株式市場で4800億ドルが「消失」：中国でAIバブルがはじけた。次はアメリカか？

Artem Honcharenko, PhD

KNUBA退役軍人再統合・リハビリ・職業能力開発研究所「レジリエンスの建築」所長

2026年10月27日 • 筆者による分析

中国市場の急落：市場で本当に何が起きたのか

つい最近まで、半導体、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、新たな技術革命の主な勝者と呼ばれていました。投資家は、人工知能への需要が今後拡大すると見込んでこれらの株を買っていました。しかし10月下旬、その確信は大規模な売りに変わりました。

報道によると、 ロイター（2026年10月26日付）上海市場の主要な技術・革新企業の動向を反映するSTAR 50指数は、 4か月足らずで約40%下落しました。時価総額の減少額は約 4800億ドルと推計されています。すでに10月27日には、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、2つの点を正確にしておく必要があります。 STAR 50は中国のAI専業企業の上位50社の一覧ではなく、半導体やAIと関連する企業が多い技術・革新セグメントの指数です。また、 4800億ドルが企業の銀行口座から「消えた」わけではありません。下落したのは、保有株式の株価評価額です。

とはいえ、調整の規模が小さくなるわけではありません。ロイターは、ロボット、半導体、光学機器の一部メーカーの株価が数十%下落した例を挙げています。市場は突然、単純な経済上の要請を思い出したのです。優れた技術があっても、どんな株価でも正当化できるだけの利益が保証されるわけではない、ということです。[1]

市場が冷え込んだ理由：過大な期待と実際の利益

上昇のピーク時には、ロイターの推計で、STAR 50指数の株価収益率（PER）は 250に迫っていました。急落後でも約 100でした。同じ記事によれば、比較対象のNasdaq 100は約 30。両指数は構成が同じではありませんが、この差は、投資家が将来の成長をどれだけ中国株の価格に織り込んでいたかを示しています。[1]

高い評価額に加えて、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りました。これらの理由のどれか一つで暴落のすべてを説明できるわけではありませんが、合わさって市場を脆弱にしました。

私の結論は単純です。株価と技術の有用性は切り分けて考えるべきです。 企業が必要とされる製品をつくっていても、株式市場で不当に高く評価されることはあります。逆に、株価が下がったからといって、すでに達成された技術的な効果が消えるわけではありません。

2つのことをはっきり分ける必要があります。人工知能の経済的な有効性と、それで稼ぐ企業の投機的な価値です。株式市場は期待を誤ることがあります。しかし、技術が実際に研究の時間を短縮し、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ありません。

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、人工知能は派手なプレゼンテーションではなく、対照群を置いた独立の実験によって評価すべきだと考えています。そうした研究はすでにあります。

MITの研究（学術誌 Science 2023年掲載）では、 453人の専門職が 専門的な文章作成の課題に取り組みました。ChatGPTを利用できたグループでは、平均所要時間が 40%短縮され、専門家の評価による成果の質は 18%向上しました。これは実際の実験ですが、あらゆる複雑な研究が自動的に同じ40%速くなることを証明するものではありません。[3]

Harvard Business SchoolとBoston Consulting Groupの実験では、 758人のコンサルタントのうち GPT-4を使った人は、モデルの能力に見合った課題を 25%以上速く こなし、完了した課題数も 12%以上多くなりました。一方、ツールが確実に対応できる範囲を超える課題では、AIを使うと結果がかえって悪化しました。[4]

特に示唆的なのは学術分野の分析です。 25件の研究をまとめたレビュー論文が、学術誌 Frontiers in Pharmacology 2025年号で、 17件の研究で50%を超える時間短縮が記録されました。場合によっては、要旨の自動スクリーニングが 5〜6分の1に、資料の検出率95%を条件にした手作業の負担は 6〜10分の1に縮まったとされています。これは主に選別の個々の段階の話であり、着想から検証済みの結論までの全過程の話ではありません。[5]

注意点もあります。2025年のMETRの無作為化実験では、 経験豊富な開発者16人が 246件の実際の課題を、当時のAIツールを使って取り組んだところ、平均で 19%長くかかり、本人たちは速くなったと感じていました。つまり、初心者を助けるツールでも、結果の検証コストが高すぎる場合は、慣れた作業をしている専門家をかえって遅くしかねません。[6]

結論： 測るべきは、生成されたテキストの量ではなく、 単位時間あたりの正確で検証済みの成果の数です.

