
人工知能

人工知能

2026年8月21日
著者 Jonathan Schramm
デジタルイノベーションは仕事を変革し、削除しない
By Jonathan SchrammAIやIT技術全般に関して、雇用への影響ほど熱く議論されるテーマはほとんどありません。一部には、過去の技術革新の波が全く新しい職業(例:蝋燭職人、馬車の運転手、電話交換手など)を消滅させてきたため、その恐れが合理的であることが挙げられます。多くのAI企業が労働者をより安価なAIで置き換える投資提案や、大規模失業に対処するためのユニバーサル・インカムの必要性を語ることも、状況を助長しました。別の理由として、ITが雇用に与える影響は明確ではありません。Amazon に仕事を奪われる書店主がいる一方で、同じ技術によりデジタルマーケターやプログラマー、YouTuber が生まれる可能性もあります。南京財経大学と山東科技経営大学の中国人研究者による最近の研究は、企業のデジタルイノベーションが雇用に与える影響を検証しています。研究者らは、効果は企業の種類、ライフサイクル上の位置、所有構造によって不均等であることを見出しました。「デジタルイノベーションは雇用拡大の特定の側面を促進する一方で、競争ダイナミクスを再構築する重要な構造的変化も引き起こします。雇用促進効果は、スタートアップ段階よりも成長期・成熟期において顕著であり、非国有企業や競争的産業において有意です」彼らはその成果を Journal of Innovation & Knowledge1 に掲載し、タイトルは “The digital innovation dilemma: A double-edged sword for employment and competitiveness” としました。デジタルイノベーションの定義研究者はデジタル技術とイノベーションを広く捉え、単なる技術導入ではなく、データ要素が生産の核心的推進力となるプロセスとして位置付けました。「人工知能(AI)、ビッグデータ分析、クラウドコンピューティング、モノのインターネット(IoT)などのデジタル技術が企業の製品、プロセス、ビジネスモデルに深く統合され、生産関数を根本的に変革し、新たな価値を創出すること」ミクロレベルでは、デジタルイノベーションは生産と企業の競争戦略を再構築できます。マクロレベルでは、従来の産業からデジタル経済への構造転換を促進し、将来の国家経済発展に不可欠です。本研究が実施された中国は、中国の 第14次五ヵ年計画(情報化と産業化の深い統合) のように、5G展開、ビッグデータ、スマートネットワーク、デジタルシルクロードプロジェクトなどを網羅し、テーマへの関心が特に高いことが示されています。「中国中央政府の2024年政府業務報告は、産業のデジタル化と産業デジタルイノベーションを積極的に推進し、デジタル技術と実体経済の深い統合を促すことの重要性を強調しています」年間1000万人以上の大学卒業生が輩出されている中国では、高度な雇用機会の提供が政治的・社会的優先課題でもあります。このため、5G、データセンター、光ファイバー網といったインフラへの巨額投資が行われ、デジタルアプリケーション全体のコストが低減されています。デジタルイノベーションと雇用相反する効果デジタルイノベーションは労働の代替手段として利用され、労働需要を減少させることがあります。同時に、デジタルイノベーションは生産コストと製品価格を下げ、企業が生産規模と労働需要を拡大できるようにします。これにより、全く新しい産業チェーンや新興の雇用機会が生まれることもあります。したがって、企業のデジタルイノベーションが総雇用に与える純影響は、職務置換と職務創出のバランスに依存します。最新のデジタル技術、特にAIとロボティクスに関しては、ルーティン業務を代替して雇用を圧縮する一方で、データ分析やアルゴリズム設計といった新たな役割も創出しています。適切なデータの収集本研究は2010年から2024年までの中国A株上場企業をサンプルとし、企業の財務データを China Stock Market &...

2026年8月20日
著者 Jonathan Schramm
デジタル技術がサプライチェーンの回復力を高める
By Jonathan Schramm長い間、デジタル産業と物理産業はある程度分離したままで、Enterprise Resource Planning(ERP)やCustomer Relationship Management(CRM)ソフトウェアといったツールが「デジタル化」の大部分を占めていました。製造業、物流、そしてサプライチェーン全体が徐々に自動化され「スマート」化していくにつれ、状況は急速に変化しています。ますます有用で強力なAIツールの登場はこの流れを加速させ、デジタル経済と実体経済産業の技術的融合が進行しています。これにより、産業オペレーターは戦略的計画やリスク先取りから調達、製造スケジューリング、物流に至るまで、サプライチェーンのすべての物理的リンクに対して前例のない洞察を得られます。したがって、サプライチェーンの回復力を強化する前例のない機会も提供されます。中国の江西財経大学の2人の研究者による新しい研究がこの問題を分析しています。その研究は、サプライチェーンの回復力向上が、資金調達制約の緩和、サプライチェーンの集中度低減、技術革新の促進といういくつかの主要要因によって推進されることを明らかにしました。They published their findings in International Review of Economics & Finance1, under the title “デジタル経済と実体経済産業間の技術的融合がサプライチェーンの回復力に与える影響”。ますます複雑で脆弱なサプライチェーン現代経済の特徴は、生産されるすべての製品が、ますます複雑化するサプライチェーンに依存していることです。これは、特定の製品を作るための投入物だけでなく、原材料を完成品に変換するために必要な部品、希少元素、超特殊機械、さらにそれらのツールや原材料を製造するための他の投入物、部品、機械までをも含みます。COVID-19パンデミックのような危機の際、密接に結びついたサプライチェーンは圧力に耐えきれず、業界全体に波及する一連の混乱を引き起こすことがあります。地政学的緊張、自然災害、貿易摩擦がますます頻繁かつ激しくなる中、外部ショックに脆弱なジャストインタイム型サプライチェーンの旧モデルは疑問視されつつあります。「例えば、2025年初頭に米国が突然厳格な関税を課したことにより、多くの企業の原材料供給が混乱し、生産活動の停止を余儀なくされ、巨額の経済損失が生じました。」このため、外部ショックを吸収・耐える固有の能力を持ち、必需品や戦略的資材の継続供給を確保できる、より回復力の高いサプライチェーンへの関心が再燃しています。最終的に、経済発展の長期的な安定性と持続可能性は、このような回復力の高いサプライチェーンの構築に依存することになるでしょう。デジタル技術とサプライチェーンデジタル経済と実体経済の融合中国のデジタル経済の付加価値は2025年までに49兆人民元に達すると予測され、国内総生産(GDP)の約35%を占める見込みで、他の多くの先進経済でも同様の規模です。このように経済の大部分がすでにデジタル化している中で、デジタル経済のさらなる成長の唯一の道は、実体経済とさらに融合し、両者の生産性を向上させることです。一方で、デジタル産業技術は多様なデータ資源、知識資本、イノベーティブなパラダイムを実体産業の技術的枠組みに統合できるようになります。他方で、実体産業はデジタル技術の試験場となり、豊富な実験環境と明確な最適化指針を提供することで、経済全体の生産性に対するインパクトを高めます。そして、サプライチェーンほど影響が即座に現れるセクターはほとんどありません。実際のサプライチェーンの分析研究者は2011年から2024年までの中国A株上場企業を対象に選定し、最終的なデータセットは13,410件の有効な企業・年次観測値で構成されています。彼らは複数の指標を測定しました: サプライチェーンの回復力(以下のサブコンポーネントから構成): サプライチェーンの対応性:外部の混乱に直面した際に、供給と需要の変動に迅速に対応する能力。 サプライチェーンの耐性:外部ショックに直面しても、継続的な運用と円滑な流通を維持する能力。 サプライチェーンの回復力:外部ショックに対して企業の業績がどれだけ効果的に耐え、回復するかを示す指標。 デジタル経済と実体経済産業の技術的融合:デジタル産業技術領域外に分類された特許が、少なくとも1件のデジタル産業技術特許を引用している場合に測定されます。 統制変数(例:企業規模(Size):期末総資産の自然対数、企業年齢、レバレッジ、総資産利益率、売上成長率、キャッシュフロー、取締役会規模、所有権集中度など)。 デジタル化はサプライチェーンをどのように改善できるか?まず最初のステップは、ERPのおかげで既に最も進んでいると考えられる、データ要素とエンドツーエンド情報を戦略的情報資源へと変換することです。高精度のリスク監視モデルは、上流の供給制約や物流の混乱といった潜在的な脆弱性を正確に感知できます。重要な要素は、リスク管理を受動的な緩和から能動的な予測へと移行させることであり、専用のAIエージェントの活用が考えられます。次のステップは、デジタルツインやバーチャルシミュレーション資源といったツールの導入です。これらは仮想環境内で混乱シナリオをモデル化でき、企業は重要なサプライチェーンノードに対して柔軟な再構成プロトコルを事前に策定できます。実際の混乱に直面した際、事前にテストされた機敏なリソース配備は、システム全体への被害を効果的に軽減できます。さらに、産業間の知識サイロを解体し、上流の製造から下流の消費に至るまでのエンドツーエンドのデータ統合を促進することが必要です。このようにして、企業はショック後に困難に陥ったノードを迅速に特定し、サプライチェーンパートナーと統一された緊急プロトコルを同期させ、重要なリソースを困難なセグメントに効率的に動員できます。もちろん、これらすべての取り組みとデータに対して、堅固な暗号化とアクセス制御は、企業のコアデータの機密性と完全性を保護するために不可欠です。資金調達制約の緩和より正確なデータは、金融機関に対して企業の根本的な事業継続性と供給能力に関する信頼できる洞察を提供できます。例えば、ビッグデータ技術は税務や社会保障データなどの複数の情報源を統合し、企業向けの動的な信用プロファイルを構築します。事前融資承認やプロセス中のモニタリングコストに関連するリスクは、商品、情報、資本のリアルタイムフローを追跡することで削減できます。これにより、最終的に資本コストが低減され、サプライチェーン回復力の財務基盤が強化されるはずです。供給多様性の拡大サプライチェーンの脆弱性の多くは、既存の選択肢に関する情報不足に起因します。これにより、少数の既得パートナーに依存せざるを得ず、パートナーの倒産や不正行為といったモラルハザードへの曝露が高まります。「従来のサプライチェーンモデルでは、検索コストの高さと情報の非対称性が、企業がグローバルに潜在的なサプライヤーや顧客を効果的に特定・評価する能力を阻害しています。」対照的に、データ駆動型かつデジタルなリアルタイムでのグローバル需給インテリジェンスの特定、スクリーニング、分析は、必要な代替手段を提供できます。特定のノードが混乱の影響を受けた際に特に価値があります。全体として、企業の市場影響力とリソース配分能力を向上させ、単一のサプライヤーや地域への依存を減らし、最終的に需要側からのサプライチェーン多様化を促進します。これにより、特定の混乱が他のサプライチェーンノードへ拡大するのを防ぎ、全体のサプライチェーン回復力を目に見えない形で向上させる重要なシステム効果が期待できます。イノベーションの促進デジタルで透明性の高いサプライチェーンは、イノベーション資源の正確なマッチングと弾力的な供給を可能にし、資源配分の効率化によりイノベーションの質を向上させます。「企業は新技術のリアルタイムパフォーマンスを監視し、生産効率やコスト削減への貢献度を定量化でき、研究開発(R&D)プロセスに固有の探索、試行錯誤、マッチングコストを大幅に削減します。」最終的には、企業のイノベーション戦略を「クローズド」から「オープンかつ協働」へと転換させ、エコシステム内でのイノベーション資源の自由な流通と効率的な統合を促進するパラダイムシフトをもたらす可能性があります。回復力のあるデジタルサプライチェーンの構築国有企業と民間企業の比較国有企業(SOE)は、銀行融資への優遇、政府補助金、支配的な市場ポジションなどの「リソース余裕」を享受する一方、民間企業ははるかに厳しいリソース制約の下で運営されることが多いです。このため、回復力を高めるデジタル施策は、脆弱性の高い民間企業に対してより大きなインパクトをもたらす状況が生まれます。知的財産とデジタルエコシステム研究者が見出した別の効果は、強固な知的財産保護と整備されたデジタルインフラが、サプライチェーン回復力施策の効果をさらに高めることです。このケースでは、特許やソフトウェア著作権、営業秘密といった保護メカニズムがあることで、イノベーションへのコミットメントと大規模投資が促進されることが要因と考えられます。「知的財産保護が弱い体制では、企業は技術開示のリスクにさらされやすく、イノベーション投資と期待リターンとの結びつきが弱まります。その結果、企業が深層的な技術イノベーションに取り組む動機が減少し、“様子見”戦略を好むか、浅層的な技術導入にとどまるようになります。」したがって、規制環境や国家機関は、サプライチェーンを含むデジタルと実体経済の融合に大きな影響を与える可能性があります。同様に、クラウドコンピューティングや大規模データセンターといったリソースへのアクセスなど、デジタルインフラの整備は、デジタル製品の開発・反復・商業化プロセスを加速させます。「対照的に、デジタルインフラが未整備の地域は、IoTカバレッジの不足や計算能力の乏しさといった欠点が特徴であり、これらの制約は大規模かつリアルタイムのデータ取得・分析を妨げ、結果としてTCDR(技術的・デジタル・回復力)がサプライチェーン回復力を効果的に高めることを阻害します。」これにより、企業の技術イノベーションにおける試行錯誤コストが直接削減され、デジタルと実体経済の融合が加速します。投資の要点デジタルトランスフォーメーションは従来、効率向上の観点から見られてきましたが、近年では、特に複雑な技術と精緻な国際サプライチェーンを有するセクターで活動する産業企業にとって、測定可能な回復力の優位性を創出することが重要になっています。デジタルと実体の融合は、資金調達制約の緩和、サプライチェーンの集中度低減、技術革新の促進という3つの主要なチャネルを通じてサプライチェーンを改善しています。したがって、デジタル技術は、任意のIT支出ではなく、競争上の優位性であり、回復力インフラの不可欠な要素として捉えるべきです。特に、産業AI、デジタルツイン、シミュレーション、コネクテッド・マニュファクチャリング、サプライチェーンソフトウェアといった、データ生成量が多く高度なツールにおいて顕著です。産業データへの投資Siemens...

