CBDC採用から生じる隠れたAIリスク

中央銀行デジタル通貨（CBDC）は、支払いの高速化、透明性の向上、金融包摂の改善、通貨主権の強化といったデジタル時代の重要な金融イノベーションと見なされています。これらの機能が、CBDCが世界中の中央銀行からますます関心を集める理由です。

しかし、あまり議論されていないのは、公式通貨のデジタル版がもたらす目に見えにくいリスクです。CBDCの導入は、企業が技術戦略を考え提示する方法を変えており、必ずしも好ましい方向に進んでいるわけではありません。

最近の研究によると、CBDCはデジタルトランスフォーメーションを実証する圧力を高め、その結果、一部の企業が実際の技術開発に裏付けられないままAIに関する物語を強調するようになっていると指摘しています。これは機械学習というよりもマーケティングです。

企業がAIへの野望を語る内容と実際に構築するものとのギャップは、投資家や資本市場、そしてAI投資サイクル全体の信頼性に実質的な影響を及ぼしますが、これまでほとんど検証されてきませんでした。

投資家にとって、この教訓はCBDCだけに留まりません。経営陣のコメントだけに頼るのではなく、特許、研究開発の強度、採用、導入、収益創出といった観点からAIへのエクスポージャーを評価しなければなりません。AIに関する主張が氾濫する中、プロモーションと実行の信頼性ギャップは、評価額や資金調達リスクに実質的な影響を及ぼす可能性があります。

なぜ中央銀行はデジタル通貨へと競走しているのか

ほとんどの国にはそれぞれ中央銀行があります。これらの中央集権的機関は、金融政策を通じて国の通貨と信用供給を管理します。金利、準備率、公開市場操作といったツールを用いてインフレを抑制し、通貨価値を安定させ、経済成長を導きます。独立して機能するよう設計されていますが、実際には必ずしも独立して機能しているわけではありません¹。

独立性が疑問視されるだけでなく、これらの公的金融機関は金融引き締めの限界や、デジタル経済における通貨主権の維持に関する課題にも直面しています。

過去10年間で金融システムは急速にデジタル化し、民間の決済プラットフォームが拡大しました。今日、決済システム、金融商品、貨幣形態は規制や政策の枠組みよりも速く進化しており、ステーブルコインやトークン化資産が従来の構造と並存することで、中央銀行の政策決定のインパクトがさらに弱まっています。

これらすべての課題への対応としてCBDCが登場しました。中央銀行が独自のデジタル通貨を発行するという考え自体は新しくありませんが、ビットコイン(BTC )の台頭後に大きな関心を集めました。ビットコインは2008年の金融危機後に立ち上げられ、金融機関への公共の信頼が揺らいだことが背景にあります。

暗号通貨の台頭は金融当局の関心を引き、国家が裏付けたデジタル通貨の姿を検討せざるを得ない状況を作り出しました。近年、各国の中央銀行は研究、実験、パイロットプログラムを加速させ、決済インフラを近代化しつつ完全な管理権を保持しようとしています。

データはCBDCへの関心が顕著であることを示しています。146の国と通貨同盟が何らかの形で関与しており、そのうち40はデジタル版通貨の創出を研究段階にあります。さらに41はすでにパイロットを開始し、33は開発段階です。ただし、約15件は停滞状態にあり、9件は中止されています。

特にナイジェリアのように、完全にリテール向けCBDCを立ち上げた経済はごくわずかですが、採用率は限定的です。

ナイジェリア中央銀行（CBN）は、2021年に開始されたeNairaの採用促進のため、年金、官僚給与、社会福祉支払いなど政府支払いにeNairaを活用する計画を最近共有しました。これは同銀行の「Nigerian Payments System Vision 2028」に記されています。

BRICS（ブラジル、ロシア、インド、 中国、南アフリカ）加盟国とナイジェリアは、CBDCと高速決済システムの連携を議論していますReuters 報じました。

「国境を越える決済は、BRICS全体にとって関心領域です。コスト削減の余地が大きいと考えており、さまざまなオプションが検討されていますが、まだ議論段階であり、CBDCや高速決済システムの連携も含まれます。」

– インド準備銀行（RBI）総裁サンジャイ・マルホトラ氏が先週のイベントで述べました

現地通貨の国際化に加えて、総裁はAIを抑制すべきリスクではなく活用すべき能力と位置付けています。

「インドの銀行は傍観者でいる余裕はありません」とマルホトラ氏は述べました。彼の「取締役会承認のAIガバナンスポリシー」を導入する呼びかけは、世界中の中央銀行がAI利用に伴うオペレーショナルリスク、ガバナンスリスク、サイバー攻撃の懸念から金融機関のAI活用を精査している中で行われました。

