カリフォルニアの5％富裕税と創業者の80％寄付誓約

投資額が増加したというニュースで私がまず見ること

8月の中小ベンチャー企業部の発表によると、今年上半期の韓国国内のベンチャー投資額は8兆8,676億ウォンでした。前年同期比で54.3%増加し、上半期ベースとしては過去2番目の高水準となりました。

米国では、一部のAI企業がはるかに大規模な投資を受けています。OpenAIが3月に発表した投資ラウンドは1,220億ドルです。Anthropicは2月に300億ドル、5月に650億ドルを発表しました。両社の3つのラウンドを合わせると2,170億ドルに達します。これは投資コミットメント（約定）を含む調達規模であるため、その金額がすでに設備の購入や採用に使われたことを意味するわけではありません。

こうした数字を目にするとき、私はまず総額を押し上げている大型取引から確認します。投資総額が増えていても、資金調達が容易になった企業はほんの一握りにすぎない可能性があるからです。

ピッチブックと全米ベンチャーキャピタル協会（NVCA）の2026年第1四半期レポートが、その実態をよく示しています。米国のベンチャー投資額は四半期ベースの記録を更新しましたが、上位5件の大型取引を除外すると、総額は73.2%も減少します。大手AI企業による資金調達と、それ以外のスタートアップが直面している資金繰りの状況は切り離して見なければならないということです。

それらの企業の評価額が上がれば、創業者や従業員の資産も増大します。州政府は税収の増加を期待し、創業者は寄付を約束します。ここで、もう一段階踏み込んで確認する必要があります。企業の資金調達額、株式の評価額、そして実際の税金や寄付金は、それぞれまったく別の数字です。 これらを区別しないと、まだ使われていない資産までもが地域経済にすでに出回っているお金のように見えてしまいます。

企業価値が上がってもその年の税収に直結するわけではありません

カリフォルニア州は、高所得者の所得とキャピタルゲインに税収が大きく左右される州です。キャピタルゲインとは、株式などの資産を売却して得られる差益を指します。会社の評価額が上がったという発表と、株主が株式を売却して差益を手にすることとでは、発生するタイミングからして異なります。

カリフォルニア州立法分析官室（LAO）の2017年の研究は、この財政構造を分析しています。当時の税制を過去の1990年から2014年の所得データに当てはめて推計したところ、個人所得税収の変動性は、住民全体の個人所得の変動性の約5倍に達していました。これは現在の税収の変動をそのまま測定した数値ではありませんが、株価や高所得者の所得が州財政を大きく揺るがし得ることを物語っています。

株式報酬も、その種類や付与・売却の条件によって課税される時期が変わります。資金調達の発表だけを見て、州政府がどれほどの税収を確保できるかを計算することはできません。誰が株式を保有しているのか、課税対象となる所得がいつ発生するのかまで見届ける必要があります。

私がここで懸念するのは支出の持続可能性です。好況期に税収が増えると、新規事業を開始する余力が生まれます。しかし、その事業を翌年も継続して運営しなければならない一方で、資産価格や関連する税収は下落する可能性があります。一時的に増えた収入をもとに、毎年継続して発生する支出をどこまで賄うべきかを慎重に判断しなければなりません。

AI企業が将来IPO（新規株式公開）を果たす可能性についても、同じ目線で読み解く必要があります。上場が実現するのか、株主がいつ売却できるのか、どの程度の価格で取引されるかによって結果は一変します。予想税収はあくまでこうした前提条件を置いた見通しにすぎず、すでに確保された予算ではないのです。

80%の寄付誓約と実際の拠出額は異なります

Anthropicのダリオ・アモデイは今年1月のエッセイで、共同創業者全員が個人資産の80%を寄付することを約束したと明らかにしました。従業員も自社株の寄付を誓約し、会社がそれにマッチング拠出を行うと説明しています。同じ文章の中で彼は、民間による取り組みと並行して、政府の介入や綿密に設計された累進課税も必要であると述べています。

株式として保有している資産が多い場合、企業価値が上がれば誓約した寄付の評価額も大きくなります。しかし、「資産の80%を寄付する」という約束だけでは、今年どの機関にいくらが実際に支払われるのかはわかりません。約束した割合、現在の資産の評価額、そして実際に寄付された金額は、それぞれ個別に確認しなければなりません。

