「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。

大手ERPの「実績と安定性」は、資産から負債に変わりつつある
「How AI is Turning ERP Incumbency from an Asset to a Liability」 by Aaron Neil, Michael Brown, Alex Auchter, Matt Dailey, Genki LeClair on Battery Ventures
Battery VenturesのAaron Neil氏、Michael Brown氏らが、CFOを対象にした調査をもとに、AIの普及で大手ERPの「実績と安定性」という強みが逆に弱みへ変わりつつあることを解説した記事です。
「替えられないSoR(System of Record)」を前提に戦略を立ててきた日本のバックオフィスSaaS起業家にとって、既存プレイヤーの牙城を崩す好機と、自社が置き換えられるリスクの両方を示す内容です。
CFOのAI導入率は半年で17%から88%へ急伸した
Batteryが2026年8月に、50人の財務担当者(主にCFOと財務VP、従業員数100〜499人の企業が中心)を対象に実施した2回目の調査の結果です。4月の初回調査では、多くの組織でAIはPoC止まりでした。
その数週間後にAnthropicのOpus 4.7が登場し、Battery投資先の財務担当者のあいだでAI導入が一気に加速したと、筆者らは説明しています。
導入の壁だった「精度」と「データ整備」は解消されたようだ
半年前は71%が精度を懸念していましたが、Mercorの調査ではAIが月次決算業務でジュニア会計士を上回る結果が出ています。
データ面では、分断されたレガシーツールをAI時代向けのモダンなSoRに統合する動きが進んでいます。BatteryはAIネイティブERPのRillet(投資先)を、クリーンなデータ基盤とエージェントの作成・オーケストレーション機能を併せ持つ好例として挙げています。
すでにエージェントを財務プロセスの「ミッションクリティカル」と考えているCFOは、直近の調査で8%です。筆者らは、この割合が年末までに大きく増えると見ています。
AI活用はまず「元帳に触れない業務」から広がっている
現在の財務エージェントは、Claude CoworkやChatGPT Codexのような汎用ツール上で構築されるケースが中心です。
普及が速いのはFP&Aの予測、管理会計レポート、買掛金処理など、汎用AIが元帳に触れずに対応でき、監査リスクが低い業務です。一方、収益認識や税務など監査が厳しい業務ほどAI浸透度は低くなっています。
監査が厳しい業務ほど「ERPネイティブなAI」が求められている
CFOは、ガバナンスと統制を備えた会計システム内蔵のAIが、収益認識、税務、売掛金、決算・連結、買掛金といった業務に必要だと考えています。
Batteryは、財務特化型の基盤が進化するにつれて、エージェントの活用はより多くの財務チームで財務専用システム内に移っていくと見ています。最良のエージェントを持つベンダーは、ソフトウェアだけでなくトークンも収益化でき、時間をかけて企業の人件費予算にも手が届くという見立てです。
モデル選定は「性能優先・コストは後回し」の段階
CFOの84%が2つ以上、28%が4つ以上のAIモデルを併用しており、標準化は進んでいません。モデル選定で性能を最重視する人は64%で、監査対応を最重視する人(20%)を上回ります。トークンコストを積極的に管理しているのは現在16%のみですが、1年後には86%が管理すると回答しています。
「ベンダーの安定性・実績」は優先順位の最下位に転落した
4月時点ではERPの上にAIを重ねる企業が77%、AIネイティブプロダクトを買う企業は15%でしたが、この損得勘定は逆転しました。
次世代財務基盤に求めるものでは、上位がネイティブAIとエージェント自動化、監査・統制機能で、ベンダーの安定性は最下位です。<yellow-highlight-half-bold>CFOにとってのキャリアリスクは「新しいものを選ぶこと」から「取締役会に3年遅れを説明すること」へと入れ替わっています<yellow-highlight-half-bold>。
レガシーERP利用者の48%が、3年以内に乗り換える可能性が高いと答えた
AIネイティブERP利用者で同様の回答は12%にとどまり、その差は約4倍です。レガシー利用者の約30%は魅力的なAIネイティブプロダクトがあれば乗り換えると答えた一方、AIネイティブ利用者でそう答えた人はゼロでした。
