IMFのAI投資予測、2兆ドル超へ ただし成長エンジンには新たなリスクも

IMFのAI投資予測によると、民間部門の支出は2026年に世界全体で2兆ドルを超える可能性があり、人工知能はますます重要な経済成長エンジンとなっている。しかし同じ評価では、投資収益が弱ければ株価評価の下落、資産価値の毀損、レイオフにつながるおそれがあると警告している。

この緊張関係こそが、この予測を単なる強気のテクノロジー支出見通しとは異なるものにしている。AIインフラはすでに経済成長を支えているが、企業の多くは、この技術の長期的な収益性が明らかになる前に大規模な投資を約束している。

対立しているのは、AIがもたらす生産性向上への期待と、それを資金面で支えるために形成されつつある金融システムだ。ハイパースケーラー、半導体メーカー、モデル開発企業、データセンター事業者、貸し手は、互いの支出にこれまで以上に依存している。この構造は建設を加速させる一方で、期待外れの結果をサプライチェーン全体に波及させる可能性もある。

IMFのAI投資予測には重要な留保がある

2兆ドルという数字は、もっともらしい民間部門の投資シナリオを示したものであり、保証された結果でも、IMFによる直接的な支出確約でもない。

IMFは、AI deploymentに関する2026年年次報告書の章でこの推計を示した。その表現は重要だ。同機関は、確定的な支出額を公表したのではなく、外部の推計を引用しながら、民間主導の投資が2兆ドルを超える「可能性がある」と述べている。

大規模な予測がニュースフィードを流れる際、この違いは見失われやすい。IMFは、監査済みの世界のAI支出がすでにこの水準に達したと言っているわけではない。2026年中にインフラ投資が到達し得る規模を示している。

このカテゴリーは、ソフトウェアのサブスクリプションや基盤モデルの学習への支払いよりも広い。AI導入に必要なチップ、サーバー、ネットワーク機器、クラウド容量、データセンター、エネルギーシステム、その他のインフラが含まれ得る。

この幅広い定義は、総額がこれほど大きくなる理由の一端を説明する。AIの処理能力を構築するには、顧客がそれに見合う収益を生み出すはるか以前から物理的な資産が必要になる。モデル企業はソフトウェアを迅速にリリースできるが、それを支える施設には土地、電力、冷却、建設、資金調達が必要だ。

経済への影響は、すでに米国で目に見える形となっている。IMFは、AIに関連するテクノロジー投資が2025年の米国GDP成長率を約0.5ポイント押し上げたと推計している。

この寄与は、AIアプリケーションが同等の生産性向上を実現したことを証明するものではない。建設や機器の購入は、企業が生み出された能力から十分な収益を得られるかを知る前から、投資活動として計上される。

IMFはまた、米国の生産性成長が近年加速していると指摘する。AIの初期導入がその改善の一部を説明する可能性はあるが、同機関はAIを唯一の原因として提示していない。

したがって、この投資サイクルには二つの異なる物語がある。一つはインフラ構築によって生まれる短期的な需要であり、もう一つは企業がそのインフラを効果的に活用したときに生じる将来の生産性だ。

最初の物語はすでに、供給企業、建設活動、テクノロジー投資を支えている。二つ目は、企業、職種、国ごとに導入状況が異なるため、依然として測定が難しい。

IMFのJuly outlookは、テクノロジー需要を、世界のAIバリューチェーンにつながる経済を支える力として説明している。これにはアジア各地の半導体・電子機器生産拠点が含まれる。

しかし、投資主導の成長は、実現した効率向上を先行する可能性がある。企業はアクセラレーターを購入し、クラウド容量を予約しても、それらの資源を持続的な顧客価値へと転換できないことがある。

この時間差が、本稿の中心的な緊張関係を生む。現在の成長を強化する同じ支出が、将来の失望のコストも高める。

そのため、IMFのAI投資見通しは条件付きのマクロ経済シグナルとして読むべきだ。AIは、国家の成長、貿易、設備投資、金融安定に同時に影響を与えるほどの規模になった。

この組み合わせにより、この予測は従来の市場規模算定よりも重要な意味を持つ。政策立案者は、AIが成功した場合だけでなく、期待された収益があまりに遅く到来する場合に何が起こるかも評価しなければならない。

