Anthropic、2四半期連続で収益性を達成へ ただしIPOに向けた試練はこれから
Anthropicは、調整後営業利益が2四半期連続でプラスを維持する見通しだとしている。巨額の資本を必要とするAI開発企業にとって、これは大きな転換を意味する。今回報じられたAnthropicの収益性達成は、同社創業以来初となった黒字四半期に続くものだ。また、Anthropicが株式公開の可能性に向けて投資家を準備させる時期とも重なる。
この開示は、Anthropicが持続的な収益性を確保したことを意味するわけではない。この予測は監査済みの公開決算ではなく、非公開の投資家向け情報に基づくものだ。また、AI研究組織の構築・維持に伴う主要コストを除外している可能性がある調整後指標にも依拠している。
それでも、2四半期の黒字は、エンタープライズ需要が最先端モデル開発を支えられるというAnthropicの主張を強めるだろう。同時に、大規模なコンシューマー事業によって規模を持つ一方、多額のインフラ・サービスコストも抱えるOpenAIへの圧力も高まる。
Anthropicの説明は、現在では明確な主張に基づいている。同社のアプリケーション・プログラミング・インターフェース、すなわちAPIとClaudeのコーディング製品に対する需要が、顧客提供に必要なコンピューティング費用を上回るペースで伸びているというものだ。次の段階では、この優位性が新モデルの学習、インフラ投資、競争による価格圧力という次のサイクルを乗り越えられるかが問われる。
Anthropicの収益性は一過性ではなくなりつつある
2四半期目の黒字は、Anthropicにとって初の利益を単発の節目から、測定可能な事業トレンドの始まりへと変えることになる。
最新報道の根拠となった投資家向け更新情報によると、Anthropicは限られた株主グループに対し、今四半期の調整後営業利益がプラスになると見込んでいると伝えた。実現すれば、同社が報告した収益性は2四半期連続となる。
この但し書きは重要だ。Anthropicは非公開企業であり、最新の予測は公開財務諸表には記載されていない。最終的な結果は、投資家向けプレゼンテーションで示された予測と異なる可能性がある。
会計用語も重要である。調整後営業利益は、選定された費用を除外した後の事業利益を測る指標だ。完全な調整表がなければ、この数値が標準的な上場企業会計における利益とどの程度近いのか、外部の読者には判断できない。
だからといって、この節目が無意味になるわけではない。営業黒字は、Anthropicが採用した計算に含まれる営業コストを、Claude製品からの収益が賄ったと報じられていることを示す。年換算売上高ランレートの上昇を発表することよりも高いハードルだ。
Anthropicの第2四半期の開示は、完了した期間についての最初の証拠を示した。暫定売上高は115億ドルを超え、第1四半期の47億3000万ドル、前年同期の7億8700万ドルから増加した。同社は同四半期の調整後営業利益もプラスだったと報告している。
これらの数値は、見込み投資家に提示され、四半期売上高レポートのために確認された文書に記載されていた。Anthropicは公にコメントを控え、同レポートは暫定数値が修正される可能性があると警告した。
確定した実績と予測値の違いは、現在の報道における核心だ。第2四半期は暫定的な過去実績を示す。一方、第3四半期の主張は、期間の完全な報告前に投資家へ示された経営陣の見通しにとどまる。
それでも、この連続性はAnthropicをめぐる議論を変える。最近まで投資家は、同社が莫大な資本を消費するなかで売上をどれだけ速く伸ばせるかに注目していた。現在の問いは、次世代モデルへの資金を拠出しながら、Anthropicが営業黒字を繰り返せるかどうかだ。
これはより厳しい試験である。急成長企業は、投資を先送りしたり、コスト配分を変更したり、例外的に強い需要の恩恵を受けたりすることで、一時的に利益を出せる。持続的な収益性には、通常の推論コストと継続的な研究費の双方を収益で賄い続ける必要がある。
Anthropicは、今後のすべての四半期や通年が黒字を維持するとは見込んでいないと報じられている。同社が新モデルを学習させたり、追加のコンピューティング能力を確保したりすれば、支出は増加し得る。そのため、基礎となる事業が改善していても、利益はゼロを上回ったり下回ったりする可能性がある。
