Alpha Beyond Frontier Insights

月: 2026年8月

  • AIはバブルか——問いが噛み合わないのは、みなが違う「段差」を見ているからだ

    AIはバブルか——問いが噛み合わないのは、みなが違う「段差」を見ているからだ

    AIはバブルか——問いが噛み合わないのは、みなが違う「段差」を見ているからだ

    はじめに：論争が噛み合わないのは、なぜか

    「AIはバブルか」という問いをめぐって、優れた論者たちが、正反対の結論を出している。

    一方には、需要の爆発的な成長を示す側がいる。対話型AIの利用者は週あたり数億人に達し、有力企業の売上は年単位で数倍に伸びている。ゴールドマン・サックスのように、AIをめぐるトークン需要が今後さらに桁違いに拡大すると見込む分析もある。もう一方には、いま積み上がっている設備投資は回収できないと説く側がいる。ジム・チャノスやマイケル・バリー等の著名な投資家は、計算資源の減価償却の重さや、投資と回収の年限のずれを指摘する（もっとも、彼らは価格の下落に賭けるポジションを取る立場でもあり、その分は割り引いて読む必要がある）。

    奇妙なのは、どちらの主張も、公開されているデータで裏づけられることだ。では、両者は矛盾しているのか。私はそうは思わない。彼らは、同じ問いに反対の答えを出しているのではなく、AI産業という積み重なった構造の、異なる場所を見ている。だから、「AIには巨大な実需がある」と「いまの投資額は回収できない」は、同時に成立し得る。

    問いを立て直そう。AIは全体としてバブルなのか、ではない。本稿は、バブルは、どこにあるのかの問いに答えたい。

    1. バブルは「層の属性」ではなく、「層と層のつなぎ目」に宿る

    AIを一枚岩とみなして「実需かバブルか」と問うことに、無理がある。AI産業は、積み重なった層でできているからだ。人々の需要があり、その上に売上があり、その上に利益があり、それらを見込んだ設備投資があり、さらにその上に評価額と資金調達がある。

    この積み重なりのなかでは、実需とバブルは共存する。ある層では期待が本物の需要に裏づけられ、同時に別の層では、期待が実態を追い越している。だからバブルは、全体の「水位」——スタックがどれだけ高く積み上がったか——には現れない。現れるのは、ある層で織り込まれた期待が、次の層の売上や利益へと「変換されない」つなぎ目、すなわち層と層の間の「段差」だ。

    念のために言えば、これはまったく新しい見方ではない。AI産業を層に分けて診断する試みは、すでに数多くある。設備投資と売上の開きを問う分析も、層ごとに成熟のタイミングが違うと指摘する議論もある。本稿が付け加えたいのは、視点を一つ動かすことだけだ——投資判断で本当に問うべきは、各層が良いか悪いかではなく、隣り合う層の期待が、互いに接続できているかである。

    2. いま、段差はどこにあるのか

    いま最も鋭い段差は、スタックの最上段にある。設備投資・評価額と、それを支えるべき実需との間だ。ベンチャーキャピタルのセコイア・キャピタルのデービッド・カーンは、AIインフラへの投資額を正当化するのに必要な売上と、実際の売上との差を問う枠組みを示した（もともとは2024年に「6,000億ドルの問い」として提起したものだ）。これをいまの規模に当てはめれば、2026年のAIインフラへの支出を正当化するには、年間で数兆ドル規模の売上が必要になる。ところが、クラウドの増加分をすべてAIに数え入れても、実際にAIに帰属する売上は、その数分の一から十数分の一にとどまる。上位層で織り込まれた期待が、下位層の売上へまだ変換されていない——これが、いま最も可視化されている段差である。

