Alpha Beyond Frontier Insights

タグ: エージェント

  • Salesforceが変えたのは、課金の単位ではなかった——AI時代に分裂した「二つの単位」

    Salesforceが変えたのは、課金の単位ではなかった——AI時代に分裂した「二つの単位」

    Salesforceが変えたのは、課金の単位ではなかった——AI時代に分裂した「二つの単位」

    はじめに：捨てられたのは、席課金ではなかった

    2026年、Salesforceの株価は大きく下落したと報じられている。8月中旬の時点で年初来25%超の下落、6月には多年来の安値をつけた。2025年には300ドルを超えていた株価である。市場でこの局面は「SaaSpocalypse」とも呼ばれた。

    理由として挙げられているのは、おおむね一つのことだ。AIエージェントが仕事をするようになれば、人数に応じて課金するソフトウェアのモデルは成り立たなくなるのではないか、という懸念である。同社のマーク・ベニオフCEOは2026年8月、こうした見方に対して「ソフトウェアの弱気派は完全に間違っている」と反論したと報じられた。

    では、実際に何が起きているのか。素朴に考えれば、確かめるべきことは一つに見える。同社は席課金を捨てたのか。

    公表されている価格表と決算資料を追うと、答えは明快だった。捨てていない。 それどころか、席あたりの価格帯はむしろ上に伸びている。

    だが、何も変わっていないわけではない。ここ2年の開示を並べると、別のことが起きているのが見えてくる。すなわち、顧客に請求する物差しと、投資家に成長を説明する物差しが、別になりつつある点だ。

    本稿では、前者を課金単位、後者を評価単位と呼ぶ。Salesforceが変えたのは課金単位ではなく、評価単位のほうだった。そして両者の間に、換算レートは公表されていない。

    本稿は、Salesforceの公表資料をもとに、AI時代に企業が何を開示するようになり、何を言わなくなったかを読む試みの第1回である。

    1. どんな会社か——「人数×月額」で世界最大になった会社

    Salesforceは企業向けソフトウェアの最大手で、2026年1月期の売上は415億ドル（前年比10%増）。営業やカスタマーサポートの業務を支えるクラウドサービスを、長く一つの形で売ってきた。使う人数×一人あたり月額、いわゆる席課金（per-seat）である。

    この形は強い。導入した企業で使う人が増えれば、自動的に売上が増える。しかも契約は積み上がる。直近の四半期末で、今後12か月以内に売上として認識される契約残高は335億ドル、前年同期比14%増と開示されている。

    つまり、席課金はこの会社の弱点ではなく、長らく最大の強みだった。だからこそ、それが崩れるという見方は市場に効いた。

    2. 市場はどう反応してきたか

    注意しておきたいのは、この下落が業績の悪化と同時に起きたわけではないことだ。直近の2026年7月期の四半期では、売上113億ドル（前年同期比11%増）、非GAAPベースの営業利益率は34.1%。通期見通しも引き上げられている。

    売上は伸び、利益率は高い水準にある。それでも株価は下げた。市場が織り込もうとしているのは足元の数字ではなく、席課金というモデルそのものの持続性だと報じられている。

    以下は株価の予測ではない。ただ、この構図を頭に置いておくと、次に見る開示の変化が読みやすくなる。市場は「席が減る」という話をしている。では会社は、何の話をしているのか。

    3. 席課金は、捨てられていない——上に積まれている

    公開されている Agentforce の価格表を見ると、課金の単位は一つではない。三つが併存している。

    席は残っている。営業・サービス向けのAI機能の追加は1ユーザーあたり月125ドル、業種特化版は150ドル。AI機能を前提にした上位エディションは1ユーザーあたり月550ドルからで、これには年間250万回分の「Flex Credits」が含まれる。

    消費が加わった。Flex Credits は10万クレジットあたり500ドルで販売され、AIエージェントの1アクションが20クレジットにあたる。成果に近い単位も一部にある。顧客向けエージェントに限って、1会話あたり2ドルという課金がある。