この区別は、読者がAnthropicの収益性をどう解釈するかを左右する。この節目は、同社の現行製品が調整後営業利益をプラスにできることを示す証拠だ。しかし、最先端AIの開発が一貫して収益性の高い事業になったことの証明ではまだない。
Claudeのエンタープライズ需要が収益構造を変えている
Anthropicの最大の強みは単なるモデル品質ではなく、頻繁な業務利用に対価を支払う企業に集中した収益構成にある。
Claudeは、ソフトウェア開発、研究、金融分析、法務業務、その他の専門的なタスクで導入が進んでいる。従業員や自動化システムがタスクを完了するたびに顧客がモデルを呼び出すため、こうした用途では継続的なAPI利用が生じる可能性がある。
APIを使えば、あるソフトウェアシステムが定義されたインターフェースを通じて、別のシステムに機能を要求できる。AnthropicにとってAPIトラフィックは、顧客、クラウドプロバイダー、独立系開発者が構築する製品の内部サービスとしてClaudeを位置付けるものだ。
このモデルは、数百万人規模の時折利用する無料ユーザーに支えられたコンシューマー向けチャットボットよりも、予測可能な需要を生み出し得る。エンタープライズ顧客は、個々のモデル応答のコストだけでなく、完了したタスクのコストを評価する傾向もある。
この違いは、Claudeのコーディング需要が重要な理由を説明する。開発者はClaudeを使い、リポジトリの調査、変更案の作成、テストの実行、失敗後のコード修正を行うことが多い。各ワークフローでは多数のモデル呼び出しが必要になる可能性があり、単一タスクから相当な有料利用が生まれる。
価値提案は、完了品質に依存する。より少ない再試行で正しい結果を出せるモデルは、個々の呼び出し単価が高くても、全体のコストを抑えられる可能性がある。PitchBookのHarrison Rolfesは、エンタープライズ向けモデル経済性の分析でこの点を指摘した。
これは、モデル性能とAnthropicの収益性を結び付ける。タスク完了率の向上は、プレミアムな位置付けを支えると同時に、許容できる回答を得るために必要な繰り返し呼び出しの回数を減らし得る。顧客が重視するのは、ワークフローの最終コストと信頼性だ。
AnthropicはAmazon Web ServicesとGoogle Cloudを通じた流通からも恩恵を受けている。クラウドマーケットプレイスは、企業がすでに購入、管理、監視しているインフラと並べてClaudeを提供する。これにより、試験導入から本番展開までの道のりが短縮される可能性がある。
ただし、クラウド流通はAI企業間の比較を複雑にする。Anthropicは、特定のクラウドパートナーを通じて発生した収益をOpenAIとは異なる形で認識する可能性がある。そのため、報告される売上高合計や年換算ランレートは、重複しつつも同一ではない活動を測っている場合がある。
同社の公開事例は、この戦略が実際のワークロードにどう届いているかを示している。ReplitはコーディングエージェントにClaudeを統合し、Thomson Reutersは専門的な税務ソフトウェアの内部でClaudeを利用している。Novo Nordiskは臨床文書化のワークフローにClaudeを適用している。
Anthropicは、以前の投資および事業拡大を発表した際に、これらの導入事例を説明した。企業の事例紹介だけで顧客のリターンを独立して証明することはできないが、同社のエンタープライズ販売戦略を動かしているタスクの種類を示している。
こうしたワークフローが経済的に重要なのは、有償労働に近い位置にあるためだ。モデルがレビュー時間を短縮し、ソフトウェア提供を加速させ、あるいは専門家による案件処理を増やすなら、企業は高い推論コストを受け入れる可能性がある。
コンシューマー向けチャットは異なる収益構造を持つ。気軽な利用者は、同等のサブスクリプション収入や広告収入を生まずに、大量のコンピューティング需要を発生させる可能性がある。この市場にサービスを提供する企業は、利用を制限するか、補助するか、または注目を収益化する追加の方法を見つけなければならない。
Anthropicは個人ユーザーを放棄したわけではない。Claudeのコンシューマー向けインターフェースは、導入と製品発見の重要なチャネルであり続けている。しかし、同社の財務ストーリーは、活動が企業予算に直接結び付くプロフェッショナルユーザーへの依存を強めている。
