- AIアプリケーション市場は問題の複雑さと導入の難易度によって分かれるが、持続的な競争優位は最終的に利用過程で蓄積されるデータに左右される
- 導入しやすい製品は大規模な利用と速いフィードバックによってデータフライホイールを作れるが、乗り換えも容易なため、モデル提供企業との資本・データ競争にさらされる
- 導入が難しいエンタープライズ製品は、顧客のシステムと業務の進め方を学習しながら企業ごとのデータの堀を築き、後発製品が同じ専門性を再現しにくくする
- コーディングエージェントは、1日に数十〜数百回発生する提案の受け入れ・拒否データをもとに急速に進化した一方、細かな検証シグナルが不足するスライド生成分野は改善速度が遅い
- 今後12〜24カ月では、SRE・セキュリティ運用のように導入も解決も難しい市場から勝者が現れる可能性があるが、評価・実装期間が長く、データと検証シグナルも不足するため、成功率は低くなり得る
複雑さと導入難易度で分かれるAI市場
- 十分な人材と資本、向上したモデルが存在しても、AIエージェントの成果は分野によって大きく異なる
- 営業の見込み客発掘やカスタマーサポート問い合わせは正確に処理するが、高品質なスライドは一貫して生成できない
- 単に簡単な問題から解決されるという論理だけでは、複雑なコーディング分野のエージェントが最も速く発展した現象を説明しにくい
- コーディングエージェントの発展は、導入のしやすさが大規模なデータ収集につながった結果である
- 開発者は別途承認なしに約5分でCursorへ移行できた
- 利用データが製品体験を改善するフライホイールを作り、現在、筆者たちのチーム全体がコード生成にCursor Composerを使用している
- 市場は問題解決と導入難易度に応じて4つの領域に分かれる
- 導入も解決も容易
- 導入は容易だが解決は難しい
- 導入は難しいが解決は容易
- 導入も解決も難しい
- 簡単に導入される製品は多くのデータを確保する代わりに、乗り換えも容易である
- 導入が難しい製品はエンタープライズ内部に定着した後、その企業の業務の進め方を学習するため、代替しにくいデータの堀を獲得する
導入も解決も容易な市場
- パーソナライズされた回答を提供する消費者向け検索は、2023年から予想しやすいAI活用分野であり、一般常識検索から医療アドバイスまで幅広く拡大した
- 基盤モデル提供企業だけでなく、PerplexityやYou.comのような新規事業者もこの市場に参入した
- 参入障壁は低く見えるが、実際にはバリュートラップに近い
- スタートアップが簡単に実装できるなら、フロンティアモデル研究所もすでに作っているか、より簡単に作れる
- ユースケースが明確であるほど、既存のチャットアプリケーションに利用が集中する
- OpenAI、Google、Anthropicは数百万件の利用データを収集し、その分野のモデルを改善できる
- ChatGPT Healthはこうした拡張の事例である
- モデル提供企業はコストを補助し、大規模なユーザーベースによって新しいアプリケーション分野を素早く学習できるため、新規事業者が押し出される可能性が高い
- ユーザーのロイヤルティも低く、目的に応じて複数のチャットエージェントを併用しており、Web検索市場とは異なり、各社は比較的似た位置で競争している
- 支配的なブランドが登場するとすれば、モデル提供企業である可能性が高い
導入は容易だが解決は難しい市場
- コーディングは複雑な問題だが、初期から個人単位での導入が容易だった
- 2023年でもコード片をChatGPTに貼り付けるだけで価値を確認できた
- 初期品質は限定的だったが、Cursorがこの過程をより簡単にした
- エンジニアがIDEを自分で選べるため、IntelliJやVSCodeからCursorへ移行する負担も大きくなかった
- コーディング作業は速く細かなフィードバックループを提供する
- 開発者は1日に数十〜数百回コードを生成できる
- 提案を受け入れるか拒否するたびに、将来のモデル改善に活用する訓練データが追加される
- このデータフライホイールがモデル品質の急激な向上を可能にする
- スライド生成のように細かなフィードバックループがない複雑な市場は、改善速度がはるかに遅い
- 難しい問題を解決するには、トークン使用量と技術人材への大きな投資が必要であり、最終的にはモデル訓練と強化学習（RL）まで求められ得る
- 導入のしやすさで獲得したデータはこうした深い投資を支えるが、フロンティアモデル研究所も広く使われる生産性エージェントを自社領域と見なしている
- すでにコーディングエージェント市場で激しく競争している
- 既存のドキュメントエディタを超えて、より多くのオフィス生産性ツールをリリースする可能性がある
