アメリカの中小企業のためのAI | Lassie

AIはシリコンバレーでは過大評価されているが、アイオワでは過小評価されている。この逆説的な認識のギャップこそが、本エピソードの核心をなすテーマである。a16zのAlex RampellとOlivia Mooreが、Lassieの共同創業者Steijn PelleとFrédéric Renkenを迎え、AIエージェントがアメリカの小規模事業、特に歯科医院の運営をどのように変革しつつあるかを深く掘り下げた。Pelleが自身の歯科医Dr. Kwanの診療所の裏側で目にしたのは、Yelpで最高評価を得る優秀な医師が、月に200時間もの時間を紙の書類作業に費やしているという衝撃的な現実だった。この「心臓が痛む問題」を解決するために、彼らはRobinhoodやSuperhumanでの消費者向けプロダクト開発の経験を活かし、単なる情報を保存するソフトウェアではなく、実際に「仕事を行う」AIエージェントの構築に乗り出した。議論は、ソフトウェアの歴史的な役割の変化、AIエージェントがもたらす経済圏の拡大、既存大手との競争戦略、そして何よりも、テクノロジーが「ベティ」と呼ばれる優秀なアシスタントを失った零細事業主にどのように希望をもたらすかに及ぶ。Lassieの物語は、AIが単なる業務効率化ツールを超え、労働力不足という市場の失敗を是正し、人々を本来の「クラフト」に集中させる力を持つことを示す、稀有で楽観的なケーススタディとなっている。

0:00ソフトウェアの進化：情報の保管庫から仕事の実行者へ

Alex Rampellは、ソフトウェアの歴史を「ファイリングキャビネットのデジタル化」として捉える独自のフレームワークを提示する。1950年代、航空会社の予約は紙のファイリングキャビネットで管理されていた。IBMとAmerican Airlinesの共同プロジェクトであるSabre Systemは、これをデジタル化した最初の画期的な事例であり、その後の人事（PeopleSoft）、法律（LexisNexis）、会計（QuickBooks）など、あらゆる業種で同様のパターンが繰り返された。しかしRampellは、このデジタル化は情報へのアクセスを効率化したものの、実際の「仕事」の量を減らしたわけではないと主張する。人事部門の人員数は1950年と2000年で変わらず、単にファイリングキャビネットの守護者がIT部門とCISO（最高情報セキュリティ責任者）に置き換わったに過ぎない。つまり、従来のソフトウェアは「情報を保存する」という受動的な役割に留まっていた。

ここで重要な転換点となるのが、AIエージェントの登場である。Rampellは、新しいソフトウェアは「ファイリングキャビネットを編集する」、つまり情報を能動的に処理し、実際の作業を代行できるようになったと説明する。例えば、会計ソフトが「売掛金が滞っている」という情報を表示するだけでなく、実際に顧客に電話して「支払いをお願いします」と連絡するようになる。この「仕事の実行」という機能は、情報の保存という従来の市場規模を「桁違いに拡大する」とRampellは強調する。彼はこの概念を、同心円状の市場モデルで説明する。中心に従来のソフトウェア市場（約1兆ドル）、その外側に金融取引を組み込んだFinTech市場（VisaやToastのような企業）、そして最も外側に、AIが人間の労働を代替する市場が存在する。この最も外側の市場こそが、圧倒的に巨大な機会を秘めている。

Lassieの共同創業者Steijn Pelleは、この理論を現実の数字で裏付ける。米国には約16万の歯科医院が存在し、それぞれが年間平均20万ドルを管理業務に費やしている。しかし、その多くは人手不足に悩まされており、医師自身が深夜まで書類作業に追われている。Lassieが提供するAIエージェントは、この「労働予算」から直接コストを削減する。Pelleは、最初のエージェントが月30時間分の労働を代替し、すでに5桁の価格で販売されていると述べ、医師たちがLassieを単なるツールではなく、医院を実際に運営してくれる「パートナー」として見ていると語る。これは、ソフトウェアの価値提案が「機能の数」から「代替する労働時間」へと根本的にシフトしたことを如実に示している。