    ただし、ここで「実需」をどの層で測るかを、はっきりさせておく必要がある。データセンターの稼働という意味での需要なら、空室率は低く、実需は厚い。だが、企業の現場でAIが利益を生んでいるかという意味での需要なら、話は変わる。マサチューセッツ工科大学（MIT）の研究チームによる速報段階の調査では、企業の生成AI導入の多くが明確な損益改善に至っていないと報告された（この数字は「成功」の定義が狭く、現場に広がる非公式な利用を捉えていないという批判もあり、割り引いて読む必要がある）。使われてはいるが、利益には変換されていない。ここにも段差がある。

    もっとも、段差は固定ではない。AIネイティブ企業の顧客維持率も粗利率も、この一、二年で改善しているという報告がある。下位層は、上位層の期待に、少しずつ追いつこうとしている。問題は、追いつく速さと、投資が回収を迫る速さの、どちらが勝つかだ。

    3. 実需と過剰投資は、同時に真でありうる

    「巨額の投資が、実需に見合わない」——この構図は、歴史のなかで何度も繰り返されてきた。そして、そのたびに教えているのは、実需と過剰投資が共存し得るということだ。

    19世紀の鉄道も、2000年前後の光ファイバーも、多くの投資家に巨額の損失をもたらした。鉄道株は大きく暴落し、敷かれた光ファイバーの大半は、長らく使われないまま眠った。だが、鉄道網も光ファイバーも、その後の経済の土台として残った。光ファイバーは、約10年を経て、クラウドの基盤を支えるだけの需要にようやく使い尽くされた。インフラへの過剰投資が、後の世の社会的な基盤になることは、確かにある。

    だが、ここで大事な区別がある。社会にとって役に立つことと、最初にその投資をした資本の出し手が回収できることは、別だ。鉄道網は残ったが、多くの鉄道会社の株主は報われなかった。

    そして、AIには、過去のバブルにはなかった非対称がある。光ファイバーは、耐用年数が20年、30年と長いからこそ、「いつか需要が追いつく」まで価値を保ったまま待つことができた。ところが、AIの計算資源の中核である半導体は、数年で次の世代に置き換わり、価値の減り方も速い。需要が追いつくのを、待ってくれない。だから、「長期的にはすべて正当化される」という楽観は、AIにはそのままの形では当てはまらない。過剰に敷かれた光ファイバーは10年後に活きたが、過剰に積まれた計算資源は、10年後には陳腐化している。

    4. 崩壊が来るとしても、全層を一様には襲わない

    以上を踏まえると、問うべきは「AIはバブルか否か」ではない。どの層に段差があるか、である。

    仮に次の調整局面が来ても、それはAIの価値そのものを否定するとは限らない。歴史が示すのは、崩壊が全層を一様には襲わないことだ。過剰に敷かれたインフラは残り、後の需要に使われた。一方で、実態から離れた評価額と、期待だけで走った多くの企業は、消えた。ドットコム崩壊で株価を9割落としたアマゾンはその後に数十倍へ育ち、ペッツ・ドットコムのような企業は二度と戻らなかった。運命を分けたのは、どの層にいたかではない。

    生き残る側を予告するのは、どの段差を、すでに越えていたかだ。広がった利用を継続する売上に変えられていたか。売上を利益に変えられていたか。積んだ投資を、回収の道筋につなげられていたか。期待を、次の層の実態へと変換できていた企業は残り、変換をこれからに賭けていた企業は、調整局面でその賭けを問われる。

    おわりに：水位ではなく、段差を見る

    「AIはバブルか」。この問いに、産業全体への一括の答えはない。より正確に言えば——バブルは、スタックの高さ（水位）ではなく、層と層のつなぎ目（段差）に現れる。実需と過剰投資は同時に真であり、優れた論者たちが対立して見えるのは、それぞれが違う段差を見ているからだ。

    次の調整局面が来たとして、それはAIの価値そのものを否定するとは限らない。しかし、価値が存在することと、いまの投資額が回収されることは、同じではない。崩壊が全層を一様には襲わないのなら、生存者を予告するのは、どの層にいたかではなく、どの段差をすでに越えていたか、である。AIと資本の関係は、まだ入口にある。