    つまり、席から消費への「移行」は起きていない。起きたのは、席の上に消費が積まれたことである。しかも席あたりの単価は、AI機能を含む上位エディションで月550ドルからと、従来より上の帯に伸びている。

    これは、以前にAIの価格モデルを扱った回で書いたことの、大規模な実例になっている。あのとき、価格は「使用量から成果へ」一直線には進まず、最も多いのはハイブリッド型で、それは妥協ではなく責任とリスクを売り手・買い手で分担する合理的な着地点だ、と整理した。世界最大のSaaS企業が実際に採ったのも、その形だった。

    だとすると、「席課金を捨てられるか」という問いは、少なくともこの会社については空振りである。では、何が変わったのか。

    4. 変わったのは、開示だった

    ここからが本題になる。この2年の決算発表を並べると、開示する指標そのものが書き換えられていることがわかる。

    新しく生まれた単位

    2026年2月の決算で、Salesforceは新しい単位を導入した。その名を Agentic Work Units（AWU、エージェント作業単位） という。AIエージェントが完了させた仕事の量を数える単位で、導入時点の累計24億から、直近の7月期には累計70億、当四半期だけで32億（四半期比97%増）まで伸びている。決算発表の見出しに並ぶ数字として、これは強い。

    ここで、多くの解説が取り違えている点がある。AWUは課金の単位ではない。

    Salesforce自身の説明では、AWUは「プラットフォーム全体の活動の広がりを捉える指標」とされている。課金に使われるのはFlex Creditsのほうで、AWU1単位あたりの価格も、AWUとFlex Creditsの換算比率も、公表されていない。

    つまり、決算で最も伸び率の大きい数字は、値段のついていない数字である。

    念のため書いておくと、この単位の発想自体には理がある。Salesforceは、トークン数のような指標は「AIがどれだけ喋ったかを測るだけで、実際に完了した仕事を測っていない」と説明している。これはもっともな指摘だ。処理量ではなく完了した仕事を数えようという方向は、価格の単位が成果へ寄っていくという流れとも整合する。

    問題は単位の作り方ではなく、AWUと売上との対応関係を、外部から検証できないことにある。

    言わなくなった指標

    新しく開示された指標と同様に、開示されなくなった指標にも着目したい。

    以前はトークンの処理量やAgentforceの取引件数も開示されていた。2026年2月期にはトークン19兆件、取引件数29,000件超といった数字が並んでいる。だが直近の7月期の発表には、どちらも出てこない。いまはAWUとARRが前面に出ている。

    見出し指標そのものも書き換わった。2025年2月期は「Data Cloud & AI ARR」という名前で9億ドル（前年比120%増）。2026年2月期に「Agentforce and Data 360 ARR」と改称され、29億ドル超になった。この29億ドルには、2025年11月に買収が完了したInformaticaのクラウドARR11億ドルが含まれており、当時はその内訳が明記されていた。ところが直近の7月期では、この指標は39億ドル（前年比210%増）と発表され、内訳は示されていない。

    もちろん、買収だけで伸びているわけではない。同社は既存顧客の拡張が受注の60%超を占めることや、買収事業の売上寄与も別途開示している。

    それでも、改称と再構成をまたいで「前年比210%増」という一つの成長率が提示されているという事実は残る。この数字を1年前の9億ドルと比べたくなるが、比べているものは同じではない。

    三つの方向が同時に起きている

    整理すると、Salesforceの開示には三つの変化がある。

    第一は、取引件数からARRへ、より収益に近い指標へ移っていることだ。Agentforceの取引件数よりもARRを前面に出すようになった。これは、利用実績だけでなく、実際にどれだけ収益につながっているかを示そうとする変化と読める。

    第二はその一方で、AWUという新しい利用指標を成長の中心に置き始めたことである。AWUはAIエージェントがどれだけ仕事をしたかを示すが、それ自体に価格はついていない。収益に近いARRを重視しながら、同時に売上との換算関係が見えない利用量も強調している。

    第三は、指標の定義そのものが変わっていることだ。「Data Cloud & AI ARR」は「Agentforce and Data 360 ARR」へ改称され、買収したInformaticaの事業も含むようになった。結果として、同じ名前の成長率を時系列で単純比較することが難しくなっている。

