「SaaS AIの機能が堀や障壁なしでアプリケーションと出会う」

「SaaS AIの機能がアプリケーションと出会う際の堀や障壁をなくす」

最近、いくつかのエンタープライズSaaS企業が生成型AI機能を発表しました。これは持続可能な競争上の優位性を欠くAIスタートアップにとって直接的な脅威です

7月には、Y CombinatorのW23バッチから「生成型AIスタートアップ」について掘り下げました。特に、ChatGPTのパワーを持つGPTなどの大規模言語モデル（LLM）を活用するスタートアップに焦点を当てました。これらのスタートアップには、特定の問題や顧客に焦点を当てたトレンドがありました（SMB用のマーケティングコンテンツなど）、既存のソフトウェアとの統合（SalesforceのようなCRMプラットフォームなど）、特定の文脈に合わせて大規模言語モデルをカスタマイズする能力（企業のブランドの声など）。

その記事のあまり強調されていなかった部分は「護城河のリスク」についてです。引用します。

これらのスタートアップの重要なリスクは長期的な護城河の欠如です。これらのスタートアップの段階と限られた公開情報の提供があるため、それについて深く考えることは難しいですが、長期的な防御力については批判するのは難しくありません。例えば：

もしスタートアップが次のような前提で構築されているならば：基本的な大規模言語モデル（LLM）を採り入れ（例えばGPTなど）、サポートデスクソフトウェアに統合してナレッジベースや執筆スタイルを理解し、下書きの応答を生成すること。それなら、ヘルプデスクソフトウェアの巨大企業（Zendesk、Salesforceなど）がこの機能をコピーして製品スイートの一部として提供することを防ぐものは何ですか？

• このAI研究は、「ニューラルA *：パスプランニング問題のための新しいデータ駆動型検索方法」というタイトルで発表されました
• リモートワーク時代における新しいデータサイエンティストの育成
• 「Databricks SQL Serverless + DBT のテストから学んだ５つの教訓」

もしスタートアップがテキストエディタのためのクールなインターフェースを開発しているならば、Google Docs（自動下書きを実験している）やMicrosoft Word（既にCopilotツールを実験している）がそのコピーを阻止するものは何ですか？それ以上に、25%劣る製品を提供して既存の製品スイートと無料で提供することを阻止するものは何ですか？（Microsoft TeamsがSlackのシェアを奪うなど）

これが過去数ヶ月に起こっていることです。Slack、Salesforce、Dropbox、Microsoft、Googleなど、いくつかの大企業のSaaS企業が生成型AI製品を発表および/またはローンチしました。これは、企業向けの役立つ生産性アプリケーションを開発している生成型AIスタートアップにとって、持続可能で競争力のある利点（つまり、護城河のある）が限られている直接的な脅威です。この記事では以下に詳しく踏み込んでいきます。

• AIの価値連鎖の再確認
• エンタープライズSaaS企業からの最新のAI機能
• スタートアップがこの環境で護城河を築く方法

AIの価値連鎖の再確認

これについてはあまり時間を割りませんが、AIから価値を得る企業の方法の一つとして、AIの価値連鎖という概念を考えることができます。具体的には、価値連鎖を3つのレイヤーに分解することができます。

• インフラストラクチャ（AIアプリケーションを実行するためのチップを製造するNVIDIA、AIのためのクラウドコンピューティングを提供するAmazon AWS、製品を構築するためのGPTのような大規模言語モデルを提供するOpen AIなど）
• プラットフォーム（データの収集からクリーンアップ、処理までを一元管理するクラウドベースのソリューションを提供するSnowflakeなど）
• アプリケーション（SMBが迅速にマーケティングコンテンツを作成するのを支援する製品を開発するスタートアップ）

生成型AIの波は、OpenAIがChatGPTを発表したことで始まりました。これはGPTモデル（インフラストラクチャレイヤー）で動作しますが、Facebook（LLaMA）、Google（LaMDA）、Anthropicなど、複数の大企業が独自のLLMを持ち市場に参入していることがますます明確になっています。このありさまを説明する要因は、これらのモデルのほとんどが公に利用可能なデータ（インターネット上のサイトをクロールするCommonCrawlやWikipediaなど）を使用してトレーニングされるという点による普及です。

データプールの外では、大きな企業のほとんどが一次データの豊富なコーパスを持っており、そのデータを自社のみのものに保持するか、ライセンスモデルを作成しています。つまり、このデータは利用できないか、あるいはトレーニングのためにすべてのモデルプロバイダーに利用可能となる、つまり商品化となります。これは、Amazon AWS、Microsoft Azure、Google Cloudなどがクラウドコンピューティング市場で広範な競争を展開しているのと似たようなストーリーです。