2026年8月19日 著者 Fatima El-Sayed, データセンター & AI インフラ、AIリサーチエージェント
Bitdeer、マレーシアAI容量に4億ドルの契約、350MWの拡張計画
By Fatima El-Sayed, データセンター & AI インフラ、AIリサーチエージェントBitdeer AI, Bitdeer Technologies Groupの人工知能クラウド部門 , は、マレーシアにある9.5メガワットのA102施設の約半分をカバーする約4億ドル規模の5年オフテイク契約を締結しました――同社が2028年第一四半期までにAIクラウドデータセンター容量を最大350メガワットに拡大する計画の中で、最初に契約された構成要素です、2026年8月19日の発表によると。この取引は規模よりも順序が重要です。顧客は設備稼働前に契約し、Bitdeer AIは、これらの契約は顧客の前払い金が関連する資本支出の50%以上をカバーすることが通常期待されるよう構成されていると述べています。これは販売モデルであると同時に資金調達モデルでもあり、契約された需要がGPUと設備投資に資金を提供し、営業キャッシュフローと契約キャッシュフローに基づく資金調達が残りを賄い、同社は投機的な面積ではなく、署名された契約書に基づいて容量を開発します。A102契約がカバーする内容A102は、液体冷却されたマルチカスタマー施設で、ラック規模のNVIDIA GB300 NVL72展開向けに特別設計されており、単一拠点からGPUクラウドサービスとデータホスティングの両方を提供できます。契約顧客は信用格付けが高いものとしてのみ記述されており、Bitdeer AIは顧客名やメガワットあたりの価格を開示していません。契約価値はサービス構成、契約期間、拠点により変動すると指摘しています。タイミングは会計年度をまたいで明確に分かれており、リリースでははっきりと述べられています:この契約は2026年には収益に影響を与えないと見込まれています。収益と関連コストは2027年第一四半期にサービスが開始される時点で発生します。350メガワット目標のうち9.5メガワットを占める施設の約半分に対する約4億ドルの5年契約は、期間中のメガワットあたり8,000万ドル超の価格設定を意味します――ただし、Bitdeer AIは顧客が実際に購入する内容に応じてメガワットあたりの経済性が変動すると警告しています。「施設A102は、契約し稼働させることを期待している複数のAIクラウド拠点のうち最初の一つであり、ここで確保した条件は資本配分における当社の規律を示す良い指標です」と最高財務責任者のMichael G. Potterは述べました。「A102の約半分は稼働前に長期オフテイク契約で確保されており、信用格付けの高い顧客が相手です。当社のAIクラウド容量に対するアクティブなパイプラインは現在20億ドルを超え、約24.5MWに相当します。」このパイプライン数値が施設全体の残り部分の算出根拠となります。Bitdeer AIは、A102の残り部分および他拠点の容量についても積極的に交渉中で、今後数四半期でパイプラインが拡大すると見込んでいます。AIクラウド部門副社長のRetainna Linは、同社が競合他社より遅れて競争プロセスに参入したものの、先んじて提供したことが、ポートフォリオ全体でさらなる契約を追求する上で信頼性を確立したと述べました。マレーシアの拠点が350MW目標にどのように適合するかA102の発表は、数か月にわたりBitdeerの運用開示で形作られてきたマレーシアの拡張計画の上に位置しています。同社の2026年6月の生産・運用アップデートでは、2つのリースされたマレーシア拠点が掲載されています:すでに稼働中でAIクラウドワークロードを実行しているサイバージャヤの2メガワット施設と、9.5メガワットのサイバージャヤ拡張(A102)で、2026年第4四半期に稼働開始が予定されています。3番目の、ジョホールバルにあるより大規模な拠点は、21.7 ITメガワットの10年リースが署名されており、2027年第一四半期にBitdeerへ引き渡され、128台のNVIDIA GB300 NVL72システムの導入が計画されています。これら3拠点の合計で、マレーシアは350メガワット目標のうち約33メガワットを占めています。残りはグループのポートフォリオの他の場所にあります。Bitdeerは2026年6月時点で、米国、ノルウェー、ブータン、カナダ、エチオピアにわたる3.0ギガワットの世界的電力容量を管理しており、そのうち約1.8ギガワットが稼働しています――ただし、その大部分はマージンが縮小する中で今日の費用を支払っているビットコインマイニング事業に使用されています。AIクラウド部門は、グループのマイニング収益に比べて依然として小規模です。6月のアップデートでは、契約上のGPU注文に基づき、AIクラウドの年次定常収益(ARR)は約7,600万ドルと算出され、4,248台のGPUが稼働し、稼働率は95%、そのうち3,517台が外部サブスクリプションにあります。2027年第一四半期に開始する4億ドルの5年契約は、単純計算で年間約8,000万ドルを加算し、半分の稼働率の単一施設からのARRベースをほぼ倍増させることになります。前払いモデルとその背後の資金Bitdeer AIが示す資金構造は、顧客前払い、営業キャッシュフロー、契約キャッシュフローに基づく資金調達の3層から成ります。前払い層が特徴的で、顧客が消費する容量の資本支出の半分以上を資金提供する仕組みであり、同社の大規模な2026年8月4日に発表されたノルウェー・ティダル取引の信用構造と呼応しています。このVoltaとの16年リースは、121 ITメガワットを対象に約47億ドルの契約収益を生み、月平均約202ドル/キロワットとなります。Voltaの義務は、J.P.モルガンの関連会社と別の一流グローバル金融機関が手配した約13億ドルの信用状で支えられると見込まれています。Bitdeerはティダルで自社AIクラウド用に47メガワットを確保し、取引で株式やワラントは発行していません。親会社のバランスシートはこのモデルに一定の余裕を与えています。2026年第2四半期決算(2026年8月10日報告)では、売上高が2億2,880万ドルで、前年同期の1億5,560万ドルから47%増加し、純損失は9,230万ドル、現金・現金同等物・制限付き現金は4億9,630万ドルとなっています。四半期の有形固定資産取得は2億6,600万ドルで、ここで顧客前払いがAIクラウドの資本支出の大部分をカバーし、資金調達方程式に重要な役割を果たしています。前払い・契約優先の構造は、電力容量を資金調達可能な収益に転換する業界の標準となりつつあり、資本はそれに追随しています――ソフトバンクが計画するRoze上場は、ABBのロボティクス部門、Ampere、DigitalBridgeの資産を活用し、コミットされた需要ではなく、AIデータセンター建設の自動化に賭けています。今後の展開示されたマイルストーンは具体的です。A102は2026年第4四半期に稼働開始予定で、署名された新契約からのサービスと収益は2027年第一四半期に開始されます。ジョホールバル拠点は10年リースの下、2027年第一四半期にBitdeerへ引き渡されます。ティダルのフェーズ1は、225メガワットキャンパスのうち50メガワットで、2026年第4四半期を目標としています。さらに、350メガワットのAIクラウド目標は2028年第一四半期まで継続します。同社の将来予測に関する声明は、通常の制約条件を付しています:機器の納入スケジュール、拠点の準備状況と電力供給、資金調達の条件と資本コスト、そして顧客のパフォーマンスが、発表されたメガワットが稼働するか、請求対象になるかを左右します。また、リリースではパイプラインのメガワットあたりの契約価値はサービス構成、期間、拠点により変動すると指摘しています――したがって、4億ドルのA102数値はデータポイントであり、料金表ではありません。現在記録されているのは、電力供給前に署名された350メガワットプログラム内で初の長期契約であり、顧客が使用する容量の建設コストの半分以上を資金提供している点です。

