AIが過去をうまく分析できる理由と、ベンチャーキャピタルが未来に賭ける理由
ベンチャーキャピタル会社の4分の3が、すでに投資機会の評価に人工知能を活用している。その数字だけを見れば、避けられない近代化の流れのように聞こえる。しかし、そのパーセンテージでは捉えきれない構造的な緊張関係が存在する。言語モデルは、ベンチャーキャピタルがあまり頻繁には行えない行為——すなわち過去を振り返ること——を驚異的にうまくこなすのである。
ベンチャーキャピタルとは、その最も基本的なメカニズムにおいて、非連続性への賭けである。予測可能な形で拡大する市場への賭けではなく、ある技術や行動が、それまでのデータが「起こりそうだ」と示唆していたものとは断絶するような瞬間への賭けなのだ。歴史的なパターンで訓練されたツールをそのプロセスに導入することは、有用である間は有用であるが、やがてそうでなくなる。その両者の境界線は、ほとんどの会社が声に出して認めているよりも、はるかに狭いところに存在している。
これまでで最も洗練された確証バイアス
大規模な言語モデルは、膨大なテキストコーパスからパターンを特定することで回答を生成する。このことにより、これらのモデルは、輪郭が明確に定義された分析タスクにおいて並外れた能力を発揮する。競合他社のマッピング、規制上の障害の特定、技術文献の要約、既知の市場におけるリスクの指摘といった作業がそれに当たる。しかし、構造的な理由から、それらのモデルには不可能なことがある。それは、その輪郭がまさに地図全体を塗り替えようとしている瞬間を認識することだ。
ベンチャーキャピタルの歴史は、現在を正しく分析したことが未来を見逃す原因となった事例に満ちている。Airbnbが2008年に最初のラウンドで資金調達を行った際、見知らぬ人が他人の家でお金を払って泊まるという論旨は、単に直感に反するだけでなく、当時の消費者行動に関する利用可能なデータと真っ向から矛盾していた。当時の感情分析は、まったく逆の方向を示していた。ソーシャルウェブの初期段階でも同様だった。2000年代初頭の主要な調査では、インターネット利用の最大の障壁はプライバシーへの懸念であることが示されていた。Facebookは、部分的にはその読み解きを無視することで構築されたのである。
適切に調整されたシステムは、どちらの提案も高リスクとしてフラグを立てていただろう。そして、過去の視点から見れば、それは正しかっただろう。問題は、分析が間違っていたことにあるのではない。その特定の決断にとって、それが誤った分析であったということにある。
ここで、AIをデューデリジェンスプロセスの標準的な一部として採用した会社内でバイアスが検出しにくくなる。それは明白なエラーとして現れるのではない。非常によく文書化された一連の分析として現れ、前例のある賭けを体系的に優遇し、前例のないものを不利にする。短期的には、それはより整然としたポートフォリオを生み出す。長期的には、資産クラスを正当化するリターンを生み出さないポートフォリオを生み出す。
2025年のAIへの資本流入が明らかにするもの
2025年のグローバルなベンチャーキャピタルの集中は、そのパターンを正確に示している。世界のベンチャーキャピタルによる資金調達は第4四半期に約1,410億ドルに達し、前四半期比12%増となり、2025年は2021年以来最も活発な年となった。人工知能はその年の世界のベンチャーキャピタルの25%以上を占め、2024年の15%、2023年の7%から上昇した。エンタープライズセグメントでは、生成AIへの支出はMenlo Venturesのデータによると、2024年の115億ドルから2025年には370億ドルへと増加した。
これらの数字は、真の確信を持って未来に賭けている業界の一面を描写している。しかし同時に、利用可能な最も読み解きやすいパターンを追いかけている業界の一面も描写している。AIは今日、最近の歴史的な検証が最も多く、研究論文の引用が最も多く、ニュースの流れが最も多いセクターである。実際問題として、AIツールが最も容易に分析を生み出せる市場なのだ。その結果として生まれるフィードバックループは、シグナルが最も明確な場所に資本を集中させる。これはまさに、中央値のリターンを最も高くするが、必ずしも右端の裾野のリターンを最も高くするわけではないタイプの集中だ。