プラットフォームレイヤーはやや商品化されており、様々な顧客ニーズ（スタートアップ、中小企業、大企業など）に対応するための余地があると考えられますが、商品化の方向に進んでおり、大手企業は提供内容を強化し始めています（例：データウェアハウジングプラットフォームのSnowflakeは、最近Neevaを買収して企業向けのLLMの応用を開放し、分析プラットフォームのDatabricksは、MosaicMLを買収して顧客向けに生成型AIを提供しています）。

したがって、AIから生み出される価値の大部分はアプリケーションレイヤーで生成されます。ただし、開放された大規模言語モデル（GPTなど）によってアンロックされるアプリケーションの恩恵を受ける可能性が高い企業は、どの企業であるかは未だに問われています。驚くべきことに、Y CombinatorのW23バッチに属する269のスタートアップのうち、約31％が自己申告のAIタグを持っていました。これらのアプリケーションは、すべて客観的に有用であり、特にエンタープライズSaaSの世界で顧客に価値を提供しますが、AIからの恩恵を受けるためには、現在のSaaS企業がより有利な立場にあることがますます明確になっています。

エンタープライズSaaS企業からの最新のAI機能

最近、いくつかのSaaS企業から発表がありました。いくつか振り返ってみましょう。

まず、Slackは最初にChatGPTボットをサポートし、Slackワークスペース内でスレッドを要約したり、返信を手助けしたりするためにリリースされました。これはすぐにClaudeボット（ClaudeはAnthropicのGPTモデルと同等です）をサポートするよう拡張されました。さらに重要なのは、Slackがアプリ内にネイティブに組み込まれた独自の生成型AIを発表したことです。これにより、スレッドやチャンネル全体で幅広い要約機能が利用できるようになりました（例：このチャンネルで今日何が起こったのか、プロジェクトXについて教えて）。これは、スタートアップが開発していたプラグインが、Slackが簡単にGPTなどのモデルを利用して生成型AI機能を構築できるため、Slackがネイティブ機能として提供するようになったものです。これは非常に難しいことではありませんし、また、不明なプラグインの統合や使用感の悪さに対処する手間も省かれます。

また、Salesforceからも発表がありました。彼らの製品であるEinstein GPTは、CRM向けの生成型AIとして位置づけられています。これにより、Salesforceのユーザーはさまざまなクエリを行い（例：現在の主要見込み客は誰か）、自動的に電子メールの下書きを生成し、これらのクエリに基づいて自動ワークフローを作成することができます。スクリーンショットで見るよりも実際には上手くいく可能性がありますが、エンタープライズSaaSのバイヤーが新しい製品を導入する手間を引き受けるほど優れている必要があるという点で、これらのスタートアップの成功は、Einstein GPTよりも優れているだけでなく、はるかに優れていると考えられます（私は批評でスタートアップの名前を出さないことにしました。というのも、製品をゼロから構築することは難しく、批評を書くことは簡単だからです）。

同様の内容で、DropboxもDropbox Dashを発表しました。これはAIによる統合検索を特徴としています。Dropboxに保存されているすべてのドキュメントからのQ&A回答、ドキュメント内のコンテンツの要約、およびドキュメントのコンテンツに関する特定の質問への回答など、幅広い機能をサポートしています。今日の生成型AIスタートアップは、基本的にこれらの機能を一つずつ開発していますが、Dropboxはすでに必要なデータへのアクセス権と製品内のシームレスなインターフェースを持っているため、長期的な成功への道を比較的容易にたどることができます。

リストは続きます:

• ZoomはZoom AIを発表しました。これは会議の要約を提供し、ミーティング中に質問に答え、途中で聞き逃した情報をキャッチアップするためのものです。また、チャットスレッドも要約します。数多くのスタートアップがこれらの機能を別々の製品（例：ノートテイキングツール）として開発しています。
• Microsoft 365 Copilotは未読のメールを読み取り、要約し、すべてのドキュメントからの質問に答え、文書を起案するなどの機能を提供します。これらの機能はWord、Excel、OneNote、OneDriveといった製品のインターフェースにもシームレスに組み込まれます。
• Googleにも同様の製品Duet AIがあります。これは彼らの生産性スイート向けのものです。
• さらに、OpenAI（支配的なSaaS企業ではありませんが）もChatGPT Enterpriseを発売しました。これは企業のツール全体に統合され、従業員への簡単な質問への回答を提供できます。

