人工知能は、ワークフローフリクション、労働集約、アプリケーションの粘着性に依存する企業に挑戦し、インフラ、独自データ、ネットワーク効果、または専門的なドメインワークフローに基づいて構築されたビジネスを維持または強化します。今日、多くのAIの影響は株価に織り込まれていますが、最終的に上場を目指すAIラボが、エージェントの提供を急速に反復し続ける中で、近い将来にさらなるボラティリティを期待しています。市場のナラティブがAIラボのマキシマリズムと既存企業の利点の間で揺れ動く中、最近の売却後に合理的な価格でレジリエントなビジネスを買う機会があると見ています。AIの企業モートへの影響に対処するために、我々はAIが破壊的であると感じた132社のモート評価を再評価しました。そのため、より深い分析が必要です。AIの破壊の中でのモート評価に関するモーニングスターのガイドをダウンロードしてください。AIが経済的モートに与える影響の測定--------------------------------------------モーニングスター経済的モート評価は、企業の競争優位性の長さを要約しています。経済的モートは、企業が長期間にわたり過剰な利益を生み出すことを可能にする構造的な特徴です。モーニングスターのアナリストが過剰なリターンが20年以上持続すると思えば、その企業は広いモート評価を得ます。アナリストは、狭いモートを持つ企業が少なくとも10年間は競争力を維持すると予想しています。我々は、AIがモートの耐久性にどのように影響するかを体系的に評価するための独自のスコアリングフレームワークを開発しました。このシステムは主にソフトウェアのモートを評価することを目的としており、ITサービスや金融サービスなどの他の特定の業界に適用するために小さな調整が行われました。このフレームワークは、AIが既存のモートに対してもたらす脅威と、AIバリューチェーンにおいて良い位置にある企業に創出する機会の両方を捉えるように設計されています。**AIの世界におけるモートを考えるための重要な次元**#### AIの世界におけるモートを考えるための7つの重要な次元 出典：モーニングスター。データは2026年3月13日現在。CSVをダウンロード。AIは均一にモートを破壊するわけではなく、選別メカニズムとして機能する------------------------------------------------------------------レビューされた132社のうち、22社の広いモートが格下げされ（20社が狭いモートに、2社が無に）、18社の狭いモートが格下げされ、2社の狭いモートはインフラ層のポジショニングとネットワーク効果に基づいて広いモートに格上げされました。AIはリスクを生み出しますが、そのリスクがすべての企業に平等に存在するでしょうか？モートを有するソフトウェア企業は存在しないのでしょうか？絶対にそんなことはありません。給与サービス、ITサービス、企業向けソフトウェアは、モートの格下げ、ネガティブな再評価、不確実性の増加から最も圧力を感じたグループでした。これは直感的に理解できます。なぜなら、AIの破壊は、企業が人間の労働、シンプルなワークフロー自動化、シートベースのソフトウェアライセンスを monetizing する際に最も強く影響を及ぼすからです。興味深いことに、格下げされた企業の多くは、依然として大規模な既存のユーザーベース、人気のある製品、および重要な顧客関係を持っています。言い換えれば、格下げされた多くの企業にとっては、白黒はっきりしていなかったのです。とはいえ、我々はAIが長期的な可視性を著しく低下させ、ワークフロー層の一部を複製しやすく、また自動化しやすく、シート成長に依存しにくくすることで、既存の優位性の耐久性を弱める可能性があると考えています。企業がレジリエンスを示した場所---------------------------------我々はAIがすべての競争優位性の普遍的な破壊者であるとは考えていません。むしろ、AIは選別メカニズムです。ほとんどの企業のモートは変わっていませんが、格下げされた企業の数は重要でした。企業の競争優位性は、通常、ネットワーク効果から利益を得ている場合、インフラや独自データを管理している場合、深く複雑なエコシステムを持っている場合、高い規制の障壁内で運営している場合、またはユニークなドメインロジックを持っている場合に安全です。しかし、企業が主にワークフローの非効率性やアプリケーションレベルでのユーザー習慣から利益を得ている場合、その優位性は信頼性が低い傾向があります。我々は、複雑なエンジニアリングソフトウェアワークフロー、サイバーセキュリティ、金融インフラ企業、ユニークなデータおよびネットワーク効果の資産を持つ提供物に最もレジリエンスを見つけました。この演習の後に広いモート評価を持つ企業の半数はネットワーク効果を示しています。他の重要なレジリエンスの源は、変化に対する規制の障壁や他のスイッチングコストの障壁、およびユニークなデータ資産です。#### 設計ソフトウェア、プラットフォーム、サイバーはよりレジリエントでした 出典：モーニングスター。データは2026年3月13日現在。CSVをダウンロード。