マリナ・ダビドワは、Davidovs Venture Collective (DVC)の共同創設者兼マネージング・パートナーです。DVCは、コミュニティ主導でAIを駆使したベンチャー・ファンドです。DVCの集団的専門知識と、社内で開発された自動化されたAIワークフローは、取引のソーシング、デューデリジェンスの加速、ポートフォリオ企業の積極的なサポートに役立ちます。以前、マリナはCherry Labsの共同創設者兼COOであり、Gagarin Capitalとともに初期段階のAIに投資しました。
DVCでは、10年間でAI市場を近くで見てきました。企業を支援し、ポートフォリオ企業の創設者と密接に協力してきました。この年、我々は世界と共有するために、我々が構築してきたフレームワークを決定しました。これがState of AI Reportの誕生です：AI経済のすべての層を網羅した、生きた、継続的に更新される分析です。シリコンとエネルギーからファンデーションモデルとアプリケーションまで。我々はAIとレビューを更新し、個人で確認しています。なぜなら、この市場は非常に速く動いているからです。静的な年次スナップショットは、公開された瞬間に古くなってしまいます。ここでは、創設者と投資家が注目すべき5つの発見があります。1. スケールのルールは書き換えられたテクノロジーの歴史上、5人のチームが100億ドルの大手企業に挑戦し、勝利し、ビジネスモデルを破壊し、市場を500億ドルに拡大したことはありません。Perplexityは1ヶ月で300Mドルの年間収益を50%増やしました。Higgsfieldは1年で0から300Mドルに達しました。Cursorは2025年6月に500Mドルの年間収益を達成し、秋には1Bドル、2026年2月には2Bドルに達しました。彼らは自分の工場を建設しませんでした。彼らはアプリケーションレイヤーで競争し、市場を10倍に拡大し、インフラストラクチャは彼らの下でスケールしました。2. SaaSのプレイブックはここでは適用されない伝統的なSaaSの評価は、1つの前提に基づいています。70〜80%のマージンがビジネスがスケールするにつれて蓄積されるというものです。AI企業はそうではありません。彼らは異なる方法で動作します。最も優れたものでも、我々が「推論税」と呼ぶものを支払います。1ドルあたり40〜60セントがコンピュート、基礎モデル、クラウド、シリコン、エネルギーに費やされます。OpenAIの2025年上半期の粗利益率は約42%でした。Anthropicは約40%でした。Cursorは約35%でした。GitHub Copilotは現在0〜15%で、戦略的なロックインのために補助されています。AI企業は、ソフトウェアベンダーよりも工業製造業者に近いです。Jensen Huangは、データセンターを工場と考えることを最もよく表現しています。電子が入力され、知能が生成されます。貴方の「銀行のAMLとコンプライアンスのためのAIエージェント」は、SaaSではありません。それは、シートメタルから製造されたスプーンのカスタマイズサービスです。スプーンは、工場で大量生産され、ミルで処理された鉱石から作られます。これは、SaaSの倍率を支払うことが間違っていることを意味しますか？いいえ。しかし、正直に言ってください。我々は、長期的な終端値ではなく、非凡な収益成長の可能性を支払っています。那は異なるベットです。我々は、それを自覚して行うべきです。3. ファンデーションモデルは、予想よりも早くコモディティ化されつつあります16社が現在、最先端のモデルを所有しています。GPT-4クラスのパフォーマンスは、2023年に100万トークンあたり37.50ドルでした。2025年までに：0.14ドル。DeepSeek V3は、0.006ドルまで低下させました。2年間で99.6%の低下、6,000倍のコスト削減です。モデルレイヤーがコモディティ化されると、ユーザーへのアクセスを制御するものが優位性を持ちます。配信、ワークフローの深さ、インターフェイスの所有権 — モデル品質ではなく — 次の10年を定義するでしょう。モデル品質はそれほど重要ではありません。4. ビジネスモデルはまだ発明されつつあります現在、AIで収益を上げる方法は3つありますが、どれも明らかに正しいわけではありません。トークンごとに課金することができます — 簡単で、スケーラブルで、ゼロに向かって競争しています。価格は18ヶ月で10倍低下しました。結果ごとに課金することができます（解決したチケットごと、完了したタスクごと）。それは優雅に聞こえますが、「解決した」とは何を意味するのかを定義しようとすると1週間を費やすことになります。または、サブスクリプションと広告のルートを選択することができます。OpenAIは2026年2月に広告を開始し、6週間で1億ドルの年間収益を達成しました。これは印象的ですが、計算をすると：1ユーザーあたり年間0.12ドルです。Googleは60ドルを稼ぎます。Anthropicは、アイデア全体を嘲笑するスーパーボウル広告で応じました — Claudeは同日、App Storeで7位に達しました。まだ誰もこれを解決していません。AIを介したワークフローの持続可能な収益化を実現する会社は、最も優れたモデルを持つ会社よりも重要かもしれません。我々は、2〜3年以内にこれが解決されることを予想しています。5. エネルギー、チップではなく、10年を定義する制約ですデータセンターの電力需要は、2030年までに160%増加する予定です。Google、Amazon 、Microsoft 、Metaは、2025年だけで10ギガワット以上の新しい米国原子力発電所を契約しました。彼らはこれを楽しんでやっているのではありません。彼らには他の選択肢がありません。非対称性：米国は最先端のGPUを持っていますが、2028年までに44ギガワットの電力不足に直面します（モルガンスタンレー）。中国は米国の2倍の電気を生成し、2024年に543ギガワットの新しい容量を追加し、2030年までに400ギガワットの余剰容量を持つ予定です。米国はチップを持っています。中国は電子を持ちます。どちらの制約を最初に解決するかが10年を形作ります。エネルギーインフラストラクチャは、1クォーターで構築されません。現在行われている決定 — 原子力PPA、データセンターの立地、グリッド投資 —...