- 大規模な資本競争が起きる可能性が高く、小規模企業が巨額投資なしに競争するのは難しい
- 製品のスティッキネスは依然として低い
- 複数のコーディングエージェントを同時に使える
- より良いスライドを作るアプリケーションが登場すれば、ユーザーは簡単に移れる
- Cursor rulesやブランドテンプレートのような企業ごとのカスタマイズはスティッキネスを高め得るが、相互運用性や単一標準が登場すれば移行しやすくなる可能性もある
導入は難しいが解決は容易な市場
- 直近2年間でエンタープライズAI導入が最も活発だった領域で、ECの返品やパスワードリセットのようなプレイブックをLLMが実行する事例がこれに当たる
- 解決が容易という分類は、製品に深みがないという意味ではない
- 企業が即効性のあるAI成果を探し、明確な問題から導入した結果、市場リーダーの売上が急速に成長した
- この市場には2つの差別化要因がある
- カスタマーサポートチケットやITヘルプデスク依頼を処理するエージェントは個人が選択できず、購買委員会が関与する組織レベルの意思決定が必要である
- ユースケースが比較的単純でも、古いエンタープライズシステムとの統合は難しく煩雑であり、レガシーシステムを扱えるチームが大きく先行する
- エンタープライズ統合の過程で顧客ごとのデータの堀が形成される
- エージェントデータは複数の顧客に一般化しにくく、企業がモデル訓練への使用を許可する可能性も低い
- 代わりに製品は、各顧客が実際にどのように働いているかを学習できる
- 蓄積された知識は製品全体を改善すると同時に顧客ごとのスティッキネスを高め、後発エージェントが同じ専門性を再現しにくくする
- 投資家はこの市場の大型スタートアップを事実上の既存強者として扱っている
- 製品革新の余地は残っているが、小規模スタートアップがSierraやDecagonと競争する理由は明確ではない
- 彼らが調達した資本が市場開拓（GTM）に集中するのか、コーディング特化モデルのような技術的な堀を作るのかは不明である
- 資本が市場開拓だけに使われるなら、スタートアップはコスト競争に依存せざるを得ない可能性がある
導入も解決も難しい市場
- SREとセキュリティ運用のような複雑なエンジニアリング・運用ワークフローは、4領域の中で相対的に最も注目が少ない
- 人が数時間または数日かけて行う作業を解決できるため潜在価値は大きいが、企業ごとにワークフローが異なり、評価と実装ははるかに難しい
- RunLLMの製品はこの領域に集中しており、次の成長段階もここから現れると予想している
- 今後数年間で急成長する根拠は3つある
- 推論モデルが複雑な作業を計画し、複数段階の解法を処理できるようになった
- 問題解決のかなりの部分はAI外部のワークフロー構築・設定で発生し、コーディングエージェントが発展するほどこの過程は速く容易になる
- 企業はすでに簡単な問題に積極的に取り組んでおり、残る課題を探すと、より難しい問題へ移ることになる
- この領域のデータの堀は最も複雑でありながら潜在価値も大きい
- ある企業のワークフローに関する専門性を蓄積すると、他の製品が再現するのは非常に難しい
- 製品の乗り換えは、熟練エンジニアを解雇して新人に置き換えるのに近くなる
- AWS専門SREエージェントのように、特定の中核能力に関する専門性を蓄積する機会もある
- コーディングエージェントよりデータ量が少なく、結果の検証も難しいため、改善サイクルははるかに遅い
- 巨額の資金を調達した企業も存在するが、解決は容易で導入が難しい市場のリーダーほど確固たる地位を築いたとは見なしにくく、長期的な競争が残っている
変化する境界とUXの役割
- 4領域の境界は固定されておらず、問題の複雑さと導入難易度はいずれも変わり得る
- モデル能力は数カ月ごとに大きく改善してきたが、最近はモデル改善が停滞する傾向があり、複雑さの軸への関心は相対的に低下している
- より大きな変化の可能性は**ユーザー体験（UX）**にある
- AIアプリケーションのUXは、まだ十分に探求されていない分野である
- 新しいUXパラダイムは、ユーザーが製品を導入する方法を変え得る
- Web版Claude Codeは、コーディングエージェントをブラウザで提供し、IDEやターミナルに抵抗を感じるユーザーでもアクセスできるようにした事例である
今後12〜24カ月
- 今後12〜24カ月には、導入も解決も難しい市場から勝者が登場すると予想される
- SierraとDecagonの成長のように滑らかには進まない可能性が高い
- 評価サイクルがより長くなる
- 実装がより複雑になる
- 全体の成功率もより低くなり得る
- 企業がプロセスを改善し、蓄積されたデータでモデル性能を高めれば、この領域で莫大な売上を生み出せる
まだコメントはありません。