Firm Valuation When AI Shapes the Business Model: A Milestone-Based Real-Options Framework for the AI Valuation Uncertainty Problem

企業の価値評価は、伝統的に、過去を見て未来を予測するという問題である。もしある企業が、製品を販売し、支払いを済ませ、利益を上げるという長い歴史を持っているならば、専門家はその数字を用いて、その企業が明日いくらの価値を持つかを推定することができる。彼らは、その企業が今後数年間で稼ぐであろう金額を計算し、物事がうまくいかなくなるリスクを考慮してその数値を調整する。この手法は、20年間営業しているパン屋や、数十年にわたって順調に稼働している工場のような、安定したビジネスにはうまく機能する。しかし、人工知能（AI）を中心に構築された企業の場合、ルールは完全に変わってしまう。これらの企業は、しばしば利益の歴史を持たず、ビジネスモデルはリアルタイムで書き換えられており、その価値は、一連の困難な将来目標をいかに成功裏に達成できるかに完全に依存している。これまでに存在しなかったものを構築しようとしている企業に対して、従来の価値測定ツールは、計画の中に隠された具体的なリスクや機会を見抜くことができないため、しばしば失敗するのである。

スイスのSwissi AI研究所とニュルティンゲン・ガイスリンゲン応用科学大学による新しい研究は、これらの企業に対する異なる見方を提案している。研究者たちは、標準的な手法は人工知能に適用する場合、あまりにも曖昧であり、複雑な不確実性を一つの不透明な数字の中に押し込めてしまうと主張している。一般的な成長率を推測する代わりに、チームは企業の価値を、一連の具体的で検証可能なステップへと分解する構造化されたプロトコルを開発した。彼らは、人工知能を統合していくプロセスを、滑らかな一本の線としてではなく、「ゲート（門）」のある経路として扱っている。各ゲートにおいて、企業は特定のことを遂行できることを証明しなければならない。例えば、新しいソフトウェアシステムを機能させること、規制チェックを通過すること、あるいは最初の有料顧客を見つけることなどである。企業がゲートを通過すれば、前進し、その価値は上昇する。もし失敗すれば、経路は終了し、潜在的な価値は消失する。これらのゲートをマッピングし、それぞれに成功の現実的な確率を割り当てることで、研究者たちは、どこから価値が生じ、どこにリスクがあるのかを正確に見極める方法を作り出した。

この新しいアプローチの核心は、シンプルだが強力なアイデアにある。それは、「人工知能を利用しているすべての企業が同じではない」ということである。研究者たちは、企業を二つの主要なグループに分ける分類システムを作成した。第一のグループは、既存の業務を改善するためのツールとして人工知能を利用している企業である。例えば、与信スコアをより速くチェックするためにコンピュータプログラムを使用する銀行などである。第二のグループは、製品そのものが人工知能である企業、例えば、他社に販売するための新しいタイプのスマートソフトウェアを構築している企業などである。第一のグループ内において、研究者たちは技術の統合度合いに基づいて企業をさらに細分化した。ウェブサイトにチャットボットを追加する程度のごくわずかな利用から、業務全体を技術を中心に再構築しているものまでである。研究によれば、統合が深ければ深いほど、企業の価値は現在の利益よりも将来の可能性に依存するようになる。人工知能に少し足を踏み入れただけの企業は、現在の売上に基づいた予測可能な価値を持つ。しかし、その技術を中心にビジネスを完全に再構築した企業は、本質的に「将来の選択肢の集合体」であり、真の価値は「次に何ができるか」という点にあるのである。

企業が各ステップにおいて成功する可能性を判断するために、研究者たちは、推測を構造化された専門家の対話に置き換える手法を導入した。彼らは、企業のリーダーや外部のスペシャリストを含むパネルに対し、成功を決定づけるさまざまな要因を比較検討するよう求めた。これらの要因には、テクノロジーが実際に機能するかどうか、会社に運営するための適切な人材がいるか、そして政府の規制が進行を許可するかどうかなどが含まれていた。専門家たちがこれらの要因をペアごとに比較させることで、システムは、企業が次のステージに進む準備ができている度合いを反映したスコアを生成する。このスコアは、同様のテクノロジープロジェクトからの現実世界のデータと照らし合わせられ、特定の確率へと変換される。このプロセスにより、最終的なバリュエーション（価値評価）は単なる個人の意見ではなく、すべての数字が特定のアサンプション（仮定）に遡ることができる透明性の高い計算となる。もし二人の専門家が企業の価値について意見を異にする場合、彼らは今や、まさにどこで意見が食い違っているのかを特定できる。それは、特定のテストに合格する確率についてなのか、それともそのテストがどれほどの収益を生むかについてなのか、ということである。

研究者たちは、エネルギー・ポートフォリオを管理するソフトウェアを構築しているスイスのあるスタートアップ企業を用いて、この新しいフレームワークをテストした。この企業は、AI製品を顧客に直接販売している段階にあり、調査時点では収益の歴史を持っていなかった。従来のメソッドを用いれば、このような企業の価値を算出するには、将来の成長に関する説明のつかない大きな推測が必要であっただろう。新しいフレームワークを用いることで、研究者たちは、同社が今後2年間で到達すべき4つの主要なマイルストーンをマッピングした。これらのマイルストーンには、初期テストのためのシステムの安定化、有料のパイロット顧客の確保、最初の継続的な収益の発生、そして最終的には、製品を多くの顧客に同時に販売できることを証明することなどが含まれていた。各ステップの価値とその到達確率を計算することで、彼らは合計1億スイスフランという企業価値に到達した。この数字は同社の内部的な見積もりと一致していたが、新しい手法は重要な事実を明らかにした。すなわち、価値の半分以上が、最も達成が困難な最終のマイルストーンに依存しているということである。