ベンダーがAIロードマップをどれだけ実行できているかを5段階中4か5と評価した人は、AIネイティブ利用者の65%に対し、レガシー利用者では15%にとどまります。
「人間の速度の防御は、この競争に負ける」──超知能時代の重要インフラ・サイバー防衛計画
「Super Intelligence-Era Critical Infrastructure Cyber Defense Plan」 by Anne Neuberger on a16z
AIで加速するサイバー攻撃から米国の重要インフラを守る官民連携計画を、a16zのGP兼グローバル・アフェアーズ責任者で元米国家安全保障副補佐官(サイバー・新興技術担当)のAnne Neuberger氏が解説した記事です。
レガシーなOT(制御システム)を抱える日本のインフラにも同じ課題があり、AIセキュリティ・OTセキュリティ・デジタルツイン領域の事業機会や、米国向けに機器を売るメーカーへの新たな要求を読み解くうえで参考になります。
AIは攻撃側と防御側の両方を「機械の速度」に変える
AIによって、脆弱性が見つかってから悪用されるまでの時間が縮んでいます。人間の作業速度のままの防御側はこの競争に勝てない、というのが筆者の問題意識です。
一方で、同じAIは露出しているシステムの発見、重要度の順位付け、修正策の生成といった形で防御にも使えます。パッチを当てられない古い設備にも、ファイアウォールルールや設定変更などの回避策をAIで作れるため、論点はそれを十分な速さで適用できるかどうかです。
国家的リスクは「数百の事業者と共有ベンダー」に集中している
対象は電力、銀行・決済、水道、通信、病院の5セクターです。全国に連鎖しうる障害の経路は、数百の事業者とその共有ベンダーに集中しており、具体的には大規模変電所、FedwireやACHなどの決済網、大都市の水道、通信コア網・911、地域の救命救急センターや電子カルテベンダーなどです。
小規模な事業者も侵入の足がかりになりやすく無視できませんが、重要な少数を先に守れば残りを直す時間を稼げるという考えです。
優先順位は企業規模ではなく、障害時の被害の大きさと依存されている度合いで決めるべきとしています。多くの事業者が使う共有ベンダーは、単一の事業者よりも大きなリスクを抱えることがある点も指摘されています。
既存の規制は「チェックリスト型」で、この脅威に対応できていない
物理設備を動かすOTは20年以上使われ続けることが多く、停止リスクがあるためパッチを当てられないものもあります。現行の規制は固定のパッチ期間とコンプライアンス重視で作られており、管理策が「あるかどうか」を測るだけで、露出の大きさや封じ込めの速さは測っていません。
そこで、制御システムのインターネット露出ゼロ、重大な脆弱性を封じ込めるまでの時間、手動運用できる時間といった「成果指標」で評価する方式への転換を提案しています。
ガバナンスは「CEOが署名し、毎月スコアカードで報告する」官民モデル
ホワイトハウスのSuper Intelligence Forceが国家目標を設定し、各セクターの主要企業CEOで構成する評議会が結果に責任を負います。
実務は、既存のセクター調整評議会(SCC)と情報共有分析センター(ISAC)を改修して担わせます。各CEOがセクターの目標に署名し、ISACが匿名化した月次スコアカードで進捗を報告し、遅れたセクターにはCEOレベルのレビューが入ります。
あわせて求めているのは、上場企業の取締役会による進捗の承認、大手事業者による小規模事業者(地方病院や協同組合型の電力会社など)の支援、3〜6ヶ月以内のクロスセクター合同演習です。
技術戦略の第一は「パッチできないもの」を封じ込めること
AIを使ったスキャンで、インターネットにつながった制御システムやリモートアクセス経路をすべて洗い出し、遮断するか、監視付きのアクセス点の背後に置くか、フィッシング耐性のある多要素認証で守ります。
最重要の制御ネットワークにはデータが外向きにしか流れない一方向接続を導入し、ITと制御系を分離して被害の広がりを抑えます。
上位の重要事業者には、IT抜きで72時間運用を続けられることを演習で証明させ(病院は紙カルテ、電力は手動制御など)、制御システムの設定を保存したオフラインのコピーと、ITシステムをベアメタルから再構築できることの実証も求めています。
AIによる防御のスケール化に伴い、機器メーカーにも期限内の対応が求められる
ソースコードやファームウェアの脆弱性をAIでリリース前に発見し、国の新しいAI脆弱性クリアリングハウス「Gold Eagle」を通じてメーカーに通知します。
パッチできないシステム向けには、AIが脆弱性ごとの回避策を作り、デジタルツイン上で検証してから本番に適用します。ただし、重要な共有システムのデジタルツインを整備するのは計画の第2段階です。