    中塚 恵介

    JAPAN AI CFO／GENIEE Group CFO。AI企業の成長戦略、資本政策、IR・資金調達、M&A、海外展開などを通じて、日本発のテクノロジー企業の企業価値向上に取り組んでいる。 前職ではグローバルベンチャーキャピタル B Capital の Japan Lead として、AI・ディープテック・クライメートテック領域を中心に、日本におけるスタートアップ投資を担当。それ以前は BCG／BCG X にて、企業の新規事業創出、事業戦略、ベンチャー立ち上げなどに従事し、構想から事業化・実行までを支援した。キャリア初期には内閣府などで政策立案にも携わった。 一貫して、資本・技術・人・制度がどのように結びつき、新しい産業や企業が生まれるのかに関心を持つ。現在は、投資・支援する立場から経営の当事者へと軸足を移し、日本からグローバルに競争力のあるAI・テクノロジー企業を生み出すことをテーマとしている。 Alpha Beyond Frontier では、スタートアップ、ベンチャーキャピタル、AI、M&A、コーポレートイノベーションを中心に、資本市場と産業構造の変化を分析・発信している。

    本稿は、公開情報にもとづく独立した分析であり、特定の組織の公式見解ではありません。設備投資・売上・評価額・調達に関する数値は、公開決算・公開集計・公開報道の範囲にとどめ、一部に推計・報道による情報を含みます。空売り投資家など特定の立場からの見解は、その立場を割り引いて扱っています。「層の段差／期待の変換」という整理は、筆者が分析のために用いる視角であり、業界標準の定義ではありません。記載した数値は各出典の公表時点のものです。

    References

    本ブログの関連記事

  • AI企業の価値は、取得の仕方で失われる——AI時代のM&Aで問われる「横展開・保持・統合」の三条件

    AI企業の価値は、取得の仕方で失われる——AI時代のM&Aで問われる「横展開・保持・統合」の三条件

    AI企業の価値は、取得の仕方で失われる——AI時代のM&Aで問われる「横展開・保持・統合」の三条件

    はじめに：買収価格は、入口にすぎない

    AI企業には、高い買収プレミアムが付いている。生成AIへの期待を背景に、売上に対して従来のソフトウェア企業を大きく上回る倍率で評価される例も珍しくない。

    だが、注意したいことがある。買収価格が示すのは、あくまで「取得時点」の資産価値にすぎない。 買収したあとに、その価値が本当に手元に残り、活かせるかは、別の問題だ。とりわけAIでは、資産の価値が速く変わり、切り離しやすいため、取得時点の価値と取得後の価値が乖離しやすい。

    そのため、AI企業を評価するときは、売上や規模だけでなく、次の三つを見る必要がある。取得した資産を、①他の事業にも横展開できるか、②取得後も手元に残るか、③自社の仕組みに接続できるか。この三つが揃って初めて、支払った価格は「取得後の価値」に変わる。

    なお本稿では、法的な企業買収だけでなく、技術ライセンスの取得と中核人材の採用、大型出資など、企業の重要な資産を実質的に取り込む取引も、あわせて「取得」として扱う。AI時代には、会社を丸ごと買うより、こうした形で資産だけを取り込む例が増えているからだ。以下、実際のディールを追いながら、三つの問いを具体化していく。

    1. 高く買っても、買収した瞬間に価値が落ちることがある

    まず、直感に反する現象から始めたい。AI企業を高値で買収したのに、買収したという事実そのものが、買った資産の価値を削ってしまうことがある。

    象徴的なのが、データ関連のスタートアップ Scale AI をめぐる経緯だ。報道によれば、Meta は Scale AI に約143億ドルを出資して49％の持分を取得したが、これは議決権を伴わない少数持分であり、Scale AI 自体は別会社として存続している。創業者の Alexandr Wang らは Meta へ移り、新たなAI組織を率いることになった。ところがその後、同社の中立性を頼りにしていた顧客——Meta の競合を含む——が距離を置く動きが出た。OpenAI は取引の段階的な終了を認め、Google も関係を見直すと報じられ、Meta 内部でも一部が別のデータ供給元を使ったと伝えられている。