規模感を変える一例：10万件の文書

ある組織が、最初の確認として 10万件の文書 （契約書、学術論文、報告書、市民からの申請、復興関連資料など）を確認する必要があるとします。1件あたりにかける時間がわずか 3分だとしても、合計で 5,000人時になり、これは8時間勤務の625日分に相当します。アナリスト10人のチームがフル稼働で作業すると、約12.5週間かかります。

ここで、検証済みのシステムが重複の除去、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ます。その品質によって、 手作業のスクリーニングだけを90%削減できるなら、この段階に残るのは 500人時 という計算です。

これは例示のためのモデルであり、特定の導入事例の結果ではありません。 計算コスト、設定、品質管理、見落とされた重大なケースは別途考慮されていません。したがって、調査全体が10倍に速くなると機械的に主張することはできません。

それでも、本当の価値がどこで生まれるかは説明できます。 自動選別が必要な精度を示していれば、専門家はすべての情報を手作業で確認する必要がなくなります。大量の文書を読む作業から、複雑なケースに踏み込んで取り組む作業へと移るのです。

市場は成熟し始めています。技術革命という約束だけではもはや十分ではありません。投資家は利益を、組織は具体的な成果を求めています。どれだけ時間を節約できたのか、どれだけの誤りを防げたのか、どれだけの申請を処理できたのか、システムの維持にいくらかかるのか、ということです。本当の競争優位を手にするのは、AIの経済的な有効性を証明できる者です。

戦争が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

わが国では、高い技能と意欲を持つ働き手でも、空襲警報やミサイル攻撃をなくすことはできません。人の安全は常に最優先でなければなりません。

European Business Associationが2026年2月に実施した調査では、 会員企業の経営幹部131人 に聞いたところ、 45% の回答者が、空襲警報中の業務停止をよくある制約の一つに挙げ、 82% は、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の一つに挙げました。これはウクライナ全体での平均的な損失時間を示す統計ではありませんが、業務上の障害を示す有力な証拠です。[7]

100時間の生産的な分析作業が必要な仮想のプロジェクトを考えてみましょう。実際に使える勤務時間の割合が70%だとすると、遂行には約 143時間の計画上の稼働リソースが必要です。モデル化したハイブリッドのプロセスでは、人間に残る作業が25時間、機械処理と付随作業が10時間加わり、全体の見積もりは 約46時間となります。その差は約 3.1倍.

これらの数字をウクライナ企業の基準と受け取るべきではありません。 ここでの70%という稼働率や作業の構成は、あくまでシナリオ上の仮定です。実際の効果は、課題の性質、データの整備状況、システムの設計によって決まります。

それでも、この原則は重要です。計算資源、データ、タスクの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間も一部の業務を継続できます。一方、システムがバックアップ回線も電源もない1台のオフィスサーバーに依存していれば、この利点は得られません。

ウクライナにとって人工知能の活用は、単に技術的に先進的でありたいという願いではありません。強靭さの問題です。人には、戦時下でも安全、休息、保護を受ける権利があります。同時に、正しく構築されたデジタル基盤は、重要なプロセスの一部を途切れさせずに維持できます。私たちの課題は人を置き換えることではなく、技術によって人の能力を強化することです。

本当の革命は1分で文章が書けることではなく、報告書が出る前に問題を見つけることです

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私は考えています。それは、 24時間体制のモニタリングのことです。データが絶え間なく入り、システムが逸脱を検出し、ルールに照らして確認し、リスクを分類して、責任者に情報を伝えるか、あらかじめ許可された安全な操作を実行します。

サイバーセキュリティでは、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ました。2025年の国際的な推奨文書は、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、対応の一部の自動化を担う手段として説明しています。ただし、こうしたシステムには継続的な調整、テスト、有資格者による監督が必要です。[8]

