Cisco、AIがネットワーク更新のスーパーサイクルをけん引すると見るも、受注の売上化が課題

CiscoはGoogle Newsで注目を集める主張を打ち出した。慎重な企業IT支出が長く続いた後、AIがネットワーク更新のスーパーサイクルを始動させつつあるという。

その根拠は、もはや経営陣の楽観論にとどまらない。Ciscoは過去最高の第3四半期売上高、ネットワーキング製品受注の50%以上の伸び、ハイパースケール顧客からの需要拡大を報告した。キャンパスネットワーキングの受注も25%以上増加したという。

ただし、核心的な問いは見出しより難しい。Ciscoは大規模なインフラ受注を計上売上へ転換するとともに、既存ネットワークではAIワークロードを処理できないことを一般企業に納得させなければならない。

ここでは二つの力がせめぎ合う。Ciscoは、データセンター、キャンパス、拠点、セキュリティ、運用をまたぐ、幅広い複数年の更新サイクルを描く。一方で購入企業は、不透明なAI投資効果、部品コストの上昇、導入の複雑さ、長期化するハードウェア更新周期に直面している。

AIコンピューティングを巡る世間の議論ではNvidiaが中心的存在であり、Arista Networksはハイパースケールのデータセンタースイッチングで強い地位を築いた。Ciscoは、次の段階がアクセラレータや専用AIクラスターを超えて広がると賭けている。

同社は、ネットワークそのものが顧客に対処を迫る制約要因になることを狙う。この論拠が成り立てば、AI支出は一部のクラウド事業者に集中した状態から、Ciscoのはるかに大きな企業顧客基盤へと広がるだろう。

CiscoがGoogle Newsで注目を集めた理由は、1四半期の成果だけではない

Ciscoにとって最も強い根拠は、ハイパースケールインフラと企業向けキャンパスネットワーキングで同時に需要が生まれていることだ。

2026年度第3四半期、Ciscoは過去最高となる158億ドルの売上高を報告した。これは前年同期比12%の増加であり、同社の四半期業績による。

製品受注全体は35%増加した。Ciscoがハイパースケール顧客を除外した後でも、製品受注は19%増加しており、伸びがクラウド大手だけに集中していたわけではないことを示唆する。

ネットワーキング製品の受注は50%以上増加した。Ciscoによると、データセンタースイッチングの受注は40%以上、キャンパスネットワーキングの受注は25%以上増加した。

これらの数値は、通常は異なるタイミングで動く二つの市場を結び付ける。ハイパースケーラーは大規模クラスター向けの専用インフラを購入する一方、企業はより緩やかな予算編成・調達サイクルを通じてキャンパス機器を更新する。

Ciscoは、2026年度の最初の3四半期にハイパースケーラーから53億ドルのAIインフラ受注を獲得したとした。通期見通しは50億ドルから90億ドルへ引き上げた。

同社は2026年度のAIインフラ売上見通しも、30億ドルから40億ドルへ引き上げた。受注は顧客のコミットメントを反映する一方、売上は通常、Ciscoが機器を納入し、会計上の要件を満たした後に計上される。

この違いは重要だ。受注残の拡大は将来需要の兆候になり得るが、納入遅延、キャンセル、供給制約、利益率への圧力をなくすわけではない。

Ciscoのより広範なネットワーキング事業こそが、依然として重要な試金石となる。同社は、従来の製品投入よりも新しいポートフォリオが速く立ち上がっているとして、大規模かつ複数年にわたるキャンパス刷新サイクルを説明した。

キャンパスネットワークは、従業員のデバイス、無線アクセスポイント、アプリケーション、センサー、拠点を接続する。注目を集めるGPUクラスターからは離れた場所にあるが、日常的な企業活動の大半を支えている。

Ciscoは、AIが両方の環境で要件を変えると主張する。学習クラスターには高帯域幅・低遅延の接続が必要であり、企業向けエージェントはユーザー、モデル、ツール、保護されたデータの間のトラフィックを増加させる。

この主張は、データセンターの物語を全社的なインフラ論へと変える。また、AI投資の大半を集めるアクセラレータを製造せずとも、Ciscoが参画できる複数の経路を与える。

