AI の雇用への影響を再考：企業レベルの AI 支出と workforce 調整に関する新研究
Ramp と Revelio Labs の実データに基づく分析により、AI 導入が雇用を減少させるという懸念とは異なり、特に大規模投資を行う企業では採用数や初級職の増加が確認されたことが示された。
キーポイント
高強度採用企業の雇用拡大
AI を大規模に導入する企業は、導入後2年間で雇用を約10.2%増加させた一方、低強度の企業では統計的に有意な変化は見られなかった。
初級職の需要増
AI 投資が最も大きい企業では、エントリーレベル（初級）の雇用が12%増加しており、AI が業務を代替するのではなく、新人の育成や採用を加速させている可能性を示唆している。
雇用効果の偏在
AI 導入による雇用増は、すでに規模が大きく技術集約型でベンチャーキャピタル支援を受けた企業に集中しており、業界全体（特に情報セクター）に広がっている。
多様な職種の拡大
エンジニアリング、営業、管理、カスタマーサービスなど、幅広い職種で雇用増加が見られ、特定の部門に限られた現象ではない。
重要な引用
Firms making the largest AI investments grow employment by roughly 10% following adoption, while low-intensity adopters see no statistically significant change.
Entry-level headcount rises 12% for high-intensity adopters.
The results counter predictions that AI adoption will lead to broad job loss.
影響分析・編集コメントを表示
影響分析
この分析は、生成 AI の導入が直ちに大規模な失業を招くという懸念に対して、実データに基づく重要な反証を提供します。特に、AI が業務効率化だけでなく、新規事業の拡大や新人の採用加速を通じて雇用創出に寄与する可能性を示しており、企業経営者や投資家にとって AI 戦略の見直しを促す重要な示唆となります。ただし、効果はすでにリソース豊富な大規模企業に偏っている点も指摘されており、中小企業への波及効果には注意が必要です。
編集コメント
「AI が仕事を奪う」という悲観論に対し、実証データから「むしろ雇用を創出する可能性が高い」という逆の結論を示した点で極めて重要です。ただし、その恩恵がすでに強豪企業に集中している点は、格差拡大の懸念として今後の注目点となるでしょう。
Ramp – Revelio：企業レベルの AI 支出と労働力調整
概要
米国における 21,559 社を対象に、Ramp のカードおよび請求書支払いデータから得られた観測された AI 支出額を、Revelio Labs の労働力記録とリンクさせることで、企業が生成 AI を採用した際の雇用変動について研究を行った。その結果、AI を採用する企業は採用後に成長が加速する傾向があることが判明したが、この関係性はほぼ完全に高強度の採用者に駆動されていることが示された。最も大規模な AI 投資を行う企業では、採用後に雇用が約 10% 増加した一方、低強度の採用者では統計的に有意な変化は認められなかった。高強度の採用者においては、初級職の人員数が 12% 増加している。これらの増加分は徐々に現れ、エンジニアリング、営業、管理、カスタマーサービスなど多様な職種にわたって広範に及んでいる。一方で、その効果は不均一である：AI を採用する企業はもともと規模が大きく、技術指向が強く、成長速度の速い企業であり、セクターレベルでの増加分は情報産業に集中している。これらの結果は、AI の導入が広範な雇用の喪失をもたらすという予測に反するものである。
主なポイント
- AI を導入した企業は、導入から2年間で従業員数が10.2%増加しますが、この増加は高強度の採用企業によって完全に牽引されています。低強度の採用企業では統計的に有意な変化は見られません。
- 初級職の従業員数はさらに速く増加しました。最大のAI投資を行っている企業では、導入から2年間で初級職の従業員数が12%増加しています。
- AI の導入とその伴う効果は不均等に分布しています。AI を採用する企業は、非採用企業に比べてすでに規模が大きく、エンジニアリング集約度が高く、ベンチャーキャピタルからの支援を受けやすく、成長速度も速いです。これらの企業は、AI 導入後にさらに急速に成長します。
AI 導入後の従業員数変化：総従業員数
相対月別におけるAI導入が企業レベルの雇用にもたらす影響
職務機能
職務機能
教育
教育
高AI強度低AI強度
-20
0
20
40
60
80
AI 導入後の従業員数変化：総従業員数高強度および低強度のAI採用企業と、導入前12ヶ月から導入後24ヶ月までの対照群との比較。正確な数値はグラフに続く表に記載されています。
-12 -6 0 6 12 18 24
AI 導入からの月数
対照群より高い従業員数
対照群との差なし
対照群より低い従業員数
表データをテーブル形式で表示AI導入後の従業員数変化：総従業員数（推定値と95%信頼区間）
導入からの相対月数 | 高集約企業への影響（対数ポイント×100） | 高集約企業の低側信頼区間（対数ポイント×100） | 高集約企業の高側信頼区間（対数ポイント×100） | 低集約企業への影響（対数ポイント×100） | 低集約企業の低側信頼区間（対数ポイント×100） | 低集約企業の高側信頼区間（対数ポイント×100）
