新しいAI時代にPalantirが与える教訓
(8vc.com)- Palantirは最近S&P 500に組み入れられた
- 初期のPalantirは「コンサルティング会社」と誤って評価されていた。多くのエンジニアが顧客と一緒に働き、顧客のビジネス課題を深く理解していた
- PalantirのエンジニアはForward Deployed Engineersと呼ばれ、顧客の業務、ビジネスモデル、ペインポイントなどを深く理解し、顧客の要件に合わせて製品を改善・拡張した
- このようなサービス志向のアプローチはPalantirの競争優位として機能し、顧客ごとのソリューションを開発してプラットフォーム化した
- Palantirの中核概念の1つは**Ontology（オントロジー）**であり、データを体系的に構造化して複雑なビジネス課題を解決する
- Ontology : 顧客のデータとプロセスをマッピングし、ソリューションにエンコードする独自のアプローチ
サービス中心のビジネスモデルの変化
- 最近のAI言語モデル（LLM）の導入により、従来のサービス企業がより魅力的なビジネスモデルへと変貌しつつある
- AIは複雑な言語ベースの作業を自動化し、人間より優れたエラー検出能力を持ちうる
- サービスとプロダクトを組み合わせたハイブリッドなビジネスモデルが増えており、これによって顧客の実際の課題を解決し、より多くの価値を取り込める
- テクノロジーを使って2つの方法でオペレーティング・レバレッジを生み出す:
- 既存ベンダーより速く、安く、より高品質なサービスで独自の価値提案を生み出す
- コストから労働力を取り除き、マージン構造を変え、競合より拡張しやすくする
- AIは多くの伝統的なサービス産業の業務効率を大幅に高め、生産性を2倍以上にする可能性がある
AIサービス企業の特徴と機会
- AIサービス企業は"Service-as-Software"モデルを採用しており、急成長するスタートアップがこの方式を活用している
- モデルの性能だけでは不十分なとき、**Copilot（コパイロット）**のようにユーザーを支援するソリューションを販売する。例: Numericの技術会計AI
- AIだけでは複雑なプロセスを自動化するのが難しいため、技術と人間の専門性を組み合わせたアプローチが不可欠である
- AIサービスモデルの課題と機会
- リスク1: 誰でもモデルを使えるため、競合がすぐに現れ、既存顧客を奪われるリスクがある
- リスク2: 新しいAIモデルの性能向上により、既存製品の一部機能が重複する可能性がある
- しかし複雑なプロセス全体の自動化は難しい。技術と人間の専門性を組み合わせたアプローチが必須である
- AIサービス企業の運営方式
- 差別化された価値提案: 既存のサービス提供者より速く、安く、高品質なサービスを提供する
- ユニットエコノミクスの改善: コストの大きな部分を占める人員を減らし、ビジネスの拡張性とマージン構造を改善する
- 例: Loopは貨物監査と支払いの自動化を通じてワークフロー全体を再設計し、効率を最大化している
- 顧客の立場では、多数のベンダーやソフトウェアを管理する必要なく、統合されたAIソリューションを通じて全機能をアウトソースできる
- 成功するAIサービス企業の4つの核心原則
- ビジネス全体のオントロジーをマッピングしてR&D集中の優先順位を付ける
- メトリクスに集中する
- オーガニック成長とM&Aを並行する
- 適切なチームを構成する
成功するAIサービス企業の原則
1. ビジネス全体のオントロジーをマッピングしてR&Dの優先順位を設定する
- オントロジーの概念: Palantirはビジネス・オントロジーを通じて、会社のすべての運営を支えるデータ構造とワークフローを定義する
- オントロジーはデータ、ロジック、アクションで構成され、ビジネスプロセスマップ（BPM）の役割を果たす
- 例: 航空業界では、飛行機、便、航空会社、空港、遅延などのオブジェクトと、それらをつなぐ関係を定義する
- オントロジーの重要性:
- オントロジーは顧客のワークフローをソフトウェアにマッピングするうえで不可欠であり、特に技術中心のサービス企業ではさらに重要である
- 技術とオペレーションの結合によって、顧客、従業員、ソフトウェアシステム間の三者関係を理解し、自動化と最適化を可能にする
- Palantirは初期からオントロジーを重視し、これによってデータ統合とAIソリューション分野で先導的な地位を占めている
- データ統合と自動化:
- ほとんどの組織ではデータがさまざまな形式・場所に分散している