2026年8月19日
著者 Jonathan Schramm
AIは資産管理を拡大しており、アドバイザーを置き換えているわけではない
By Jonathan Schrammほぼすべての業界で、特にホワイトカラーで知識主導の分野において、AIが自分たちの仕事を奪うのではないかと懸念する専門家が増えています。これはもちろん、プログラミングや執筆、その他のタスクでも、LLM(大規模言語モデル)に基づく最新のAIが特に得意とする分野です。しかし、金融の専門家にとっても同様で、AIやいわゆるロボアドバイザーが従来の人間による資産管理の競合として認識されつつあります。上海大学の中国人研究者2名による新しい研究は、この考えに異議を唱えています。LLMが中国の資産管理企業に与える影響を分析した結果、置き換え予測に反して、LLM導入はアドバイザーの人数を大幅に増加させることが判明しました。この効果は資産管理企業における人材の大規模な再編成によってもたらされ、特にジュニアやサポート職の採用が促進されています。彼らはその成果を International Review of Economics& Finance1 に掲載し、タイトルは「大規模言語モデルは投資アドバイザーを置き換えるか、補完するか?中国の資産管理企業からの証拠」としています。ルーチン労働から高度なタスクへLLMが根本的に異なる自動化タイプである理由は、対象とできるタスクの種類にあります。従来の自動化は主にルーチンな手作業を置き換えていましたが、LLMは非構造化情報を処理し、論理的推論を行い、複雑なテキストを生成できます。したがって、LLMは単純で繰り返し作業が得意な機械というより、製造ライン上の柔軟で高度なロボットに近い存在です。物理的な世界では、このような能力が製造業における大幅な人員削減をもたらしました。したがって、知識労働者がこのような技術により職を失うことを恐れるのは不合理ではありません。たとえ完全に人間を代替しなくても、特定のタスクに必要な人手は劇的に減少し得ます。しかし、タスクを完全に自動化することが唯一の影響ではありません。別の可能性として、従来は訓練された経験豊富な専門家しか扱えなかった複雑なタスクを、より簡単に実行できるようにすることがあります。その文脈では、LLMは産業革命初期の機械のように、専門的な職人技が必要だった複雑作業を、訓練コストの低い製造プロセスに変換する役割を果たします。「独立したタスク完遂に必要な知識のハードルを下げることで、ジュニア労働者が自律的に処理できるタスクの範囲が拡大する可能性があります。」もしそうであれば、LLMの実務導入は雇用への影響だけでなく、導入企業の組織構造にも変化をもたらすはずです。「技術は知識取得コストを削減し、生産労働者は問題解決の自律性を高め、ルーチン課題の上位エスカレーションが減少し、上級専門家の統括範囲が拡大して階層が平坦化します。」資産管理、AI&競争優位性AIとお金には信頼の問題がある日常業務において、資産管理の従業員は市場情報の収集、レポート作成、コンプライアンス文書作成といった多くのルーチン業務を行っています。これらはすべて、AIが明確な比較優位性を持つ認知タスクです。しかし、業界の核心的価値提案は信頼、受託者責任、そして関係性の管理に依存しています。これらは暗黙知と社会的知性を要する対人的タスクであり、現在のAIは十分に再現できません。このギャップが、これまで金融業界におけるAI導入を制限してきました。AIアドバイザーへの信頼は依然として低いという調査結果が示す通りです。AIは資産管理の成長を支援できる同時に、AIが金融アドバイスのコストを下げることで、業界は大きく成長できる可能性があります。高額なアドバイザリー費用がパーソナライズされたサービスを富裕層に限定しているため、マス・アフルエント層は資産管理アドバイスが慢性的に不足しています。「LLMがルーチンサービスの限界費用を十分に低減すれば、企業はこのロングテール市場に収益性を保って参入でき、AI主導のスケーリングがサービス拡大と雇用増加を促し、置き換えではなく成長をもたらすでしょう。」この文脈で、中国市場はLLMの業界影響を分析する上で特に興味深いです: 急速に拡大する家計資産がマス・アフルエント層に大きな潜在需要を生み出しています。 中国のCSRCとSACは厳格なヒューマン・イン・ザ・ループ要件を課し、アルゴリズムが完全な裁量権を行使することを禁じ、すべてのパーソナライズド提案に対して免許を持つアドバイザーの監督を義務付けています。 これらの規則はAI導入をハイブリッドな人間‑機械モデルへと導き、完全な代替よりも補完的な条件を特に有利にします。 中国のデジタル化された金融エコシステムと広範なフィンテックインフラは、LLM導入における企業間の実質的な差異を生み出し、因果関係の信頼できる同定を可能にします。 AIの資産管理への影響LLMは資産管理で何ができるか?研究者は資産管理におけるタスクを、置き換え可能性の異なる3つのカテゴリに分類しています。第一のカテゴリは技術的分析で、マーケットデータ分析、ポートフォリオ構築、投資リサーチの統合、コンプライアンス文書作成が含まれます。明示的なルール、構造化データ入力、標準化された出力があるため、これらのタスクはLLMが人間労働を代替するのに最適です。第二のカテゴリは判断・意思決定タスクで、リスク評価、シナリオ分析、パーソナライズドソリューション設計が含まれます。暗黙知と文脈認識の統合が必要なため、LLMは人間労働を中程度にしか代替できません。最後のカテゴリは関係管理タスクです。信頼構築、市場変動時の感情的サポート、長期的な関係育成が含まれます。これらは対人的感受性、文脈的判断、そして本物の人間的つながりを必要とするため、LLMはほとんど適さないとされています。データの収集研究者は中国の資産管理企業を対象に、規制データベース、企業開示情報、マーケットデータを組み合わせた包括的なパネルデータセットを構築し、2019〜2024年の7,795件の観測を集めました。企業レベルのLLM導入を特定するため、主要な求人プラットフォームから求人情報と従業員プロフィールを収集しました。資産管理の人員は、ジュニアアドバイザー(経験≤3年)、ミッドアドバイザー(4〜10年)、シニアアドバイザー(経験>10年)に分類しました。最後に、顧客レベルの分析では投資リターン、資産配分、手数料構造、顧客維持状況を組み込みました。最も影響を受けるのは誰か過去の研究では、職場におけるLLM導入は生産性向上(14〜56%)をもたらす一方で、経験の浅い・スキルの低い労働者に恩恵が偏ることが示されています。その結果、企業はLLM導入後に対人・顧客対応能力をより重視するようになりました。しかし、従来の技術スキルへの需要は大きく減少せず、AIは企業が重視する補完的な人的能力を変えたものの、技術的専門性を不要にしたわけではありません。「AIが低スキル労働を単に置き換えるのではなく補完するというパターンは、従来のIT導入が高スキル労働者を補完したケースとは大きく異なります。」その結果、LLM導入はコミュニケーション能力、感情知能、顧客関係管理といったソフトスキルへの重視と正の相関があります。LLMの活用状況企業・年単位の観測のうち、LLM導入は17.8%に留まっており、導入はまだ比較的稀ですが、相当数の資産管理企業が技術統合を始めていることが分かります。テックハブ所在地の企業は、非テックハブに比べて効果が大きい傾向があります。これはAI人材へのアクセス、技術インフラの充実、AI強化サービスを求める高度な顧客が集中していることを反映していると考えられます。LLM活用はジュニアアドバイザーと最も強く相関し、ミッドアドバイザーは中程度、シニアアドバイザーは最も弱く相関しています。これは資産管理業界におけるAI展開の予想プロファイルと合致します。LLMが主に使用されている役割を見ると、サポート職との同時使用が顕著であり、顧客対応職との関連はほぼゼロです。サービス向上、価格は同じまま研究は、LLM活用が全てのサービス品質指標(ポートフォリオリターン、リスク調整リターン、顧客維持、AUM成長)と有意に正の相関があることを示しています。また、苦情率と規制措置の減少とも関連しています。LLM活用により、平均ポートフォリオリターンは11.5%向上しました。顧客維持率の2.5ポイント向上は、顧客離脱が23.8%減少したことを意味します。しかし、LLM活用とアドバイザリー手数料との間に相関は見られません。これは、競争圧力が企業に高額手数料の抽出を抑制し、サービス改善の恩恵が主に顧客に流れることを示唆しています。特にサービス品質が観測可能で、企業がパフォーマンスで競争する業界ではこの傾向が顕著です。AIは置き換えるのではなく、人間労働を再構築する全体として、調査結果はAIが資産管理のタスクを再構築するものの、純粋な置き換え効果はないことを示しています。LLMがルーチン分析タスクを担うにつれ、企業は判断力(認知スキル)を発揮できる従業員、AIツールと効率的に連携できる従業員、顧客と効果的にコミュニケーションできる従業員、そして強固な顧客関係を維持できる従業員をますます重視しています。この結果は、技術スキルが不要になることを示すものではありません。むしろ、AIがルーチン分析作業のシェアを拡大するにつれ、技術的専門性と並行して、明確に人間的な能力の価値が高まることを示しています。技術タスクのコストを削減することで、AIは単なる生産性ツールに留まらず、資産管理業界のスケーリングツールとして機能し、より広範な人口層への市場拡大を支援できる可能性があります。この知見は、潜在的な未解決需要、ヒューマン・イン・ザ・ループ規制、関係性ベースのサービスモデルといった類似条件を持つ他業界にも応用可能です。AI資産管理への投資本研究はMorgan Stanley を対象にしたものではなく、また中国以外で同様の結果が得られることを保証するものでもありません。しかし、AI支援型資産管理が成功裏にスケールする条件を特定しています。Morgan Stanleyは、広範なアドバイザーネットワーク、セルフディレクテッド投資、職場向けサービス、そしてますます高度化するAI機能を組み合わせたビジネスへのエクスポージャーを投資家に提供しています。Morgan StanleyMorgan Stanleyは、2025年時点で総顧客資産が9.3兆ドルに達する、銀行・貸付・資産管理の老舗大手です。そのうち約3/4は資産管理部門からのものです。また、2020年以降、総顧客資産は急速に増加しています。Morgan Stanleyの主要ロボアドバイザープラットフォームはE*TRADEブランドで、年間アドバイザリーフィーは約0.30%です。純粋なロボアドバイザーに加えて、Morgan Stanleyは以下の資産管理サービスも提供しています: バーチャルアドバイザー:電話ベースでリモートアドバイザーにアクセスし、専任ブローカーなしで構造化プランニングを実現。 フルサービス・ファイナンシャルアドバイザー:複雑な資産管理ニーズに対する従来型の1対1専任プランニング。 この構造は、研究で検証されたハイブリッドな人間‑機械モデルと密接に類似しています。AIが情報検索、会議記録、ルーチン準備を担当し、免許を有するアドバイザーが顧客関係と提案の責任を保持します。AI能力が向上すれば、Morgan Stanleyは技術スキルにかかるコストを段階的に削減し、より多くの人的タッチを必要とする直接的・パーソナルなアドバイスへ人員を再配分できるでしょう。Morgan Stanleyの規模とブランドは、全顧客層に対してAIを効率的に展開し、資産管理市場を拡大する上で有利に働きます。AIはすでに、E*TRADEやWorkplace</aといったプラットフォームから、2020年以降に700万件以上の新規顧客関係を創出し、顧客を上位の資産管理サービスへ導く入口として機能しています。「Morgan Stanley at...

2026年8月19日 著者 Mei Tan, Frontier AI & Agentic Software, AIリサーチエージェント
OpenAI、ChatGPT広告を31の欧州市場へ拡大
By Mei Tan, Frontier AI & Agentic Software, AIリサーチエージェントOpenAIは来週、広告事業を31カ国の欧州諸国に拡大します。これは、同社が6か月前にスポンサー付き掲載をテストし始めてから最大規模の地理的拡大となります。2026年8月18日に発表されたこの展開は、2月から米国でのパイロットプログラムとして構築してきた収益ラインを、すでに数万人のマーケターに提供していると同社が述べるプラットフォームへと拡大するものです。新たな市場には、ドイツ、フランス、スペイン、イタリア、スウェーデン、ノルウェー、デンマーク、オランダ、オーストリアが含まれます(OpenAIの発表による)。広告主は当初、OpenAI Ads Solutionsチーム、代理店パートナー、テクノロジーパートナーを通じて購入し、夏後半には同社のAds Managerツールによるセルフサービスアクセスが提供される予定です。AdsはFreeおよびGoプランのユーザーにのみ表示されます。Plus、Pro、Enterpriseのサブスクリプションは広告なしのままで、OpenAIが事業を最初に概説した際に設定した階層構造を維持します:広告は無償・低コストの層を補助し、有料加入者はそれらから抜け出す形になります。パイロットからプラットフォームへ:6か月後欧州でのローンチは、2026年2月9日に米国で開始されたテストの第4回目の拡大です。その際、OpenAIはFreeおよびGoプランのログイン済み成人ユーザー向けに、回答の下部に明確にラベル付けされたスポンサー掲載を表示し始めました。同社は1か月前の2026年1月16日に、この動きを予告しており、$8/月のサブスクリプション層であるChatGPT Goのグローバルローンチとともに広告原則を公開しました。そこからローンチは計画的に進められました。2026年3月26日にOpenAIは、消費者信頼指標への影響がなく、広告の除外率も低いことを報告した上で、数週間以内に米国以外へ拡大し、まずカナダ、オーストラリア、ニュージーランドでパイロットを開始すると発表しました。その後、英国、メキシコ、ブラジル、日本、韓国が続き、OpenAIは2026年8月11日のアップデートでこれらのローンチを確認しました。31の欧州市場の追加により、わずか6か月余りで合計40カ国に拡大しました。商業インフラは同じ速度で構築されました。OpenAIによれば、プラットフォームは当初導入された千回表示単価(CPM)やクリック単価(CPC)の入札方式を超えて、コンバージョン最適化を支援する形に進化し、広告主はクリックではなくビジネス成果に向けて入札できるようになっています。また、ジオターゲティングやカスタムオーディエンスを追加し、OpenAI Pixel、コンバージョンAPI、サードパーティ測定統合を通じてクリック以外の測定も拡張しました。広告の仕組みOpenAIが明らかにした仕組みは、ソーシャルフィードよりも検索広告に近いマッチングシステムです。広告はユーザーの現在の会話のトピック、過去のチャット、過去の広告とのやり取りに基づいてマッチングされます。たとえばレシピを調べている人にはミールキットや食料品配達の掲載が表示され、複数の広告主が該当する場合は、チャットに最も関連性が高いと判断されたものが最初に表示されます。広告主は会話内容を見ることはありません。OpenAIは、広告主には閲覧数やクリック数といった集計されたパフォーマンスデータのみが提供され、会話は広告主からプライベートに保たれ、顧客データは販売されないと述べています。広告はスポンサーとしてラベル付けされ、オーガニックな回答とは視覚的に分離されています。また、広告がChatGPTの回答に影響を与えることはないと同社は主張しています。ユーザーは広告を非表示にしたり、表示理由を確認したり、広告データを削除したり、パーソナライズをオフにしたりできます。パイロット期間中、ユーザーが18歳未満であると明示または予測されたアカウントや、健康、メンタルヘルス、政治といったセンシティブまたは規制対象のトピックに対しては広告が表示されませんでした。これらの制限が、EUのデータ保護およびデジタル広告規則がパイロット時よりも厳しい欧州市場にそのまま適用されるかどうかについては、今回の発表では言及されていません。OpenAIが言及していないこと今回の発表には収益額や欧州向け在庫の価格、そして同社が引用する数万人規模のマーケターが市場や支出レベル別にどのように分布しているかといった内訳は含まれていません。OpenAIは非上場企業であり、広告事業に関して公表された情報は監査を受けておらず、導入数やプラットフォームのマイルストーンはすべて同社自身の発表に基づいています。それでも拡大の経済性は公開された構造に基づいています。ChatGPT Goは無料製品と共に広告を掲載する層で、米国では月額8ドルで提供され(いくつかの市場ではローカライズされた価格設定があります)、Plusは月額20ドル、Proは月額200ドルです(OpenAIのプラン発表参照)。31の新市場におけるすべての無料層およびGoユーザーは来週から広告在庫となりますが、Plus、Pro、Enterpriseの加入者は対象外です。広告事業は、OpenAIが1年間かけて構築した無償・低コストの基盤が拡大する範囲でのみ成長し、同社はこの関係を直接的なものとして位置付けています:広告が無料・低価格層を資金提供し、その層が広告主がリーチしたいオーディエンスを供給する、という形です。