AI投資は世界的な成長経路になりつつある

新たなコンピューティングクラスターは、エネルギー、建設、チップ、ネットワーク、金融へと需要を引き出すため、その構築の影響はAI研究所をはるかに超える。

大手テクノロジー企業はこのサイクルの中心にいる。プロセッサーを購入し、データセンターを開発し、電力供給を手配し、モデル開発企業や企業顧客にコンピューティングサービスを提供する。

チップ設計企業と製造企業は、アクセラレーターやメモリーへの需要から恩恵を受ける。ネットワークベンダーはプロセッサーを接続する機器を供給する。電力会社や発電開発企業は、継続的に電力を消費する施設から新たな要件に直面する。

建設企業、冷却の専門企業、データセンター事業者も、AI製品がエンドユーザーに届く前から支出を受け取る。この連鎖は、テクノロジーへの期待を即時の経済活動に変えるのに役立つ。

各国はこの連鎖の中で異なる位置を占める。米国には主要なクラウドプラットフォーム、モデル開発企業、半導体設計企業、資本市場が集積している。東アジアは先端チップの製造、部品生産、電子機器組み立てで引き続き中心的な存在だ。

東南アジアの経済圏は、製造業とインフラ投資を通じて恩恵を受け得る。IMFは、デジタルインフラ、スキル、規制、イノベーション能力を組み合わせたAI対応力において、シンガポールを先導国として挙げている。

こうした違いは重要だ。2兆ドルは均等に配分されるわけではない。安定した電力、熟練労働者、厚みのある資金市場、強力なテクノロジー供給網を持つ経済圏ほど、初期投資を多く取り込む。

他の経済圏は、大規模な物理的インフラ構築を抱えずにAIサービスを利用する可能性がある。生産性を高めることはできるが、建設、製造、設備投資の直接的な恩恵はより小さい。

AI投資の経済的影響も時間とともに変化する。初期の支出はインフラ供給企業を利する。その後の利益は、組織が業務を再設計し、有用なアプリケーションを導入し、商品やサービスの生産コストを削減できるかにかかっている。

この第二段階は、ハードウェアを購入するより難しい。企業には適切なデータ、信頼できるシステム、従業員による導入、そして機械の支援から恩恵を得られるワークフローが必要だ。

実験は印象的なデモを生み出しても、事業成果を変えないことがある。持続的な生産性には、正確性、セキュリティ、説明責任が重要となるプロセス内での反復的な利用が必要だ。

ナレッジワーカーは実例となる。AIは、従業員による文書検索、調査の比較、資料の下書き、過去の意思決定の確認を支援できる。しかし、その利点は信頼できる情報と明確な人間によるレビューに左右される。

こうしたワークフローを構築する組織には、一般的なチャットボットへのアクセスだけでなく、構造化されたAI knowledge baseが必要になることが多い。文脈の質によって、回答が実務を支えるものになるか、それとも新たな検証作業を生み出すかが決まる。

国家レベルでも同じ原則が当てはまる。コンピューティング能力の増強が自動的に生産増加へ結び付くわけではない。企業はそれを生産活動に組み込み、労働者はその技術が役立つ場面と失敗する場面を学ばなければならない。

したがってIMFの予測は、大規模な資本予算を承認した経営陣に圧力をかける。資金調達環境が厳しくなる前に、AI支出が収益、コスト削減、あるいは測定可能な生産性を生むことを示さなければならない。

クラウドプロバイダーも同様の試練に直面している。現在建設中の能力を吸収できる顧客需要が必要だ。モデルのリリースや実験的なワークロードによる短期的な需要の急増よりも、持続的な稼働率が重要となる。

チップ供給企業も、集中した少数の買い手による継続的な設備投資に依存している。旺盛な需要は追加投資を支え得るが、顧客集中は少数の予算変更を異例なほど重要にする。

これは、インフラ構築に経済的価値がないことを意味しない。電力網、データセンター、コンピューティング能力は、多くの将来のアプリケーションを支え得る。問題は、有用なインフラであっても、あまりに早期に過剰な能力が投入されれば、投資家にとって低い収益しかもたらさない可能性があることだ。

歴史的なテクノロジーブームでは、永続するインフラと金融上の損失がしばしば混在してきた。ドットコム調整後もインターネットは商取引を変革し続けたが、多くの企業や投資家はその調整を生き残れなかった。

AIは異なる道をたどる可能性があるが、この先例は違いを明確にする。技術は経済を変革し得る一方で、個々のプロジェクト、資金調達構造、株式評価は期待を裏切ることがある。