    つまり、Salesforceの開示は一方向に進んでいるわけではない。収益化を示す指標を強める一方で、新しい利用指標を加え、さらに既存指標の範囲も広げている。

    これは「開示が良くなった／悪くなった」という単純な話ではない。AIという新しい事業領域について、何をもって成長と呼び、何を投資家に見せるべきか、その物差し自体がまだ固まりきっていないということである。

    5. 何が言えるか

    ここまでの数字から、まず一つ明確に言えることがある。AIの利用量が増えることと、それが売上に変わることは同じではない。

    Salesforceでは、AIエージェントが完了した仕事を示すAWUが四半期比97%増、AI関連ARRが前年比210%増と、どちらも大きく伸びている。ただし、この二つを直接結びつけることはできない。単位も集計期間も異なり、AWUが増えると売上がいくら増えるのかという換算関係も公表されていないからだ。

    ここに、今回の開示を読むうえで最も重要なポイントがある。Salesforceでは、顧客に料金を請求するための「課金単位」と、AI事業の成長を説明するための「評価単位」が分かれつつある。

    課金単位は、席数、Flex Credits、会話数など、実際に顧客が対価を支払う物差しである。一方、AWUはAIエージェントがどれだけ仕事をしたかを示す物差しだ。AWUが伸びれば、AIの利用が広がっていることはわかる。しかし、それだけでは売上や利益がどれだけ増えるのかまではわからない。

    これはSalesforceに限った話ではない。今後、AI企業からは「エージェント実行回数」「AI処理件数」「自動化した時間」「タスク完了数」といった、新しい指標が次々に出てくるだろう。そのとき重要なのは、数字の伸び率だけを見るのではなく、その指標が事業の収益にどうつながっているかを見ることである。

    具体的には、三つを確認すればよい。

    • その数字は、顧客にとっての価値を表しているか
    • その数字に、実際の価格がついているか
    • その数字の増加が、売上や粗利の増加にどうつながるか

    もちろん、新しく生まれた指標がこの三つをすべて満たしていないからといって、意味がないわけではない。新しい市場では、事業モデルや価格体系が固まる前に、利用の広がりを示す指標が必要になることもある。

    重要なのは、「利用が伸びている」という事実と、「事業として価値が生まれている」という事実を分けて読むことだ。

    以前AIバブルを扱った回では、期待が実態へ変換される途中に「段差」が生まれると書いた。今回のSalesforceで興味深いのは、その段差の大きさを測るための換算関係自体が、まだ外からは見えないことである。

    おわりに：単位そのものを読む

    新しい技術が来るとき、企業は新しい指標を作る。それ自体は自然なことで、むしろ何も変えないほうが不自然だろう。既存の指標がその技術の価値を捉えられないなら、新しい単位が要る。

    ただ、新しい単位が生まれた直後には、必ず一つの期間がある。その単位がまだ値段と結びついていない期間である。新しい指標は過去との比較期間が短く、成長率だけを見れば大きな数字になりやすい。だからこそ重要なのは、その数字の伸びそのものではなく、売上や利益との接続である。

    AI時代の開示を見るとき、重要なのは数字の大きさではない。その数字が何を数え、そこに価格がつき、売上や利益へどう変換されるかである。

    新しく何を開示したか。そして、何を言わなくなったか。

    これからの企業分析では、「数字」だけでなく「単位」そのものを読む必要がある。次回以降も、1社ずつ、同じ問いで読んでいきたい。

    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。

    Disclaimer

    本稿は、公表資料および公開報道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。

    本稿は特定の証券の売買を推奨するものではなく、投資助言・投資勧誘ではありません。 将来の株価、企業価値の割高・割安、投資判断に関する見解を示すものではなく、記載した株価の推移は過去の報道の紹介にとどまります。

    本稿の記述は、決算発表資料、SECへの提出書類、同社が公開している価格表および製品説明、ならびに公開報道の範囲に限られます。内部情報には一切依拠していません。開示内容の変化から企業の意図を推定することはしていません。