    これらの動きは、「特定の一社と強い資本関係を持った」という事実が、競合する顧客に中立性への懸念を生じさせ、資産の価値を損なう可能性を示している。顧客離脱のすべてがこの出資によるものか、価値が実際にどれだけ下がったかまでは、公開情報からは確定できない。だが、中立であることに価値がある資産は、中立性を疑われた瞬間から目減りし得る——この構造は見えてくる。

    これは、取得の設計を誤ると起きることだ。企業買収では、買う対象を間違えたからではなく、買ったあとの統合に失敗して価値を失う例が多い、という古くからの知見がある。AIのM&Aは、その教訓が、より鋭い形で当てはまる場面だと言える。高く買えば価値が手に入る、という単純な話ではない。

    2. AI時代のM&Aは、「会社を買う」とは限らない

    では、AI企業を買うとき、企業は実際に何を買っているのか。近年のディールを見ると、その形が変わってきている。

    これまでのM&Aは、事業や売上をまるごと取得するのが基本だった。ところがAIでは、会社全体ではなく、人材、モデルやデータ、そしてそれらを使うライセンスに対価が向かう形が目立つ。たとえば Microsoft は Inflection AI から中核チームを採用し、技術を使う非独占ライセンスを得た。報道によれば、支払いの大半は事業の買収ではなく、このライセンスと人材に向けられた。

    この形が極端に現れたのが、コーディング支援AIの Windsurf をめぐる経緯だ。報じられているところによれば、OpenAI による大型買収が破談になったあと、Google は同社の一部技術の非独占ライセンスを得て、経営トップや共同創業者、一部の研究開発人材を採用した。一方、製品・知的財産・ブランド・顧客基盤を含む事業そのものは、別の企業 Cognition が買収した（Cognition は、残った事業のARRが約8,200万ドル、企業顧客が350社以上だったと公表している）。つまり、中核人材と一部技術へのアクセス、そして残された製品・IP・顧客基盤が、異なる取引を通じて別々に値付けされたわけだ。一つの会社のなかにあった人材、技術、製品、顧客基盤が分解され、それぞれ異なる価値として取引されたのである。

    3. 「横展開できるか」と「買収後も残るか」は、別のことだ

    ここで、買収資産を測る二つの軸を区別しておきたい。

    一つは、その資産を他の顧客や製品へ横展開できるかだ。たとえば、ある顧客向けに蓄積した業務データや品質評価の仕組みを、別の顧客・製品・業界にも展開できれば、対価に見合う。これは、ある資源を別の用途へ再配置できるかという、経営学で以前から論じられてきた見方に近い。

    もう一つは、その資産が買収後も手元に残るかだ。人材は辞め、データは古くなり、顧客は離れていく。

    この二つは、実は必ずしも一致しない。人材流出や顧客離反は従来のM&Aにもあった問題だが、AIではその速度が際立って速い。傑出した研究者を手に入れても数年で去り、独自データも急速に陳腐化し、顧客は容易に乗り換える。実際、大手に取り込まれたAIチームから中核メンバーが相次いで離脱した例は、珍しくない。横展開できることと、手元に残ることは、別の問題なのだ。 売上や人材の「規模」は買収時点の価値を示すが、それが横展開でき、かつ残るかどうかは、価格表には表れない。

    4. 問うべき三つの質問

    以上を踏まえると、AI企業のM&Aで確認すべきことが、冒頭に挙げた三つに戻ってくる。

    第一に、その資産は他の事業へ横展開できるか。第二に、買収後も手元に残るか。第三に、その資産を自社の学習と展開の仕組みに接続できるか。三つ目の「接続」とは、たとえば取得した品質評価の基盤を自社モデルの改善に組み込み、顧客接点を既存の販売・導入網に載せ、そこで得た知見を次の顧客や製品でも使える状態にすることだ。買った資産を、企業の成長の仕組みそのものへ変換できるか、と言い換えてもいい。

