TechFlow Logo
ログイン/ 登録
ETHガス
Gwei
恐怖
gas
ソフトウェア業界の二極化:AIは中間領域を駆逐するのか?

ソフトウェア業界の二極化:AIは中間領域を駆逐するのか?

2026.09.28
共有先
実質的な評価額と、まだ誰も突いていない机上の数字に過ぎないものを明確にお見分けするお手伝いをします。

著者:Venture Curator

翻訳:TechFlow

TechFlow 解説:米国のユニコーン企業537社が依然として2021年のバブル期に残った古い評価額を抱えているなか、「AIネイティブ」というラベルは加点要素から、あっさりと見破られるリスクへと変わろうとしています。資金調達中あるいはストックオプションを保有するビジネスパーソンにとって、本記事はどの評価額が現実的で、どの数が誰も突っ込まれていない紙上だけの数字なのかを見分ける手助けをします。

537社の米国ユニコーン企業が依然として2021~22年のバブル期の評価額を抱えている。それはまだリアルなのか?

起業者や初期従業員は通常、前回の評価額をスコアボードと捉えるよう教え込まれています。それはキャピテーブル上の数字であり、プレスリリース内の数字であり、誰もが自らの株式価値を見積もる際に使用する数字です。

しかし、PitchBookの「2026年第3四半期クオンツ展望レポート」の新データによれば、米国のほとんどのユニコーン企業にとって、この数字は市場によって本格的に検証されてから既に数年が経過しています。

PitchBookは活動中の全米ユニコーン企業を対象に、最終プライス付き(価格確定型)ラウンドの完了年次で分類して調査しました。

活動中の米ユニコーン企業964社のうち、312社が最終ラウンドを2021年に実施し、さらに225社が2022年でした。これは537社(ユニコーン全体の約56%)が、VC投資史上最高の資金調達時期に定められた評価額を依然として背負っていることを意味します。

新しいキャッシュはそれらの数字に合わせて戻ってくることはありません。ベンチャーファンドの分配額(ディストリビューション)は純資産の7.9%にとどまり、長期的な平均値である14.5%のほぼ半分です。PitchBookは、ファンド収益が2020~2022年の過大評価によって直接的に引きずられていると指摘しています。

これらの企業が実際に市場価格を試そうとしても、多くの場合対応力が不足します。公開市場の投資家はプライベートマーケットでの価格を支払う意思を示しません。ChimeがIPOした際の評価額はプライベートピーク時に大幅に縮小し、二次市場の買い手は前回ラウンドから多年経過した企業に対して、直近で資金調達した企業よりも遙かに大きな割引率を提示しています。

その裏にはもう一つの傾向が見え隠れしています。多くの此类企業が停滞するのは事業が行き詰まったからではなく、新たなプライシングイベントがより低い数値に向き合うことを強いる可能性があるため、意図的に資金調達やIPOを選択していないケースが多いのです。非公開であり沈黙を保つことで、2021年の評価額を紙面上のままとることができます。これが市場で記録的な紙上価値と記録的なフリーズされた価値が同時に出現する理由です。

では、ユニコーンブームは実態を伴うものなのか、それとも誰も検証していないただの数値なのだろうか?

多くの企業にとって、どちらの見方にも正当性はあります。一部の企業は確かに2021年の評価額まで成長しており、今日でも余裕で維持できているかもしれません。しかし、それ以降リアルプライスでの資金調達や売却を行っていない以上、市場がこのカテゴリーに属する企業を確認する方法はありません。4年前の評価額を嘘と呼ぶのは正しくありません。むしろ検証されていないことに過ぎません。

こここそが、創業者と従業員が特に注意すべき点です。

もしあなたの会社が最後に資金調達したのは2021年か2022年であれば、キャピテーブル上の評価額はあなたが保有している株式に対する最も楽観的な数値であり、必ずしも今日の実際の価値を表すものではありません。この点は次のラウンドでの交渉方法、権利行使の検討、そしてチームに対して彼らのオプションが何を意味するのか説明する際に影響します。投資家についても同様です:あるファンドがこれらの企業に対して堅調な未実現利益を表示しているとしても、それは帳簿上の数値を報告しているに過ぎず、実際の現金ではありません。

真のリスクは評価額が目に見えるほど低くなることではなく、資金調達、採用、または権利行使の意思決定を行う際、2021年に決められた数字を、市場が今日なおあなたに支払う意思のある価格と見なしてしまう点にあります。

スタートアップを「AIネイティブ」と呼ぶことが、逆にあなたのバリュエーションを損なう可能性があるのか?