12:02市場の失敗とAIの機会：人手不足が生む需要

エピソードを通じて繰り返し語られるのは、AIが雇用を奪うという恐怖ではなく、むしろ「人が見つからない」という深刻な現実である。Alex Rampellは、自身の幼少期の歯科医であるDr. Ronald Sloopの例を挙げる。Dr. Sloopは長年連れ添った経理担当のアシスタントを失ったことをきっかけに引退を決意した。もしLassieのようなサービスが存在していれば、彼は引退せずに済んだかもしれない。Rampellはこれを「市場の失敗」と定義する。需要は存在するが、それを満たすための供給（この場合は人材）のコストが高すぎるために市場が成立しない状態だ。彼は経済学の需給曲線を用いて、均衡点の右側に位置する「満たされない需要」の膨大さを指摘する。「オランダ語を話す受付係がすべての歯科医院にいるべき」という極端な例を挙げ、もしそのコストがゼロか1ドルであれば市場は成立するが、現実には人件費が高すぎるため実現しない。AIはこのコスト障壁を劇的に引き下げ、これまで存在しえなかった市場を創出する。

Steijn Pelleは、この人手不足がLassieの驚異的な成長を促進していると説明する。彼らは「ベティ」という名前で象徴される、退職したり辞めてしまった優秀なアシスタントの代わりを探している医院にアプローチする。AIエージェントが数十時間分の労働を提供できると示せば、導入の意思決定は非常に迅速に行われる。医師たちはAIに対して懐疑的であるどころか、むしろ切実に求めている。この「痛み」の大きさが、Lassieの営業活動を容易にしている。Pelleは、医師たちが「AIは本当に機能するのか？」とグーグルで検索し、実際に機能していることを確認すると、すぐに導入を決断すると述べる。この現象は、AIの導入障壁が技術的な理解不足ではなく、むしろ「実証された価値」の有無にあることを示唆している。

さらに、Pelleはこの人手不足がLassieのビジネスモデルに独特の力学をもたらしていると指摘する。医師たちはLassieを「医院を預ける存在」として見ているため、ソフトウェアには極めて高い信頼性が求められる。もしAIが誤った請求処理を行えば、医院の収入に直接的な打撃を与える。そのため、Lassieは「人間が介在しない自律型システム」の構築に注力してきた。この「正しさへのこだわり」が、結果として高い参入障壁を築いている。Frederic Renkenは、このプロセスを「自分たち自身の仕事を自動化する」と表現する。初期段階ではLassieのチームメンバー自身が人間のオペレーターとして医院の業務を代行し、そのプロセスを一つずつ自動化していった。このアプローチにより、彼らは業務の深い理解を得ると同時に、AIが失敗した場合の影響を最小限に抑えながらシステムを改善することができた。

17:40プロダクト構築の哲学：ツールではなく、仕事を代行するエージェント

Lassieのプロダクト開発プロセスは、従来のSaaSとは根本的に異なる。Frederic Renkenは、彼らの目標は「ツールを提供すること」ではなく、「仕事を完全に自動化すること」であると明確に述べる。従来のソフトウェアは、ユーザーが何かを行うための「機能」を提供していた。例えば、患者請求システムであれば、明細書を送信する機能や支払いを受け付ける機能を提供する。しかし、実際の「仕事」は、明細書の金額が正しいか確認すること、患者からの問い合わせに答えること、保険適用の有無を説明することなど、より曖昧でコミュニケーションを要する部分に多くの時間が費やされている。LassieのAIエージェントは、これらの「仕事」全体を引き受けることを目指している。

この哲学は、製品の品質基準にも反映されている。Renkenは、彼らが「人間が介在しない自律性」を重視する理由を説明する。もしAIが99%のケースを自動処理し、残りの1%を人間が対応する必要がある場合、医院のスタッフはその1%のために常に待機していなければならない。これでは真の意味での「自動化」とは言えない。彼らの目標は、医院が患者請求について「一切の時間を費やす必要がなくなる」状態を作り出すことだ。この高い基準を達成するために、Lassieは特定の業務（例えば保険請求の処理）において95%以上の自動化率を達成してから販売を開始する。そして、残りの5%の例外ケースについては、数千の医院スタッフからのフィードバックを活用して継続的に改善していく。