この重点は集中リスクも生む。開発者がモデルを切り替えればコーディング需要は急速に変化し得るうえ、エンタープライズの購入者は複数プロバイダーの間でタスクを振り分ける動きを強めている。Anthropicは顧客の囲い込みに頼るのではなく、継続して利用を獲得しなければならない。
現時点では、報告された成長は、Claudeのエンタープライズにおける位置付けがAnthropicの収益構造を変えたことを示唆している。同社は将来の需要だけを根拠に、投資家へ研究資金の拠出を求めているのではない。現在の業務利用を、営業レバレッジの源泉として提示している。
コンピューティング効率が利益率変化の仕組みを支える
売上成長はAnthropicの改善規模を説明するが、その成長が利益を生むかどうかを決めるのはコンピューティング効率だ。
最先端AI企業は、大きく2種類のコンピューティングコストに直面する。大規模クラスターを長期間稼働させてモデルを学習させ、その後、推論と呼ばれるプロセスで顧客向けにそれらのモデルを実行する。推論とは、各応答を生成するために必要な計算処理である。
学習コストは大きく不均一な波として発生する。推論コストは顧客活動に伴って増加する。追加のリクエストごとに高額な計算処理が必要であれば、企業はモデル利用を増やして販売しても赤字になり得る。
Anthropicは、効率改善が利益率の拡大に寄与したとしている。こうした改善は、ハードウェア稼働率の向上、より単純なリクエストをより小型のモデルで処理すること、ソフトウェアの最適化、キャッシュ、不要なトークンの削減などから生じ得る。
トークンは、言語モデルが処理する小さなテキスト単位だ。同じタスクを成功させるために使うトークンを減らせば、必要な計算量を抑えられる。解決可能な最も低コストのモデルにリクエストを振り分けることも、コスト削減の手段となる。
モデルアーキテクチャも重要だ。Claudeがより少ない再試行で回答に到達できる改善は、ワークフロー全体で消費する計算量を減らし得る。これは、出力を計画、テスト、診断、修正する可能性があるコーディングエージェントで特に価値が高い。
このため、Anthropicが報告した利益は売上成長だけよりも多くを示す。顧客がより多くの計算処理を利用することで売上は増え得る。利益率の改善は、リクエスト提供後に同社がその売上のより大きな割合を保持していることを示唆する。
OpenAIとの比較は、この仕組みに戦略的な重要性を与える。両社は先進チップ、データセンター容量、ネットワーク、エネルギー、モデル研究に費用を支払わなければならない。また、希少な能力を確保するため、長期的なインフラ契約についても交渉している。
Anthropicは歴史的に、コンシューマー向け補助とインフラ拡大により選別的な姿勢を示してきた。このアプローチは現金を温存できる一方、競合がより広範な流通を負担できる場合には、製品の到達範囲を制限するリスクもある。
OpenAIは逆の課題に直面している。コンシューマー規模により、同社は広く認知されたブランドと、製品投入のための大きなチャネルを得ている。その規模は、特に無料または収益化が限定的な活動が有料需要より速く増える場合に、大きな推論負担も生み出す。
したがって主な競争は、単にAnthropicとOpenAIの収益を比べることではない。システムの改善を続けながら、どちらの企業がモデル利用を安定した利益率へ転換できるかである。その答えは、新モデルや契約によってコスト構造が変化すれば変わり得る。
Anthropicの効率性に関する主張は、インフラパートナーにも依存している。Amazonは以前、少数株主の立場を維持しつつ、総額80億ドルの投資を約束した。Anthropicは、そのコンピューティング提携においてAWSを主要なクラウドおよびトレーニングパートナーに指定した。
Amazon Trainiumのようなカスタムアクセラレータは、最も高価な汎用AIハードウェアへの依存を減らせる可能性がある。ソフトウェアがチップに最適化され、高い稼働率が維持されれば、経済性も改善できる。
ただし、インフラ提携によってコンピューティングが無料になるわけではない。こうした関係には、出資、クラウド利用契約、優先的アクセス、関連当事者間を流れる商業収益が組み合わさる可能性がある。上場投資家は今後の開示書類で、これらの関係が明確に分離されていることを求めるだろう。
同様の精査は減価償却にも向けられる。データセンター機器やインフラに関するコミットメントは、数年にわたり財務諸表に影響を及ぼし得る。調整後の営業指標は、慎重な投資家が想定する形でその経済的負担を捉えられない可能性がある。