この発見は、人工知能セクターにおけるリスクの捉え方の大きな変化を浮き彫りにしている。研究は、AI製品を販売する企業にとって、リスクはプロセス全体に均等に分散されているのではないことを示している。むしろ、リスクは後半の段階に集中しているのである。プロトタイプを構築するといった初期のステップは比較的安全で成功の可能性が高い。しかし、市場がその製品を求めていること、そして会社が規模を拡大（スケールアップ）できることを証明する必要がある後半のステップは、最も不確実性が高い。このフレームワークは、最終のマイルストーンに失敗すれば、企業は総価値の約半分を失うことを示すことで、この事実を明確にしている。これは、リスクがしばしばより均等に分布している伝統的なビジネスとは異なる。また、新しいメソッドは、他のバリュエーションツールが隠してしまうコストも考慮に入れている。テクノロジーの構築に費やされる資金と、法律や規制を遵守するために費やされる資金を分離することで、これらのコストが一般的な見積もりの中に埋もれることなく、明確にカウントされるようにしている。

また、この研究は、企業の財務報告における一般的な問題にも対処している。多くの欧州諸国では、会計規則により、新しい技術の開発に費やされた資金を「費用」として処理することが求められ、これにより帳簿上は損失を出しているように見えることがある。一方で、他の場所では、これらの支出を「資産」として記録することができ、より価値があるように見せることができる。このような会計規則の違いは、同一の企業であっても、投資家に対して全く異なる姿を見せてしまう可能性がある。新しいフレームワークは、会計上のラベルではなく、ビジネスの実際の経済的実態を見ることで、この混乱を回避する。それは、開発に費やされた資金を、それが帳簿上でどのように記録されているかにかかわらず、現実のコストとして扱う。これにより、異なる国や異なる規則の下にある企業間でも、公正な比較が可能になる。このアプローチは、バリュエーションが単なる帳簿上の記載ではなく、ビジネスの真のポテンシャルを反映するように保証するものである。

著者たちは、この研究が新しい手法のデモンストレーションであり、それが完璧であるという最終的な証明ではないことに注意を払っている。彼らは、非常に明確な情報を持つ単一の企業に対してこのフレームワークをテストしており、それは手法を適用することを容易にしている。彼らは、現実の世界はもっと複雑であり、技術統合のレベルが混在している企業や、データが不明瞭な企業も存在することを認めている。研究者たちは、次のステップとして、この手法が理論通りに機能するかどうかを確認するために、より多くの異なる企業に対してテストを行う必要があると示唆している。また、AIに関する規則は急速に変化しており、新しい法律が成立するにつれて、フレームワークも適応していく必要があるとも指摘している。しかし、核となるアイデアは揺るぎないものである。人工知能の複雑な道のりを、より小さく測定可能なステップへと分解することで、私たちは推測することをやめ、これらの現代的な企業を正確に理解し始めることができるのである。

この研究の含意は、単に数字を算出することにとどまらない。それは、投資家と創業者との間の会話を変えるものである。単一の曖昧な数字を巡って争う代わりに、彼らは企業が成功するために踏むべき具体的なステップについて議論できるようになる。もし投資家が企業のリスクが高すぎると考えるなら、彼らは達成が困難だと考える特定の節目（マイルストーン）を指摘することができる。もし創業者が自社が過小評価されていると考えるなら、彼は次のゲートに到達するための計画がいかに強固であるかを示すことができる。この透明性は、双方がリスクと機会の真の性質を理解する助けとなる。また、規制当局や政策立案者が、人工知能業界における真のボトルネックがどこにあるのかを把握することも可能にする。どのステップが最も困難であり、どこで最も価値が創造されるのかを特定することで、このフレームワークは、リソースをどこに投資し、どのように新しいテクノロジーの成長を支援すべきかという決定を導くことができる。

結局のところ、この研究は、しばしば謎に包まれてきた分野に明晰さをもたらす方法を提示している。数十年にわたり、企業の価値評価は経験と直感に頼る、芸術と科学の混合物であった。人工知能の台頭とともに、古い直感はもはや十分ではない。なぜなら、ゲームのルールが変わったからである。新しいフレームワークは、この新しい領域を航海するための地図を提供する。それは未来を確実に予測することを約束するものではないが、不確実性を可視化することを約束するものである。どこにリスクがあり、それを克服するために何が必要かを正確に示すことで、関係者全員がより良い意思決定を行えるようにする。それが、次なるビッグウェーブを探している投資家であれ、新しい会社を築こうとしている創業者であれ、あるいは経済を理解しようとしている政策立案者であれ、このアプローチは、人工知能時代における価値の真の構造を見通す方法を提供する。それは「ブラックボックス」を、一連の明確で理解可能なステップへと変え、ビジネスの未来を、これまでよりも少しだけ透明で、理解可能なものにするのである。