AIの現状：マクロ、アプリ、そして消費者

ここ数年、AIにおける最大の問いは「どのモデルが勝つか」だった。しかし、次のフェーズはモデルそのものよりも、その上に何が構築されるかにかかっている。本エピソードでは、ホストのJen Kha（ジェン・カー）がa16zのパートナーであるAnish Acharya（アニッシュ・アチャリア）を迎え、AIの次のフロンティアを徹底的に議論した。競争が激化するモデルランドスケープ、オープンソースAIの台頭、そしてアプリケーション層、特にコンシューマーAIが新たな局面に入る理由について、多角的な視点から考察を深めている。

Anishは、モデル層では複数の勝者が存在すると確信している。わずか2週間でxAIが有力候補に躍り出たことで、競争は「2頭立て」から「3頭立て」に変わった。AnthropicとOpenAIの一進一退の攻防、そしてオープンウェイトモデルの台頭により、モデルはコモディティ化するどころか、それぞれが得意分野を持つ「専門化」の時代に入っている。さらに、伝統的な「moat（参入障壁）」、例えばネットワーク効果やブランド力は、安価なAIによって侵食されるどころか、その重要性を増しているとAnishは主張する。議論は、エンタープライズにおけるフロンティアモデルとオープンウェイトモデルの使い分け、アプリケーション層が価値を獲得するメカニズム、そしてコンシューマーAIの新時代を切り開く「パーソナルエージェント」の可能性へと展開していく。

0:00モデル戦争の終焉と「複数勝者」の時代

Anishは、AIモデルをめぐる競争構図が根本的に変化したと指摘する。かつては「どのラボが勝つか」というゼロサムゲームのように見えたが、実際には複数のラボがそれぞれの強みを活かして共存する「多極化」が進んでいる。直近の例として、xAIがわずか2週間で「本命」の一角に躍り出たことを挙げ、競争の流動性が極めて高いことを強調した。また、Anthropicが圧倒的優位に立っていた時期から、OpenAIがここ3ヶ月で素晴らしい成果を上げて巻き返したことにも言及し、勝敗は流動的であると語る。

この競争環境の変化は、開発者の「浮気性」にも表れている。開発者は常に「最新かつ最高」のモデルに群がる傾向があり、最近ではAnthropicのClaudeに対するトークン使用量の面での不満がSNS上で話題になるなど、開発者の支持は移り気だ。Anishは、この流れが今後6〜8週間でどのようなトラクション（勢い）を生むのか注目していると述べた。同時に、Anthropicが今年後半に株式公開（IPO）を予定しているという事実も、市場の関心を集める重要な要素であると指摘する。

マクロ経済的な視点では、Anishは「AIバブル論」はもはや議論が尽くされたと切り捨てる。むしろ、議論が不足しているのは「私たちが十分に楽観的でない可能性」だという。その根拠として、型落ちのGPUであるB200の価格が時間単位で上昇している現象を挙げる。通常、ハードウェア価格はデフレ傾向にあるが、現在は供給が極端に制約され、需要が事実上無限にあることを示している。この「第2次的な指標」から、AnishはAIに対する「情報に基づいた楽観論」を構築すべきだと主張する。

SaaS市場については、2023年2月に多くのSaaS銘柄が30〜40%下落した「whipsaw（激しい変動）」を振り返り、当時「市場はソフトウェアを売り過ぎている」と主張した自分たちの判断が正しかったと語る。実際、多くの銘柄はその後40%回復した。しかし、エンタープライズソフトウェアへの支出は企業全体の8〜12%に過ぎず、給与計算やCRMを「vibe coding（AIに任せた開発）」で置き換えることのメリットは限定的で、リスクは無限大だと警告する。それでも、この変動によってSBC（株式報酬）に依存していたSaaS企業の脆弱な経済性が露呈し、「加速するか、死ぬか」の瀬戸際に立たされていると分析した。

6:12不変のmoatと「インテグレーションmoat」の危機

AI時代において「moat（参入障壁）」は消滅したという議論が盛んに行われているが、Anishはこの見解を真っ向から否定する。『Seven Powers』に体系化されたmoatの大部分は、豊富で低コストなインテリジェンスの影響を受けないと主張する。ネットワーク効果、規模の経済（特に流通面）、そしてシリコンバレーで軽視されがちなブランド効果は、かつてないほど強固である。「どれだけコーディングエージェントが優秀でも、NikeをNikeでなくすることはできない」とAnishは述べ、Instagramの力がアプリの複雑さではなく、その背後にあるネットワークにあったことを例に挙げる。