同社は、スイッチングシリコン、完全なネットワークシステム、光通信部品、ルーター、無線機器、セキュリティ製品、管理ソフトウェアを販売している。顧客は統合されたCiscoスタックを購入することも、選択したコンポーネントを他社製品と組み合わせることもできる。

この広がりは、現在の主張を単一製品の成功サイクルと区別する。Ciscoは、AI需要が自社の導入済み基盤の複数層を同時に刷新し得ると述べている。

数字はその可能性を支えるが、持続期間の全体像はまだ示していない。受注増が1四半期続いただけでは、それ自体で複数年のスーパーサイクルを証明できない。

Ciscoは、最初のハイパースケール導入や先延ばしされていた企業更新の後も需要が続くことを示す必要がある。そこが、力強い製品サイクルと構造的変化を分ける境目だ。

AIはネットワークを共通のボトルネックへ変えつつある

AIは、モデル、エージェント、データストア、セキュリティ制御が継続的に情報をやり取りするため、ネットワークへの負荷を高める。

従来の企業向けAIプロジェクトでは、多くの場合、人がプロンプトを送信し、一つのモデルからの応答を待った。エージェント型AIでは、タスクを計画し、ツールを呼び出し、記録を取得し、他のエージェントと通信できるソフトウェアが導入される。

各アクションがネットワーク要求を生む。一つのユーザー目標でも、モデル、データベース、クラウドアプリケーション、ローカルシステム、セキュリティサービスの間で繰り返し情報交換が発生し得る。

Ciscoは、AIエージェントが同じタスクを完了する人間と比べて450%多くのネットワークトラフィックを生成するとしている。これは独立した業界標準ではなく同社の測定値であるため、購入者は方向性を示す根拠として受け止めるべきだ。

一つの割合に依存しなくても、より大きなメカニズムには説得力がある。自動化されたステップが増えるほどマシン間通信は増え、リアルタイムアプリケーションにはより厳しい遅延・信頼性要件が課される。

CiscoとFoundry Researchは、15カ国のITおよびネットワーキング分野の上級意思決定者3,472人を調査した。調査に基づくネットワーク容量調査によると、73%が2年以内に容量制約に直面している、または直面すると予想している。

回答者によると、ネットワークトラフィックは前年に34%増加した。今後12カ月で96%、3年間で209%増加すると見込んでいる。

調査回答者が示した予測は、測定された将来の結果ではなく期待値である。それでも、企業のテクノロジーリーダーがどのように予算を計画し、既存インフラを評価しているかを示している。

負荷は単純な帯域幅に限られない。AIワークロードは、機密性の高いプロンプト、専有文書、モデル出力、認証情報、自動化されたコマンドをシステム間で移動させる可能性がある。

こうしたトラフィックには、可視性、アイデンティティ制御、セグメンテーション、継続的なポリシー適用が必要だ。対応するセキュリティを伴わない高速ネットワークは、侵害されたデータや悪意ある指示をより効率的に移動させかねない。

遅延も購買判断を変える。従業員はチャットボットの回答遅延を許容できるかもしれないが、工場システムや自律エージェントは予測可能な応答時間に依存する場合がある。

フィジカルAIはこの課題を拡大する。ロボット、カメラ、コネクテッドカー、産業用センサーは、発生源の近くで処理するか、中央システムへ転送する必要がある連続ストリームを生成する。

したがってネットワークチームは、容量、場所、タイミング、信頼性を一体として管理しなければならない。Ciscoの売り込みは、こうした要件がネットワーキング、可観測性、セキュリティを連携させるプラットフォームに有利に働くというものだ。

可観測性とは、チームが性能や信頼性の問題を見つけられるよう、システムの挙動を収集・分析することを意味する。CiscoはSplunkの買収を通じて、このポートフォリオ領域を強化した。

これにより、より広範な支出につながるもっともらしい仕組みが生まれる。AI導入はトラフィックと運用の複雑さを増し、ネットワークテレメトリーと自動管理の価値を高める。

ただし、トラフィックの増加が完全なハードウェア更新を自動的に必要とするわけではない。企業はアプリケーションを再設計し、エージェントの権限を制限し、ワークロードをデータの近くへ移動させ、既存容量を最適化できる。

AIサービスの一部は主にパブリッククラウド内で稼働する。その場合、大規模なネットワーク支出の多くは、サービスを利用する企業ではなくクラウドプロバイダー側に帰属する。