    売上シナジーの試算だけでは、この三つには答えられない。どれか一つでも欠ければ——横展開できない資産を買う、残らない資産に払う、統合を誤って資産を減価させる——支払った対価は入口の価格を回収できない。問われているのは、買収前に見えていた価値を、買収後にも残すための「取得の設計」である。

    そして、この視点は企業買収だけに限られない。AI企業への出資、業務提携、外部AIの導入でも、相手がいま持つ機能だけでなく、その資産が自社のなかに残り、継続的に活用できる形になっているかを確認する必要がある。

    ただし、正直に線を引いておきたい。この見方が、すべてのAI買収に当てはまるわけではない。安定した継続収益と高い定着率を持つ業種特化型のAIや、基盤インフラをまるごと取り込む買収では、従来どおり「事業と売上を買う」ロジックがなお有効に働く。市場がAIにプレミアムを払うのも、すべてが幻というわけではない。本稿の視点がとりわけ効くのは、資産が揮発しやすく、統合の巧拙が価値を大きく左右する領域——人材やモデル、データを軸にした、フロンティアに近い買収である。

    おわりに：買収価格は入口、取得の設計が価値を決める

    AI企業のM&Aで、企業は表面的には会社や売上を買っている。だが実際に価値を左右するのは、その背後にあるデータ・評価基盤・人材・顧客接点を、買収後にも残し、横展開できる形で取得できるかどうかだ。AIでは資産の価値が速く変わり、切り離しやすい。だからこそ、優れた資産を高く買っても、取得の仕方しだいで、その価値は急速に失われ得る。

    買収価格は、入口にすぎない。問われているのは、買収前に見えていた価値を、買収後にも残せるかである。

    そして、この視点は、AIをめぐる資本の動き全体をどう読むか、という最後の問いにつながる。高い評価額、巨額の買収、加熱するM&A——それらは実需を映しているのか、それとも先取りされた期待なのか。稿を改めて、AIバブルがどこに現れるのかを考えたい。

    中塚 恵介

    JAPAN AI CFO／GENIEE Group CFO。AI企業の成長戦略、資本政策、IR・資金調達、M&A、海外展開などを通じて、日本発のテクノロジー企業の企業価値向上に取り組んでいる。 前職ではグローバルベンチャーキャピタル B Capital の Japan Lead として、AI・ディープテック・クライメートテック領域を中心に、日本におけるスタートアップ投資を担当。それ以前は BCG／BCG X にて、企業の新規事業創出、事業戦略、ベンチャー立ち上げなどに従事し、構想から事業化・実行までを支援した。キャリア初期には内閣府などで政策立案にも携わった。 一貫して、資本・技術・人・制度がどのように結びつき、新しい産業や企業が生まれるのかに関心を持つ。現在は、投資・支援する立場から経営の当事者へと軸足を移し、日本からグローバルに競争力のあるAI・テクノロジー企業を生み出すことをテーマとしている。 Alpha Beyond Frontier では、スタートアップ、ベンチャーキャピタル、AI、M&A、コーポレートイノベーションを中心に、資本市場と産業構造の変化を分析・発信している。

    本稿は、公開情報にもとづく独立した分析であり、特定の組織の公式見解ではありません。特定企業の買収・出資・ライセンス取得等に関する記述は、公式発表・公開報道の範囲にとどめ、持分比率・金額の内訳や取引後の経緯には報道による情報が含まれます。取引の意図・動機、および資産価値への影響については、公表・報道された範囲を超えて断定していません。「横展開・保持・統合」という整理は、筆者が分析のために用いる枠組みであり、業界標準の定義ではありません。記載した数値は各出典の公表時点のものです。