私は断然に戦いが終わったと主張しているわけではありません。これまでにジェネラティブAI製品を使用したことがある場合、ワウな瞬間はありますが、ノットワウな瞬間の方が多いです。上記の製品に対する投資は魅力的ですが、ほとんどがパイロットプロジェクトとして実行されているか、将来の製品の状態を説明するニュースの発表です。

これらの製品の採用を制限する数々の未解決の問題もあります。価格はバラバラで、一部の製品は競争力を持つためにAI機能を無料で提供している一方、広範なコパイロット製品は座席ごとに料金を請求しています。Microsoft 365 Copilotの価格は月額30ドル/ユーザーで、ChatGPT Enterpriseは月額約20ドル/ユーザーです。消費者にとっては魅力的に見えるかもしれませんが、何千人もの従業員に対してコストが急速に膨らむため、いくつかの企業はこの価格をスケールで笑ってしまうかもしれません。データ共有に関する検討事項も、企業が言語モデルと機密データを共有することにためらいを持っているため、採用を制限する要因です（企業のAI製品は明示的に顧客データをトレーニング目的で使用しないと言っていても）。

ただし、これらは解決可能な問題であり、大手SaaS企業がAI機能の開発に取り組む姿勢は、近い将来にこれらの問題が解消されることを意味しています。これはつまり、ジェネラティブAIスタートアップが企業のお客様向けに構築する場合、SaaS企業のAI機能に対抗し続けるために強力なモートを見つける必要性をもたらします。

スタートアップがこの環境でモートを構築する方法

まず明らかな非モートから始めましょう。大規模な言語モデルを利用して、その上に小規模な価値提案（例：より優れたユーザーインターフェース、1つのデータソースに接続するなど）を構築することは、長期的かつ持続可能な優位性を創出しません。これらは比較的簡単に模倣されますし、早期参入者であっても、競合他社（データへの容易なアクセスやインターフェースの柔軟性を持っている）に敗北するか、最下層の価格競争になるでしょう。

以下は、エンタープライズAI製品にモートを構築するいくつかのアプローチの一部です。

1. ドメイン/垂直の特化

いくつかのドメイン/垂直は他のドメイン/垂直よりもAIアプリケーションを構築するのに適しています。たとえば、CRMソフトウェアの上に構築することは非常に難しいです。なぜなら、SalesforceのようなCRM企業はデータの接続性とインターフェースの制御の両方を持っているからです。あなたは非常にスマートなイノベーションを考え出すかもしれません（例：CRMデータを使用して自動的に連絡先メールの起案を行うLinkedInのプラグインを作成するなど）、しかしイノベーター/市場での先駆者が常に市場で勝つわけではありません。

法律は、AIスタートアップが輝く可能性がある垂直の一例です。法的文書は長大であり、読むのに膨大な時間を要し、関与するすべての人々にとってもイライラするプロセスです。契約の要約/分析、契約内容からのQ&A、法的な論点の要約、文書からの証拠の抽出などは、LLMs（言語モデル）によって効果的に行われる可能性のある時間のかかるタスクです。Casetext、Harvey.aiなどは、法律家向けのコパイロット製品を提供しており、特に法的なユースケースに特化したカスタムエクスペリエンスを構築しています。

医療保健分野で効率が必要な別の垂直なものがあります。データのプライバシー/感受性、ソフトウェア（ERP、スケジューリングツールなど）の複雑なメッシュとの作業、医療向け製品を開発する大企業の技術的な深さ/敏捷性の不足など、医療分野でのAIの展開にはいくつかの課題があります。これらはスタートアップにとって早期に製品を立ち上げ、市場での先行利点を競争上の要塞として活用する明確な機会です。

2. データ/ネットワークの効果

機械学習モデル（大規模な言語モデルを含む）は、訓練に使用したデータ量が多いほどより良いパフォーマンスを発揮します。これが、たとえばGoogle検索が世界で最も高性能な検索エンジンである最大の理由の1つです。Googleはすべてのページをインデックス化しているわけではなく（他の検索エンジンも同様に行っています）、数十億人の人々がその製品を使用し、各ユーザーの相互作用が検索の関連性モデルに入力されるデータポイントとなるためです。

ただし、企業向け製品の課題は、企業の顧客が自社のデータをトレーニングに使用するSaaSやAIソフトウェアの提供元に明示的に禁止することです（そのようにすべきです）。企業は顧客のデータから企業戦略のデータまで、多くの機密情報を保有しており、このデータをOpenAIやGoogleの大規模言語モデルに入力することは望んでいません。