Ciscoのスーパーサイクルには、両者の投資が必要だ。ハイパースケーラーはクラスター拡張を続ける必要があり、企業はローカルインフラの限界が表れるほど十分なAI活動を日常業務へ移行させなければならない。

だからこそ、キャンパス受注は注目を集めるAIインフラ契約と同じほど重要だ。需要が少数の巨大な購入者を超えて広がっている証拠となる。

Ciscoにとって真の競争相手は、選択的な更新だ

Ciscoが主に競っているのは、他社の完全なポートフォリオではない。顧客が最も明白なボトルネックだけを更新するという選択である。

企業は、キャンパスハードウェアを更新せずに新しいデータセンタースイッチを購入できる。新しいセキュリティアーキテクチャや管理プラットフォームを導入せず、無線容量だけを拡張することも可能だ。

また、光通信部品を一社から、スイッチを別の会社から、可観測性ソフトウェアを第三の会社から購入することもできる。オープン標準と交換可能なコンポーネントは、大規模顧客に交渉力を与える。

購入者がAIへの対応力を、接続されたインフラプログラムとして捉えるとき、Ciscoは恩恵を受ける。このアプローチは、シリコン、システム、ソフトウェア、セキュリティ、サービス、運用の全域で機会を生む。

選択的な更新は逆の結果をもたらす。支出は専門領域に集中し、より広範な導入済み基盤は変わらないままとなる。

ハイパースケーラーはすでに、ほとんどの企業とは異なる方法でネットワークを構築している。大規模なエンジニアリングチームを運営し、カスタム設計、専用ソフトウェア、複数のサプライヤーから調達したコンポーネントを使用することが多い。

Aristaは、高性能なクラウド・データセンターネットワーキングで評価を築いてきた。Nvidiaは、支配的なアクセラレータシステムと並行して、AIインフラ向けに設計されたEthernetプラットフォームであるSpectrum-Xを提供している。

Ciscoは、ルーティングシリコンからAIデータセンターシステムまでを支えるSilicon Oneアーキテクチャで対応している。同社のG300チップは、Silicon Oneのリリースによると、毎秒102.4テラビットのスイッチング容量を提供する。

同社はNvidiaを単なる競合相手として扱うのではなく、協業も進めている。CiscoはNexusスイッチをNvidiaの技術と組み合わせることができ、AIインフラ競争には重なり合うパートナーシップがしばしば含まれることを示している。

Ciscoの企業向け優位性は、販売網、顧客関係、大規模な導入済み基盤にある。多くの組織はすでに、同社のスイッチ、無線アクセスポイント、ルーター、セキュリティ製品を利用している。

使い慣れた運用環境は、移行リスクを低減できる。既存契約や訓練済みの人材も、複数のネットワーク層を不慣れなシステムへ置き換えるより、更新を容易にし得る。

この優位性は恒久的ではない。顧客は刷新の機会を利用してベンダーを見直し、アーキテクチャを簡素化し、Ciscoのプラットフォーム戦略を弱める相互運用性を要求できる。

Ciscoの新しいCatalystスイッチと関連するキャンパス製品は、老朽化した機器、増大する無線需要、より分散したアプリケーションに直面する組織を対象としている。AIは、生成AIの登場以前から存在していたニーズに緊急性を加えている。

これは、スーパーサイクル論の核心にある反転だ。AIがすべてのアップグレード需要を生み出すわけではないとしても、先送りされてきたインフラ整備を予算上の優先順位で押し上げることはできる。

老朽化したスイッチ、限定的なテレメトリー、一貫性を欠くセキュリティポリシー、分断された管理体制は、すでに多くの技術チームの負担となっている。AIエージェントは、自動化された活動が人間による活動より速く拡大するため、こうした弱点をより顕在化させる。

したがってCiscoは、顧客が先送りしてきた作業を完了する理由としてAI対応を売り込める。ただし、それは購入されるすべての機器が個別のAIワークロードに使われることを意味しない。

投資家と購入者は、AIによって新たに生まれた需要と、AIによって加速された更新を分けて考えるべきだ。どちらも収益を生み得るが、長期的な意味合いは異なる。

AIによって生まれた需要は、新しいワークロードとクラスター構築に伴って拡大する。加速された更新は将来の支出を現在に前倒しし、組織がアップグレードを終えた後には需要を弱める可能性がある。