「イノベーションと安全性は対立する目標ではなく、むしろ耐久的な金融システムのために相補的な要件です。」

– マルホトラ氏

CBDCの領域では、中国のデジタル人民元（e-CNY）イニシアチブが最も顕著な例です。中国人民銀行は2014年に内部でCBDC研究を開始し、2019年にパイロットプログラムを開始、2022年末までに主要経済圏へと拡大しました。

e-CNYは特に採用率が高く、2025年12月時点で小売取引3.4億件、取引総額約16.7兆人民元（約2.3兆米ドル）を処理しています。

今年初め、人民銀行はデジタル人民元を「預金負債」と再分類し、単なる現金代替から中国金融インフラに深く組み込まれた資産へと進化させました。CBDCの魅力は、銀行振込など従来手段に比べて決済が速く安価になる点にあります。

即時決済を可能にするだけでなく、取引摩擦の低減、決済コストの削減、金融システムの効率化と金融政策の伝達強化、そして取引の追跡可能性向上による透明性の向上も実現します。

特に追跡可能性の向上は規制当局にとって重要です。これはCBDCが現金や普通預金と根本的に異なる点です。現金とは異なり、CBDCは中央管理された決済システム内で取引記録を生成でき、資金の流れを金融当局や規制当局がより可視化できる可能性があります。

このような機能の組み合わせは、企業行動に関する情報環境をこれまでにない形で形成し、企業が技術戦略を伝える方法を静かに変容させています。

企業が規制当局、投資家、一般公衆に同時に可視化されると、「正しい」ことをしているように見せるインセンティブが高まりますが、実質的な内容が伴わない場合もあります。このようなマイクロレベルの企業への影響は、金融伝達、金融安定、決済システム改革といったマクロ経済的成果に焦点を当ててきた研究者の関心からはほとんど注目されてきませんでした。

新たな証拠は、CBDCが単に決済システムを変えるだけでなく、企業が活動する制度的環境も変容させていることを示唆しています。金融活動の可視化が高まり、デジタルトランスフォーメーションへの期待が強化され、規制監視が強まることで、企業がイノベーション戦略をどのように伝え、資源配分を行うかに影響を与える可能性があります。これにより、企業AI投資の真正性に関する新たなリスクが生まれます。

この見過ごされがちなリスクは、最近の研究で中国のe-CNY展開を自然実験として、CBDC採用と企業AI戦略の関係を検証したものの基礎となっています。

CBDCがAI信頼性問題を助長している可能性

タイトル「すべては見せかけで実体なし：中央銀行デジタル通貨政策下における企業AI戦略のジレンマ」²の研究は、CBDC採用が企業のAIに関する公的主張と実際のAI投資とのギャップ（「AI戦略デカップリング」）に影響を与えるかどうかを調査しています。AI戦略デカップリングは、企業の公的AIナラティブと実際のAI技術能力との乖離として定義されます。

研究者は、年次報告書におけるAI関連開示を通じてナラティブを測定し、実際の検証可能な能力は中国国家知的財産局の特許分類システムから抽出した関連特許出願数で代替しました。

2014年から2024年までの5,015社の中国A株上場企業を対象に、30,000件以上の企業年度観測データを用いて、南開大学経営学部の余琳・余氏と陳瑞氏、ロンドン大学シティ・セント・ジョージ校経済学部の羅浩天氏が、異なる都市がe-CNYパイロットに参加した時期の違いを利用した段階的差分‐差分設計を適用しました。

この設計により、研究者は中国企業全体に影響する広範な変化を考慮しつつ、e-CNY採用の効果を推定できました。

e-CNYパイロットは、都市ごとに段階的・多層的に開始されたことから、因果的同定のための外生的な時間的・地理的変動を提供する準自然実験として利用されました。主な発見は、CBDC採用がAI戦略デカップリングを有意に増大させるということです。

e-CNYの展開は企業のAI関連戦略的コミュニケーションを顕著に増加させましたが、技術能力の代理指標であるAI特許出願数には統計的に有意な増加をもたらしませんでした。つまり、政策環境は実質的なイノベーションを加速させるのではなく、象徴的なコンプライアンスを促すだけでした。