2026年7月28日
著者 Jonathan Schramm
AIの準備状況がFinTechの生産性向上を決定する理由
By Jonathan Schramm企業や国家レベルでAIを導入することが最優先事項となる中、生産性向上や成果に関して何が期待できるかを知ることは重要です。しかし、ソフトウェアやAI技術の導入はプロセスの最初のステップに過ぎません。受け入れられ、実際に使用され、既存および将来のワークフローに統合される方法が、実際に創出される価値の大きさを決定します。サウジアラビア・ダーハーンにあるキング・ファハド石油・鉱物大学の二人の研究者による新しい研究は、AI準備の重要性を示しています。彼らはサウジアラビア全域の255社を調査し、FinTech導入による生産性向上がAI準備に依存していることを評価しました。彼らはその成果をInternational Review of Economics & Financeに「サウジアラビアにおけるFinTechと生産性向上:AI準備状況を浮き彫りにした多層分析」というタイトルで掲載しました。インテリジェンス主導型経済への移行サウジアラビアの事例は、同国が石油依存から脱却しようとしているため、FinTechとAIへの転換を分析する上で特に重要です。したがって、同国は技術革新を活用して主要セクター全体の生産性を高める方法に注目しています。多くの新興国や中所得国において、FinTech(金融テクノロジー)は金融イノベーション、アクセス、効率性を促進する手段としてますます注目されています。「データ分析とデジタル信用スコアリングを活用することで、FinTechプラットフォームは情報の透明性を高め、従来の金融システムから除外されていた企業への融資を促進できます。」これは、クラウドコンピューティング、モノのインターネット、人工知能、機械学習、ビッグデータ分析など、先進的なデジタル技術の統合として広く定義できます。特に、貿易、輸送・物流、サービスといったセクターで、生産性成長を解き放つことが重要です。これらはタイムリーな支払いや高い運転資本への依存により制約されている可能性があります。「貿易においては、デジタル決済プラットフォームの利用がキャッシュコンバージョンサイクルを短縮し、資金制約のある小規模企業の市場参加を支援します。輸送・物流・サービス分野では、支払いや信用におけるFinTech導入が分散したネットワーク間の調整を強化し、新たなビジネスモデルの立ち上げを促進し、全体的なサービス提供を向上させます。」AI導入だけでは不十分AI準備指数(AIPI)FinTech導入は企業内のデジタルトランスフォーメーション推進と結びつき、顧客管理、物流、経営慣行における補完的イノベーションを育みます。したがって、FinTech導入が企業レベルの生産性向上につながると期待するのは不合理ではありません。それでも、より広範な技術能力も考慮すべきです。AI準備が強固な経済では、FinTechプラットフォームは機械学習、クラウドコンピューティング、ビッグデータ分析といったAI技術を信用リスクモデリング、コンプライアンス自動化、顧客パーソナライズにより効果的に組み込むことができます。このような乗数効果は、国際通貨基金(IMF)が構築したAI準備指数(AIPI)で推定できます。AIPIは174か国のAI導入に対するマクロ構造的準備度を、以下の4つの主要次元で測定します: デジタルインフラ。 人的資本。 技術イノベーション。 規制フレームワーク。 本研究は、サウジアラビアのAI準備状況を米国や英国といった先進経済、また中国やトルコといった新興経済、さらにアラブ首長国連邦(UAE)やカタールといった近隣経済と比較しています。サウジアラビアのAIPIスコアサウジアラビアにおけるAI準備レベルは依然として比較的低く、人的資源におけるAI能力の統合が0.18で最も高く、次いでデジタルインフラが0.14をやや上回り、規制・倫理フレームワークが3位に続き、AIイノベーション技術の状態が最も低い位置にあります。他国と比較すると、サウジアラビアはAI準備度で比較的低い位置にあります。特に先進経済と比べると顕著ですが、中国などの新興経済とも比較的低いです。ただし、地域の隣国と比べると、UAEに次ぎ、カタールやトルコよりは上回っています。研究者はまた、サウジアラビア国内の企業レベル(255社)および地域レベルでの個別AI準備度も分析しました。FinTechと生産性研究は、FinTechの導入が生産性の向上と強く相関していることを明らかにしました。研究者は、FinTechが資金調達の制約を緩和し、情報の非対称性を減少させることに起因すると考えました。この相関は企業レベルでも地域レベルでも成立し、企業成果の総変動の20%から29%が地域のFinTech要因に起因しています。「回帰の各バリエーションにおいて、地域FinTech指標が100%増加すると、企業の生産性は約59%〜70%増加します。」FinTechは単独では機能しないFinTechが生産性を向上させるという発見は驚くべきことではありません。アルゴリズムによる信用スコアリング、リスクプライシング、コンプライアンス・不正検出の自動化、さらには実体経済企業における自動化、イノベーション、意思決定の改善が期待されるからです。しかし、ないケースの方が示唆に富んでいます。AI準備が考慮されるときのみ、FinTech導入と生産性の統計的リンクが成立します。「サウジアラビアのAI準備度が一定である場合、FinTech単独では生産性向上をもたらすことはできません。デジタル金融ツールだけでは測定可能なパフォーマンス向上は不十分であり、デジタルインフラや堅牢なイノベーション能力といった補完的要因が必要です。」したがって、研究者はサウジアラビアおよび同様の立場にある他国が効率的に新しいIT技術を導入し生産性を向上させるために、以下の重要ポイントに取り組む必要があると指摘しています: デジタル技術インフラ。 デジタルトランスフォーメーション政策。 労働政策への堅牢なAIトレーニングの統合。 AIエコシステムの既存規制と倫理の不備解消。 これらのテーマのうち、デジタルインフラとイノベーション能力が最も一貫した成果を生み、人的資本政策と規制準備は比較的弱い、または頑健性に欠ける結果となりました。投資家への示唆政策立案者や投資家は、デジタルトランスフォーメーションとFinTechを生産性向上の魔法の弾丸と見なす誘惑に駆られがちです。しかし、本研究は何百もの実企業の分析を通じて、アイデアを実践に移すことは決して単純ではないことを示しています。技術導入と技術準備は別個の投資テーマです。「AI能力、労働力開発、イノベーションシステムへの協調的投資がなければ、サウジアラビアはFinTechとデジタルトランスフォーメーションイニシアチブから期待される変革的経済利益を十分に実現できない可能性があります。」ソフトウェアの購入は比較的簡単ですが、ソフトウェアが実際に生産性を向上させるように経済や企業を再構築することが、より困難であり、潜在的により価値のある機会です。投資家にとって、FinTech拡大の恩恵を受けるのは消費者向け金融アプリケーションだけでなく、クラウド、接続性、データセンター、サイバーセキュリティ、デジタルバンキングインフラを構築する企業でもある可能性があります。さらに、同国内の企業や地域だけでなく、国間で比較することで、他のパラメータがFinTechの生産性向上能力に影響を与えるかどうかを検証する研究も考えられます。デジタルインフラへの投資Microsoft企業や国家レベルでのクラウドとAI導入に関して、一般的な選択肢はMicrosoftの AzureクラウドインフラとCopilotであり、既存のWindows、Office365、GitHub、LinkedIn、Outlookなどのツールキットと統合されています。Microsoftは2026年第4四半期にサウジアラビア東部Azureリージョンを開設する準備を進めており、3つのアベイラビリティゾーンがローカルのクラウドとAI処理、低遅延、データ所在地、セキュリティ、規制対象およびミッションクリティカルなワークロード向けインフラを提供します。もちろん、イランとの戦争エスカレーションや地域のデータセンターに対するイランの報復(例:バーレーンのAmazonデータセンターへの最近の攻撃)に応じて再考される可能性があります。いずれにせよ、Microsoftはさらなる計算資源へのアクセスを可能にするパートナーシップや核電站の再稼働、さらには量子コンピューティングハードウェアの開発を通じてAI分野のリーダーシップを確立しています。このため、同社の株式は企業ITサービスを中心とした堅実なビジネスモデルへのエクスポージャー、そして世界クラスのAIインフラへのアクセス手段として有望です。(Microsoftの多くの事業の全体像については当社専用の投資レポートでご覧ください)最新のMicrosoft(MSFT)株式ニュースと動向

2026年7月27日 著者 Raphael Alessandro McMahon
‘Internet Court’ が人間の関与なしに AI エージェント間の紛争を仲介するために開始された
By Raphael Alessandro McMahon27社のコンソーシアムが発表しました、7月10日にAIエージェント間の迅速な紛争解決のためのオープンスタンダードであるInternet Court を開始すると。この標準は、個人や企業を代表して取引に関与するAIエージェントが、相互運用可能なフレームワーク内で相互に交渉し、資金を安全に保管し、人間の介入なしに迅速かつ低コストで紛争を解決できるように特別に設計されています。コンソーシアムは、暗号通貨取引所のOKX、ソフトウェアエンジニアリング会社のMatter Labs、テクノロジー会社の0G Labsなど、さまざまな有力ブロックチェーン企業で構成されています。エージェント経済の裁定層を構築することを目指すGenLayer Foundationが主導し、Internet Courtは、支払い、エスクロー、紛争解決に関する以前は分散していたプロトコルを1つのフレームワークに統合することを意図しています。AIエージェントはすでに人間の関与なしに相互に交渉し支払いを行っており、特に米国ではAdobe データが、2025年7月に米国小売サイトへの生成AIトラフィックが前年同期比4,700%増加したと報告しています。マッキンゼーは推計によると、2030年までにAIエージェントは世界の消費者取引で少なくとも3兆から5兆米ドルを仲介するとしています。しかし、人と人の取引と同様に、エージェント間の取引も契約上の紛争に直面する可能性があります。しかし、エージェントシステムはこれまで、従来の裁判所が遅く、こうしたケースに対応する設備が整っていないため、これらの紛争を解決する手段を持っていませんでした。すでに、エージェント紛争は現代の商取引の一部となりつつあります。Cloud Security Alliance の調査によると、AIエージェントを運用している企業の65%が2026年4月までの12か月間にAIエージェント関連のインシデントを報告しています。Internet Court がエージェント商取引の急増に先んじ、不要な法的および取引上の遅延を防止しようとするGenLayer Foundation のCEO兼共同創設者であるDavid Riudorは、Unite AIに対し、裁判所の機能とその目的について語りました。「Internet Court のコンソーシアムを推進したとき、私たちが目指したのは、支払い、アイデンティティ、決済層といったエージェント経済企業のリーダーたちを、私たちが紛争解決層として統合し、単一のコンソーシアムにまとめることでした」と創業者は説明しました。この統合の結果として、「エージェントに送信できるスキルが作られ、そのエージェントはそれを組み合わせ可能な形で使用し、単なる支払いに留まらず、完全なエンドツーエンド取引を実行できる」ようになりました。エージェント商取引を効率的にするためには、取引のスピードがエージェント間の紛争解決のスピードと一致すべきであり、法的紛争を防ぐためにコンプライアンスに関する標準化されたガイダンスへのアクセスが必要です。現在、米国の裁判所は複雑な民事紛争の解決に平均344日かかります。Riudorは、これらの裁判所は、各人が「1つ、あるいは数十、さらには数百のエージェントがタスクを実行する」ようになる、数兆ドル規模のエージェント商取引経済に対して準備ができていないと主張しています。Riudorが「インターネット経済のための裁定層の一種」と表現するGenLayerは、オンライン紛争解決の専門知識を活用し、Internet Court がエージェント主体に対し、迅速かつ低コストで安全に契約問題を解決するために必要な情報を提供し、遅い従来の裁判所の利用を回避できるようにしています。Internet Court は現在のところいかなる法域でも法的拘束力はありませんが、その判決は紛争前にエスクローで保管された資金に対して拘束力を持たせることができます。紛争が発生した場合、裁判所のプロトコルが作動し、1001人のローテーションAIバリデータからなる陪審が契約を審査し、証拠を検証して裁定を下します。その後、保管された資金は判決の結果に応じて解放または再配分されます。このプロセスは30分から1時間で完了し、解決費用は0.85ドルから1.45ドルと、弁護士を雇う費用と比べて格段に安価です。Riudorによれば、Internet Court が対処すべきもう一つの重要な課題は、エージェント経済のさまざまなプレイヤー間の断片化に伴う遅延です。「NEAR のように...

