「今週のSaaS×AIニュース」ピックアップ！
＊SaaS×AI Weeklyは、ALL STAR SAAS FUNDが毎週ピックアップした記事を日本語で要約し、一部メンバーからのコメントを入れてお届けしています。
『AIを使っている』と『AIで動いている』は別物──Bessemerが173人に聞いた職能別AI導入の実態
「Data trends: How companies are using AI today」 by Christine Deakers on Bessemer Venture Partners
Bessemer Venture PartnersのChristine Deakers氏らが、ポートフォリオ113社・173名の職能別リーダーを対象に実施した企業内AI活用の現状調査レポートです。アメリカのソフトウェアスタートアップの「AI導入」の実態が部門によって大きく異なることを定量的に示しています。
ClaudeがAIツールのデファクト・スタンダードになりつつある
回答者の73%がAnthropicのClaudeを主要ツールとして使用しており、Engineeringチームでは77%がClaude CodeおよびCoworkを、50%がCursorを利用しています。特定のAIプラットフォームへの集中が進んでおり、ツール選定の段階から競合優位に差がつきはじめていることを示しています。
AI活用の成熟度は職能によって劇的に異なる
Engineering（Tech & Eng）チームの90%がAIを「本格運用中」または「AIがコア」と回答する一方、本格運用中と答えたのはFinanceで24%にとどまります。Marketingは100%がコンテンツにAIを使っているものの、「業務のコア」と答えたのはわずか13%でした。<yellow-highlight-half-bold>「全社でAIを使っている」と言っても、実態の深さは部門によって桁違いに開いています。<yellow-highlight-half-bold>日本のスタートアップも、Engineering以外の職能でのAI化が遅れている場合、競争力上のボトルネックになりかねません。
「非技術系リーダー」が遅れているのは意欲の問題ではなく、障壁の質が違うから
Finance部門では「データ品質とシステムの分断」（56%）と「セキュリティ・コンプライアンス」（41%）が主な阻害要因であり、GTMでは「ツールが多すぎて勝ち馬が見えない」（27%）と「CRMのデータ品質」（41%）が課題です。Peopleチームでは「データプライバシーへの不安」（41%）が最大の壁です。プロダクト設計上の示唆として、各職能が抱える固有の障壁に、ピンポイントで応えるVertical AIプロダクト──その需要の高さが確認できます。
AIによる効率化が、すでにヘッドカウント計画を変えはじめている
調査対象の49%が「採用を増やさずにより多くの成果を出している」と回答し、25%がチームをAI関連業務にアップスキリングしたと答えています。一方で、採用を減速・停止した企業は13%、ロールをAIツールで代替した企業も6%存在します。「採用なき成長」が現実の選択肢になっており、ARR/FTEという効率指標がますます重要になります。特に日本のスタートアップにとっては、採用難という構造的制約をAIで乗り越える正当性を示す強力なデータです。
Moatはもう『規律』だ──AIネイティブ・スタートアップを作る6つのステップ
「How to Build an AI-Native Startup」 by Stepan Gershuni on cyber.fund
cyber.fundのStepan Gershuni氏による実践ガイドで、AIネイティブ企業への転換を「仕事のマッピング→コンテキスト構築→自動化→スキル化→評価設計→週次改善ループ」の6ステップで体系化した内容です。『モデルは誰でも使える、違いを生むのはオペレーティングシステムだ』という主張は、今まさに組織設計の意思決定を迫られている日本のシード・アーリー起業家に直接刺さります。
AIネイティブとは技術の問題ではなく、学習速度の問題である
同じ市場に同時に立ち上がった2社を対比させたオープニングが示す通り、<yellow-highlight-half-bold>AIネイティブ企業の本質的な優位性は「毎日の学習・改善サイクルが速い」こと<yellow-highlight-half-bold>です。昨夜起きた顧客チャーンリスクを朝には対処済みにできる会社と、スタンドアップでやっと問題を共有している会社では、数ヶ月後には取り返しのつかない差が生まれます。少人数で連携しエージェントが繰り返し作業を実行し、人間は方向性・判断・関係性・説明責任に集中するのが新しい組織モデルです。