人材を雇えない小規模な水道事業者や地方病院向けには補助付きのAIセキュリティ監視(SOC)サービスを提供し、デジタルツインを相手にした、AIによるレッドチーム演習も行います。大手クラウドやフロンティアAIラボもCEO評議会に参加します。
機器メーカー(多くは外国企業)には、<yellow-highlight-half-bold>期限内に発見事項へ対応することを、重要事業者への販売条件とする<yellow-highlight-half-bold>よう求めています。なお、AI防御ツールは制御ネットワークに対して原則読み取り専用とし、変更には必ず人間の承認を必要とするガードレールを設けます。
法的保護と6ヶ月の時間軸が実行の鍵になる
法的な保護がなければCEOは機微なデータの共有を承認せず、企業が自ら見つけた脆弱性で法的責任を問われるおそれもあります。前者には2015年サイバーセキュリティ情報共有法(CISA 2015)の再承認、後者には何らかの形で時間を区切った責任保護が必要だとしています。
成果指標にもとづく目標を達成し取締役会の承認を得た企業へのセーフハーバー、連邦調達での「セキュア・バイ・デフォルト」要件、ベンダーによるサポート期間の開示も挙げられています。
さらに、政府が防御用にフロンティアモデルへのアクセスと計算資源を確保することも提案しています。上位の重要事業者は6ヶ月以内に封じ込めるべきとし、旧式設備の更新には2〜5年と多額のコストがかかるため、まずは封じ込めを優先するという立場です。

評価額600億ドルのRampは、なぜAIプロダクトを次々と出せるのか
「How Ramp Built A $60B AI Product Factory Off A Corporate Card」 by Alex Konrad on The Upstarts Podcast
Ramp共同CEOのEric Glyman氏が、ポッドキャスト「Upstarts」で、法人カードから評価額600億ドルのAIプロダクト工場へと進化した経緯を語るエピソードをピックしました。
法人カードの会社として知られるRampが、なぜ自らを「ある意味で生産性の会社」と位置付け、GlassやInspectといったAIプロダクトを次々と出せるのか、その事業の判断軸と組織の仕組みがわかる内容です。
200ドルを得るための100ドル、その比率を改善する
最初のプロダクトがカードだったためフィンテックと見られがちですが、Glyman氏は「ある意味、私たちはむしろ生産性の会社だ」と語っています。
すべてのプロダクトを貫くルールは、企業が200ドルを得るために100ドルを使うとき、その比率をどう改善するかです。新しいプロダクトには2つのフィルターがあります。
顧客が求めているか、あるいはいずれその課題に直面するか。そして、データ、顧客との関係、ワークフロー上の位置から、Rampに構造的な優位性があるかです。<yellow-highlight-half-bold>顧客の役に立つものでも、Rampが他社より優れている理由がなければ見送る<yellow-highlight-half-bold>と話しています。
顧客の経費削減率は2%から7.5%へ
Rampを導入した企業は、初年度に経費を約7.5%削減しています。2020年に導入した顧客の削減率は年約2%でした。
カードの還元率は7.5%よりはるかに低く、人々が選ぶのは、カード、経費、請求書、調達、出張をそれぞれ別のシステムで回す従来のやり方より、はるかに使いやすいからだと説明しています。
現在、Rampには米国の法人決済の約1%、法人カード決済の4%近くが流れています。この規模になると、匿名化した集計データから、たとえばSalesforceの更新で1シートあたり年200ドルの見積もりが妥当かどうかを判断できると語っています。
評価額600億ドルでも、認知度は10%台
最近の調査では、米国でのRampの認知度は10%台にとどまり、85%以上の人がRampを知らないとGlyman氏は明かしています。一方で、顧客の大半はすでに複数のプロダクトを使っています。カードと経費精算、請求書払い、トレジャリー、そしてGlassやInspectといったAIツールです。
いま最も多くの資金が動いているのは請求書払いで、これは顧客の要望から生まれました。カードの体験は良いが、カードだけでは完結しないので、小切手や電信送金、ACHも同じプラットフォームで送りたいという声でした。
チャット型AIは、社内で同じ質問に何度もお金を払わせる