2兆ドルという数字が測るのは、インフラ構築の野心だ。それによって生まれるシステムがどれだけの価値を創出するのか、あるいは誰がその価値を得るのかを決めるものではない。

生産性向上への期待は労働市場への圧力と衝突する

AIは総生産を押し上げる可能性がある一方、その恩恵は労働者、職種、都市、所得層の間で不均等に分配され得る。

IMFは、AI関連スキルを必要とする職種では所得が高いと報告している。同機関の労働研究では、賃金プレミアムは米国で最大8.5%、英国で15%に達した。

専門性の高い労働者の賃金上昇は、周辺のサービス雇用も支え得る。高所得のテクノロジー従業員は、レストラン、交通、住宅、その他の地域サービスに支出するからだ。

しかし、AIスキルへの需要が大きい地域では、他の新興スキルに伴って見られたような幅広い雇用増加は起きていない。この結果は、AI投資が自然に広く共有される労働面の利益を生むという主張を複雑にする。

IMFのskills researchによると、AIスキルへの需要がより強い地域では、AIの影響を受けやすい職種の雇用は5年後に3.6%低かった。この比較は、影響を受けたすべての雇用がAIのために失われたことを証明するものではない。

しかし、AI専門家への需要の高まりが、他の領域での見通し悪化と共存し得ることを示している。ソフトウェアは既存のタスクの束の一部を自動化できるため、中技能の定型的なオフィス職は特に影響を受けやすいようだ。

このパターンは、高学歴の労働者とそれ以外の人々との単純な競争とは異なる。補完的な専門知識を持つ高スキル従業員は恩恵を受けることができる一方、低スキルの地域サービス職の一部は支出増加の恩恵を受ける。

中技能の労働者は最大の圧力を受ける可能性がある。その業務は自動化できるほど構造化されているが、役割にはより価値が高まる技術的または管理上の責任が含まれていない場合がある。

IMFは以前、AIが世界の雇用のおよそ40%に影響を与える可能性があると推計している。「影響を受ける」には能力拡張と代替の両方が含まれるため、雇用の40%が消滅するという予測として読むべきではない。

影響の度合いは経済圏によっても大きく異なる。先進国には、AIが影響を及ぼし得る認知的・事務的業務がより多く存在する。また、訓練、調整、新規事業の創出に向けた資源もより豊富だ。

低所得国では、雇用構造にAIの影響を受けやすい業務が比較的少ないため、当初は直接的な雇用代替が小さい可能性がある。しかし、インフラ、スキル、手頃なアクセスが限定的なままであれば、生産性向上の恩恵を逃すリスクもある。

結果として、政策上の課題は二面的だ。政府は投資と生産性の向上を望む一方で、調整コストが選択肢の少ない労働者に主として転嫁されることは避けたい。

再訓練は必要だが、一般的なAIリテラシーだけですべての移行を解決できるわけではない。労働者には、継続的な需要が見込まれる具体的な職種、認知された資格、学習に費やす時間を正当化できる賃金へとつながる道筋が必要だ。

AIが労働を補完するか、置き換えるかを決めるのは雇用主でもある。企業はソフトウェアを活用し、従業員がより複雑な案件を処理できるよう支援できる。一方で、同じソフトウェアを使って人員を削減し、残った従業員により重い監督業務を課すこともできる。

どちらのアプローチも、労働者1人当たりの測定上の生産量を増加させうる。しかし、賃金、雇用の安定性、仕事の質に及ぼす影響は大きく異なる。

このため、IMFのAI投資予測はGDPだけで評価することはできない。経済規模が拡大しても、利益が特定層に集中したり、交渉力が弱まったり、地域的な移行が困難になったりする可能性がある。

IMFのより広範な将来の働き方に関する分析は、補完性を重視している。AIは、単に労働を代替するのではなく、人間の生産性を高める場合に、より幅広い利益をもたらす。

その結果は、製品設計と経営判断に左右される。ツールは不確実性を明示し、レビューの余地を残し、基礎となる業務を理解する労働者を支援すべきだ。

また、競争条件にも左右される。少数の企業が不可欠なコンピューティング資源を支配すれば、生産性向上が生じても、その利益が労働者や顧客に比例して還元されない可能性がある。

企業にとって当面の課題は測定だ。経営陣は、AIがサイクルタイムを短縮し、成果物の質を高め、顧客価値を増大させ、あるいは特定の業務ボトルネックを解消していることを示す証拠を必要としている。

