誰が価値を得るのか？ — Vertical AI時代、すべての船が浮かぶわけではない理由

• LLMベースのAIとエージェントワークフローの台頭により、SaaSの経済的ロジックが根本から解体されつつあり、インテリジェンスコストの急激な低下がエンタープライズ技術市場における価値の流れを再編している
• AIサービスのコスト優位だけでは持続可能な堀を築けず、LLMインフラに依存するスタートアップはタクシーディスパッチャー問題に直面する — 借り物のマージンの上に成り立つ構造
• Jevons ParadoxによりAI支出総額は爆発的に増加するが、その価値が既存市場参加者全員に行き渡るわけではなく、バリューチェーンの大規模な再編を伴う
• Vertical AIで勝つ企業は外部サービス提供者ではなく、顧客オペレーションに深く埋め込まれたシステムを構築する企業 — データ重力、ネットワーク効果、プラットフォームロックインが中核
• 低価格戦略を意図的なウェッジとして活用して市場ポジショニングを確保した後、複合インテリジェンス・プラットフォームへ転換することが唯一持続可能な戦略

---

構造転換: SaaSからAIエージェント時代へ

• エンタープライズ技術市場は、オンプレミスからクラウドへの移行に匹敵する構造的変化を経験している
• 約20年間、SaaSモデルは反復収益、シートベースのライセンス、ユーザー参加を価値の代理指標とし、数兆ドル規模の時価総額を生み出してきた
• LLMベースのAIとエージェントワークフローの台頭が、このSaaSの経済的ロジックを解体している
• 中核的な推進要因はインテリジェンスコストの急激な低下 — 同水準のインテリジェンスに対するコストが急速に下がっている
  • ただし、推論の複雑さの増加によりトークン支出総量は引き続き増加している（トークン単価が下がっても）
  • OpenAI、Google、Anthropicなど資金力のあるラボ間の激しい競争と、ハードウェア・ソフトウェア効率の向上により、この傾向は鈍化しない見通し

AIサービスへのデフレ圧力

• エージェントが従来の手動サービスを代替するとき、その支出をそのまま取り込むのではなく、サービスの**コモディティ化（commoditization）**が起きる
• 数年前に10万ドル支払っていたサービスが、最終的にはその一部の金額にすぎなくなる構造
• 安価なAIにより、Vertical AI製品には持続的なデフレ圧力が存在する
• 文書からのデータ抽出、インバウンド電話対応、コンプライアンス報告書のドラフト作成のような機能は、現在はインフラとノウハウが希少で採用率も低いため優れたウェッジになり得るが、やがて最低限必要な前提機能になる
• 各カテゴリーには資金力があり成長中の複数のスタートアップが存在し、超過マージンは競争によって消えていく構造
• その時までに堀を築けなかったスタートアップは淘汰される

AIサービス vs. ソフトウェア: サービス提供のパラダイム

• インテリジェンスの限界コストが0に近づくと、企業向け技術の中核的な価値提案は、労働補助ツールから労働を代替する成果物の提供へと移る
• Vertical AIはVertical SaaS単体よりも多くのエンドツーエンドワークフローを処理できるため、顧客価値と支払い意欲が大きく増し、はるかに大きな予算にアクセスできる
• しかし、サービス提供 — 内部プラットフォームではなく外部ベンダーに近い顧客関係 — がAIソフトウェアの支配的パラダイムだという現在の主流の見方には同意しない立場

拡大するTAMがすべてのスタートアップを浮上させるわけではない

• インテリジェンスコストの急落によってAIサービスのTAMは大きく拡大するが、この機会の拡大がバリューチェーンの同じ地点に必ず帰属するわけではない
• スプレッドシートと会計業界の事例: Microsoft Excel導入（1987年）以降、簿記係・会計事務員は約200万人から150万人に減少した一方、会計士・監査人は約130万人から150万人へ、経営アナリスト・財務管理者は約60万人から150万人へ増加した（Morgan Stanleyリサーチ引用）
  • スプレッドシートは単に簿記を自動化したのではなく、価値を技術曲線の上位へ移動させた — 反復労働から高次分析への転換
• Uberとライドヘイリングの事例: バリューチェーン内での再配置を超えて、中間層全体の除去まで起きた
  • グローバルなタクシー市場は2019年の約690億ドルから2024年には約2,710億ドルへ成長し、Uber以前の従来型タクシー市場は300〜500億ドル規模だった
  • 「車を呼んでどこかへ行く」総支出は15年間で約5〜8倍成長し、1件あたり価格は約半分に低下した（VC補助金後の時代には10〜20%反発）
  • 歴史的に収益はオーナー（運営者兼所有者、NYCメダリオン保有者など）、ブローカー（タクシー代理店、ディスパッチャー、車庫）、雇用ドライバーに帰属していた
  • これら利害関係者の大半が破壊され、代理店収益はUberとLyftが吸収した
  • NYCメダリオン価格は2013年の約100万ドルのピークから現在は10万ドル未満へ急落した（政府介入により一部回復の兆し）

