Priya Saiprasad、Touring Capitalのジェネラルパートナー – インタビューシリーズ

ソフトウェアが仕事を実行できるようになると、製品、対象市場、価格モデル、そしてそれを提供する企業の経済性が変化します。私たちは最初からその機会を中心にTouringを構築したいと考えました。

私たちの焦点は、初期のプロダクト・マーケット・フィットに近づく、またはそれを示す企業にあります。この段階では技術的な可能性が顧客の採用へと転換し始めます。AIにおいて特に重要なステージで、創業者はどのワークフローを所有するか、顧客がどれだけの自律性を受け入れるか、そして初期需要を繰り返し可能な成長へと変える方法を決定しています。

また、ベンチャー、M&A、そして大規模テクノロジープラットフォームでの経験に基づく企業構築の視点も取り入れたかったのです。私たちの野望は、技術の進展に伴い競争優位性が深まるビジネスを創業者が構築できるよう支援することです。そのためには機会に対する確信と、根底にある前提を継続的に再検討する姿勢が必要です。

あなたは、最大のAI機会のいくつかは単に大規模な基盤モデルを構築することから、AIを特定産業に適用する企業へとシフトしていると主張しています。その応用層が現在非常に魅力的になった技術的または経済的な変化は何ですか？

モデルは劇的に高性能かつ利用しやすくなり、起業家が価値を創出できる領域が変わりました。強力なものを作るために、基盤となるインテリジェンスをゼロから構築する必要はもはやありません。

このことは質問を「誰が最良のモデルを持っているか？」から「誰がそのインテリジェンスを適用し、経済性やワークフローを根本的に変える形で問題を解決できるか？」へと変えます。

最も魅力的な企業は、単に既存のソフトウェア製品の前にLLMを配置するだけではありません。AIを活用して仕事のやり方を再考しています。場合によっては、ワークフローの大部分を自動化することを意味し、別の場合は、はるかに小規模なチームが大幅に多くの成果を生み出すことを可能にします。

次の価値創造の波は、ますます高度なインテリジェンスを取り込み、顧客が重要な仕事を任せられる製品に変えることができる企業で起こると考えています。

現在、さまざまなセクターを見渡すと、どの産業が真のAI転換点に達しつつあると考えますか？AIが既存ソフトウェアの効率化だけでなく、ワークフローを根本的に再構築できる産業です。

私は特に、膨大な知的業務、複雑な既存ワークフロー、そして歴史的にソフトウェア浸透率が低い産業に関心があります。

金融サービス、ヘルスケア、法務、産業、そして自動車が代表的な例です。これらの産業は膨大な価値ある情報と高度に専門化されたワークフローを抱えることが多いですが、作業の多くは依然として断片的で手作業、あるいは経験豊富な人がシステム間で情報を移動させることに依存しています。

機会は単に従業員の生産性を10％向上させることだけではありません。より興味深い企業は、AIが現在できることを中心にワークフローを再設計しています。

Numa のように AI エージェントを活用して顧客対応やディーラー業務を自動化している企業や、金融機関が使用する極めて時間に敏感なデータやリサーチワークフローに AI を適用している Daloopa でもそれが見られます。共通点は、根底にある業務を深く理解していることです。AI は強力ですが、構築対象となる業界を理解する必要性をなくすわけではありません。

Touring Capital は AI 企業を評価する際、データの堀、プロダクトのフライホイール、ドメイン固有の専門性を重視します。真に防御可能な垂直型 AI ビジネスはどのような姿か、また、単にサードパーティの大規模言語モデルをラップするだけの企業とどのように区別できるか、という点です。

真に防御可能な AI ビジネスは、運用するほど強くなります。

基盤となるモデルは時間とともに改善され、企業がモデルを完全に切り替えることもあり得ますが、モデルが変わったからといって事業価値が消失すべきではありません。重要なのは、モデルを取り巻く企業が所有するもの、すなわち顧客関係、ワークフロー、独自データ、統合、そしてますます重要な仕事を担うための信頼です。

私たちが特に注目する点の一つは、製品が時間とともにどれだけ深く組み込まれるかです。顧客はより多くの作業を製品に委ねているでしょうか？利用状況や成果は蓄積していますか？企業は導入から得た学びを製品改善に活かしているでしょうか？

