U.S. SMID-Cap and Global Application Software レポート解説

概要

本業界レポートは、AI主導の生産性がアプリケーションソフトウェアのシートベース価格設定を弱めるかを検討する。Bernsteinは、既存の企業レベル証拠はむしろ重度AI導入企業で採用主導の成長を示しており、シートが構造的な重荷ではなくなり得る一方、一部の職能ソフトウェアカテゴリーはより脆弱だと結論付ける。

主要見解

Bernsteinは、AI生産性と、アプリケーションソフトウェアの多くで使われるシートベースのライセンスモデルとの潜在的な衝突を中心論点に据える。AIコーディングコパイロット、デスクトップコパイロット、顧客サービスエージェントは、開発者・管理職・サポートチームがより少ない人員で多くの業務をこなすことを可能にし、従業員数に連動するライセンスの成長ドライバーが弱まる懸念を生む。レポートは、企業買い手が予測可能で既知の人的能力への投資に連動するためシートを依然重視すると論じる。tokenやその他の利用量に連動した従量課金は予算化が難しい可能性がある。アプリケーションソフトウェアの付加価値は従業員の生産性と結び付くことが多いため、従業員に応じた価格設定も論理的な価値ベース価格設定であり得る。 レポートは、AIが必ずホワイトカラー雇用を減らすという広範な前提に反論する。BernsteinはPC・インターネット時代との類推を示す。生産性改善は、企業がマージン改善より成長加速からより大きな企業価値を得ることが多いため、マージンだけでなく成長に再投資され得る。この見方では、生産性が上がった知識労働者は、製品開発、販売、新たな機会の追求のために維持または増員される。Bernsteinは、大きな生産性向上にもかかわらず、1989年から2019年にかけての比較可能ベースのS&P 500 EBITマージン拡大は約150ベーシスポイント、すなわち1.5%にとどまった一方、1990年代のPC時代には米国GDPの力強い成長とホワイトカラー雇用の増加が見られたと指摘する。 現在の主要な証拠は、Rampの企業レベル調査である。同調査は顧客の支出データを用い、AIの重度導入企業を軽度導入企業・非導入企業と区別する。AI導入は、企業がAIベンダーに月額少なくとも$100を支出する状態が3か月連続した最初の月と定義され、導入強度は導入後最初の3か月におけるAI支出を基準従業員数で割ったものとされる。Rampは、広範に展開されたコーディングエージェント、API由来のAIエージェント、AIネイティブツールを、検索・統合・創作向けのより軽いチャットボット利用と比較する。サンプル終了日は2026年2月である。Bernsteinは、この分析が主に同様の企業群の導入前後を比較し、場合によっては99%の信頼度で統計的に有意な差を示すと強調するが、24か月前にAIを導入した企業が少ないため、より長い期間では誤差範囲が広がるとする。 Bernsteinの結果解釈によれば、重度AI導入企業の雇用は、低導入・非導入の同業企業を平均で10%超上回って増加し、初期導入から24か月後にはそれらの企業より50%超大きくなった。レポートは、長期時点で最も強い結論は「重度導入企業の方がより成長した」という方向性であり、中間値の精密な推定ではないと強調する。また、2025年初頭の底から回復している米国のソフトウェア開発求人件数を、別の確認シグナルとして挙げる。 採用の結果はフロントオフィスに限られない。エンジニアと営業は強かったが、管理職能と顧客サービスの雇用も平均して増加し、学士号保有者、とりわけエントリーレベル人材の需要も顕著だった。対照的に、AI先行企業ではPhD雇用は横ばいになりやすく、低AI導入企業では高度学位への需要が強かった。Bernsteinは、高導入企業がすでにより多くのPhD人材を雇用していることが一因となり得ると示唆する。レポートは、財務、科学者、オペレーションの3職種は成長がかなり低いか、統計的に有意なプラス成長がないと特定しており、これらの職能向けシートベースソフトウェアへの支援が最も弱くなる可能性がある。HRは個別に分析されていない。 基礎データにおけるAI導入自体も相当進んでいた。2026年1月までに、企業の40%超が少なくとも軽度の導入企業であり、同時期の米国国勢調査の高十数%という結果を上回った。Bernsteinは、定義、回答者の認知、サンプル構成の違いが理由となり得ると指摘し、Rampがよりテクノロジー先進的な買い手に偏っている可能性も挙げる。導入率はNAICSの「Information」カテゴリーで約54%と最も高く、「Finance/Insurance」が約44%、「Professional/Scientific/Technical Services」が36%と続いた。その他の大半の業種は11–22%だった。Bernsteinは、これらのホワイトカラー集約的な業種を、同じ生産性と採用の力学が次に及ぶ可能性のある領域とみる。 ソフトウェアカバレッジへの含意は、全ベンダーが純粋なシートベースモデルを維持するということではない。レポートは、シート、ROIベースの課金、インフラ規模に連動するメーター、token消費を組み合わせると予想するが、顧客が予測可能性を求め、一部の顧客は代替的な価格設定に適さないため、シートは重要な要素にとどまると考える。重度AI導入が生産性による採用増を引き続きもたらすなら、従業員連動型の価格設定は、これらのソフトウェア企業にとって足かせではなく追い風になり得る。Bernsteinはただし、成長機会が限られる企業・業種ではマージンが優先され得ること、技術が製品ではなく業務運営に使われる場合があること、データが雇用需要の最終的な進展を捉えるにはまだ早すぎる可能性があることを留保している。