しかし、すべてのmoatが不変なわけではない。Anishが「最も明白に侵食されている」と指摘するのが、インテグレーションmoatだ。SAPはその複雑さゆえに、統合や移行が極めて困難であり、それが強力な参入障壁となってきた。しかし、コーディングエージェントはこの統合作業を劇的に効率化するため、SAPのような企業の存在意義そのものが問われることになる。さらに、システムインテグレーター（SIer）やGSI（グローバルSIer）も、かつては統合の要として価値を提供してきたが、その役割がAIによって代替される可能性があると警鐘を鳴らす。

では、企業はどのようにしてモデルを選択すべきなのか。Anishは、企業内の職能を「アルファを生み出す職能」と「サポートする職能」に分類することを提案する。営業や製品開発のように、成果に上限がない職能（無限の上昇可能性）には、常にフロンティアモデルを使うべきだと主張する。新製品の機能や大口顧客の獲得がもたらす価値は計り知れず、たとえ1 IQポイントでも賢いモデルには、ほぼどんな価格でも支払うのが経済的に合理的だからだ。逆に、経理や財務のように「正確さ」が最も重要で、10倍正確に締めることができない職能（上限のある問題）には、オープンウェイトモデルと強化学習を組み合わせるのがパレート効率的なコスト曲線に乗る合理的な選択となる。

この議論に関連して、Decagonの創業者Jesse Tsang（ジェシー・ツァン）が提起した点が紹介された。オープンソースモデルは単にコストが安いだけでなく、ローカライズやファインチューニングが可能であり、特定のユースケースにとっては「唯一の選択肢」である場合があるという指摘だ。Anishもこの見解に同意し、モデルにはそれぞれ「比較優位」があると説明する。例えば、GLM5.2やGLM5.3は指示に忠実で「神経症的」な性質を持ち、Kimi K3はより創造的で「開放性」が高い。企業は、会計問題には前者を、デザイン問題には後者を、といった具合に、タスクに応じて異なる「性質」を持つモデルを使い分ける必要があると述べた。

10:28モデルの専門化とアプリケーション層の「集合知」

2025年1月から2月にかけて、Anthropicが「リーガルプラグイン」をリリースした際、Thomson Reutersなどの法務関連銘柄が急落するという出来事があった。しかし、Anishはこのプラグインが実際には「スキルファイル」の集合体、つまり長文のプロンプトに過ぎないと指摘し、市場の過剰反応だったと振り返る。この出来事は、モデル企業がアプリケーション層に垂直統合するのではないかという懸念を生んだが、実際には逆の動きが見られた。モデル企業は「下方向」、つまり推論（inference）とコンピュート（計算資源）の層への垂直統合を進めているのだ。

この垂直統合の方向性は、事業の性質を考えれば合理的だとAnishは説明する。推論ワークロードは均質であるため、バリューチェーンの一部で巨大なスケールメリットを追求できる。一方、アプリケーション層は、価格設定、パッケージング、製品化、市場の購買方法など、顧客ごとに idiosyncratic（特異的）なニーズが多く、オペレーションコスト（opex）が重いビジネスとなる。そのため、モデル企業がアプリケーション層に進出するよりも、推論層に特化する方が論理的なのである。

モデルはコモディティ化するという見方に対し、Anishは強く反対する。日々モデルを使い続けている立場から、各モデルはドメインごとに明確な比較優位を持つと語る。例えば、OpenAIの新しいGPTモデルはナレッジワーク（知識労働）に非常に優れており、ChatGPTデスクトップアプリはスプレッドシートやプレゼン資料作成に最適な「ハーネス（製品コンテナ）」である。一方、AnthropicのClaude Codeはソフトウェアエンジニアリングに特化しており、ターミナルUIでのコード計画やテストなど、エンジニアのワークフローに深く統合されている。このように、各モデルはトレードオフを伴いながら専門化を進めており、決してコモディティではない。

この専門化の流れの中で、アプリケーション層の役割は「モデルアグリゲーター（統合者）」としての価値を発揮することにある。Anishは、Expediaの比喩を用いて説明する。ユナイテッド航空やデルタ航空を個別に訪れるよりも、すべての航空会社の在庫を一覧できるExpediaの方がはるかに便利なように、AIアプリケーションも複数のモデルを統合することで、個々のモデルの総和を超える価値を提供できる。例えば、コーディングツールのCursorは、プランニングにはフロンティアモデルを、実行にはより軽量なモデルを使い分ける。クリエイティブツールでは、音声に強いElevenLabsと映像に強いBlack Forest Labsを一つのシェルに統合する。さらに、研究や意思決定の場面では、異なるデータセットで訓練された複数のモデルに同じクエリを実行し、その結果を別のモデルで収束させることで、より多くの情報を得ることができる。この「ベスト・オブ・ブリード」を提供できるのは、アプリケーション層だけなのである。