-12 -2.74 -7.11 1.64 -0.39 -3.40 2.63
-11 -2.07 -6.07 1.94 -1.07 -3.97 1.83
-10 -1.97 -5.82 1.88 -0.67 -3.66 2.32
-9 -3.50 -6.93 -0.07 -0.62 -3.18 1.94
-8 -3.07 -6.60 0.47 -0.29 -2.55 1.97
-7 -2.17 -5.30 0.96 -0.18 -2.16 1.80
-6 -3.83 -6.56 -1.10 -0.35 -2.16 1.46
-5 -3.01 -5.38 -0.65 -0.18 -1.72 1.36
-4 -1.19 -3.43 1.05 -0.12 -1.29 1.04
-3 -1.50 -3.09 0.08 -0.12 -0.93 0.69
-2 -0.84 -1.93 0.24 -0.09 -0.56 0.38
-1 0.00 0.00 0.00 0.00 0.00 0.00
0 0.32 -0.85 1.49 -0.13 -0.58 0.32
1 0.97 -0.73 2.68 0.12 -0.61 0.86
2 1.45 -0.88 3.78 -0.18 -1.24 0.88
3 2.01 -0.83 4.86 -1.03 -2.47 0.42
4 3.66 0.30 7.02 -1.32 -3.13 0.50
5 5.83 1.65 10.01 -1.19 -3.37 0.99
6 7.05 2.10 11.99 -1.56 -4.14 1.03
7 8.79 3.52 14.06 -1.83 -4.90 1.24
8 9.71 3.63 15.79 -2.21 -5.59 1.16
9 11.11 4.66 17.55 -2.20 -5.60 1.21
10 13.76 6.50 21.02 -1.60 -6.21 3.00
11 17.53 10.14 24.92 -0.65 -5.49 4.19
12 18.79 10.43 27.15 -0.99 -6.20 4.21
13 19.02 10.18 27.86 -1.75 -7.58 4.08
14 20.94 11.27 30.60 -1.42 -7.84 5.01
15 20.05 10.21 29.89 -0.42 -6.82 5.98
16 20.88 9.44 32.33 -0.64 -8.50 7.22
17 22.62 10.70 34.54 -0.14 -9.20 8.92
1827.7014.7040.690.88-9.2911.05
1930.6615.6745.652.26-8.3712.88
2031.9614.5749.341.49-10.6813.67
2135.2516.4854.023.96-9.2717.18
2235.9916.1555.825.32-10.8421.47
2336.4715.4557.494.60-11.9021.11
2445.2421.6768.823.68-13.3220.67
出典：Kharazian, A., Simon, L., & Stevens, R. (2026). A New Look at AI’s Impact on Jobs: Firm-Level AI Spending and Workforce Adjustment. Ramp Economics Lab. https://ramp.com/data/ai-jobs-impact
方法論
企業レベルの Ramp の取引データを、Revelio Labs の雇用記録とリンクさせることで、生成型 AI の導入に伴う雇用変動を研究します。Ramp カードおよび請求書支払いの記録からは、基盤モデル（foundation models）、GPU クラウド、モデル提供（model serving）、コーディングエージェント（coding agents）、API ツール、AI 画像・動画・検索・研究製品などを含む、月ごとの AI ベンダーへの支出を特定します。Revelio は、企業レベルの従業員数および workforce の構成について月次データを提供しています。このリンクされたパネルには、2021 年 1 月から 2026 年 2 月まで毎月観測された米国企業 21,559 社が含まれています。
私たちは、AI の導入を、企業が連続する 3 ヶ月間にわたり毎月少なくとも 100 ドルの AI ベンダー支出を記録した最初の期間の初月と定義します。このルールは単発の実験を除外し、持続的な組織利用を捉えるものです。処置群（treated firms）における導入強度は、導入後の最初の 3 ヶ月間のベースライン従業員 1 人あたりの AI 支出として測定され、分母には導入前の月の雇用者数を用います。高強度導入企業とはこの指標の上位 3 分の 1 に属する企業であり、低強度導入企業は下位 2 つの 3 分の 1 に属する企業です。
私たちの好ましい設計は、Callaway-Sant'Anna の段階的差異間推定量（staggered difference-in-differences estimator）です。恒久的な非導入企業は処置前に導入企業と著しく異なるため、主な比較は導入企業対非導入企業ではありません。むしろ、各導入企業は、同じ最終的な強度グループに属し、より遅れて導入するがその暦月の時点ではまだ導入していない企業と比較されます。仕様には NAICS セクターの固定効果を含め、導入前 12 ヶ月から導入後 24 ヶ月までの動的効果を推定し、平行トレンドの主要な診断として導入前のイベントスタディ係数を用います。
