🔥 HNで話題

AIは広がったのに、もうけはまだ見えない Apolloが示すTech以外の現在地

約3分で読めます Tiny Why編集部 · 文: 特派員 キュリオ

ことば
Mag 7(マグ・セブン)

米国の特に大きな7社をまとめた呼び名。

S&P 493(エス・アンド・ピー・フォーファイブスリー)

S&P 500からMag 7を除いた493社。

token(トークン)

AIが文章や指示を処理するときに数える小さな単位。

何が起きたか

2026年10月24日、Apollo Global Management(投資会社)のチーフエコノミスト、Torsten Slok(トルステン・スロック)が、AIの経済効果を考える記事を公開した。結論は強い。AIへの投資や話題は大きくなったのに、Tech以外の米企業では、売上の伸びや利益率が改善した証拠はまだ見えない、というものだ。記事はAI全体が役に立たないと断定したのではない。AI関連企業が多い大企業群と、それ以外の企業群を分け、数字の動きを比べている。

二つの企業群で違う数字

Apolloは、特に大きな7社をMag 7とし、S&P 500からその7社を除いた493社をS&P 493として見ている。チャートでは、働く人1人あたりの売上はMag 7で上がる一方、S&P 493では横ばいだ。利益率もMag 7では上がるが、S&P 493では横ばい。AIが生産性を押し上げた明確な兆候もないと説明する。生産性は、同じ人数や設備でどれだけ成果を出すかを見る指標だ。

なぜ重要か

AIのもうけを測るとき、AIを売る会社や、それに近い会社だけを見れば、全体像を取り違える。Apolloは、ベンチャー投資を受けた会社でモデルのtokenへの支出が増えていると指摘する。一方、一般企業のAI支出は一部に集中し、最新モデルを必要とせず、高い料金を払う意思も弱いという。実際、記事は主流企業がtoken支出を成長の源ではなく、利益率を押し下げる費用と見始めていると述べる。AIエージェントやtoken支出が経済の小さな範囲にとどまるなら、国全体への影響も限られる。

確認できたこと

記事のチャートは、Bloomberg、Macrobond、Apolloのチーフエコノミスト、サンフランシスコ連邦準備銀行、米労働統計局、Ramp AI Indexなどを出典としている。売上、利益率、生産性、AI支出の集中、token支出の循環を並べ、Techとそれ以外の差を見せた。ただし、これはApolloによる集計と解釈であり、AIを使った全企業を対象にした実験結果ではない。Hacker Newsの投稿でもこの論点は話題になったが、pointsやcommentsは注目度であって、元記事の正しさを証明する数字ではない。

まだ分からないこと

利益が見えない理由が、AIの効果が小さいからなのか、企業が安いAIを売上や利益へ結び付ける方法をまだ持たないからなのかは、この記事だけでは決まらない。AIを使った個別の仕事が速くなっても、会社全体の売上や利益率に出るとは限らない。逆に、数字に出るまで時間がかかるなら、今の横ばいだけで将来も効果がないとは言えない。Apollo自身も、安くなった知能を企業が売上と利益へ変えられるかを、今後の問いにしている。判断には文脈が必要で、責任、信頼、社風、暗黙のルール、倫理、公平さも評判と収益に影響すると説明する。

次に見る点

今後はS&P 493で、働く人1人あたりの売上、利益率、生産性が上向くかを追う必要がある。AI支出が限られた企業の間だけで回っていないか、一般企業が安いモデルを実際の業務へ組み込めるかも焦点だ。現時点の要点は、AIの性能の話と、企業全体のもうけの話は、まだ同じではないということだ。