STEP 1：仕事をマッピングする
直近2週間の繰り返し業務をすべてリストアップし、自律性レベルで4分類します。L1（人間のみ）・L2（AI起案＋人間承認）・L3（AI実行＋人間監督）・L4（条件内で完全自律）です。最初に着手すべきは「頻度が高く、測定可能で、失敗しても取り返しがきく」業務です。見栄えのする花形業務ではなく、地味でも毎日走る業務を優先します。一度に3つまで（個人・顧客接点・社内で各1つ）に絞ることが重要です。
STEP 2：コンテキストシステムを構築する
エージェントが自社について常に参照できる「会社の記憶」を整備します。Git管理のリポジトリに[CLAUDE.md]・[company.md]・[product.md]・[customers.md]・[lessons.md]を置き、手書き40〜60行に絞った質の高いコンテキストを維持します。生の議事録と「そこから抽出した意思決定・リスク・フォローアップ」は必ず分けて管理します。コンテキストが薄いエージェントは「混乱した派遣社員」、厚いエージェントは「共同創業者」として機能します。
STEP 3：最もシンプルな自動化を選ぶ
すべてをエージェントにしてはいけません。決定論的なステップはスクリプト、手順が決まっている業務はワークフローエンジン（LangGraph・Temporalなど）、経路が事前に決められない複雑な業務だけがエージェントの出番です。エージェントには必ずハーネス（コスト上限・リトライ上限・本番書き込み禁止・人間承認ゲート）を実装し、安全境界はプロンプトではなくコードで担保します。
STEP 4：繰り返し業務をスキルとして形式化する
同じ業務を2回手作業で行ったら、それをスキルファイルとして定義します。スキルには「スコープ・インプット・手順・アウトプット形式・具体例3件・エスカレーション条件・オーナー・実行ログ」を必ず含めます。顧客通話サマリー・インボックストリアージ・投資家アップデート・週次メトリクスナラティブ・テスト生成などが最初に着手すべき典型的なスキルです。
STEP 5：Eval（評価器）を書く
スキルの品質を自動採点できる状態にすることが、コンパウンドの源泉です。
構造は3層で、
①人間による正解ラベリング
②決定論的チェック（数値の一致・スキーマ検証・リンク確認）
③LLMジャッジ（文章品質など機械では判断できない部分）
の順に積み上げます。Evalがあれば、DSPyやGEPAなどのフレームワークがEval結果に基づいてプロンプトを自動的に進化させてくれます。承認率70%未満の場合、解決策はプロンプト書き直しではなく、コンテキスト追加・スコープ絞り込み・具体例の追加のいずれかです。
STEP 6：週次改善ループを回す
毎週「エージェントが何をしたか・人間がどこで上書きしたか・どのEvalが失敗したか・どのコンテキストが不足していたか」をレビューし、改善します。ループは内外2つを同時に回します。内側は既存業務のコスト削減・サイクルタイム短縮、外側は新顧客セグメント・製品アイデア・競合動向の探索です。「何が良いアウトプットか」をEvalとして定義し続ける規律が、このループを維持する唯一の条件です。
AIトークンはもう『最大のベンダー費用』──CFOが今すぐ直すべきP&Lの誤計上
「Where AI Costs Belong on the P&L」 by OnlyCFO on OnlyCFO's Newsletter
OnlyCFOから有益な記事を紹介します。AIサービスへの費用がソフトウェア企業にとっても大きな支出になりつつあるなか、P&L上でどのように配賦、計上をすべきかという点について分析しています。ソフトウェア企業の経営者・CFO、FP&Aにとって、AIサービスの支出の「正しいコスト分類」と「ユニットエコノミクスへの影響の把握」を理解することは非常に重要です。
AI費用は最大のベンダー費用になりつつある
SalesforceはAnthropicに年間約3億ドルを支出する見込みです。AIトークン費用はほぼゼロから2年足らずで最大のベンダー費用へと急拡大しました。<yellow-highlight-half-bold>この巨大な新しいコストがP&L上でどこに計上されるかを正しく把握できていない企業が多く、誤った財務指標は経営判断を歪めることにつながります。<yellow-highlight-half-bold>
AIコストはCOGS・R&D・S&M・G&Aに分散計上を──G&Aへの一括計上は避ける
