危機に瀕したSaaSは、米VCの投資先で9%だった──DNX Capitalが見たSaaStr AI 2026。差を分けるのは「現場に入るFDE」

SaaStr AI Annual 2026の会場で目立ったのは、法律分野のHarveyや社内検索のGleanのように、AIを前提に組み立てられたソフトウェア企業だった。田中氏はそこで得た示唆を4つにまとめている。

1つ目は、AIネイティブへの転換が実験の段階を終え、本番に入ったこと。2つ目は、AIに読ませる顧客の文脈（コンテキスト）を整えるために、FDEが欠かせなくなったこと。3つ目は、基盤モデルの性能が横並びになった後は、運用の力が差別化の源泉になること。4つ目は、AI時代に合った生産性の指標を考え直す必要があることだ。

出所：SAIL by DNX Capital 田中佑馬氏の登壇資料

Evalとは、AIの出力がどれだけ正しいかを継続的に測り、改善していく仕組みのこと。同じ問いを投げても、AIは毎回少しずつ違う答えを返す。その揺れを人が確かめ、精度を上げ続けることが、そのままソフトウェアの品質になる。

4つ目の示唆は、SaaSの成功を測る物差しの見直しにつながる。顧客が最初に価値を感じるまでの時間（Time to Value）、AIの出力が検証を通る割合（Eval Pass Rate）、そして既存顧客からの売上の伸び（NRR）。田中氏によれば、こうした指標を考え始めるべきではないかという声が、会場で出始めていたという。

こうした示唆の背景には、AIとソフトウェア市場の関係をもっと大きな縮尺で捉えた分析がある。

SaaS株の低迷が続いていた5月に聞き、田中氏が「非常に納得感があった」と紹介したのが、Scale Venture PartnersのRory O'Driscoll氏の分析である。Scaleは、BoxやDocuSignといったSaaSに投資してきたベンチャーキャピタルだ。

O'Driscoll氏の出発点は、AIはソフトウェア市場にとって追い風だという見立てにある。クラウドがソフトウェアを置き換えた時代と違い、AIは人の仕事そのものの一部を引き受けられる。顧客管理のツールが自ら営業の初期対応をこなすAIのSDRへ変わり、医療や法律のように、これまでソフトウェアが入り込みにくかった領域も開けた。市場のパイは大きくなっている。

出所：SaaStr AI Annual 2026でのScale Venture Partnersの発表（元データはGartner、World Bank Group、Cloud Wars、Scale analysis）をもとにDNX Capitalが作成

ただ、その拡大は巨額の設備投資の上に乗っている。Scaleの試算では、2026年にハイパースケーラーがAI関連の設備投資に投じる額は6,880億ドル。対して、OpenAIやAnthropicなどの売上は1,100億ドルほどで、差は約5,000億ドルに上る。設備投資は2031年に1兆ドルを超える見通しで、Scaleは「この状況は今後何年も続く」と見ている。

出所：SaaStr AI Annual 2026でのScale Venture Partnersの発表資料（“And Will be for Many Years”）をもとにDNX Capitalが作成

では、AIに飲み込まれると言われたSaaSは、実際どうなったのか。Scaleは2022年以前に投資した既存の投資先を4つに分類している。

事業の機会そのものが危機に瀕した（Dead on Arrival）のは9%。図を描くツールや、データを集めて見やすく並べるBIのように、かつては開発に手間がかかったものがAIで一瞬で作れるようになった領域だ。残る91%は事業を続けている。そのうち35%は生成AIとほぼ関係なく事業を続けている。28%はセンサーやドローンのように、AIを取り込むことでむしろ強くなる側に回った。そして28%は、ワークフローを持つ従来型のSaaSで、AIのエージェントに業務を置き換えられるおそれを抱えている。