AIの時代は多大な期待を抱かせています。毎企業が、どれほど効率を高めたか、AIがどれほど役立っているかを報告しています。私が複数のAIスタートアップで運営を担当し、現在は120以上のポートフォリオ企業を持つAI VCファンドを運営しているので、異なる景色を見ています。多くの有用なAIツールや自動化が購入され、統合され、導入されていますが、ほとんど効果がありません。最近のMcKinseyのAIの潜在能力に関する報告によると、AI変換の約70パーセントが失敗しています。問題は、最も優れたAIツールを導入しても、人間が運営するプロセスが混乱している場合、混乱したプロセスがAIによってさらに混乱することです。私たちの投資家の1人が、最近、会社が業務の一部にAIエージェントを導入し、効率性の向上を調査したことを共有しました。結果は驚きでした。従業員は以前手動で行っていた作業に多くの時間を節約できましたが、AIが犯したミスの修正に同じ量の時間を費やしました。当然、自動化はITによって導入され、運営チームは外されました。COOがAIを利用して実際に運営を改善する方法について話しましょう。DVCでは、AIスタートアップに投資するだけでなく、ほとんどの新技術の初期採用者でもあります。私たちは独自のエージェントを構築し、ポートフォリオ企業の製品をVC業務のすべての側面で使用しています。ソーシング、スコアリング、取引分析、ポートフォリオ創設者への支援、LPが使うツールの構築などです。私たちの成功は、非常に退屈ですが非常に有用なフレームワークを適用することから来ています。AIを導入する前に、私たちは以下の4つの質問をします。1. 明確なルールはありますか?プロセスは特定のガイドラインによって定義できますか? そうであれば、自動化の適切な候補です。法的ワークフロー、会計ルール、構造化されたオンボーディング? 完璧です。これらは、出力がルールに従うシステムです。AIはここで活躍します。しかし、プロセスが本質的に創造的である場合 — 例えば、ブランドの物語や戦略的なデザイン — 自動化は機能しません。プロセスは、人間がコパイロットを使用して設計する必要があります。ブランドマーケティングでは、規則を破ることは価値を追加することがあります。エージェントにそれを外注しないでください。2. このプロセスには単一の真実源がありますか?あなたのCRMが一つのことを言っている場合、注文トラッカーが別のことを言っている場合、そして実際の更新が誰かの個人的なスプレッドシートに保存されている場合 — 一時停止してください。AIシステムは、入力するデータだけが良いのです。単一の真実源を作成し、データや知識のシロを排除することは、効率的なプロセス設計の黄金標準であり、エージェントAIにとっては今よりも重要です。すべての顧客接点と履歴が統一されたデータベースにログされていれば、AIはフォローアップを自動化し、次のアクションを推奨し、正確なレポートを生成できます。さらに、音声カスタマーサポートを提供したり、クライアントのアポイントメントをスケジュールしたりすることもできます。多くの場合、スタートアップは、ビルディングされたCRMと統合されたソリューションを販売することで成功します。特に、小規模企業に販売する場合、Avoca AIのような電話アシスタントは、電気工事業者向けに統合されたCRMとともに提供され、すべての顧客データとやりとりが中央管理され、最新の状態に保たれます。3.豊富なデータ履歴はありますか?すべてのアクションがログされ、決定がどのように下されたかについての例が含まれていますか? AIはあなたの歴史的なデータのパターンから学習します。ログがない場合、学習はありません。システムが何が起こったか、そしてなぜ起こったかを記録しない場合、パターンを生成できません。改善することはできません。浪費することになります。ただし、顧客の電話をすべて記録し、AIでトランスクリプトし、フォルダに保存していても、十分ではない可能性があります。エージェントがこれらの非構造化データを要約された構造化データ、グラフに変換するように構成する必要があります。そうしないと、エージェントの注意力の限界を超えてしまうでしょう。想像してみてください。毎回仕事に行くたびに、メモリが消去されたような従業員です。