企業のモートの源がどのように影響を受けたか-------------------------------------------------ネットワーク効果をモートの源とする企業は、相対的に最も少ない格下げを受けました。ネットワーク効果は製品の技術に基づくものではなく、ネットワークの強さに基づいています。技術が変わっても、ネットワーク自体が破壊されるのが難しいことは理にかなっています。ここでのクラシックな例には、支払いネットワーク、取引所、さらにはBooking Holdings BKNGのような旅行ネットワークが含まれます。Bookingのビジネスの核心は旅行ネットワークの強さと、ホテル供給のロングテールを集約する能力に依存していますが、これはAIのような技術革新が必ずしも解決するものではありません。ネットワーク効果は、このプロセスから出てきた2つの格上げ、Cloudflare NETおよびCrowdStrike CRWDにも中心的です。サイバーセキュリティソリューションは、AIが普及し、無限の攻撃ベクターを開放する中で、かつてない需要が生まれるでしょう。悪意のあるエージェントが24時間365日活動することを想像してみてください。CloudflareやCrowdStrikeのような企業は、ネットワークから得られる構造的なデータとスケールの利点も持っており、これが我々のモート格上げにつながりました。#### AIモートレビューの結果分布 出典：モーニングスター。データは2026年3月13日現在。CSVをダウンロード。スイッチングコストはそれほど効果的ではなく、格下げされた企業の約半数はかつてスイッチングコストのモートを持つと分類されていました。現在のAI集中の環境では、スイッチングコスト—歴史的にソフトウェアのモート評価を支持するために使用されてきたもの—は、特にAIモデルが断片化された複雑な企業技術スタックに統合されるにつれて、注意深い再評価が必要です。AIは、歴史的にスイッチングコストの源であった重要な技術プロセス（データ転送など）を自動化でき、特定のソフトウェアの既存企業への最終需要を損なう可能性があります。AIの世界におけるソフトウェアの未来に関する不確実性の増加は、多くの企業にとって10年以上先のリターン構造に自信を持つことを難しくし、最も多くの格下げを引き起こしました。スイッチングコストとネットワーク効果の間の不均衡を考えると、ワークフローがよりAI駆動になっていくにつれて、単純な顧客の組み込み（スイッチングコストの前段階）は圧力にさらされる可能性がありますが、規模が流動性、関連性、コンテンツの深さ、テレメトリー、またはエコシステムのユーティリティを改善する真のネットワーク効果は、価値が増すと予想されます。 AIと経済的モート：リスクが最も高い株はどれか？ ------------------------------------------------------------ 132社の経済的モートに関するモーニングスターの株式アナリストのレビューの舞台裏。 26分49秒 2026年3月10日 視聴する
AIは経済的堀を破るものではないが、産業を破壊するだろう
人工知能は、ワークフローフリクション、労働集約、アプリケーションの粘着性に依存する企業に挑戦し、インフラ、独自データ、ネットワーク効果、または専門的なドメインワークフローに基づいて構築されたビジネスを維持または強化します。
今日、多くのAIの影響は株価に織り込まれていますが、最終的に上場を目指すAIラボが、エージェントの提供を急速に反復し続ける中で、近い将来にさらなるボラティリティを期待しています。
市場のナラティブがAIラボのマキシマリズムと既存企業の利点の間で揺れ動く中、最近の売却後に合理的な価格でレジリエントなビジネスを買う機会があると見ています。
AIの企業モートへの影響に対処するために、我々はAIが破壊的であると感じた132社のモート評価を再評価しました。そのため、より深い分析が必要です。
AIの破壊の中でのモート評価に関するモーニングスターのガイドをダウンロードしてください。
AIが経済的モートに与える影響の測定
モーニングスター経済的モート評価は、企業の競争優位性の長さを要約しています。経済的モートは、企業が長期間にわたり過剰な利益を生み出すことを可能にする構造的な特徴です。モーニングスターのアナリストが過剰なリターンが20年以上持続すると思えば、その企業は広いモート評価を得ます。アナリストは、狭いモートを持つ企業が少なくとも10年間は競争力を維持すると予想しています。
我々は、AIがモートの耐久性にどのように影響するかを体系的に評価するための独自のスコアリングフレームワークを開発しました。このシステムは主にソフトウェアのモートを評価することを目的としており、ITサービスや金融サービスなどの他の特定の業界に適用するために小さな調整が行われました。
このフレームワークは、AIが既存のモートに対してもたらす脅威と、AIバリューチェーンにおいて良い位置にある企業に創出する機会の両方を捉えるように設計されています。
AIの世界におけるモートを考えるための重要な次元
出典：モーニングスター。データは2026年3月13日現在。CSVをダウンロード。
AIは均一にモートを破壊するわけではなく、選別メカニズムとして機能する
