UBSエンタープライズ調査：AI支出は依然として堅調、「自社開発」ソフトウェアがトレンドに、データ管理層が極めて重要

企業のAI投資ロジックは構造的な転換を遂げていますが、この転換は予算の縮小をもたらしていません。

追风トレーディングデスクによると、UBSアナリストのKarl Keirstead氏は8月10日に発表した企業AI調査レポートで、多くの企業が当初の「token最大化」段階から、token最適化を特徴とする新たな段階へ移行しており、効率性と投資回収率（ROI）がより優先されるようになったと指摘しています。重要なのは、この変化が「まだAI支出の減少に転化していない」ことです。これは市場にとって重要なシグナルであり、企業はROIを意識し始めているが、まだブレーキは踏んでいないという状況です。

OpenAIやAnthropicなどの先端モデルプロバイダーや、その背後にいるクラウドベンダーにとっては、コストへの懸念による需要の明確な減退は見られていません。クラウドベンダーの第2四半期の好調な業績もこれと一致しています。実際に圧力を受けているのは、AI機能をパッケージ化して企業に販売しようとしている従来型アプリケーションソフトウェアメーカーです——企業は依然としてコアAIシステムの自社構築を志向しており、伝統的なSaaSベンダーが待ち望む転換点はまだ到来していません。

産業チェーンの分業を見ると、クラウドインフラ層とデータ管理層の地位は相対的に安定していることが明らかになっています。Databricks、Snowflake、Palantirは企業AIスタックで引き続き重要な役割を占めています。一方、アプリケーションソフトウェア層が最も圧力を受けており、大手SaaSベンダーのAI機能は企業の購買リストで存在感が薄く、逆に特定の課題に特化した小規模なAIネイティブ企業が実際の導入シーンに食い込んでいます。

企業が現在最も重視しているのは、「AIを使えるかどうか」から「誰が、どれだけ利用し、その価値はあるのか」へと移っています。

複数の企業が、利用追跡システムを既に導入しており、従業員が一定額に達した後は、リクエストがより低位のモデルと遅いレスポンス速度に自動的に切り替わる仕組みになっています。一部企業は従業員によるAIエージェント作成権限の制限も始めています。従量課金モデルへの感度も高まっており、消費量と請求が直接結びついているからです。

より粒度の細かい最適化はモデルの呼び出し段階で行われています。モデルに提供するコンテキストを精緻化し、コンテキストウィンドウをフルに使わない；RAGシステムへのモデル再利用を減らす；スクリプトやルーティング、プロンプト圧縮で1回のタスクコストを抑制することなどです。ある企業は先端モデルを固定価格で顧客に開放しましたが、モデルの利用コストが利益を圧迫し、将来的には料金体系の見直しを迫られる可能性があります。

しかし全体的な予算面では明確な縮小傾向は見られていません。企業はウィンドウ期を逃すことを懸念し、まずは導入推進し、後からガードレールを追加する傾向が強いです。Karl Keirstead氏はレポートで、「ROIの計算」は「AI投資停止」と同義ではないと強調しています。少なくとも今回の調査対象サンプルではそうだとしています。

モデルルーティングが台頭、中国のオープンソースモデルは大企業主流にはまだ非ず

AI呼び出しコストを削減する自然な道は、一部タスクを先端のクローズドモデルからオープンソースモデルにルーティングすることです。しかし、今回の大手非IT企業中心の調査サンプルでは、OpenAI GPTとAnthropic Claudeが依然として主流です。

一部企業は先端モデルを継続使用していると明確に示し、技術志向の企業ほど中国オープンモデルの受容度が高い傾向がありますが、大手伝統企業はセキュリティ・コンプライアンス・コントロール可能性を重視しており、政府・国防関連やそのサプライチェーン企業は特にこの傾向が強いです。

現時点でのモデルコスト削減は主に3つのルートで同時に進められています：タスクごとに異なるモデルを使い分ける、小型モデルで価値の低いリクエストを処理する、呼出しチェーンを最適化しtoken無駄削減。中国のオープンソースモデルも選択肢の一つとなり得ますが、現時点で大企業では優先的に選ばれていません。

Salesforce創業者のMarc Benioff氏は「企業のAI自社構築は最終的に失敗し、いずれ成熟したSaaSベンダーのAIを購入することになる」と繰り返し指摘してきました。ServiceNowも同様の見解を持っています。しかしUBSの調査では、現実はまだSaaSメーカー側には傾いていません。

多くのFortune500企業はAI製品の自社構築を志向しており、その主な理由は下記3点です。社内プロセスが高度にカスタマイズされており、汎用SaaS AI機能は適合しない場合が多い；自社構築ならデータやワークフロー、オーケストレーション層（harness）やAIエージェントシステムへの完全なコントロールが保持できる；一部外部製品は価格が高すぎる、もしくは成果が期待を下回るためです。

