4800億ドルが株式市場で「燃え尽きた」：中国でAIバブルが崩壊。次は米国か？

Artem Honcharenko, PhD

KNUBA退役軍人再統合・リハビリテーション・職業能力開発研究所（Institute of Reintegration, Rehabilitation and Professional Development of Veterans）「Architecture of Resilience」所長

2026年10月27日 • 筆者による分析

中国の暴落：市場で実際に何が起きたのか

つい最近まで、チップ、データセンター向け光学部品、ロボット工学のメーカーは、新たな技術革命の最大の勝者と呼ばれていた。投資家は、人工知能に対する需要の将来的な拡大を見込んで、これらの企業の株を買っていた。10月末、その確信は大規模な売りに変わった。

報道によると Reuters（2026年10月26日付）では、上海市場の主要なテクノロジー・イノベーション企業の動向を示すSTAR 50指数が、 4カ月足らずで約40%下落したと伝えている。時価総額の合計の減少は約 4800億ドルと推計されている。10月27日にはすでに、指数は 1,252.28ポイントで取引を終え、1日の下落率は 4,81%. [1–2]

ここでは二つの点を正確にしておく必要がある。 STAR 50は、中国の純粋なAI企業上位50社を並べた一覧ではなく、半導体やAIに関連する企業が多いテクノロジー・イノベーション分野の指数である。そして 4800億ドルが企業の銀行口座から「消えた」わけではない。これは保有株式の時価評価額が下落したということである。

とはいえ、それで調整の規模が小さくなるわけではない。Reutersは、ロボット、半導体、光学機器の個別メーカーの株価が数十%下落した例を挙げている。市場は突然、単純な経済的要件を思い出したのである。優れた技術があっても、どのような株価でも正当化できるだけの利益が得られるとは限らない。[1]

市場が冷え込んだ理由：過大な期待と実際の利益

上昇のピーク時、STAR 50指数の株価収益率（P/E）は、Reutersの推計で 250に迫っていた。急落後でも約 100あった。同じ記事でのNasdaq 100の目安は約 30である。両者は構造が同じ指数ではないが、この差は、投資家が中国の株価にどれだけの将来成長をすでに織り込んでいたかを示している。[1]

割高な評価に加えて、AI関連ハードウェアの需要の伸びへの疑念、輸出規制の可能性、税制上の要因、中国製部品の海外データセンター向け販売のリスクが重なった。これらのいずれも単独では暴落の全体を説明できないが、合わさることで市場は脆弱になった。

私の結論は単純である。株価と技術の有用性は切り離して考える必要がある。 企業は必要とされる製品を生み出していても、株式市場では不当に高く評価されていることがある。逆に、株価が下がっても、すでに達成された技術的効果が帳消しになるわけではない。

二つのことをはっきり区別する必要がある。人工知能の経済的な有効性と、それで利益を上げる企業の投機的な価値である。株式市場は期待を誤ることがある。しかし、技術が実際に研究時間を短縮し、生産性を高め、根拠のある意思決定をより速く行えるようにするのであれば、その価値は株価の下落とともに消えることはない。

AIは本当に人間の仕事を速めるのか：証明されたことと、約束にすぎないこと

研究者として、私は人工知能を評価すべきなのは、発表の派手さではなく、対照群を置いた独立した実験によってだと考える。そうした研究はすでに存在する。

2023年に学術誌 Science に掲載されたMITの研究では、 453人の専門職 が職業上の文章作成課題に取り組んだ。ChatGPTを利用できたグループでは、平均所要時間が 40%短縮し、専門家の評価による成果物の質は 18%向上した。これは現実の実験だが、どのような複雑な研究でも自動的に同じ40%だけ加速することを証明するものではない。[3]

Harvard Business SchoolとBoston Consulting Groupによる、 758人のコンサルタント を対象にした実験では、モデルの能力に見合った課題でGPT-4の利用者は 25%以上速く 作業を進め、 12%以上多くの課題を完了した。一方、ツールの確実な能力の範囲外の課題では、AIを使うとかえって結果が悪化した。[4]

とりわけ示唆的なのが科学分析である。 25件の研究のレビューが、 Frontiers in Pharmacology 誌（2025年）に掲載され、そのうち 17件で所要時間が50%以上短縮されたと記録した。場合によっては、抄録の自動スクリーニングは 5〜6倍、関連資料の検出率95%を条件とした手作業の負担は 6〜10倍短縮された。これは主に選別の個別段階の話であり、着想から検証済みの結論までの全過程の話ではない。[5]

留意点もある。2025年のMETRによるランダム化実験では、 経験豊富な開発者16人が 246件の実際の課題に取り組んだが、当時のAIツールを使うと作業時間は平均で 19%長くなった。本人たちは作業が速くなったと考えていたにもかかわらずである。したがって、初心者を助けるツールでも、結果の検証コストが高すぎれば、熟知した作業では専門家を遅くしかねない。[6]

結論： 私たちが測るべきなのは、生成されたテキストの量ではなく、 単位時間あたりの、正しく検証された成果の数である.