プロダクトに組み込まれた推論コストはCOGS、エンジニアリングの開発コストはR&D、POC・トライアルコストはS&Mに計上するのが正しい分類となります。多くの企業がAI費用をG&Aに一括計上していますが、これは財務指標を意図的に、あるいは無意識に歪める行為です。本来G&Aに計上すべきAIコストは、他の区分と比べて最も小さいはずです。
ヘッドカウント比例の配賦ルールはトークン費用に通じない
Slack・Zoomのような座席ベース費用はヘッドカウント比で配賦できますが、消費量ベースのトークン費用には通用しません。部門間の使用量が大きく異なるため、部門別の実際使用量に基づく直接配賦のみが正確な財務数値とユニットエコノミクスを担保します。配賦を誤ると製品別の粗利率が実態と乖離し、誤った意思決定を招きます。
AIコストの増加が迫る、避けられないトレードオフ
AIサービスの粗利率は2024年の41%から2026年には52%へ改善が見込まれますが、ソフトウェアの標準的な粗利率77%には遠く及びません。AIコストをP&Lに単純に上乗せするだけでは、何かを犠牲にせざるを得ません。ROIの低いトークン支出を削るのか、人件費を削るのか──経営者は常にこの選択を迫られます。
採用バーを『何ができるか』から『どこまで動くか』へ──Notion Max Schoeningが語るAI時代の人材設計
「Why cultivating agency matters more than cultivating skills in the AI era」 by Lenny Rachitsky on Lenny's Podcast
AIエージェントによってプロダクトの立ち上げや日常業務の「最初の一歩」が自動化され、採用で何を見るべきか、入社後に何で評価するか、これまでの基準のままでいいのか、と迷う経営者・マネージャーが増えています。NotionのHead of Product、Max Schoening氏（元GoogleのPM・元HerokuのDesign責任者・元GitHubのVP of Design）が、AI時代に人を分けるのはskills（業務遂行能力）ではなくagency（自分で世界を動かしにいく意思）だと整理しています。NotionのデザイナーやPMの具体例を引きながら、採用バーと評価軸をどこに引き直すかが語られている回です。
採用バーは「スキル」から「動かす意思」へ
Max氏の中心主張はシンプルです。「以前は『そのスキルがないからできない』で済んだ。でもAGI隣接のモデルがスキルを指先に届けてくれる今、残るのはagencyだけ。そしてagencyは世の中に均等には分布していない」と語っています。<yellow-highlight-half-bold>スキルの不足はAIで埋められるが、自ら世界を可塑的（malleable）に捉えて手を入れる意思は埋められない<yellow-highlight-half-bold>、という整理です。これは採用面接で「過去に何ができたか」を聞く比重を下げ、「役割の外側にどれだけ踏み出してきたか」を聞く比重を上げることを意味します。Notionの社内では、デザインチームのagencyが他社比で「way above average」だと観察されている、という具体記述もあります。
自ら役割を作り変える人材
抽象論で終わらせないために、Notionの二人の社員の事例が紹介されています。一人はBrian Lovin氏、デザインとエンジニアリングの境を溶かしながら、社内No.1のリクルーターでもある人物です。「組織が必要としている人材を、自分で外に出て探してくる」。職務記述書の外側で組織に効く動き方の典型です。もう一人はEric Liu氏。長文のPRDを書く戦略ロールから、Figmaでの提案、さらに「Figmaじゃなくプロトタイプを直接作って思考そのものを見せたい」へと、自分の役割を段階的に組み替えています。Max氏の口グセは「Could you drive Notion like it's stolen?（盗んだ車のように動かせるか）」。創業者でなくとも、自分が当事者であるかのようにプロダクトに手を入れる人を探している、という採用観です。
評価されるのは「メモ」より「反応できるデモ」
評価面で印象的なのが「The first 10% of every project is now free」という一言です。最初の0.8版までは生成AIがほぼ無料で作れる時代に、PRDの厚みやドキュメントの整い具合を評価項目に据えるのは合わない、という主張です。Max氏がGitHub時代から持ち越しているフレーズが「demos not memos」「give me something to react to」。Notion社内では「shots on goal（ゴール前のシュート本数）」と「incremental correctness（少しずつ正しくしていく）」が評価軸として共有されています。マネージャーが見るべきは仕上がりの体裁ではなく、反応をもらえる現物をどれだけ早く出し、どれだけ早く直したか、という運用です。