Ciscoの既存顧客基盤は、後者を重要なカテゴリーにしている。同時に、最も古い機器の更新が終われば、力強いサイクルが終息するリスクも生む。

持続的なスーパーサイクルには、圧縮された更新スケジュールだけでなく、継続的な拡大が必要だ。Ciscoは、初期の近代化後もエージェント通信、推論、セキュリティ、分散コンピューティングがネットワーク要件を引き上げ続けることを示さなければならない。

その結果は、実際の企業導入に左右される。証明となるのは、パイロット件数や取締役会レベルのAIコミットメントではなく、価値ある業務を遂行する導入済みエージェントだ。

こうしたプロジェクトを評価するチームにとって、検索可能な技術ナレッジベースは、インフラ判断を社内仕様、インシデント記録、導入時の教訓と結び付ける助けとなる。

ナレッジ層はネットワーク上の制約を取り除くものではない。どのアプリケーションがトラフィックを生み、どのシステムが機密データを保持し、どこでアップグレードが測定可能な価値を生むのかをチームが理解する助けとなる。

セキュリティ論はCiscoの主張を強める一方、リスクも高める

Ciscoのアップグレード論を支える同じエージェント活動が、設定ミスや未修正の脆弱性による影響も拡大させる。

AIエージェントは、単に情報を転送するだけではない。サービスへの認証、社内文書の取得、コード生成、ワークフローの開始、割り当てられた範囲内での意思決定まで行える。

これは、ネットワークのセキュリティ上の役割を変える。制御機能は、ユーザー、エージェント、モデル、アプリケーション、デバイス、データソースの間の通信を評価しなければならない。

エージェントは個人や業務プロセスに代わって行動する可能性があるため、アイデンティティが中心的な要素となる。セキュリティチームは、誰が行動を承認したのか、エージェントがどのリソースにアクセスできるのかを把握する必要がある。

セグメンテーションは、アカウントやデバイスが侵害された後にアクセス可能なシステムを制限する。自動化ツールが人間のオペレーターより速く動ける場合、その重要性はさらに増す。

暗号化はトラフィックを保護するが、検査システムが暗号化されたフローを分析できない場合には可視性を低下させることもある。セキュリティチームは、機密性と悪意ある行動を検知する必要性のバランスを取らなければならない。

Ciscoは、こうした機能をネットワークおよびセキュリティのポートフォリオ全体に組み込もうとしている。このアプローチは、別々の製品間の隙間を減らし、管理者により一貫したポリシー層を提供できる可能性がある。

統合は集中リスクも生む。顧客が単一の接続されたプラットフォームに依存する場合、不具合、管理プレーンの侵害、設定失敗がより多くのシステムに影響を及ぼし得る。

Cisco自身の製品履歴も、厳しい検証を必要とする。あらゆる大手インフラベンダーと同様に、同社は定期的に脆弱性情報を公表し、顧客にアップデートのインストールを求めている。

同社は2026年、セキュリティ修正に関する情報開示を月2回行うスケジュールへ移行した。また、AI security reviewによると、複数のAIモデルを用いて25のプログラミング言語にまたがる18億行のコードをスキャンした。

発見の迅速化には価値があるが、運用上の課題も生じる。顧客は重要なサービスを中断せずに、複雑な環境全体でパッチを評価、テスト、展開しなければならない。

Ciscoは、顧客が恒久的な修正を準備する間、Live Protectを通じて暫定的な保護を提供する計画だ。この構想は、情報開示のスピードが企業のパッチ適用能力を上回り得ることを認識している。

この隔たりは、AI支援型セキュリティに内在するトレードオフを示している。モデルは防御側による弱点の迅速な発見を助ける一方、攻撃者も類似の能力を使って露出したシステムを特定し、悪用できる。

より広範なネットワーク刷新は、サポート対象外のハードウェアや一貫性のない制御を置き換えることで、セキュリティを改善できる。一方で、管理者が正しく設定しなければならない新しいソフトウェアの量も増やし得る。