💬 AIの効果は、経済全体にはまだ見えにくい

HNコメントは、AIの効果がテック以外にまだ広がっていないという見方に対し、測定の遅れ、導入の難しさ、実際の利用効果をめぐる賛否を示しています。

  • コメントで紹介された、AIで本当の利益を得た企業は13%という調査について、分母が全企業なのか導入企業なのか、投資額はいくらかが不明で、数字だけでは結論を出せないという反論があります。
  • 1980年代のコンピューター導入でも、普及から経済全体の生産性統計に効果が表れるまで長い時間がかかったという比較があります。AIにも数年から数十年かかるという見方ですが、これは歴史との比較であって、AIの将来を証明するものではありません。
  • 一方、AIはもっと速く広がる可能性があるという反論もあります。サービス経済はすでにコンピューターとインターネットを使い、進歩が積み重なるため、ソフトウェアやセキュリティでは変化が見えているという主張です。ただし、これは予測・主張であり、経済全体の実測結果ではありません。
  • AIの能力だけでなく、制度の遅れ、人の心理、組織の慣性、古いシステム、規制、責任、導入費用が普及を遅らせるという意見があります。医療や工場では、実験、安全確認、物理的な導入にも時間が必要です。
  • 利用者の自己申告では、コード生成やCRUDの機能開発、データ分析などで大きな時間短縮を感じる例があります。ある経験者の自己申告では、加速できない仕事も含めた全体の改善は約2〜2.5倍程度でした。
  • 別の利用者の自己申告では、短くなった作業もある一方、誤り、幻覚、文脈制限などのため別の作業が30〜50%長引きました。また、米国のブレーキ部品工場について、AI導入で作業が期待ほど減らず、予算を縮小したという自己申告もあります。
  • ソフトウェアで効果が先に見えやすい理由として、AIの成果物をテストやレビューで確認しやすく、継続的インテグレーションやコードレビューなどの仕組みがすでにあることが挙げられます。これは、法律・医療・行政などでも同じ効果が出ることを意味しません。
  • 何を利益と数えるかについても意見が分かれています。利益、売上、株価、GDP、生産性だけでなく、品質や便利さも見るべきだという反論がある一方、費用や保守の負担をどう数えるかについては合意がありません。

コメント402件時点の成長中(改訂1)。300件を取得し、全体から120件を抽出して要約しました。内容はHN利用者の自己申告で、編集部が確認した事実ではありません。

🔥 HNで話題

AIが広がったのに、利益はまだ増えない?

📰 しっかり版: AIは広がったのに、もうけはまだ見えない Apolloが示すTech以外の現在地

AIを使う会社は増えたのに、Tech以外では効果が数字に出ていません。

約1分で読めます Tiny Why編集部 · 文: 特派員 キュリオ

ことば
Mag 7(マグ・セブン)

特に大きな7社をまとめた呼び名。

S&P 493(エス・アンド・ピー・フォーファイブスリー)

S&P 500からMag 7を除いた493社。

token(トークン)

AIの利用量を表す単位。

💡 ようするに

  • AIへの投資や話題は大きくなった。
  • でもTech以外では、利益の伸びが見えない。
  • 安いAIが役立つかは、まだ調査中だ。

2026年10月24日、Apollo Global Management(投資会社)のチーフエコノミスト、Torsten Slok(トルステン・スロック)が分析を出しました。Apolloは米国の大きな会社を二つに分けました。特に大きな7社をMag 7と呼びます。残りの493社をS&P 493と呼びます。

Mag 7では、働く人1人あたりの売上が上がりました。S&P 493では、ほぼ横ばいでした。利益率も同じような差でした。生産性が上がった証拠も、まだ見えていません。生産性とは、同じ人数や設備で、どれだけ成果を出すかです。

Apolloは、AIに使うお金が一部の会社へ集まっていると見ています。投資を受けた会社は、AIのtoken(AIの利用量を表す単位)への支出を増やしています。一方、一般企業は最新モデルを必要とせず、高い料金を払う気持ちも弱いとされます。そのため、AIが広く使われる前に、費用だけが利益率を下げる場合があります。

この話はHacker News(技術ニュースの掲示板)でも話題になりました。ただし、pointsやcommentsは注目度です。元記事の正しさを証明しません。

今後は、S&P 493の売上、利益率、生産性が変わるかを見ます。安いAIが普通の会社の仕事に入り、売上や利益を増やすかも大切です。AIができることと、会社全体のもうけは、まだ同じではありません。