利用回数だけでは証拠として弱い。従業員は最終的な成果を変えずに多数のプロンプトを生成できる。売上、品質、エラー率、節約された時間のほうが、より意味のある指標となる。

投資がインフラから導入段階へ移るにつれ、労働を巡る問題はより切迫していくだろう。施設の建設はある種類の雇用を生み出す。知識労働の自動化は別の種類の雇用を変え、多くの場合、地域的な集中は目立ちにくい。

したがって、成功するAI経済には、より高速なモデルだけでは足りない。生産性の高い技術を導入するインセンティブを維持しながら、人々が職種間を移動できるよう支える制度が必要だ。

循環的な資金調達は共有された楽観を共有されたリスクへ変えうる

金融上の危険は、ある企業の支出が別の企業の売上、担保、成長ストーリーとなるような、相互に結びついたコミットメントから生じる。

AIのサプライチェーンには、ハイパースケーラー、半導体メーカー、モデル開発企業、データセンター運営会社、専門クラウドプロバイダーが含まれる。多くの企業は複数の関係に参加している。

あるテクノロジー企業は、自社のクラウドサービスの購入を約束するモデル開発企業に投資するかもしれない。半導体サプライヤーは、自社ハードウェアを購入する顧客を支援する可能性がある。データセンター運営会社は、少数の主要テナントから見込まれる契約を担保に借り入れを行う場合がある。

こうした取り決めには、正当な商業目的がありうる。若い企業には資本が必要であり、サプライヤーには顧客が必要であり、クラウドプラットフォームは新しいインフラへの需要を望む。

問題は、同じコミットメントが複数の評価層を支え始めるときに生じる。投資は非上場企業の見かけ上の価値を引き上げ、将来のクラウド収益を生み、新規建設を正当化し、サプライヤーに対する市場の期待を改善しうる。

最終利用者の需要が最終的にこうしたコミットメントを支えれば、この構造は機能しうる。需要が期待に届かなければ、複数の前提が同時に弱まる可能性がある。

IMFの2026年4月の金融安定報告書は、この循環構造を検討した。同報告書は、相互接続されたAIの循環圏に属する企業として、Amazon、AMD、Alphabet、Intel、Microsoft、Nvidia、Oracleを挙げた。

報告書によれば、これら企業の株式リターンの相関は2025年後半に高まった。IMFの推計では、累積リターンがおよそ12ポイント上昇したうち、7ポイントは相関強化の効果によるものとされた。

この推計は、約2兆ドルの起点となる時価総額に対し、平均時価総額が約400億ドル追加で増加したことに相当する。これは不正を立証するものでも、評価額に経済的な裏付けがないことを証明するものでもない。

むしろ、結びついた期待が企業を同じ方向に動かしうることを示している。投資家がより多くの投資、販売、供給能力を見込むため、前向きな発表はグループ全体を強化する。

この仕組みは逆方向にも働きうる。大手開発企業が供給能力に関するコミットメントを縮小すれば、サプライヤーは期待していた収益を失う可能性がある。データセンター運営会社は稼働率の低下に直面し、貸し手は担保やキャッシュフローに関する前提を再評価するかもしれない。

すべての契約が変更される前に、株式市場は反応するだろう。評価額の低下は、従業員報酬、家計資産、企業借り入れ、さらなる投資に対する経営陣の意欲に影響しうる。

債務はさらに別の層を加える。インフラプロジェクトには大規模な初期支出が必要である一方、収益は長年にわたって入ってくる。借り手は、稼働率、契約の質、電力コスト、借り換え条件に依存する。

多様なキャッシュフローを持つハイパースケーラーは、ある程度の変動を吸収できる。より小規模なデータセンタープラットフォームや専門クラウドプロバイダーは、利益率が薄く、レバレッジが高く、顧客集中度も高い可能性がある。

この違いが、金融ストレスが最初にどこで現れるかを決める。最大手テクノロジー企業に注目が集まる一方で、より脆弱な取引相手が契約や資金調達の関係を通じて問題を伝播させる可能性がある。

IMFは、債務による資金調達の比重が高まるAI投資からのリターンが期待外れに終われば、急激な株式評価の見直し、資産価値の毀損、レイオフを招く可能性があると警告している。これはリスクシナリオであり、同機関の基本予測ではない。