超人的な速度で読み書きできますが、会社が何をしているか、そしてマネージャーが何を求めているかを知るために、メガバイトの会話ログとチャット履歴を眺めているようなものです。那はAIエージェントが「感じる」ものです。良いデータベースがない場合。最高のチームは、データを単に収集するのではなく、将来を見据えて構造化し、バージョン管理しています。那は学習ループが形成される時です。那はAIが賢くなる時です。モデルをトレーニングする必要がない場合でもです。ヘルスケアでは、Collectlyがこの原則を大規模に適用しています。請求、支払い、患者とのやりとりのデータを使用して、医療請求と収益サイクル管理を最適化しています。彼らのAIは、歴史的な結果から学習して、エラーを減らし、収集を高速化します。4.あなたのテクノロジースタックはAI対応ですか?AIをあなたのシステムやツールに実際に接続できますか? それとも1988年の内部ポータルに縛られている場合、ほとんど読み込めない場合ですか? 私たちは、内部オペレーションツールが古すぎて、構造化された出力を生成できず、APIと接続することもできない場合があることを見てきました。そうした場合、システムを一から再構築する方が、AIをレガシーシステムに強制するよりも、速くて効果的でした。AIエージェントがMCP、または構造化されたドキュメントAPIを使用できる場合、インターフェイスのスクリーンショットを撮って画像認識でどのボタンを押すかを判断するよりも、常に良いでしょう(AIはそれほど賢くありません)。AIはインフラストラクチャになりつつあります。しかし、20世紀初頭の電気のように、その潜在能力はファクトリーを再設計することで解放され、単に電球を設置することで解放されるのではありません。リトロフィットしないでください。再設計してください。また、以前は100万ドルかかるところが、エンジニアのランチタイムでビブコードから作成できるようになりました。第一原理の時間です。ここで最も興味深い部分です。理想的なプロセスを設計したとしましょう。規則で定義され、単一の真実源があり、構造化された方法でデータを収集して自己改善するプロセスです。エンジニアにランチタイムに新しい内部ツールをビブコードで作成してもらったとしましょう。もう一度このプロセスを見てみましょう。自動化により、非常に安くなっている可能性があります。ビジネスがこのコストを大幅に削減した場合に何が起こるかを考えてみましょう。より大きな絵を想像してみましょう。改善された他のプロセスとどのように共存するかを考えてみましょう。もしかしたら、AIを念頭に置いて全体を再設計する時かもしれません。多くの場合、ビジネス運営を第一原理から考えることで、予期せぬ機会を発見することができます。例えば、DVCでは、取引分析、デューディリジェンス、取引メモの準備を自動化し、6人時から3分のAIによる作業に短縮しました。従来、VCは、創設者と話し合い、取引に6人時を費やす価値があることを確認した後、すべての作業を行っていました。現在、非常に安くなったので、市場を分析し、取引メモを準備し、創設者と話し合う前にデューディリジェンスを行います。これにより、パートナーと創設者が時間を節約できます。さらに進んでみましょう。無制限のアナリストを持っているので、投資家やスカウトにこれらのツールを提供できます。スカウトは、新しいビジネスチャンスを私たちに紹介します。彼らは時間を節約し、プロのVCアナリストの目で毎回の取引を分析し、レビュー後に取引を断る回数を減らすことができます。まだすべてのデータを収集しています。ツールを改善するために使用するからです。これにより、私たちは同規模のVCファンドよりも約8倍の生産性を達成しました。ただし、偶然ではここまで来ませんでした。内部運営をマッピングし、4つの質問を適用し、第一原理から再構築しました。このフレームワークは、スタートアップのリーダーとCOOが、AIの使用についての考え方を変えるのに役立ちます。技術的な可能性の質問「ここでAIを使用できますか?」から、「使用するべきですか?」という質問に移り、戦略的な価値、データの準備、長期的なメンテナンス性についてより深く考えるようになります。那は、ツールを使用できるからと言って使用するのではなく、正しいことだからとプロセスを再設計することの違いです。