Glyman氏はチャットを「異星の知性に、スロット越しにメモを渡して返事をもらうようなもの」と表現します。この1対1の設計では、社内の人が同じ答えを得るために10倍、100倍のコストを払っていました。
Glassは、同じ質問への回答をまとめ、1,500人以上の社員のセッションをまたいで使えるようにすることで、会社が同じことを100回学び直さずに済むようにします。Glyman氏は、Excelをやり取りするだけより、SnowflakeやSlackにつながっているほうがはるかに役立つとも語っています。
多くの企業でCodexやClaude Codeを導入すると、社員は必要な権限を自分で申請しなければなりません。Glassならダウンロードした時点で、Rampの1,900人全員の権限がすでに有効になっていると語っています。
社内ツールだったInspectは、1本の投稿でプロダクトへ動き出した
Rampは、Claude CodeのAlpha版の最初の顧客であり、CognitionのDevinの最初の顧客、Cursorの初期ユーザーでもあったといいます。
Inspectは社内のコーディングエージェントで、AIに全体像を見せれば自分で反復して解決できるはずだと考えたあるエンジニアが作りました。Glyman氏は、Chromeで右クリックすると出る「inspect element」を引き合いに出して説明しています。
Inspectは、こだわりの強い社内エンジニアの主要な開発手段になり、作り方を紹介する投稿を出したところ約100万インプレッションを獲得しました。「うちにも使わせてほしい」という問い合わせが、チームをプロダクト化の検討へと引っ張ったと話しています。
GoogleではなくAmazonを選んだ組織設計
Glyman氏は2つのモデルを比較します。Googleは調和の取れた一つの事業で、20%ルールがあり、競合するプロダクトは片方が廃止されます。Amazonは同じ機能のプロダクトが9つあることもあり、チーム同士が競っていると承知のうえで動いています。
Rampは早い段階で、Amazon側を選ぶと決めました。5〜6人の小さなチームに、目指す成果と測り方を明確に渡し、やり方は任せます。優秀なシェフを雇っておきながら、マカロニチーズとハンバーガーだけの決まったメニューを作らせるのでは意味がない、と語っています。
14歳のインターンも「プルーフ・オブ・ワーク」で採用
Rampが見ているのは、誰かに言われたのではなく、自分で何かを作った強い証拠です。高校でクラブを立ち上げた、自分でプロダクトを出した、といった経験です。あるインターンは14歳で、見つかったきっかけの一つは、趣味で作ったアプリがTwitterで約100万人に見られたことでした。
この基準では、ポテンシャルはあってもまだ形にしていない人を逃すこともあるとGlyman氏は認めています。そのうえで、自走する人にリソースを渡し、障害を取り除くのが自分の仕事だと話しています。
3割打者でも7割は失敗している
「Growth without fear(恐れずに成長する)」はRampのバリューの一つです。Glyman氏は、学習のペースを伴わないスピードはただのカオスだと語っています。
グロースチームが自分たちを重ねるのは野球です。打率3割なら殿堂入りですが、それでも7割は凡退しています。非常に優秀なチームでも、実験で正しいのはせいぜい30%程度で、残りは結論が出ないか間違いだといいます。
人は間違えるコストを過大評価するようにできているので、間違えるコストが低い領域では、間違えてもいい余白を意図的につくる必要があると指摘しています。一方、カード認証が1時間止まるような領域では、間違いは深刻な事態を招くとも話しています。
10年前にAIエージェントをやっていたParibus
前身のParibusのきっかけは2013〜2014年の旅行でした。予約の翌日、航空券が1席900ドルから800ドルに下がっていたのです。航空会社の24時間価格保証を使い、グループで約1,000ドルが戻ってきました。
Paribusは、購入後に価格が下がったら知らせ、差額の返金を取りつけるサービスでした。Amazonのレシートを取得するため、APIがないなかでユーザーのアカウントにログインし、CAPTCHAを解き、全米各地のIPを経由させていました。
Amazonから差し止めの警告書が届くと、規約上ユーザーは他人に代行を依頼でき、責任はユーザー本人にあると反論し、「訴えたいなら自社の顧客を訴えればいい」と返したと語っています。
Glyman氏は、AIエージェントは10年前にもあったと言います。能力は限られ、モデルも賢くありませんでしたが、数百万人が受信箱経由で自動的にお金を取り戻していました。
資金の流れの外にいるエージェントは、お願いすることしかできない