これらのダイナミクスは、単にサードパーティモデル上に優れたインターフェースを持つだけのビジネスよりもはるかに強固な事業を生み出します。AI では機能が非常に速く収束することがあります。継続的な利用と深いワークフローの採用は、再現がはるかに困難です。

基盤モデルがますます高度化し、商品化が進む中、垂直型 AI 企業はそれにより構築に必要なインテリジェンスをより安価に利用できて強化されるのでしょうか、それともモデル提供者自身がアプリケーション層をより多く吸収するリスクが生じるのでしょうか。

これらのダイナミクスは同時に起こり得ます。より優れたモデルはアプリケーション企業が提供できる範囲を拡大する一方で、モデル提供者が製品やワークフローへさらに踏み込むことも可能にします。

デューデリジェンスで問うべきは、基盤となるインテリジェンスが向上するにつれて企業のポジションがどのように変化するかです。私たちは同時に二つの質問をします。次世代モデルによりこの事業で何が可能になるか、そして現在の価値提案のどの部分が標準的なモデル機能に置き換わり得るか、です。これにより、進歩から恩恵を受ける企業と、一時的な制限に依存して差別化している企業を区別できます。

垂直型ビジネスは、専門的なワークフロー、顧客へのアクセス、統合、評価システム、そして引き受ける運用責任を通じて持続的なポジションを築くことができます。これらの優位性は継続的な投資を必要とし、ドメイン専門知識だけでは永続的な防御とはなりません。

私が最も魅力的だと感じる企業は、モデルが向上するにつれてより価値の高い仕事を受注できる明確な道筋を持っています。顧客はより良い成果を得られ、提供経済性が強化され、蓄積された知識がより有用になります。これこそが、モデルの進歩と私たちが支援したい関係です。

従来の SaaS 企業は、年間経常収益（ARR）、粗利益率、リテンション、シート拡張といった指標で評価されてきました。AI は、推論コスト、使用量ベースの価格設定、成果ベースのビジネスモデルが重要性を増す中で、あなたが依存する指標をどのように変えているでしょうか。

ARR、リテンション、粗利益率は依然として重要です。ただし、これらだけでは十分な情報を提供しなくなっています。

AI 企業は、顧客ベース内の実際の利用がすでに減少しているにもかかわらず、ARR が数千万規模に極めて速く成長することがあります。顧客は契約中であっても、更新時には製品が事実上置き換えられていることがあります。これを私たちは「潜在的チャーン」と呼んでいます。

そのため、私たちは価格モデルの下にある実際の作業内容に注目しています。ワークフローや成果の数は時間とともに増加していますか？顧客は製品により多くの作業を委ねて信頼していますか？導入時の初期興奮が収まった後も利用は継続していますか？

さらに、成長の背後にある経済性にも細かく注目しています。AI 企業は自動化で人員を置き換えることができますが、コンピューティングが実質的な労働力およびコスト構造の一部となります。そのため、ワークフローの強度、効率乗数、調整後従業員あたりの収益、コストレバレッジといった概念を検討しています。

より大きな問いは、成長が時間とともにより持続的かつ効率的になっているかどうかです。目覚ましい成長と持続的な成長は必ずしも同一ではありません。

多くの AI エージェントは、従業員を支援するだけでなく、ワークフロー全体を自律的に完了させるよう設計されています。これがエンタープライズソフトウェアの市場機会をどのように変えるのか、そして AI 企業が従来はソフトウェア支出の外にあった労働予算の一部を最終的に獲得できる可能性はあるのか、という点です。

これはエンタープライズソフトウェアにおける最も重要な変化の一つだと考えています。

歴史的に、ソフトウェアは主に従業員が仕事を行うためのツールとして販売されてきました。従業員は仕事の成果に対して責任を負い、ソフトウェア予算は労働予算とは別でした。

AIはその方程式を変えつつあります。ソフトウェアがますます自ら仕事の一部を実行できるようになっているからです。

これにより市場機会は大幅に拡大します。ITやソフトウェア予算から単に生産性ツールを販売しているだけではなくなります。製品が意味のある作業を確実に担い、測定可能な成果を生み出せるなら、労働予算からの価値も取り込むことが可能です。

重要な区別は、AIアシスタントと顧客が実際に実行を信頼できるAIシステムとの間にあります。後者ははるかに価値が高まる可能性がありますが、実際の信頼性、説明責任、経済性を示さなければなりません。顧客は最終的に、製品が約束した成果を一貫して提供できない限り、AIがどれほど高度であっても関心を持ちません。