Jevons ParadoxとエンタープライズAI

• 同じJevonsの逆説が現在のエンタープライズAIで進行している
• モデル品質・コンテキスト・推論複雑度を固定した場合、インテリジェンス単位コストが急落している
  • GPT-3.5水準の推論コストは、2022年11月〜2024年10月の間に280倍以上低下した
  • 2023年には中堅企業のすべての受信メールをLLMで読んで分類することはコスト負担だったが、現在では100万トークンあたり約**$0.40**で無視できる水準
  • AIコーディングツールにより現在コードの41%がAI生成またはAI支援であり、参入障壁をさらに下げている
• 総AI支出は爆発的に増加: エンタープライズAI売上は2023年の17億ドルから2025年の370億ドルへと2年間で22倍増
• グローバルAI支出は2026年に2.5兆ドル超と予測される（IDC）
• Gartnerは、AIがIT支出全体の1/3を占める時点の予測を2年前倒しした
• 核心的な問いはパイが大きくなるかではなく、誰がその価値を得るのかである

タクシーディスパッチャー問題

• AI Services（"Service-as-Software"）が勝利するビジネスモデルだという大衆的な議論が存在する
  • Foundation Capitalはこれを4.6兆ドルの機会と位置づける: IT予算はGDPの1〜2%だが、労働・従来型サービスは15%以上を占める
  • AIが会計士、法律補助員、コンプライアンスアナリストの業務を遂行すれば、その従業員の完全負担コスト（fully-loaded cost）に対して価格設定できるという論理
• しかし、単にアナログな製品を提供するだけでは、この予算を長期的に取り込むことはできない
  • サービスは本質的にコモディティ化可能である
  • AI代替を流通させて成長するスタートアップの大半は、その経済的裁定を可能にするIP（LLM）を所有していない — ラボが所有している
  • 基本的なワークフローオーケストレーション、RAG、ドメイン特化ファインチューニングは持続可能な堀ではない
• タクシーディスパッチャー問題のAIへの適用: Uber以前のタクシーディスパッチ代理店は、配車マッチングによってマージンを獲得していた — 供給（地域ドライバー密度）と需要（地域認知度）の集積において一定の防御力を持っていた
  • しかし、供給と需要をより効率的にマッチングし、車両保有を外部化して供給を大幅に拡張し、利用者により安価なコストを提供するプラットフォームが登場すると、ディスパッチャーの競争力は消滅した
• ディスパッチャーが負けた理由はUberの手数料率のせいではない
  • Uberはドライバー収益の平均**約30%**を取っており、これは従来のタクシー代理店・メダリオン貸主・ディスパッチャーが合計で抽出していた30〜50%と大差ない
  • Uberの堀は、取り分を少なくしたことではなく、配車・決済・マッチング・評判などあらゆる仲介機能をネットワークを所有する単一プラットフォームに統合したことにある
• AI Service企業の主な価値が「LLMでこのサービスをより安く提供します」なのであれば、それは自分のものではないマージンの上に座るディスパッチャーにすぎない
  • このコスト曲線はモデルラボ、ハイパースケーラー、チップメーカー、エネルギー生産者が支配している
  • モデルがさらに安くなる、あるいは競合が同じモデルAPIに接続して価格を下回れば、コスト優位は0に収束する
  • 現在、世界には約3万5,000個のAIラッパーアプリが存在し、以前の技術時代よりはるかに競争強度が高い
• 安くサービスを提供できる能力と、そのマージンを維持できる能力は別物である — インテリジェンスコスト崩壊で生じる消費者余剰を誰が継続的に獲得できるかが、今の中心的な問いである