企業はデジタルトランスフォーメーションの優先事項に合わせてシグナリングを行いますが、観測可能なAI特許活動の増加は伴いません。

本研究では「AI戦略デカップリングを、短期的な経営者の思考や機械的な洗練、ガバナンス失敗の産物ではなく、制度的に条件付けられた反応として再概念化する」と著者らは述べています。「高いシグナリング価値・大きなコスト非対称性・外部検証の低さが制度的圧力下で同時に発生する際にデカップリングが体系的に生じることを示し、事後的な記述ラベルから事前的な予測構造へと転換したのである」。

現在、デカップリングは企業が制度的期待に沿う公的コミットメントや方針を採用しつつ、内部的にはそれらと乖離した実務を行うときに起こります。

CBDCの文脈では、企業は制度的可視性が高まることに応じてAIを公に掲げますが、内部リソース配分は実質的なAI能力構築からは選択的に逸脱します。「これは単なる経営者の過失ではなく、組織的に構築された対応である。企業は外部向けナラティブと内部資源配分の境界を意図的に管理し、最小コストで正当性要求を満たす」 と研究は指摘しています。

研究者はギャップを生む主なメカニズムを三つ特定しました。第一は資本流動性の向上で、これにより資金調達摩擦が低減し、長期的なAI研究開発に資本を投入するよりも象徴的なシグナリングが安価になるというものです。

第二のメカニズムは取引の追跡可能性の向上で、これにより企業の資本配分決定が規制当局や投資家に対して可視化されます。結果として、リスクの高い投資失敗が目に見えるようになるため、企業はナラティブシグナリングを強化し、実際の投資は抑制されます。

「CBDCは企業が活動する決済環境を外部から課された制度的変化として再構築し、資金調達条件、モニタリングの強度、決済速度を変える」 と研究は述べています。

制度理論によれば、このような環境変化は「強制的、模倣的、規範的な圧力」を生み出し、組織は支配的な制度的期待に適合せざるを得なくなります。

したがって、CBDC政策が企業の財務行動の可視性を高め、国家のデジタルトランスフォーメーションへのコミットメントを示すと、企業はテクノロジーポリシー優先事項に合わせる正当性圧力が増大します。

第三のメカニズムは決済速度の向上で、これにより企業が評価される時間軸が短縮され、速やかで低コストなシグナリングが遅く成熟するイノベーションプロジェクトよりも報酬を受けやすくなります。

これら三つのメカニズムが組み合わさることで、AIに関する言辞は魅力的になる一方で、実質的なAI能力への投資は抑制されます。

媒介分析は三つの提案されたチャネルすべてに統計的に有意な証拠を示し、平行トレンド検証、Goodman‑Bacon分解、プラセボテスト、Heckman選択バイアス補正、傾向スコアマッチング、スタック差分‑差分設計など複数のチェックでも結果は頑健でした。

ではなぜAIはこの種のデカップリングに特に脆弱なのでしょうか。AIは極めて高いシグナリング価値を持ち、オリジナルアルゴリズムや大規模モデル訓練といった実質的な長期投資が必要であり、外部ステークホルダーが検証しにくいからです。

「企業と外部ステークホルダー間の情報非対称性の下で、企業はコスト単位あたりの評判リターンを最大化するコンフォーミティモードを選択するインセンティブがある」 と著者らは述べています。

研究はさらに指摘します。AI能力はアルゴリズムやデータパイプラインといった無形資産に埋め込まれているため不透明です。

さらに「AIは中国のテクノロジーポリシー階層の頂点に位置し、投資家の関心と政策的正当性を不均衡に占めているため、クラウドコンピューティングやビッグデータに関する主張よりもはるかに報酬が高い」 と述べています。

デカップリング効果は均等に分布しているわけではありません。既に高いデジタルトランスフォーメーションを実施し、AI主張が最も評判価値を持つハイテクセクターで活動し、地方政府の政策文書がデジタルトランスフォーメーションを強く強調する地域に所在する企業に集中しています。これらの企業は機関投資家の保有率が低く、洗練された株主が空虚な主張を規律する機会が少ない傾向があります。

したがって、AIについて大言壮語するが実際の能力が伴わない企業は、まさにイノベーションと政策エコシステムが外見上の革新を報酬する環境に埋め込まれている企業です。市場はこの行動を完全に無視してはいません。

研究結果によれば、AIデカップリングが大きい企業は評価額が低下し、ベンチャーキャピタル流入が弱まり、収益性が低下し、負債調達コストが上昇します。

これは、債権者、株式投資家、ベンチャーキャピタリストが、AI主張が実質的な技術開発に裏付けられていないときにある程度識別し、象徴的なAIシグナリングに対してペナルティを課すことができることを示唆しています。しかし、デカップリングがこれらのペナルティにもかかわらず存続しているのは、短期的な正当性獲得が長期的な市場規律を上回っているためです。