AIセグメント内の分布にも注目に値する。Menlo Venturesは2025年の支出をアプリケーション層への190億ドルとインフラへの180億ドルに分解している。アプリケーションの中では、水平ツールが84億ドル、部門別ソリューションが73億ドル、専門的な垂直統合が35億ドルを獲得した。この粒度は、賭けがもはやAIがカテゴリーとして重要かどうかにあるのではなく、バリューチェーンのどの層が持続可能なマージンを獲得するかにあることを示唆している。それははるかに精緻な問いであり、AIの有無にかかわらず、優れた実行力を持つ分析が差異的な価値をもたらすことができる問いである。
歴史的な分析では解決できないのは、今日いかなるデータセットにも登場しないカテゴリーが次の波を獲得するかを特定することだ。小型モジュール式原子炉は、現在その最も明確な例である。
失敗の歴史が本物の非連続性を隠すとき
原子力に関する記録は警告に満ちている。スリーマイル島、チェルノブイリ、福島。数十年にわたる商業化の試みの失敗。数年から数十年に延びた建設スケジュール。構造的なコスト超過。そのコーパスで訓練された分析システムは、小型モジュール式原子炉をエネルギーソリューションとして提案するいかなるスタートアップに対しても、完全に合理的な形で高リスク評価を生み出すだろう。
問題は、小型モジュール式原子炉が、そのような歴史を生み出した大規模原子力発電所とは、技術的にも経済的にも異なるということだ。各サイトでのカスタムメイドの建設ではなく、量産と標準化のために設計されている。そして需要の文脈は構造的に変化した。AIデータセンターは、断続的な電源が経済的に効率よく規模で満たすことができない、連続的で予測可能なエネルギー量を必要としている。Microsoft、Google、Amazonなどの企業はすでに原子力発電に関連した契約に署名し、投資を行い始めており、需要シグナルが意図の表明だけでなく、契約として正式化されていることを示している。
過去の原子力について訓練されたモデルはおそらく、蓄積されたリスクを見るだろう。エネルギー需要の経済性で何が変わったかを理解するアナリストは、市場がついにそれを必要とする瞬間に市場に到達する技術を見ることができる。この二つの読み解きの違いは、楽観主義対悲観主義ではない。以前は実行不可能だった技術の可能性の空間を、外部変数がいつ再構成したかを特定する能力の問題だ。
その能力は、まだ起きていないことに関する情報にアクセスできないシステムには委譲できない。
想像力は分析上の贅沢品ではなく、モデルが取り込めない変数である
ベンチャーキャピタルが歴史的に購入してきたのは、既存市場の分析ではない。まだ存在しない市場を想像し、それを作り出せるチームを特定する能力を購入してきた。この能力には、歴史的パターン分析システムには委譲できない要素がある。弱いシグナルの読み解き、新興の行動がまさに大規模化しようとしている瞬間を認識する能力、悪い実行によって失敗した市場とタイミングが悪かったために失敗した市場の区別がそれにあたる。
これはいずれも、会社が投資プロセスにおけるAIの使用を減らすべきだという意味ではない。現在のツールは、既知の市場に関するデューデリジェンスを加速し、ビジネスモデルの仮定を検証し、競合分析を構造化するために真に価値がある。うまく使えば、アナリストがすでに行っていた作業をより厳密にする。
リスクはAIを使うことにあるのではない。歴史的な前例の欠如が自動的に却下のシグナルになるようなプロセスを構築することにある。そのような制度設計は、ベンチャーキャピタルが最も獲得できる立場にあるべき機会をまさにポートフォリオから排除してしまう。
モデルがすでにうまく測定できる場所に流れる資本は、同じモデルを使用するすべての会社と競争している。モデルがまだうまく測定できない場所に流れる資本は、はるかに少ない競争相手と向き合っている。その非対称性は、ツールがより洗練されても消えるわけではない。むしろ深まる。