埋め込み（Embeddedness）と防御力

• コスト曲線を超える防御力を築く企業が余剰を獲得し維持する
• エンタープライズ技術における防御力の歴史的源泉: ドメイン専門性、速度・実行力、パートナーシップ・統合関係、データ重力、ブランド・信頼、プラットフォームロックイン
  • 初期段階: 急速に弱まるドメイン専門性と速度・実行力が主な優位性
  • パートナーシップ・統合関係は持続可能だが、規模が大きくなると相対的な重要性は低下
  • 成長段階で最も重要な堀は利用量・データループ
  • 規模のある防御可能なVertical AIビジネスには、少なくともデータ重力、ブランド・信頼、プラットフォームロックインのうち一つ以上の堀が必要
• Vertical AIビジネスを評価する上で最も重要な軸は「サービス vs. ソフトウェア」ではなく、**「内部（internal） vs. 外部（external）」**である
  • 「内部」: 顧客が毎日ログインする従来型SaaS UIを必ずしも意味しない — 価値が直接キーボード使用量に比例するという古い業界コンセンサスは、もはや有効ではない
  • 核心的な問いは、AI企業が顧客オペレーションに構造的に取り除きにくい形で埋め込まれているかである
  • 顧客が生成した独自データを保有しているか。取引相手・サプライヤー・エコシステムへ顧客を接続し、再構成が苦痛か。隣接ワークフローに統合され、取り除くと連鎖的な中断が生じるか
  • 「外部」: 従来型サービスベンダーに近い — 顧客が必要なときに呼び出すが、より良い条件があれば翌週には別の業者へ切り替えられる
  • 外部ソリューションは実質的な価値を提供し、コスト差が大きく採用が初期段階のときには急成長できるが、借り物のマージンの上に立っているため、他のAI Servicesスタートアップ、資金力のあるSaaS incumbent、さらには買い手自身とも同じ競争ダイナミクスにさらされる

4象限フレームワーク: Vertical AI評価マトリクス

• 2つの軸でVertical AIのランドスケープをマッピングする: 内部 vs. 外部（製品が顧客オペレーションにどれだけ深く埋め込まれているか）とウェッジ vs. プラットフォーム（製品の範囲と深さ）
• Durable（右上）: 内部AIプラットフォーム — 複合的な堀への明確な道筋を持つSystem of Intelligence & Actionであり、初期ウェッジからマルチプロダクト・プラットフォームへ進化する。Abridge、EvenUpが代表例
• Rare（左上）: 外部プラットフォーム — コンサルティング色の強い高ACVで、内部AI製品をドッグフーディングしていることが多い。顧客集中度が高く埋め込みも限定的で不安定
• Commodity Risk（左下）: 外部ウェッジ製品 — 初期成長ポテンシャルは極めて高いが、借り物のAIマージンで競争するため存在論的リスクがある
• Precarious（右下）: 内部ウェッジ — 高い初期成長ポテンシャルがあり、防御可能なプラットフォームへ拡張できる可能性があるが、AI先行incumbentによるウェッジ複製リスクがある
• 価値ある転換経路は2つ: 外部→内部（埋め込み深化）とウェッジ→プラットフォーム（製品の幅を構築）
  • ウェッジ→プラットフォームは、持続可能なVertical Softwareを構築する実証済みモデル
  • 一部のスタートアップは、外部・高スケーラビリティのAI Servicesウェッジから始めて、2つの転換を同時に試みる

Vertical AI: コモディティ化に対する防波堤

• Vertical AIが強力である理由: あらゆる業界の固有の力学が、顧客に深く埋め込まれる差別化ソリューション構築の肥沃な土壌になるため
• 最高のVertical SaaS企業（Veeva、Procore、Toast、ServiceTitanなど）が勝った理由は、安かったからではなく、ユーザーの特殊なニーズをより正確に反映するSystem of Recordになったからである
  • SalesforceやNetSuiteを何百万ドルものコンサル費用でカスタマイズすることもできるが、最初から自分たちのために作られたシステムがあるなら、その必要はない
  • 独自の業界データ・ファーストパーティデータ（臨床試験データ、作業コストデータ、レストラン売上データ）を蓄積し、使うほど製品が改善する構造を持つ
  • 断片化した垂直固有のエコシステム（製薬会社-臨床サイト、元請け-下請け、レストラン-配達ネットワーク）を接続し、ネットワーク効果の堀を築く
• ウェッジはより安く提供されるサービスでよいが、堀はそのウェッジの上に築かれるシステムにある — 内部ポジショニングを活用し、独自データ、ネットワーク効果、マルチプロダクト・プラットフォーム、業界の「頭脳」を発展させ、単なるベンダーではなく依存されるインフラになること
• この飛躍ができず、コスト競争する外部AIサービス提供者のままでいれば、タクシーディスパッチャーと同じ運命をたどる — 市場が500%成長するのを眺めながら、マージンは0へ収束する

