AI投資は鉄道ブームと同じ道をたどるのか──ハイパースケーラーの負債増加が変えたリスクの性質
経済評論家のNoah Smithは、AnthropicのClaude CodeやOpenAIのCodexなどのAIコーディングエージェントが「キラーアプリ」となり収益を押し上げたことで、2025年夏に警戒されていたAIバブル崩壊の懸念が一時的に後退したと振り返る。
経営・ROI
18 articlesAI投資のROI・コスト構造・予算配分。経営会議で使える数字と論点。
このテーマの編集部の論考
AIプロダクトの料金プランが「クレジット」「トークン」で分かりにくいのはなぜか
LovableのGrowth責任者Elena Vernaは、主要AIプロダクトの価格ページを調べた結果、多くの企業が「4倍の利用量」「5億トークン」といった数字を提示する一方、その数字が何を意味するのか説明していないと指摘する。
AI時代の「モート（参入障壁）」をどう見極めるか──スタートアップの競争優位を判定する4つの軸
Lenny's NewsletterのLenny RachitskyとDan Hockenmaierは、AI時代においてスタートアップの長期的な競争優位性を生むのは「スイッチングコスト」「ネットワーク効果」「規模の経済」「データ効果」という4種類の積み上がる優位性（compoun…
Citrini「2028年世界知能危機」とは──顧客がAIで人を減らすと、シート課金のSaaSに何が起きるか
Citrini Researchの James van Geelen が、Alap Shah の発案を受けて書き、2026年2月22日に公開した「The 2028 Global Intelligence Crisis」は、2028年6月時点のマクロメモという体裁で「AIが期待どお…
ChatGPTやClaudeの利用料、オープンモデルへの切り替えでどこまで下げられるのか
VercelのAIゲートウェイでは2026年8月に処理トークン全体の56%がオープンモデル経由だったと Vercel は報告している。
なぜOpenAIは勝つのか、a16zが説く「新しい顧客を生み出す力」と分配戦略の本質
a16zは、OpenAIが競合に対して優位に立つ理由は、最高水準のモデル・チップ・コスト効率・製品力（a16zはそれらも備えていると見る）よりも、新しい種類の顧客を生み出す力と、最も持続的な分配（ディストリビューション）戦略にあると分析する。
Sonnet 5.5・Opus 5.5・GPT-6 Astraをどう使い分けるか、Everyの実測が示すAIモデルの適材適所
Anthropicは新モデル「Claude Sonnet 5.5」をリリースし、低〜中程度のエフォートでは高速・低コストで指示への反応もよく、ブレインストーミングや自分で舵取りするプロトタイピング・デザイン作業に向く一方、高エフォートや放置運用では過剰に作り込みすぎる傾向がEve…
AI製品の失敗パターンをどう見つけ出すか、メトリクス先行がハマる罠
AI評価（evals）の専門家Hamel HusainとShreya Shankarは、50社以上のAI企業との仕事に基づき、evalsの進め方を論じる。冒頭では、Shopifyがevalsで開発を導いたAIワークフロービルダーが、置き換え前のフロンティアモデル系システムより2.…
GPT-6 SolとOpus 5.5、コーディング用途ではどちらを選ぶべきか
OpenAIの「GPT-6 Sol」とAnthropicの「Claude Opus 5.5」が同日にリリースされ、Everyは両モデルを日常業務で実測比較した。
汎用ベンチマークではなく自分の仕事でAIモデルを評価すべき理由
Everyの評価責任者Mike Taylorは、MMLU-Proなど業界標準のAIベンチマークが実務での有用性を測れていないと指摘し、自分の仕事内容に基づく「個人ベンチマーク」の構築を提案する。
生成AI機能の値付けはトークン従量課金でいいのか ― a16z調査に見る「価値単位」の価格設計
モデル提供者はトークン単価で課金するのが妥当だが、その論理をアプリケーション層に持ち込むと誤りとなる
データセンターの電力コストはなぜ読めないのか ― PJM の120億ドル過剰請求に見る容量市場の設計不全
PJM の Reserve Requirement Study（容量計画モデル）が冬季のガス発電所の効率向上（最大 25%）を考慮していない
AI の供給制約はモデル性能から電力・許認可へ移るのか — 米国 AI 政策「低リグレット」23の提言を経営目線で読む
米国の電力消費に占めるデータセンターの割合は、EPRI の予測で2024年の4〜5%から2030年には9〜17%に達し、単一の学習ランも4〜14GWを要しうる。一方、新規の送電プロジェクトは計画・許認可・建設に平均約10年かかる。著者らはこれを政策上の選択の結果であって物理的な限…
AIのAPI料金はどこまで上がるのか——収益10倍成長と計算供給3倍の需給ギャップが招く値上げ構造
需給のミスマッチ: Anthropicの収益は年10倍成長するのに対し、計算供給は年3倍成長のみ。この差を埋めるには利益率の上昇・計算価格の上昇・推論比率の増加のいずれかの組み合わせが必要で、筆者はその3つともが起きていると理解している
AI の ROI はどう測るか——LLM より4桁安い専用モデルが最適解だった Arkadium の事例
元記事は、トークン支出が各社で急増する中、価値ある AI 利用とそうでないものを見分ける唯一の方法は「事業固有の測定可能なゴール」を定義して測ることだと主張する。ツール配布は導入の第一段階に過ぎない
AIコストを大きく下げるモデルルーティングを誰が設計するのか ― Grok 4.5と「100万トークン当たり収益」の時代
Cursor が SpaceXAI と共同訓練したと説明する Grok 4.5 は、Every の社内評価で Opus 水準（Mike Taylor のベンチマークでは Claude Opus 4.8 をわずかに上回る）の性能で、入力 $2 / 出力 $6 per million…
AIのトークンコストはどう最適化するのか ― 「トークン監査」とマルチモデル運用に見る効率化の実務
フロンティアラボが計算コストの補助を縮小しつつあり、AI の利用コストは上がっていく。焦点は「どれだけ使うか」から「どう使い、何を示せるか」に移り、サンフランシスコでは revenue per million tokens（1Mトークン当たり収益）が revenue per em…
AI戦略の前提をどう棚卸しするか ― 暗黙の「賭け」を可視化する4軸フレームワーク
AI戦略の下には必ず「暗黙の前提（賭け）」が埋まっている。それを明示化しないまま進むと、前提が崩れたときに対応が遅れる