よくある質問
##
私たちは、OpenAI や Anthropic、その他の AI インフラ企業やソフトウェア企業への Ramp カードおよび請求書支払い取引を通じて、企業の AI 導入を特定します。ある企業が最初の 3 ヶ月連続で各月に少なくとも 100 ドルの AI ベンダー支出がある場合の最初の月に、その企業は AI を導入したと分類されます。高強度の採用企業は一般的に遥かに多くの金額を支出します。この基準により、単発的な購入が除外され、持続的な有料 AI 利用が捉えられます。
##
採用企業のうち、強度は導入開始後の最初の 3 ヶ月におけるベースライン従業員 1 人あたりの AI 支出額として測定されます。ベースラインの人員数は、導入前の月に測定されます。高強度の採用企業はこの指標の上位 3 分の 1 に属する企業であり、低強度の採用企業は下位 2 つの 3 分の 1 に属する企業です。推定サンプルにおいて、低強度の採用企業の従業員 1 人あたりの月間支出額は導入最初の 3 ヶ月で平均約 2.78 ドルであるのに対し、高強度の採用企業では平均約 33.67 ドルです。両グループとも、企業が導入曲線を進むにつれて、従業員 1 人あたりの月間支出額は増加します。
##
比較対象として最も好ましいのは、まだ介入を受けていない企業群です。これは、同じ最終的な AI 強度グループに属し、後で AI を導入するが、特定のイベント月時点ではまだ導入していない企業のことを指します。この仕様には NAICS セクター固定効果も含まれています。頑健性のチェックとして、導入企業を一度も導入しない企業と比較しても、雇用増加の規模は依然として大きいことが示されており、高強度導入企業では約 12.6% の増加が見られます。ただし、非導入企業の対照群の信頼性は低くなります。導入企業は、導入以前から非導入企業よりも人員数をより速く増加させていたからです。
##
当社の企業レベルでの結果は、広範な雇用喪失を示していません。高強度の AI 導入企業では、エントリーレベルの役割を含む人員数の増加が見られました。より長い時間軸における企業内での再配置の可能性を完全に否定することはできませんが、24 ヶ月という期間では、労働力構成における大きな変化を検出するには早すぎる可能性があります。私たちは、導入後最初の 24 ヶ月を超えた企業の動向を追跡するために、定期的に結果を更新する予定です。
##
いいえ。対象サンプルは、Ramp を利用しており、Revelio Labs の労働力記録とリンク可能で、かつ論文の活動フィルターを満たす企業で構成されています。このサンプルは、技術に先進的な企業や知識労働に従事する労働者に偏っている可能性があります。したがって、これは全米のすべての事業を代表する標本ではなく、選択された、ビジネス支出が活発な企業集団からの証拠として解釈するのが最も適切です。いずれにせよ、私たちはセクター別に結果も報告しています。
##
報道機関やメディアからの問い合わせについては press@ramp.com までご連絡ください。研究、方法論、またはデータに関するご質問は、対応著者である Ara Kharazian 氏（ara.kharazian@ramp.com）までお問い合わせください。
この作品を引用する
APA
Kharazian, A., Simon, L., & Stevens, R. (2026). AI の雇用への影響に関する新たな視点：企業レベルの AI 支出と労働力調整。Ramp Economics Lab. https://ramp.com/data/ai-jobs-impact
BibTeX
@techreport{kharazian2026ainewlook,
author = {Kharazian, Ara and Simon, Lisa and Stevens, Ryan},
title = {AI の雇用への影響に関する新たな視点：企業レベルの AI 支出と労働力調整},
year = {2026},
month = {June},
institution = {Ramp Economics Lab},
url = {https://ramp.com/data/ai-jobs-impact}
}
Ramp Economics Lab のビジネス支出における重要な変化をお見逃しなく。
こちらもおすすめ
AI にのめり込むことのコストはいくらか？
Ramp のエコノミスト、アラ・ハラザニアンが、AI 導入に関する最新の Ramp データ、OpenAI と Anthropic の対比における反動、そして「AI にのめり込む」ことのコストについて発表しました。](https://ramp.com/data/ai-index-june-2026)
AI 導入後、企業はより多くの雇用を創出
Ramp の支出データと Revelio Labs の労働力記録を連携させた分析により、Ramp と Revelio のエコノミストたちは、AI を導入した企業が雇用を 10% 増加させることを発見しました。これは初級職の採用も含む数字です。](https://ramp.com/data/heavy-ai-adopters-hire-more)
国勢調査局は企業の AI 導入数を過少評価していた