依然としてAI企業を標榜することでバリュエーションプレミアムを獲得することは可能です。しかし投資家は第二段階の質問をより多く投げかけるようになっています:この企業のどの部分が本当にAIによって防衛的なのだろうか?

本分析のデータは、市場が同じく「AIネイティブ」とラベル付けされた企業を、全く異なるカテゴリに分け始めていることを示唆しています。

AIプレミアムはまだ現実に存在します:Cartaの2026年上半期データによると、AIスタートアップはシードラウンドで非AI企業とほぼ同等の資金調達額を達成していますが、評価額は約50%高額です。

ただしすべてのAI企業が同等のプレミアムを得られるわけではありません:分析では、コモディタイズされたAIアプリ(ラップ)企業を収益の3~8倍、粘着力のある独自データを備えた垂直領域のAI製品を10~20倍、そして真に知的財産権と独自データを保有する企業を25~40倍と設定しています。

企業が成熟するにつれて審査は厳しくなります:シードラウンドでは、保護可能な知的財産を持たない企業は、より防衛的な同種企業と比較して20~30%のディスカウントを受け、シリーズAラウンドではこの格差が30~40%に拡大します。

これが、単に製品にAIを組み込むことが次第に意味をなさなくなっている理由を説明しています。

投資家がますます知りたいのは、AIラベルを取り除いた後に何が残るかです。

別のスタートアップが、同じ基盤モデルAPIを呼び出すだけで同様の製品を作り上げられるかどうか?新規顧客ごとに製品改善に繋がる独自データが発生しているか?ソフトウェアがワークフローへ十分に深く統合されており、切り替えるとユーザーが苦痛を感じるレベルか?推論量が10倍になった場合に、ユニットエコノミクス(単位経済性)は依然として成立するか?

これらの問いは、創業者が次の資金調達前に再検討すべき4つの方向性を指しています:技術的差別化、独自データ、ワークフローロックイン、およびスケール時におけるユニットエコノミクス。

技術的差別化の実験的テストは驚くほどシンプルです:基盤モデルを入れ替えます。主たるモデルベンダーを同等水準のもので置き換えても製品がほぼ変わらない場合、投資家は技術的堀(護城河)の所在を見極められないかもしれません。

独自データについて言えば、単なるユーザー数だけでは不十分です。より強力なシグナルは、使用量の増加がデータを生み出し、時間の経過とともに精度、解決時間、マッチング品質などが計測可能な形で改善されるかどうかにあります。

ワークフローへの組み込み深さももう一つの糸口です。製品との深い統合度が高い顧客の維持率と拡張性が常に優れている場合、創業者は製品が粘着性が高いという空洞な主張ではなく、スイッチングコストの実証を持つことになります。

そしてもちろん経済モデル。現在の高利用率下で優れたマージンを誇るAI製品でも、推論量が10倍に拡大すれば状況は一変する可能性があります。投資家よりも先にこれらを経営会計で精査しておくことは、事業規模が拡大した際に本当に強固になるのかどうかを明らかにしてくれます。

これが「AIネイティブ」プレミアムの進化を興味深いものにしています。

18ヶ月前であれば、AIに関連するだけで資金調達ストーリーを本質的に強化できました。同じような文言を用いるスタートアップが増えるにつれ、投資家が表面の奥にある真実を見る動機が確実に増しています。

AIラベルは対話の入り口を提供します。より重要になっているのは、構築したものが成長に伴ってなぜ複製困難になるのかを証明することです。

ソフトウェアのバーベル化:AIがソフトウェア市場のミドル層を一掃しようとしている。

AIはソフトウェアの開発を大幅に低コストかつ高速にしています。スタートアップにとって朗報に聞こえますが、数十年間ソフトウェア企業を守り続けてきたいくつかの護城河を削ぐ可能性があります。

Convictionのマイク・バーナルは興味深い比較を行いました:ソフトウェアは新聞業界をインターネットが変革した後に見られた同一の「バーベル構造」へと移行しつつあるのかもしれません。