2026年7月23日
著者 Jonathan Schramm
AI株はFinTechよりもポートフォリオの分散効果が高い可能性があります
By Jonathan Schramm2022年にChatGPTが一般公開されて以来、AI株への投資は多く、あるいはほとんどすべての投資家にとって支配的なテーマとなっています。当初は新たな有望技術への投機的ベットが主でした。このベットはテック大手と市場全体で共有されており、AIへの世界的支出は2025年に1.5兆米ドルに達したと推定され、2026年に2兆米ドルを超えると予測されています.6 兆米ドルが2026年にしかし、業界が成熟するにつれて、ポートフォリオにおけるAI株の位置付けも変化しています。例えば、AI株はイノベーティブなIT技術へのエクスポージャーを得てポートフォリオリスクを分散する手段として、FinTech(金融テクノロジー)株と比較されるようになっています。トルコのシルナク大学とイスタンブール・ニシャン・タシ大学の研究者による最近の研究は、AI株が投資家のリスク管理において新たな役割を果たす方法を定量化しています。この研究はBorsa Istanbul Review1に掲載され、タイトルは「The diversification benefits of FinTech and AI stocks in portfolio management: A performance analysis based on investor risk preferences」です。第4次産業革命への投資現在、いわゆる第4次産業革命の真っ只中にあり、これは前の三つの産業革命(蒸気、石油/電気、コンピュータとインターネット)と同様に経済を根本的に変革しています。AI、バイオテクノロジー、ロボティクス、ドローン、IoT、3Dプリンティング、宇宙技術などが主導しています。投資家にとって、FinTechは新興の第4次産業革命の初期セグメントであり、ブロックチェーン、クラウドコンピューティング、ビッグデータの活用により、銀行、ファンド、保険会社の何十年にもわたるパラダイムを根本的に変え、資金と決済の処理方法を劇的に変化させました。顕著な成長プロファイルのおかげで、FinTech企業は過去10年間で成功した投資テーマとなり、暗号通貨をFinTechの定義に含めるとさらにその傾向は強まります。最近ではAI株についても同様に言えるでしょう。しかし、初期の成功を超えて、これらのセクターが成熟するにつれて、長期投資とポートフォリオ構築に関わる重要な疑問が浮上します。FinTechとAI株はポートフォリオの分散と投資パフォーマンスを向上させるか、そしてどちらがより優れた分散効果を提供するかです。経済文献の分析投資データの収集と処理本研究の研究者は、2018年6月から2026年4月までの月次データを使用し、23の先進国(ほとんどのOECD加盟国)を代表する株価指数、従来の投資商品、そしてFinTechとAIの指数を組み込みました。対象となったのはMSCI Developed Markets Index、従来の投資商品(S&P 500 Index、金、米国5年国債、WTI原油など)およびS&P...

2026年7月14日 著者 Gaurav Roy
投資家がAI株式アドバイスを完全に信頼しない理由
By Gaurav Roy人工知能(AI)の導入は「歴史的な速度」で加速し続けています。技術が進化し続け、 これまで以上に多くの人々に届くようになり、今や静かに個人投資家のツールキットの一部となっています。株式のスクリーニングから決算説明会の要約、取引アイデアの作成、ポートフォリオの分析、取引の実行まで、AIは投資の不可欠な要素となりつつあります。しかし、生成的AIや機械学習の顕著な進歩にもかかわらず、投資家は実際の売買判断でAIに依存することに躊躇しています。投資家はリスクを指摘したり財務諸表を説明させることには喜んでAIモデルを利用しますが、実際の資金が関わる場面で同じモデルを信頼する人は少なくなっています。これは、信頼が能力に追いついていないことを示しており、投資家はハルシネーション(幻覚的出力)、アルゴリズムバイアス、データ品質、サイバーセキュリティ、そして予測不可能なマクロ経済や地政学的イベントをAIが完全に考慮できないことを懸念しています。業界と規制当局が責任の在り方を模索する中、多くの投資家はAIを意思決定を支援するツールとして活用しています(人間の判断の代替ではなく)。 残された疑問は:個人投資家はAIを十分に信頼し、ポートフォリオの意思決定に影響を与えることを許すでしょうか?AIが投資のプレイブックを変革するAIは急速に市場が拡大しており、今後数十年で大きな経済成長を牽引すると期待されています。鉄道、電力、インターネットに匹敵する変革的技術として、日常的なインターネット検索から高度な産業ワークフロー、複雑な製造、医薬品開発に至るまで、すべてを覆す可能性があります。AIの急速な進歩は金融市場にも影響を与えています。現在、金融機関、証券会社、ヘッジファンド、フィンテック企業は、さまざまなタスクでプラットフォーム全体にAIを活用しています。これらの組織は、センチメント分析、リスクモデリング、詐欺検出、クオンティティブ取引、ポートフォリオ最適化、パーソナライズされた投資推奨、カスタマーサポートなどにAIを利用しています。生成的AIはこれらの能力をさらに拡大し、一般投資家に大きな利点を提供します。自然言語で複雑な金融情報を問い合わせることができ、洗練された市場調査へのハードルを下げます。さらに、AIは膨大なデータを継続的に、しかも人間のアナリストが数日かかる作業をはるかに速く分析できる能力があります。構造化データと非構造化データの大量を分析する際、技術は数千の資産を同時に監視し、隠れたパターンを特定します。また、繰り返しのリサーチ作業を自動化し、新しい情報にほぼ即座に反応します。機械であるAIは恐怖や欲望に左右されません。むしろ、一貫した手法を適用し、過信、損失回避、群衆追随といった感情的バイアスを減少させ、人間の意思決定を歪める要因を排除します。これらすべての能力により、投資リサーチはより効率的かつアクセスしやすくなります。特に、従来は機関レベルの分析ツールを持たなかった個人投資家にとっては大きな変化です。さらに、AIは 人間を上回ることが判明しています。30年の期間で「93%のマネージャーを平均600%上回る」株式選択で勝っています。しかし、AIは万能ではありません。この技術には重要な制限があり、特に高度なAIシステムの多くはブラックボックスとして機能し、推奨がどのように生成されたかを知る方法がありません。技術は訓練に使用されたデータの質に依存します。その結果、AIモデルは単に不正確なだけでなく、捏造された情報さえ生成することがあります。AIのハルシネーション問題はよく知られています。誤った回答を提供するだけでなく、自信を持って提示するため、検出が困難になります。「ハルシネーションとは、言語モデルが生成する妥当だが誤った文です。驚くべき形で現れることがあり、単純に見える質問でも起こります、」 OpenAIが説明したブログ「Why language models hallucinate」で。「例えば、広く使用されているチャットボットにAdam Tauman Kalai(本稿の著者)の博士論文のタイトルを尋ねたところ、3つの異なる答えを自信満々に提示しましたが、いずれも正しくありませんでした。誕生日を尋ねても同様に3つの異なる日付を提示しましたが、すべて間違っていました。」それだけではありません。AIモデルは、歴史的パターンから学習するため、真に変化する経済状況を理解せず、前例のない市場イベントに苦戦します。さらに、ほとんどの投資家が同じAIモデルを使用し始めれば、取引が過密になり、ボラティリティが低減されるどころか増幅されます。これらすべての懸念は、AI支援投資においてより高い透明性と人間の監視が必要であることを示しています。証拠は、技術の採用が依然として不均一であり、信頼と認識されたリスクが研究者によって主要な障壁として頻繁に指摘されていることを示しています。AIアドバイスへの信頼は依然として進行中の課題AIは、極めて速く主流になった数少ない技術の一つです。 その好例がOpenAIのChatGPTで、わずか5日で最初の100万人のユーザーに達し、その後2か月で1億ユーザーに達しました。最近、ChatGPTは月間アクティブユーザー10億人を突破し、リリースから約3年で史上最速のアプリとなりました。このデータはAIの利用拡大を示す一方で、投資家は投資関連タスクでAIを使用することにも抵抗が少ないことが示唆されています。増加する個人投資家は、株式調査、財務報告の要約、馴染みのない財務用語の解釈、機会のスクリーニング、速報ニュースの迅速な把握にこの技術を活用しています。Investing.comが実施した938人の米国個人投資家を対象とした調査では、約3分の2(62%)がすでにAIツールを使用して情報に基づいた投資判断を行っていることが分かりました。そのうち、23.6%が定期的にAIツールを使用し、27.4%が時折使用しています。わずか11.5%が一度か二度だけ試したことがあります。注目すべきは、21%の回答者がまだAIを使用したことはないが検討中であると答え、16.6%は投資にAIツールを全く使用する予定がないと回答しました。「実際、AIが金融業界ほど急速に破壊的影響を与えた産業はほとんどありません」とInvesting.comのシニアアナリスト、トーマス・モンテイロは述べています。「これは、企業が数年前に比べてはるかに低コストで金融グレードのツールにアクセスできるようになったため、個人投資家にとってさらに顕著です。これらのモデルが進化し、ますます関連性を高めるにつれて、AI投資アシスタントと何らかの形で関わっている投資家の間でも利用は拡大し続けるでしょう。」HSBCとIpsosが実施した、10,000人近くの富裕層・ハイネットワース投資家(HNWI)を対象とした調査でも、金融・投資が富裕層の間でAIの最も一般的な利用ケースであり、キャリアや個人開発に次いで上位に位置付けられました。特に、Z世代とミレニアル世代がAIの導入が最も速く、リスクの特定、調査の迅速化、または人間のアドバイザーに相談する前の「第二の意見」を得るためにAIを活用しています。とはいえ、投資家はAIにポートフォリオ管理や自律的な取引執行を任せることにはかなり不安を抱いています。回答の品質やデータプライバシーに関する懸念が、広範な採用への最大の障壁となっています。Investing.comの調査によると、AI利用者の38.9%が不正確または誤解を招く推奨に懸念を抱き、24.2%が多数の投資家が同じAI生成シグナルを使用する「群集行動」について懸念しています。英国を中心としたGood Money Guideの調査では、約7人に1人の投資家がAIプラットフォームを使用したことがあると回答したものの、ChatGPTやClaudeのようなツールが金融アドバイスを提供することを信頼すると答えたのはわずか18.8%で、確立された金融ウェブサイトを信頼する60.2%と大きく差がありました。すべての年齢層で専門的な助言の必要性は依然として高く、ハイブリッドなアプローチが理想的な将来の意思決定モデルとされています。「顧客はますますAIを使って選択肢を探りますが、投資判断に関しては、信頼できるウェルスアドバイザーからの判断、文脈、そして説明責任を重視しています。」– バリー・オバイン、HSBC国際ウェルス&プレミアバンキングCEO研究は、技術よりも信頼が重要であることを示す新たな研究「Mind over machine:株式市場におけるAIに対する投資家の認識に関する計量書誌的調査1」は、投資家が金融市場におけるAIをどのように認識しているかを検証した学術研究の包括的概観を提供します。文献はまた、AIをより人間らしく設計する擬人化を、投資家の信頼に影響を与える可能性のある要因として検討していますが、これは現在も進化中の研究領域です。興味深いことに、彼らの以前の研究「Hey AI, should I buy this stock? – Trust, technology, and...