著者らはこの点を、CBDC採用の予期せぬ、かつこれまで文書化されていなかった副作用として強調しています。デジタル通貨は金融効率を向上させ得る一方で、企業のイノベーション開示を歪め、AI関連開示の信頼性を損なう可能性があるのです。

International Business Machines Corporation (NYSE: IBM)

投資目的で見ると、IBMはCBDCと人工知能の両領域に関与しているため魅力的な選択肢です。同社は中央銀行が安全なCBDCを開発・テスト・スケールするためのエンタープライズ向けブロックチェーンフレームワークと研究ツールを提供しています。最近ではIBMがDigital Asset Havenを立ち上げ、金融機関、政府、企業がデジタル資産業務を安全に管理・拡大できるプラットフォームを提供しています。IBMの確立された金融サービスと決済インフラ事業は、規制された金融システムの近代化へのエクスポージャーをさらに高めます。

本研究ではIBMは対象外であり、ここでの記載は研究が指摘した技術とガバナンスのニーズへのエクスポージャーを示すもので、研究結果との直接的な関係はありません。

さらに、同社のエンタープライズ向けAI・データプラットフォームwatsonxは、生成AIや機械学習ワークロードの構築・スケール・ガバナンスを支援します。

IBMは時価総額2234億ドルの企業で、執筆時点の株価は236ドルで、過去1か月で11.34％上昇していますが、年初来は20％下落し、過去1年で2.22％下落しています。TTMベースのEPSは12.45、P/Eは19.05です。配当利回りは2.85％です。

財務面では、IBMは2026年第2四半期に売上171.6億ドル、調整後EPS 2.93ドルを報告しました。売上は前年同期比1％増、純利益は21.7億ドルでした。部門別では、ソフトウェア売上が5％増の78億ドル、ハイブリッドクラウド（Red Hat）・自動化・データが増加する一方、取引処理ソフトウェアは8％減少しました。コンサルティング売上は変わらず53億ドル、ファイナンス部門は12％増の2億ドル、インフラ売上は7％減の38億ドルでした。これはZメインフレームコンピュータの販売が計画を下回り、42％減少したためです。

「AIと自動化で全社の生産性を高め、収益成長と収益性を加速させるために行動を起こしています。イノベーションを高速かつ大規模に商業化するために大規模に投資しています。」

– CEO アルヴィンド・クリシュナ

IBMの第2四半期フリーキャッシュフローは25億ドルで、前年同期比3億ドル減少し、四半期末の現金・制限付き現金・市場性証券は82億ドルで、2025年末から63億ドル減少しています。

同期間に同社は配当として16億ドルを株主に還元しました。通年では、為替ベースで売上成長率4％‑5％、フリーキャッシュフローは約10億ドル増加すると見込んでいます。

今後、IBMはAI対応ソリューションの管理・展開・構築を支援するソフトウェアを中心に、高成長ポートフォリオに注力するとしています。「顧客需要が最も高い分野」です。量子コンピューティングも重点領域で、100億ドル超の投資を計画しています。また、2029年までに初の大規模フォルトトレラント量子コンピュータを提供することを目指しています。

「第2四半期の売上減速にもかかわらず、ビジネスの根本的な基盤に注力し続けています。生産性向上、ポートフォリオ強化、フリーキャッシュフロー創出に注力しています。」

– CFO ジェームズ・カヴァノー

結論

CBDCは政府にとって正当な理由で関心が高まっており、決済システムの近代化、効率性向上、金融インフラの強化に寄与します。

しかし、すべてが利点だけではありません。CBDC導入はリスクも伴います。証拠は、CBDCの影響が金融領域を超えて企業のイノベーション行動に及び、最新の研究ではCBDC採用が企業のAIナラティブを増大させる一方で、観測可能なAI特許活動の増加を伴わないという意図しない結果をもたらすことを示しています。

これにより、政策立案者、技術提供者、投資家は企業のAI開示の質に注意を払う必要があります。AIの物語が実際の技術進展と一致するようにし、CBDCとAIの両方の恩恵を最大化すべきです。

参考文献

1. Eijffinger, S. & de Haan, J. 中央銀行の独立性と説明責任. 国際通貨金融ジャーナル, 166, 103595 (2026). https://doi.org/10.1016/j.jimonfin.2026.103595
2. Yu, J., Chen, R. & Luo, H. すべては見せかけで実体なし：中央銀行デジタル通貨政策下における企業AI戦略のジレンマ. International Review of Economics & Finance, 111, 105689 (2026). https://doi.org/10.1016/j.iref.2026.105689