レビューされた132社のうち、22社の広いモートが格下げされ（20社が狭いモートに、2社が無に）、18社の狭いモートが格下げされ、2社の狭いモートはインフラ層のポジショニングとネットワーク効果に基づいて広いモートに格上げされました。AIはリスクを生み出しますが、そのリスクがすべての企業に平等に存在するでしょうか？モートを有するソフトウェア企業は存在しないのでしょうか？絶対にそんなことはありません。
給与サービス、ITサービス、企業向けソフトウェアは、モートの格下げ、ネガティブな再評価、不確実性の増加から最も圧力を感じたグループでした。これは直感的に理解できます。なぜなら、AIの破壊は、企業が人間の労働、シンプルなワークフロー自動化、シートベースのソフトウェアライセンスを monetizing する際に最も強く影響を及ぼすからです。
興味深いことに、格下げされた企業の多くは、依然として大規模な既存のユーザーベース、人気のある製品、および重要な顧客関係を持っています。言い換えれば、格下げされた多くの企業にとっては、白黒はっきりしていなかったのです。
とはいえ、我々はAIが長期的な可視性を著しく低下させ、ワークフロー層の一部を複製しやすく、また自動化しやすく、シート成長に依存しにくくすることで、既存の優位性の耐久性を弱める可能性があると考えています。
企業がレジリエンスを示した場所
我々はAIがすべての競争優位性の普遍的な破壊者であるとは考えていません。むしろ、AIは選別メカニズムです。ほとんどの企業のモートは変わっていませんが、格下げされた企業の数は重要でした。
企業の競争優位性は、通常、ネットワーク効果から利益を得ている場合、インフラや独自データを管理している場合、深く複雑なエコシステムを持っている場合、高い規制の障壁内で運営している場合、またはユニークなドメインロジックを持っている場合に安全です。
しかし、企業が主にワークフローの非効率性やアプリケーションレベルでのユーザー習慣から利益を得ている場合、その優位性は信頼性が低い傾向があります。
我々は、複雑なエンジニアリングソフトウェアワークフロー、サイバーセキュリティ、金融インフラ企業、ユニークなデータおよびネットワーク効果の資産を持つ提供物に最もレジリエンスを見つけました。この演習の後に広いモート評価を持つ企業の半数はネットワーク効果を示しています。他の重要なレジリエンスの源は、変化に対する規制の障壁や他のスイッチングコストの障壁、およびユニークなデータ資産です。
出典：モーニングスター。データは2026年3月13日現在。CSVをダウンロード。
企業のモートの源がどのように影響を受けたか
ネットワーク効果をモートの源とする企業は、相対的に最も少ない格下げを受けました。ネットワーク効果は製品の技術に基づくものではなく、ネットワークの強さに基づいています。技術が変わっても、ネットワーク自体が破壊されるのが難しいことは理にかなっています。
ここでのクラシックな例には、支払いネットワーク、取引所、さらにはBooking Holdings BKNGのような旅行ネットワークが含まれます。Bookingのビジネスの核心は旅行ネットワークの強さと、ホテル供給のロングテールを集約する能力に依存していますが、これはAIのような技術革新が必ずしも解決するものではありません。
ネットワーク効果は、このプロセスから出てきた2つの格上げ、Cloudflare NETおよびCrowdStrike CRWDにも中心的です。
サイバーセキュリティソリューションは、AIが普及し、無限の攻撃ベクターを開放する中で、かつてない需要が生まれるでしょう。悪意のあるエージェントが24時間365日活動することを想像してみてください。CloudflareやCrowdStrikeのような企業は、ネットワークから得られる構造的なデータとスケールの利点も持っており、これが我々のモート格上げにつながりました。
出典：モーニングスター。データは2026年3月13日現在。CSVをダウンロード。
スイッチングコストはそれほど効果的ではなく、格下げされた企業の約半数はかつてスイッチングコストのモートを持つと分類されていました。現在のAI集中の環境では、スイッチングコスト—歴史的にソフトウェアのモート評価を支持するために使用されてきたもの—は、特にAIモデルが断片化された複雑な企業技術スタックに統合されるにつれて、注意深い再評価が必要です。
AIは、歴史的にスイッチングコストの源であった重要な技術プロセス（データ転送など）を自動化でき、特定のソフトウェアの既存企業への最終需要を損なう可能性があります。AIの世界におけるソフトウェアの未来に関する不確実性の増加は、多くの企業にとって10年以上先のリターン構造に自信を持つことを難しくし、最も多くの格下げを引き起こしました。
スイッチングコストとネットワーク効果の間の不均衡を考えると、ワークフローがよりAI駆動になっていくにつれて、単純な顧客の組み込み（スイッチングコストの前段階）は圧力にさらされる可能性がありますが、規模が流動性、関連性、コンテンツの深さ、テレメトリー、またはエコシステムのユーティリティを改善する真のネットワーク効果は、価値が増すと予想されます。
視聴する