この区別は重要だ。AIセクターがすでにシステミックな危機にあると主張するための検証済みの根拠はない。潤沢な資金を持つ買い手、実際の顧客需要、価値あるインフラは、このサイクルを純粋に投機的な活動と区別している。

ただし、大企業の財務力がすべてのプロジェクトを守れるわけではない。経済的に有用なデータセンターであっても、その資金調達が非現実的な稼働率や借り換え条件を前提としていれば、債務不履行に陥りうる。

重要な問いは、AIが実在するかどうかではない。予想されるキャッシュフローが、各投資に付随する価格、タイミング、レバレッジを正当化するかどうかだ。

これが、IMFのAI投資見通しに埋め込まれた懐疑的な視点である。この業界の成長ストーリーは、同じストーリーへの信頼を維持することから利益を得る企業同士の取引に一部依存している。

したがって投資家は、最終需要とエコシステム需要を分けて考えるべきだ。最終需要は、企業または消費者の問題を解決するアプリケーションに顧客が対価を支払うことで生じる。

エコシステム需要は、参加者同士が互いから供給能力、株式、サービス、設備を購入することで生じる。開発を加速させうる一方で、持続可能な価値を裏付ける独立性の高い確認材料にはなりにくい。

この違いは、契約が成熟するにつれてより明確になる。更新、実際のコンピューティング利用率、推論収益、顧客集中度、フリーキャッシュフローは、インフラが持続的な導入を支えているかを明らかにするだろう。

2兆ドルという推計がなお証明していないこと

支出予測だけでは、将来の生産性、収益性、雇用増加、金融安定性を立証できない。

第一に、この予測はAI投資について普遍的な定義を示していない。推計ごとに、半導体、データセンター、エネルギーシステム、ソフトウェア、研究、企業導入の異なる組み合わせが含まれる可能性がある。

そのため比較は難しい。カテゴリーの境界が変わるだけで、実際の経済活動が変わらなくても大きな数値差が生じうる。

第二に、IMFは世界全体の数値を外部推計に帰している。読者はこれを、同機関が独自に作成した完全な国勢調査のように扱うべきではない。

第三に、支出は導入と同義ではない。企業は後に非効率的に使用するコンピューティング能力を確保するかもしれない。別の企業は既存インフラ上でより小規模なモデルを導入し、より少ない資本でより大きな事業価値を生み出すこともできる。

第四に、投資は生産性と同義ではない。生産性は投入に対する産出を測る。技術によって組織が有用な財やサービスを生み出す効率が変わった場合にのみ、生産性は向上する。

第五に、総体的な生産性向上は幅広い雇用増加を保証しない。労働に関する調査結果はすでに、AIスキルを持つ人の賃金上昇と、影響を受けやすい職種における成果悪化が並存していることを示している。

第六に、現在の成長への寄与は将来のリターンを保証しない。プロジェクトが建設されれば資本支出はGDPを支えるが、その後のキャッシュフローが投資家を失望させる場合もある。

この推計は地理的な問題も未解決のまま残している。半導体とデータセンターを建設する国々が得る利益は、AIサービスを購入する国々が得る利益とは異なる。

エネルギー制約は投資先の地域を再編する可能性がある。手頃な電力、送電網への接続、冷却資源、予測可能な許認可を備える地域は、大手モデル開発企業がなくてもプロジェクトを引き付けられる。

政策は分配に影響を及ぼす。輸出規制、補助金、プライバシー規則、競争法執行、エネルギー規制は、市場をまたぐ資本の流れを変えうる。

技術進歩も別の不確実性を加える。より効率的なモデルは、特定のタスクに必要なコンピューティング要件を減らしうる。その後、コスト低下によって利用が十分に増加し、総需要がむしろ高まる可能性がある。この効果は経済学者がしばしばリバウンドと呼ぶものだ。

単一の前提でこの相互作用を解決することはできない。効率化はプロジェクトの経済性を改善する一方で、計画済みの一部インフラの価値を低下させる可能性がある。また、総体としてはるかに多くのコンピューティングを消費するアプリケーションを解放する可能性もある。

IMFのシナリオ分析は、この不確実性を反映している。その目的は経済の進路を探ることであり、ある技術的な未来が不可避だと宣言することではない。

企業も同じ規律を適用すべきだ。モデル能力、コンピューティング需要、顧客の支払い意欲を固定されたものと見なすのではなく、複数の導入・価格シナリオを検証すべきである。