調査では、典型的なケースとして、ある企業がTurtleファイルを使い独自のオントロジー層を構築し、SAPやPTC WindchillのデータをリアルタイムでDatabricksデータレイクに流し込み、多階層クリーニング後にエージェントが利用、そのデータでアクションエンジンを作り、Palantirの方案を置き換えようとしていました。その理由は、コストが低く、人材採用が容易で、将来的には顧客への技術開放も可能だからです。他にも「現状SaaSベンダーに買う価値のあるAI機能はなく、自社でプラグインが開発できる」と明言する企業もありました。

これは購買が完全になくなることを意味しません。コードレビュー、セキュリティ、オブザーバビリティ、SIEM、ワークフロー等の具体的な用途では、企業は成熟した製品を引き続き購入します。しかし、ソフトウェア投資家にとって本当のサインは、これら機能に企業が継続して対価を払い、自社構築オプションを放棄するかどうかです。この嗜好が逆転しない限り、アプリケーションソフト会社のAIプロダクトは高ROIを生みにくいです。

企業AIテックスタックの中で、データ管理企業の存在感はアプリケーションソフト層よりもはるかに高いです。Databricksは調査で何度も言及され、リアルタイムデータレイク、データガバナンス、AIツール基盤などのシーンで頻繁に登場しています。Snowflakeはエージェント構築に用いられ、インタビュー企業はLLMが直接Snowflakeの代替にはならないとはっきり述べています——LLMは言語処理に優れている一方、数百万のデータポイントの数理処理やトランスフォームには向かず、より合理的な運用はClaudeなどのモデルをSnowflake上に配置し、異常検知などに用いることです。

Palantirに関するフィードバックはやや複雑です。一方で、AIやオントロジー層で存在感を維持しているものの、一部顧客はAI自社構築によるPalantirの代替を模索しています。大手防衛請負企業は、社内でPalantir利用縮小を進めるチームが既に存在し、同社は今後数年さまざまな課題に直面すると予想しています。ただし、UBSレポートは、こうした事例は現時点では初期シグナルに過ぎず、一般化するには時期尚早と述べています。

データベース層にも競争圧力が見られます。AIワークロードでRedisやPostgresを選択する顧客も出てきており、MongoDBがAIワークロードでどこまで食い込めるか注目が集まっています。

調査で注目されたのは、企業が言及した上場アプリケーションソフト企業の数が限定されている点です。Atlassian、CrowdStrike、Salesforceはいずれも言及はあるものの、頻度は多くありません。それよりも、一部の小型非公開AIネイティブ企業が購買リストでより活発です：CodeRabbitはコードレビュー、OpikはLLMのオブザーバビリティ、OnyxはAIエージェントのセキュリティ、ArmorPointはAI SIEM、Workfabricはデジタルワークフローのデジタルツイン、LiteLLMはLangfuseと接続してモデルルーティングやプロンプト圧縮に使われています。

これら企業が切り込んでいるのは、「企業AIプラットフォーム」という大きな枠組みではなく、極めて具体的なビジネス課題です。例えば、コードレビューではAIが生成するコード量に人間のレビューが追いつかないため、CodeRabbitを導入してセキュリティ脆弱性が本番環境に流出するのを防いでいます。セキュリティ領域では、AIはファイアウォール設定やユーザー権限等情報と組み合わせて脆弱性の優先度付けを行い、セキュリティチームが本当に重要な脅威を特定するのを支援します。

調査では、AIが攻撃能力を急速に向上させていると指摘されており、今後企業のセキュリティ関連支出が増加する見込です。他のAI活用シーンと異なり、セキュリティ支出の財務ロジックはより強固であり、新機能体験というより防御面拡大の抑制が主な原動力です。

企業AIインフラは現在もAWS、Azure、Google Cloudに高度に集中しています。インタビュー企業で大規模なオンプレミスAIハードウェア・ソフトスタック増強に言及した例は非常に少なく、車両データ、予測保全、エージェント利用、データレイク、SnowflakeやDatabricks上のAIワークフローなどは三大クラウドを中心に構築されています。

調査では、すべてのデータをAzureからGoogle Cloudへ移行する計画を持つ企業があり、その理由はGoogle Cloudの価格競争力の高さにあります。しかし、移行自体は簡単ではなく、データ移管に1年以上を要し、Power BIユーザーやExcelスクリプト、Google Sheetsとの互換性問題も含まれます。Microsoftへの支出は削減が期待されるもののゼロにはなりません。これはクラウド各社間の価格競争が存在する一方で、AIがクラウドからオンプレミスへ「戻る」という実質的なトレンドは顧客側から十分な根拠を得ていないことを示しています。

UBSレポートは、「AIファクトリー」やモデルのオンプレミス回帰の可能性を評価するパートナーも存在するものの、現在の顧客サンプルを見る限り、AI展開の主戦場は依然クラウド上にあると指摘しています。