AIの本当の市場はソフトウェア予算の中ではなく、人件費とサービスの予算の中にある。それがテクノロジーサービス企業にとって何を意味するのかを考える。
この記事は、Sequoia Capitalの論考「Services: The New Software」に対するEngineering Journalの要約とコメントであり、オリジナルの調査ではない。本文中のデータ、図表、英語の引用はすべてSequoia Capitalに帰属する。
この20年あまり、テクノロジー業界はSoftware-as-a-Service(SaaS)というひとつの馴染み深いモデルの上で成長してきた。
Microsoftはオフィススイートを売り、SalesforceはCRMを売り、Adobeはデザインソフトを売る。ソフトウェア企業が差し出すのはあくまで入口の道具であり、実際に手を動かし、最終的な結果に責任を負うのは人間だった。
しかしAIは、まったく別のモデルを切り開こうとしている。
Sequoia Capitalは「Services: The New Software」で、見過ごせない主張を投げかけている。
次の1兆ドル企業は、サービス企業として動くソフトウェア企業かもしれない。
- Sequoia Capital · Services: The New Software
つまりその企業は、顧客が自分で作業するためのソフトウェアを売るだけではない。仕上がった仕事そのものまで売る。
1. ツールを売るモデルから、成果を売るモデルへ
SaaSと新しいAI世代の違いは、きわめて単純に言い表せる。
- SaaS - 最高のシャベルを売る。顧客は月額料金を払い、穴は自分で掘る。
- AI-native service - 料金を払えば、翌朝には穴が掘り終わっている。
顧客が本当に欲しいのは、ソフトウェアがもう一本増えることではない。問題が片づいている状態だ。
だからこそAIの役割は、CopilotからAutopilotへと移りつつある。
- Copilot(ツールを売る) - 人がより速く、より効率よく働けるように支える。
- Autopilot(仕事を売る) - ワークフローの大半を自ら実行し、最終的な成果を直接届ける。
2. ソフトウェア市場から、サービス市場へ
Sequoiaによれば、企業がソフトウェアに1ドル使うごとに、サービスにはおよそ6ドルを使っている。
| 項目 | 支出 |
|---|---|
| ソフトウェア | $1 |
| サービス | $6 |
AIエージェントが手を伸ばせる市場は技術予算にとどまらず、人件費とサービス費の予算全体にまで広がりうる。
長年にわたり、SaaS企業が奪い合ってきたのは主に予算のうち技術に割り当てられた部分だった。その一方で、はるかに大きな市場が運営予算の側に横たわっている。
- コンサルティング
- 会計・監査
- 人材採用
- 法務サービス
- BPO・業務のアウトソーシング
- IT運用・サイバーセキュリティ
- 保険・医療費請求
AIエージェントは、ソフトウェアがこの市場に入り込む道を開きつつある。サービスの担い手の生産性を上げるだけでなく、これまで企業が人を雇うか外部パートナーに任せてきた仕事のかなりの部分を、AI自身が直接こなせるようになってきた。
3. IntelligenceとJudgement:本当の境界線
「AIはどこまでできるのか」という問いに答えるうえで、原文は重要な枠組みを示している。Sequoiaは仕事を職種で分けるのではなく、その性質で分ける。
- Intelligence(AIが先に引き受ける領域) - ルールに基づく仕事。複雑ではあっても、あくまでルールだ。仕様どおりにコードを書く、テストする、デバッグする、数字を突き合わせる、書類に記入する。
- Judgement(人が持ち続ける領域) - 経験と職業的な勘に頼る判断。次に何をつくるか、どれを優先するか、いつリリースするか。
Writing code is mostly intelligence. Knowing what to build next is judgement. Translating a spec into code, testing, debugging: the rules are complex but they are rules. Judgement is different. It requires experience and taste.
- Sequoia Capital · Services: The New Software図1 - いまAIはどこで使われているのか
エージェントがどの領域に投入されているかを、ツール呼び出しの割合で見たもの。Software engineeringが最初に閾値を越えた職種になったのは、その仕事の大半がintelligenceだからだ。
| 領域 | ツール呼び出しの割合 |
|---|---|
| Software engineering | 49.7% |
| Back-office automation | 9.1% |
| Other | 7.1% |
| Marketing and copywriting | 4.4% |
| Sales and CRM | 4.3% |
| Finance and accounting | 4.0% |
| Data analysis and BI | 3.5% |
| Academic research | 2.8% |
| Cybersecurity | 2.4% |
| Customer service | 2.2% |
| Gaming and interactive media | 2.1% |
| Document and presentation | 1.9% |
| Education and tutoring | 1.8% |
| E-commerce operations | 1.3% |
| Medicine and healthcare | 1.0% |
| Legal | 0.9% |
| Travel and logistics | 0.8% |
データ:Sequoia Capital「Services: The New Software」の "In what domains are agents deployed? (% of tool calls)" より。原文中の画像をもとに作図し、領域名は原文のまま。
Software engineeringだけで49.7%を占め、残る16領域の合計にほぼ匹敵する。10%を超える領域はほかになく、最大級のサービス市場はむしろ下位に沈んでいる。Finance and accountingが4.0%、Medicine and healthcareが1.0%、Legalが0.9%だ。