インターネット以前、地域密着型新聞は高額な配刊コストによって恩恵を受けていました。配刊が事実上無料になると、中間層の大半が消滅しました。世界の大手出版社が極めて巨大化する一方、無数の独立系ニュースレターやニッチ出版物が台頭してきました。

バーナル氏は、AIがソフトウェア分野でも類似の構造を生み出すと考えています。

従来のソフトウェアにおける護城河は通常、以下の3つから生まれます:

・製品構築のコストが高い

・システム切替が骨が折れる

・統合によって強力なエコシステムが構築される

AIはこの3つすべてを弱体化させています。競合他社が機能をより速くコピーでき、移行処理が自動化され、AIによって統合作業が飛躍的に容易になります。

想定される帰結は、両端が非常に強大な市場構造です:

・メガプラットフォーム:少数の企業が営業、マーケティング、財務、人事、法務、ヘルスケアなどの購買カテゴリー全体を掌握する可能性があります。これらは狭い機能ツールだけを販売するのではなく、顧客があらゆる業務に依存するシステムへと継続的に展開していきます。

・マイクロソフトウェアー企業:もう片側の端では、AIプログラミングツールにより、数百万人が自分自身や自社、限定された顧客向けに超高度的に特化したソフトウェアを構築できる可能性があります。その中には収益性の高いニッチビジネスへと成長するものも現れるでしょう。

・居心地の悪い中間層:中堅規模のシングルポイントソリューションが最大の圧力を受ける可能性があります。大規模プラットフォームが機能追加を続け、小チームが狭い範囲の製品を低コストで再構築できるのであれば、独立ツールとしての防衛ラインは極めて困難になります。

アマゾンの事例は、新型護城河がどのような形態を取るのかを説明しています。アマゾンが創業期に行ったのは比較的再現容易な事業、つまりオンライン書店でした。その防衛性は、物流、インフラ、テクノロジー、配送に対する数十年にわたる絶え間ない再投資に源自んでいます。

AIはソフトウェア企業を同様の戦略へ向かわせる可能性があります:より速やかな開発、継続的な展開、再投資を通じ、総合製品を漸進的に複製困難なものへと作り上げていく。

VC支援のソフトウェアスタートアップにとって、これは興味深い戦略的課題を提起します:もしソフトウェア構築が事実上無料となった場合、あなたの護城河は依然として優れた製品そのものなのか、それそれを巡り構築し得た一切のものなのか?

実はシードラウンドの評価額はどのように決定されるのか?(あなたの会社の状態とはほぼ無関係だ)。

創業者は往々にして、評価額が主にtraction(事業の軌道に乗った程度)、市場規模、あるいはプレゼンテーションの巧拙に関係すると仮定しがちです。

しかし、多くの創業者がほぼ見落としているもう一つの制約があります。向かい側で席を並べるVCファンドの経済モデルです。

例えば、2800万ドル規模のシードファンドへロードショーを行っている状況を想像してください。そのファンドは通常、60万ドル前後の出資金を払い、約6~8%の株式取得を期待します。

7%の株式を取得する場合、60万ドルの投資は約860万ドルのPost-Money評価額を意味します。6%の場合、1000万ドルとなります。したがって、1800万ドルの評価額で資金調達した場合、そのファンドのポートフォリオモデル内でこの取引を実施することは不可能かもしれません。

ここに単純な連鎖関係が生まれます:

・ファンド規模 → チェックサイズ → 目標保有率 → 実行可能な評価額上限

今日においてこれがより重要視される理由は、シードラウンドの評価額が上昇しているためです。分析で引用されたCartaのデータによると、シードラウンドのPost-Money評価額中央値は2400万ドルです。5000万ドルのファンドがこの評価額で150万ドルを出資すると、取得できるのは6.2%の株式に限られ、それがファンドの目標を割り込む可能性があります。

これはまた、創業者がラウンド規模を考える姿勢を変化させます。

あるファンドに300万ドルの調達を伝え、リードインベスターが15%を要求する場合、あなたは誰かが明確な評価額の議論をする前に、事実上2000万ドルのPost-Money評価額を前提にしています。

より有効な手順は以下の通りです:

・次のマイルストーン到達に必要な18~24ヶ月分のランウェイ資金を計算する。

・バッファを加味する。

それであなたのラウンド規模が算出されます。

それをあなたが許容できる希薄化率で割ります。

そしてその評価額をチェックサイズと保有率モデルで支えられるファンドを探します。

創業者がしばしば見逃すもう一つの重要な数字があります:オプションプールです。リードインベスターが事前投資時点で10~15%のオプションプールの設立を要望し、これにより投資決済前に既存株主が希薄化されることがあります。分析では、実際の採用計画に基づいてオプションプールの交渉を行う方が、メディアで見かけの headlines で100万~200万ドルの評価額を争うこと以上に創業者の持分割合に影響することが指摘されています。

誤ったファンドに数週間を無駄にするのを避けるための最も簡単な方法は、最初の通話時にこの問いを投げかけることです:

「このファンドの典型的な第一回チェックサイズはいくらで、通常どれくらいの株式取得を望みますか?」

これらの数字があれば、そのファンドの経済モデルがあなたの資金調達ラウンドをサポート可能かどうかを素早く推計できます。

従って、評価額におけるあらゆる抵抗をあなたのスタートアップに対する拒否と一律に扱わないでください。時にはあなたの会社に問題はありません。単にあなたの資金調達ラウンドが、ファンドの数学的ロジックと整合しないだけなのです。

もしChatGPTがあなたのアプリケーションがやっていることを無料でこなせるなら、なぜ他者は支払いを行うのか?

これは消費者向けアプリケーション創業者が直面する最大級の懸念の一つとなりつつあります。

ユーザーがChatGPT、Claude、あるいはGeminiを開けば数秒でほぼ同等の結果が得られるのに、月額10~20ドルを費やして個々のスタンドアロンアプリを利用する理由は何でしょうか?

RevenueCatのダフネ・ティデマン氏は、答えは単に「AIを追加する」ことではないと指摘します。AI搭載アプリはすでに適切な収益化を遂げており、有料ユーザー一人当たりがもたらす収入は非AIアプリより41%高く、トライアルからのコンバージョン率は52%高いものです。しかし、その12ヶ月持続率はわずか21.1%にとどまり、非AIアプリは30.7%です。

要するに:AIは人を門まで誘導してくれます。しかし、そのまま居座らせる確かな理由までは与えてくれません。

CheggとDuolingoの比較をご覧ください。

その差は解答以外に何が備わっているかにかかります。

RevenueCatは、アプリが以下の6つの要素を構築すべきだと提唱しています。これらはブランクLLMチャットでは複製が困難です:

・構造:回答を完全なワークフローまたは体験に変換する。

・記憶:時間の経過と共にユーザーを理解し、アプリの有用性を高める。

・習慣:連続チェックイン、リマインド、モニタリング、ゲーミフィケーションを通じてユーザーをリテンションさせる。

・正確性:専門データや知見を習得し、より高精細な成果を出力する。

・コネクション:コミュニティ、アイデンティティ、個性、感情的愛着を構築する。

・ハード&ソフト融合:ソフトウェアとセンサー、デバイス、あるいは実世界のデータを結びつける。

Duolingoは優秀な例であり、複数の要素を重ね合わせています。ChatGPTは語学教授が可能です。しかしDuolingoは連続チェックイン、ランキング、進捗管理システム、通知、ゲーミフィケーションといった要素を数年かけて培ってきました。報道によると、ランキング導入後、Duolingoの学習時間は17%増加し、アクティブ学習者の数は三倍に膨張しました。

創業者が行えるもう一つのシンプルなテストがあります。「ブランクダイアログボックステスト」です。ChatGPTや他のLLMを開き、ユーザーがあなたのアプリで解決しようとしている問題を精密に記述し、その回答とあなたのプロダクトが提供するものを比較します。もしあなたのプロダクトの大部分の価値が、プロンプト一回と回答一回で再現可能であれば、あなたは差別化の問題を抱えています。しかし、あなたのアプリに構造、累積データ、習慣、正確性、コネクション、あるいは実世界コンポーネントが加わっているのであれば、そこがまさにあなたの護城河となるはずです。

つまり、AIそのものは護城河ではない可能性があります。創業者にとってより本質的な問いは、「あなたのプロダクトはユーザーに何を与えており、それがブランクダイアログでは到底提供できないのか」です。RevenueCatの主張は、勝者はプロダクトの基盤でAIを活用しつつ、それを巡り構築した体験競争に挑むことになる、というものです。