    筆者は JAPAN AI 株式会社および株式会社ジーニーに所属しますが、本稿は Alpha Beyond Frontier における筆者個人の独立した分析であり、所属各社の公式見解を示すものではありません。

    記載した数値および事実は、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

  • Vertical AI の境界線——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

    Vertical AI の境界線——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

    Vertical AI の境界線——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

    はじめに：業種専用ソフトは、いらなくなるのか

    いま、多くの会社が使っているソフトウェアには、特定の業種や業務に特化したものが多い。法律事務所向け、病院向け、経理向け——そうした「業種専用ソフト」を、ここでは仮に業界特化ソフト（英語では Vertical SaaS などと呼ばれる）と呼んでおく。

    そこに、新しいタイプのAIが現れた。単に質問に答えるのではなく、複数のソフトをまたいで一連の作業を実行してしまうAIである。たとえば「この案件の資料を集めて、要約して、担当者に承認を回しておいて」と頼むと、いくつものシステムを横断して手を動かす。本稿ではこれを横断エージェントと呼ぶ。その能力は、この二年で急速に伸びた。もっとも、伸びたのは主に短い作業の範囲であって、長い時間にわたって複数の制約を守り、途中で変わる情報に対応しながら最後まで仕事を完遂する能力には、なお大きな課題が残っている。

    それでも、ここまで来ると、こんな問いが浮かぶ。汎用の横断エージェントが何でもやってくれるなら、業種専用ソフトはいらなくなるのではないか。 これは、AIに詳しいかどうかとは関係なく、ソフトを買う側にとっても、作る側や投資する側にとっても、素朴で切実な問いだ。

    先に、本稿の見立てを述べておく。生き残るかどうかを分けるのは、その業務が知的に難しいかどうかではない。分かれ目は、AIがどれだけ賢くなっても、その会社が手放せない「最終的な責任」を握っているかにある。ここで言う責任とは、正式な記録を誰が保持するか、業務のルールを誰が決めて管理するか、監査に耐える履歴を誰が負うか、という一線のことだ。以下では、なぜ「難しさ」では線を引けないのかから始め、この一線がどこにあり、そして時間とともにどう動くのかを、身近な業務の例に沿って見ていく。なお本稿は、特定企業の勝ち負けを予測するものではなく、公開情報から分かる事業構造の違いを整理するものである。

    1. 「難しい仕事ほど、AIに奪われにくい」わけではない

    まず、いちばん自然に見える線引きを崩しておきたい。「専門的で難しい仕事ほど、AIには奪われにくい」という思い込みである。

    具体例で考えてみよう。契約書の条項を読み解いて論点を洗い出す、という仕事は、人間にとっては高度な専門知識を要する。一方、社内の請求システムにログインして、正しい欄に金額を書き戻す、という仕事は、新人でもすぐ覚えられる。直感的には、前者のほうがAIに奪われにくそうに見える。だが実際には、逆のことが起きやすい。抽象的な読み解きや推論は、いまのAIがむしろ得意とする領域に近い。反対に、古い社内システムの癖に合わせて確実に書き戻す、という泥臭い作業のほうが、機械には手こずる場面が多い。

    人間にとって難しいことが機械にとって易しく、人間にとって易しいことが機械にとって難しい——これは古くからロボット工学で知られてきた傾向だ（モラベックのパラドックスと呼ばれる。厳密な法則ではなく反証もあるが、補助線としては役に立つ）。ここから分かるのは、「人間にとって専門的で難しい仕事であること」と、「AIに置き換えにくいこと」は、同じではない、ということだ。だとすれば、「難しい業種だから安全」という前提の上に、会社の生き残りを賭けることはできない。境界線は、別のところに引かれている。

    2. AIが「仕事をする」ことと、会社が「責任を持つ」ことは違う

    では、境界線はどこにあるのか。ここが本稿の中心なので、まず一つ、経理の現場を思い浮かべてほしい。

    請求書の処理を考える。いまのAIは、届いた請求書を読み取り、勘定科目を分類し、仕訳の案を作り、担当者に承認依頼を送るところまで、かなりの部分をこなせる。読む・分類する・案を作る・依頼を回す——このあたりは、AIがどんどん肩代わりしていく。