米国国勢調査局が AI 導入に関する質問を更新した結果、導入率は 20% に倍増しました。しかし、これは Ramp の推計である「企業の 46.6% が AI を利用している」という数値にはまだ遠く及びません。](https://ramp.com/data/ai-index-january-2026)
AI ビジネス導入が再加速、Anthropic が牽引
Anthropic は 10 月に導入率を 2.1 ポイント増加させ 14.3% を記録し、これは同社にとって過去 2 番目に大きな月間増幅となりました。一方、OpenAI の導入率は 0.3 ポイントの増加にとどまりました。](https://ramp.com/data/ai-business-adoption-accelerates-led-by-anthropic)
私たちは AI バブルの中にいるのか？
投資家であるあなたにとって、企業の AI ウェーブが過熱しているかどうかを理解するのに役立つ Ramp のデータをご紹介します。](https://ramp.com/data/are-we-in-ai-bubble)
The Ramp AI Index（Ramp AI インデックス）の構築方法
当社のデータセットは、Ramp Bill Pay と法人カードを利用する 30,000 社以上の企業から集約・匿名化された数十億件の取引テキストを抽出して構築されています。](https://ramp.com/data/how-we-built-the-ramp-ai-index)
時間は金なり。両方とも節約しよう。
メール
必ず JSON 形式で返してください。translation フィールドのみ。他のフィールド (technical_terms 等) は一切追加しないこと — 余計なフィールドを書こうとして本文翻訳がトークン上限で打ち切られる事故を防ぐため:
{"translation": "翻訳全文"}
原文を表示
Ramp – Revelio: Firm-Level AI Spending and Workforce Adjustment
Abstract
We study how employment changes when firms adopt generative AI using observed AI spending from Ramp card and bill pay data linked to Revelio Labs workforce records for 21,559 firms in the United States. We find that companies that adopt AI tend to grow faster following adoption, but the relationship is driven almost entirely by high-intensity adopters. Firms making the largest AI investments grow employment by roughly 10% following adoption, while low-intensity adopters see no statistically significant change. Entry-level headcount rises 12% for high-intensity adopters. Gains emerge gradually and are broad across roles, including engineering, sales, administration, and customer service. They are also uneven: adopters are already larger, more technical, faster-growing firms, and sector-level gains are concentrated in Information. The results counter predictions that AI adoption will lead to broad job loss.
Key Takeaways
- Firms that adopt AI grow headcount 10.2% over the two years following adoption, but these gains are entirely driven by high-intensity adopters. Low-intensity adopters see no statistically significant change.
- Entry-level headcount grew even faster. At the companies making the largest AI investments, entry-level headcount grew 12% over the two years following adoption.
- AI adoption and the associated gains are unevenly distributed. AI adopters are already larger, more engineering-intensive, more likely to be venture-backed, and faster-growing than non-adopters. These firms then grow faster upon adoption.
