スタンフォードHAI AI Indexによると、2025年の世界の企業による人工知能への支出は5,817億ドルに達し、前年比130%増となりました。企業導入率は過去最高の88%を記録しました。しかし、AI投資から意味のある財務的影響（利払い・税引き前利益の5%以上の改善と定義）を達成したと報告する組織は、わずか6%未満です。
投資額と価値実現の乖離は、近年のエンタープライズテクノロジー史上、類を見ない規模です。Axis Intelligence Researchが開発した、導入率と測定可能なリターンの差を測定する指数は100点満点中82点を記録しており、この構造的断絶は初期のクラウドコンピューティングやビッグデータブーム時と同水準以上であるものの、支出額ははるかに高いことを示しています。
問題は野心の欠如ではありません。企業はGPU、クラウドインフラ、AIプラットフォームライセンス、データエンジニアリング人材に積極的に投資しています。McKinseyの2025年11月版State of AI調査によると、組織の88%が少なくとも一つの機能でAIを導入しており、前年の72%から増加しました。支出は上位企業に集中しており、リーディングカンパニーはAI投資の80%以上を、断片的な生産性向上ではなく事業機能全体の再構築に充てています。
ボトルネックは本番環境への導入段階にあります。VentureBeatの2026年7月Pulse Researchによると、大規模にAIワークロードを本番稼働させている企業はわずか21%です。エンタープライズ環境におけるGPU利用効率は驚くほど低く、回答者の83%がGPUクラスターを容量の50%以下で稼働させていると報告しています。コンピューティングコストや投資収益率を体系的に追跡している組織は44%のみであり、多くの企業が価値を測定できる速度をはるかに上回るペースでインフラを購入している実態が浮き彫りになっています。
パイロットプロジェクトの拡大を阻む三つの構造的障壁があります。第一はデータの断片化です。エンタープライズデータはオンプレミスシステム、複数のクラウドプロバイダー、異なる規制管轄区域に分散しており、統合的なAI導入を困難にしています。第二はスキルギャップです。本番AIにはデータサイエンスとシステムアーキテクチャの交差点における専門知識が必要であり、この組み合わせを持つITチームはほとんどありません。第三はハードウェア調達の経済構造です。企業は、2年以内に陳腐化する可能性のある機器への大型設備投資か、持続的な規模では法外なコストとなる従量制クラウド課金かの選択を迫られています。
BCGのAI Radar調査（1,800名以上の経営幹部対象）では、AIから大きな価値を創出した企業はわずか25%であり、AI先進企業と後発企業の格差は縮小するどころか拡大していることが明らかになりました。BCGの分析では、この格差は組織的要因に起因するとされ、先進企業はガバナンス、測定フレームワーク、チェンジマネジメントに投資している一方、後発企業はAIを技術調達の一環として捉えていると指摘されています。
この格差はハードウェアの稼働率にも表れています。2023〜2024年の供給不足時にGPUを購入した企業は、現在、稼働率の低いクラスターを抱える一方、次世代ハードウェアの価格は倍増しています。調達予算と運用予算が別々に管理されているため、既存設備の最適化よりも新規購入を優先するインセンティブ構造が働いています。
TechRadarのAI投資ギャップ分析は、これを移行期の問題として捉えています。AI業界は実験段階を経て、取締役会や投資家が測定可能な成果を求める期待段階に移行しています。しかし、そうした成果を大規模に提供するために必要なインフラ、ガバナンス慣行、人材パイプラインは、小切手を切っている大多数の組織において未だ整備されていません。支出曲線と価値曲線は乖離しており、このギャップを埋めることが2026年におけるエンタープライズAIの中核的な経営課題となっています。
出典: The AI investment gap (TechRadar, Jul 29); Stanford HAI AI Index 2026 (Stanford HAI, 2026); McKinsey State of AI 2025 (McKinsey, Nov 2025); BCG AI Radar 2025-2026 (BCG, 2026); VentureBeat Pulse Research (VentureBeat, Jul 2026)
雅子 訳