したがって、Anthropicの収益性を支える仕組みは信頼に値するが、まだ完全には見えていない。エンタープライズ利用の拡大、タスク処理の効率化、ハードウェア最適化は利益率を改善し得る。欠けているのは、どのコストが含まれ、いつ認識されるのかを示す詳細で標準化された説明である。
OpenAIはいま、成長競争だけでなく効率性の競争にも直面している
Anthropicが報告した優位性は、より大きなリーチを持つOpenAIに対し、同等の営業規律を生み出せることを示す圧力となっている。
数年にわたり、AI企業は投資家に対し、収益成長、モデル能力、市場シェアを優先するよう求めてきた。需要が成熟する前にインフラを整備する以上、損失は予測可能な結果と見なされていた。
Anthropicの2四半期連続の黒字は、その見方に疑問を投げかける。主要なモデル開発企業の一社が調整後営業利益をプラスにできるなら、競合他社は自社製品になぜより大きな補助が必要なのか、より厳しい問いに直面する。
OpenAIは依然として強力な競争相手である。世界的な消費者向けブランド、大規模な開発者導入、拡大するエンタープライズ製品、そして大規模な資本へのアクセスを持つ。その規模は、より多くの利用データと、新サービスを配布する機会ももたらす。
しかし、規模は効率性と同義ではない。消費者向けサービスは数億人に到達できても、1回の利用あたりの利益率が低い可能性がある。エンタープライズAPIは利用者層が小さくても、ワークロードあたりでより高く、測定しやすい収益を生み出し得る。
Anthropicは投資家向けの説明で、この違いを強調しているように見える。同社の年換算収益ランレートは、7月末時点で650億ドルを超えたと報じられた。OpenAIの報告済みランレートは400億ドルを上回ったが、計算方法は比較可能ではないかもしれない。
収益ランレートは、短期間の売上を通年に外挿する指標である。勢いを示すには有用だが、完了した年度にすでに獲得した収益と同じではない。
第2四半期の115億ドルという数字は、完了した期間を対象としているため、より重みがある。それでもなお、暫定的で非公開企業による報告であり、外部者がまだ検証できない会計上の選択に左右される。
OpenAIはいくつかの方法で対応できる。エンタープライズ導入を増やし、推論効率を改善し、無料サービスのコストを削減し、より高利益率の製品を導入できる。また、より広範なプラットフォームを構築するため、短期的にはより大きな損失を受け入れることもできる。
最後の選択肢は、競争比較をそれほど単純ではなくする。持続的なインフラ、研究人材、流通上の優位性を生むのであれば、今日より多く支出することには合理性がある。四半期利益を示すために投資を削減すれば、企業の長期的な立場を弱めかねない。
Anthropicは、その近道を取っていないと述べている。同社はフロンティアモデルとコンピューティング能力に対する大規模な支出を引き続き計画している。今後の四半期に利益が維持されない可能性があるとの警告は、継続的な研究が現在の収益パターンを中断し得ることを認めるものだ。
IPOの時期は重要性を高めている。Anthropicは、米国証券取引委員会にドラフトS-1を提出したと発表した。この提出により、規制当局の審査後かつ市場環境を条件として、上場手続きを進める選択肢を得た。
上場すれば、Anthropicは標準化された情報開示と継続的な精査にさらされる。投資家は、収益認識、株式報酬、インフラに関するコミットメント、顧客集中、関連当事者取引について、より高い透明性を得ることになる。
この移行は、単純な成長比較の説得力も低下させる。公開市場はいずれ、キャッシュ創出力、防御可能な利益率、そして大きな調整項目すべてについての説明を求める。
Anthropicの現在のメッセージは、その投資家層に適している。同社は急成長を主張しつつ、調整後営業利益がプラスだった2四半期を示せる。OpenAIは、その規律に合わせるのか、より投資負担の大きい戦略を擁護するのかを決めなければならない。
どちらの道も勝利を保証しない。Claudeの需要が鈍化したり、競合が性能上の優位性を縮めたりすれば、Anthropicは勢いを失う可能性がある。OpenAIは、インフラの稼働率が改善した後に、その規模を強い利益率へ転換できるかもしれない。
