Alpha Beyond Frontier Insights

タグ: AI

  • 人数で課金する会社は、人を減らすAIをどう売るのか——Workdayの年次報告書が書き換えた成長の前提

    人数で課金する会社は、人を減らすAIをどう売るのか——Workdayの年次報告書が書き換えた成長の前提

    人数で課金する会社は、人を減らすAIをどう売るのか——Workdayの年次報告書が書き換えた成長の前提

    はじめに：人件費を減らすAIと、人数で決まる売上

    企業向けのAIは、多くの場合「人の仕事を肩代わりする」ことを価値として売られる。採用の書類選考、経費の確認、問い合わせへの一次回答。AIがこなす仕事が増えるほど、顧客企業はその仕事に充てていた人件費を減らせる、という説明である。

    では、顧客企業の従業員数に応じて料金を受け取っている会社が、このAIを売るとどうなるか。

    人事・財務の業務ソフトウェアを提供するWorkdayは、まさにその位置にいる。同社の売上は、顧客企業で働く人の数に連動する。そして同社の経営陣は、AIの価値を顧客の人件費と比べて説明している。製品が約束する価値と、売上が決まる仕組みが、逆を向いている。

    本稿は、この向きの違いが同社を不利にするかどうかを判定するものではない。代わりに、同社が米国証券取引委員会（SEC）に提出してきた年次報告書（10-K）と四半期報告書（10-Q）の文言の変化を追う。そこから見えてくるのは、人数で稼ぐ会社にとってのAIの論点は、競合の出現よりも先に、顧客が人を増やさなくなることにある、という構図である。しかも同社にとってその問題は、AIより先にやってきていた。

    1. 売上は「顧客の従業員数」で決まる

    Workdayは、人事（採用、給与、評価、人員配置）と財務（会計、支出管理）の業務を担うクラウドソフトウェアの会社で、顧客は1万1,500社を超える。売上の大半はサブスクリプション（継続課金）である。

    その料金の決まり方を、同社は10-Kで次のように説明している。

    our subscription-based model is largely based on the size of our customers’ employee headcount（当社のサブスクリプション・モデルは、概ね顧客の従業員数の規模にもとづいている）

    ここで区別しておきたいのは、この「人数」がソフトウェアを使う人の数ではないことだ。AIと企業向けソフトウェアの議論では、「AIが画面操作を肩代わりすれば、利用者の席が減る」という話になりがちである。しかし人事のソフトウェアが数えるのは、給与を払われ、評価され、配置される人、つまり顧客企業に雇われている人である。画面を誰が操作するかとは関係がない。

    したがって、AIがWorkdayの売上に効く経路は「利用」ではなく、顧客企業の雇用の判断を通る。AIが同社の画面操作を代行しても、課金の母数は減らない。減るのは、顧客企業が人を減らしたとき、あるいは増やさなくなったときである。

    2. 人数の問題は、AIより先にやってきた

    この経路は、すでに一度、実際に効いている。原因はAIではなかった。

    2024年5月、Workdayは通期のサブスクリプション売上の見通しを引き下げた。同月の10-Qは、成長率の鈍化の要因の一つに「既存顧客の更新時における、従業員数の契約水準の低下」を挙げている。決算説明会で最高財務責任者（CFO）は、引き下げ幅のおよそ半分をこの要因によるものと説明した（説明会の書き起こしによる）。顧客の従業員数の伸びが、想定より鈍かったのである。

    その後、10-Kの書き方も変わった。2024年には「影響を与えうる」と書かれていた顧客の人員減のリスクが、2025年には「実際に影響を与えてきた」に変わった。さらに、顧客が更新時に「より少ない従業員数で」契約する可能性も明記された。

    ここまでの記述のどこにも、AIは原因として書かれていない。人数の減少は、景気や顧客の事業環境の結果として説明されている。AIの話が始まる前に、人数で課金するモデルの弱点はすでに表に出ていた。

    3. 成長の前提から「人数の増加」が消えた

    もっと重要なのは、リスクの書き方ではない。Workday自身が「何で成長する会社なのか」の説明を変えたことだ。

    2024年12月の10-Qまで、Workdayは既存顧客からの成長の源泉を次のように説明していた。

    expanding our footprint with existing customers through product add-ons, increased headcount level commitments, and price adjustments（追加製品、従業員数の契約水準の引き上げ、価格改定を通じて既存顧客での存在感を広げる）

    ところが2025年3月の10-Kから、同じ位置の文はこう変わった。

    expanding our relationships with existing customers through increased adoption of our suite of solutions（製品群の採用拡大を通じて既存顧客との関係を広げる）

    「顧客の人数が増えること」が、成長の源泉の一覧から外れた。

    人数で課金するモデルには、本来、組み込みの追い風がある。顧客企業が成長して人を雇えば、Workdayが何もしなくても売上が増える。顧客の成長と自社の成長が、従業員数という一本の線でつながっているからだ。同社はその追い風を、成長の前提として数えるのをやめた。代わりに置かれたのは、同じ顧客に、より多くの製品を使ってもらうことである。

    この書き換えの理由を、同社は説明していない。ただ、時期は示唆的である。2024年に人数の要因で見通しを引き下げた後であり、AIによる業務の代替が広く語られ始めた時期とも重なる。顧客の人数は、もはや当てにできる成長の源ではない。そうした前提で、成長の組み立てを移し始めたと読むことはできる。

    4. 人数の上に「仕事の量」を積む

    製品群の採用拡大の中心に置かれているのが、AIである。そしてAIについて、同社は人数とは別の料金の単位を用意した。

    2025年9月に導入した「Flex Credits」は、年単位で購入したクレジットを、AIが行った作業の回数に応じて消費する仕組みである。同社の製品ページは、なぜ従来の従業員数ベースではないのかという問いに、こう答えている。

    Flex Credits charge for the work AI completes on your behalf, not the number of employees in your organization.（Flex Creditsは、AIが代わりに完了した仕事に課金するのであって、組織の従業員数に課金するのではない）

    人数と切り離された単位を持てば、顧客が人を増やさなくても、AIが仕事をこなすほど売上が増える道ができる。人件費を減らすAIを売りながら、減った人件費の一部をソフトウェアの売上として受け取る仕組みである。実際、経営陣は決算説明会で、AIの事業機会をソフトウェアへの支出ではなく、顧客がその業務に払っている人件費と比べて見積もっていると述べた（2026年8月、説明会の書き起こしによる）。

    ただし、これは人数の課金を置き換えたものではない。中核の人事・財務の製品は、最新の10-Qでも従業員数ベースのままである。10-KはFlex Creditsを「一部のAIソリューション」向けの料金と限定し、その価格設定について「経験が限られている」ことをリスクとして新たに挙げた。人数の単位の上に、仕事の量の単位が積まれた、二階建ての形である。

    さらにWorkdayは、人だけでなくAIエージェントの権限まで管理する方向に進んでいる。2026年10月に発表した買収の発表文は、「すべての入社、異動、退職はWorkdayの出来事だ」と書いた。誰が働いているかの記録を持つ会社が、AIエージェントという新しい「働き手」の記録まで持とうとしているとも読める。ただし、それをどう収益化するかはまだ明らかではない。

    5. まだ分からないこと

    ここまでの事実から、人数で課金するモデルがAIによって崩れつつある、と結論するのは早い。

    まず、顧客の従業員数は、現時点では減っていない。2026年5月の決算説明会でCFOは、テクノロジー業界での減少は他の業界の増加で相殺されており、顧客の人数は「ほぼ横ばい」で、売上成長にとって大きな要因ではないと説明した。最高経営責任者（CEO）は、仮に人数が減るとしても「AIが置き換えているのは人であって、ソフトウェアではない」と述べている（いずれも説明会の書き起こしによる）。

    次に、提出書類は、顧客の人員減とAIを因果で結んでいない。人数が伸びない理由がAIなのか、景気なのか、業界ごとの事情なのかは、公表資料からは切り分けられない。仕事の量の課金が、人数の課金の伸び悩みをどこまで補えるのかも、開示からはまだ確かめられない。

    おわりに：顧客の成長と自社の成長を、何で結ぶのか

    タイトルの問いに戻る。人数で課金する会社は、人を減らすAIをどう売るのか。

    Workdayの開示が示しているのは、人数の課金を捨てるのでも、守り抜くのでもない道である。中核の料金は顧客の従業員数のまま残し、その上に、AIがこなした仕事の量で払う単位を積む。そして成長の前提からは、顧客の人数が増えることを外した。同社の売上はこれから、顧客企業の雇用の判断と、AIに任せる仕事の量という、二つの異なる意思決定に連動していくことになる。

