Griffin Parry、m3terのCEO – インタビュー・シリーズ

Griffin Parryは、m3terのCEO兼共同創設者です。彼は、以前、GameSparksの共同創設者兼CEOを務め、2017年にAmazonに買収された後、AWSで3年間、シニアプロダクトおよびフィールド役職を務めました。彼は、メディア業界（Sky、News International）でキャリアをスタートさせ、デジタル戦略およびデジタル製品開発に焦点を当て、SkyのオンラインTVポートフォリオの立ち上げとリーダーシップを担当しました。

m3terは、企業が複雑な使用量ベースの価格設定を実装および管理するのを支援するためのSaaSプラットフォームです。既存のシステム（CRM、ERPなど）と並行して動作するメータリングおよび請求インフラストラクチャ層として機能し、生の製品使用データを取得し、柔軟な価格ロジックを適用し、全体の見積もりから支払いまでのプロセスを自動化します。企業は、収益漏れと運用オーバーヘッドを削減しながら、正確でリアルタイムの請求書を生成できます。請求をコアシステムから切り離すことで、m3terは企業が価格モデルを実験し、新しい製品を迅速に立ち上げ、顧客の使用状況と収益ストリームに関するより深い洞察を得ることができます。これは、消費ベースのビジネスモデルに移行するモダンソフトウェア企業にとって特に貴重です。

あなたはGameSparksを設立し、買収までスケールさせた後、請求インフラストラクチャとモダンな収益化に特化した2番目の会社m3terを設立しました。どのような問題領域に惹かれたのか、それとどのように関連しているのかについて説明してください。

私たちは、実際に経験した問題を解決するクラシックなケースです。GameSparksでは、使用量ベースの価格設定というモダンな収益化戦略を持っていました。そうすることで、ビジネスに成功しましたが、同時に運用上およびGTM上の多くの痛みも伴いました。次に、AWSでも同じ問題がありました。同社はクラウドインフラストラクチャビジネスであり、より大規模でしたが、同様の問題がありました。また、同社がそれらを解決するためにどれほどの努力を払ったかも見ました。使用量ベースの世界では、請求インフラストラクチャは、多くの企業が開発できない戦略的な機能であることを実感しました。そこで、m3terを設立してそれを変えることにしました。

AIネイティブ製品には、推論、トークン使用、モデル再トレーニングに関連する予測不可能なインフラストラクチャコストがあります。価値に価格を合わせることを保護しながら、創設者はどのように考えるべきですか。

従来のSaaS製品は、使用量の増加に伴うコストがほぼゼロでした。言い換えると、顧客が製品を使用する量は、サービス提供のコストに影響しません。ただし、AI製品の場合、使用量はトークン消費などのコストをもたらします。価格が固定されている場合、使用量に応じて顧客ごとに粗利が大きく異なります。これにより、使用量ベースの価格戦略がほぼ不可避となるため、収益とコストが一致し、粗利が安定します。

AIが既存のソフトウェアカテゴリに埋め込まれるにつれて、企業の多くがサブスクリプションに使用コンポーネントを重ねることを予想しますか。あるいは、まったく新しい収益化フレームワークが登場することを予想しますか。

まったく新しいものは予想していません。以前見た価格モデルが再発明されるだけです。サブスクリプションのみから、成果ベースのモデルまで、全スペクトルを見ることになります。しかし、最大のクラスターはハイブリッドになります。顧客にとっては成功に結びつく固定的な再発行要素、ベンダーにとってはコストと十分に一致する変数メトリックが組み合わさります。

AI時代の成果ベースの価格設定について、議論が拡大しています。どこで実質的なトラクションが現れることを予想していますか。モデルが効果的に実装するにはどのくらい複雑になりすぎていると考えていますか。

成果ベースの価格設定の課題は帰属です。機能するためには、測定可能な成果がベンダーの製品によって明確に駆り出される必要があります。時々それは可能です。例えば、支払いプロバイダーは取引のシェアを取ります。それは公平に見えます。しかし、私の経験では、そのような状況は比較的まれで、企業は価値の代理として機能する価格メトリックに頼る傾向があります。例えば、AI顧客サポートエージェントの場合、人間の介入なしで解決されたコールがそうです。成果ベースの価格設定、価値プロキシ、使用量ベースの価格設定など、ソリューションはスペクトルに沿って多数存在します。使用ケースによって異なります。共通するのは、何かがカウントされ、価格が適用される必要があることです。これはm3terが関与するところです。