このアプローチの成功は、共同創業者たちの消費者向けプロダクトでの経験に根ざしている。Steijn PelleはRobinhood、Frederic RenkenはSuperhumanでプロダクト開発をリードしてきた。彼らは「48時間以内にコアバリューを提供できなければ、ユーザーは離脱する」という消費者プロダクトの厳しい現実を熟知している。この感覚を、歯科医院向けのエンタープライズプロダクトに適用しているのだ。Pelleは、Robinhoodが証券口座開設を完全にセルフサービス化した革新を例に挙げ、Lassieも同様に、銀行口座の連携、保険ポータルとの接続、診療記録システムとの統合など、複雑なオンボーディングプロセスを「Stripeのようなチェックアウトフロー」にまで簡略化することを目指していると語る。この「消費者ライクなオンボーディング」こそが、AIをアイオワのような地域の零細事業主に普及させるための鍵であると彼らは確信している。

22:04競争戦略：既存大手との戦いと「退屈な仕事」の価値

Alex Rampellは、スタートアップと既存大手の競争に関する古典的なフレームワークを提示する。彼はこれを「TiVo問題」と呼ぶ。TiVoは画期的な製品（デジタルビデオレコーダー）を発明したが、最終的にはケーブルテレビ会社に安く買収されるか、彼らに機能をコピーされるか、ライセンス契約で経済的利益を奪われるかのいずれかの結末を迎えた。この教訓から、Rampellはスタートアップは「退屈な仕事」、つまり顧客を直接獲得できる基盤的なインフラを構築すべきだと主張する。彼自身の経験に基づけば、それはStripeのような決済処理ビジネスだった。退屈だが、顧客との接点を最初に掌握できる。その上で、より収益性の高い「楽しい機能」を積み上げていく。

AI時代において、この競争力学はどのように変化するのか。Rampellは、AIが既存大手の「イノベーションの速度」を向上させる可能性を指摘する。AIは「悪いエンジニアをそこそこ良いエンジニアに変える」ため、大手がスタートアップの機能を素早くコピーすることが容易になる。しかし、Lassieのような企業にとって有利な点は、彼らが競合する相手が「ソフトウェアの巨人」ではなく、「人間の労働」であるという点だ。歯科医院の管理業務において、既存のソフトウェア大手（例えばWorkdayのような）は存在しない。競合は「ベティ」という名のアシスタントか、あるいは海外や国内の請求代行業者である。これらの競合は、ソフトウェアの機能を素早く追加する能力を持たない。

Steijn Pelleは、この「既存ソフトウェア大手の不在」が、Lassieにとって強力な防御壁を築いていると説明する。彼らは、異なる診療管理システム（PMS）、保険会社のポータル、銀行システムなど、複数のシステムを統合する必要があった。これらのシステムはそれぞれデータモデルが異なり、同じ「保険請求」という概念でも定義が微妙に異なる。この「統合の煩雑さ」こそが、Lassieの参入障壁となっている。Pelleは、この作業を「シュレップ（骨の折れる退屈な仕事）」と表現し、これを乗り越えたことが競争優位性を生んでいると語る。さらに、彼らは単にシステムを統合するだけでなく、保険会社ごとに異なる請求ルール（SOP）をデジタル化し、AIエージェントが自律的に処理できるようにしている。この「業界知識のデジタル化」は、単なるソフトウェア開発以上の価値を生み出している。

33:26スケーリング戦略と未来像：すべての小規模事業を自動化する

Lassieの最終的なビジョンは、歯科医院に留まらない。Steijn Pelleは「すべての小規模事業が自動運転される世界」を構想する。そのための3段階の計画を彼は明かす。第一段階は、米国にある16万の歯科医院を完全に攻略することだ。これは年間10億ドルの経常収益（ARR）の市場機会に相当する。第二段階は、歯科医院と類似した特性を持つ他の医療専門職（例えば理学療法士や眼科医など）に展開すること。第三段階は、医療分野を超えて、すべての小規模事業にAIエージェントを提供することだ。Pelleは、すべての小規模事業には「顧客との取引」「予約管理」「支払い処理」といった共通の業務が存在すると指摘し、Lassieはこれらの業務を自動化する汎用的なAIエージェントの構築を目指している。

このスケーリングを可能にするために、Lassieは「レーザーフォーカス」の戦略を採用している。Pelleは、RobinhoodやSuperhumanでの経験から、まず一つの製品を徹底的に磨き上げ、その市場で圧倒的な地位を確立することが重要だと語る。彼らは「間違った顧客をオンボーディングしない」ことに細心の注意を払っている。もしAIエージェントが十分な自動化を提供できない医院を顧客として迎えてしまうと、期待に応えられず、かえって悪評を生む可能性がある。そのため、彼らは理想的な顧客像（ICP）を厳密に定義し、その条件に合致する医院だけをターゲットにしている。