Paribusは1日に数億通のメールを処理し、毎年何十億ドルもの無駄を見ていました。それでもできたのは、カスタマーサポートに返金をお願いするメールを送ることだけでした。
Glyman氏はこれを「ガラス越しに眺めている状態」と表現します。ホテルなら、カードがあれば部屋をキャンセルして新しい料金で取り直せるのにと考えましたが、銀行の内部でそうした仕組みをつなぐのが複雑すぎて実現できませんでした。
MuseやInstinctのようなエージェント企業には、取引の流れのどこに位置するかを考えることがとても大事だと助言しています。Rampにとっての教訓は、カード決済を自ら処理し、すべてのお金の動きを把握し、ERPにつないで支出の見返りまで見ることでした。
マーケティングの最初の問いは「どうすれば面白くなれるか」
スタートアップの最大の敵は、誰も自分たちに関心を持ってくれないことだとGlyman氏は語っています。
いまのアルゴリズムは優秀なので、つまらないものは誰にも見られず、面白いものは多くの人に届きます。Rampのイベントには、認知、投資対効果、そしてプロダクトではなく会社としてのRampを好きになってもらう、という3つの目的があります。
70分のブロードウェイミュージカル「Bill Pay the Musical」は、1億人以上が関連記事を目にし、招待した数百人の顧客や見込み顧客のコンバージョン率を大きく押し上げました。
『The Office』のケビン役、Brian Baumgartner氏がガラスの箱に入り、約8時間かけて作業を続ける企画は、手作業の経費精算とRampのやり方の違いが、50秒ほど見るだけで伝わるものでした。
AIでマーケティングは技術とデータの仕事になった
2〜3年前、Rampはマーケティングを当時CTOだったKarim Atiyeh氏の配下に移しました。マーケティングとは、正しいメッセージを、正しい人に、正しいタイミングで届けることです。
Sora、Suno、LLMの登場で「正しいメッセージ」は生成と反復の技術的な作業になり、「正しい人とタイミング」はデータの問題になったとGlyman氏は説明します。
AIがテクノロジーのすべてになりつつあるなかで、Atiyeh氏を共同CEOに、28歳のRahul氏をCTOに引き上げました。Glyman氏は、AIの経験が5年を超える人は実際には誰もいないが、Rahul氏はその分野でプロダクトを作っていたと話しています。

PdMの求人は75%増、UXリサーチの採用は3分の1に──AI時代の職種の明暗
「State of the tech job market: late 2026」 by Lenny Rachitsky on Lenny’s Newsletter
Lenny’s NewsletterのLenny Rachitsky氏が、テック企業9,000社超の求人データ(TrueUp)と、1億2,400万人分の転職・採用データ(Live Data Technologies)を突き合わせ、2026年後半の職種別の需給をまとめたレポートです。
データ(求人は世界、採用は米国)で示されているのは、求人は増えているのに採用は伸びていないこと、職種ごとの明暗が広がっていること、求人票に並ぶスキルにAI関連の語が加わっていることです。
採用が減る市場で、PdMだけが採用シェアを伸ばしている
エンジニアの求人は2024年1月比で44%増えた一方、米国での採用数は17%減りました。年間の採用数は約11.3万人で、2022年のピーク23.9万人の半分以下です。
求人の伸び率も2024年+29%、2025年+15%、直近1年+2.5%と鈍化しています。対照的に、PdMの求人は2023年3月の底から75%増え、主要5職種の採用に占めるPdMの比率は2021年の16%から21%に上がりました。
ただし、PdMを含む主要5職種の採用数は横ばいか減少が続いていて、PdMはそのなかで最も持ちこたえています。求人が伸びる一方で採用数は追いついておらず、良いPdMを採る難しさはむしろ増していると、記事は読み解いています。
FDEの求人は4.6倍に、モバイルとフロントエンドはほぼ半減
顧客の現場に入って実装を担うFDE(Forward Deployed Engineer)の求人は、1年で4.6倍の約1,500件に増えました(セールスエンジニアなどからの職種名の付け替えが含まれる可能性があると注記されています)。
以前は世界で数十件しかなく、大半がPalantirでした。採用担当の求人も2023年の半ばから300%近く増えています。一方、モバイルとフロントエンドの需要は1年でほぼ半減しました。UXリサーチャーの米国採用は2022年比66%減の約1,800人で、調べた職種のなかで最も大きな落ち込みです。