Change in headcount after AI adoption: Total Headcount
Effect of AI adoption on firm-level employment by relative month since adoption
Job Functions
Job function
Education
Education
High AI intensityLow AI intensity
-20
0
20
40
60
80
Change in headcount after AI adoption: Total HeadcountHigh- and low-intensity AI adopters compared with a control group from 12 months before adoption through 24 months after adoption. Exact values are available in the table following the chart.-12-606121824Months since AI adoptionHigher headcountvs. controlNo difference fromcontrol groupLower headcountvs. control
View chart data as a tableChange in headcount after AI adoption: Total Headcount: estimates and 95% confidence intervalsMonth Relative to AdoptionEffect on High-Intensity Firms (log points × 100)Low-End Confidence Interval on High-Intensity Firms (log points × 100)High-End Confidence Interval on High-Intensity Firms (log points × 100)Effect on Low-Intensity Firms (log points × 100)Low-End Confidence Interval on Low-Intensity Firms (log points × 100)High-End Confidence Interval on Low-Intensity Firms (log points × 100)
-12-2.74-7.111.64-0.39-3.402.63
-11-2.07-6.071.94-1.07-3.971.83
-10-1.97-5.821.88-0.67-3.662.32
-9-3.50-6.93-0.07-0.62-3.181.94
-8-3.07-6.600.47-0.29-2.551.97
-7-2.17-5.300.96-0.18-2.161.80
-6-3.83-6.56-1.10-0.35-2.161.46
-5-3.01-5.38-0.65-0.18-1.721.36
-4-1.19-3.431.05-0.12-1.291.04
-3-1.50-3.090.08-0.12-0.930.69
-2-0.84-1.930.24-0.09-0.560.38
-10.000.000.000.000.000.00
00.32-0.851.49-0.13-0.580.32
10.97-0.732.680.12-0.610.86
21.45-0.883.78-0.18-1.240.88
32.01-0.834.86-1.03-2.470.42
43.660.307.02-1.32-3.130.50
55.831.6510.01-1.19-3.370.99
67.052.1011.99-1.56-4.141.03
78.793.5214.06-1.83-4.901.24
89.713.6315.79-2.21-5.591.16
911.114.6617.55-2.20-5.601.21
1013.766.5021.02-1.60-6.213.00
1117.5310.1424.92-0.65-5.494.19
1218.7910.4327.15-0.99-6.204.21
1319.0210.1827.86-1.75-7.584.08
1420.9411.2730.60-1.42-7.845.01
1520.0510.2129.89-0.42-6.825.98
1620.889.4432.33-0.64-8.507.22
1722.6210.7034.54-0.14-9.208.92
1827.7014.7040.690.88-9.2911.05
1930.6615.6745.652.26-8.3712.88
2031.9614.5749.341.49-10.6813.67
2135.2516.4854.023.96-9.2717.18
2235.9916.1555.825.32-10.8421.47
2336.4715.4557.494.60-11.9021.11
2445.2421.6768.823.68-13.3220.67
Source: Kharazian, A., Simon, L., & Stevens, R. (2026). A New Look at AI’s Impact on Jobs: Firm-Level AI Spending and Workforce Adjustment. Ramp Economics Lab. https://ramp.com/data/ai-jobs-impact
Methodology
We link firm-level Ramp transaction data to Revelio Labs workforce records to study employment changes following paid generative AI adoption. Ramp card and bill pay records identify monthly AI vendor spend, including foundation models, GPU cloud, model serving, coding agents, API tools, and AI image, video, search, and research products. Revelio provides monthly firm-level headcount and workforce composition. The linked panel covers 21,559 U.S. firms observed monthly from January 2021 through February 2026.
We define AI adoption as the first month of the earliest three-consecutive-month spell in which a firm records at least $100 of AI vendor spend in every month. This rule screens out one-off experiments and captures sustained organizational use. Among treated firms, adoption intensity is measured as AI spend per baseline employee over the first three post-adoption months, using headcount in the month before adoption as the denominator. High-intensity adopters are firms in the top tercile of this measure; lower-intensity adopters are firms in the bottom two terciles.
Our preferred design is a Callaway-Sant’Anna staggered difference-in-differences estimator. Because permanent non-adopters differ sharply from adopters before treatment, the main comparison is not adopter versus never-adopter. Instead, each adopter is compared to firms in the same eventual intensity group that adopt later but have not yet adopted in that calendar month. Specifications include NAICS sector fixed effects, estimate dynamic effects from 12 months before adoption through 24 months after adoption, and use pre-adoption event-study coefficients as the main diagnostic for parallel trends.