Ciscoの調査によれば、回答者の90%以上が、キャンパスおよび拠点ネットワークをAI需要に適応させなければ、財務面または競争面のリスクがあると懸念していた。この結果はCiscoが後援した調査に基づくため、独立した検証があれば説得力は増す。

それでも、セキュリティチームは問題を認識するために調査を必要としない。広範な権限を持つエージェントは、ミスを増幅し、非公開データを露出させ、危険な指示を機械の速度で実行する可能性がある。

ネットワークは強制のポイントを提供するが、それだけで業務上の意図を判断することはできない。アプリケーション制御、モデルの安全策、データガバナンス、アイデンティティ管理、人による承認は引き続き必要だ。

Ciscoは、ネットワークの可視性をAIリスクへの完全な答えとして提示すべきではない。可視性はトラフィックや行動を示せるが、行動を許可すべきかどうかはガバナンスが決める。

顧客は、統合された制御機能がCisco以外のインフラ全体でどのように動作するかも検証すべきだ。大半の大規模組織は、買収、地域ごとの判断、長年にわたる段階的な購買によって形成された混在環境を運用している。

単一ベンダーのアーキテクチャ内でのみ最良の性能を発揮するセキュリティプラットフォームは、高コストな標準化を強いる可能性がある。混在環境をサポートするプラットフォームなら、全面的な置き換えを必要とせずに価値を提供できる。

ここでCiscoのプラットフォーム上の優位性は、最も厳しい試練に直面する。統合は、顧客が受け入れがたいと考える依存関係を生まずに、検知と管理を改善しなければならない。

製品発表以上に、独立したテストが重要になる。購入者には、誤検知、暗号化トラフィック、エージェントのアイデンティティ、ポリシーの一貫性、復旧、運用負荷を網羅する証拠が必要だ。

また、責任範囲の明確な境界も必要となる。アプリケーションが過剰な権限を与えている場合、ネットワークベンダーはエージェントが安全な指示に従うことを保証できない。

Ciscoの主張は、限定的に表現した場合に最も強い。AIは、容量、可視性、セグメンテーション、迅速なセキュリティ対応の必要性を高める。

一方、統合プラットフォームを1つ購入すれば、より広範なガバナンス問題が解決するかのように示唆する場合、その主張は弱くなる。AIインフラとAIに関する説明責任は重なり合うが、同じ購買対象ではない。

受注はなおコスト、納品、導入を乗り越えなければならない

Ciscoの受注増は需要を裏付けるが、このサイクルがその名に値するかどうかは、売上への転換と顧客の成果が決める。

受注と売上の差が最初の不確実性だ。Ciscoは2026年度のハイパースケーラー向け受注見通しを90億ドルへ引き上げた一方、関連する年間売上は40億ドルと予測した。

この差は、複雑なインフラにおける通常の納品スケジュールを反映している可能性がある。同時に、現在の受注に関する見出しには、Ciscoが後に計上すると見込む経済価値が含まれていることも意味する。

投資家は、納品が想定どおりのスケジュールで進むかを注視すべきだ。遅延は、顧客の建設スケジュール、部品供給、技術認定、導入計画の変更によって生じ得る。

部品コストは第2の圧力となる。2026年度にはメモリーなどの投入コストが上昇し、Ciscoは値上げと契約条件の見直しについて議論することになった。

値上げは粗利益率を守り得るが、顧客の判断を変えることもある。購入者は構成を縮小し、プロジェクトを延期し、より厳しく交渉し、代替サプライヤーを選ぶかもしれない。

Ciscoの2026年度第3四半期の非GAAP粗利益率は66%だった。依然として高水準だったものの、ハードウェア主導の拡大局面でこれを維持するには、規律ある価格設定と供給管理が必要となる。

在庫にも注意が必要だ。特にリードタイムが不確実な場合や、顧客が特定の構成を必要とする場合、ベンダーは予想される需要に先立って在庫を積み上げることが多い。

受注が続けば、追加在庫はより迅速な納品を支えられる。需要が変化し、部品が陳腐化し、顧客が設置を延期すれば、それは財務的な負担となる。

導入能力も別の制約となる。ネットワーク近代化には、長時間の停止を許容できないアプリケーションとの連携に加え、設計、テスト、移行、セキュリティレビューが必要だ。

ハードウェアは、組織にそれを活用する人員や運用上の準備が整う前に到着する可能性がある。その結果、ベンダーの売上と顧客価値の間に隔たりが生じる。

不足しているのは、必ずしも技術的な専門知識だけではない。大規模なアップグレードは、クラウド移行、サイバーセキュリティ施策、コンプライアンス業務、通常の保守と、同じ予算やチームを巡って競合する。