AI時代も残るのは「tiny core」と端の専門性
Max氏はプロダクト論として「偉大なプロダクトには必ず1つの極端に良い核（tiny core）がある」と語ります。iPhoneのmulti-touch、GitHubのpull request、Notionのblocks。いずれも機能の総量ではなく、1つの核に他のすべてが従属する設計です。Notion社内でも、増えすぎた6つのautomation primitivesを「naked robotic core」へ畳み直す作業が走っているとされます。役割が溶けていく時代だからこそ「specialists on the edges（端の専門家）」を失わない設計が大事、というのがMax氏の念押しです。採用・評価の両面で、その人のtiny core（核となる専門性）と、その周辺をどこまで広げる意思があるか──この二層で見ることが、AI時代の人材判断の現実解と言えそうです。
資金調達ニュース
［海外］
🏗️ バーティカル
- Rightsline — メディア・エンタメ・出版・ライフサイエンス等のIP集約型産業向けに、権利・ロイヤルティの管理から計算・会計まで一元化するソフトウェアプラットフォーム。年間処理ロイヤルティ400億ドル超、1億5,000万以上のIPアセットを管理。戦略的成長投資として5億ドルをHgより調達。投資家はHg（リード）、Klass Capital、Salem Partners。（FinSMEs）
- Stord — Eコマースブランド向けに倉庫・フルフィルメントネットワークと在庫管理ソフトウェアを統合提供するコマースインフラ企業。シリーズFで2.5億ドルを調達。評価額は30億ドル。投資家はStrike Capital（リード）、Kleiner Perkins、Founders Fund、Franklin Templeton等。（TechCrunch）
- Inherent — DeepMind出身の研究者が設立。AIと人間の研究者が協働して科学的発見を加速させる自己改善型AIシステム「Faraday」を開発するAIリサーチラボ。シードで5,000万ドルを調達。投資家はIndex Ventures・Radical Ventures（共同リード）、NVentures（NVIDIA）。（Tech.eu）
- Canals — 卸売流通・産業サプライチェーン向けに、受注入力・買掛金処理・発注管理などの手作業を自動化するAI駆動ワークフロースイートおよびオペレーティングプラットフォーム。処理実績800万件超の販売オーダー、50億ドル超の支払い処理。シリーズAで3,500万ドルを調達。投資家はBase10 Partners（リード）。（FinSMEs）
- NavigateAI — 建設・職人・データセンター・不動産運用などフィジカルワーク全般の現場作業者向けに、スマートフォンやウェアラブル端末でリアルタイムコーチング・品質管理を支援するAIコパイロットサービス。シードで2,500万ドルを調達。投資家はElad Gil（リード）、Khosla Ventures、Fifth Wall。戦略パートナーとしてLennar、Tishman Speyer、Helix Electricが参加。（GlobeNewswire）
- LightTable — 建設プロジェクトの着工前工程において、AIが建築図面を熟練エンジニア同等のレベルで解析し、設計ミス・矛盾を自動検出・修正するプリコンストラクション向けQA/QCプラットフォーム。設計エラー検出率70%（人間のみの場合は30%）。シリーズAで2,200万ドルを調達。投資家はInnovation Endeavors（リード）、Blackhorn Ventures、DivcoWest Ventures。（Yahoo! Finance）
- CasaPerks Technologies — 学生向け住宅・集合住宅の入居者向けロイヤルティプログラムと中小企業向け従業員表彰プラットフォーム（WorksPerks）を提供するAI搭載リワードプラットフォーム。シードで1,580万ドルを調達。投資家はLongevity Equity（リード）。（Yahoo! Finance）
💰 フィンテック