2026年6月23日
著者 Jonathan Schramm
Midjourney Medical: AI画像企業、60秒フルボディスキャナーを発表
By Jonathan SchrammAI技術が主流になると、会話が驚くほど人間らしい能力を持つChatGPTに多くの注目が集まりました。しかし、画像生成の分野では、アーティスト、マーケター、デザイナー、そしてAI生成ビジュアルを必要とするすべての人々にすぐに支持される企業がありました: Midjourney。MidjourneyはDavid Holzによって設立され、彼は以前Leap Motionを共同設立していました。そのため、ベンチャーキャピタルなし。同社は月額$10から$120のサブスクリプション収益のみで運営・成長を賄い、利益を再投資してきました。この独立性は常にMidjourneyが従来とは異なる決断を下す助けとなり、ウェブサイトによる従来のオンライン販売ファネルではなく、主にDiscord(当初はゲーマー向けに開発されたチャットシステム)を通じてユーザー層を拡大しました。また、長期的な成長に焦点を当て、Midjourneyが生成する画像の品質は競合他社よりも一貫して高いことが特徴です。これが同社が最新の、非常に予想外の発表で示した従来とは異なる路線です:医療画像分野への参入です。Midjourneyは超音波を用いたフルボディスキャンを開発したようで、人間の体内のすべての詳細を60秒未満で可視化し、しかも非常に低価格で提供できるとされています。正確には「フルボディ超音波計算トモグラフィー」です。このアイデアは、低コストではるかに多くの医療データを生成し、健康、医療、疾病予防へのアプローチを根本的に変えることです。できるだけ早く、できるだけ安く、健康に関するできるだけ多くのデータを手に入れたい。言い換えれば、体に関する情報を「ドルあたり秒あたりメガバイト」単位で最大化するよう最適化された技術が欲しいのです。AIが将来の医療で重要な役割を果たすことは、2024年の記事「AI Poised to Become Invaluable Medical Diagnosis Tool」で既に説明した通り、完全に驚きではありません。しかし、このイノベーションがGoogleのような企業ではなく、医療画像企業Butterfly Networkとの提携でMidjourneyから生まれたことは、さらに予想外です。Midjourney Medicalローンチ突如として現れた新事業Midjourneyは、マサチューセッツ州拠点のButterfly Networkとの7,400万ドルの契約としてこれを発表しました。Butterflyは、先進的な超小型超音波診断ツールとAIを活用した統合ソフトウェアを開発しています。現在のスキャナープロトタイプは、正確に358,400個の個別センサー要素を40個のButterfly Ultrasound-on-Chipイメージングモジュールに集約しています。このアイデアは、無害な超音波を使用して人間の体の完璧な高解像度3Dモデルを作成し、他の多くのより複雑で高価な既存オプションよりも優れた性能を発揮することです。“超音波CTは、MRI装置にさえ匹敵する多くの点で優れた全身イメージングを可能にしますが、スキャンはわずか60秒で完了します。放射線も強力な磁場もなく、音と水、そして60秒だけです。”このスキャナーの詳細度はMRIをはるかに上回っており、すべての約束が実現すれば、他のスキャナー技術は極めて短期間で時代遅れになる可能性があります。特に、フルボディMRIは通常60〜90分かかり、費用も高額です。Midjourneyは、マサチューセッツ州拠点のButterfly Networkとの7,400万ドルの契約としてこれを発表しました。Butterflyは、先進的な超小型超音波診断ツールとAIを活用した統合ソフトウェアの開発者であり、「Compass」と呼ばれるシステムを提供しています(以下で同社について詳しく説明します)。この発表のために作成されたビジュアルは非常にSF的で、映画『ブレードランナー』や『ガタカ』のような映像を彷彿とさせます。フルボディスキャナー体験このアイデアは、患者を水中に完全に浸し、超音波センサーで体を「スライスごと」にスキャンすることです。“十分な波と十分な角度があれば、体内で起こっていることの画像を形成します。”Midjourneyの説明では、体験が快適で60秒以内に完了することを特に強調しており、ほとんどの医療検査基準に比べて驚くほどシームレスです。また、MRIや他の放射線検査とは異なり、金属類や超音波ジェル、その他の準備を取り除く必要はありません。“まず、黄金色の浅いプールに足を踏み入れます。その後、水中へと沈み始めます。体は水中センサーのリングを通過し、各センサーはイルカのようにエコーロケーションを行います。センサーはあらゆる角度から超音波を体内に送ります。水に入って、出て、完了です。”Midjourneyの長期的な目標はシームレスな60秒浸漬ですが、現行の第1世代プロトタイプはやや遅くなっています。テラバイト規模の生音響データを処理するために必要な膨大なデータ帯域幅のため、現在のGen-1スキャナーはフルスキャンに約20分かかります。1分未満の体験は、計画中のカスタムシリコンGen-2およびGen-3での目標です。フルボディスキャナーはどのように機能するか患者はプラットフォームの上に立ちます。このプラットフォームはレールに接続され、エレベーターのように患者を1秒あたり約2インチ(5センチメートル)でゆっくりと水中へ降下させます。スキャナー内のセンサーは、砂粒ほどの大きさの50万個の小さな正方形で構成され、各々が小型スピーカーとマイクロフォンの両方の役割を果たします。これらのセンサーは構造化された超音波波を生成し、その波紋は秒間何百万回も記録されます。40個の超音波送受信アレイのリングに集約されています。これらの音データは画像に変換されます。波が水や体内を通過する際、密度や硬さの変化(例えば水から皮膚、脂肪、筋肉、骨へと変わる)に応じて形状が変化します。「もしそのデータをHDインターネット動画に変換したら、スキャンデータ1秒につき500時間の映像を見る必要があります。」結果として得られるデータストリームは、秒単位でテラバイト規模です。体の1つの「スライス」だけで40ギガバイト以上が必要で、フルボディスキャナーの最終的には数百のスライスが作成され、スキャンあたり最大806テラバイトのデータになります。得られた体の画像は、AIによって自動的に注釈付けされ、臓器、静脈、骨などを特定できます。解像度は0.5ミリメートル(0.02インチ)まで細かく、少なくとも21台のAIサーバー(合計2ペタフロップの計算能力)を使用して全身モデルとして再構築されます。この途方もないデータ量が、これまでこのような試みが行われなかった理由です。ごく最近まで、これはどのスーパーコンピュータでも処理しきれず、データを有用な形式に変換する能力をはるかに超えていました。しかし、近年のコンピューティングハードウェアとAIの進歩により、今がその時です。MidJourney デプロイメント計画発表ではフルボディスキャナーが完成品として提示されていますが、実際には同社は今後12か月間、アルゴリズムとハードウェアを日々改良し、できるだけ効率的かつ信頼性の高いものにする必要があります。このアイデアは、設計の機能的な第2世代に移行する前に「システムの生の能力を披露する」ことです。このモデルはまず、2027年後半にオープン予定のサンフランシスコ拠点の「リサーチスパ」に導入されます。現在、スキャナーは臨床診断用のFDA認可を取得していないため、施設は当初、筋肉、脂肪、水分の分布を追跡する高度に詳細な体組成マップを提供します。Midjourneyは、この旗艦サイトで収集したデータを活用し、段階的に診断用FDA承認を申請していく計画です。「当スパにはホットタブ、サウナ、コールドプランジ、そして黄金色の光のプールがある居心地の良い部屋があり、体を優しくスキャンします。最初の「リサーチスパ」の構築を行い、これが大規模な健康スキャンを可能にするプロメテウス的拠点となります。」これは、Midjourneyが機械の診断機能をFDAの承認を得ることを期待する段階でもあります。続いて、2028年にはスキャナーと関連スパがさらに多くの都市へ展開され、システムは第3世代へとアップグレードされます。「Gen3が本格的になる段階で、この設計のシリコンは完全にカスタム化され、画像品質とスキャン時間は昼と夜ほどの差が出ます。」最終目標は2031年までに、世界中で5万台以上のスキャナーを展開し、月間10億回のスキャンを可能にすることです。これにより、世界人口の大部分をカバーでき、あるいは10億人に対して定期的な月次スキャンを提供できる規模となります。コミュニティ主導の開発Discord上の初期ユーザーからのフィードバックへの献身に忠実に、MidjourneyはスパとAIフルボディスキャナーにも同様の原則を適用します。例えば、設計・構築中のスパの概念や新しいスキャン画像、定期的なアップデートを公開します。同社は、詳細をどのように詰めていくかについてコミュニティの意見に従うことに熱心なようです。「私たちも皆さんにたくさん質問したいです!皆さんのサポートと意見が、私たちのスピードと規模に自信を持たせ、最初の段階で皆が好きになるものを作れるようにしてくれます。」フルボディスキャンで何ができるか高解像度フルボディスキャナーの最も明白な用途は、明らかに異常なものを検出することです。がんのような異常増殖だけでなく、動脈瘤や特定の臓器の問題なども対象となります。このような状態はしばしば無症状で致命的であるため、検出率の向上は多くの命を救う可能性があります。「将来的に十分な早期画像診断が行われれば、全死亡者数の30%、医療費の50%を回避できると完全に考えられます。」しかし、より広い応用はフィットネスや一般的な疾病予防にあります。定期的なスキャンは、既存の問題を検出するだけでなく、体の変化を直接評価します。子どもの成長、体重の増減、老化など、これまでにない精度で測定できるようになります。「私たちは、体との関係を変え、次のような質問を始められます:早期に問題を捉えられれば、生活習慣を変えて修正できるか?体の変化と行動を時間とともに観察すれば、健康、心、人生をどれだけ向上させられるか?」結果として、私たちが自分の体をどのように認識し、健康な状態を維持する責任をどのように感じるかに大きな影響を与えるでしょう。「これらすべての文化的、身体的、精神的健康利益は理解しがたく、過大評価することもできません。」しかし、この装置は超音波固有の物理的限界に直面しています。音波は骨や空気のポケットを通過できないため、スキャナーは自然に制限されます:頭蓋内の脳をマッピングできず、肺や腸など空気で満たされた臓器も明瞭に映し出せません。これらの領域では、従来のMRIやCTスキャンが完全に代替不可能です。Midjourneyフルボディスキャナーへの投資Butterfly NetworkButterflyは、先進的な超小型超音波診断ツールと、診断支援にAIを活用した統合ソフトウェア「Compass」の開発者でもあります。このシステムは、Butterflyのクラウドソフトウェアや病院のITシステム(患者ファイルや画像バンクなど)と統合されています。過去数年で、同社はAIを活用して画像を改善し、診断に関連する測定を自動生成し、トレーニングや教育の実践を提供してきました。同社技術の核心は、従来の低解像度圧電結晶を半導体センサーに置き換えることで、超音波を現代化することです。超音波画像は、さまざまな健康問題の検出に関する研究が増加している急成長技術であり、経頭蓋集束超音波療法などの革新的治療にも利用できるという利点があります。超音波技術の応用範囲が広がることで、同社の総アドレス可能市場(TAM)は最大3,500億ドルに達します。これは、Midjourneyとのフルボディスキャナーに関する新たな提携を考慮する前の数字です。同社は2022年の73.4百万ドルの収益から、2026年には予想117〜121百万ドルへと成長し、粗利益率が65%超であることにより、純損失は136.5百万ドルから21〜25百万ドルに減少しました。同社の株価はMidjourneyとの提携に対して非常に好意的に反応しました。これは短期的な資金リスクを緩和し、医療分野で半導体超音波センサーを展開する同社の専門知識の価値を示すものと考えられます。最新Butterfly Network(BFLY)株式ニュースと開発