ウクライナでは、この原則を復興のモニタリング、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請の処理に応用できます。たとえば、新しい申請が自動的に担当部署へ届いたり、入札書類の異常な変更が監査人への警告になったりします。ただし、医療支援、権利の制限、金銭的な制裁に関する判断を、適切な独立した管理の仕組みなしに生成AIモデルへ委ねてはなりません。

未来は、情報をただ蓄積するのではなく、事象を継続的に分析するシステムのものです。人工知能は、異常の検出、その検証、あらかじめ合意した対応シナリオの起動を支援できます。しかし、重大な判断は適切な人間の管理のもとに置かれ続けなければなりません。新しいデジタルの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す。

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、システム全体にかかわる誤りの代償も大きくなりえます。モデルは、もっともらしく情報源を作り上げたり、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ります。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、重大な操作のための個別の承認手続きが必要です。

科学の世界では、機械処理の速さと結論の信頼性を区別する必要があります。AIが学術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は、これはとりわけ重要です。

私たちは、情報処理の速さと、得られた知識の信頼性を区別しなければなりません。人工知能はデータの検索、比較、整理を大幅に速められますが、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ありません。

中国の急落はアメリカでも繰り返されるのか？

これは今、最も大きな声で問われている疑問です。しかし、 中国のSTAR 50が40%下落したからといって、米国株が自動的に40%下落するわけではありません。ロイターは、中国の調整局面を、Nasdaqが直近の高値から約6%後退した状況と比較しています。両者は指数も期間も事業構造も異なり、これを根拠に直接予測するのは根拠に欠けます。[1]

世界のテクノロジー株にリスクがあるのは確かです。高い期待、計算インフラへの大きな設備投資、需要の不確実性、収益化の難しさなどです。しかし、各企業の脆弱性の度合いは、その利益、キャッシュフロー、負債、顧客、資本コストによって決まります。

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りました。 「誰がAIについて最も声高に語ったか」ではなく、「誰が技術を検証済みの経済的成果に変えられたか」ということです。この考え方に立てば、投機的な評価の縮小は、企業をより規律ある投資へ促すことさえありえます。

ウクライナの組織への提案

他国の株式市場が暴落したからといって、デジタルトランスフォーメーションを止める必要はありません。かといって、流行っているというだけで高価なAIソリューションを無分別に買うべきでもありません。合理的なアプローチは、5つの実践的なステップにまとめられます。

1. 現在のプロセスを測定する： 作業の所要時間、コスト、誤り、回答を待つ時間、人にかかる負荷を把握します。
2. 対象を絞ったパイロットを選ぶ： たとえば、文書の分類、重複の検出、申請の優先順位付けなどで、いきなり運営全体を自動化することではありません。
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、必ず人間の判断を要することを分けます。
4. 品質と安全性を確認する： 見落とされた重大なケース、誤警報、個人データへのアクセス、ベンダーへの依存、障害への耐性を点検します。
5. コストと効果の全体を計算する： ライセンス、計算資源、システム連携、保守、チームの研修といった費用と、節約できた時間の価値です。

これらの指標を測定しなければ、5倍や10倍の節約という話はマーケティングに変わってしまいます。測定すれば、組織は証拠に基づいて意思決定できます。

結論：株式市場のバブルははじけても、技術革命は続く

中国の急落は、投資家への深刻な警告です。有望な産業であっても、過大な評価、根拠のない期待、市場心理の急変から無縁ではないことを示しています。

しかし、人的資本とウクライナの復興に取り組む機関の責任者であり研究者でもある私にとって、結論は別です。 技術は、株式市場の熱狂ではなく、現実の課題への影響によって評価されるべきです.

自動化が申請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なら、それはすでに実用的な価値を持っています。ただし、その価値は測定し、安全性は立証しなければなりません。

AIバブルははじけるかもしれません。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なくなりません。

出典と方法論に関する注記

[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「大規模戦争から4年：ウクライナで企業はどう機能しているか」、2026年2月24日 出典

[8] Australian Signals Directorateと国際パートナー「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の人員稼働のモデルは、例示のための仮定です。個別の対照研究の結果とは区別し、投資判断の前に自組織のデータで検証してください。