- Corgi — スタートアップ・テック企業向けに、AIリスク・サイバー賠償・一般賠償を含む商業保険をフルスタックで提供するインシュアテックプラットフォーム。シリーズB1で1億600万ドルを調達。評価額は26億ドル。投資家はKindred Ventures（リード格）、Prime Capital、Leblon Capital、Alumni Ventures、Y Combinator。（TechCrunch）
- Daloopa — 5,500社以上の上場企業の財務データを出典リンク付きで構造化し、投資会社のAIエージェントやLLMワークフローに提供する金融データインフラプラットフォーム。シリーズCで4,700万ドルを調達。投資家はBrighton Park Capital（リード）、Squarepoint Capital、Touring Capital、Nexus Venture Partners。（PR Newswire）
- Pace — 保険会社・ブローカー向けに、契約審査・ポリシーサービシング・クレーム処理などのバックオフィス業務を自律的に処理するAIエージェント型オペレーションプラットフォーム。シリーズBで4,600万ドルを調達。投資家はThrive Capital・Sequoia Capital（共同リード）、Emergence Capital、Pruven Capital。（Business Wire）
- Catena Labs — AIエージェントが安全に金融取引・送金・資産管理を自律実行するためのガバナンスフレームワーク（アジェンティック・ファイナンス基盤）を開発。国家信託銀行チャーターの申請も進行中。シリーズAで3,000万ドルを調達。投資家はAcrew Capital・a16z crypto（共同リード）、Breyer Capital、General Catalyst、QED。（Fortune）
- Saris — 銀行・信用組合の融資審査・コンプライアンス・オペレーションなどのバックオフィス業務をAIエージェントで自動化するアジェンティックワークフロープラットフォーム。シリーズAで2,880万ドルを調達。投資家は8VC（リード）、Audacious Ventures、Homebrew、Btech Consortium、Service Ventures。（Yahoo! Finance）
🏢 エンタープライズ
- Cognition — 自律型AIソフトウェアエンジニアリングエージェント「Devin」を開発。シリーズDで10億ドル超を調達。評価額はpre-moneyで250億ドル。投資家はLux Capital・General Catalyst（共同リード）、Ribbit Capital、Founders Fund、8VC。（TechCrunch）
- Exa Labs — AIエージェントおよびLLM向けに特化したAIネイティブ検索エンジン・Webデータ取得APIプラットフォームを開発。シリーズCで2.5億ドルを調達。評価額は22億ドル。投資家はAndreessen Horowitz（リード）、Benchmark、Lightspeed Venture Partners。（FinSMEs）
- OpenRouter — 400以上のAIモデルへ単一APIで横断アクセス・最適ルーティングを提供するAIモデルエクスチェンジ。シリーズBで1億1,300万ドルを調達。評価額は13億ドル。投資家はCapitalG（リード）。（TechCrunch）
- Tensormesh — KVキャッシュ技術によりAI推論の冗長な再計算を排除し、レイテンシとGPUコストを最大10分の1に削減するエンタープライズ向け推論最適化SaaSプラットフォーム。シードエクステンションで2,000万ドルを調達。投資家はAMD Ventures、CoreWeave、NVentures（NVIDIA）。（HPCwire）
🔒 サイバーセキュリティ
- Gray Swan — カーネギーメロン大学発のAIセキュリティプラットフォーム。AIモデル・エージェントの脆弱性テスト（Shade）、リアルタイム防御（Cygnal）、1.5万人超の倫理的ハッカーネットワーク（Arena）を提供。シリーズAで4,000万ドルを調達。投資家はWing Venture Capital・Madrona（共同リード）、Obvious Ventures、Snowflake Ventures。（EIN Presswire）
- Geordie AI — エンタープライズ内のAIエージェントの動作・アクセス権限・リスクをリアルタイムで可視化・管理するAIエージェント向けセキュリティ＆ガバナンスプラットフォーム。シリーズAで3,000万ドルを調達。評価額は約1.8億ドル。投資家はBalderton Capital（リード）、Crosspoint Capital、General Catalyst。（Fortune）