出所：SaaStr AI Annual 2026でのScale Venture Partnersの発表資料をもとにDNX Capitalが作成

全体が沈むわけではない。ただ、3割近くは手を打たなければ危うい。生き残る側の足場を考える手がかりは、企業がAIをどう買っているかにある。

企業がAIを使うとき、基盤モデルを直接契約するのか、ソフトウェアを経由して買うのか。田中氏が紹介したのは、a16zが2025年に15業界・100社のCIOに行った調査である。規制産業以外では、アプリケーションを経由してAIを買う傾向がはっきり出ていた。

出所：a16z「How 100 Enterprise CIOs Are Building and Buying Gen AI in 2025」をもとにDNX Capitalが作成

理由として挙がったのは、AIを組み込んだワークフローを継続的に運用する手間の大きさだった。AIができることが増えるほど、モデルを動かす仕組み（ハーネス）や出力の検証、保守といった見るべき範囲も広がる。それを社内で抱えるより、専門のチームがアプリケーションの裏側で磨き続けるほうが効率がよい。スタートアップのようにAIの活用に特化した会社は、AIモデルの進化のスピードにも対応できる。企業がそう考え始めている、と田中氏は読む。一方、ヘルスケアや金融のように外へデータを出したくない業界では、自社でモデルを直接使って組み立てる流れが続いているという。更に、直近ではAIに関するコストやセキュリティ面の課題から、オープンソースモデルと言われるAPI経由ではなく自社の環境（専用のクラウド環境やオンプレミス等）で推論を行う選択肢も出てきている。組まれたワークフローは出来上がった側からすぐに陳腐化してしまう。

田中氏が「1つ面白い例」として挙げたのは、Anthropic自身の営業の現場だ。田中氏が紹介したところでは、同社は顧客管理の記録の土台にSalesforce、商談の管理にGong、チケットの管理にJiraを使い、それらをClaudeが束ねて動かしている。

AnthropicはOpusの公開後に需要が一気に伸びたが、営業担当者を同じ速さで増やすことはできなかった。そこで商談をスコアで振り分け、半分はAIが最後まで担い、人間の手には戻さない運用に切り替えたという。提案書の作成時間の短縮や売上見込みの精度向上にも成果が出ており、その土台にあるのは、既存のSaaSを使い続けながら改善の回転を速めることだった。

AIを作る会社自身も、業務の記録は既存のSaaSに置いたままだった。差が出るのは、その上でAIをどう動かし続けるかのほうだ。

では、AI時代のソフトウェア企業は何で競合を退けるのか。Scaleが示した「AI時代の競争優位性（Moat）」の分類には、ネットワーク効果を持つマーケットプレイスや、他社が持たない独自データといったMoatが並び、なかでも事業そのものをAI前提で自ら運営する「フルスタック型」は、この時代の強いMoatとされていた。

田中氏は、独自データの例として示されたForterを、地道にデータを集めてサービスの土台にしているDNXの投資先、シンプルフォームになぞらえた。フルスタック型については、同じくDNXが関わるdairiの坂野氏の保険代理店分野での取り組みを重ねている。

一方で、比較的弱いMoatに分類されたのが、人を送り込んで顧客の業務に合わせ込むFDEと、データが集まるほど製品が良くなるデータフライホイールだった。どちらもSaaSの時代から言われてきた強みである。田中氏によれば、FDEは当たり前にやるべき営業のプロセスになりつつあり、その意味で重要だという。ただ、ノウハウに寄った差別化であり、技術や明確なデータ資産のように、他社が追随できないMoatとは言えない。

それでも、そのFDEに、モデルを作る側の企業が向かっている。OpenAIは2026年5月、顧客企業の中にFDEを送り込む子会社OpenAI Deployment Companyを立ち上げ、英国のAIコンサルティング会社Tomoroの買収で、FDEと導入の専門家を初日から約150人迎えると発表した。Anthropicも投資会社と組んで企業向けのAIサービス会社を設け、7月にOde with Anthropicとして始動させている。