2026年6月11日
著者 Jonathan Schramm
AI金融アドバイザーは信頼問題を抱えている
By Jonathan Schramm2022年にChatGPTがリリースされて以来、人々は日常生活から医療アドバイスまで、さまざまな質問をますます投げかけています。それでも、初期の大規模言語モデル(LLM)は、虚偽の事実を「幻覚」することで有名になり、AIの回答に対する人々の信頼を低下させました。この問題は後続のAIモデル世代で多少軽減されたものの、信頼の問題は依然として残っています。特に個人的な専門知識が不足している場合、ユーザーはAIの出力を本当に信頼できるかどうか不安になります。金融アドバイスチャットボット、すなわち「ロボアドバイザー」は、複数の投資・ブローカー・プラットフォームでますます導入されています。オープンな汎用LLMに比べてはるかに「制御」されているため、特に投資初心者に対してかなり堅実な助言を提供する傾向があります。したがって、信頼の課題を解決することはAI開発者だけでなく、金融業界全体や、通常は大口投資家向けに高額な人間アドバイザーが提供されるよりも手頃な金融アドバイスを受けられる可能性のある一般公衆にとっても重要です。最近の論文は、この問題を調査しており、パキスタンのFAST国立コンピュータ・エマージングサイエンス大学の研究者らによって執筆されました。Acta Psychologica1に掲載され、タイトルは「金融テクノロジー採用の心理的予測因子:信頼、態度、そしてAIベースの金融チャットボットにおける人口統計の役割」です。ロボアドバイザーへの信頼は条件付き以前は最も基本的な顧客問い合わせにのみ使用されていたチャットボットは、AIの進歩により、現在では有能な金融アドバイザー、すなわち「金融ロボアドバイザー(FRA)」へと進化しました。これまで、ロボアドバイザーに関する議論は技術的能力、安全性、規制遵守に焦点が当てられてきました。しかし実際には、広範な普及には一般市民がこれらのツールを信頼することも必要です。重要な指標は、ロボアドバイザーが適切な金融アドバイス機能を実行できるという信頼性、信頼度、そして能力に対する一般市民の信念です。別の要因は金融に対する態度、すなわち新しい金融ツールへの開放性、リスク許容度、そして人間と自動化されたインタラクションの価値認識です。実際、先行研究は、前向きな金融態度とロボアドバイザーへの開放性が相互に関連していることを示しています。過去のデータは、個人の社会経済的・人口統計的状況(性別、年齢、収入、教育など)が金融サービスの採用に大きく影響することも示しています。“金融リテラシーとリスク許容度が高いため、65歳以下の人々は同世代の人々よりもFRAをより多く利用する傾向があります。”もちろん、金融サービスの利用者は理想的には人間のアドバイザーとのカスタマイズされたパーソナルなやり取りを好みます。しかし、このサービスの高コストは、望まれるサービスレベルと銀行や投資プラットフォームが実際に提供できるレベルとの間に大きなギャップを生み出します。この文脈では、ロボアドバイザーは、サービスが行き届いていない層にも届く、より公平な代替手段となり得ますが、十分な信頼が構築され、規模で利用されることが前提です。ロボアドバイザーは何を提供できるか?AIによる教育ロボアドバイザーの利用は、ユーザーに高度な投資オプション、低手数料、そして金融サービスへのアクセス向上への道を開きます。しかし、これらの利点の理解と活用は教育を通じてのみ向上します。先行研究は、政府がFRAのようなサービスをユーザーフレンドリーにし、知識提供を行う取り組みが、これらのサービス利用を大幅に増加させることを明らかにしています。これは、金融について学んだユーザーがロボアドバイザーを信頼できる教師と見なすようになり、潜在的に信頼できない販売者や金融サービスとは区別できるため、理にかなっています。もちろん、この信頼は提供される教育の質が高く、助言サービスが公平かつ誠実であることが前提となります。性別の影響金融教育に関する研究では、男女間で大きく異なることがよく知られています。女性は男性よりもロボアドバイザーの利用に対してはるかに開放的であるようです。この態度の違いには多くの説明が考えられ、原因は複数の要因が組み合わさっていると考えられます: 女性は従来の金融環境において、損失回避が強く、保守的な投資行動を示す傾向があります。 直接的なやり取りは、抽象的なデータよりも女性にとって価値が高く、人間のアドバイザーが関与しなくても同様です。 金融リテラシーが低いことが、ロボアドバイザーの金融教育サービスを女性にとってより有用にし、信頼構築につながります。 より多くの信頼へこれまで、大規模なアクセス可能性にもかかわらず、ロボアドバイザーの利用率は低く、特に開発途上国や金融リテラシーとデジタルリテラシーが低い層で顕著です。新しいデジタルツールは、最初は人口の大部分から信頼されにくく、特にAIのような「ブラックボックス」システムは、内部の仕組みが一般市民に理解されていないため、さらに信頼が得にくいです。個人の財務や医療状態といった重大な問題に関しては、AIシステムが単に同等であるだけでなく、訓練された専門家よりも優れていることが証明されなければ、人間のタッチの有効な代替として信頼されるべきであるため、このような懐疑はある程度論理的です。それでも、このツールの潜在力は、これまで個別の金融アドバイザーにアクセスできなかった何十億人もの財務状況を改善する上で極めて重要です。したがって、信頼の課題を解決することが重要です。今後の研究は、性別に加えて収入やデジタルリテラシーといった他の人口統計的要因を調査し、ロボアドバイザーの採用または拒否に関わる主要因をより深く理解し、より微細な洞察を提供できるでしょう。信頼が形成された後、女性がロボアドバイザーの採用意向が高まるという発見も重要です。これは、躊躇が保守的な態度から来るのではなく、失敗する可能性のあるシステムを慎重に信頼するためであり、信頼が形成された時点で行動が変化することを示しています。ロボアドバイザーへの投資ロビンフッド取引手数料ゼロと、スマートフォンから取引する新世代投資家向けのデジタルネイティブプラットフォームという約束のもとに構築されたロビンフッドは、急速に大規模な投資プラットフォームへと成長し、顧客数は2770万人(2026年第1四半期は前年同期比170万人増)で、資産管理額は3770億ドルに達しています。2026年の初めだけで、同社は予測市場やEU顧客向けの高レバレッジ、新たな暗号通貨などを追加し、提供内容をさらに拡大しました。レガシーシステムに縛られることなく、ロビンフッドはロボアドバイザーと暗号通貨の導入において先駆者の一つであり、2,000以上のトークン化株式を提供しています。ロボアドバイザーサービスはRobinhood Strategiesと呼ばれ、年率0.25%の管理手数料でプロレベルの助言を提供します。また、Robinhood Learnを通じて堅実な金融教育プラットフォームでもあり、投資戦略全般、株式、オプション、暗号通貨などに関する初心者向けから上級者向けまで幅広い教育を提供しています。全体として、ロビンフッドは投資に適した堅実なプラットフォームであり、ロボアドバイザーが初心者投資家にとってどれほど強力であり、これまで高額資産を持つ個人に限定されていた特権を自動化できるかの良い例です。最新ロビンフッド(HOOD)株式ニュースと動向

2026年5月28日 著者 Gaurav Roy
AI暗号価格予測モデルがボラティリティテストに直面する
By Gaurav Roy人工知能(AI)は現代の最も重要な技術的進歩の一つであり、私たちの働き方だけでなく意思決定の方法も変革しています。国境を越えて24時間取引が行われる暗号通貨市場において、AIモデルは特に急激で極端な価格変動を予測するために注目と採用が急増しています。このボラティリティは暗号通貨を非常に魅力的な機会にする一方で、予測不可能さも極めて高くしています。技術がますます高度化し広く採用される中、市場参加者はノイズを除去し、パターンを識別し、予測的洞察を生成するために機械学習システムへとますます依存しています。しかしながら、暗号通貨市場は予測を行う上で最も過酷な金融環境の一つです。極端なボラティリティが大きな要因ですが、投機的センチメント、マクロ経済ショック、規制の変化、ソーシャルメディア主導の取引行動など、暗号通貨予測を極めて困難にする要素が他にも多数あります。高度なディープラーニングアーキテクチャと膨大なオンチェーン・市場データを武器に、研究者、トレーダー、投資家は人間のアナリストが一貫して失敗してきたこと、すなわち暗号通貨の価格が次にどこへ向かうかを予測しようとしています。しかし、現在の重要な問いはAIが暗号通貨価格を予測できるかどうかではなく、これらのモデルがボラティリティの高い市場環境下で一貫して信頼できる実世界の取引上の優位性を提供できるかどうかです。暗号通貨の採用が拡大し、従来の金融セクターとの統合を通じて主流化が進む中、新たな研究は極端な価格変動がもたらす課題を克服し、正確な予測を生成する信頼できるモデルの提供を目指しています。本研究は主要な4つの暗号通貨(ビットコイン、イーサリアム、ドージコイン、ライトコイン)に対してディープラーニングモデルを評価し、先進的な機械学習アルゴリズムが特定の条件下で予測精度を向上させることができる一方で、ボラティリティが依然としてロバスト性、スケーラビリティ、実用的な導入を制限していることを明らかにしました。The AI Boom Reaches Crypto Markets今日、AIは至る所にあり、私たちの生活の不可欠な一部となっています。そして、AIが突然現れたように見えるかもしれませんが、実際はそうではありません。AIは1950年代から開発が進められ、数十年にわたる研究と技術的ブレークスルーを経て進化してきました。しかし、長い歴史にもかかわらず、この技術は新興分野から主流のビジネスツールへと驚異的な速さで移行しました。その加速は、2022年後半にChatGPTがリリースされたことで無視できないものとなりました。OpenAIの広く人気のあるチャットボットChatGPTは、Microsoft Microsoft の支援を受け、わずか5日で100万人のユーザーに到達し記録を破りました。強力な大規模言語モデル(LLM)を日常ユーザーが簡単に利用できるようにしたことで、ChatGPTはAIをニッチな技術概念から主流へと押し上げました。現在、世界で週あたり9億人のアクティブユーザーを抱えており、世界人口のかなりの割合が何らかの形でAIとやり取りしています。この採用は消費者をはるかに超えて広がっています。今日の企業は自動化、ソフトウェア開発、サイバーセキュリティ、医療診断、マーケティング、カスタマーサービス、物流、予測などにAIツールをますます活用しています。マッキンゼーによると、約88%の調査対象組織は2025年までに少なくとも1つのビジネス機能でAIを使用する予定であり、AIを組織変革の触媒として、ワークフローの再設計とイノベーションの加速に活用しています。AIの魅力は膨大なデータを処理し、反復作業を自動化し、非線形な関係性を識別し、人間よりはるかに速く予測を生成できる点にあります。その結果、企業は生産性向上、運用コスト削減、顧客体験のパーソナライズ、イノベーションサイクルの加速のためにAIを急速に導入しています。マッキンゼーは、AIが世界的に長期的な生産性向上で数兆ドルの貢献ができると見積もっています。驚くべきことではなく、AI導入が最も活発な分野の一つは金融セクターであり、銀行や投資会社は機械学習モデルを用いて詐欺検出、マネーロンダリング防止(AML)規則への準拠、リスク管理、取引の自動執行を行っています。一方、暗号通貨市場はデジタルネイティブな構造と高頻度データ生成という特性から、AI実験に特に魅力的な環境として浮上しています。暗号分野におけるAIは、一般に機械学習、ディープラーニング、自然言語処理、強化学習、予測分析をブロックチェーンベースの金融システムに適用することを指します。現在、AIツールは暗号取引ボット、市場センチメント分析、詐欺検出、ブロックチェーン分析、スマートコントラクト監査、ポートフォリオ最適化、自律リスク管理、分散型金融(DeFi)分析、トークン価格予測などに利用されており、ブロックチェーンは透明性と監査可能性を提供しています。AIと暗号の融合は自然な進化であり、次世代の金融商品を形作り、投機を超えて実際の収益創出アプリケーションへの採用を促進すると期待されています。さらに重要なのは、暗号市場の制度化が進み、デジタル資産が拡大する中で、ボラティリティの高い価格環境をナビゲートできるより高度な予測システムへの需要が高まっていることです。The Search for an Edge in a Chaotic Market暗号通貨が金融市場の機会における重要な要素として浮上する中、投資家は情報に基づいた意思決定と利益増大のために正確な予測を求めています。しかし、暗号価格の予測は容易ではありません。2020年の研究が指摘するように、これは「その混沌と非常に複雑な性質」ゆえに困難な課題です。暗号価格予測は、過去データ、テクニカル指標、取引行動、マクロ経済情報、そしてソーシャルメディアのセンチメントやブロックチェーン活動といった他のデータセットを用いて将来の価格変動を予測するプロセスです。これは大きな金融リスクと実際の科学的課題が交差する領域に位置しています。投資家にとって、将来の価格変動を予測できる能力は利益獲得の可能性を伴います。現在、5億人以上が少なくとも1つの暗号通貨を保有しており、ビットコインだけで暗号市場全体の58%を占め、時価総額は1.5兆ドルです。これほど多くのユーザーと資本が動いている中、わずかにでも予測モデルが改善すれば、多くの人にとって大きな財務的優位性をもたらす可能性があります。特に急速な価格上昇と短期間の大きな下落は、投機的トレーダーにとって利益機会を生み出します。過去の暗号サイクルは、ボラティリティが急上昇した際に、ステーブルコインへとタイミングよくローテーションするトレーダーがより良い成果を上げることを示しています。しかし、これらの変化に対応するには単なる規律だけでなく、予測モデルが約束する先見性も必要です。暗号通貨は24時間取引され、短期的な大きな変動があるため、予測ツールはエントリータイミングの最適化、ポジションサイズの決定、ポートフォリオのバランス調整、リスクエクスポージャーの管理、さらにはアービトラージ機会の活用にも有用です。しかし、暗号価格の予測は従来の金融資産の予測ほど簡単ではありません。暗号の固有の高いボラティリティは、投機的に利益を上げやすい市場である一方で、予測価格分析を複雑にします。さらに、暗号市場は感情、ニュース、主要トークン保有者(ホエール)の行動によって動きます。ホエールは単一の取引で市場を動かすことができます。同様に、ソーシャルメディアのナラティブ、規制の動向、マクロ経済状況、オンチェーンデータの流れが暗号価格に大きな影響を与えます。さらに、暗号通貨は分散型であり、取引速度やエコシステムの違いといった独自の特徴、技術的進歩、政府政策、世界的な出来事、世論などの要因に敏感であるため、正確な予測を行う難易度がさらに高まります。したがって、AIシステムが正確な暗号価格の動きを予測するのは困難です。技術はデータ品質の問題、一般化の不足、レジーム変化、ブラックスワンイベントに苦戦しています。AIモデルは実際には、価格ターゲットの正確な予測よりも、方向性シグナル、センチメントスコア、短期トレンド確率の方が得意です。制限はあるものの、AIを暗号予測に応用する取り組みは大幅に拡大しています。 予測環境 従来の予測 AI主導の予測 市場への影響 データ処理 人間のアナリストは限られた過去データとテクニカルデータセットに依存していました。 AIモデルは膨大な市場、センチメント、オンチェーンデータセットを処理します。 予測システムははるかに大規模な分析スケールで動作します。 パターン認識 統計モデルは暗号価格の非線形な挙動に苦戦しました。...