OpenAI財団についても同様の区別が不可欠です。同社が2025年10月に資本構造の再編を発表した際、財団が保有する株式の価値は約1,300億ドルでした。これは当時の株式評価額です。財団が同額の現金を保有し、ただちに事業へ投入できるという意味ではありません。その後の資金調達に伴う持ち株比率の変化を確認しないまま、新たな企業価値に過去の出資比率を掛け合わせて現在の寄付財源を算出することも避けるべきです。

寄付の方法によっても、資金が実際に使われる時期は異なります。寄付者アドバイズド・ファンド（DAF）は、資産をまず寄付し、支援先となる団体については後から意見を出せる仕組みです。米内国歳入庁（IRS）の説明によれば、寄付された資産の法的な管理権限はファンドを運営する公認の慈善団体へと移転します。寄付者は支援先などについて助言する権利を持ちます。寄付者が自らの口座にある資金をそのまま所有し続ける構造とは根本的に異なります。

したがって、ファンドに資産を移転した日と、現場で事業費として支出された日も区別して捉えなければなりません。寄付の約束が大きいという事実は重要ですが、支援を必要としている人々が、いつ、どのような助けを受けられるのかまでを説明してくれるわけではないのです。

私は、資金の使途を決定する基準も併せて公開されるべきだと考えています。効果を数値で比較しやすい事業が優先されれば、数字で表現しにくいニーズは後回しにされかねません。逆に、長期的なAIリスクのように目先の実績を判断しにくい研究へ巨額の資金を投じるのであれば、どのような前提に基づいて支援し、成果をどう評価するのかを説明する必要があります。寄付における善意と、その配分基準に対する検証は両立できるはずです。

5%の富裕税と80%の寄付の約束は比率だけでは比較できません

11月3日のカリフォルニア州住民投票には、提案40号（Proposition 40）が付託されます。立法分析官室の説明によると、2026年1月1日時点のカリフォルニア州居住者のうち、年末の純資産が10億ドルを超える個人を対象に、1回限りの課税を行う提案です。不動産や年金・退職年金口座などには非課税規定が設けられています。5%の税金を2027年から納付させ、税収の90%を医療分野に配分するよう設計されています。

立法分析官室は、複数年にわたり数百億ドルの追加税収が見込める可能性があると推計しています。同時に、一部の納税者の州外移住などによって個人所得税が毎年減少する可能性があるとも指摘しています。その減少規模は年間10億ドル未満と予想されています。単発の収入と、その後に継続して生じる収入減の両方を天秤にかけて検討すべき案件です。

5%と80%という数字を並べると、寄付のほうがより重い負担を自ら引き受けているように見えます。しかし、対象となる人物も、算定対象となる資産の範囲も、執行される時期も一致していません。自発的な寄付の誓約が、法律で定められた納税の義務の代わりになるわけでもありません。

私がより本質的だと考える違いは、資金の使い道を、誰が、どのような手続きで決定するのかという点です。税金は法律と予算プロセスに基づいて使われます。寄付金は財団や公益団体の目的および意思決定に沿って配分され、手法によっては寄付者の意向が反映されます。どちらも公益に貢献し得るものですが、意思決定の構造はまったく異なります。

寄付者が大きな割合を約束したという理由だけで、公的財政の役割を代替したとみなすのは早計です。逆に、税金だからといってあらゆる支出が効率的であると言い切ることもできません。私は金額の多寡だけでなく、執行時期、受益の対象、そして意思決定の過程と結果が適切に公開されているかをセットで注視すべきだと考えています。

地域の雇用が増えたならどのような職種が増えたのかも見届ける必要があります

投資の誘致と地域の雇用創出も、直線的に結びつくとは限りません。カリフォルニア州の企業が調達した資金を使って、他州にデータセンターを建設することもあります。企業が存在する地域と、お金が投じられる地域が異なるケースは珍しくありません。

経済イノベーション・グループ（EIG）は米労働統計局のデータを用いて、2022年3月から2026年3月までのカリフォルニア州の雇用動向を分析しました。この期間中、保健・社会福祉分野の雇用は25.3%増加し、全体雇用は3.4%増加しました。一方、保健・社会福祉を除いたその他の産業全体の雇用は、合計で0.3%減少していました。

地域の雇用拡大を、大手AI企業による資金調達の成果だけで説明するのが困難なのはこのためです。EIGは、医療保険の適用拡大や公的支援の拡充がサービスの利用と雇用を押し上げた可能性を提示しています。ただし、医療や介護に関するすべての需要が政府予算から賄われているわけではありません。公的保険、民間保険、そして家計の自己負担支出を包括的に捉える必要があります。

