナレッジ・マイニングは、文書、会話、業務上の出来事、意思決定、行動履歴などを含む、より広い企業活動を対象とする。
ただし、企業内の文書をベクトル化し、類似文書を検索できるようにするだけでは十分ではない。
文書に書かれている内容を検索することと、組織が実際にどのように判断し、どのように動いているかを理解することは異なる。
企業活動には、明文化された規則だけでなく、状況依存の判断、部門間の関係、例外処理、過去の経緯、成功と失敗のパターンが存在する。必要なのは、情報を保存するだけでなく、それらの関係から概念構造を形成し、変化に応じて更新する仕組みである。
AIバブル後の競争軸は、「誰が最も大きなAIモデルを利用しているか」から、「誰が自社の知識を最も深く理解し、再利用可能な形にできているか」へ移ると考えられる。
9．自己組織化型Operational World Model
企業固有の知識をAIが利用するためには、単なる文書検索システムを超えた内部モデルが必要である。
企業活動は、固定された規則だけで動いているのではない。顧客、製品、市場環境、担当者、時間、過去の経緯などによって、同じ出来事の意味が変わる。
必要なのは、企業が現在どのような状態にあり、どのような出来事が発生し、どのようなパターンに対して、どのような判断を行ってきたかを継続的に表現するモデルである。
これをOperational World Modelと呼ぶことができる。
Operational World Modelは、現実世界全体を再現しようとする汎用的な世界モデルではない。特定の組織が業務を遂行するために必要な、自社固有の認識世界を表現するモデルである。
また、すべての概念、分類、関係を人間が事前に定義する静的なオントロジーとも異なる。
企業内で発生する文書、行動、判断、出来事を継続的に観察し、類似性、近接性、共起関係、時間的関係などから概念構造を自己組織化させる。そして、企業環境の変化に応じて、その構造を更新していく。
この基盤が整備されて初めて、AIエージェントは企業固有の状況を参照し、過去の経験を踏まえ、判断理由を説明しながら業務を支援できるようになる。
10．マインドウエア総研の開発計画
マインドウエア総研では、この問題に取り組むため、開発プロジェクト「企業内知識マイニングによる自己組織化型Operational World Modelの構築」を計画している。
本プロジェクトでは、企業内に散在する文書、業務情報、意思決定記録、出来事などから知識を抽出し、あらかじめ固定された分類体系へ当てはめるのではなく、企業固有の概念構造を自己組織化する技術基盤の開発を目指す。
目的は、AIエージェントを直ちに自律稼働させることではない。
まず、人間とAIが企業の状況、経験、判断基準について共通の認識を持つための基盤を形成する。その上で、知識探索、調査、判断支援、業務改善、将来的なAIエージェント連携へ発展させる構想である。
おわりに
ドットコム・バブルが崩壊しても、インターネットは消滅しなかった。
消滅したのは、インターネット企業であるというだけで企業価値が上昇し続けるという物語であった。
その後、企業に残されたのは、インターネットによって蓄積された大量のデータである。企業の関心は、インターネットへ参入することから、そのデータを分析して事業成果を生み出すことへ移り、データマイニングが実務上の重要なテーマとなった。
AIバブルが崩壊または調整局面を迎えても、AIそのものが消滅することはない。
消滅する可能性があるのは、高性能なAIモデルを導入し、AIエージェントを接続しさえすれば、企業の生産性が自動的に向上するという物語である。
その後に残るのは、より地味で、より本質的な問題である。
自社には、どのような知識が存在するのか。
その知識は、どこに分散しているのか。
どのような経験から、どのような判断基準が形成されたのか。
公式の規則と現場の実態は、どこで異なっているのか。
矛盾する規則や例外を、どのように扱うのか。
それらを、人間とAIが共有できる形で、どのように表現するのか。
次の競争は、AIを導入する競争ではない。
自社の知識を発見し、構造化し、検証し、継続的に更新できる組織になるための競争である。
ドットコム・バブル後に、企業ITの中心がインターネットへの参入からデータマイニングへ移ったように、AIバブル後には、AIモデルの導入からナレッジ・マイニングへと重点が移っていく。
AIバブル崩壊後に問われるのは、誰が最も多くの計算資源を持っているかではない。
誰が、自らの組織を最も深く理解しているかである。