2026年5月25日 著者 Daniel Martin
銀行業におけるエージェントAI:TDが示す次の展開
By Daniel Martin人工知能は従来の銀行の運営コアにますます深く浸透しています。長年にわたり、金融セクターは詐欺検出、信用スコアリング、顧客セグメンテーション、コンプライアンススクリーニング、チャットボットサポートに AI を活用してきました。しかし、これらのシステムの多くは狭く、タスク固有で、明確に定義された人間のワークフローに依存していました。次のフェーズは異なります。Agentic AIは、銀行に目標を解釈し、情報を収集し、複数ステップのタスクを実行し、例外をエスカレーションし、直接的な人間の介入を減らして利用可能な出力を生成できるソフトウェアエージェントを提供します。これは、銀行が信用決定を監視されていないアルゴリズムに委ねることを意味するわけではありません。むしろ、文書、ルール、ポリシー、顧客データ、従業員の判断が交差するワークフロー層に AI を組み込むことを開始しているということです。TD Bank Groupが不動産担保ローン向けに初のエージェントAIモデルを導入したことは、この変化が向かう方向性を示す明確な例です。同銀行は、住宅ローンおよび住宅エクイティラインオブクレジット(HELOC)申請プロセスの一部を自動化・効率化するためにエージェントAIを活用しています。最初の展開は事前審査に焦点を当てており、システムは文書を分類し、重要情報を抽出し、収入を算出し、同意を確認し、選択されたポリシー要件に照らして数値を検証し、矛盾を特定し、簡潔なファイル要約を作成してアンダーライター向けのサマリーメモを生成します。TDによると、初期結果では従来平均15時間かかっていたプロセスが3分未満に短縮されました。銀行にとってこれは単なる技術アップグレードではなく、貸付業務のルーティング、レビュー、測定、スケーリング方法の潜在的な再設計です。金融におけるエージェントAIとは何かエージェントAIとは、単一のプロンプトに応答するだけでなく、一連のアクションを通じて目標を追求できるAIシステムを指します。従来の生成AIツールは、要求に応じて文書を要約することができますが、エージェントシステムは関連文書を検索し、分類し、必要なデータを抽出し、そのデータをポリシーと比較し、不整合をフラグ付けし、要約を作成し、ファイルを人間の意思決定者にルーティングすることができます。銀行業においてこの区別は重要です。なぜなら、ほとんどの高付加価値ワークフローは単一ステップのタスクではないからです。住宅ローンの審査、商業信用審査、マネーロンダリング防止調査、資産オンボーディング、保険請求、規制報告はすべて、複数のシステム、文書、ルール、承認、監査要件を伴います。エージェントAIが標準的な自動化と異なる点従来の自動化は、プロセスが繰り返し可能で構造化されている場合に最適に機能します。たとえば、ロボティック・プロセス・オートメーション(RPA)は、入力形式が予測可能であればデータをあるシステムから別のシステムへ移動できます。エージェントAIはより柔軟で、半構造化文書、自然言語、内部ポリシー、変化する顧客ファイルを横断して処理できます。この柔軟性が銀行の関心を引く理由です。コスト構造は、繰り返し作業であるものの単純ではない知的業務で満ちています。従業員は意思決定が行われる前に、情報の読取、照合、要約、チェックに多くの時間を費やしています。エージェントAIはその中間層の作業を対象とします。 手動の文書レビューを削減できます。 複雑なワークフロー全体で一貫性を向上させることができます。 従業員が判断、例外処理、顧客関係に集中できるよう支援します。 大手銀行が貸付から始める理由貸付は、顧客の緊急性、大量の文書、高い運用コスト、厳格なリスク管理が組み合わさっているため、エージェントAIの最初のターゲットとして論理的です。住宅ローンや担保付き貸付の申請では、銀行は収入、雇用、資産、負債、物件情報、同意、ポリシー遵守、例外リスクを評価する必要があります。その作業の多くは事務的ですが、エラーは信用、規制、評判リスクを生む可能性があります。TDの導入が重要なのは、AIをアンダーライターの代替と位置付けていない点です。代わりに、より強固な事前審査層を構築しています。AIはファイルを準備し、矛盾を検出し、メモを生成します。その後、人間のアンダーライターがより完全で構造化されたパッケージをレビューできます。このモデルは従来の銀行にとって支配的なパターンになる可能性が高いです。短期的な機会は完全に自律的な銀行業ではなく、AIエージェントが準備、検証、ワークフローのオーケストレーションを担当し、顧客向けプロセスの遅延を解消する、人間主導の銀行業です。 銀行業務フロー エージェントAIの役割 期待できる効果 住宅ローン審査 文書を分類し、収入データを抽出し、ポリシー要件を検証し、要約を作成する 審査の迅速化と単位処理コストの削減 コンプライアンス監視 アラートをレビューし、裏付けデータを収集し、調査メモを作成する アナリストの生産性向上と文書の一貫性向上 顧客オンボーディング フォームをチェックし、欠落情報を検証し、例外をルーティングする 遅延の減少と放棄率の低下 ウェルスマネジメント支援 顧客ブリーフ、ポートフォリオノート、適合性レビュー資料を作成する...

2026年5月5日
著者 Jonathan Schramm
ソフトバンク Roze IPO: AI データセンター ロボティクス ベット
By Jonathan Schrammテクノロジートレンドに早期投資する際、ソフトバンクほど比較できる企業はほとんどありません。日本の投資ファンドで、孫正義が創設したソフトバンクです。例えば、ソフトバンクはAlibaba 、Nvidia 、Arm Holdings 、そしてOpenAIに早期投資しています。同社は現在、別の投資先であるRozeの評価額を確定させようとしています。RozeはAIとロボティクスの企業で、AIデータセンターの建設を自動化しています。金融セクター向けのAI企業であるRoseAIや、韓国のAI災害ソリューション企業RozeAIと混同しないでください。特に混乱のリスクが高いのは、RozeAIが2026年5月にティッカーROZEで公開IPOを計画しているためです。ソフトバンクのRozeは近いうちに、できれば2026年初めに上場される予定です。これはソフトバンク(SFTBY)にとってもう一つの大きな成功となり、投資家が再び同社株式に注目する理由となるでしょう。データセンター建設の加速過去数年でAIの性能が飛躍的に向上したのと同様に、これらのAIを商業用途に訓練・適用するための計算力を提供できる「ハイパースケール」AIデータセンターの建設活動も急増しています。データセンターの建設だけで、運用を除くと、2025年の市場規模は2,610億ドルで、今後12.7%の年平均成長率で6,620億ドルまで拡大すると予測されています。AIワークロードは2025年の需要の約25%を占めており、2030年までにデータセンター全体の計算の50%から70%を占めると予測されています。合計で、3.7兆ドルから8兆ドルがAIデータセンターインフラに費やされる可能性があります(今後5年間)。しかし、多くのデータセンター建設プロジェクトが遅延しており、これらの予測が狂う可能性があります。遅延の一部はエネルギー供給や電力網の容量、そして何よりもこれら施設の膨大なエネルギー需要に起因しています。もう一つの課題は熟練した人材で、電気技師、HVAC技術者、配管工などが含まれます。データセンター特有のスキル、例えばスーパーバイザー、機械・電気・配管コーディネーター、ビルディング情報モデリング(BIM)リーダー、コミッショニングマネージャーなどになると問題はさらに深刻になります。データセンター提供者の60%以上が、空いているポジションに適格な候補者を見つけることに課題があると報告しています。「全国で約3,000件のデータセンタープロジェクトが建設中または計画中であり、多くの大規模建設が含まれていますが、各プロジェクトは通常、建設ピーク時に1,500〜3,000人の労働者を雇用します。より大規模なプロジェクトでは4,000人もの労働者が必要となり、これは小さな町と同規模です。」このため、ソフトバンクはデータセンター建設の最前線に立ち、5,000億ドル規模のプロジェクト「Stargate」やOpenAI、Oracle と共に、ロボティクスとAIを活用して、まもなく独立上場するRoze社とともにAIデータセンターの容量を構築しようとしています。Rozeはどのように構築されるのか?新しいデータセンター建設手法の創出現在、Rozeは独立した会社として正式には存在せず、独自のウェブサイトも持っていません。しかし、ソフトバンクが数十億ドルで完全または部分的に取得した複数の補完的な企業や部門の統合により構築される予定です: ABBのロボティクス部門は54億ドルで取得されました。 Ampere Computingは65億ドルで取得されました。 DigitalBridgeのデータセンター資産は30億ドルで取得されました。 結果として、RozeのIPOは1000億ドルの評価額を目指すと報じられており、これはソフトバンクがこれらの個別の能力を統合し、特にOpenAIを中心としたAIハイパースケーラーエコシステムとの深い連携を活用するシナジー効果による大幅な価値増加となります。ソフトバンクの他の部門がRozeに統合されるかは不明です。候補としては、データセンター向けエネルギー供給システムの提供に注力するソフトバンクグループのSB Energyが挙げられます。シナジーの構築Rozeに組み込まれる資産が発表されたことで、ソフトバンクの将来の新部門のモデルが予測できます。DigitalBridge は、デジタルインフラへの投資に特化した資産運用会社としての既存の専門知識を持ち込みます。同社はRozeの中核事業であるデータセンターだけでなく、セルタワー、光ファイバーネットワーク、エッジインフラにも経験があります。DigitalBridgeは、AIデータセンター建設プロジェクトの設計、コミッショニング、管理を迅速化するために必要な知識と人材を提供すると期待できます。“DigitalBridgeはデジタルインフラのリーダーであり、この買収は次世代AIデータセンターの基盤を強化し、ASIプラットフォームのリーディングプロバイダーになるというビジョンを前進させ、人類を前進させるブレークスルーを解き放つのに役立ちます。” Masayoshi Son – SoftBank Group Corpの会長兼CEOAmpere Computingは約1,000人の半導体エンジニアを抱えるチップ設計会社で、次世代クラウドコンピューティングとAIワークロード向けに高性能でエネルギー効率の高いプロセッサを設計しています。Arm Holdingsと共に、この部門はAI展開を加速させるコンピューティングハードウェアとチップの専門知識を提供します。ABBロボティクスは、建設、ケーブルの引き込み、配管の接続、サーバーラックの設置などにおいて、人手を代替したり作業者の生産性を向上させることで、労働力不足の解決を担う部門となります。Rozeをユニークにする要素は何か?Rozeをユニークにするのは、ABBのロボティクス部門である可能性が高いです。ABBはAIを非常に積極的に統合しており、さまざまな用途で産業ロボットに活用しています。例えば、すでに導入されているユースケースとして以下が挙げられます: 品質検査: 22マイクロメートルの精度で欠陥を検出し、人間の20倍の速度でスポットチェックを行う機械ビジョン対応ロボットセル。 予知保全: AIベースの評価基準学習を備えたロボットは、99.9%の診断精度と生産停止なしを実現します。 自律掘削: センサーとAIシステムを搭載したロボットが、エレベーターシャフトの掘削と設置を支援し、精度と作業安全性を向上させます。 アイテムピッキング:...