AIプロジェクトには固有の不確実性もある。多くの企業は、どのエージェントが信頼できる経済的価値を提供し、どれが管理された実験段階にとどまるのかを、なお測定している。

AI導入が鈍化したとしても、組織は老朽化した機器を更新する可能性がある。ただし、最も野心的な容量前提を退け、重要拠点に限定してアップグレードするかもしれない。

Ciscoの過去の実績にも文脈が必要だ。同社は2026年度第3四半期の提出書類で、特にAIインフラおよびキャンパスネットワーキング・ソリューションにおいて、Networking売上が25%増加したと述べた。

関連するregulatory filingは投資家に標準化された記録を提供するが、監査済みの売上であっても、どれだけの需要が将来の期間から前倒しされたかを明らかにすることはできない。

Ciscoはパンデミックの最中とその後に、異例の受注パターンを経験した。供給不足が受注残を生み、その後の正常化で比較は難しくなった。

現在のサイクルには異なる技術的な推進要因があるが、その歴史は有用な警告を与える。受注、受注残、出荷、エンドユーザーによる消費は、それぞれ異なる時間軸で動き得る。

顧客は、広範なAIというラベルではなく、アプリケーション要件に照らしてアップグレードを判断すべきだ。有用な計画では、想定トラフィック、レイテンシー目標、セキュリティ制御、成長前提、測定可能なサービス成果を特定する。

また、代替案もモデル化すべきだ。これには、対象を絞ったスイッチングのアップグレード、無線カバレッジの改善、クラウド接続の変更、ワークロード配置、より優れたトラフィック管理などが含まれる。

機器が古い、または可視性が弱い場合には、キャンパス全体の置き換えが適切かもしれない。エージェント導入が限定的な新しい環境では、選択的なアップグレードの方が高いリターンを生む可能性がある。

調達チームは、Ciscoの予測が自社のネットワークにどう当てはまるのかを問うべきだ。世界平均では、特定のオフィス、工場、病院、大学の容量需要を確定できない。

また、確定したワークロードと投機的なものを分けるべきだ。ネットワークインフラは多くのAIアプリケーションより長く使われるため、ソフトウェア戦略が変化した場合にも設計には柔軟性が必要となる。

これはCiscoのモジュラーアーキテクチャの主張を支える一方、積極的すぎる過剰プロビジョニングには疑問を投げかける。購入者には、成長に十分な容量が必要だが、実現しない前提に対して支払うべきではない。

懐疑的な見方は、AI需要が崩壊することを前提にする必要はない。需要が実在していても、ハイパースケーラーと限られた大企業群に集中すれば、Ciscoの物語は期待を裏切る可能性がある。

また、部品コスト、値引き、高コストな製品移行によって収益性が弱まるなかでネットワーキング売上だけが伸びる場合も、期待を裏切り得る。

最も強い確認材料は、複数の結果が組み合わさることだ。Ciscoには、継続的な受注、適時の売上計上、安定した利益率、エンタープライズ導入の拡大、そして顧客が増強された容量を実際に利用している証拠が必要となる。

これらの要素がそろうまでは、「スーパーサイクル」は検証可能な企業仮説にとどまる。Google Newsでの露出はこの主張を増幅し得るが、根本的な経済性を決着させることはできない。

スーパーサイクルが実在するかを決める3つのシグナル

次の段階では、この順序で転換、広がり、運用上の価値を証明しなければならない。

最初のシグナルは、ハイパースケールAI受注の売上転換だ。Ciscoの今後の決算では、積み上がったコミットメントが度重なる遅延なく出荷済みシステムと計上済み売上に変わることを示す必要がある。

受注総額の増加に見合う売上推移が伴えば、スーパーサイクル論は強まる。差が拡大すれば、納期、キャンセル、あるいは顧客の準備状況に関する疑問が生じる。

この転換では製品ミックスも重要だ。投資家は、完成システムの販売と、シリコン、光学部品、ソフトウェア、低利益率のコンポーネントの販売を区別すべきである。

利益率も別の手掛かりとなる。売上が堅調でも利益率が低下していれば、Ciscoが価格によって需要を獲得している、あるいは供給コストの上昇を吸収している可能性を示す。