UXリサーチについては、開発のペースが上がって従来の調査に割く時間も関心も減ったことと、調査ツールの進化で専任以外の人も自分で調べられるようになったことが背景にあるという仮説を、記事は示しています。
エンジニアリングでは、AIによって<yellow-highlight-half-bold>少人数のチームが広い領域を受け持つようになり、専門ごとに分かれた職種が減っている<yellow-highlight-half-bold>と記事は読み解いています。
求人票のスキルに、LLMなどAI関連の語が並んだ
2年前、PdMの求人票で多く挙がっていたのはSQL、Jira、AWS、Pythonでした。現在は「LLM」が最も多く、3位のClaudeをはじめAIツール名やMCPも上位8位に入っています。SQLも上位に残っています。AIの出力品質を評価する「Evals」も上位10位に入り、伸びています。
エンジニアの求人ではPythonが引き続き最多で、「LLM」がJavaを上回りました。デザイナーではFigmaが首位のまま、Claudeが2位に上がってCSSを抜きました。職種を問わず、AI関連のスキルが求人票で求められるようになっています。
資金調達ニュース
[海外]
🏢 エンタープライズ
- Mirendil
元Anthropicの研究者が創業。AIエージェントでAIモデルの研究開発を自動化するフロンティアAIラボ。シリーズAで10億ドルを調達。投資家はKleiner Perkins(リード)、Clearlake Capital(リード)、Googleなど(SiliconANGLE) - Mercor
AIモデルの学習・評価向け専門家データ基盤。500万人超の専門家ネットワークを活用し、企業向けエージェント評価へ展開。シリーズDで7億5,000万ドルを調達。評価額は200億ドル。投資家はNvidia、Salesforce、Zoomなど(SiliconANGLE) - LangChain
AIエージェントの開発・運用・ガバナンス基盤「LangSmith」を提供するエージェントエンジニアリングプラットフォーム。シリーズCで3億ドルを調達。評価額は30億ドル。投資家はCapitalG(リード)、GIC、DFJ Growthなど(Yahoo! Finance) - Rox
Global 2000企業向けのレベニューエージェント。シリーズBで1億ドルを調達。評価額は13億ドル。投資家はGeneral Catalyst、March Capital(共同リード)(Fortune) - Graphon Labs
AIエージェントに長期記憶を持たせる永続メモリ基盤。シリーズAで3,500万ドルを調達。投資家はRRE Ventures(リード)、HP、Hitachi Venturesなど(The Next Web) - Kindo
企業内で動くAIエージェントを見つけ出し、権限・データアクセス・推論コストを一元管理するAIエージェント管理プラットフォーム。3,000万ドルを調達。投資家はCrosspoint Capital(共同リード)、Forgepoint Capital(共同リード)、TFX Capitalなど(Tech Funding News) - Coframe
ウェブサイト・LP・広告を自律的に生成・テスト・改善するAIプラットフォーム。シリーズAで2,500万ドルを調達。投資家はKhosla Ventures(共同リード)、Hanabi Capital(共同リード)、OpenAI・Anthropic・Google DeepMindの幹部など(Unite.AI) - Hatz AI
MSP経由で中小企業にAIを提供するチャネル型AIプラットフォーム。シリーズAで2,400万ドルを調達。投資家はNadia Partners(リード)、Vestigo Ventures、The Private Shares Fund(Ventureburn) - Nebuly
AIエージェントの事業価値を測定するプラットフォーム。シリーズAで2,100万ドルを調達。投資家はPlanven(リード)、Exor Ventures、CDP Venture Capitalなど(Tech.eu)
🛰️ ハードウェア×AI
- Skydio
AI自律飛行ドローンメーカー。公共安全・軍事・産業向け。Axonから12億ドルの戦略出資を発表。評価額はプレマネー52億ドル。投資家はAxon(Resilience Media) - Agile Robots
ヒューマノイド、モバイルロボット、ロボットアームと制御ソフトを開発するフィジカルAI企業。シリーズFで5億ドルを調達。評価額は85億ドル。投資家はSoftBank Group(リード)、Nvidia、日立など(SiliconANGLE) - Path Robotics