- 先にオントロジーを構築すれば、この構造を基盤としてデータ統合と自動化を効果的に進められる
- Reservの事例:
- Reservは損害査定担当者のワークフローを深く理解し、自社開発すべき機能とライセンス導入すべき機能を正確に区別した
- これにより大口顧客との契約を迅速に獲得し、拡大できた
- オントロジーの実質的な利点:
- SaaS製品の目的は、顧客のワークフローをソフトウェアにマッピングすることである
- 技術中心のサービス企業は、顧客、従業員、ソフトウェアシステム間の関係を含むオントロジーを作る必要がある
- これにより、ソフトウェアと人材が協働するポジティブなフィードバックループを形成する
- オントロジー・マッピングの利点:
- 初期のオントロジー作業は、ビジョンの策定、目標設定、チームの足並みをそろえるうえで重要な役割を果たす
- 投資家やアドバイザーが実質的なフィードバックを提供できる機会を生み出す
- 正しい方向を選ばなければ、誤った意思決定によって大きなコストが発生しうる
2. メトリクス（Metrics、指標）に集中する
- オントロジーと指標:
- オントロジーを構築した後は、ビジネスの中核指標（KPI）を把握しやすくなる
- SaaS業界では標準化された指標が多く、オペレーション分析ツールを通じて容易にモニタリングできる
- SaaS企業は高いマージンのおかげで運営指標への厳格さが比較的低くてもよいことがある。しかしサービス中心のビジネスはそうではない
- サービスビジネスにおける指標の重要性:
- サービス企業はプロダクト中心企業より価値創出が複雑で、測定も難しい
- さまざまな業界で共通する指標を見つけにくいため、適切な指標を選べなければP&Lの問題につながりうる
- 例: 資産運用会社の基本指標は運用資産だが、オントロジーは長期的な顧客満足度、ポートフォリオ実績、相談効率を結びつけ、より強力な指標を設定できるようにする
- オントロジー基盤の指標分析:
- オントロジー分析は予想外のレバレッジポイントを明らかにすることがある
- 例: カスタマーサポートでは、初期応答速度より問題分類の正確さのほうが重要な場合がある
- Reservはクレームプロセスの一部を自動化し、処理速度だけでなく顧客満足度やキャッシュフローへの影響も分析した
- 指標の重要性:
- 技術中心のサービスビジネスの核心は、人材とソフトウェアの協働を通じてマージンとサービス品質を向上させることにある
- 指標は単に四半期報告に含まれるものではなく、会社全体の焦点であるべきだ
- 成功するサービス企業はメトリクスを単に測定するだけでなく、それを通じて意思決定、投資優先順位、チームの足並みを導き出す
- すべての従業員が自分の中核指標と、それを改善するための役割を理解している
3. オーガニック成長（Organic Growth）とM&Aを並行する
- 過去のM&Aの問題点:
- 2010年代、多くのベンチャー投資家はM&Aを回避する傾向があった
- M&Aはしばしば製品の欠陥や販売上の問題を解決するためのその場しのぎとして使われ、根本問題であるプロダクト・マーケット・フィットの不足を解決できなかった
- 現代の技術サービス企業の変化:
- 今日の技術サービス企業は、初期の市場参入における「コールドスタート」問題を解決するためにM&Aを戦略的に活用している
- 特に規制の多い市場やスイッチングコストの高い業界では、既存企業を買収することが効果的である
- M&Aを通じて採用と営業の負担を減らし、技術によるマージン改善に集中できる
- M&Aの利点:
- うまく実行されたM&Aは成長の触媒になりうる
- 例えば、マージン15%の既存サービス会社はおよそ6〜8倍のキャッシュフロー倍率で評価される。一方、うまく構築されたAIサービス会社はすでに60%のマージンを持ち、より高い倍率で評価される可能性が高い
- 買収した会社を統合すれば、既存売上の経済構造が改善され、成長速度を再加速できる
- AI企業は競合を売上の1倍価格で買収し、それによって$100Mの投資で$60Mのキャッシュフロー、$600Mの株式価値を生み出せる
- 新しいM&A戦略:
- このアプローチは従来のM&Aと異なり、技術と結びついたM&Aが米国産業の新たな成長段階につながる可能性がある
- 外部からはVCがPE戦略に従っているように見えるかもしれないが、実際には技術主導の成長戦略である
- 技術がサービスワークフローの生産性を大幅に高められる場合、M&Aは大きな価値を迅速に生み出せる明確な方法となる
- M&A戦略の考慮事項:
- M&Aがすべての会社に適しているわけではない。特に顧客獲得が容易な場合や統合が複雑な場合には適切でない