14:48インテリジェンスの「製品化」とエンタープライズ自動化

Anishは、インテリジェンスを「プリミティブ（基盤要素）」として捉えるべきだと主張する。クラウドコンピューティングがプリミティブであり、SalesforceがそれをCRMソフトウェアに変換して経済的成果を生み出したように、AIアプリケーション層は「生のインテリジェンス」を特定の業界や市場セグメントに合わせて製品化し、経済的価値に変換する役割を担う。例えば、法律業界向けのHarveyや、クレジットユニオン（信用組合）向けのソリューションがその例だ。クレジットユニオンは、人員を半減させたいのではなく、経済的にパフォーマンスの高いビジネスを維持しながら人員を倍増させたいと考えている。このような特異なニーズに応えるのがアプリケーション層の機会である。

AIの活用方法は、「プロンプティング（モデルに指示する）」から「モデルをループに組み込む」へと進化している。Anishは、過度に使われる「エージェント」という言葉を、「ツールとメモリを備えたループ内のモデル」と定義する。コーディングを例に挙げると、バグが報告され、再現され、修正が生成され、検証され、リスクが低ければ自動的に統合・出荷される。このループにより、エンタープライズに報告されるすべてのバグが自律的に修正されるようになる。この考え方を価格最適化や調達など他の業務に応用することで、ビジネスループを完全に自動化できる。さらに野心的なのは、ビジネス全体に影響を与える変更をモデルが提案する「ビジネスループ」だ。例えば、「ティフアナに支店を開くべきだ」と提案することはできても、自律的に実行はできないが、ビジネスの表面レベルで変更を加えることは可能になる。

このようなエンタープライズ自動化の進展は、ソフトウェア産業の構造そのものを変える可能性がある。Anishは、コーディングを「インダストリー（産業）」として捉えるべきだと強調する。Claude Codeが開発者に「生のハードウェア」を公開する一方で、Replitはコードに不慣れな中小企業経営者向けの「抽象化レイヤー」を提供している。これらはすべて、コーディングというプリミティブの価格設定、製品化、パッケージングのバリエーションであり、それぞれが機能している。投資家はこれを単なる「マーケット」ではなく「インダストリー」として評価する必要があるとAnishは主張する。

コンシューマー分野では、AIネイティブなエンターテインメント企業が登場するだろうとAnishは予測する。Character.AIは一種のエンターテインメント企業であり、アジアで流行している短編ドラマは生成AIを活用したものが多い。人々は時間を節約したいのではなく、時間を費やしたいのであり、コンシューマーは生産性よりもエンターテインメントに関心がある。この分野は巨大な市場になる可能性を秘めており、別の深掘りが必要だと述べた。

17:44コンシューマーAIの夜明け：パーソナルエージェントと新たな経済学

コンシューマーAIがこれまで普及しなかった理由として、Anishは3つの障壁を挙げる。第一に、消費者はソフトウェアにお金を払うことを好まない。第二に、AIネイティブな流通チャネルが存在しないことだ。アプリストアのような中央集権的な配布ポイントがないため、製品と同時にチャネルを構築する必要がある。第三に、現在のAIは「DOS時代」にあり、消費者がその能力を最大限に活用するためには「Windows」に相当する製品・デザインの洗練が必要である。

しかし、この状況は変わりつつある。オープンウェイトモデルの登場により、コストは劇的に低下し、パフォーマンスは向上している。Anish自身が開発したXタイムライン閲覧アプリは、新規ユーザー獲得に250ドルのコストがかかるが、これはオープンウェイトモデルによって解決されつつある。さらに、2つの大きなトレンドがコンシューマーAIを後押ししている。一つ目は「コーディングエージェント」だ。プログラマーではない「デジタルネイティブな起業家」、例えばかつてYouTubeクリエイターだった人々が、コーディングエージェントを使って年間10万ドルや100万ドルの収益を生むソフトウェア製品を構築できるようになった。これはベンチャーキャピタルの投資対象にはならないかもしれないが、「ママ＆ポップSaaS」という新たなビジネス層の出現であり、Anishはこれを非常に有望視している。

二つ目は「パーソナルエージェント」だ。2025年1月に話題になったOpenClawは開発者向けのツールであり、消費者には普及しなかったが、Grok BotやChatGPT Workの登場により、パーソナルエージェントが消費者向けソフトウェアとして製品化され始めている。Anishは、投資家としての定義を「セールスを通じて顧客を獲得できない場合（通常は15,000ドルのACVが目安）、マーケティングで獲得しなければならない相手」と説明する。つまり、配管工も消費者であり、AIを活用してビジネスを立て直す配管工は、エンタープライズではなくコンシューマーセグメントとして捉えるべきだと述べた。