出所：SAIL by DNX Capital 田中佑馬氏の登壇資料

OpenAIが買ったのは、FDEと導入の専門家を最初から抱える会社だった。APIを渡すだけでは顧客の現場に成果が根づかないことを、モデルを作る側も踏まえている。田中氏は、OpenAIやAnthropicのような、モデル自体を作るプレイヤーも、APIを渡すだけでは限界があり、ワークフローの特定やAI前提の業務の組み替え（BPR）が欠かせず、コンサルティングとエンジニアリングを組み合わせたFDEのモデルが要ると痛感しているはずだと見る。

SaaStrで語られた、FDEが要る一番の理由は、AIの答えが毎回違うことだった。AIで組んだワークフローの出力がどれだけ正解に近いかを、人と一緒に確かめ、精度を上げ続けなければならない。

日本との一番の違いとして田中氏が挙げたのは、お金の取り方だ。米国のFDEは成果に応じた課金に結びついていることが多く、FDEの働きそのものには基本的に課金しないケースが多い。ただし田中氏は、10月にサンフランシスコを再訪した際、Anthropicがプロジェクト型で課金していそうな話も聞いたと補足する。FDEの元祖とされるPalantirも、最初はPoC、次にプロジェクト課金と進んだ。課金のしかたには濃淡がある。AIソフトウェアの側はトークンの消費量に応じて課金しているため、顧客の業務に深く入り込み、製品が触られる回数が増えるほど、売上も自然に大きくなる。だから最初に、ほとんど不可能と思えるところまでワークフローに入り込み、自社の製品を置いてくる。

では、その役目を担う人に、米国の企業は何を求めているのか。

田中氏は、FDEの選考を受けた大学院の同級生から話を聞いた。まず分かったのは、同じFDEという肩書きでも、仕事の幅に大きな開きがあることだった。

AIで開発ができるプラットフォームを運営するLovableでは、FDEの仕事はハッカソンの開催や社内での利用促進が中心で、カスタマーサクセスに近い。音声AIの会社のようにエンジニアが強い会社では、FDストラテジストと呼ばれる職種にもコードのレビューを求める。病院向けにライフサイエンス系の製品を売る会社では、営業の難しさが先に立ち、FDストラテジストにコードは求めないという。

選考の中身はさらに具体的だった。社内検索の大手では、製品の要件定義書（PRD）を書かされ、その製品を使った活用例をひねり出して発表する。最後はチームのマネージャーが、難癖をつけるPEファンドのパートナー役で現れ、「こんなの全然使えないじゃないか」と迫る模擬面談が待っている。

不動産管理会社向けのAIを手がける会社では、PRDとデータを渡されて「60分後に来るからよろしく」と告げられる。その1時間で問題を特定し、社内向けの資料を作り、最後の30分で、自分がAIで書き上げた新しい製品を面接官に売り込む。同級生は事前にその会社の資料のひな型を用意し、複数のAIエージェントを使い分けて時間内に仕上げたという。

最後の会社では、大手コンサルティング会社の担当者役が「これはまだロードマップに入っていないので、僕はできないですよね」と言い続ける。その相手を営業として説き伏せ、PoCまでこぎつけるのが課題だった。

それだけの力を一人に求めるのは、いまの日本では現実的ではない。田中氏が持ち帰った答えは、役割を分けることだった。

チェンジマネジメントとは、新しい仕組みを顧客の組織に根づかせる仕事で、田中氏はプロジェクトマネジメントに近い技能だと説明した。

SaaSといえば営業・カスタマーサクセス・エンジニアという体制を組み、顧客ごとの個別開発は避けるのが定石だとされてきた。だがその前提を問い直し、組織づくりや採用においても新たな考えを取り入れるべきなのではないか──。AIがソフトウェアの可能性を推し広げている現在、FDEのような手段を通して顧客のワークフローを根底からAXすることにより、より大きな価値を提供できるのではないか。田中氏がこのセッションで、聴衆となった投資先企業の経営者たちに伝えたかったのは、そうした課題提起だった。