    人数に連動して売る事業者は、人事に限らない。従業員数や拠点数、契約者数といった、顧客の側の「規模」を課金の母数にしているソフトウェアは多い。そうした事業者にとってAIの最大の論点は、AIを持つ競合が現れることよりも先に、顧客が規模を増やさなくなることかもしれない。

    AIは競争環境を変えるだけではない。顧客の成長と自社の売上の結びつきそのものを変える。AI時代の価格設計で問われるのは、「AIにいくら課金するか」だけではない。顧客の成長と自社の成長を、これから何によって結びつけるのかである。

    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。

    Disclaimer

    本稿は、同社の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ありません。

    本稿の記述は、決算発表資料、SECへの提出書類、同社のプレスリリースおよび公開ドキュメント、決算説明会の公開記録、ならびに公開報道の範囲に限られます。決算説明会の発言は第三者が作成した書き起こしにもとづきます。内部情報には一切依拠していません。

    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。本稿は特定の企業の優劣を論じる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

  • ARRは同じ数字を数えているのか——AI企業の開示を読む

    ARRは同じ数字を数えているのか——AI企業の開示を読む

    ARRは同じ数字を数えているのか——AI企業の開示を読む

    はじめに：同じ「年間100億円」でも、意味は同じではない

    ある企業が、AI事業の年間の売上規模を100億円と発表したとする。それは、顧客とすでに結んだ契約の金額なのか。それとも、最近1か月の利用実績を1年分に換算した金額なのか。前者なら、契約内容から見積もった年間の収益規模を示している。後者なら、現在の利用ペースが1年間続いた場合の規模を示している。同じ100億円でも、将来の売上をどこまで見通せるかは異なる。

    これは仮の例だが、実際の開示でも同じことが起きている。米国の大手ソフトウェア企業3社は、AI事業の成長をそれぞれ別の数字で説明している。Salesforceは ARR（年間経常収益）、ServiceNowは ACV（年間契約額）、Snowflakeは run-rate（年換算の売上） である。見出しではどれも「AIで年間◯億ドル」と同じように読まれやすいが、数えているものは同じではない。

    本稿では、数字の大きさではなく、何を数え、いつ数え、どの事業を含めているかを比べる。先に結論を書く。企業がどの数字で成長を説明するかには、その事業の収益構造が表れる。契約を積み上げて伸びる事業と、利用の拡大で伸びる事業では、同じ年換算の数字でも意味が違う。大事なのは数字の大きさだけでなく、それが将来の売上をどこまで説明できるかである。

    1. 3社の数字は、成長の違う段階を捉えている

    年換算の数字には、大きく分けて、契約を基準にしたものと、実際の利用を基準にしたものがある。3社の公表資料を、この観点で並べると次のようになる。

    企業名SalesforceServiceNowSnowflake
    AIの数字AIエージェント・データ製品のARRAI製品のACVAIの売上のrun-rate
    公表資料での説明期末時点で締結済みの有効な契約の、年換算した経常的な価値年間契約額（AIに何を含めるかの定義は見当たらない）利用にもとづく売上の年換算と説明（算定方法は示されていない）
    基準契約契約利用
    示された場所決算発表（定義あり）決算発表決算説明会での経営者の発言

    契約を基準にした数字は、契約から見込まれる収益の規模を示す。ただし、契約が増えても、実際に使われるとは限らない。利用を基準にした数字は、いま実際に使われている勢いを示す。ただし、利用が増えても、それが長く続くとは限らない。

    AIの導入では、この差が大きくなりやすい。試験的な利用、本格的な導入、利用の拡大が、それぞれ違う時期に起きるからである。契約の数字は導入の決定を早く映し、利用の数字は現場での定着や拡大を映す。どちらを見ているかによって、同じ「前年比2倍」でも意味が変わる。ただし、各社の正式な定義がこうした段階のどこを捉えているかは、定義の文面から読み取れる範囲でしか言えない。

    では、なぜ会社によって数字が違うのか。少なくとも一つの理由は、収益の立ち方の違いである。Snowflakeは年次報告書（10-K）で、売上は契約の金額や期間ではなく顧客の利用量にもとづいて認識され、利用量は顧客の判断で変動するため、製品売上を重要な指標にしている、と理由を書いている。契約の時点で収益の大きさがほぼ決まる会社と、使われて初めて決まる会社とでは、実態をよく表す数字が違う。ARRを出していないことは、開示に消極的だという意味ではない。もちろん、指標の選び方には経営判断や過去からの経緯も関わるので、収益モデルだけで決まるわけではない。

    もう一つ見えるのは、会社全体の業績を示す数字と、AIという成長事業を示す数字は、必ずしも同じではないことだ。3社とも、10-Kには会社全体のARRを載せていない。全社の業績は会計基準にもとづく売上などで示し、AI事業についてだけ、年換算の数字を決算発表や説明会で示している。新製品の範囲が四半期ごとに動く以上、ある程度は自然なことでもある。各社がこれらの数字を出してきた経緯は、個別の記事で扱った（Salesforce、Snowflake、ServiceNow）。

    2. ARRには、共通の定義がない

    違いが生まれる出発点は、ARRが会計基準で定義された数字ではないことにある。

    米国の会計基準にも、SEC（米証券取引委員会）の規則にも、ARRの定義はない。SECは2020年に、業績の説明に使う指標についての解釈を示したが、求めたのは、定義と計算方法を明記すること、投資家に役立つ理由と経営での使い方を説明すること、計算方法を変えたらその影響を示すことである。中身は企業に任されている。

    そのため、ARRの計算方法は会社によって分かれる。代表的なものは次の4つである。

    • 契約の年額: 期末時点で有効な契約の年額。満了する契約は同じ条件で更新されると仮定する（最も多い型）
    • 月次の売上×12: その月の売上を12倍する
    • 直近四半期の売上×4: 会計上の売上をそのまま年換算する
    • 契約分＋利用の年換算: 契約分に、直近の利用を年換算した額を足す

    同じ型の中でも、細部が違う。とくに利用量に応じた売上の扱いは、会社によって正反対になりうる。Datadogは月次の売上に従量分を含めて年換算し、Dynatraceは契約を超えた利用分をARRから除くと明記している。

    示唆的なのが、Datadogの上場審査でのやり取りである。2019年、SECは同社に、ある月の従量分をなぜ「経常的（recurring）」と言えるのかを問い、さらに「ARRを、Annual Recurring Revenue（年間経常収益）とAnnualized Revenue Run-rate（年換算売上）の両方の意味で使っている」と指摘した。同社は、従量分は顧客のシステムが動き続けるかぎり毎月発生し、月次の売上を年換算した額はこれまで会計上の売上とほぼ一致してきた、と説明した。そのうえで、ARRの定義から「経常的」という考え方を外した。いまの10-Kでも、同社のARRは「年換算売上」と定義され、従量分を含んでいる。

    ARRという同じ3文字が、会社によって違う言葉の略になっている。SECはその使用を禁じたのではない。何を年換算しているのか、なぜそれが妥当なのかの説明を求めたのである。

    3. AI企業の成長を、どこまで読み取れるか

    同じ会社の中で定義が変わらなければ、ARRの推移はその会社の勢いを見るのに役立つ。他社との比較は、計算方法と細部がそろう範囲でしかできない。定義の違いで数字がどれだけずれるかは、内部データがなければ外から測れない。

    そのうえで、AI製品の課金は見え方をさらに複雑にする。処理量や使ったクレジットに応じた部分が含まれることが多いからだ。ただし、すべてが従量に移るわけではない。最低利用額を契約で約束し、超えた分を従量で払う方式のように、契約と利用を組み合わせる形も多い。

    第1節で見たとおり、契約の数字は利用を示さず、利用の数字は継続を保証しない。契約と利用を組み合わせる方式では、どちらか一方の数字だけでは全体を捉えられない。利用量に応じて収益が変動するモデルでは、契約額だけでは成長を捉えきれないのである。翌月以降も同じだけ使われるのかというDatadogへのSECの問いも、この点に向けられていた。