    References

    本ブログの関連記事

  • Vertical SaaSはAIに飲み込まれるのか——勝敗を分ける「事業モデル債務」

    Vertical SaaSはAIに飲み込まれるのか——勝敗を分ける「事業モデル債務」

    Vertical SaaSはAIに飲み込まれるのか——勝敗を分ける「事業モデル債務」

    はじめに：問いを立て直す

    生成AIがソフトウェア業界を揺らすなかで、よく聞く対立の立て方がある。身軽なAIネイティブの新興企業が、旧世代の業種特化型ソフトウェア（Vertical SaaS）を飲み込んでいく——という図式だ。

    だが、この対立だけでは、本質を十分に捉えられない。既存のVertical SaaS企業は、長年ためてきた業務記録、深い顧客関係、確立した販売網を持ち、本来なら新規参入者に対して有利なはずだ。それでも、その優位を生かせずに、次第に価値の薄い役回りへ押しやられる企業が現れている。なぜか。

    価値がAIの時代にどの層へ移るのかという産業構造の話は、稿を改めて論じた（横断エージェントは何を吸収し、企業は何を手放せないのか、という「責任の境界」の議論だ）。本稿で扱いたいのは、その先である。有利な位置にいる既存企業は、なぜその優位を生かせないのか。 答えを先に言えば、明暗を分けるのは、AIネイティブかどうかでも、記録を持っているかどうかでもない。その記録を、AIによる業務の「実行」へと変えられるか。そして、それを妨げる自社の仕組みを組み替えられるかである。

    1. 記録を持つことは、有利だが十分ではない

    業種特化型のソフトウェアは、その業界の業務が流れ込む「正式な記録の担い手（system of record）」であることが多い。会計ソフトには取引が、建設管理ソフトには現場の工程が、医療ソフトには診療の記録が、日々書き込まれていく。この蓄積は、外から買ってきたデータでは代替しにくく、エージェントが賢くなるほど、動くための土台となる記録の価値はむしろ上がる、という見方には理がある。

    問題は、記録を「持っている」ことと、それを「使って業務を終わらせる」ことの間に、大きな隔たりがあることだ。ここでいう「実行」とは、記録を読むことではなく、記録を使って業務を完了させることを指す。会計記録を参照するだけでなく、未回収の債権を特定して督促まで行う。建設の工程を表示するだけでなく、遅延を検知して人員や資材の手配を組み替える。顧客情報を検索するだけでなく、条件に応じて見積もりや契約更新の手続きまで進める。「記録を読むAI」から「記録を使って業務を完了するAI」へ——この移行ができるかどうかが、記録の価値を左右する。

    記録を持つことは、有利ではある。しかし、それだけでは十分ではない。実際、深い記録を持っていても、その記録を実行へ接続できなければ、優位は生かせない。このことは、同じ会社の中の対照を見ると、はっきりする。

    2. Intuit——同じ会社の中で、結果が分かれた

    会計・税務ソフトウェアを手がけるIntuitは、この問題を考えるうえで示唆に富む。異なる企業を比べるのではなく、同じ会社のなかで、二つの製品の立ち位置が分かれているからだ。

    一方は、中小企業向けの会計ソフト（QuickBooks）である。ここには、日々の取引や請求が継続的に書き込まれていく。記録は深く、業務に埋め込まれ、途切れない。この領域は、AIが広がるなかでも二桁の成長を続けていると、同社の決算は示している。

    もう一方は、個人向けの確定申告ソフト（TurboTax）だ。使うのは基本的に年に一度、税務に詳しくない個人が、画面の案内に沿って申告を完成させる。提供してきた価値の中心は、「専門家でない人を手順に沿って導くこと」にあった。会話するだけで申告を進めるようなAIが広がれば、この「手順に沿って導く」価値は置き換えられやすい。実際に売上が落ちたわけではないが、市場はこの将来リスクを織り込み、Intuitの株価は2026年に入って大きく下落したと報じられている。一部のアナリストは、AIによる申告が広がれば確定申告事業の収益が将来的に目減りしうると試算している（いずれも報道・アナリストの推計であり、幅を持って読むべき見立てだ）。

