膨張するAIトークン課金、インフラ投資の果実を得る勝者と割を食う利用企業
企業のテクノロジー予算の5ドルに1ドル、すなわち20%がAI関連に投じられる時代が目前に迫っています。米調査会社のフォレスター・リサーチが2026年10月21日に公表した「2027年のテクノロジー・セキュリティ予測」では、2027年の世界のテクノロジー支出が6兆1000億ドルに達すると予測されました。実験的な導入期を終え、企業の最高情報責任者（CIO）や最高情報セキュリティ責任者（CISO）には、膨張するAIコストの抑制と投資対効果の証明という現実的な課題が重くのしかかっています。
同レポートでは、AIインフラの提案依頼書（RFP）の25%における「非エヌビディア」選択肢の要求、AI生成コードの欠陥による世界規模のシステム障害、そして87%の組織が予算や人員を割いていない量子コンピューティングの急進展という3つの予測が提示されました。
今回の記事では、AI投資が調達多角化や運用統制へと移行する市場メカニズムと、企業が直面する技術リスクの構造について、取り上げていきたいと思います。
IT予算の2割を占めるAI支出と、トークン課金が圧迫する企業収益
フォレスター・リサーチの予測で注目すべき数値は、2027年に企業のテクノロジー支出全体の20%がAI関連に向けられるという点です。世界のテクノロジー支出が6兆1000億ドル規模へ拡大する中、AIは新規プロジェクトの枠を超え、IT予算の中核を占める固定費へと変化しています。
この資金の流れを分解すると、サプライヤーと利用企業の間に横たわる非対称な収益構造が見えてきます。支出の大部分は、クラウド事業者やデータセンターが調達するAIサーバーや通信機器などのハードウェア購入に費やされます。一方、一般の事業会社にとって、それらのインフラ投資はAIモデルを利用する際の「トークン課金」や「クレジット消費」という従量制コストに形を変えて跳ね返ってきます。
2026年後半の段階では、社内業務や顧客向けサービスへのAIエージェント組み込みが進んでいますが、処理回数の増加に伴って推論コストが膨らむ事例が相次いでいます。フォレスターのチーフ・リサーチ・オフィサーであるシャリン・リーバー氏が指摘する通り、テクノロジー部門の責任者は、開発の速度を落とさずにコストとリスクを制御し、事業価値を証明するという難しい舵取りを迫られています。
AIインフラ調達の25%が「非エヌビディア」を条件に掲げる構造的理由
膨張するインフラコストと供給制約への危機感は、企業の調達行動に直接的な変化をもたらしています。フォレスターは、2027年にはAIインフラに関する提案依頼書（RFP）の4分の1にあたる25%が、エヌビディア以外のAIアクセラレーター（半導体）の選択肢を要件として求めるようになると予測しています。
AIの学習や推論基盤においては、開発環境を含めたエヌビディアのエコシステムが強い優位性を保ってきました。しかし、単一ベンダーへの過度な依存は、ハードウェアの調達価格やクラウド利用料の高止まりを招く要因となります。企業がRFPの段階で代替チップの選択肢を要求するのは、価格交渉力を確保し、処理内容の特性に応じた最適なコスト配分を実現するためと考えられます。
さらに見逃せないのが、サプライチェーンの途絶リスクや「デジタル主権」への配慮です。米中間の技術覇権争いや輸出規制の強化といった地政学的な緊張が続く中、特定の半導体供給網のみに基幹インフラを委ねることは経営上の脆弱性につながります。欧州やアジアを含む各国でデータや計算資源を自地域内で管理する動きが強まっており、リスク分散と主権確保の観点からも、AI半導体のマルチベンダー化は重要な経営課題となっています。
開発速度に追いつかない検証体制と、87%の企業が未着手の量子リスク
AI活用の拡大は、コストや調達だけでなく、システム運用の現場にも新たな脆弱性を生み出しています。フォレスターが警鐘を鳴らす代表的な事象が、AIによって生成されたコードのバグや改修に伴う機能退行（リグレッション）を原因とする、複数業界を巻き込んだ世界規模のシステム障害です。
ソフトウェア開発の現場では、コーディング支援AIや自動パッチ適用ツールの普及により、コードの生成速度が大幅に高まりました。ところが、生成された大量のコードが既存システムに与える影響を検証するテスト工程の能力が、開発のペースに追いついていません。過去のセキュリティソフト更新に伴う世界的障害が示す通り、現代のITインフラは少数の共通ソフトウェア基盤に依存しています。検証不十分なAI生成コードが基幹システムや更新プログラムに混入すれば、産業横断的な業務停止を引き起こす危険性が高まります。
これと並行して、中長期の技術対応における死角として挙げられているのが量子コンピューティングです。調査によれば、量子技術を認識している組織のうち87%が、2026年10月時点で予算や人材などのリソースを割り当てていません。しかし2027年には量子分野で予想外の技術的進展が起き、準備を怠っていた経営陣が投資優先度の組み替えや暗号基盤の見直しに奔走する事態が想定されます。
単体モデルの性能から「運用統制基盤」へ移る投資基準と3つの観測指標
コスト膨張と障害リスクの双方に対処するため、企業のAI戦略は「どの高性能モデルを使うか」という議論から、「いかにAIを安全かつ経済的に制御するか」という運用基盤の設計へと軸足を移しつつあります。フォレスターの分析でも、企業のAIプラットフォーム選定の75%は、モデル自体の性能ではなく、モデルの周囲で稼働する「ハーネス（制御基盤）」の優劣によって決まると予測されています。
ハーネスとは、業務内容に応じて最適なモデルへ処理を振り分け、社内データを統合し、外部ツールへのアクセス権限や出力の妥当性を管理する実行環境を指します。高価な最先端モデルと低コストな軽量モデルやオープンウェイトモデルを適材適所で組み合わせ、複数の半導体環境で柔軟に稼働させるには、この制御基盤の構築が不可欠です。ただし、厳格な統制やテスト工程は開発の俊敏性とトレードオフの関係にあるため、リスク許容度に応じた権限設計が求められます。
2027年に向けて企業が自社の立ち位置を点検する上では、3つの定量指標を注視する必要があります。第1にIT予算に占めるAI推論コストの推移と処理あたりの単価、第2にインフラ調達における複数半導体アーキテクチャの採用比率、第3にAI生成コードに対する自動テストおよび統制検証への投資割合です。これらを継続的に測定することが、コスト超過やシステム事故を防ぐ防波堤となります。
インフラの多極化と運用統制の高度化が日本企業にもたらす勝機
2027年に向けたテクノロジー投資の変化は、日本企業や国内IT産業にとっても重要な転換点となります。これまで多くの日本企業は、海外の基盤モデルや特定の半導体供給網を受動的に受け入れる立場にありました。しかし、AIインフラ調達でマルチベンダー化やデジタル主権が重視されるようになれば、国内のデータセンター事業者やシステムインテグレーターが果たす役割は大きく広がります。
複数のAIモデルや異なる半導体環境を統合管理する制御基盤の構築、およびAI生成コードの品質を担保する検証プロセスの実装は、日本のIT業界が培ってきたシステム統合力や品質管理の知見を活かせる領域と考えられます。量子技術に関しても、耐量子暗号への移行などに向けて早期に予算と人材を確保しておくことが、将来の技術変化への備えとなります。
AIがIT予算の2割を占める時代には、技術を導入するだけの企業と、調達・統制・検証の仕組みを設計できる企業の間で、収益性と信頼性の差が広がると予想されます。コスト構造と管理体制を着実に鍛え上げた組織こそが、次世代の産業基盤で持続的な競争力を確立していくことになるでしょう。