勝者はコモディティ化を受け入れる

• Vertical Collectiveラウンドテーブルでのある創業者の洞察: 「多くの人は底値競争を悪く見るが、私たちは逆に見る — 本当の鍵は新しい価値創出だ」
• コスト競争だけなら致命的だが、上で説明した堀を築くためのポジショニングを確保する意図的なウェッジとしては強力である
• 一部のVertical AIスタートアップは、AI Servicesのコモディティ化に伴う底値競争を意図的に受け入れ、加速させるべきである
  • 既存プレイヤーが合わせられないほど衝撃的に低い価格で多くの顧客を獲得する
  • 顧客当たりの「成果物」売上機会を自己侵食する一方で、急成長、業界からの信頼、別の形で顧客にサービスする権利を獲得する
  • 対抗できない市場リーダーの地位を弱め、競争の真空を生み出し、拡大のためのポールポジションを確保する
• この戦略は**「Nuking Pricing Power」**戦略の変形である: 補完財の低価格（または無料）版を開発・支援し、急速な採用を促して補完財の価格決定力を弱める
• もっと単純に言えば、製品がコモディティ化するなら、市場を取りに自らコモディティ化した方がよい

価値仮説（Value Hypothesis）

• あらゆるエンタープライズ技術のパラダイム転換は、陣取り合戦と構造再編を伴う
  • クラウドコンピューティングは2005〜2015年の間に数千のSaaSスタートアップを生み出したが、その大半は吸収・M&A・消滅し、少数だけが持続可能なカテゴリ定義プラットフォームへ成長した
  • Vertical AIでも同じパターンが予想されるが、より大きな市場機会、より速い成長、創造的な収益化モデル、より高い初期資本効率性 — そしてそれらすべての理由により前例のない競争水準が生まれる
• AI Services創業者の落とし穴は、スケーラブルなウェッジを防御可能なビジネスと錯覚することである
• 生き残る企業は、コスト差が大きく、採用が初期で、incumbentが遅いという現在の窓を利用して、切り替えが単に面倒なだけでなく構造的に痛みを伴うほど顧客オペレーションに深く埋め込まれる
• これは新しいアイデアではなく、エンタープライズソフトウェアで最も古いアイデアの再発見である
  • 新しいのは表面的な部分だ: SaaS企業は数個のワークフローに埋め込まれ、ユーザー相互作用画面でデータを取得できたが、AIネイティブ・プラットフォームはすべてのワークフローに埋め込まれ、人間の介在有無に関係なくあらゆる相互作用からデータを取得し、実行するほど製品を改善する複合インテリジェンスを構築できる
  • **「荷重支持インフラ（load-bearing infrastructure）」**を構築する機会がこれほど大きかったことはなく、同時に「より安いベンダー」に甘んじようとする誘惑も同様に大きい
• Andy Rachleffの**「価値仮説」: スタートアップの「何を・誰に・どうやって」に関する仮説は、最初の試みでは「ほぼ正しくない」 — 創業者は、関心があると言う人ではなく、製品を本当に切実に必要としている顧客**を見つけなければならない
• 顧客は常により安いサービスに関心を持つが、本当に欲し、維持のためにお金を払うのは、自社のビジネスを自分たち以上によく理解するシステム — 制度的知識を蓄積し、エコシステムへ接続し、あらゆる相互作用のたびに内部価値が高まるシステムである

参考

• AIが人間労働者をより効率化すると、Salesforceが普及させたシートベースSaaSモデルはもはや有効ではない — 製品が優れているほど顧客支出が減る構造になる
• 自律エージェントの目的が、契約書ドラフト、顧客サポートチケット解決、財務元帳照合などを実質的に人間介入なしで実行することなら、「スクリーンタイム」には意味がない
• 新しいパラダイムでは、効率性はスクリーンタイムの不在によって定義され得る
• UI自体も代替可能になりつつある: データ・アクション・レコードの「意思決定レイヤー」は依然重要だが、どの顧客も同じUIを持たない世界に入りつつある
  • プラットフォームが各ユーザー向けに固有に自動生成するインターフェース（「inception software」）
  • MCPを通じたエージェント方式や、LLMが生成したカスタムアプリを通じた**「Bring Your-Own UI」（BYOUI）**