    自社にはARRが合わないと明言する会社もある。C3.aiは10-Kのリスク要因で、少数の大口契約に依存しているため、契約が1件増減するだけでARRなどの指標が大きく振れ、将来の売上の予測には使いにくいと書いている。どの数字が実態をよく表すかは、事業モデルによって違う。

    4. 決算資料を読むときに確かめたい3つの問い

    まず、その数字が契約・請求・会計上の売上・利用実績のどれを基準にし、どの事業を含めているかを確かめる。そのうえで、次の3つを問いたい。

    1. その数字は、将来の売上をどこまで説明するのか。契約額は、その年に売上として計上される額と同じではない。利用実績の年換算は、今後も同じだけ使われることを保証しない
    2. 数字が増えた理由は何か。新しい契約、既存顧客の利用拡大、値上げ、対象製品の追加では、同じ増加でも意味が違う
    3. 翌年も同じ定義で比べられるか。Nutanixは2026年度にARRの計算方法を変え、過去の期間も計算し直した。Salesforceは、AIのARRに含める製品の範囲を広げた。対象が変われば、表面上の成長率だけでは事業の変化を読み違えうる

    あわせて、その数字が年次報告書、決算発表、経営者の発言、報道のどこで示されたものかも確認したい。指標の定義や計算方法がどこまで説明されているかによって、外部から検証できる範囲は異なる。

    おわりに：数字の選び方に、収益の立ち方が表れる

    ARRは便利な指標だが、共通の会計基準で定義された数字ではない。同じ名前でも、契約を数える会社があり、利用を数える会社があり、略語が指す言葉さえ違うことがある。

    だから、数字の名前と大きさだけでは企業の成長は比べられない。しかし、何を数え、いつ数え、どの事業を含めているかを確かめれば、その違い自体が、企業がどのように収益を生み出しているかを教えてくれ、その成長の持続性を考える手がかりにもなる。

    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。

    Disclaimer

    本稿は、各社の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ありません。本稿は各社が開示する指標の定義と計算方法を比較するものであり、各社の事業や製品の優劣を評価するものではありません。

    本稿の記述は、SECへの提出書類、決算発表資料、決算説明会の公開記録、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。

    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

  • AIが仕事を実行するとき、価値はどこに残るのか——ServiceNowが年次報告書に書いた強みと脆さ

    AIが仕事を実行するとき、価値はどこに残るのか——ServiceNowが年次報告書に書いた強みと脆さ

    AIが仕事を実行するとき、価値はどこに残るのか——ServiceNowが年次報告書に書いた強みと脆さ

    はじめに：好決算でも株価が下がった会社

    2026年1月29日、企業向けソフトウェアのServiceNowの株価は約10%下落した。前日に発表した四半期決算は、市場予想を上回っていた。報道はこの下落を、AIが既存のソフトウェアの事業モデルを覆すのではないかという懸念と結びつけた。AIが人に代わって業務をこなすようになれば、人が画面を操作するためのソフトウェアは要らなくなる、という筋書きである。

    本稿はこの筋書きの当否を判定するものではない。代わりに、少し手前の問いを立てる。AIが答えるだけでなく業務を実行するようになったとき、企業の競争力はどこに生まれるのか。

    ServiceNowの公表資料を追うと、ひとつの答えが見えてくる。競争力は「賢い答えを出すこと」から、「誰が何を実行してよいかを決め、記録し、必要なら止められること」へ移りつつある。言い換えれば、価値が残るのはAIに何をさせてよいかを決める場所である。ただし、その場所を最終的に誰が握るのかは、まだ決まっていない。そして同社自身が、そのことを年次報告書に書いている。

    1. どんな会社か：業務フローの基盤から「AIの司令塔」へ

    ServiceNowは、企業の社内業務の流れを管理するソフトウェアを提供している。IT部門の障害対応や問い合わせ対応から始まり、人事、カスタマーサービス、セキュリティ、リスク管理へと対象を広げてきた。社員の依頼を受け付け、承認者に回し、担当者を割り当て、期限を管理し、結果を記録する。こうした手順を、部門をまたいで一つの基盤の上で動かすのが同社の事業の骨格である。

    同社が自らをどう説明しているかは、この2年で大きく変わった。決算発表の冒頭に置かれる自己紹介は、2024年4月までは「デジタル・ワークフローの会社」だった。2024年7月からは「ビジネス変革のためのAIプラットフォーム」になり、2026年1月からは「ビジネス再創造のためのAIの司令塔（AI control tower）」になっている。

    法定開示も同じ方向に動いている。2026年4〜6月期の四半期報告書（10-Q）では、事業説明の冒頭が「組織がAIを統治し、保護し、管理することを支援する」となり、「業務フローのデジタル化」は2番目に置かれた。

    AIの数字も示されている。同社は2026年4〜6月期に、AI関連の年間契約額が10億ドルを超えたと発表した。2030年までに年間契約額の30%をAIから得るという長期目標も掲げている。ただし、この「AIの年間契約額」に何が含まれるのかの定義は、公表資料には見当たらない。法定開示の主要指標にも、AI専用の項目は置かれていない。

    2. 同じ年次報告書に書かれた、強みと脆さ

    本稿の出発点は、2026年1月に提出された2025年度の年次報告書（10-K）である。前年までの年次報告書になかった段落が、二つの場所に新しく書き加えられている。

    一つは事業の説明の部分で、AIの限界について次のように書いている。

    AIモデルは、パターンを見つけ、推奨を示し、洞察を引き出すことはできる。しかし、取引を独力で実行すること、承認を回すこと、記録システムを更新すること、業務ルールや規制要件の遵守を支えることはできない。

    続けて同社は、情報が生成された「後に起きること」を方向づけ、管理し、統制する能力こそが、企業がAIを導入するときに求める価値の大部分を占める、と述べる。そして、企業に必要なのは既存の業務フローを置き換える仕組みではなく、それと統合する仕組みだとしている。

    もう一つはリスク要因の部分である。同じ報告書には、次の趣旨の記述が新しく入った。

    当社の基盤と連携している製品の提供企業は、特定の連携やデータへのアクセスを遮断し、制限し、または料金を課すことによって、当社と競争しようとする可能性がある。クラウド型の事業者やAIネイティブの事業者が、当社の製品と競合する業務アプリケーションやAIによる自動化の仕組みをさらに構築する可能性もある。

    前者は、次のような主張である。AIがどれだけ賢くなっても、実際に仕事をするときには、権限を確かめ、承認を回し、記録を残し、問題があれば止める、という仕組みを通らなければならない。そして、AIが実際に仕事をする段階では、この仕組みにも大きな価値が生まれる。冒頭で「AIに何をさせてよいかを決める場所」と呼んだのは、この仕組みのことである。後者は、「その仕組みに至る接続は他社に握られうるし、同じ仕組みを別の事業者が作りうる」という認識である。

    同じ文書のなかに、自社の強みの根拠と、その強みが崩れうる経路が、同じ年に並んで書き加えられた。開示を読む立場から見ると、これは会社が自らの競争力の所在をどこに置いたかを示す、かなり率直な記述である。

    3. AIは、人間のために作られた権限の上で動く

    では、AIに何をさせてよいかは、実際にはどのように決まっているのか。同社の製品設計を見ると、AIエージェントは新しい仕組みの上で動いているのではなく、人間の社員のために作られてきた権限の体系の上で動いていることがわかる。

    同社の社員がユーザーコミュニティで解説している設定方法によると、AIエージェントを動かすとき、企業は二つの選択肢から選ぶ。一つは、エージェントを呼び出した社員の権限をそのまま引き継がせる方法で、これが初期設定になっている。この場合、エージェントはその社員が見られない記録を見ることも、実行できない処理を実行することもできない。もう一つは、エージェント専用のアカウントを用意し、必要な権限だけを与える方法である。社員から引き継ぐ権限を一部に限定することもできる。重要な操作については、人間の確認を経てから実行させることもできる。

    つまり、AIエージェントが何をしてよいかは、AIの性能ではなく、企業がこれまで社員に対して決めてきた「誰が何にアクセスし、何を承認できるか」という取り決めによって決まる。AIは既存の業務システムを置き換えるのではなく、その権限の体系を借りて動いている。