最も強いプロジェクトは、資本支出を特定可能なワークロードと顧客に結び付ける。最も弱いプロジェクトは、AI需要が上昇し続けなければならないという一般化された期待に主として依存する。

これは、2兆ドルという推計が役に立たないことを意味しない。この推計を、配分、資金調達、成果を検討する出発点と位置付けるということだ。

この数字は、AIがもはや狭いソフトウェアのトレンドではないことを示している。AIはインフラ計画、労働市場、資産価格、信用エクスポージャー、マクロ経済予測に影響を及ぼしている。

その限界も同じく重要だ。巨額の投資総額だけでは、社会がそれに見合う価値を得るのか、あるいは調整が秩序立って進むのかを読者に伝えることはできない。

IMFのAI投資見通しを試す3つのシグナル

稼働率、資金調達の質、労働市場の成果が、この投資ブームが持続的な生産性向上となるか、高コストな調整となるかを決定する。

最初のシグナルは、持続的なコンピューティング稼働率だ。企業は、新たなデータセンター能力が継続的な顧客ワークロード、社内業務、一時的な開発活動のいずれに使われているのかを開示しなければならない。

多様な有料顧客に支えられた高い稼働率は、成長シナリオを強化する。稼働率の低下や度重なる遅延は、建設が需要に先行したことを示唆するだろう。

収益の質は、規模と同じく重要だ。投資家は、長期的な第三者向け売上と、同じエコシステムから融資や出資を受けた取引先に関連する収益を区別すべきである。

2つ目のシグナルは、新たな設備投資を支える資金調達の構造だ。債務の満期、金利負担、顧客集中、契約上の保証を見れば、導入ペースの鈍化に耐えられるプロジェクトが分かる。

持続的なキャッシュフローに裏付けられた資金調達が増えれば、懸念は和らぐ。借り換え、楽観的な稼働率の想定、あるいは少数のテナントへの依存は、脆弱性を高める。

小規模なインフラ提供企業には特に注意が必要だ。十分な資本を持つハイパースケーラーと融資機関の間に位置しながら、どちらの側も完全には負わないリスクを抱える可能性がある。

3つ目のシグナルは、測定可能な労働市場の調整だ。AIスキルに対する賃金プレミアムは需要を示すが、影響を受ける職種全体の雇用動向は、導入が補完的な仕事を生み出しているかを示す。

雇用の幅広い拡大と新たな役割への円滑な移行は、IMFの生産性シナリオを裏付ける。一方で、中技能労働者の継続的な雇用減少は、全体的な利益に大きな分配上のコストが伴うことを示すだろう。

これらのシグナルは、相互に関連づけて評価すべきだ。高い稼働率は資金調達を支え得る一方、生産的な導入は、労働者が技術の恩恵を得るための役割を生み出し得る。

逆方向の連鎖も起こり得る。アプリケーション需要の弱さは必要な設備容量を減らし、借り手への圧力を高め、設備投資を縮小させ、企業に人件費削減を促す可能性がある。

開発者にとって当面の問いは、新たなコンピューティング能力が、より大きなベンチマークではなく、より良い製品を生み出すかどうかだ。信頼性、有用な自動化、顧客維持は、モデル規模だけよりも強い証拠となる。

企業の購買担当者は、AIが測定可能な業務を変えるかを問うべきだ。導入には、責任を負う所有者、明確なレビュー基準、そして時間、品質、収益の改善を比較するためのベースラインが必要である。

ナレッジワーカーは、雇用主が利益をどのように分配するかに注目すべきだ。AI研修は、実際の責任、昇進の道筋、成果に対する権限と結び付くとき、より大きな価値を持つ。

政策立案者は最も幅広い課題に直面する。インフラとイノベーションを支援しつつ、集中、レバレッジ、労働者の置き換え、エネルギー需要、企業間の金融上の依存関係を監視しなければならない。

IMFのAI投資予測は、この局面の両面を捉えている。民間投資が2兆ドルを超えれば、AIは世界経済の主要な成長経路となるが、その規模は誤った前提のコストも押し上げる。

次の段階は、発表された設備投資予算によって決まるわけではない。実際に支払う顧客、生産性を高めるワークフロー、強靭な資金調達、そして利益を分かち合える労働者によって決まる。

新たな大規模AI投資の発表に接したとき、読者は1つの実践的な問いを持つべきだ。それは有用な需要を示す独立した証拠を提供しているのか、それとも同じ投資圏内の期待を主に補強しているだけなのか。