第2のシグナルは、キャンパスおよびエンタープライズの受注成長が持続することだ。ハイパースケール顧客は四半期ごとに大きな変動を生み得るが、このサイクルが広がるかどうかを決めるのはCiscoの既存エンタープライズ顧客基盤である。

キャンパスネットワーキングの受注は、会計年度第3四半期に25%超増加した。今後の比較では、最新製品が初期需要を超えた後にもこのペースが続くかを示す必要がある。

顧客構成も重要になる。一般企業、公的機関、サービスプロバイダー、複数地域にまたがる成長であれば、構造的なサイクルを裏付けるだろう。

少数の大口顧客への集中は、業績の変動を大きくする。そうした顧客は強い交渉力も持ち、アーキテクチャを迅速に変更できる。

Ciscoは、エンタープライズの購入が導入済みAIワークロードに結び付いていることを、より明確に示すべきだ。「AI対応」機器への言及よりも、トラフィック、レイテンシー、セキュリティ、生産性について測定された成果の方が説得力を持つ。

第3のシグナルは、混在ネットワーク上での安全なエージェント運用に関する独立した検証だ。Ciscoのプラットフォームは、競合ハードウェア、複数のクラウド、旧来システムを含む環境で機能しなければならない。

顧客は、エージェントのアイデンティティ、セグメンテーション、暗号化トラフィックの可視性、インシデント対応、ポリシー適用をテストする必要がある。成功すれば、容量増強と防御可能なセキュリティ成果が結び付く。

ネットワーキング製品の売上が堅調でも、失敗すればCiscoの統合プラットフォーム論は弱まる。購入者はセキュリティの購入をハードウェアのアップグレードから切り離したり、より限定的なツールを採用したりする可能性がある。

競合他社の動向は、これら3つのシグナルすべてに文脈を加える。Aristaの受注成長、Nvidiaのネットワーキング売上、ハイパースケーラーの設備投資は、Ciscoがシェアを獲得しているのか、拡大する市場に乗っているだけなのかを示し得る。

市場全体の拡大は、複数の勝者を支え得る。一方で、すべてのサプライヤーが同じ支出の波から恩恵を受ける場合、1社の成長はそれほど際立たなく見えることもある。

エンタープライズの購入者は、市場の判断を待つのではなく、自社の証拠を監視すべきだ。トラフィックのベースライン、エージェント要求量、レイテンシー、インシデント、運用時間は、業界の決まり文句よりも有用な指針となる。

チームは、AI workflowを利用して、インフラ、セキュリティ、アプリケーションの各グループにまたがるプロジェクト判断と運用上の証拠を収集できる。

その記録は、AIが新たなネットワーク要件を生み出しているのか、それとも過去の保守負債を露呈させているだけなのかを、リーダーが判断する助けとなる。この違いは、アップグレードの範囲、時期、期待収益に影響する。

Ciscoは、ネットワーキング事業の複数の領域で需要が高まっていることを示した。しかし、すべてのエンタープライズが同じスケジュールや投資要件に直面していることまでは、まだ証明していない。

受注が売上になり、キャンパス市場の成長が続き、顧客がより安全なエージェント運用を記録できれば、同社の論拠は強まる。支出がハイパースケーラー中心のまま、あるいは転換が鈍化すれば、弱まるだろう。

したがってGoogle Newsの読者は、スーパーサイクルという主張を確定した説明ではなく、測定可能な予測として捉えるべきだ。今後数回の決算報告では、受注の発生元、Ciscoがいつ納入したか、そして利益率が維持されたかを示さなければならない。

エンタープライズリーダーにとって、直ちに取るべき行動も同様に具体的だ。現在のトラフィックを測定し、計画中のエージェントをデータとアプリケーションに対応付け、そのワークロードが実際に生む容量とセキュリティのギャップを特定する。

決定的な問いは、AIがネットワーク活動を増やすかどうかではない。その活動が、インフラ費用の請求が届く前に持続的な価値を生み出すかどうかである。