- MokN — 「Baits」技術により、攻撃者が窃取した認証情報を使用する前にデコイ型VPN／Webメールポータルで誘い込み、能動的に検知・奪還する次世代クレデンシャル盗難対策（Active Identity Recovery）プラットフォーム。シリーズAで1,500万ドルを調達。投資家はGV（Google Ventures、リード）、Datadog、Moonfire。（Tech.eu）
🏥 ヘルスケア
- Garner Health — 600億件超の医療記録データと550以上の独自指標でドクターの診療品質を定量評価し、高品質な医師への受診を金銭的インセンティブで促す雇用主向けケアナビゲーションプラットフォーム。シリーズEで1億ドルを調達。評価額は27.4億ドル。投資家はIndex Ventures（リード）、Kleiner Perkins、Redpoint。（PR Newswire）
- Triomics — がんセンター向けに、複雑な腫瘍患者の電子カルテを構造化データに変換し、臨床試験マッチング・受診前チャート準備・腫瘍登録報告などのワークフローを自動化するオンコロジー特化AIプラットフォーム。シリーズBで2,200万ドルを調達。投資家はBattery Ventures（リード）、Nexus Venture Partners、Lightspeed。（TechCrunch）
🛰️ ハードウェア×AI
- Airis Labs — スマートフォン・ドローン・防犯カメラ・ボディカメラ等の非構造化映像データをリアルタイムでAI解析し、政府・防衛機関向けに実用的なインテリジェンスへ変換するビデオインテリジェンスプラットフォーム。ステルスから浮上。シリーズBで3,100万ドルを調達。投資家はPSG Equity（リード）、TLV Partners、Stepstone Group。（CTech）
そのほか
- Reactor — AIエージェントや開発者がリアルタイムでインタラクティブな生成動画・ワールドモデルをほぼゼロレイテンシで構築・配信できるインフラプラットフォーム。メディア・エンタメ・ロボティクス向け。ステルスから浮上。シリーズAで5,900万ドルを調達。投資家はLightspeed Venture Partners（リード）、WndrCo、Amplify Partners。（Yahoo! Finance）
［国内］
- FLUX — AIトランスフォーメーション（AX）推進を支援するエンタープライズ向けAIプロダクト・研究開発会社。シリーズCファーストクローズで60億円を調達（第三者割当増資＋セカンダリー取引）。累計調達額は約160億円。新規投資家はJICベンチャー・グロース・インベストメンツ（リード）、NTTデータ、SOMPO Growth Partners、既存投資家はSalesforce Ventures、DNX Ventures。（PR Times）
- bitBiome — 微生物シングルセルゲノム解析技術を活用した次世代バイオものづくりプラットフォームを開発するバイオテック企業。シードエクステンション（サードクローズ）で約35億円を追加調達（うち約8割が非希薄的資金）。累計調達額は約70億円。投資家はDarwin Ventures（台湾）、In-Q-Tel（米国）、Valuence Ventures（米国）、IT-Farm他。デット引受元はUPSIDER（BLUE DREAM Fund）。（PR Times）
- アトム — 製造業・物流/運輸領域での社会実装を目指す双腕二足ヒューマノイドAIロボットを開発するPhysical AIスタートアップ。シードラウンドで30億円を調達。投資家はANRI・Beyond Next Ventures・ジャフコ グループ（共同リード）、ALPHA、JICベンチャー・グロース・インベストメンツ他。（PR Times）
- Yuimedi — 医療データの利活用インフラを整備し、データを通じて必要な医療を必要な患者へ届けるデジタルヘルスプラットフォーム。セカンドクローズ完了にて合計6億円を調達。投資家は農林中金キャピタル、Darwin Venture Management。（PR Times）
- palplat — 化粧品・美容業界に特化したHRテックプラットフォームを展開。採用・人材マッチングをAIで効率化。preシリーズAラウンドで2.1億円を調達。累計調達額は4.2億円。投資家はKUSABI 1号投資事業有限責任組合、PKSHAアルゴリズム 2号投資事業有限責任組合、石川聡彦氏。（PR Times）