Frequently asked questions
###
We identify AI adoption from Ramp card and bill pay transactions to AI vendors, including OpenAI and Anthropic and other AI infrastructure companies and software firms. A firm is classified as adopting AI in the first month of its earliest three-consecutive-month spell with at least $100 of AI vendor spend in each month. High-intensity adopters generally spend much more. This screens out one-off purchases and captures sustained paid AI use.
###
Among adopters, intensity is measured as AI spend per baseline employee over the first three months after adoption begins. Baseline headcount is measured in the month before adoption. High-intensity adopters are firms in the top tercile of this measure; lower-intensity adopters are firms in the bottom two terciles. In the estimating sample, lower-intensity adopters average about $2.78 per employee per month in the first 3 months of adoption, while high-intensity adopters average about $33.67. In both groups, per employee per month spend rises as firms advance along the adoption curve.
###
The preferred comparison group is not-yet-treated firms: companies in the same eventual AI-intensity group that adopt AI later but have not yet adopted in a given event month. The specification also includes NAICS sector fixed effects. As a robustness check, comparing adopters to never-adopters still shows larger employment gains, about 12.6% for high-intensity adopters; however, the non-adopter control group is less reliable. Adopters were already growing headcount faster than non-adopters pre-adoption.
###
Our firm-level results show no broad job loss — high-intensity adopters grew headcount, including entry-level roles. We cannot rule out reallocation within firms over a longer horizon; the 24-month window may be too early to detect large changes in workforce mix. We plan to update our results regularly to track firms beyond the first 24 months of adoption.
###
No. The sample consists of firms using Ramp that can be linked to Revelio Labs workforce records and meet the paper’s activity filters. It likely skews toward tech-forward firms and workers in knowledge-work. It is best interpreted as evidence from a selected, business-spend-active firm population, not a nationally representative sample of all U.S. businesses. In any case, we also report results sector-by-sector.
###
For press and media inquiries, contact press@ramp.com. For questions about the research, methodology, or data, reach out to the corresponding author, Ara Kharazian, at ara.kharazian@ramp.com.
Cite this work
APA
Kharazian, A., Simon, L., & Stevens, R. (2026). A New Look at AI’s Impact on Jobs: Firm-Level AI Spending and Workforce Adjustment. Ramp Economics Lab. https://ramp.com/data/ai-jobs-impact
BibTeX
@techreport{kharazian2026ainewlook,
author = {Kharazian, Ara and Simon, Lisa and Stevens, Ryan},
title = {A New Look at AI's Impact on Jobs: Firm-Level AI Spending and Workforce Adjustment},
year = {2026},
month = {June},
institution = {Ramp Economics Lab},
url = {https://ramp.com/data/ai-jobs-impact}
}Don't miss key shifts in business spend from Ramp Economics Lab.
You might also like
[## How much does it cost to be AI-pilled?
Ramp economist Ara Kharazian publishes the latest Ramp data on AI adoption, a rebound for OpenAI vs. Anthropic, and the cost of being AI-pilled.](https://ramp.com/data/ai-index-june-2026)[## Companies hire more after AI adoption
Using Ramp spending data linked to Revelio Labs workforce records, economists at Ramp and Revelio find that firms that adopt AI grow employment by 10%, including entry-level hiring.](https://ramp.com/data/heavy-ai-adopters-hire-more)[## The Census Bureau was undercounting business AI adoption
U.S. Census updated the question on AI adoption and the adoption rate doubled to 20%. But it's still far behind Ramp’s estimate showing 46.6% of businesses use AI.](https://ramp.com/data/ai-index-january-2026)[## AI business adoption re-accelerates, led by Anthropic
Anthropic grew adoption 2.1 percentage points to 14.3% in October, its second-largest monthly increase, while OpenAI adoption increased by 0.3 percentage points.](https://ramp.com/data/ai-business-adoption-accelerates-led-by-anthropic)[## Are we in an AI bubble?
If you were an investor, here’s the Ramp data that would help you understand if the AI wave for businesses is overhyped.](https://ramp.com/data/are-we-in-ai-bubble)[## How we built The Ramp AI Index
Our dataset is built by extracting text from billions of aggregated, anonymized transactions from over 30,000 businesses using Ramp Bill Pay and corporate cards](https://ramp.com/data/how-we-built-the-ramp-ai-index)
Time is money. Save both.
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み