分析フレームワーク

Bernsteinは、Rampの支出ベースでのAI導入前後における企業比較、職能別雇用データ、業種別導入率、ソフトウェア求人動向による検証、ならびにPC・インターネット時代との歴史的比較を組み合わせている。そのうえで採用に関する証拠を、企業ソフトウェアの価格設定と、生産性向上を成長へ再投資するかマージンとして確保するかという企業の選択に結び付けている。

手法メモ

• 業界・産業分析フレームワーク需給フレームワーク

  雇用増と、予測可能な価格設定を求める買い手の選好に結び付くシートベースソフトウェア需要。

  レポートは従業員数をシートライセンスの需要要因として扱い、AIが雇用を通じてこの要因を変えるかを評価する。

• 業界・産業分析フレームワーク数量・価格分解

  シート、ROIベース、インフラ連動、token消費による価格設定モデル。

  Bernsteinは価格メーターと基礎的な顧客需要を区別し、ベンダーが他の課金方式を追加してもシートは重要であり続けると論じる。

• その他その他

  AI支出と従業員数を用いた、Rampの類似企業におけるAI導入前後比較。

  引用された調査は、無関係な業種を単純比較するのではなく導入時点を中心に企業を比較し、サンプルバイアスの軽減を目指している。Bernsteinは後期の推定では誤差範囲がより広いと指摘する。

資産マッピングと比較

投資テーゼから固有資産への構造化マッピング（強み、弱み、同業、リスク）。

• ServiceNow (NOW)

  明示的にカバーされるアプリケーションソフトウェア企業であり、シートベース需要の継続と関連する可能性がある。

  強み

  Agent Assistは顧客基盤の約4分の1に採用されているとされる。

  リスク

  職能全体の採用結果にはばらつきがあり得る。

• Atlassian (TEAM)

  Bernsteinのソフトウェアカバレッジに含まれる、明示的にカバーされたアプリケーションソフトウェア企業。

  強み

  AI主導の採用がナレッジワーカー向けソフトウェア需要を維持すれば、恩恵を受ける可能性がある。

• GitLab (GTLB)

  Bernsteinのソフトウェアカバレッジに含まれる、明示的にカバーされたアプリケーションソフトウェア企業。

  強み

  AIを活用したソフトウェア開発活動と関連する可能性がある。

• Okta (OKTA)

  Bernsteinのソフトウェアカバレッジに含まれる、明示的にカバーされたアプリケーションソフトウェア企業。

  強み

  企業の従業員増加が続けば恩恵を受ける可能性がある。

• Microsoft (MSFT)

  明示的にカバーされ、企業のAI導入に関する議論で引用された企業。

  強み

  フロントオフィスでの導入がバックオフィスより明確に改善していないことの証拠として言及されている。

• Salesforce.com (CRM)