パーソナルエージェントの具体例として、a16zが投資する「Town」が紹介された。Townは、メールの管理やサブスクリプションの最適化など、個人の生活を自動化するプロダクトだ。Anishは、この製品の価値が「記憶」によって時間とともに複利的に向上する点を強調する。初日は新入社員のように何も知らないが、30日後にはユーザーの文脈、記憶、スキルを吸収し、ユーザーに代わって優れた仮定を立てることができる。この「複利的価値」は、ビジネスにおいてはリテンション（顧客維持率）や価格決定力として現れる。ホストのJenも、自身の私用メール（2万通の未読）をTownに管理させており、重要なメールだけを自動的に抽出してくれるため、もはや自分でチェックする必要がなくなったと語る。

25:48アプリ層の競争優位と「ラグジュアリーソフトウェア」の台頭

モデル企業がアプリケーション層に進出し、価値を横取りするのではないかという懸念に対し、Anishは「アプリケーション層は競争できる」と明確に答える。その理由は、製品の価格設定、パッケージング、顧客の購買方法の複雑さにある。10代の消費者とクレジットユニオンのマーケティング責任者では、インテリジェンスの消費方法はまったく異なる。この多様性こそが、モデル企業がアプリケーション層に進出するよりも、推論層に特化する方が合理的である理由だ。さらに、2023年のように「唯一のモデル」が存在した時代ならともかく、現在はパレートフロンティア上のあらゆる点で複数の選択肢があるため、モデル企業がアプリケーション企業の粗利益を独占することは困難になっている。

AIアプリ企業のユニットエコノミクスに関する議論について、Anishは「粗利益率が低い」という単純な見方は誤りだと指摘する。デビッド・ジョージ（a16zパートナー）の見解を引用し、より広い製品サーフェスを得るためにマージンを犠牲にすることは、多くの場合合理的であると述べる。そして、この製品サイクルで最もポジティブな点は、消費者の「支払い意欲」が異常なほど高いことだ。歴史的に20ドルが消費者の支払い上限だったとすれば、今や「月額200ドルのSKU」や「月額2,000ドルのSKU」、つまり「ソフトウェアのバーキンバッグ」とも言うべき「ラグジュアリーソフトウェア」が登場する可能性があると予測する。すでにその支払い意欲は見られており、マージンに関する議論は「霧の中」だが、支払い意欲と購買意欲はかつてないほど高まっている。

AI時代の創業者像について、Anishは「MBAよりも研究者」の時代だと語る。ビジネスの洗練度は低下したが、技術的な洗練度は飛躍的に高まっている。技術的な洗練度は、ビジネスセンスと異なり、後から教えることが難しい。そのため、技術的なバックグラウンドを持つ若い創業者が有利であり、彼らは「何が可能か」という先入観を持たないため、既存の経営者が想像もできないようなことを成し遂げる。過去の最大のリスクは「アイデアが大きすぎること」だったが、現在は「アイデアが小さすぎること」が最大のリスクだとAnishは指摘する。

この変化は、資金調達の考え方も変えつつある。かつては、創業者に過剰な資金を与えると、アイデアが多すぎて実行が追いつかず、会社を潰すと言われてきた。しかし現在は、資本を投入することで、製品とモデルのトレードオフを変えることができる。1億ドルを調達し、それを効果的に活用して、2,000万ドルでは実現できない価値提案を提供する企業が登場する可能性がある。最適なシードラウンドの規模や、効果的に活用できる資本の量は、かつてないほど複雑なテーマになっているとAnishは結論づける。

結びに

本エピソードは、AIが「モデル競争」の時代から「アプリケーション価値創造」の時代へと移行する転換点を捉えた、極めて示唆に富む内容だった。Anish Acharyaの主張は一貫して「楽観的でありながら現実的」であり、AIバブル論を退けつつも、SaaS企業の構造的な課題を直視する。その上で、モデルの専門化とアプリケーション層の「集合知」としての役割、そしてコンシューマーAIの新時代を切り開くパーソナルエージェントの可能性を、具体的な事例とともに描き出した。

特に印象的だったのは、「moatは消滅した」という通説に対する反論だ。ネットワーク効果やブランド力といった伝統的なmoatは、AI時代においても不変であり、むしろその重要性を増している。一方で、SAPのようなインテグレーションmoatは、コーディングエージェントによって侵食される可能性がある。この「不変のmoat」と「侵食されるmoat」の区別は、今後の投資判断や事業戦略において極めて重要な視点となるだろう。

また、「ラグジュアリーソフトウェア」という概念は、AI時代のソフトウェア経済学を考える上で新鮮な視点を提供する。消費者の支払い意欲が高まる中で、単なるコスト削減ではなく、より高い価値を提供するプレミアムなソフトウェアが登場する可能性は、スタートアップにとって大きな機会となる。そして、コーディングエージェントが生み出す「ママ＆ポップSaaS」という新たなビジネス層の出現は、テクノロジーによる経済の民主化という観点からも、非常に心強いニュースだと言えるだろう。