注目すべきはこの点だ。Software engineeringが特別なのではなく、単に先に閾値を越えただけである。モデルが十分に良くなり、業界固有のデータが十分に厚くなれば、同じことが会計でも保険でも法務でも医療でも起きる。
しかもその線は動き続ける。今日のjudgementは、明日のintelligenceになる。
図2 - Opportunity Map
サービス領域をintelligence ↔ judgement、外部委託 ↔ 内製という二つの軸に並べると、優先順位の地図ができる。括弧内は労働市場の規模(labor TAM)。
縦軸:OUTSOURCED(外部委託) ↕ INSOURCED(内製) · 横軸:JUDGEMENT ↔ INTELLIGENCE
原文のOpportunity Mapをもとに作図(原文は文字ばかりのスクリーンショット)。上の四つのグループが、その地図の四つの象限にあたる。原文はこのリストがあくまで例示(illustrative)だと明記している。出典:Sequoia Capital。
4. AIが最初に置き換えるのは職業ではなく、ワークフロー
ひとつの職業をまるごと置き換えるには、AIは多様な状況に対応できるだけの知識と経験、判断力、そして責任を引き受ける力を備えていなければならない。
だがワークフローをひとつ自動化するだけなら、範囲がはっきりしていて、ルールもおおむね揃っていて、結果を検証できる一連の作業を安定してこなせればいい。出発点としてはこちらのほうが現実的だ。
- 会計 - 職業全体としては経験、人との関係、そして数字への責任が要る。自動化できるワークフローは、請求書を読み取る、取引を突き合わせる、差異を洗い出す、決算用のデータを整える。どの工程も機械に任せられる。
- 保険ブローカー - 顧客への助言には、やはり経験と勘の鋭さが要る。自動化できるワークフローは、情報を集める、見積もりを比べる、複数の保険会社の書類を埋める。この部分はすでに高度に標準化されている。
- 医療スタッフ - 診察と治療には専門知識と判断が欠かせない。自動化できるワークフローは、保険請求のためにカルテをICD-10コード(約70,000コード)へ変換する作業だ。複雑ではあるが、やはりルールにすぎない。
AIがいきなり職業をまるごと置き換えるとはかぎらない。まずは次の三つの特徴を持つワークフローから引き受けていく。
- 反復性が高く、標準化されている - 手順が安定していて、例外が少ない。
- 結果を測定できる - 正しいか誤りかを検証でき、感覚に左右されない。
- すでに外部委託が習慣になっている - 自社で抱え込むのではなく、成果を買うことに慣れている。
5. 2025年のCopilotから、2026年以降のAutopilotへ
| 時期 | 主流のモデル | 戦略的な問い |
|---|---|---|
| 2025 | AI Copilot | AIをどう使えば、社員はもっと速く働けるか? |
| 2026+ | AI Autopilot | AIにワークフロー全体を実行させ、その結果に責任を持たせるにはどうするか? |
If you sell the tool, you're in a race against the model. But if you sell the work, every improvement in the model makes your service faster, cheaper, and harder to compete with.
- Sequoia Capital · Services: The New Software6. 人月から成果へ
この論点は、テクノロジーサービス企業にとってとりわけ重い。機会はAIで社内の工数を削ることだけではない。サービスの提供モデルそのものを設計し直すところにある。
| 従来モデル | AI-nativeモデル |
|---|---|
| テストチームを売る | 検証済みのリリースを売る |
| クラウド運用の人員を売る | SLAと性能、コスト目標を売る |
| SOCアナリストを売る | インシデントの検知時間と対応時間を売る |
| レガシー保守チームを売る | 分析・移行・検収まで終えたモジュールを売る |
| 開発者を人月で売る | 完成した機能やワークフローを売る |
そのときAIは、もはや生産性を上げるためのツールではない。生産モデルと収益モデルそのものの一部になる。
7. Autopilotは、人を完全に外すという意味ではない
AIのデモと、実際に売れるAIサービスとを隔てているのは一点だけだ。結果に責任を負えるかどうかである。
顧客がソフトウェアではなくワークフローを買うためには、提供側が次の課題を片づけておく必要がある。
- 成果物の品質とSLA
- データのセキュリティとプライバシー
- 検証可能性、追跡可能性、監査対応
- リスク管理と、問題が起きたときの責任の所在
- 経験と判断が要る箇所でのhuman-in-the-loop
- 運用プロセス全体の採算
初期段階で成り立つモデルは、おそらく「AIが人を完全に置き換える」ではない。intelligenceの比重が大きい部分をAIが実行し、judgementの比重が大きい部分を人が押さえる形だ。
核心となる示唆
次のAI競争は、最も賢いLLMや最も自然に応答するチャットボットを誰が持つか、という話だけではない。
持続する優位を手にするのは、AIと業界固有のデータ、ワークフロー、検証の仕組み、そして運用力を束ねて、仕上がった成果に責任を負える企業だ。
- SaaS - 顧客が作業するためのツールを売る。
- AI-nativeサービス - 同じ仕事そのものを売る。
いま、どの企業にとっても戦略的な問いは、これだけではない。
AIは社員の生産性をどれだけ引き上げられるか?
さらに、こうも問う必要がある。
自社のどのワークフローなら、パッケージ化し、品質を保証し、成果としてそのまま売れるか?
それこそが、Sequoiaの言う「1ドル」のソフトウェア市場から「6ドル」のサービス市場へ抜ける扉なのかもしれない。
この記事はSequoia Capitalの論考に対する要約とコメントであり、オリジナルの調査ではない。データ、図表、英語の引用はすべてSequoia Capitalに帰属する。二つの図(図1とOpportunity Map)は原文中のスクリーンショットをもとに作図したもので、数値は原文のままである。挿絵にはいらすとやの素材を、同サイトの利用規約に従って使用している。