雇用統計の数値が変動した背景を確認する作業も欠かせません。ニューヨーク市政研究センターは2026年4月の分析で、ニューヨーク市の訪問介護の雇用が2025年4月に約4万3,000件も突如として消失したように見える現象を取り上げました。同規模の雇用が同時期にニューヨーク州の他地域で増加しており、市内居住者の就業者統計にはそれに見合う減少が見られませんでした。

研究陣は、訪問介護の給与支払いを代行する仲介業者の統合と、報告方式の変更に伴う地域再分類の結果であると解釈しました。現場で大規模な解雇や勤務地の移転が実際に起きたわけではないという分析です。従事者数が急激に変動したからといって、顧客が消滅した、あるいは新たな市場が誕生したと軽率に判断してはならない典型的な事例といえます。

Oswarldの視点

GTM（Go-to-Market）戦略を構築する際、私が常に警戒していた局面が2つあります。

1つは、四半期のパイプラインを2件の大型契約だけで満たしてしまう瞬間です。目標を達成できた四半期であったとしても、その大型案件を獲得するプロセスを通じて、再現性のある顧客獲得チャネルを確立できたのかどうかは厳密に切り離して検証しなければなりませんでした。大型契約が次の四半期も続くという保証はどこにもないからです。そのため私は、パイプラインの総額とともに、上位2件を除外した残りの数値を真っ先に確認するようにしていました。

大型契約の成果そのものを軽視しているわけではありません。優れた案件を成約させたことと、継続して顧客を獲得できる仕組みを構築できたことは、別々に評価すべきだと考えていたのです。ベンチャー投資の総額を見る際にも同じ基準を適用しています。突出した大型取引を除いた一般の企業が、どのような条件で資金を調達できているかを確認するのです。

もう1つは、市場規模を産業別の就業者数だけで推計してしまう習慣です。B2Bプロダクトを扱う場合は特にその傾向が顕著でした。ターゲットとなる職種が何人いて、どれほどのペースで増えているかを根拠に市場規模を算定してしまうのです。しかし、プロダクトを利用する対象者が増えることと、そのプロダクトを購入するための予算が増えることとは、まったくの別問題です。

訪問介護の従事者向けプロダクトを例に挙げると、誰が費用を支払うのかという点から精査しなければなりません。従事者個人なのか、雇用主である事業者なのか、あるいは保険や公的事業の予算を通じて購入されるのかによって、営業すべき対象も購買の意思決定プロセスも根本から変わります。いくら強いニーズが存在していても、事業者に裁量予算がなければ契約の締結には至りません。逆に、安定した財源が担保されている市場であれば、予算執行のプロセスを正確に理解することこそが極めて重要なGTM戦略になり得ます。

今回の一連の資料を読みながら改めて確信したのは、数字を都合よく膨らませてしまう過ちを防ぐためのアプローチです。投資総額を見る際は大型取引の占める割合を、資産や寄付を見る際は実際に支出可能な金額とその時期を、そして雇用を見る際は増加している具体的な職種と購買予算の裏付けを吟味しなければなりません。

私は、単に市場が拡大したという説明よりも、どのような顧客がどのような予算を使って自社のプロダクトを購入できるのかを論理的に説明している事業計画をはるかに信頼します。 上位案件を除外したパイプラインを検証したり、従事者数の次に支払い主体を徹底的に確認したりしてきたのも、すべてそのためです。

💬 市場規模を推計する際、実際の購買予算を確認したことで当初の判断を見直した経験はありますか？

参考資料と関連リンク

• 韓国中小ベンチャー企業部、2026年上半期ベンチャー投資実績集計
• OpenAI、2026年3月の資金調達発表
• Anthropic、シリーズG資金調達の実施・シリーズH資金調達の実施
• PitchBook・NVCA、2026年第1四半期 Venture Monitor
• カリフォルニア州LAO、個人所得税構造の変動性に関する研究・2026年提案40号の分析
• ダリオ・アモデイ、The Adolescence of Technology
• OpenAI、2025年10月の資本構造再編と財団の保有株式
• 米内国歳入庁、寄付者アドバイズド・ファンド（DAF）の概要
• EIG、カリフォルニア州の医療・介護雇用分析
• ニューヨーク市政研究センター、訪問介護雇用の再分類に関する分析

著者 アン・グァンソプ（Oswarld） は世宗大学校 兼任教授、INLEVEL9 戦略コンサルタントです。経歴、研究、著書、最近の活動は著者紹介で更新しています。 最近の活動 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。