現在、NumaやDaloopaなどの企業の取締役を務めており、これらは自動車運用や金融データといった非常に異なる業界に技術を適用しています。これらの企業から、深く確立されたワークフローとドメイン専門知識を持つ業界にAIを成功裏に導入するために何が必要かについて何を学びましたか？

最大の教訓は、AIがドメイン専門知識の重要性をなくすわけではないということです。むしろ多くの面でそれがより重要になります。

AIを確立された産業に成功裏に導入するには、ワークフローを十分に深く理解し、どこで自動化が実際に価値を創出し、どこで人間の判断が依然として重要かを把握する必要があります。また、顧客が製品をどのように採用し、既存システムやAI導入サイクルにどのように組み込むか、そして信頼を得るために何が必要かを理解しなければなりません。

NumaとDaloopaは非常に異なる市場で活動していますが、いずれも顧客が達成しなければならない具体的な作業に深く結びついています。最も成功した垂直型AI企業は「AIをどこに置くか？」から始めません。まず意味のある課題やワークフローを見つけ、そこからAIが現在できることに合わせて再設計します。

これが、ドメイン専門知識が時間とともに大きな優位性になると考える理由でもあります。作業を深く理解すればするほど、顧客が信頼して利用したい製品をより効果的に構築できるのです。

Touringの最近の投資は、ドメイン固有のアプリケーションとAIインフラストラクチャの両方にまたがっています。アプリケーション層への投資とそれを支えるインフラへの投資のバランスはどのように考えており、現在どこにベンチャー規模のリターンの大きな機会があると見ていますか？

我々は機会がスタックの特定の層にのみ存在すると考えていません。重要なボトルネックがどこに現れ、AI導入が拡大するにつれて企業が意味のあるポジションを築けるかに注目しています。

アプリケーション側では、AIを測定可能な経済的価値に変換し、重要なワークフローを所有し、実際の成果を提供できる企業に注目しています。インフラ側では、AIを大規模に効率的に展開できるかどうかを左右する制約を解決する企業に関心があります。

InfinityやParasailのような企業への投資がそれを示しています。前者はさまざまなAIチップを最新モデルで動作させるためのソフトウェア課題に取り組み、後者は開発者が基盤インフラを管理せずにAIワークロードをデプロイ・スケールできるよう支援しています。

優れた機会は必ずしも企業がアプリケーション側にあるかインフラ側にあるかで決まるわけではありません。重要かつ永続的な課題を解決し、AI市場の進化に伴い価値が増大する可能性があるかが鍵となります。

現在、膨大な資本が比較的少数の最前線AI企業に集中していますが、投資家がまだ機会を過小評価している領域はどこだと考えますか？また、AIネイティブのカテゴリやビジネスモデルで、実際に受けるべき注目が十分に得られていないものは何ですか？

私が特に興味深いと感じる領域は、市場の中間部です。

現在、ベンチャー投資はますますバーベル化しています。初期段階の有望企業、特に卓越したチームと魅力的な技術を持つ企業への需要は非常に大きく、最大規模で最も実績のある企業向けの資本も豊富にあります。

しかし、中間層、特に従来のシリーズBやCの段階は格段に厳しくなっています。

AIは期待値を圧縮しました。企業はこれまでにない速さでゼロから有意義な収益へと成長できるようになり、収益を上げ始めた時点でハードルが劇的に上がっています。数年前なら並外れた成長とみなされたものも、今日の市場では目立たなくなっている可能性があります。

これによりリスクと機会の両方が生まれます。

一部の企業は、資金調達市場がその時点で求めるもの、たとえば5倍成長、10倍成長、ある収益マイルストーンなどに最適化するよう圧力を受けていますが、その軌道が持続可能なビジネスを生むかどうかは別問題です。市場は6〜9か月で劇的に変化する可能性があるため、創業者は次の資金調達ラウンドの期待だけに合わせて事業を構築しないよう注意しなければなりません。

投資家にとって、基盤となるファンダメンタルが強固でありながら、現在の市場の極端な傾向にうまく当てはまらない企業を見つけることに実際の機会があると考えています。課題は、現在のAI資金調達サイクルによって単に前倒しされているだけの企業と、持続可能な成長を区別できるだけの規律を保つことです。

素晴らしいインタビューをありがとうございました。このVCファームについてもっと知りたい読者は、Touring Capitalをご覧ください。