    この比較から直接言えるのは、ここまでだ。深く継続する記録を握り、それが業務に埋め込まれている領域は強く、記録が薄く価値の中心が「人を画面で導くこと」にあった領域はAIに揺さぶられやすい。つまり、AIへの耐性は、記録の深さと業務への埋め込み方で変わる。

    ただし、これは製品と記録の構造の違いであって、それだけで勝敗が決まるわけではない。深い記録を持つ領域でも、その記録をAIの実行へ接続し直せなければ、優位は生かせない。ここから先は、記録の性質ではなく、経営の問題になる。

    3. 移行を妨げる、もう一つの壁——「事業モデル債務」

    記録をAIの実行へ移す。言葉にすれば単純だが、既存企業にとっては驚くほど難しい。難しさの正体は、技術だけではない。正式な記録への書き戻し、権限管理、正確性の担保、監査、例外処理など、技術的な課題も残る。だが、既存企業にとってより大きな壁になるのは、既存事業を成功させてきた仕組みそのものだ。これを「事業モデル債務」と呼びたい。

    事業モデル債務とは、既存事業を成長させるために最適化された価格、評価指標（KPI）、営業報酬、組織、売上計画が、次の事業モデルへの移行を遅らせる状態である。 これは、単なる「席課金の問題」でも、「変化を嫌う大企業病」でもない。むしろ逆で、成功してきた仕組みが合理的であるほど、移行を妨げるという逆説にこそ、この概念の要点がある。

    具体的に見てみる。多くのVertical SaaS は「利用する席数（ユーザー数）」で課金してきた。すると営業の計画も報酬も席数を増やすことを軸に組まれ、既存顧客への追加販売も、より多くの席と機能の利用を前提にする。プロダクトの評価指標は画面の利用率やログイン頻度で測られ、カスタマーサクセスや導入支援の組織も「顧客にしっかり使ってもらう」ことを前提に設計されている。すべて、席数と画面の利用を価値の中心に置いた事業を回すために積み上げられてきた仕組みだ。

    ところが、AIが業務を実行するほど、人が画面に触れる回数は減り、席数も利用率も下がる。これまで「良い数字」とされてきた指標が、移行を進めるほど悪化するのだ。営業は席の減る提案を避け、プロダクトは利用率の落ちる機能を後回しにし、売上計画は席数の前提のまま動かない。だから、移行しないことのほうが短期的には合理的に見えてしまう。有利なはずの既存企業が優位を生かせない理由は、ここにある。

    4. 何を変えるのか——「自己共食い」を具体化する

    とすれば、既存企業に求められるのは、既存収益を一部毀損してでも移行を進める判断だ。ただし、これは覚悟の問題ではなく、具体的に何の仕組みを変えるかの問題である。変えるべきものは、大きく三つに整理できる。

    評価指標を、席数や利用率から、実行された結果——完了した業務、解決した案件——へ移すこと。収益モデルを、席へのアクセスだけでなく、実行回数、処理量、完了した業務、あるいは制御可能な範囲の成果に連動する形へ設計し直すこと。すべての業務で純粋な成果課金が成り立つわけではないが、価格の重心を「使わせること」から「実行すること」へ寄せる余地は広い（価格の単位が売り手の引き受ける責任を映す、という点は別稿で論じた）。そして組織を、営業報酬を「席を増やす」から「成果を出す」へ、カスタマーサクセスや導入支援を「使ってもらう」から「実行させる」へと組み替えることだ。

    ここで、誤解を避けたい。UI（画面）が不要になる、という話ではない。 人が値を入力し、結果を確認し、例外に対処する場面は残る。AIが確率的に動く以上、人が確認し責任を負う接点はむしろ消えない。変わるのは、価値の中心がどこに置かれるかだ。「どれだけ画面に滞在し、何席使われたか」から、「どれだけの業務が実行され、成果が出たか」へ、重心が移る。言い換えれば——UIは、かつてVertical SaaS を守る堀だった。しかしエージェントへの移行局面では、その堀が、動きを妨げる壁にもなり得る。