規模を変える一例：10万件の文書

最初のスクリーニングが必要な組織を想像してみよう。対象は 10万件の文書 ——契約書、学術論文、報告書、市民からの申し立て、復興関連資料など——である。1件あたりわずか 3分をかけるだけでも、合計は 5,000人時となり、すなわち8時間勤務で625労働日に相当する。10人の分析担当者のチームがフル稼働しても、約12.5週間かかる。

では、検証済みのシステムが重複排除、初期分類、矛盾の検出を自動で行い、例外の一覧を作成するとしよう。その品質が 手作業によるスクリーニングを90%削減できるなら、この段階で残るのは 500人時 相当である。

これは説明のためのモデルであり、特定の導入の結果ではない。 計算、設定、品質管理のコストや、見落とされた重大な事例は、別個には考慮されていない。そのため、研究全体が10倍速くなるなどと機械的に主張することはできない。

しかし、このモデルは本当の価値がどこに生まれるかを説明している。 自動化された選別が必要な精度を示したなら、専門家はすべての情報を手作業で確認する義務を負わなくなる。専門家は大量の読み込みから、複雑な事例への掘り下げた作業へと移る。

市場は成熟し始めている。技術革命の約束だけではもはや十分ではない。投資家は利益を、組織は具体的な成果を求める。どれだけ時間を節約できたか、どれだけの誤りを防げたか、どれだけの申し立てを処理できたか、そしてシステムの維持にいくらかかるのかである。真の競争優位は、AIの経済的有効性を証明できる者が手にするだろう。

戦争は生産性の方程式を変える：ウクライナにとってなぜ重要か

我が国では、労働者が高い資格と意欲を持っていても、空襲警報やミサイル攻撃をなくすことはできない。人間の安全は常に最優先でなければならない。

2026年2月にEuropean Business Associationが同協会の会員企業の トップマネジャー131人 を対象に実施した調査では、 45% の回答者が、空襲警報中の業務停止を一般的な制約として挙げ、 82% が、エネルギーシステムへの攻撃を事業に最も大きな悪影響を与える要因として挙げた。これはウクライナ全体の平均的な損失時間の統計ではないが、業務上の障害を示す有力な証拠である。[7]

100時間の生産的な分析作業を要する仮想のプロジェクトを考える。実際に稼働できる時間の割合が70%なら、遂行には約 143時間分の計画上の労働リソースが必要になる。人間に25時間が残り、機械処理と付随作業が10時間加わるモデル化したハイブリッド型プロセスでは、全体の見積もりは 約46時間となる。差は約 3.1倍.

これらの数字をウクライナ企業の基準として受け取るべきではない： ここでの稼働率70%と業務の構成は、あくまでシナリオ上の仮定にすぎない。実際の効果は、業務の性質、データの準備状況、システムの設計によって決まる。

ただし、原則は重要である。計算資源、データ、タスクキューが適切に冗長化され、地理的に分散されていれば、従業員が避難所にいるときでも、一部の業務は継続できる。一方、システムがバックアップの通信や電源のない単一のオフィスサーバーに依存していれば、この利点は得られない。

ウクライナにとって人工知能の活用は、技術的に先進的でありたいという願望にとどまらない。それは強靭性の問題である。人間には、戦時下でも安全、休息、保護を受ける権利がある。同時に、適切に構築されたデジタル基盤は、重要な業務プロセスの一部を途切れさせずに維持できる。私たちの課題は人間を置き換えることではなく、技術によってその能力を強化することである。

本当の革命は、1分で文章ができることではなく、報告書が出る前に問題を見つけ出すことである

私は、次の変化は分析メモの自動作成よりも深いものになると考える。それは 24時間体制の監視である。データが絶え間なく入り、システムが逸脱を検出し、ルールに照らして検証し、リスクを分類して、責任者に情報を渡すか、あらかじめ許可された安全な措置を実行する。

サイバーセキュリティの分野では、そのためのプラットフォームとして SIEM と SOARが以前から発展してきた。2025年の国際的なガイダンスは、これらをイベントの収集、不審な活動の検出、専門家への通知、対応の特定部分の自動化を担う手段として説明している。同時に、こうしたシステムには継続的な設定、テスト、有資格者による監督が必要である。[8]

ウクライナでは、この原則を、復興の監視、財務管理、環境指標、サイバー脅威、退役軍人とその家族からの申し立ての管理に応用できる。たとえば、新たな申し立てを担当部署に自動的に回したり、入札書類における異常な変更を監査人への警告として出したりできる。しかし、医療支援、権利の制限、金銭的制裁に関する判断を、適切な独立した統制の仕組みなしに生成AIモデルへ委ねてはならない。

未来は、情報をただ蓄積するのではなく、出来事を継続的に分析するシステムのものである。人工知能は、異常の検出、その検証、あらかじめ合意された対応シナリオの起動を支援できる。しかし、重大な決定は人間による適切な管理の下に置かれなければならない。新たなデジタル・エコシステムの質を決めるのは、まさに自動化と責任の組み合わせである。