Frederic Renkenは、AI時代のスタートアップ経営における「アンラーニング（学び直し）」の必要性についても言及する。従来のプロダクト開発では「ユーザーが何かをできるようにする機能」を重視していたが、現在は「どの労働を自動化できるか」という視点がすべてだと語る。このシフトは、チームビルディングにも影響を与えている。彼らは「AIネイティブ」な人材、つまりAIを活用して業務の生産性を劇的に向上させる方法を本質的に理解している人材を採用することに注力している。Pelleは、陸上競技のアナロジーを用いて「優秀な人材の採用基準そのものは変わらないが、そのアウトプットはAIによって4〜5倍に増幅される」と述べ、2026年型の組織を構築するという彼らの実験的な姿勢を強調する。

45:11技術的課題と未来展望：モデルが知らない「仕事のやり方」

AIエージェントの構築には、依然として大きな技術的課題が存在する。Frederic Renkenは、最新の大規模言語モデル（LLM）でさえ、歯科医院の実際のワークフローを理解していないという驚くべき事実を指摘する。モデルはインターネット上の膨大なデータで訓練されているが、保険請求の具体的な手順や、各保険会社（ペイヤー）ごとに異なるルールは、オンライン上に体系的に文書化されていないことが多い。この知識は、長年働いてきたオフィスマネージャーの頭の中に「暗黙知」として埋め込まれている。Lassieの強みは、過去の診療データ（ERP）からこれらのワークフローを推論できる点にある。しかし、この「暗黙知のデジタル化」は、依然として手作業に依存する部分が大きく、AIの進化だけでは解決できない難しい問題である。

もう一つの技術的課題は、モデルの「学習速度」にある。Renkenは、より少ないデータで高速に学習できる小型モデルへの期待を語る。現在の巨大モデルは、新しいワークフローを学習するのに多くのデータと時間を必要とする。もし小型で高速なモデルが実現すれば、AIエージェントは個々の医院の独自の慣行や好みをより迅速に学習し、適応できるようになる。彼は「Pixarのランプのように、それぞれが個性を持つインテリジェンスがあらゆる場所に存在する未来」を夢想するが、現状はその理想からはほど遠いと認める。

さらに、Alex Rampellは「議論の限界費用がゼロになる世界」という興味深い問いを投げかける。保険会社は支払いを遅らせるためにわざと小切手を送付するなど、非効率を利用している。しかし、AIエージェントが双方に存在するようになれば、無限に議論を続けることが可能になる。これは保険金請求のプロセスを根本的に変える可能性がある。Steijn Pelleはこれに対し、保険業界は実は厳格なルールに基づいて運営されていると指摘する。例えば、特定の治療コードに対して必要な書類（X線や診断書）は明確に定義されている。問題は、人間のスタッフがこれらのルールをすべて記憶し、正確に適用することが難しい点にある。AIエージェントはすべてのルールを参照し、必要な書類を自動的に添付して請求を行うことができる。Pelleは、保険会社にも優れた医師をネットワークに維持するインセンティブがあると指摘し、AIエージェントによる効率化は、医院と保険会社の双方にとって利益になるとの見解を示す。

結びに

本エピソードが特に印象的なのは、AIの可能性を「シリコンバレーの過大評価」と「アイオワの過小評価」という対比で鮮やかに描き出した点にある。Lassieの物語は、AIがもたらす真の価値は、最先端の研究や巨大企業の業務効率化ではなく、最もテクノロジーから取り残された零細事業主の「200時間の書類作業」をなくすことにあると教えてくれる。共同創業者たちが語る、Dr. Kwanが子供のサッカーのコーチをする時間を得たエピソードや、Dr. Sloopが引退を思いとどまるかもしれないという希望は、AIのインパクトを人間味あふれる形で伝えている。また、Alex Rampellによる「ソフトウェアの歴史」と「市場の失敗」のフレームワークは、Lassieのビジネスを単なる歯科医院向けSaaSではなく、労働市場そのものを再定義する可能性を秘めた存在として位置づける。このエピソードは、AIエージェントが「仕事を奪う」のではなく、「仕事を創造する」、あるいは「人々を本来の仕事に戻す」力を持つことを、具体的な事例と深い洞察で示した、稀有で楽観的な未来予想図である。