    ところが、その先に、AIが簡単には引き受けられないものが残る。どの仕訳を正式な帳簿として確定させるか。10万円を超える支払いに、誰の承認を必要とするか。あとで税務調査が入ったときに、いつ誰が何を承認したのかを、監査に耐える形でどう残すか。 これらは、AIが賢くなったからといって自動的に消える仕事ではない。むしろ、AIに任せる部分が増えるほど、「では、最後に責任を持つのは誰か」という問いは重くなる。

    ここから分かることは、シンプルだ。AIがその仕事をこなせることと、会社がその仕事に責任を持つことは、別のことである。 前者——考える・判断する・操作する・つなぐ——は、モデルの改善とともにAIの側へ移っていく。後者——正式な記録を保持し、ルールを管理し、承認と監査の履歴を負う——は、簡単には移らない。本稿では、この後者の一線を「責任の境界」と呼ぶ。

    同じ趣旨を、投資家の側から言い当てた整理がある。ベンチャーキャピタルの a16z で企業向けソフトウェアを見る Seema Amble は、AIエージェントは「使い慣れ（指の記憶）」に由来する粘着性という堀は壊すが、「業務のロジックと文脈」——安全に業務を回すために必要なルール・権限・手順の定義——という堀は壊さない、と書いている。守りの重心は、目に見える操作画面から、その裏にある業務の骨組みへと沈んでいく。

    この境界は、実務的な問いに翻訳できる。ある製品について、こう問うてみる——この製品は、自ら正式な記録を作り、誰がアクセスできるかの権限や、承認の流れ、そして変更・判断の履歴まで管理しているのか。それとも、他のシステムが管理するデータを読み取り、その上に分析や操作の機能を載せているのか。 後者、つまり既存の記録の上に機能を重ねる型が、それ自体として弱いわけではない。優れた使い勝手で大きな価値を生む製品はいくらでもある。問題はその先だ。記録・権限・承認を握っている基盤の側が、同じような分析・操作の機能を後から取り込んだとき、その製品の手元には何が残るのか。防御力を測る物差しは、機能の優秀さではなく、責任の仕組みにどれだけ食い込んでいるかにある。

    ただし、ここで一度立ち止まりたい。「深く食い込んでいれば残る」で終わらせると、話は甘くなる。食い込みの多くは、いまのAIが不得意なことを前提にしている。この点を、投資会社 SignalFire の Ryan Wexler が鋭く言い当てている——もし製品が「今のモデルが不得意なこと」に価値を依存させているなら、それは世界で最も優秀なエンジニア集団に逆張りしているのと同じだ、と。モデルが良くなった瞬間に、その足場は崩れる。だから本当に残るのは、「深く食い込んでいるもの」一般ではない。AIがどれだけ賢くなっても、なお会社が手放せない一線——責任の境界——だけである。

    3. 「正式な記録を握れば強い」の中身を、正しく理解する

    「正式な記録の担い手（英語では system of record と呼ばれる）を握れば強い」——これはよく聞く主張だ。ただ、しばしば「独自のデータをたくさん持てば強い」と読み替えられる。この読み替えには注意がいる。

    そもそもデータの量は、思われているほど堅い堀ではない。すでに2019年の時点で、a16z の Martin Casado らは、単にデータが多いこと自体からネットワーク効果が自動的に生まれるわけではなく、その多くは規模の効果にすぎない、と論じていた。データは集めるほど重複が増え、追加の一件が生む価値は逓減していく。ここから一歩進めて考えれば、生成AIが公開情報を吸収し続けるいま、「独自データを持っているから強い」という説明だけでは、もう足りない。正式な記録の強さは、業務の流れへの組み込み、権限管理、他システムとのつながり、乗り換えの手間など、複数の要因が重なって生まれる。そしてAI時代に残る強さの中心は、データの量よりも、その記録が正式であること、そして責任を伴うことのほうにある、と本稿は考える。