エンタープライズの買い手にとって、この競争は実務上の影響を持つ。効率性の向上は、利用コストの低下、上限の引き上げ、より信頼性の高い容量につながり得る。また、どのプロバイダーが独立性を維持し、複数年契約の期間にわたって製品を支え続けられるかも左右する。
調整後利益には、なおいくつかの未解決の疑問が残る
Anthropicの収益性が意味を持つのは、基礎となる会計処理が公開開示と次のインフラ投資局面を乗り越えられる場合に限られる。
最初の不確実性は、調整後営業利益の定義に関するものだ。調整後指標では、経営陣が異常項目、または事業評価にあまり有用でないと考える項目が一般に除外される。それらの除外項目も、株主にとって現実の経済的コストを表す可能性がある。
株式報酬はその一例である。AIラボは研究者、エンジニア、プロダクトリーダーをめぐって激しく競争している。株式報酬は即時の現金支払いを必要としないとしても、報酬の中心的な構成要素となり得る。
こうした報酬を除外すれば、営業成績はより強く見える可能性がある。一方で、従業員が追加の所有権を受け取れば、既存株主は依然として希薄化を経験する。将来の公開開示書類では、調整後の結果と標準会計上の結果の両方が明らかになるはずだ。
第2の不確実性は、モデル訓練コストに関するものだ。フロンティアモデルの訓練には集中的なインフラ利用が必要だが、完成したシステムは複数の四半期にわたって製品を支える可能性がある。会計処理によって、その費用が報告結果に現れる時期は変わり得る。
Anthropicが比較的静かなトレーニング期間に入れば、利益率は一時的に改善し得る。新たなトレーニングキャンペーンは、顧客収益が成長を続けていても、その結果を反転させ得る。このパターンは、同社が継続的な四半期利益を前提にしないよう警告する理由の一助となる。
第3の不確実性は、インフラに関するコミットメントを含む。長期のコンピューティング契約は供給を確保し、単位コストを下げられる一方、固定的な義務も生み出す。需要、価格、モデルアーキテクチャが変化しても、Anthropicは予約済みの容量に対して支払わなければならない。
ハードウェアの改善も別の変数を加える。新しいアクセラレータは計算1回あたりのコストを下げられるが、プラットフォーム間でワークロードを移すにはエンジニアリング作業が必要になる。供給制約やデータセンター建設の遅れも、期待された節約効果を弱め得る。
第4の疑問は、収益の質に関するものだ。多様で継続的な本番ワークロードを反映する急速なAPI成長は、有望である。一方、少数の顧客が利用の大半を占める場合や、販促的な契約が初期導入を膨らませている場合には、信頼性が低い。
Anthropicは、報告されたこれらの四半期について、完全な顧客集中の内訳を公表していない。投資家は、収益のどれほどが直接顧客、クラウドパートナー、大株主と関係する企業から来ているのかを知る必要がある。
クラウドチャネルを通じた収益認識には、特に注意が必要だ。AmazonとGoogleはいずれもインフラパートナーであり、Anthropicの投資家でもある。このネットワークでは、資本投資、クラウド支出、顧客収益として資金が移動し得る。
こうした関係はAI業界では一般的であり、正当な商業活動を支えることができる。同時に、単一の見出し数値で企業を比較することを難しくもする。目論見書では、契約上および会計上の境界が明確にされるべきだ。
第5の不確実性は、競争価格にある。エンタープライズ顧客は、価格、速度、品質に基づいてプロバイダーを選ぶモデルルーターをますます利用している。アプリケーションが複数の互換APIをサポートすれば、切り替えは容易になる。
OpenAI、Google、または新たなプロバイダーが価格を引き下げれば、Anthropicは対応を迫られる可能性がある。価格引き下げは需要を拡大できる一方、現在の利益を生んだ利益率を圧縮し得る。
オープンソースモデルも関連する課題をもたらす。一部のエンタープライズは、特に予測可能なタスクや専門的なタスクについて、自ら管理するインフラ上でモデルを運用できる。こうした導入はすべてのベンチマークでClaudeに匹敵しないかもしれないが、API価格に上限を設ける可能性がある。
規制と安全性に関する義務も、コストを増やす可能性がある。Anthropicは、安全性研究を自社のアイデンティティの中核に位置付けてきた。公開市場の投資家は、四半期収益に圧力がかかった際にも、これらのコミットメントが守られるかを検証するだろう。