💬 AIの効果が、まだ会社全体の数字に出ない理由

コメントには、AIはまだ広がる途中だという意見と、もう役に立つが確認や導入が難しいという意見の両方があります。

  • コメントで紹介された13%という数字は、誰を数えたのか、AIにいくら投資したのかが分からず、これだけでは判断できないという疑問があります。
  • 昔のコンピューターも、便利になってから経済の大きな数字に効果が出るまで長い時間がかかりました。AIも同じだという見方があります。
  • 反対に、今はコンピューターとインターネットが広く使われているので、AIはもっと速く広がるかもしれないという予測もあります。
  • ソフトウェアはコードをテストしやすいのでAIを使いやすい一方、病院や工場などは安全、法律、古い機械、人の責任を考える必要があります。
  • 利用者の自己申告では、仕事全体が約2〜2.5倍よくなったという例がありますが、別の利用者の自己申告では、誤りの確認で作業が30〜50%長くなり、ある工場ではAI予算を減らしたという報告もあります。
  • AIの効果を利益だけで測るべきか、品質や便利さも含めるべきかについて、コメント内で意見は一致していません。

コメント402件時点の成長中(改訂1)。300件を取得し、全体から120件を抽出して要約しました。内容はHN利用者の自己申告で、編集部が確認した事実ではありません。

🔥 HNで話題

AIは、会社をみんなお金持ちにしたの?

📰 しっかり版: AIは広がったのに、もうけはまだ見えない Apolloが示すTech以外の現在地

AIは有名です。でも、会社のお金が増えた答えはまだありません。

約1分で読めます Tiny Why編集部 · 文: 特派員 キュリオ

ことば
S&P 493(エス・アンド・ピー・フォーファイブスリー)

大きな会社のうち、特に大きな7社以外の493社。

Hacker News(ハッカー・ニュース)

技術の話をする人が集まる掲示板。

まず大事な話

Apollo Global Management(会社にお金を出す投資会社)が、会社のお金を調べました。Torsten Slok(会社のお金を調べる人)が、その調査を書きました。彼はアメリカの会社を見ました。

特に大きな7社では、働く人が生む売上が増えました。残りの493社では、あまり変わりませんでした。この493社はS&P 493と呼ばれます。会社に残るもうけも、あまり変わりませんでした。

AIを使うお金は、一部の会社に集まっています。多くの普通の会社は、いちばん新しいAIを買っていません。だから、AIがすべての会社を助けたとは、まだ言えません。

AIで仕事が早くなることはあります。でも、仕事が早くても、会社のお金が増えるとは限りません。会社は、仕事の中身を知ることも必要です。だれが責任を持つかも大事です。人から信じてもらうことも大事です。

この話はHacker News(技術ニュースの掲示板)でも話題になりました。でも、人気は答えの証拠ではありません。

これからは、残りの493社を見る必要があります。売上ともうけが増えるかを見ます。安いAIが、普通の会社を助けるかも見ます。

💬 AIは、まだみんなの仕事を助けているわけではない

コメントでは、AIが本当に仕事を楽にしたのかを話しています。

  • 13%という数字は、どんな会社を数えたのか分からないという声があります。
  • コンピューターも、役に立っていることが大きな数字に出るまで長くかかりました。今はネットが広いので、AIはもっと早いかもしれないという反対の声もあります。どちらも予測です。
  • 利用者の自己申告では、仕事全体が約2〜2.5倍よくなった人もいます。でも、別の利用者の自己申告では、間違いを直すため作業が30〜50%長くなり、ある工場ではAIの予算を減らしました。
  • ソフトウェアは人が間違いを確かめやすいものです。でも病院や工場には安全の決まりや古い機械があります。AIの良さを、お金だけで測ってよいかもまだ決まっていません。

コメント402件時点の成長中(改訂1)。300件を取得し、全体から120件を抽出して要約しました。内容はHN利用者の自己申告で、編集部が確認した事実ではありません。

出典・参考