OpenAIは2030年までに約2800億ドルを燃焼する見通しで、2026年から2030年にかけてのフリーキャッシュフローは-2780億ドルと予測されている。これは8400億ドルの売上高計上と、2026年の360億ドルから2030年には3500億ドルへと急増する売上に対するものだ。この数字は、短期的な利益率よりも規模での最先端能力の保有が重要であるという賭けに出ている企業を物語っている。

グローバルな意味合いとしては、最先端AIが資本形成の問題となり、ソフトウェアの問題ではなくなったということだ。この燃焼を維持するには、予測される曲線で収益が複利的に成長する場合にのみ成り立つ、株式、負債、コンピュート連動型ファイナンスへの継続的なアクセスが必要となる。これは再帰的な依存関係を生み出す。すなわち、構築が資金調達を正当化し、資金調達が構築を正当化する。企業での採用の停滞、GoogleやAnthropicとの価格競争、または資本コストの変化が、この積極的な計画を流動性の逼迫に転じさせる可能性がある。OpenAIのスタック上に構築されているすべての企業にとって、ベンダーの支払能力とロードマップの継続性は、レイテンシーや精度と並んでリスク台帳に記載すべき項目となった。

これはより広範な市場に対する構造的なシグナルでもある。カテゴリーリーダーが勝利のために2500億ドルを失う計画を立てている場合、それはすべての参入者にとっての参入障壁を引き上げ、燃焼を吸収できるプレーヤーに権力を集中させる。小規模なモデルラボやインフラスタートアップが最初に圧迫を感じ、統合が例外ではなく可能性の高い道筋となる。

日本企業やSIerにとって、これは多くが先送りしてきたAPI依存の問題を再構成するものだ。GPTクラスのモデルをコアワークフローに組み込んでいる企業は、事実上、長年の重い損失を前提とする経済性を持つ相手方を引き受けていることになる。賢明な姿勢は抽象化だ。スイッチングコストを低く抑えるモデル非依存の統合レイヤーを構築し、データポータビリティと撤退条項を含む契約を交渉することである。金融や製造業にサービスを提供する大手などのSIerは、これをサービスラインに転換できる。すなわち、マルチモデルオーケストレーション、コストガバナンス、フォールバックアーキテクチャであり、単一ベンダーに顧客の変革を賭けることではない。

RPAとローカル開発の観点は、この点をさらに鮮明にする。ルールベースの自動化をLLM駆動エージェントに移行するチームは、大きな損失を出しているプロバイダーがその3500億ドルの収益目標を達成するために最終的に価格を再設定する可能性があるため、トークンコストの変動を織り込むべきだ。今のうちにポータビリティを設計し、重要なステップについては決定論的自動化への道を維持しておくことは、後でプレッシャー下で再プラットフォーム化するよりも安上がりだ。