これらの疑問はいずれも、報告された節目を無意味にするものではない。調整後で黒字の2四半期が持続可能な事業の証拠となる前に、何を検証する必要があるかを示している。
最も責任ある読み方は限定的だ。Anthropicは、現在の事業運営により次の調整後結果もプラスになるとしている。同社は継続的な純利益を確立したわけではなく、次の投資サイクルでプラスの結果を保証したわけでもない。
利益が持続するかを示す3つのシグナル
次の試金石は、また別の楽観的なランレート推計ではなく、Anthropicが公開市場の精査と増大する研究コストの下で利益率を維持できることを示す証拠である。
第1のシグナルは、一般に公開される登録届出書だ。Anthropicの秘密提出されたドラフトは、投資家がその主張を評価するのに必要な財務詳細を提供していない。公開提出書類には、監査済みの過去財務諸表、リスク要因、調整後指標の説明が含まれるべきだ。
読者は、調整後営業利益と標準的な営業利益の間の差異を確認すべきである。調整額が小さければ、現在の収益性に関する主張は強まる。報酬やインフラに関する大きな除外があれば、それは弱まる。
提出書類は、収益集中とパートナー関係も示すべきである。成長が幅広い独立したエンタープライズ顧客から来ているなら、Anthropicのモデルはより強靭になる。少数の投資家やクラウドチャネルへの強い依存は、リスクを高める。
第2のシグナルは、次の大規模なモデルトレーニングサイクルにおけるパフォーマンスだ。Anthropicは、先進モデルとインフラへの投資が将来の四半期を再び赤字に押し戻す可能性があると明示的に警告している。
一時的な悪化が、自動的に進展を無効にするわけではない。重要なのは、営業損失が収益に対して抑制された水準にとどまるか、そして新モデルが将来の推論経済性を改善するかである。
対応する製品面または効率面の改善なしに大幅な赤字へ戻れば、持続可能なAnthropicの収益性を支持する根拠は弱まる。抑制された投資四半期の後に利益率が再び拡大すれば、それを裏付けることになる。
3つ目のシグナルは、競合が対抗策を打ち出した後のエンタープライズ顧客の継続率だ。OpenAI、Google、その他のモデル提供企業が、Anthropicが報告した成長を黙って見過ごすことはない。より高いコーディング性能、低価格、より大きなコンテキスト上限、あるいはクラウドとのより緊密な統合を通じて競争してくる可能性がある。
最も明確な判断を示すのは顧客の行動だ。Anthropicには、企業が契約を更新し、API利用を拡大し、Claudeを本番ワークフローに組み込み続けることが必要となる。試用の活発さや短期的なコーディングへの熱狂だけでは、インフラ事業を永続的に支えることはできない。
開発者は、競合の新リリース後もClaudeが難易度の高いコーディング作業で優先されるモデルであり続けるかを注視すべきだ。エンタープライズの購買担当者は、信頼性、タスク完了率、ガバナンス、そして複数ステップのエージェントを運用する総コストを追跡する必要がある。
ナレッジワーカーも、これに関連する判断に直面している。チームがモデルの能力と整理された社内コンテキストを組み合わせられると、AIの出力はより価値を持つようになる。検索可能なナレッジベースがあれば、裏付けのない回答に頼るのではなく、チームは出力をソース資料と照らし合わせて評価できる。
どの提供企業が先行するかにかかわらず、この規律は重要である。現在の競争では、収益、ベンチマーク、効率性に関する主張が相次ぐだろう。購買担当者は、そうした主張を自社ワークフローにおける実際のパフォーマンスと結び付けるべきだ。
Anthropicは重要な節目に到達した。調整後営業利益が2四半期連続で黒字となれば、最先端研究所が驚異的なスピードで成長しながら、定義された範囲の運営コストを賄えることを示すことになる。
より困難な達成はその先にある。Anthropicは、公開会計によって除外項目が明らかになり、競合がエンタープライズ市場での地位を攻勢にさらし、新たなモデル世代が追加のコンピューティング資源を必要とする状況でも、この結果を繰り返さなければならない。
Anthropicの収益性をめぐるストーリーを評価する読者にとって、問うべきなのは1四半期の結果がAIビジネスモデルを証明するかどうかではない。監査済みの利益率、顧客継続率、トレーニング後の成果が、今後も同じ方向を示し続けるかを見極めるべきだ。