誤りの代償：自動化を信頼と取り違えてはならない場面

自動化の規模が大きいほど、システム的な誤りの代償は高くつきうる。モデルは、もっともらしく情報源をでっち上げたり、重要な文書を見落としたり、機密データへのアクセスを不適切な利用者に与えたりすることがある。だからこそ、医療、個人、金融に関する資料には、データの最小化、アクセス権の管理、操作のログ記録、正確性の検証、重要な操作に対する個別の承認手続が必要である。

科学の世界は、機械による処理の速さと、結論の信頼性とを区別しなければならない。これは、AIが科学的なレビューや経営判断のための分析の作成を支援する場合にとくに重要である。

私たちは、情報処理の速さと、得られた知識の信頼性とを区別しなければならない。人工知能はデータの検索、比較、体系化を大幅に速められるが、それによって、情報源の検証、方法論の確認、結果の再現性の確保が不要になるわけではない。

中国の暴落は米国でも繰り返されるのか

これは今日もっとも大きく響いている問いである。しかし 中国のSTAR 50の40%の下落は、米国株が自動的に40%下落することを意味しない。Reutersは、中国の調整を、Nasdaqが直近の最高値から約6%後退した動きと対比している。指数も期間も事業構造も異なり、そのような根拠から直接的な予測を行うのは根拠に欠ける。[1]

世界のテクノロジー株にもリスクはある。高い期待、計算基盤への巨額の設備投資、需要の不確実性、収益化の難しさである。しかし、個々の企業の脆弱さの度合いは、その利益、キャッシュフロー、債務、顧客、調達した資本のコストによって決まる。

私の考えでは、市場にとっての核心的な問いはすでに変わっている。 「誰がより大声でAIを掲げたか」ではなく、「誰がその技術を検証された経済的成果に変えられたか」である。この観点に立てば、投機的な評価の低下は、企業をより規律ある投資へと促す可能性さえある。

ウクライナの組織への提案

他国の株価暴落を理由にデジタル変革を止める必要はない。しかし同時に、流行だからという理由だけで高価なAIソリューションを無思慮に購入すべきでもない。合理的な姿勢は、五つの実践的なステップにまとめることができる。

1. 現在のプロセスを測定する： 業務の所要時間、コスト、誤り、回答までの待ち時間、人にかかる負荷。
2. 絞り込んだパイロットを選ぶ： たとえば、文書の分類、重複の検出、申し立ての優先順位付けであり、管理全体を一度に自動化することではない。
3. 自律性の範囲を定める： アルゴリズムが単独で実行してよいこと、提案にとどめること、人間の判断が必須であること。
4. 品質と安全性を確認する： 見落とされた重大な事例、誤警報、個人データへのアクセス、ベンダーへの依存、障害への耐性。
5. 総コストを計算する： ライセンス、計算資源、システム連携、保守、チームの教育費、そして節約できた時間の価値。

これらの指標を測定しなければ、5倍や10倍の節約といった話はマーケティングにすぎなくなる。測定すれば、組織は証拠に基づいて判断を下せる。

結論：株式バブルは崩壊しうるが、技術革命は続く

中国の暴落は、投資家への重大な警告である。有望な産業でさえ、過大な評価、根拠のない期待、市場心理の急変から免れないことを示している。

しかし、研究者であり、人的資本とウクライナの復興の問題に取り組む機関の責任者でもある私にとって、結論は異なる。 技術は、株式市場の熱狂ではなく、現実の課題に与える影響によって評価されるべきである.

自動化が、申し立ての処理時間を短縮し、リスクの早期発見を助け、戦時下でも業務の継続性を支え、専門家を責任ある判断に専念させるのであれば、それはすでに実用上の価値をもっている。ただし、その価値は測定されなければならず、安全性は証明されなければならない。

AIバブルは崩壊するかもしれない。しかし、検証された知識、強靭な組織、時宜を得た判断への需要は消えない。

出典と方法論上の注記

[1] Reuters. 「In China, the AI bubble has already burst」、2026年10月26日 出典

[2] Investing.com. SSE STAR 50: historical data、2026年10月27日の終値 出典

[3] Noy S., Zhang W. «Experimental evidence on the productivity effects of generative artificial intelligence». Science, 2023 出典

[4] Harvard Business School / Boston Consulting Group. «Navigating the Jagged Technological Frontier», 2023 出典

[5] Abogunrin S. et al. «How much can we save by applying artificial intelligence in evidence synthesis?». Frontiers in Pharmacology, 2025 出典

[6] METR. «Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity», 2025 出典

[7] European Business Association. 「大規模戦争の4年：ウクライナでビジネスはどう機能しているか」（Four Years of the Large-Scale War: How Business Operates in Ukraine）、2026年2月24日 出典

[8] Australian Signals Directorateおよび国際パートナー. 「Implementing SIEM and SOAR platforms: Executive guidance」、2025年5月27日 出典

計算に関する注記：10万件の文書の例と、戦時下における人員の稼働可能性のモデルは、説明のための仮定である。これらは個別の統制された研究の結果とは区別し、投資判断の前に自らのデータで検証する必要がある。