同じ週に、明暗がくっきり分かれた

2026年7月、AI業界で3つのニュースがほぼ同時に出た。

• センスタイム（SenseTime）が上場以来初の通期黒字を発表。2026年上半期の売上高は前年同期比42%増の約38億元（約760億円）、営業利益は約2.3億元（約46億円）。
• AnthropicのDario Amodei CEOが「AI開発の減速」を宣言。外部監査を含む三段階の安全性プランを公表。
• OpenAIのSam Altmanが2026年内のIPO計画を撤回。安全性リスクと市場環境の不透明さを理由に挙げた。

同じ「AI企業」なのに、片方は黒字、片方は減速、もう片方は上場すら見送り。

この差は何か。そして、この構造は地方の中小企業にとって何を意味するのか。

「汎用」は金を食い、「特化」は金を生む

結論から言う。儲かるAIと儲からないAIの違いは、「汎用か特化か」ではない。「顧客の課題に直結しているかどうか」だ。

センスタイムの黒字化を支えたのは、大規模言語モデル（LLM）ではない。顔認識、自動運転向け画像認識、医療画像解析——いずれも「この業界の、この業務の、この工程」にピンポイントで刺さるAIだ。

具体的に見ると、センスタイムの売上構成は以下のようになっている。

• スマートビジネス事業（都市管理・セキュリティ向け）：売上の約45%
• スマートライフ事業（スマホ向け画像処理等）：約25%
• スマートカー事業（自動運転支援）：約20%
• その他（医療AI等）：約10%

どれも「使う場面」が明確だ。導入企業は「何に使うか」を迷わない。だから売れる。だから黒字になる。

一方、AnthropicとOpenAIは「何にでも使える汎用モデル」を作っている。Claude、GPT——確かにすごい。だが「何にでも使える」は裏を返せば「何に使うかは顧客が考えてね」ということだ。

OpenAIの年間売上は推定60億ドル超（約9,000億円）と言われるが、推定コストは80億ドルを超える。売上が巨大でも、GPUの電気代と計算資源が売上を上回る。Anthropicも同様で、Amazonから最大80億ドルの出資を受けながらも黒字化の目処は立っていない。

売上9,000億円で赤字。売上760億円で黒字。

この数字だけで、構造の違いが分かる。

減速宣言の裏にある「このままでは持たない」

Anthropicの減速宣言を「安全性への配慮」とだけ読むのは表面的すぎる。

Dario Amodeiが提案した三段階プランの中身を見ると、こうだ。

1. 新モデルのリリース前に外部評価者による安全性監査を義務化
2. 一定の能力閾値を超えたモデルは、政府機関との協議なしにデプロイしない
3. 業界全体での開発速度の協調的な抑制

これは「安全のために減速する」のではなく、「減速せざるを得ない状況に、安全性という大義名分をつけた」と読むべきだ。

理由は単純。汎用モデルの開発競争は、もはや体力勝負になっている。GPT-5クラスの学習に必要な計算コストは推定5億〜10億ドル。1回の学習で数百億円が飛ぶ。しかもモデルが大きくなるほど性能向上の幅は鈍化する（スケーリング則の限界）。投資に対するリターンが悪化しているのだ。

OpenAIのIPO撤回も同じ文脈で理解できる。上場すれば四半期ごとに黒字化を問われる。だが現状のコスト構造では黒字化は見えない。だから「今は上場しない」という判断になる。

つまり、「汎用AI開発」というゲーム自体が、資金力の限界に近づいている。

ここから中小企業が学ぶべきこと

さて、ここからが本題だ。

センスタイムは時価総額数千億円の企業であり、地方の中小企業とは規模が違う。だが、「儲かるAIの構造」は規模に関係なく同じだ。

ポイントは3つ。

1. 汎用AIは「部品」として使え。自分で作るな。

GPT-4oやClaude 3.5のAPIは、1,000トークンあたり数円で使える。これは「汎用AIの開発コスト」を他社が負担してくれているということだ。中小企業がやるべきは、この安い部品を使って自社の業務に特化した仕組みを作ること。

例えば、ある地方の製造業がやったのはこうだ。

• 過去10年分の不良品レポート（約3,000件）をPDFからテキスト化
• GPT-4o APIで不良原因を自動分類するプロンプトを設計
• 分類結果をスプレッドシートに自動出力
• 開発コスト：社内エンジニア1名×2週間＋API費用月額約8,000円

以前は品質管理担当者が月20時間かけていた作業が、月30分の確認作業に変わった。外注すれば300万円と言われたシステムが、実質5万円以下で動いている。

これが「汎用AIを部品として使う」ということだ。

2. 「何に使うか」を先に決めろ。技術選定はその後。

センスタイムが黒字化できたのは、「顔認識が必要な現場」「自動運転に画像認識が必要な現場」という具体的な課題があったからだ。

中小企業でよくある失敗は、「AIを導入したい」から始めること。これは順番が逆だ。

正しい順番はこう。

1. 今、一番時間がかかっている業務は何か？
2. その業務の中で、判断・分類・要約・生成のどれが必要か？
3. それに合うAPIやツールは何か？

「AI導入」ではなく「業務改善」から入る。AIはその手段にすぎない。

3. 大企業が減速している今が、中小のチャンス。

Anthropicが減速し、OpenAIがIPOを見送っている。これは何を意味するか。

汎用AIの進化スピードが一時的に鈍化する。

つまり、今あるAPI（GPT-4o、Claude 3.5、Gemini等）の性能が、しばらくの間「十分に使える水準」で安定するということだ。

中小企業にとって、これは朗報だ。なぜなら、技術が安定している時期こそ、仕組み化に集中できるからだ。

半年ごとにモデルが劇的に変わる時期は、何を作っても陳腐化するリスクがあった。だが今は違う。今のAPIで業務を仕組み化すれば、少なくとも1〜2年は使える。投資回収の見通しが立つ。

大企業が足踏みしている間に、中小企業は「使う側」として先に行ける。

で、結局どうすればいいのか

明日からやれることを3つだけ挙げる。

1. 自社で最も属人化している業務を1つ特定する。 ベテラン社員の頭の中にしかないノウハウ、手作業で回している判断業務。それがAI化の最優先候補だ。

1. その業務を、まずChatGPTの無料版で試す。 プロンプトに業務内容を入れて、AIがどこまでできるか確認する。精度が7割でも、残り3割を人間が補正すれば十分実用になるケースは多い。

1. 月1万円以下で始められるAPI連携を検討する。 Google Apps Script＋GPT-4o APIの組み合わせなら、初期費用ゼロ、月額数千円で業務自動化の仕組みが作れる。

センスタイムの黒字が教えてくれたのは、「AIで儲かるかどうかは、技術の凄さではなく、課題との距離で決まる」ということだ。

自社の課題に最も近いところにAIを置く。それだけで、中小企業のAI活用は「コスト」から「武器」に変わる。

大企業が数千億円かけて作った汎用AIを、月8,000円で部品として使い倒す。これが2026年の中小企業の正しい戦い方だ。

—