アポロ・エコノミスト：AIはテック以外の大半の企業に「金銭的リターンゼロ」
2026年10月25日、TechCrunchは、アポロ・グローバル・マネジメントのチーフエコノミスト、トルステン・スロック氏が、テックセクター以外の大半の大企業にとってAIの「金銭的リターンはゼロ」と見ていると報じた。この主張が重要なのは、S&P 493全体で利益率と従業員一人当たりの収益が横ばいであるという単純なマクロ観察を用いて、最も強力なAI生産性向上の物語に反論しているからだ。
アポロのトルステン・スロック氏が実際に測定したもの
アポロのメモは、S&P 493に関するトップラインの観察であり、企業レベルの投資収益率調査ではない。スロック氏はS&P 493を、S&P 500からアルファベット、アマゾン、アップル、メタ、マイクロソフト、エヌビディア、テスラを除いたものと定義している。そのグループでは、利益率と従業員一人当たりの収益は横ばいで、AIが生産性を向上させている証拠はないとしている。
スロック氏の中心的な結論は率直だ：「AIへの巨額の投資と広範な誇大広告にもかかわらず、テクノロジーはテック以外の米国企業に金銭的リターンを一切もたらしていない」。
また、非テック企業がしばらくテック大手に遅れを取った後、追いつくという見方にも懐疑的だ。米国企業が「ますます安価になるインテリジェンスを、より高い収益成長とより高い利益率に変える」のは難しいと主張する。その説明として、ビジネス価値は計算以上のものに依存すると述べている：「AIは優れた計算機かもしれないが、ビジネスにおいてインテリジェンスはほとんどが判断力である」。さらに「AIは説明責任、信頼、文化、暗黙のルール、倫理的なトレードオフ、公平性を理解しておらず、これらすべてが風評リスクを形成し、最終的に収益成長と利益率を左右する」と付け加えている。
最も強い反論：データはAIのリターンを切り離せない
アポロのメモは、AI支出が価値を生んでいないことを証明できない。なぜなら、AI支出を企業レベルの成果と比較しておらず、反事実を確立していないからだ。大規模な非テック企業のトップライン収益チャートは、特にAI支出が総収益に比べて小さい場合、それらの企業がAIから実際の価値を得ていても横ばいのように見える可能性がある。
Hacker Newsのコメンターhyperpape氏はこの批判を直接的に述べた：
「これはアポロの記事が実際に示せることを完全に誤って伝えている。AI投資の『リターン』を測定しているのではなく、それらの企業のトップライン収益だけを測定しているのだから」
hyperpape氏はまた、分析には反事実が必要だと主張した：それらの企業がAIに支出していなかった場合、収益と利益率はどうなっていただろうか？ さらに「AI支出は急速に増加しているが、普通の企業は収益の1%をAIに費やしているわけではない」と指摘した。AI支出が収益に占める割合が小さければ、ノイズの多いトップラインのチャートはAIが有用かどうかの弱いテストに過ぎない。
コメンターのcl42氏は関連する測定問題を提起した：S&P 493はAI支出の大部分が行われている場所ではないかもしれない。cl42氏は書いた：
「私が本当に見たいのは、従業員一人当たりの収益と利益をトークン使用量/支出に対して時系列で追跡したもので、S&P 493に限定されないものだ」
これはよりテスト可能な枠組みだ：AIの使用量やトークン支出を、従業員一人当たりの収益、従業員一人当たりの利益、サイクルタイム、または出力品質に、企業またはプロセスレベルで結び付ける。総合的な利益率からROIを推測するのではなく。
AIが測定可能な運用上の利益を示している分野
一部のHacker Newsコメンターは、狭く明確に定義されたワークフローでの具体的な利益を報告しており、AIのリターンが普遍的にゼロではなく不均一であるという見解を支持している。コメンターのManBeerPc氏は、データサイエンスと専門化学でAIを使用して数式を見つけ最適化していると述べた：
「アイデアからプロトタイプまで、以前は1〜2週間かかっていたのが1日でできるようになった。データを処理するための定型コードは、特にプログラマーではないデータサイエンス/数学担当者にとって、手書きでコーディングするのに長い時間がかかった。今では、最も有望なものを推測してそれだけを試すのではなく、すべてのアイデアを実際に試すことができる」
これはプロセスレベルの生産性向上だ：反復が速くなり、実験が増え、定型作業に費やす時間が減る。これは、特に短期的には、S&P 493企業全体の従業員一人当たりの収益増加として必ずしも現れるわけではない。
他のコメンターは、AIがタスクに適合する場合にのみ機能することを強調した。doginasuit氏は、AIは「開発を確かにスピードアップできるが、狭い道を歩かなければならない。価値のある製品よりもはるかに簡単にゴミを生成する」と書いた。Damogran6氏も同様の指摘をした：「適切なツールなら銀の弾丸だ。間違ったツール...またはまだ適切なツールでない場合、自分でやるよりも操縦に時間を費やすことになる」。
組織のボトルネックもAIの利益を吸収し得る。victor9000氏は、依然としてエンジニアリング、製品、営業スタッフを顧客先に派遣する必要がある営業プロセスを説明した：「私は個人的にはAIを使うとはるかに生産的だが、取引を成立させるプロセスが50年代のままである場合、それには限界がある」。
ゼロサムと「AI税」仮説