    自社がどちら側にいるかは、三つの問いで見立てられる。第一に、エージェントが成功するほど、いまの席数や利用率は下がる構造になっているか。第二に、それでもなお、営業担当者と事業責任者は移行を推進する評価設計になっているか。第三に、自社のAIは提案や要約で止まらず、正式な記録へ書き戻し、業務を完了できるか。この三つに答えられない企業は、AI機能を追加していても、本質的な移行はまだ進んでいない。

    5. だから、結論は「消える」ではなく「分かれる」

    以上を踏まえると、「既存のVertical SaaS はAIネイティブに飲み込まれて消える」という見方は、単純すぎる。実態は、消えるかどうかではなく、分かれるというほうが近い。大きくは、二つの方向に分かれる。既存事業を守ろうとする企業は、記録を差し出すだけのデータ供給者へと役回りが痩せていく。記録は持っているのに、その上でエージェントが動き、顧客との接点はエージェント側へ移る。一方、記録をAIの実行へ移せた企業は、外部エージェントに記録を供給するだけの存在ではなく、自らエージェント層を担う業務基盤になる。

    この基盤側に残る条件は、三つに整理できる。自社が固有に生み出してきた、深く継続する記録を持つこと。その記録を、AIによる業務の実行へ接続できること。そして最も難しいのが、席や画面の利用という既存の収益源を、自ら組み替える経営判断ができることだ。前の二つは資産の問題だが、最後の一つは、事業モデル債務を引き受けて動けるかという経営の問題である。裏を返せば、AIネイティブの新規企業が必ず有利とも限らない。既存企業が握る正式な記録や規制下の信頼は、簡単には越えられない障壁になる。差がつくのは、有利な位置にいるかどうかではなく、その優位を新しい事業モデルへ転換できるかどうかだ。

    だから、こう言える。記録は、参入障壁になり得る。しかし、その記録の上に築いた既存の収益モデルが、次の事業への移行を、かえって妨げることもある。 既存のVertical SaaS が問われているのは、AI機能を足せるかどうかではなく、自社を成功させてきた仕組みを、自ら組み替えられるかどうかである。

    そして、この差は、次の論点にもつながる。自力で移行できない企業の記録や顧客基盤は、他社にとってどのような買収価値を持つのか。AIの時代のM&Aで、企業は本当は何を買っているのか。稿を改めて考えたい。

    中塚 恵介

    JAPAN AI CFO／GENIEE Group CFO。AI企業の成長戦略、資本政策、IR・資金調達、M&A、海外展開などを通じて、日本発のテクノロジー企業の企業価値向上に取り組んでいる。 前職ではグローバルベンチャーキャピタル B Capital の Japan Lead として、AI・ディープテック・クライメートテック領域を中心に、日本におけるスタートアップ投資を担当。それ以前は BCG／BCG X にて、企業の新規事業創出、事業戦略、ベンチャー立ち上げなどに従事し、構想から事業化・実行までを支援した。キャリア初期には内閣府などで政策立案にも携わった。 一貫して、資本・技術・人・制度がどのように結びつき、新しい産業や企業が生まれるのかに関心を持つ。現在は、投資・支援する立場から経営の当事者へと軸足を移し、日本からグローバルに競争力のあるAI・テクノロジー企業を生み出すことをテーマとしている。 Alpha Beyond Frontier では、スタートアップ、ベンチャーキャピタル、AI、M&A、コーポレートイノベーションを中心に、資本市場と産業構造の変化を分析・発信している。

    本稿は、公開情報にもとづく独立した分析であり、特定の組織の公式見解ではありません。特定企業の製品・業績・株価に関する記述は、公式発表・公開報道・アナリストの公開見解の範囲にとどめ、数値には推計・報道が含まれます。「事業モデル債務」という整理は、筆者が分析のために用いる枠組みであり、業界標準の定義ではありません。記載した数値は各出典の公表時点のものです。

    References

    本ブログの関連記事