Renting Intelligence: Vendor Concentration Risk and the Pricing of AI Dependency
本論文は、強制的な開示規則が存在しないために、公開書類における情報の不一致や欠落が頻発しており、投資家がAIモデルを賃借している企業と所有している企業を判別することを妨げていることから、株式市場は現在、AIベンダーの集中リスクを価格に反映させていないことを明らかにしている。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
現代の経済において、企業はますます人工知能の上に自社製品を構築するようになっています。これを行うにあたり、企業は根本的な選択に直面します。大規模なテクノロジープロバイダーから知能をライセンス供与してもらい、システムが使用されるたびに手数料を支払うか、あるいはハードウェアと学習データに多額の前払投資を行い、独自のシステムをゼロから構築して運用するかという選択です。この決定は単なる技術的な問題ではなく、財務的なギャンブルです。企業が知能を「レンタル」する場合、他者が設定した価格、つまりいつでも変更される可能性のある価格に依存することになります。一方で、自社で構築する場合、コストは既に支払われており、能力（キャパシティ）を所有しています。金融理論によれば、重要な投入要素を外部プロバイダーに依存することは、単一の巨大な顧客に依存する企業が多くの小規模な顧客を持つ企業よりも脆弱であるとされるのと同様に、その企業のリスクを高めるとされています。リスクと報酬を常に天秤にかけている投資家は、これらの「レンタル」企業に対しては、将来のコストが不透明であるため、資金を貸し出す際により高い金利を課したり、株式に対してより高いリターンを要求したりするはずです。
ペレス・アカデミック・センターの研究者は、株式市場が実際にこの違いを見極めているかどうかを検証するために、ある調査を行いました。この研究では、2023年から2026年までの間に米国企業が提出した数千件の年次報告書を調査しました。目的は、これらの企業を、人工知能モデルを他社からレンタルしていると認めている企業と、自社で構築しホストしていると主張している企業という二つのグループに分類することでした。その後、研究者はこれら二つのグループの株価の動きを、その技術を全く使用していない企業と比較しました。予想としては、レンタルしている企業は、構築している企業と比較して、株価の変動性が高くなるなどの高いリスクを示すはずでした。
しかし、結果は理論が予測したものとは異なりました。研究によれば、株式市場は、レンタルしている企業と構築している企業の違いを判別できていませんでした。両方のグループは同程度のリスクを抱えており、どちらのグループも他方に対して異なる価格設定を受けていませんでした。市場が明確に見出した唯一の違いは、テクノロジーを使用しているかどうかという点でした。どのように入手したかにかかわらず、人工知能を使用している企業は、使用していない企業よりもリスクが高いように見えました。しかし、「レンタル」か「構築」かという具体的な選択は、結果に影響を与えませんでした。
データにこのような沈黙が生じた理由は、リスクが存在しないからではなく、企業がそれについて十分に語っていないからです。研究者は、人工知能について年次報告書に記載している企業の多くが、真実の直前で言葉を止めていることを発見しました。彼らは「独自のプラットフォーム」や「社内技術」と主張することもありますが、その下で動いているモデルが実際に自社のものであるのか、それとも第三者からライセンスを受けたものなのかを明記することは滅多にありません。企業がモデルの出所を明示しないため、研究者は曖昧な表現に基づいて推測せざるを得ませんでした。二人の独立した読者が、これらの曖昧な記述に基づいて同じ報告書を分類しようとしたところ、彼らが一致した回答に至ったのは、およそ半分程度に過ぎませんでした。
この透明性の欠如は、重大な盲点を作り出しました。研究によれば、「レンタル」グループと「構築」グループは、報告書における定義があまりにも不十分であったため、市場がその両者を区別することは不可能でした。それは、タンクのラベルが擦れて読めなくなっている状態で、二種類の燃料の違いを測定しようとするようなものです。データがあまりにノイズだらけであったため、リスクを明らかにするには不十分でした。研究者は、たとえ実在の差があったとしても、その差が市場に見られる総リスク変動の約4分の1という極めて大きなものでない限り、この研究のデザインでは検出できないと計算しました。
最も示唆に富む発見は、人工知能について言及しながらも、そのモデルの出所を明らかにしない企業を調査した際に得られました。テクノロジーについて語りながらもその起源を隠しているこれらの企業は、テクノロジーに全く言及しなかった企業よりも高いリスクを負っていました。彼らの株価はより変動しており、投資家はそれらを保有することに対してより高いリターンを要求していました。これは、沈黙そのものがリスクのシグナルであることを示唆しています。企業が強力なテクノロジーを使用していながらその起源を隠しているとき、市場はその正体を正確に特定できずとも、何らかの不確実性を察知しているのです。
本研究は、企業による現在の人工知能の使用に関する報告方法は、投資家が情報に基づいた意思決定を行うには不十分であると結論付けています。市場はレンタルによるリスクを無視しているのではなく、単にそれを見ることができないのです。報告書はあまりに曖昧であり、言語も一貫性がないため、明確な測定を許しません。研究者は、単純な報告ルールの変更がこれを解決できると示唆しています。もし規制当局が、モデルがレンタルされたものか構築されたものかを明確に述べ、依存関係が重大な場合にはそのプロバイダー名を記載することを義務付ければ、データは明確になるでしょう。それが実現するまで、知能をレンタルするという特定のリスクは、ほとんどの企業が書かないことを選んだ一文の背後に隠れたまま、目に見えない状態であり続けます。市場はテクノロジーがリスクであることを知っていますが、どの企業がその責任を負っているのかについては、まだ分かっていないのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。