    具体例に戻ろう。「10万円以上の支払いは部長承認」という業務ルールが、これまではシステムの中にきちんと設定され、管理されてきたとする。これをAIへの指示に置き換え、「高額なら偉い人に確認して」といった曖昧な形で持たせてしまうと、何が起きるか。誰がそのルールを決めたのか、いつ変えたのか、間違いが起きたときに誰が責任を負うのかが、たちまち曖昧になる。きちんと管理されたルールを、あいまいなAIの指示に移した瞬間、その責任は静かに現場へ押し戻される。プレプリント論文「Going Headless?」（Hydari・Muzaffar）は、この現象を「規則負債（rule debt）」と名づけ、動かしてよい「インターフェースの境界」と、動かしてはならない「責任（アカウンタビリティ）の境界」を区別すべきだと論じている。

    つまり、横断エージェントは、責任まで引き受けてくれるわけではない。むしろ責任を、使う側に押し返す。だからこそ、ルールと承認と履歴をまるごと引き受ける仕組みには、なお居場所が残る。実際、医療の会話記録AIである Abridge は、診察の会話から請求に使えるコードや診断を含んだ診療記録の下書きを作り、それが既存の電子カルテに流れ込む形をとる。ただし記録が正式なものになるのは、最後に医師が確認して署名したときだ。法務でも、Harvey や Thomson Reuters の CoCounsel は、AIが下書きや調査を担っても最終的な判断と成果物の責任は弁護士に残る、という位置づけを公式にとっている。規制対応や「人による最終承認」が強みとして語られるのも、突き詰めれば、難しさの話ではなく、責任を誰が負うかの話なのである。

    4. 責任の境界は、時間とともに「内側」へ動く

    ここまで読むと、「では責任の境界を握れば安泰だ」と思えるかもしれない。だが、そう単純ではない。この境界線は固定されておらず、時間とともに動く。ここが、本稿でいちばん強調したい点だ。

    会社の仕事を、AIに近い表層から遠い深層へ、こう並べてみる。

    画面 → 操作 → 接続 → 判断 → 正式な記録 → 最終的な責任

    AIは、まず左端の「画面（使い慣れた操作画面）」を肩代わりし、次に「操作」を、そして「接続（システム同士をつなぐこと）」を飲み込んでいく。かつては個別の作り込みが必要だったシステム間の接続も、共通の規格が「AIにとってのUSB-C」のように普及し、安価な標準部品になりつつある。さらにモデルが賢くなれば、これまで人でなければ扱えなかった「判断」の一部も、右へ、より深い層へと移っていく。本稿では、この価値の重心が表層から深層へ移る動きを、「境界が内側へ動く」と表現する。 今日は「正式な記録」の手前で守れていても、明日には、その一歩内側まで踏み込まれるかもしれない。

    最後の防波堤は、契約と法律だ。主要なAIサービスの公開契約では、出力の正確性は保証されず（「現状のまま」提供される）、それを業務判断に用いた結果の責任は、使う側に置かれるのが一般的である。この「業務判断の責任は最後は人間の側に残る」という制度の重力が、境界を守る力として働く。だが、それも永遠の保証ではない。技術が標準化され、検証が仕組みとして効くようになり、規制の側が新しい管理の形を認めていけば、いま人間が担っている判断の一部も、少しずつ境界の内側へと移りうる。

    だから、責任の境界は「一度握れば終わり」ではない。「握り続けられるか」の問題だ。生き残る会社とは、境界を握った会社ではなく、境界が内側へ動くのに合わせて、握る場所を更新し続けられる会社である。

    5. FDEの価値も、「つなぐこと」から「責任を設計すること」へ

    この見方は、前稿で扱った FDE（フォワード・デプロイド・エンジニア。顧客の現場に入り込んで実装まで担うエンジニア職能）の評価にも、そのままはね返る。

    前稿では、「FDEを持てば勝てる」という単純な話をしなかった。同じことが、ここでも言える。FDEがいるかどうかは、堀の有無を決めない。決めるのは、FDEを通じて「何を蓄積したか」だ。