溶接ロボットからはじまる製造業向けフィジカルAI。シリーズEで3億ドルを調達。評価額は24億5,000万ドル。投資家はGeorgian(リード)、D. E. Shaw Ventures、Naver Venturesなど(The Next Web) - Onodrim Industries
欧州の防衛・産業企業を買収・育成するスケールアッププラットフォーム。シリーズAで3億ドルを調達。評価額は13億ドル。投資家はLux Capital(リード)、General Catalyst、Lakestarなど(Tech.eu) - Nominal
ハードウェア・インテリジェンス・プラットフォーム。航空機・衛星・ロボット等の試験・テレメトリデータをAIで分析。シリーズCで2億4,000万ドルを調達。評価額は30億ドル。投資家はLightspeed Venture Partners(リード)、Insight Partners(共同リード)、Sequoiaなど(TechCrunch) - Nidus
防衛産業の工場に組み込むロボティクスAI。プレシード+シードで3,000万ドルを調達。投資家はKleiner Perkins(シードリード)、Costanoa(プレシードリード)、Ludlow Venturesなど(Upstarts) - SE3
ドローンや無人システム向けに3次元空間を理解させる空間知能AI。シリーズAで3,000万ドルを調達。投資家はAccel(リード)、Keen Venture Partners、Lakestarなど(Fortune)
🏗️ バーティカル
- Blue J
税務専門家向けAIリサーチ・アドバイザリー。シリーズEで1億7,600万ドルを調達。評価額は7億ドル超。投資家はJMI Equity(リード)、Oak HC/FT、Sapphire Venturesなど(BetaKit) - Kalepa
保険会社向けAIプラットフォーム。引受・プライシング・ポートフォリオ管理を支援。シリーズBで7,500万ドルを調達。評価額は4億7,000万ドル。投資家はUpdata Partners(リード)、IA Ventures、Inspired Capitalなど(FinTech Futures) - Spines
原稿から出版・翻訳・オーディオブック化・マーケティングまでをAIエージェントで担う出版プラットフォーム。6,400万ドルを調達(シリーズA-1 2,900万ドル+ノンダイリューティブ融資枠3,500万ドル)。投資家はZeev Ventures(リード)、Twelve(融資枠)など(CTech) - Sumary
会計事務所向けAIオペレーティングシステム。記帳・照合・月次決算を自動化。シードで2,500万ドルを調達。投資家はSingular(リード)、byFounders、Partechなど(Tech.eu)
🔒 サイバーセキュリティ
- Daylight
AIエージェントと人間の専門家を組み合わせたマネージド・セキュリティ(MDR)。シリーズBで8,000万ドルを調達。投資家はGoldman Sachs Alternatives(リード)、Okta Ventures、Bain Capital Venturesなど(SiliconANGLE) - Bay
企業内AIエージェントの行動を実行前に検証・制御するセキュリティ基盤。シリーズAで3,700万ドルを調達。投資家はBattery Ventures(リード)、M12、Micron Venturesなど(Globes) - Dreeze
クラウドアプリケーションを依存関係ごと復旧する「Application Revival」基盤(AWS対応)。シードで3,300万ドルを調達。投資家はNorwest(共同リード)、Bessemer Venture Partners(共同リード)、Claltech(Help Net Security) - WhiteMatter
エンタープライズのAIエージェントを導入前から実行時まで統制するエージェントセキュリティ。シリーズAで2,000万ドルを調達。投資家はBlumberg Capital(リード)、Crew Capital、Sprout & Oak(SecurityWeek)
💳 フィンテック
- Databento
先物・オプション・株式などのリアルタイム/過去の市場データを統一APIで提供する金融マーケットデータプラットフォーム。シリーズCで1億ドルを調達。評価額は11億ドル。投資家はFifth Down Capital(リード)、NEA、DRW Venture Capitalなど(FinSMEs) - Operand