AIパワード製品で価値を定義する場合、成果の現実的なプロキシとして会社が集中すべき実用的なメトリックは何ですか。

これは、ユースケースごとに非常に異なるため、答えるのが難しい質問です。常に考慮すべき点があります。メトリックは単純で、予測可能で、価値と関連しており、十分にコストと一致しているか、またサービスを提供するコストと十分に一致しているかです。ただし、メトリック自体は製品が何をしているかによって異なります。LLMモデルでは「使用トークン」が機能します。契約分析では「処理されたドキュメント」が機能します。エンタープライズ検索では「実行されたクエリ」が機能します。顧客サポートでは「人間の介入なしで処理された会話」が機能します。

会社がサブスクリプションのみのモデルからハイブリッドまたは使用量ベースの価格設定に移行する際に直面する最も一般的な運用上および技術的な課題とは何ですか。

主要な痛み点は、収益漏れ、顧客体験の低さ、製品およびセールスの価格の機敏性の欠如に根ざしています。原因は、間違った運用基盤にあります。サブスクリプションのみからハイブリッドまたは使用量ベースの価格設定に移行する際に必要な新しい機能は、使用データ処理、先進的（および継続的）請求計算、およびCRM、請求、ERPシステム間の自動接続です。

多くの企業は、SalesforceやNetSuiteなどのシステムに深くコミットしています。m3terは、既存のスタックを全面的に刷新することを強いずに、収益化インフラストラクチャをどのように現代化しますか。

確立された見積もりから支払いまでのツールであるSalesforceやNetSuiteは、サブスクリプションの世界を前提としています。ただし、それらがモダンな収益化アプローチでうまく機能しないことを意味するわけではありません。重要なギャップを埋める必要があるだけです。これがm3terが行うことです。使用量データ処理、先進的なレーティング、および見積もりから支払いまでのシステム間のデータフローの自動化に焦点を当てています。

収益漏れは、しばしば過小評価されます。モダンなSaaSビジネスでは、この問題はどのくらい重大で、通常何が原因で発生しますか。

収益漏れとは、請求書の不正確さのために収集されていないが、販売および提供された価値です。PwCの収益完全性チームは、それを4〜7%と推定しています。価格設定が複雑になるほど、収益漏れが発生しやすくなります。根本的な原因は、システムとコントロールにあります。使用データを効果的に取得できないこと、価格と請求計算メカニズムの間の自動接続がないこと、請求計算メカニズムが複雑さに対処するのに十分に洗練されていないこと（例：スプレッドシートに依存していること）です。

価格設定の柔軟性の向上は、ソフトウェア組織内の製品イノベーションとセールス戦略にどのように影響しますか。

シンプルに言うと、価格設定の機敏性があれば、新しい製品をより迅速に出荷でき、価格設定を顧客のニーズと願望に合わせてより簡単に適応でき、セールスが勝つためのプライベート価格設定取引もより簡単になります。これは、ビジネスにおける戦略的な機能です。しかし、自動化とコントロールがなければ、柔軟性はあり得ません。そうでない場合、請求書のエラー、収益漏れ、コンプライアンスの課題が発生します。

今後、価格モデルをリアルタイムに最適化するためにAIが役割を果たすことを予想していますか。信頼性を持って大規模に機能するには、何が必要になりますか。

価格最適化におけるAIの潜在能力についてはとても興奮しています。しかし、少なくともソフトウェアとしてのサービスまたはソリューションとしてのサービスビジネスの場合、リアルタイムの側面についてはあまり説得力がありません。ホテルの部屋や航空券を販売している場合、ダイナミックな価格設定は機能します。なぜなら、それが一回限りの取引だからです。B2Bソフトウェアベンダーは、顧客関係が持続することを望み、顧客は価格が予測不可能に変化することを望みません。したがって、価格最適化は、ベンダーと顧客の両方にとって最良の結果をもたらす、長期的な取引に対する価格設定に焦点を当てます。

m3terについてさらに学びたい読者は、m3terを訪問してください。