    同社の最近の買収も、この層に向かっている。2026年3月には、約12億ドルでVezaを買収した。四半期報告書は、買収の目的を、組織が重要なデータ、アプリケーション、システム、AIに対して「誰が、そして何がアクセスできるか」を把握し統制できるようにすることだと説明している。ここでの「何が」には、人間ではないAIエージェントが含まれる。その前の2025年12月には、社員の依頼を受け付ける入口となる対話型エージェントと社内検索の技術を持つMoveworksの買収を完了している。

    入口で依頼を受け、権限を確かめ、承認を回し、実行し、記録する。同社が手を伸ばしているのは、この一連の流れの全体である。

    4. 囲い込むのではなく、通り道になる

    ここまでなら、既存の業務ソフトウェア企業が自社の領域を守ろうとしている、という話に見える。しかし同社が2026年5月に発表した仕組みは、その見方とは逆の方向を向いている。

    同社は「Action Fabric」と呼ぶ仕組みで、自社の業務基盤を、社外のAIエージェントにも開放した。発表文は、対象を「ServiceNow上で作られたものであれ、Claude、Copilot、あるいは顧客が自ら開発したエージェントであれ、あらゆるAIエージェント」としている。社外のエージェントは、AIと外部のツールをつなぐ公開の接続規格（MCP）を通じて、顧客が同社の基盤上に作り込んできた業務フロー、承認の経路、業務ルールを呼び出せる。例として挙げられているのは、社員がチャットのなかでAIに頼んだパスワードの再設定や、新しい役割に必要な権限の申請が、同社の承認経路を通って処理される流れである。

    同じ日には、Microsoftとの提携拡大も発表した。Microsoftが提供するAIエージェント群にも、同社の統制の仕組みを広げるという内容である。

    発表文で同社は、接続規格そのものは公開されたもので、多くの企業向けソフトウェア事業者が対応していることを認めている。そのうえで、差は「データを読み書きできること」ではなく、「統制された業務を実行できること」にあると述べる。社外のエージェントによる操作も、すべて同社の統制の仕組みを通り、本人確認と権限の範囲の確認を経て、監査可能な記録として残る、という説明である。

    AIエージェントの入口を自社で囲い込むのではなく、どのエージェントから来た依頼であっても、実行する前に必ず通る場所になろうとしている。前章で見た「権限の体系を借りて動く」という構造を、自社の外にまで広げた形である。

    ここに同社の競争戦略がよく表れている。同社が狙っているのは、一番賢いAIになることではない。どのAIを使っても、仕事を実行するときには必ず通る場所になることである。どのAIが選ばれても、そのAIが企業のなかで仕事をするたびに同社の仕組みを通るのであれば、AIの性能競争の勝敗とは別のところに事業の足場を置くことができる。公表資料から読み取れる同社の構想は、そういう形をしている。

    5. その場所は、まだ誰のものとも決まっていない

    ただし、ここから「ServiceNowがこの場所を押さえる」と結論することはできない。AIに何をさせてよいかを決める場所が重要になるとしても、それを一社が独占できるとは限らない。

    まず、モデル企業も同じ方向へ進み始めている。OpenAIは企業向けのエージェント製品「Presence」を発表し、その発表文で、AIを本番の業務に使うには「モデル以上のものが必要だ」と書いた。エージェントに何をさせてよいか、いつ承認が要るか、いつ人に引き継ぐかを企業が決める設計で、対象業務の例には社員のIT関連の依頼への対応も挙がっている。

    また、同社が社外のエージェントを呼び込むために使う公開の接続規格は、顧客が別の基盤へ乗り換える手間を減らす方向にも働きうる。そして、同社自身が年次報告書のリスク要因に、連携先による接続の遮断や課金、AIネイティブの事業者や顧客の自社開発との競合を書いている。

    変化の方向ははっきりしているが、その場所の持ち主はまだ決まっていない。AIエージェントは既存の権限の上に積み重なる形で広がっている。しかし、その一番上を、既存のソフトウェア企業が取るのか、モデル企業が取るのか、顧客自身が取るのかは、決着していない。

    6. AIに仕事を任せるとき、何を確かめるべきか

    この観察は、AIを導入する側の企業にとっても意味を持つ。Deloitteの2026年の調査では、2年以内にエージェント型AIの導入を計画する企業が4分の3近くにのぼる一方で、エージェントを統治する成熟した仕組みを持つ企業は21%にとどまった。導入は進んでいるが、AIに何をさせてよいかを決める仕組みの整備は追いついていない。

    AIに業務を任せる企業にとって、問うべきことは「どのAIが最も賢いか」だけではない。少なくとも次の三つを確かめる必要がある。

    • AIエージェントは、誰の権限で動くのか。社員の権限を引き継ぐのか、専用の権限を持つのか
    • AIエージェントが実行したことは、どこに、誰が確認できる形で記録されるのか
    • 問題が起きたとき、誰が、どこで止められるのか

    これらの答えがある場所に、AIに仕事を任せるときの責任が集まる。そして、責任が集まる場所に、企業が長く対価を払い続ける理由が生まれる。ServiceNowの開示が示しているのは、同社がその場所に事業の重心を移そうとしていることである。

    おわりに：価値は、AIに何をさせてよいかを決める場所に残る

    AIがより賢くなれば、それを提供する企業の価値も高まる、と考えたくなる。しかし、AIが業務を実行する段階に入ると、価値の一部は別の場所に移る。

    タイトルの問いに答えるなら、AIが仕事を実行する時代に価値が残るのは、AIそのものだけではなく、AIに何をさせてよいかを決める場所である。誰の権限で動かし、何を記録し、どこで止めるか。この役割は、AIの性能とは別のところにある。

    ServiceNowは、その場所に賭けた。そして同じ年次報告書のなかで、その場所が他社に取られうることも書いた。その場所を最終的に誰が握るのかは、まだわからない。ただ、それを見極めるために見るべきものははっきりしている。各社のAIが「何ができるか」ではなく、「何をさせてよいかを、誰がどう決められるようにしているか」である。

    Disclaimer

    本稿は、同社の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ありません。本稿で触れた過去の株価の動きは報道された事実の紹介であり、その原因を断定するものではありません。

    本稿の記述は、決算発表資料、SECへの提出書類、同社のプレスリリースおよび公開ドキュメント、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。

    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。本稿は特定の企業の優劣を論じる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

  • 政府が最初の顧客になれば、AI企業は強くなるのか——ガバメントAI「源内」の調達設計を読む

    政府が最初の顧客になれば、AI企業は強くなるのか——ガバメントAI「源内」の調達設計を読む

    政府が最初の顧客になれば、AI企業は強くなるのか——ガバメントAI「源内」の調達設計を読む

    はじめに：政府が顧客になると、企業には何が起きるのか

    AI企業にとって、政府が顧客になることには、どのような意味があるのだろうか。

    大規模な導入先を確保できれば、売上が生まれ、製品の利用実績も蓄積される。政府の評価を通過した実績は、民間企業への営業でも活用できるかもしれない。

    一方で、政府が求める性能やセキュリティへの対応にはコストがかかる。行政向けに製品を作り込むことが、必ずしも民間市場での競争力や収益性につながるとは限らない。

    この問いを考えるうえで、興味深い動きがある。デジタル庁は、ガバメントAI「源内」で使用する国産の大規模言語モデルについて、2026年度の無償試用を経て、2027年度から有償で調達する方針を示している。

    デジタル庁が掲げるのは、「政府需要を活用した国産AI育成」である。公表資料は「政府自ら国産AIを調達していくことで、信頼できるAIの国内開発を支援していく」とし、目的の一つに「政府調達を通じた国産AIに対する安定的な需要創出」を挙げ、その帰結を「国産AIの育成・強化、民間投資の喚起」と結んでいる。政府が買う。安定した需要が生まれる。国産AIが育ち、民間投資が呼び込まれる。想定されている道筋は明快だ。

    政府が顧客となることで、AI企業は何を得るのか。そして、その価値が政府以外の市場にも広がるには、何が必要なのか。本稿では、源内の調達制度を手がかりに考えたい。

    なお、ここでいう「最初の顧客」は文字どおり最初の購入者という意味ではなく、政府が、実務で継続的に使う大口の顧客として現れることを指している。

    前提も一つ確認しておきたい。調達は補助金の代わりに始まったわけではない。開発費を補助する事業は縮んでおらず、AI基盤モデルの開発補助は2027年度概算要求でも増額が要求されている（対象事業も年度も異なるため、国産モデルの調達額と直接比べられる数字ではない）。重要なのは予算規模の大小ではなく、企業が受け取るものの違いである。補助金は開発を支える。調達は、実際の需要を生む。