総合的な利益率が横ばいであることの一つの説明は、AIの生産性向上が競争によって奪われることだ。業界のすべての企業がAIを使用して成果を向上させれば、単一の企業が余剰を保持できるとは限らない。顧客や競合他社がそれを獲得するかもしれない。コメンターのkozikow氏はこのダイナミクスを説明した：
「あなたの会社がAIを使うと、はるかに速く前進する。しかし、競合他社も同様だ。経済の多くの分野はゼロサムゲームだ - だからあなたのお金は以前と同じになる。しかし、今はAIモデルプロバイダーに『税』を支払っている...」
この見方では、AIは競争上の必需品となり、永続的な超過利益の源ではなくなる。企業は現状維持のためにモデルプロバイダーに支払う必要があるかもしれず、総合的な利益率の利益は消える。
コメンターのvariadix氏はより単純な制約を提示した：「多くの業界は単にインテリジェンスによってボトルネックになっていない」。制約要因が規制、物理的容量、流通、信頼、または販売サイクルである場合、より優れた推論やコード生成は収益を大きく動かさないかもしれない。コメンターのtantalor氏も関連する指摘をした：企業が「コードの行数や数学の定理を販売している」のでない限り、AIコード生成ツールが直接解放しないものを販売している可能性がある。
判断力、説明責任、組織変革
スロック氏の判断力の議論は、AI導入をモデル能力の問題ではなく組織の問題と見る一部のコメンターに共鳴した。コメンターのmgdev氏は、ほとんどの企業がどの人、プロセス、行動が実際に最良の成果を生み出しているかを知らないと主張した：
「ビジネス成果の90%は10%の人々によってもたらされている。問題は、彼らがどの人々かわからないことだ。したがって、どのプロセスを自動化またはAIで強化すれば目標成果を達成できるかもわからない。だから代わりに散弾銃を撃っている」
mgdev氏は、既存の人間ベースのシステムには、誤った方向性が全体の運用を脱線させるのを防ぐ安定化メカニズムがあるが、AIは「それらにストレスを与え、しばしば壊す」と付け加えた。含意は、成功するAI導入は組織変革として扱う必要があるということだ：ゼロから構築し、最終的に古いワークフローの一部を吸収または置き換える小さなチームから始める。
誰もがスロック氏の計算機の類推を受け入れたわけではない。コメンターのkazinator氏は反対した：「計算機は幻覚を見ない」。これは正当な区別だ：AIシステムは決定論的な計算機ではなく、その失敗モード（捏造、一貫性の欠如、信頼できない判断）は、測定可能なビジネスリターンを捉えるのが難しい理由の一部である。
見出しが証拠を誇張している可能性がある理由
アポロのメモは、AIが経済全体を急速に変革するという最大限主義的な主張に対する有用な修正ではあるが、AIのビジネス価値に関する決定的な評決ではない。コメンターのsimonw氏は、アポロが2025年9月に広く引用された「大企業のAI導入率が低下傾向」というタイトルのメモを公開したことを指摘し、「そのメモはあまり持ちこたえなかったと思う」と述べた。
simonw氏は後に、アポロの公開頻度を確認した後で批判を和らげた：
「これを少し撤回する：アポロは毎日このような記事を公開していることが判明したので、『AIに関するネガティブな話に飢えた』人々に訴える時折の見出しは、彼らがそれほど頻繁に公開していない場合よりもパターンとしては弱い」
この文脈は見出しの解釈に重要だ。毎日のリサーチノートは、AI ROIの包括的な研究ではなくても、実際のマクロパターンを表面化できる。HNスレッドはまた、同じテーマの以前の大規模な議論を指摘しており、この議論が決着しておらず繰り返されていることを示唆している。
議論をテスト可能にするもの
AIの金銭的リターンのより強力なテストは、AIが実際に使用されているレベルで導入を成果に結び付けるだろう。つまり、従業員一人当たりの収益、従業員一人当たりの利益、サイクルタイム、エラー率、顧客応答時間、または実験スループットを、トークン使用量またはAI支出に対して測定することを意味する。また、S&P 493以外の企業を含めることも意味する。なぜなら、AI支出と実験の多くは、小規模企業、非公開企業、またはスタートアップで行われている可能性があるからだ。
信頼できる研究には反事実も必要だろう：AI投資がなかった場合、何が起こっていただろうか？ それがなければ、横ばいの利益率は「AIは役に立たない」と一致するが、「AIは有用だが、総合的な利益率を動かすにはまだ小さすぎる」、「AIの利益は競争によって奪われる」、または「AIは特定のワークフローで価値があるが、組織の摩擦によって相殺される」とも一致する。
結論
アポロのトルステン・スロック氏が、マクロデータがまだテック以外での明確なAI主導の利益急増を示していないという点で正しい。S&P 493の横ばいの利益率と従業員一人当たりの収益は、安価なインテリジェンスが自動的に高い収益や利益率になるという前提に対する正当な警告だ。
しかし、「金銭的リターンゼロ」という主張は、証拠が支持するよりも強い。アポロのメモはトップラインの成果を測定しており、企業レベルのAIリターンではなく、AI支出がなかった場合に何が起こったかを確立していない。Hacker Newsの議論は欠けていたニュアンスを追加している：一部のチームは狭いワークフローで大きな利益を見ており、多くの業界はインテリジェンスによってボトルネックになっておらず、競争力学がAIを超過利益の源ではなく現状維持のコストに変える可能性がある。本当の問いは、AIがどこでもゼロの価値しか生んでいないかどうかではなく、どこで、誰にとって、どのような条件下でAI支出が測定可能なビジネス成果に変わるかだ。