予算書類に現れた「AI Transformation」の独立項目化
- 年に入り、Fortune 500企業のうち74%が予算項目として「AI Transformation」を独立ラインで計上するようになった（Gartner CIO Agenda 2026調査、n=487）。これは2024年の19%、2025年の43%から急伸した数字で、社内会計上「AI支出を他のIT支出と峻別して可視化する」動きが不可逆的に定着したことを意味する。
同調査によれば、2026年のエンタープライズIT予算全体に占めるAI関連比率は中央値17.2%、上位四分位では28%超。これは2025年の中央値9.8%からほぼ倍増で、しかも「純増」ではなく、伝統的なSaaS予算（CRM、ITSM、HRIS、マーケティングオートメーションなど）からの「再配分」としての性格が濃厚だ。
SaaS-to-AI 再配分の実際
McKinsey Global Instituteが2026年3月に公表したエンタープライズ調査では、AI予算増分の源泉として、(1) 新規投資が41%、(2) 既存SaaSライセンス削減による振替が32%、(3) 内製開発費からの振替が19%、(4) コンサル予算からの振替が8%。再配分の主因は「SaaSベンダーのAI機能が別料金で、しかも効果が薄い」という失望感だ。
Salesforce Einstein、HubSpot AI、ServiceNow Now Assist、Workday AIなどのSaaS統合型AI機能は、(a) プライシングが割高、(b) モデル選択の柔軟性がない、(c) 社内データとの統合が限定的、という3点で不満が集まる。CIOたちはこれに対して、(1) ライセンス数の圧縮、(2) Tier2ベンダーへの切り替え、(3) 内製AIエージェントでの置き換え、という対抗策を取り始めた。
具体的なシフトの例
Fortune 500金融機関A社では、2025年のSalesforce総支出3,800万ドルのうちEinstein関連の450万ドルを解約し、Anthropic Claude API + 内製RAGシステムへ移行。年間コストは約170万ドルに圧縮され、精度KPIも改善した。同様の事例はB2B SaaSベンダー全般で報告されており、Salesforceは2026年Q1決算で「AI Cloud ARRは予想を12%下回った」と初めて認めた。
LLM API支出のクラウド請求比率: 平均14.3%
AWS、Azure、GCPの法人顧客上位2000社を対象としたFlexera調査（2026年3月）によると、LLM API/推論サービスへの支出は企業クラウド総請求額の平均14.3%に達した。これは2024年の2.1%、2025年の6.8%から年率2倍以上のペースで拡大している。
内訳はAnthropic Claude（Bedrock経由含む）が約34%、OpenAI（Azure OpenAI含む）が約41%、Google Gemini（Vertex AI）が約16%、オープンソース/自社ホスティング（Llama、DeepSeek、Mistral等）が約9%。地域別ではAPAC、特に日本の企業がAnthropicの比率が平均より5pt高い傾向がある。
「Token/$/KPI」の計測ダッシュボードをSaaS化するスタートアップ（Langfuse、Helicone、Arize、Vellum等）も急成長。LLMObs専業マーケットは2026年Q1だけで累計4.8億ドルのARRに達した。これは2年前にはほぼ存在しなかった市場だ。
Insource vs Outsource: 意思決定フレームの確立
- 年時点、エンタープライズのAI実装における「内製 vs 外注」の意思決定は、次の3軸でおおむね定型化した。(1) ドメイン特異性（社内データと業務プロセスへの依存度）、(2) リアルタイム性要件（推論レイテンシ）、(3) 組織のAIエンジニアリング成熟度。高ドメイン特異性×高成熟度の交点ではIn-house内製、逆の象限ではSIerや専業AIブティックへの外注、というパターンが支配的だ。
Gartner調査では、「AIプロジェクトの65%を内製、35%を外部委託」が中央値。ただし金融・医療のような規制業種では内製比率が80%を超える一方、製造業・小売はむしろ外注比率50%超が多い。日本市場固有の要因として「社内エンジニアリング人材の不足」があり、日系Fortune Global 500では外注比率がグローバル比で10pt高い。
日本SI業界: NTTデータ・NEC・富士通の対応
この構造変化は、日本の伝統的SIerにとって大きな機会であり、同時に脅威でもある。NTTデータは2026年にAIコンサルティング部門を独立カンパニー化し、初年度の受注目標を4,200億円と設定。tsuzumi 2.0（大規模化した独自モデル）をクラウド提供する形態に切り替え、Azure OpenAI連携メニューとの二本立てで顧客を受ける。
NECはcotomi 2を強化し、金融・公共向けに特化した垂直統合型AIプラットフォーム「NEC Cotomi Enterprise」をローンチ。2026年度のAI関連売上目標を前年比+78%の1,800億円と設定した。富士通もTakane/富岳連携に加え、Fujitsu Kozuchiを刷新してエージェント型AIサービスに焦点を合わせている。
課題は3社共通で「単価圧縮圧力」だ。顧客はClaudeやGPTのAPI単価を知っており、SI費用が割高と感じれば内製化に舵を切る。各社のソリューションアーキテクト比率を「ITSM/ERPなど伝統スタック」から「LLMOps/RAGパイプライン」に再教育できるかが、2026年下期の勝敗分水嶺となる。
Fortune 500のAI ROIの実測値
McKinsey調査ではAI投資のROI分布は二峰性を示している。上位20%の「AI成熟企業」は投資対効果3.4倍、中央値は1.2倍、下位20%は0.4倍（元本割れ）。成功企業に共通するのは、(1) データ基盤の事前整備に予算の35%以上を配分、(2) CIO直下のAI CoE（Center of Excellence）が実装を集中管理、(3) 個別ユースケースではなく業務プロセスの再設計を優先、という3点だ。
「AI POC（実証実験）の80%が本番に到達しない」というGartnerの指摘は、2026年時点でもほぼ同水準で続いている。本番到達率を引き上げる要因は技術的問題（25%）よりも、組織的要因（60%）とガバナンス/コンプライアンス（15%）がはるかに大きい。
2026年H2への予測
- 年下期は「AI予算の健全化フェーズ」に入ると予想する。第一に、過熱気味のPOC投資が絞り込まれ、ROI可視化の厳しい企業ほどLLM API支出を抑制し始める。第二に、「自社カスタムモデル構築」の熱が冷め、ファインチューニングよりRAG/ツール呼び出し重視へ振り子が戻る。第三に、ガバナンス規制（米国AI Bill、EU AI Actフェーズ2、日本AI推進法）が実装コストを押し上げ、コンプラ支出がAI予算の15〜20%を占めるようになる。
日本のSIerにとっては、この「健全化フェーズ」がむしろ追い風となる可能性が高い。米系ハイパースケーラーのマージン圧力に押されない範囲で、「業務要件定義 + データ整備 + AIガバナンス」のバンドル提供が差別化となる。2026年下期の受注パイプラインは、各社とも前年同期比+40%以上を見込むとIR資料で示唆しており、予算再配分の波は確かに日本のSI業界にも追い風として届いている。