    1. 無償試用から有償調達へ

    ガバメントAI「源内」は、政府職員が生成AIを使うための共通環境である。2026年5月から、全府省庁・外局等を含む39機関、約18万人規模の大規模実証が始まっている。

    ここで使う国産の大規模言語モデルを、デジタル庁は公募で選んできた。ただし、最初の公募には条件が付いていた。「令和8年度（2026年度）中は無償で提供すること。」

    つまり2026年度は、無償での試用と評価検証を行う期間であり、モデルの有償調達は2027年度から予定されている。企業はこの期間に、行政現場での利用実績と、デジタル庁からのフィードバックを得ることになる。

    経過を時系列で見ると、段階が分かれていることがよく分かる。

    時期何が起きたか数
    2025年12月〜2026年1月公募応募15件
    2026年3月6日選定結果の公表7件を選定（うち1件は複数社の共同応募）
    2026年5月29日評価検証の契約締結5社
    2026年8月頃〜2027年3月源内上で試用・評価検証—
    2026年冬企業へのフィードバックと結果概要の公表（予定）—
    2027年度〜優れたモデルを政府調達（有償・予定）—

    当初7件が選定されたものの、その後2社から辞退の申し出があり、最終的に5社が評価検証の契約を締結したとデジタル庁は記している。

    辞退の理由は公表資料からは分からない。ただ、企業側の視点に立つと、無償提供には一定の負担が伴う。ガバメントクラウド上の推論環境で動かし、機密性2情報を扱えるセキュリティを確保し、情報提供やカスタマイズなどの技術支援を行うことが求められる一方で、将来の有償契約が保証されているわけではない。企業は、政府での利用実績や評価を得る機会と、そのために必要な費用や人員を比較して参加を判断することになる。

    政府が需要を創出しようとしても、企業側にとって参加する経済合理性があるかどうかは別の問題である。

    2. 顧客が独自の物差しを持つとき、企業は何を作るのか

    2027年度向けの公募は2026年11月に始まる予定である（資料では対象を「国産基盤モデル」と呼んでいるが、自然言語を扱うモデルが対象である点は変わらない）。ここで、評価の設計が大きく変わる。

    項目2026年度向け（無償試用）2027年度向け（有償調達）
    問題数50問300問
    評価観点—35項目・8領域
    評価方法その場で提示・秘密保持評価テストの方法等を事前に公表

    8領域には、法律・制度、行政課題、日本の価値観・歴史観、国際関係・外交といった、行政の仕事に固有の主題が並ぶ。なぜここまでするのか。公募資料はその理由を正面から書いている。「MMLUをはじめとする基盤モデルの標準的・学術的なベンチマークは知識量・論理推論・言語流暢性を主に測定するが、政府における行政実務で求められる能力は質的に異なる。」

    理由として挙げられているのは、誤った出力が政策判断、行政事務、国会対応、住民説明、制度運用、内部意思決定に影響しうることである。これは、政府が自前の物差しを作ったということである。民間で使われているベンチマークの点数では、政府が買うかどうかは決まらない。しかもその物差しは事前に公表される。企業は狙って合わせられるようになる。

    この変化は、AI企業の製品開発にも関係する。一般的なベンチマークで高い性能を示すことと、実際の顧客業務で成果を出すことは同じではない。顧客が独自の評価基準を設けるようになれば、企業はモデルそのものの性能だけでなく、顧客の業務にどこまで対応できるかを示す必要がある。

    一方で、特定顧客の評価基準に合わせた開発が、他の顧客にも通用するとは限らない。行政実務に特化した機能を開発することと、幅広い業種で使える製品を作ることの間には、経営資源の配分という問題が生じる。

    政府が独自の評価基準を設けることは、企業に求められる能力を明確にする一方で、どの顧客のために、どこまで製品を作り込むのかという経営判断にもつながる。

    そしてもう一つ。評価を通ることと、契約を取ることは別に置かれている。公募は2026年11月に始まり、2027年初めに評価テストと入札、4月から使用開始という日程が予定されている。評価テストの先に、入札がある。 落札方式は現時点で公表されていない。価格のみで決まるのか、性能と価格を総合的に評価するのかによって、企業に求められる対応は変わる。

    対比として米国の例を短く置いておきたい。連邦調達庁（GSA）が2025年4月から進める「OneGov」は、政府全体を一人の顧客として扱い、事前に交渉した共通条件で各省庁が調達できるようにする枠組みである。前面に出ているのは調達の手間と費用を下げることで、国籍の要件もない。一方デジタル庁が前面に出しているのは国産AIの育成と自律性であり、公募の対象は国内で開発されたモデルに限られる。

    どちらかが育成だけ、効率化だけ、と切り分けられるわけではない。ただ、政府が何のために買うかによって、買い方の設計が変わることは見てとれる。安く早く買うことが目的なら、共通の枠組みと割引率の交渉が中心になる。国内の産業を育てることが目的なら、対象を限り、独自の評価基準を作り、毎年評価し直す設計になる。

    3. 政府向けに作ったものを、他の顧客にも使えるか

    ここが本稿の中心である。政府が顧客になることは、企業にとって収益性、製品開発、民間市場への展開という三つの面に効く。順に見ていくと、得られるものと、その裏にある負担が対になっていることが分かる。

    収益性：売上が立つことと、利益が残ることは違う

    2026年度は無償提供である。企業はこの期間、専用環境への対応や技術支援を対価なしで負担する。費用が先に出て、有償調達は2027年度から予定されている。

    その先の収益を考えるとき、論点は二つある。

    一つは、売上の続き方である。応募は1社1モデルに限られ、すでに契約している企業も含めて改めて評価テストを受ける予定とされている。契約期間や落札方式はまだ公表されていないため断定はできないが、少なくとも制度の形としては、評価と価格の両方をその都度問われる仕組みになっている。翌年も同じ条件で続く前提で原価や人員を積むことは難しい。

    もう一つは、コストの性質である。政府向けに発生する開発・運用コストを、どれだけ他の顧客にも展開できるのか。行政固有の要件に応えるためにエンジニアが個別開発や技術支援を続ける必要があるなら、契約が続いても、売上の増加に比例してコストが増える。逆に、政府向けに開発したセキュリティ機能や外部システム連携の仕組みを他の企業にも共通の製品として提供できるなら、初期の開発費を複数の顧客から回収できる。

    料金体系は応募時に企業側が提出する。初回の公募では、サブスクリプション型・買い切り型・従量課金型が例示されていた。どれを選ぶかで、利用が増えたときに売上が伸びるのか、固定のまま原価だけが増えるのかが変わる。なお、約18万人という数字は源内全体の利用対象規模であり、個別のモデルが実際にどれだけ使われるかは公表されていない。

    製品開発：作り込みは、個別対応か、製品の改善か

    評価基準が事前に公表される意味は、製品開発の側で最も大きい。35項目・8領域という具体的な物差しが分かれば、何を直せば点が上がるかが見える。行政現場からのフィードバックも返ってくる。企業はこれを製品改善につなげることができる。

    問題は、その改善が行政実務に寄ることである。求められるのは、法令・制度・政策の知識、国会対応や住民説明に耐える正確さ、ガバメントクラウド上で動くこと、そして提出書類で新たに問われるようになったtool use（外部のツールや機能を呼び出してAIの能力を広げる仕組み）である。

    ここで分かれ目になるのは、その作り込みが特定顧客だけのための個別対応にとどまるのか、他の顧客にも繰り返し提供できる製品の改善になるのかである。政府向けに整えたセキュリティや監査対応は、金融機関など規制の厳しい業種でも使える可能性がある。一方、行政特有の文書作成や制度運用への対応は、そのまま他業種の顧客ニーズに結びつくとは限らない。

    開発の資源は有限だから、政府向けの最適化に割いた分は民間向けの優先順位から引かれる。製品が良くなることと、売れる製品に近づくことは、同じ方向とは限らない。 政府が最初の大口顧客になることの意味は、売上や利用実績を得られることだけではない。他の顧客にも繰り返し提供できる製品を作れるかどうかが、その後の事業成長を左右する条件になる。

    民間市場への展開：実績と評価は、そのまま持ち出せるか

    39機関・約18万人という規模で実運用される環境に採用された事実は、民間企業に説明するとき強い材料になる。政府の評価テストを通ったことも、体系的な能力の証明になりうる。