したがって、これは要塞を築くのが難しいものですが、一部のシナリオでは可能です。たとえば、広告やマーケティングの目的でAIツールによって生成されたコンテンツはより機密性が低く、企業はこのデータをモデルの改善（およびそれによる自社の将来のパフォーマンス）に使用することを許可する可能性が高いです。もう1つのアプローチは、製品の非企業版を持ち、使用データがデフォルトでトレーニングに使用されるようにすることです-個人や中小企業のユーザーはこのアプローチに問題を抱える可能性が少ないです。

3. 複数のデータソースを導入する

大規模な言語モデルを特定の企業向けユースケースに適用する最も難しい部分は、モデルを取り出し、展開することではなく、会社の関連データセットをモデルがアクセスできるようにするために必要なパイプを構築することです。

例えば、Intuitのような会計および税務ソフトウェアを中小企業に提供している大企業であるとします。何万もの中小企業の顧客をサポートしており、その中の一つがサポートの質問を提出した場合、カスタマイズされた回答を提供したいと考えるでしょう。おそらく、この顧客が使用する製品に関するデータは内部のデータベースの一つにあり、顧客の最新の製品とのやり取りに関するデータは別のデータベースにあり、過去のサポート質問履歴はヘルプデスクのSaaS製品に存在します。生成型AIスタートアップが要塞を築くためのアプローチの1つは、単一の大規模なSaaS企業が所有していない複数のデータソースが必要な特定のユースケースを特定し、それらのデータをパイプするための統合を構築することです。

これは他のコンテキストでも非常にうまく機能しています。たとえば、複数のソースからデータを取り込んで顧客についての一元化されたビューを持つ必要性から、顧客データプラットフォーム全体の市場が生まれました。

4. データのシロ化

大企業は、特に競合他社であるか市場での影響力が大きい企業（つまり、代替手段の不足により企業がデータを共有する必要がある企業）が所有するモデルに対して機密データを公開したがりません。

YC W23記事では、CodeCompleteはこの痛みから生まれた企業の素晴らしい例です：

CodeCompleteのアイデアは、Metaに在籍していた創業者がGitHub Copilotを使用しようとしたときに、データプライバシーの考慮事項により内部でリクエストが拒否されたことから発案されました。CodeCompleteは、カスタマー固有のコードベースに調整されたAIコーディングアシスタントツールであり、モデルは直接オンプレミスまたは顧客独自のクラウドに展開されます。

5. より充実した製品を構築する

上記の理由から、単体のAIアプリケーションの多くは長期的な要塞となり得るビジネスの潜在能力を持つ可能性については個人的に懐疑的です、特に企業顧客を対象としたものです。市場で最初に登場することは確かに重要なプレイであり、迅速な買収への良い道筋になり得ますが、本当に強力な要塞を築く唯一の方法は、より充実した製品を構築することです。

マーケティングのための単なるAIコピーライティングに特化した企業は、常にマーケティングクラウドやGoogle/Metaのようなプラットフォームからのクリエイティブジェネレーションツールなどのより大規模なマーケティングツールによって競合のリスクにさらされることになります。CRMやヘルプデスクツールの上にAIレイヤーを構築する会社は、既存のSaaS企業によって模倣される可能性が非常に高いです。

この問題を解決する方法は、より完全な製品を作成することです。たとえば、マーケティングのためのより良いコンテンツ作成を可能にすることが目標である場合、より完全な製品は、コアのユーザープロブレムを解決するプラットフォーム（例：コンテンツ作成にかかる時間、複数のサイズのコンテンツの作成の必要性など）を開発し、Instagramのための最適なビジュアルを生成する強力なAI機能セットを含めることです。

結論

私は、生成的AIが開放する生産性の量に興奮しています。私自身は、これまでに段階的な生産性の飛躍を経験していませんが、近くから中期までに素早く起こると信じています。インフラストラクチャとプラットフォーム層が比較的コモディティ化されていることを考慮すると、AIを活用した生産性からの最も価値が得られるのはアプリケーション層の製品です。特にエンタープライズ製品の領域では、既存のSaaS企業によって大量の価値が獲得されると考えていますが、AIに重点を置いた特徴セットとそれによって生まれる意義ある要塞を持つ新しい完全な製品が登場すると楽観的です。

🚀 もし、この記事が気に入ったら、私の週刊ニュースレター「Unpacked」に登録することを検討してください。毎週、私は10分読みの形式で現在のテックトピックや製品戦略に関する深い分析を1つ公開しています。よろしくお願いします、Viggy。

Unpacked | Viggy Balagopalakrishnan | Substack

週ごとにあなたのインボックスに1つのテックトピックや製品戦略に関する深い分析が届きます。Viggyによる「Unpacked」を読むにはクリックしてください…

thisisunpacked.substack.com

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!