AI に投資するとほんとに儲かるのか、67の研究からわかったこと

「営業利益率」「資産利益率」って、企業の儲けを測るときに何が違うの？

営業利益率は「売上からどれだけ利益を絞り出せるか」、資産利益率は「保有する資産でどれだけ利益を生み出せるか」。見ている角度が全く違います。 営業利益率は分子が営業利益、分母が売上。たとえば売上100万円で営業利益が10万円なら、営業利益率は10%。「商売としての腕前」を測るイメージ。一方、資産利益率（ROA）は分子が純利益、分母が総資産。同じく利益が10万円でも、その企業が持つ機械や建物、現金などの資産が1000万円なら、資産利益率は1%。「持ってる資産をどれだけ効率よく動かしているか」を測るイメージです。 AI投資の効果を見るなら、この2つは結構違う信号を送ります。営業利益率が上がるのは、AI が業務を効率化して、同じ売上でも経費が減るケース。一方、資産利益率が上がるのは、AI システムという新しい資産を導入したのに、その資産がしっかり利益を生み出してるケースです。記事が両方挙げてるのは、どちらの角度でもAI投資の効果が出ているという、わりと強い信号を示してるのかもしれません。

AI投資で短期的に業績が落ちることもあるなら、株主に『しばらく我慢してください』と説明できる企業って、実際にはどのくらいいるのかな？

株主に「我慢してください」と言える企業って、実は意外に限られているんだと思います。理由は株主の構成が変わってきたから。昔は創業者一族や長期保有の機関投資家が多くて、5年単位で経営を見てくれました。いまは四半期ごとの成果が求められる時代。特にテック企業でも、短期的な利益を示さないと株価が下がり、投資家が逃げていく。 だから多くの企業は「AI導入で短期的に業績が落ちる」という現実を、そもそも受け入れられない構造になってる。導入するなら「初年度から効果が出る小さな案件」を選ぶか、あるいは赤字でも長期に投資できる余裕資金がある大企業に限定される。中堅企業こそAIの恩恵を受けやすいのに、株主対応の圧力で長期投資に踏み切れない。そこが、日本企業のAI導入が進まない本当の理由かもしれません。

ここ数年、企業が急いで AI を導入し始めたのは、この研究で言う『短期で失敗しやすい』時期に突っ込んでる企業がたくさんあるってこと？

その通りだと考えて良さそうです。ここ数年の AI 導入ラッシュは、まさに集団で「短期の痛み」に突っ込んでいる局面と言えそうですね。 背景には市場の焦燥感があります。ChatGPT 登場以降、「AI 導入企業に後れを取ると競争力が失われる」という危機感が経営層を駆動させている。同業他社が動いているから自分たちも急ぐ、という圧力です。その結果、本来は準備に時間をかけるべき導入が、綿密な計画なしに進むことになる。 ここで見落とされやすいのは、67 の研究がカバーしている 25 年間には、導入後数年の失敗企業も成功企業も含まれているということ。つまり「短期で失敗した企業の一部は、そこから学習して長期で勝った」という積み重ねが、「長期的にはプラス」という結論を支えているわけです。 今、現在進行中で AI 導入している企業の中には、導入直後の混乱期にある企業がたくさんいるはず。彼らが「失敗した」と判断して投資を止めるのか、それとも「予定通りの痛み」と耐えるのか。その選択が向こう 5 年の業績を大きく分けそうです。

要するに『新しい技術の導入には痛みが伴う』って、IT化のときも、DX推進のときも繰り返されてきた話なの？

そうなんですよね。同じパターンが何度も繰り返されてるという指摘は、ほぼ正しい。ただ、今回の67の研究が見出しているのは、「痛みがある」という定性的な感覚じゃなくて、その痛みの期間がデータで可視化されたということが意外と重要かもしれません。 IT化やDX推進のときも「導入は大変」と言われてきました。でも、その「大変さ」がどのくらい続くのか、いつから本当に効いてくるのか、という時間軸が曖昧なまま。経営層は「早く効果を出せ」と焦り、現場は「準備が足りない」と悲鳴を上げる。その綱引きで失敗する企業も多かった。 今回の分析は「短期では失敗することもあるが、長期ではプラス」という二項対立を数字で示したことで、経営判断の解像度が上がる可能性がある。つまり、「我慢強く育てる」の「我慢の期間」がどのくらいなのか、業界や企業規模によって差があるのか、そこまで細かく理解できるようになるかもしれません。繰り返される教訓に、初めて時間軸が付いた感じと言えそうです。

67 の研究で『長期的にはプラス』って結論が出てるけど、失敗したままやめてしまった企業や、研究の対象にすらならなかった企業のデータは含まれてないのかな？

その疑問、実は研究の最大の弱点を突いてますね。学術的には「サバイバーシップバイアス」と呼ぶ現象です。 67の論文が対象にするのは、ほぼ必ず「AI導入に進んだ企業」や「それなりに規模がある企業」です。失敗してAI事業を中止した企業、そもそも導入を見送った企業のデータは、研究論文の世界に登場しません。企業も失敗事例を積極的に論文化したがらないし、失敗してやめた企業は、業績データを公開する動機がないからです。 だから統計的には「成功した企業だけが数字に残る」という歪みが生まれる。長期的にプラスという結論も、実は「生き残った企業に限っての話」という限定付きなんです。 逆に言うと、この研究が価値を持つのは、そこなんですよ。「短期では失敗することもある」という観察が、失敗企業も含めた全体像を想像させる。多くの企業が短期で判断してやめてしまう中、我慢強く継続する企業だけが長期プラスにたどり着く。その選別プロセス自体が、研究に映っていない企業の淘汰を反映しているのかもしれません。