    ただし、どちらにも但し書きが付く。実績は行政実務という特定の用途でのものであり、評価は政府が行政実務のために作った物差しによるものである。民間企業の調達担当者が見ているのは別の基準だから、政府の評価で高い点を取ることが、民間の評価で高い点を取ることを意味するとは限らない。

    日本には、この問いに答えるデータがまだない。有償での使用が始まるのは2027年4月の予定であり、起きていないことの結果は測れない。

    補助線になる研究はある。米国のSBIR（中小企業技術革新制度）を対象にした1996年の研究は、採択企業が10年間で比較対象より有意に速く成長した一方、その効果がベンチャーキャピタルの活動が活発な地域の企業に限られていたことを報告している。政府支援が企業成長に結びつく効果は、民間の資金供給環境によって異なり得る。政府の支援を持続的な成長へつなげるには、政府以外の顧客や資本との接続も重要な検討課題となる。

    ただしこの研究が示すのは政府支援と企業成長の関係であって、政府から民間への顧客の広がりではない。制度も時代も市場も異なるため、そのまま日本には当てはめられない。

    整理するとこうなる。

    観点政府が顧客になることで得るもの持続的な成長につなげるために要ること
    収益性2027年度からの有償調達という新たな売上機会政府固有の対応コストを、他の顧客にも展開できる形にすること
    製品開発公表された評価基準、行政現場からのフィードバック個別対応ではなく、繰り返し提供できる製品の改善にすること
    民間展開大規模な実運用環境での採用実績、体系的な能力の証明行政以外の用途でも能力を説明できること

    右側は、どれも調達制度の設計だけでは用意できない。

    おわりに：何をもって成果とするか

    政府が顧客になることは、AI企業に新たな需要と、実際の業務を通じて製品を改善する機会をもたらす。しかし、それだけで企業の持続的な成長が約束されるわけではない。

    政府向けの開発投資が継続的な収益につながるのか。行政現場で得られた知見が、他の顧客にも通用する製品の改善につながるのか。そして、政府での実績が民間市場における顧客獲得や資金調達にも生かされるのか。

    今後の政府調達を見る際には、選定企業数や契約金額だけでなく、こうした企業の事業構造の変化にも目を向けたい。

    観測できる材料はいくつかある。2026年11月に公募が始まる予定であり、そこで何社が手を挙げるかが分かる。2026年度の試用で2社が辞退したことを思い出せば、何社が選ばれたかと同じくらい、何社が応じたかが、この制度の実際の引力を教えてくれる。2026年冬には、評価検証の結果の概要が公表される予定とされている。そこで政府が何を良しとしたのかが分かる。

    政府が最初の顧客になることは、企業に成長の機会を与える。その機会を持続的な事業へと発展させられるかどうかは、調達制度の設計だけでなく、企業自身の製品戦略と事業展開にも関わっている。

    Disclaimer

    本稿は、デジタル庁・経済産業省・内閣府および米国GSAの公表資料にもとづく、筆者個人の独立した分析です。内部情報には一切依拠していません。

    本稿は特定の政策・制度・事業者を推奨または批判するものではありません。応募・選定・契約・辞退のいずれについても個別の事業者名を記載しておらず、個別の評価も行っていません。政策の意図は推定せず、本稿執筆時点で公表されていない事項（落札方式・契約期間・調達金額など）は記載していません。

    本稿は投資助言・投資勧誘ではありません。特定企業の採択可能性、製品性能、調達価格の評価を目的とするものではありません。

    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見解であり、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

  • Snowflakeは、AIが使われるほど儲かるのか——売上成長の裏側にある原価の問題

    Snowflakeは、AIが使われるほど儲かるのか——売上成長の裏側にある原価の問題

    Snowflakeは、AIが使われるほど儲かるのか——売上成長の裏側にある原価の問題

    はじめに：AIが使われるほど、利益も増えるのか

    AIの利用が広がれば、AIサービスを提供する企業の売上も増える。では、利益も同じように増えるのだろうか。

    企業向けのデータ基盤を提供するSnowflakeは、この問いを考えるうえで分かりやすい事例である。同社は、ソフトウェアを使う人数ではなく、実際に使われた計算処理の量に応じて課金する。AIエージェントが企業のデータを扱う機会が増えれば、その分だけ売上が伸びる形になっている。

    実際、2026年7月末に終わった四半期の製品売上は前年同期比37%増となり、伸び率が高まるのは3四半期連続だった。経営陣は、この加速のおよそ半分がAI製品によるものだと説明している。

    一方で、同社は同じ決算発表で、通期の製品粗利率の見通しを75%から74%へ引き下げている。

    背景にあるのは、AI特有の原価の構造である。AIの処理には、従来のクラウド基盤の費用に加えて、外部のAIモデルへの支払いが発生する。利用が増えれば売上は伸びるが、原価も同時に増える。

    こうしたなかで、SnowflakeはAI専用の課金単位「AI Credits」への移行を進めた。もともと使った量に応じて課金していた会社が、なぜAIのために別の価格体系を用意したのか。

    そこを読み解くと、AIを提供する企業が売上の成長と利益率を両立させるうえで直面する課題が見えてくる。

    1. 使われるほど売上が増える会社

    Snowflakeは、企業がデータを集め、分析するためのクラウド基盤を提供している。2026年1月期の製品売上は44.7億ドル、前年比29%増だった。

    課金の仕組みは、利用者数に応じた課金とは根本的に違う。年次報告書（10-K）は、売上を「顧客が計算処理、ストレージ、データ転送を消費するにつれて認識する」と書く。多くの顧客は一定量の利用を前もって契約して支払うが、売上になるのは実際に使われた時点である。公式ドキュメントにも「席ごとの料金はない」と明記されている。

    この仕組みの下では、顧客がAIを使ってデータを扱う量が増えれば、そのまま売上が増える。AIエージェントの普及は、この会社にとって素直な追い風に見える。

    2. 成長の加速と、利益率への圧力

    実際、数字は追い風を示している。2026年7月末に終わった四半期の製品売上は14.9億ドルで37%増。通期の見通しも31%増から36%増へ引き上げられた。

    しかし同じ決算発表で、通期の製品粗利率の見通しは引き下げられた。財務責任者は理由を、「急成長しているAIのワークロードの構成比が高まっており、それらは現時点では貢献利益率が低い」ためと説明している。5月にも「AI製品の粗利率はコアの基盤より低い」と述べていた。

    Snowflakeは、AI以前から、顧客の利用量が増えるほど外部のクラウド基盤への支払いも増える事業だった。四半期報告書（10-Q）によれば、製品売上原価の約75%は外部のクラウド基盤に支払う費用である。ここには従来のデータ処理にかかる分に加えて、AIの推論やGPUに関連する費用も含まれる。AI関連の費用だけを取り出した金額は開示されていない。

    AIによって変わったのは、従来のデータ処理とは原価の構造が違うサービスが加わり、その構成比が高まっていることである。10-Qは、コストと粗利率が「AnthropicやOpenAIのような最先端のAIモデル提供者」との価格交渉に左右されるとも書いている。

    加えて、Snowflakeは将来のAI需要を見込んで、外部の事業者に対する一定の支出をあらかじめ約束している。開示されている第三者のAIサービス事業者との契約では、2028年11月までの3年間の最低購入額は3億9,000万ドルで、2026年7月末時点では2億7,000万ドルの購入義務が残っている。各契約年の最低購入額に届かなかった場合には、差額を支払う必要がある。

    ここには、消費型のAI事業に特有の非対称性がある。顧客からの売上は実際に使われた量に応じて立つ一方で、提供する側は、将来の需要を見込んで調達を先に約束する。

    もっとも、この最低購入額は将来の義務を含む契約上の金額であり、当期の費用ではない。製品粗利率の見通しの引き下げが、この契約によって直接生じたと同社が説明しているわけでもない。

    その上で二つを並べると、消費型のAI事業が抱える課題の形が見えてくる。需要が拡大しても、販売価格と原価の差が十分に取れなければ粗利率は下がりうる。一方、需要の拡大を見込んで調達を約束していれば、想定どおりに利用が増えなければ、先行した支出が負担になりうる。