プライベートエクイティ向けAIデューデリジェンス基盤。公開情報から対象企業の顧客動向や価格データを分析。シード+シリーズAで3,100万ドルを調達。評価額は2億2,000万ドル。投資家はKhosla Ventures(リード)、Felicis、Y Combinatorなど(FinSMEs) - Synctera
組込型金融・BaaSプラットフォーム。2,450万ドルを調達。投資家はMultiplier Capital、Fin Capital、1st & Main Growth Partnersなど(PYMNTS) - geniosAI
金融機関向けAIファイナンシャル・インテリジェンス基盤。分析過程を追跡可能な形で組織知として蓄積。シード+シリーズAで1,910万ドルを調達。投資家はFactSet(シリーズAリード)、Zoom、General Catalystなど(PYMNTS)
🏥 ヘルスケア
- Laza Medical
カテーテル治療室向けAI×ロボティクス心臓イメージングシステム。シリーズBで最大1億6,000万ドル(確定額は非公開のストラクチャード・ファイナンス)を調達。投資家はGE HealthCare(リード)、Unorthodox Ventures、PA MedTechなど(Cardiovascular Business) - Zus Health
患者記録・全米ヘルスケアデータネットワーク・AI臨床ワークフロー基盤。シリーズBで3,300万ドルを調達。投資家はDrive Capital(リード)、Sanofi Ventures、HealthX Venturesなど(HIT Consultant)
そのほか
- Q-CTRL
量子コンピュータ向けインフラソフトウェア。シリーズCで2億9,000万ドルを調達。投資家はSalesforce Ventures(リード)、Bullhound Capital、Affinity Partnersなど(HPCwire) - Mavria
工場で量産するモジュール型AIデータセンター。プレシードとシードの合計で1億3,000万ドルを調達。投資家はParadigm(リード)、AMP PBC、Liquid 2など(Crypto Briefing) - Mount Thor
macOSとAppleシリコンのMacをデータセンター規模で提供する、AIエージェントの学習・推論向けクラウドインフラ。シードとシリーズAの合計で4,500万ドルを調達。投資家はCRV(シリーズA共同リード)、Conviction(シリーズA共同リード)、Offline Ventures(シード共同リード)など(The AI Insider) - Luminal
探索型コンパイラとフルマネージドの推論クラウド。シリーズAで2,500万ドルを調達。投資家はStandard Capital(リード)、SagaVC、Felicisなど(CFOtech)
[国内]
- newmo
タクシー約1,900台の事業運営と自社開発の自動運転AIを垂直統合し、自動運転タクシーの社会実装を目指すモビリティスタートアップ。シリーズBで208億円を調達。投資家はKDDI(リード)、BRICKS FUND TOKYO by Mitsubishi Estate、SMBC-GBグロースファンドなど(PR TIMES) - BALLAS
建設部材の設計・購買・製造・施工データを構造化し、案件協議から納品までをAIエージェントで自動化する建設サプライチェーンプラットフォーム。シリーズBで34億円を調達。投資家はSMBC Edge(リード)、Z Venture Capital(リード)、JICベンチャー・グロース・インベストメンツなど(PR TIMES) - Atlas
LINEで対話できる「ねこやまさん」など、利用者の経験や感情を記憶して信頼関係を築くリレーショナルAIの開発・運営。約1億円を調達。投資家は複数のエンジェル投資家(PR TIMES) - Z Creative Partners
生成AIの回答に表れるブランドの認識・評価・推奨状況を可視化・分析するGEO(生成AI検索最適化)ソリューション「Z-GEO™」を提供。業界横断のブランド評価データベースとプラットフォームを開発中。シードで5,000万円を調達。投資家はK&Pパートナーズ(PR TIMES) - Human Physical Intelligence(HPI)
九州工業大学の研究シーズを基盤に、介護動作を学習・同調するフィジカルAI搭載アシストスーツを開発する大学発スタートアップ。1,000万円の融資を受けた。融資元は日本政策金融公庫(PR TIMES)