    もしFDEの仕事が、顧客ごとの接続を一件ずつ作り込む「つなぐ作業」に終始しているなら、それはまさに、標準化とモデルの改善で内側へ吸収されていく側の資産である。積み上げても、境界が動けば溶けていく。逆に、FDEが現場で拾ってくる暗黙知や、業務ルールの構造、監査に耐える責任の設計——こうしたものを製品に還元し、蓄積しているなら、それは残る側の資産になる。

    だから、FDEを抱える会社を見るときの問いは、「FDEが何人いるか」ではない。「そのFDEたちが、いずれ吸収される”つなぐ作業”を積んでいるのか、それとも吸収されにくい”責任とルール”を積んでいるのか」だ。分かれ目は職能の有無ではなく、その職能が何を蓄積するかの設計にある。境界が内側へ動くほど、FDEの値打ちは「つなぐこと」から「責任を設計すること」へと移っていく。

    ただし、ここで話を止めると、また静的な二分法に戻ってしまう。責任やルールの設計もまた、いつかは標準化され、製品に取り込まれていく。§4で見たとおり、境界そのものが動くからだ。今日は暗黙知として抱えている業務ルールの実装も、明日には誰かが標準機能にしてしまうかもしれない。

    だとすれば、本当に強い組織能力は、「いまどんな堀を持っているか」ではなく、昨日まで価値を生んでいた自分たちの実装を、自ら壊して次へ移れるかにある。FDEで言えば、こういう循環だ——顧客ごとの接続作業を自動化できるなら、進んで自分たちの接続の手数を減らす。個別に作り込んだ業務ルールの設計を製品化できるなら、個別支援で稼ぐ売上を守るより、標準機能へ移してしまう。そうして空いたFDEを、まだ誰も解いていない、より深い領域へ送り込む。過去の強みを自ら陳腐化させながら、次の境界へ人を送り続ける——この自己破壊の循環を回せる会社が、動く境界の上で生き残る。

    6. 投資家・作り手・買い手へ

    この境界の見方は、立場によって別々の含意を持つ。

    投資家にとって。 見るべきは「その業種が難しそうか」ではない。「AIが良くなっても、顧客が手放せない正式な記録・ルール・責任を握っているか」、そして「その境界は内側へ動かないか」である。独自データの量を強みとして語る説明は、割り引いて聞いたほうがいい。問うべきは、量ではなく、その記録が責任を伴う正式なものかどうかだ。

    作り手にとって。 いま持っている差別化は、いずれコモディティ化する——その前提で設計したほうがいい。システムをつなぐ技術も、やがては業務ルールや責任の設計も、標準化されていく。だから軸足を「つなぐこと」から「責任の設計」へ移すだけでは足りない。自分たちが作り込んだ実装を、コモディティ化する前に自ら製品化・自動化し、そこで空いた人と時間を、次のまだ解かれていない領域へ振り向け続ける。 過去の強みを守るのではなく、進んで手放して前へ出られること——それが、動く境界の上での差別化になる。FDEのような実装の職能を持つなら、それを通じて「何を蓄積し、何を次に手放すか」まで設計しておく。

    買い手にとって。 新しいAIを入れるときは、「このAIは、正式な記録や責任を、どこまで担ってくれるのか——あるいは担わないのか」を確かめるとよい。担わないなら、責任はこちらに残る。そのうえで、モデルが良くなっても剥がれない接点になっているかを見る。

    業種専用ソフトは残るのか、飲み込まれるのか——この問いに、一律の答えはない。AIができる仕事が増えるほど、企業の価値は、仕事を代わりにする機能から、その仕事の正式な記録・ルール・監査・最終責任を支える仕組みへと移っていく。 だが、その責任の境界すら固定ではない。生き残るのは「業種特化だから」でも「いま責任を握っているから」でもなく、境界が内側へ動くのに合わせて、ときに自らの過去の強みを壊してでも、握る場所を更新し続けられる会社だ。境界線は、業務の難しさの上にではなく、責任の在処の上に引かれている——そして、その線は動き続けている。

    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。特定企業への言及は公開報道・公式発表の範囲に限られ、将来の事業の成否を予測するものではありません。

    References

    本ブログの関連記事