    なお、製品粗利率の低下と、会社全体の収益性の悪化は同じではない。Snowflakeは同じ決算発表で、通期のNon-GAAP営業利益率の見通しを13.5%から14.5%へ引き上げており、財務責任者は「成長を加速させながら営業利益率を拡大した」と述べている。AI関連製品の粗利率に下押し圧力がかかっていても、売上の拡大や営業費用の効率化によって、全社の利益率は改善しうる。

    3. なぜ、AI専用の課金体系を設けたのか

    こうした原価の構造のなかで、SnowflakeはAI関連の機能を対象に、通常のデータ処理とは別の価格体系への移行を進めた。

    公式ドキュメントは、AI Creditsについて「Platform Creditsとは別のもので、エディションにかかわらず一貫した価格を提供する」と説明する。通常の計算処理の単価は契約するエディションによって変わるが、AI Creditsは変わらない。ただし、処理を実行する地域の選び方や年間契約額に応じた割引によって、実際の単価は動く。

    一方で、これは顧客が何かを買い直す話ではない。同じドキュメントは「既存の契約残高と契約条件は変わらず、契約の修正も必要ない」と書いている。既存の仕組みが置き換えられたのではなく、同じ基盤のうちAIを動かす部分に別の料金体系が適用されるようになった、と理解するのが正確である。一部の従来機能は、いまも通常のクレジットで課金されている。

    時期についても、公表資料から特定できるのは移行が進んだ事実までである。2026年4月6日のリリースノートは、エージェント製品などの利用記録を細かく分ける変更を「AI Creditsへの移行の一環」として記し、狙いを「顧客にとっての分かりやすさを高め、より柔軟な価格設定とパッケージングを可能にする」と説明している。決算発表でも、2026年5月から、将来の業績に影響しうる要因の列挙に「AI creditの価格設定」が加わった。

    原価構造との関係について、同社が価格体系を分けた理由として直接説明しているわけではない。ただ、通常のデータ処理とAIでは、使う計算資源も外部モデルへの支払いも異なり、その価格も動く。価格体系を分けておけば、こうした原価の違いを販売価格に反映しやすくなると考えられる。

    要点は、AIの利用量を別の単位で数えること自体ではない。従来のデータ処理の価格体系を保ったまま、AIの原価や競争環境の変化に応じて、AIの価格を独立して設計できることである。

    4. AIが安くなることは、誰の利益になるのか

    AIの価格は、実際に動いている。同社の製品担当幹部は決算説明会で、「最先端のモデルでさえ、定期的に値下げされている」と述べた。

    原価が下がったとき、企業には、価格に還元するか、利幅として残すか、その中間を取るかという選択がある。ここまでは、原価が下がったどの事業にも共通する話である。

    消費型のAI事業には、もう一つの難しさがある。顧客のコストを減らすことが、そのまま提供する側の売上の減少になりうることだ。

    ある企業がAIを使って、毎月1万件の問い合わせを処理しているとする。効率化によって同じ処理が半分の費用でできるようになれば、顧客にとっては明確な利点である。しかし、使われた量に応じて課金する提供側から見れば、同じ仕事量から立つ売上は減る。

    一方で、処理の費用が下がったことで、これまで採算が合わなかった業務にもAIを使えるようになるかもしれない。対象が1万件から5万件へ広がれば、1件あたりの単価が下がっても、全体の売上は増えうる。

    Snowflake自身も、製品の効率化によって顧客が同じ処理を少ない利用量で済ませられるようになり、新しい処理の増加で補えなければ売上が減りうると、年次報告書に書いている。

    それでも同社は、顧客がAIの支出を管理するための機能を提供している。CEOは、AIアシスタントのコスト管理の機能がよく使われる上位10に入っていると述べ、利用者ごとのトークン量の制限といった仕組みを用意していると説明した。短期の利用量を最大にすることよりも、顧客が安心してAIを使う範囲を広げられる状態を作るほうが、将来の成長につながりうるという判断と読める。

    効いてくるのは、単価の低下を補うだけの新しい需要が生まれるかどうかである。AIの効率化は、既存の仕事を安くするだけなのか。それとも、これまでAIを使えなかった仕事まで対象を広げるのか。その違いによって、消費型のAI事業の成長の姿は変わる。

    5. AIの成長を評価するために、何を見るべきか

    では、外からこの会社のAIを評価するとき、何を見ればよいか。

    分かりやすいのは、AIを使っているアカウントの数である。2026年9月の決算発表では、コーディング支援のAIアシスタントが9,100超のアカウント（四半期で2,000超の増加）、データを扱うエージェント製品が5,800アカウントに広がったと説明された。ただしこれらは、AIが使われ始めていることを示す数字であって、その利用がどれだけの利益を生んでいるかは分からない。AI売上の金額は、2025年12月の決算説明会でCEOが「年換算1億ドル」と一度触れたのを除いて開示されておらず、財務諸表にAI売上の区分もない。

    継続して追えるのは、製品粗利率と営業利益率の両方である。AI製品の構成比が高まるなかで粗利率がどう動くかと、その変化を踏まえて全社の利益率がどう推移するかは、別々に確認する必要がある。

    AI Creditsの価格体系や外部調達の契約の変化も手がかりになる。ただし、公開されている価格表から実際の販売単価やAI事業単独の利益率を計算することはできないし、最低購入額の大きさだけで将来の需要を判断することもできない。

    Snowflakeは価格の体系としてはAIを分けた一方で、AI事業単独の売上や利益率を継続して開示しているわけではない。価格設計上の分離と、財務開示上の分離は別のことである。

    おわりに：AIの成長を、何で測るのか

    Snowflakeは、もともと利用量に応じて課金する会社である。AIエージェントの普及によってデータ処理の需要が広がれば、同社の成長機会も広がる。

    しかし、AIの利用が増えることと、利益が増えることは同じではない。外部のAIモデルへの支払いが増えれば、売上が拡大しても利益率は下がりうる。AI専用の価格体系への移行を進めたことは、こうした原価の違いを価格設計に反映させるうえで意味のある変化と読める。

    さらに、AIの処理単価が下がることも、提供する企業の利益が増えることを意味しない。原価の低下分を顧客に還元するのか、自社の利益として確保するのか。価格を下げることで、より大きな需要を生み出せるのか。AIが普及するほど、この選択の重みが増す。

    前回のSalesforceの記事では、AIによって生まれた価値を企業がどう測り、投資家にどう説明するかを取り上げた。今回のSnowflakeが示しているのは、AIの利用の拡大を、どうすれば続く利益の成長につなげられるかという問題である。

    AIの処理単価が下がることは、顧客にとっては歓迎すべき変化である。しかし、提供する企業にとっては、必ずしも売上や利益の増加を意味しない。原価の低下を利益率の改善につなげられるか。価格の還元によって、単価の低下を上回る新しい需要を生み出せるか。AI企業の成長を評価するうえでは、利用者の数や売上の伸びだけでなく、この価格・原価・需要の関係にも目を向けたい。

    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、同社の公表資料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ありません。

    本稿の記述は、決算発表資料、SECへの提出書類、決算説明会の公開記録、および同社が公開している価格表・ドキュメント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。

    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

  • 国産AIへの公的資本は「広く配る」から「中核＋周辺」へ——GENIACの設計変更が示すもの

    国産AIへの公的資本は「広く配る」から「中核＋周辺」へ——GENIACの設計変更が示すもの

    国産AIへの公的資本は「広く配る」から「中核＋周辺」へ——GENIACの設計変更が示すもの

    はじめに：予算は増えたのに、GENIACの公募は大きくならなかった

    2026年度の政府のAI関連予算は5,027億円。前年度（基金の積み増し分を含めて1,969億円）の約2.5倍になった。

    国産AIの開発支援といえば、多くの人が思い浮かべるのは経済産業省とNEDOの「GENIAC」だろう。2024年に始まり、国内の事業者が基盤モデルを開発するための計算資源の費用を補助してきた。

    ところが、2026年に行われたGENIACの公募（第4期）は、予算規模が100億円程度。前回とほぼ同じ水準で、採択は16件だった。

    では、2026年度のAI予算の重心は、どこへ移ったのか。

    答えは、GENIACの枠の外にある。2026年度、「AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業」が新設された。当初予算は3,873億円で、政府のAI関連予算の約77%を占める。採択されたのは1テーマだけである。

    項目 GENIAC（第4期） 新設のマルチモーダル基盤モデル事業
    規模 公募1回 100億円程度 2026年度当初予算 3,873億円
    採択 16件 1テーマ
    支援の形 計算資源の利用料などを補助 委託（5年間・毎年度審査）