  明示的にカバーされ、企業のAI導入に関する議論で引用された企業。

  強み

  フロントオフィスでの導入がバックオフィスより明確に改善していないことの証拠として言及されている。

• Adobe (ADBE)

  Bernsteinのソフトウェアカバレッジに含まれる、明示的にカバーされたアプリケーションソフトウェア企業。

  強み

  AIによる生産性が成長と従業員拡大へ再投資されれば、恩恵を受ける可能性がある。

• Workday (WDAY)

  Bernsteinのソフトウェアカバレッジに含まれる、明示的にカバーされたアプリケーションソフトウェア企業。

  強み

  従業員増加がシート連動需要を支えれば、恩恵を受ける可能性がある。

  リスク

  HR機能は引用データで個別に分類されていない。

• HubSpot (HUBS)

  明示的にカバーされ、企業のAI導入に関する議論で引用された企業。

  強み

  フロントオフィスでの導入がバックオフィスより明確に改善していないことの証拠として言及されている。

• Zoom Video Communications (ZM)

  Bernsteinのソフトウェアカバレッジに含まれる、明示的にカバーされたアプリケーションソフトウェア企業。

  強み

  従業員数に関連するソフトウェア需要の持続から恩恵を受ける可能性がある。

• SAP (SAP)

  Bernsteinのソフトウェアカバレッジに含まれる、明示的にカバーされたアプリケーションソフトウェア企業。

  強み

  企業採用とシート需要の継続から恩恵を受ける可能性がある。

主要データ

• 重度導入企業の雇用成長>10% more than lower/non-adopting peers on averageRampサンプル。Bernsteinはこの差が統計的に有意だとしている。
• 導入後の従業員規模>50% larger at 24 months導入が少ない企業または導入していない企業との比較。レポートはこの期間の誤差範囲がより大きいと指摘する。
• 統計的信頼度Up to 99%重度導入企業の成長が低導入・非導入企業を上回る統計的有意性であり、指標によって異なる。
• 2026年1月時点の何らかのAI導入>40% of companiesRampデータで少なくとも軽度導入企業の割合。引用された米国国勢調査の高十数%を上回る。
• 業種別AI導入率Information ~54%; Finance/Insurance ~44%; Professional/Scientific/Technical Services 36%残る大半の業種は11–22%。
• 開発者雇用の構成~2/3 in industries more likely to invest in growth; only ~25% in industries more likely to shrink teams米国の開発者雇用に関するBernsteinの記述。
• 比較可能ベースのS&P 500 EBITマージン拡大1.5% from 1989 to 2019過去の生産性向上が異例に大きい持続的なマージン拡大にはつながらなかったと論じるために使用。

影響と示唆

Bernsteinは、この証拠がAIがアプリケーションソフトウェアのシート基盤を機械的に縮小するとの懸念を和らげると考える。顧客がAIを製品開発や成長加速に活用する領域で潜在的な支えが最も強く、財務、科学者、オペレーション職能向けソフトウェアの恩恵は小さい可能性がある。結論はデータがまだ初期段階にあることにも左右される。

リスク

• 財務、科学者、オペレーション職種では成長がかなり低いか、統計的に有意なプラス成長がなく、これらの職能向けソフトウェアへの支援を制限する可能性がある。
• データはHRを含む一部の職能を個別に分析していない。
• 24か月の導入後履歴を持つ企業が少ないため、より長期の導入推定にはより大きな誤差範囲がある。
• 一部の企業・業種はAI生産性を成長追求ではなく主にマージン改善に用いる可能性がある。

注目点

• データセットの成熟に伴い、重度AI導入企業が従業員数で低導入・非導入企業を引き続き上回るか。
• 特に財務、科学、オペレーション、HRにおける職能別採用動向。
• ソフトウェア顧客がtoken、ROIベース、インフラ連動モデルと並行して、シートを主要な価格メーターとして維持するか。
• Informationでの高い導入率に続く、Finance/InsuranceおよびProfessional/Scientific/Technical ServicesでのAI導入の進展。