- オントロジーを構築すれば、こうしたtrade-offを分析し、最初の買収の適正規模や同一業界で買収するか隣接業界で買収するかを判断する助けになる
- 過去の失敗事例への懸念はあるが、新たなM&Aパラダイムは予測可能で高いROI（投資収益率）をもたらす新しい戦略を開く
4. 適切なチームを構成する
- SaaSで成功する企業の特徴:
- 強力な技術文化と迅速な反復開発を可能にするエンジニアリング能力を備えている
- ソフトウェアがますます細分化された市場へ広がるにつれ、ドメイン専門性と顧客の言語を理解することが重要になる
- そのため、強力な業界アドバイザリーボードを構築したり、ときには技術経験の少ない業界専門家を採用したりする
- 技術中心サービスにおけるチーム構成の変化:
- 成功するビジネスを構築するには、高いIQとEQを兼ね備えた技術・オペレーション人材が必要である
- 急速に変化するイノベーション文化と、顧客中心のプロセス志向アプローチを結びつけなければならない
- 技術人材とオペレーション人材が協働し、互いに学び、相互信頼を築く必要がある
- 技術人材はAIやソフトウェア開発能力に加え、サービス運営の細部に対する好奇心と敬意を持つべきである
- オペレーション専門家は新しい技術を受け入れ、既存プロセスを再考する準備ができていなければならない
- Palantirの事例: Forward Deployed Engineers:
- Palantirは顧客と直接協力し、顧客の要件に合わせてプラットフォームを構成するForward Deployed Engineersチームを運営している
- 当時のシリコンバレーの主要テック企業では、顧客対応を営業チームやカスタマーサクセスチームに任せるのが一般的だった
- しかしPalantirは、技術、オペレーション、コミュニケーション能力をすべて備えた人材を採用することで、顧客の要求に直接対応できた
- このような採用戦略は技術中心のサービス企業で不可欠であり、Palantir出身者は多くの技術サービス系スタートアップで創業者や初期メンバーとして活躍している
- 適切なチーム構築の核心要素:
- 技術革新とサービスの卓越性を同時に重視する文化を醸成しなければならない
- M&A戦略を推進する場合には、PEの世界での経験と知見を持つ人材も必要である
- これにより既存サービスをより効率的に複製するだけでなく、業界全体を変革できる
AIサービス革命の将来展望
- AI発展の不確実性:
- AI技術の急速な進歩がどこまで続くかを予測するのは難しい
- AGI（Artificial General Intelligence）があらゆる問題を解決するという前提は現実的ではない。仮にAGIが実現しても、その結果は非常に肯定的にも否定的にもなりうる
- 現在のAI技術でも十分に価値創出は可能:
- AIの進歩が現在の水準で止まったとしても、サービス産業の約$2兆にのぼる賃金を革新的に効率化できる
- これはGDP成長、より効率的な労働市場、生産性の2倍ないし3倍の向上につながる可能性がある
- 反復的で単純な作業が自動化されることで、労働者は自分の本来のスキルを発揮したり、新たなスキルを学んだりする機会を得られる
- AIサービスの波の初期段階:
- 現在のAIサービスの波はまだ初期段階にあり、その可能性と影響力はまだ完全には明らかになっていない
- 初期のSaaSの波では、Smart Enterprise論文がプラットフォーム中心の産業変革フレームワークを提示し、これは今では一般化している
- 技術サービスの波が強まるにつれ、オントロジー・マッピングやその他の戦略が重要な概念的基盤となる
- 将来展望と目標:
- この変革を現実のものにするには、優れたリーダーシップ、優秀なチーム、そして着実な努力が必要である
- Palantirの成功事例はインスピレーションを与えており、この生産性の波からさらに多くの世代的企業が生まれることが期待される
6件のコメント
パランティア関連の文章をいろいろ探してみましたが、いつもオントロジーを通じて私たちにはもう一段階何かがある、と主張しているものの、実際に何が追加されているのかはよく分かりませんでした。
社内的にはデータサイエンスをより上手くこなせる人たちが多いようではありますが、製品そのものについてはよく分かりません
FDE採用のバイラルだと見るなら、誇大妄想ですか？
高度なSI
デジタルトランスフォーメーションの実体って、こういうものなのかなと思います
Palantirに関する記事が出るたびによく読むのですが、まだビジネスモデルがしっくりとは理解できていませんね……
Palantirについての回顧