    ※GENIACは基金から、新事業は当初予算から出ているため、金額は同じ基準では比べられない。

    本稿の見立ては次のとおりだ。国産AIへの公的資本は、「広く配る」だけの構造から、中核に大型の資本を集中し、その周辺を複数の支援策で支える構造へ移りつつある。

    GENIACがなくなったわけではない。変わったのは、その位置づけである。

    1. 中核と周辺：新しい政策の形

    新設事業の公募要領は、「提案１件当たりの 2026 年度予算額は、原則として 3,834 億円以下」とした。2027年度の概算要求では、8,964億円が要求されている。事業期間は2030年度までで、毎年度ステージゲート審査を行い、続けるかどうかを判断する。

    事業の基本計画は、集中の理由をこう書く。「日本の領域特化モデル開発のベースを海外モデルに依存する現状のままでは」、日本のAIの実装水準が、海外の開発企業の戦略や開発国の事情によって決められるおそれがある。

    注目したいのは、GENIAC側の事業とのつながりだ。2026年に新設された、データの構築・流通を支援する事業（140億円程度）の公募要領は、構築したデータを中核事業へ提供することを必須としている。同じく2026年に始まったロボット基盤モデルの公募2本（200億円程度と240億円程度）も、中核事業への成果の還元を条件にした。

    整理すると、次のような形になる。

    • 中核：国産の基盤モデルを開発する大型プロジェクトに、年間数千億円規模を委託で投じる。
    • 周辺：GENIACとその関連事業が、領域特化モデル、現場データの整備、ロボットへの応用を、数十億〜数百億円規模の補助で支える。データや成果は、中核へ流れるよう条件づけられている。

    政府がこの形を最初から設計していたかどうかは、公表資料からは分からない。ただ、2026年時点の予算配分と公募条件を並べると、GENIACは「国産AI開発支援の本体」というより、大型の中核事業を取り巻く複数の支援策の一つへと、相対的な位置を変えつつあるように見える。

    2. ボトルネックは、計算資源から現場データへ

    GENIACの位置が変わったのは、予算の話だけではない。この2年余りで、公募の条件そのものが変わってきた。そこから、政府がどこを「ボトルネック」と見てきたかが読み取れる。

    最初は、計算資源だった。 GENIACの基本の形は、採択した開発者が民間のクラウドなどから調達する計算資源の費用を、国が補助するというものだ。経済産業省は「基盤モデルを開発する上では、計算資源の確保が大きな課題」と説明してきた。NEDOの担当部長は、第1期を「日本でもとにかく基盤モデルをつくってみよう」という挑戦だったと振り返っている。

    次は、実際に使われるかどうか。 第2期で業界特化型のモデルへ、第3期でユーザーと連携した実証へと重心が移った。第4期では事業名が「領域特化モデル開発事業」に変わり、ユーザー企業との実証が審査で加点され、海外企業との実証はさらに加点されるようになった。

    そして2026年は、現場のデータである。 経済産業省は、「ウェブ上の公開データは学習が進みつつある」ため、「今後は企業や組織が保有する実データの活用が一層重要」と書いた。同省のAI産業戦略室長も、「インターネット上のデータではなく、特に日本が強い分野の現場データを取り込むことが非常に重要」と述べている。

    この流れを最もよく表しているのが、公開を求める対象の変化だ。

    第3期の審査項目には「モデルのオープン化」が含まれていた。ところが第4期では、ノウハウや実証成果の公開は求めるものの、「必ずしもデータセット・ソースコード・モデル等の公開を求めるものではない」とされた。その一方で、先に見たデータ事業は、中核事業へのデータ提供を必須にした。

    少なくとも制度設計を見る限り、政策の重心は、オープンなモデルを増やすことだけでなく、民間のデータを中核のモデル開発につなぐことへも移りつつある。AI競争がGPUの量だけの話ではなくなったことを、政府自身の制度設計が示している。

    3. 韓国との違い：「集中すれば足りる」とは限らない

    韓国は、国産の基盤モデルに対して日本と逆の順番で資本を入れてきた。

    韓国の科学技術情報通信部が2025年8月に始めた「独自AI基盤モデル」プロジェクトは、最初から少数のチームに絞り、半年ごとの評価で脱落させる競争型である。支援の中心は補助金ではなく、政府が借り上げたGPUの提供だ。5チームで始まり、2026年8月の評価を経て3チームに絞られた。並行して、特化分野のモデルを支援する別枠も動かしている。

    日本は「広く配る→中核を置く」、韓国は「少数に集中する競争を軸に、特化型の別枠を並べる」。出発点は逆だが、どちらも中核と周辺を持つ形に近づいている。

    興味深いのは、その先である。2026年8月の記者会見で、韓国の第2次官は、急速に性能を伸ばす海外のフロンティア企業に対して「このような支援規模や競争方式で追いつける環境なのか」を企業とも議論してきたと述べ、現在の方式を「全面的に再編する方向」で検討していると明らかにした。

    集中を先に選んだ韓国が、その集中の規模と方式で足りるのかを、政府自ら公の場で問い直している。どちらの設計が優れているかという話ではない。中核に資本を集めることは出発点であって、それで問題が解決するとは限らないことを示す先行例である。

    4. 日本企業・スタートアップ・投資家にとっての意味

    基盤モデルを開発するスタートアップにとって。 汎用の国産モデルに向けた大型の公的資本は、中核プロジェクトに集まった。GENIACで支援を受けられる余地は、領域特化モデルとその実証へ移っている。審査で評価されるものも、「技術の新しさ」から「実際に使われることの証明」へと寄ってきた。

    データを持つ事業会社にとって。 製造業をはじめ、現場のデータを持つ企業は、政策の中で「補助を受ける側」から「データを供給する側」へと位置づけが変わりつつある。自社のデータを出すことで何が得られ、何を手放すのか。その条件を読むことが、経営上の論点になる。

    投資家にとって。 GENIACに採択されたことだけでは、事業性の評価には足りない。採択の有無以上に、どんな相手と実証しているか、そして補助が終わった後に有償の契約へ移れているかを見る必要がある。

    今後の観測点を一つ挙げるなら、予算額ではない。データを提供する側が、中核のモデルをどんな条件で使えるのかが、公表されるかどうかだ。データが一方向に流れるだけなら、周辺の事業に参加する動機は弱い。その条件が見えたとき、この「中核＋周辺」の形が持続するかどうかを判断できる。

    5. 次のボトルネックは「使う側」なのか

    最後に、まだ答えの出ていない問いを一つ置いておきたい。

    2026年の公募結果には、「作る側」への支援とは別の制約をうかがわせる数字がある。自動運転車やドローンなどを対象にしたロボット基盤モデルの公募には、200億円程度の枠に対して応募が3件だった（対象が公道や航路を使うシステムに限られていたことも影響しうる）。懸賞金型の「GENIAC-PRIZE」の初回では、官公庁の業務効率化をテーマにした領域で、1位から3位が「該当なし」となった。

    2026年7月に閣議決定された第Ⅱ期の人工知能基本計画も、「2025 年までの間は、成長する各国との利用率や民間投資の差はむしろ拡大した」と書いている。

    計算資源、データ、中核のモデル。ここまでの手当ては、いずれも作る側に向いている。次に効いてくる制約は、作られたものを受け取り、業務を変えて使う側にあるのかもしれない。現時点では数件の結果から読める兆しにすぎないが、今後の政策を読むうえで追いかけたい論点である。

    おわりに

    GENIACが始まった2024年、国産AIをめぐる問いは「日本で基盤モデルを作れる会社をどれだけ増やせるか」だった。

    2026年の予算と公募条件が示しているのは、問いそのものが変わったということだ。いま問われているのは、誰のデータを、どの中核モデルにつなぎ、それを誰が使うのかである。

    GENIACの設計変更は、その移行を、補助金の条件という最も地味な形で記録している。

    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。

    Disclaimer

    本稿は、経済産業省・NEDO・内閣府および韓国政府の公表資料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。

    本稿は特定の政策・制度・事業者を推奨または批判するものではありません。政策の意図については推定せず、公表された予算配分と公募条件の範囲で記述しています。採択事業者の個別の評価は行っていません。

    本稿は投資助言・投資勧誘ではありません。

    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。内部情報には一切依拠していません。

    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

  • 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

  • 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