SierraとLayerXが語る日米AI最前線―エンタープライズをどう攻略すべきか

セッション概要とスピーカー紹介

この番組は、ITスタートアップで、事業づくり、プロダクトづくりに取り組まれている経営層の方をゲストにお招きし、

昨今のAIタイトルも踏まえた、AI時代のプロダクト戦略を深掘りする番組です。

今回は、5月19日火曜日に開催したイベント、AIネイティブリーダーズのセッション1をアーカイブ配信します。

タイトルは、AI企業のプロダクト戦略、日米企論。

ソフトウェアを売る時代から、AIが業務そのものを担い、成果をお届ける時代へ。

その最前線では今、何が起きているのか。

そして、同じAIエージェントでも、日本と米国では戦い方がどう違うのか。

スピーカーは、米国初のAIエージェント企業Sierraで、開発共同責任者として日本進出をリードされている森川恵太さん。

レイヤーX執行役員、AIワークフォース事業CEOの中村隆也さん。

そして、J&C代表取締役の宮田嘉隆さん。

モデレーターは、デルタX代表パートナーの山崎良平さんです。

日米それぞれで、AIエージェントの最前線を走るSierraとレイヤーXを中心に、

エンタープライズ攻略の勘どころ、実装の鍵を握るFDEモデルのリアルまで踏み込んで伺いました。

Spotifyの概要欄や、Xに投影資料も掲載していますので、ぜひ、併せてお楽しみください。

Sierraの急成長とアウトカムベース課金

山崎がモデレーターとして、説明させていただきたいと思いますが、

まず簡単に自己紹介から、皆さんからいきましょう。

お疲れさまでした。宮田と申します。今、J&Cという会社を一人で作って、プロダクトのアドバイザーをさせていただいています。

最近まではフリーという会社で、3年前ぐらいに在籍しておりました。よろしくお願いします。

中村と申します。今、レイヤーX3つ事業、4つ目がこの間、買収でできたんですけど、

そのうちのAIワークフォースという事業を、事業責任者をしております。

私はもともとレイヤーX創業からいるんですけれども、セキュリティ系の研究をやったりとか、

オープンソースへのコントリビューションをしていて、その研究チームがだんだん変遷して、

今のエンタープライズ向けの事業になっているという感じでございます。よろしくお願いします。

千枝の森川と申します。タイトルは、コーヘッドエージェントデベロップメントといいまして、

FDだったりとかPMだったりとか、デプロイメントストラテジスト、いわゆる元コンサルのプロジェクトマネジャーのようなロールを束ねる組織の共同統括をやっています。

と同時に、セールスだったりとか、マーケティングだったりとか、そういうところもガッツリ、プロダクトをガッツリやっているというロールです。

その前は、オペラというコールセンター、大企業のコールセンターのAI化をやる会社を共同創業してまして、それがシエラに買収されたというバックグラウンドであります。

その前は、コンサルファームのマッキンゼの東京都ローンもやってましたというバックグラウンドになります。今日はよろしくお願いいたします。

ありがとうございます。ということで、セッションスタートしていきたいと思うんですが、

まずシエラのローンチからの成長グラフというのを取ってまして、これちょっと私の方から簡単にさっとご説明してしまうと、

まず横軸、これ8市販機分、シエラがローンチしてから、今2年ほど経ってますけれども、この8市販機でどれだけ成長してきたかというグラフなんですが、

今直近で公表している数字でARRが150ミリオンというふうになってまして、グラフを見ていただくと、2市販機目、3市販機目って20ミリオン、25ミリオンぐらいだったんですが、

7市販機目で一気に100ミリオンまでグッと増えていて、次の8市販機には一気に150ミリオンということで、

1クォーターで50ミリオン積み上げているということで、売上規模が大きくなるにつれて成長率が加速しているというのが、これを見ると分かるなと思います。

ちょっと似た話で、ちょうど5月、パランティアの第1クォーターの決算があったんですけれども、

これ市販機の売上水位と前年市成長率を表したグラフですね。前年市成長率が汚染グラフのほうなんですけれども、

こちらを見ていただくと、売上規模が拡大していくのと、同時並行に前年比の成長率も大きくなっているということで、

普通ですね、規模が大きくなると成長率で寝てくるので、汚染グラフって右肩下がりに下がっていく形なんですけれども、両方が上がっている。

これはエンタープライズアメリカのですけれども、アメリカのエンタープライズのAIに対する予算というのが一気に集まっているので、

こういったSaaS時代でなかなか考えられなかった業績数になっているというのが今起きているかなと思ってまして、

ここから最初にシエラがアメリカでどういうふうに展開してきたのか、どんな戦略でエンタープライズの予算を獲得してきたのか、

その辺を森川さんから伺いたいなと思うんですが、今シエラの技術スタックの図を映したんですけれども、

Sierraの技術スタックとCXエージェント

簡単に森川さんからこれをご説明していただいてもよろしいですか。

そうですね。まずシエラがどういう企業かというところから一言ご説明をすると、

シエラはカスタマーエクスペリエンスのAIエージェントを構築するプラットフォームをAIエージェント自体を提供している会社になります。

カスタマーエクスペリエンスというと非常にちょっとふわっとするので、もう少し具体的なユースケースというと、

基本的には三つ、そのうちの二つというか一番大きいですけど、カスタマーサポート、あと営業、あと再建回収。

特にこの順番で大きいというようなものになります。

ここの図の上にあるエージェントスタジオというのが、いわゆるCXのエアエージェントを作っていくコードプラットフォームになっています。

左上にあるこのゴーストライターというのが今年の3月ぐらいに出まして、

これがいわゆるCXのエアエージェントを作るためのクロードコードというプロダクトになります。

これが出たことによって、実際エージェントをデプロイするスピードというのもめちゃくちゃ速くなりましたというのがこの左上のものです。

この右上のエクスプローラーというのが、これを使うとこれまでの対話、

例えば通話の生データだったりとか、チャットの履歴だったり、メールの履歴というのがすべて溜まってくるので、

そのデータに基づいて自然言語でいわゆる分析をしていくと。

なのでいわゆるVOCといってお客さんがどういうことを言っているのかというコンサルを今までやったようなことがプロダクトされていますし、

あともう一個はエージェント自体の挙動だったりとか分析というのをこれを使ってやっていく。

なのでこのエクスプローラーを使って改善点を見つけて、それをゴーストライターで回して改善して、

それをまたエクスプローラーといってこのサイクルを回していくというのがシエラのプロダクトになっています。

一番下のエージェントOSというのがそれを支えるCXのエアエージェントを支える工技の意味でのインフラと考えていただければと思います。

なので本当にこれを実際に作っていく上で、例えばモデル自体もどこか一つのモデルの会社に依存しているわけではなくて、

これは私直前に調べてきたんですが、57個のモデルを今裏で使っているという形になります。

当然そのユースケース、実際のこの結構いろんなユースケースによって、どこの会社のどれぐらいの重さの大きさのモデルを使うべきかというのが大きく違うので、

例えばその書き起こしをしたときにそれとリアルタイムで書き起こしで結構ミスが起こることが多いので、

書き起こしをリアルタイムで小さいモデルで監視してて、何か間違いが起こってたら逐次修正していく仕組みだったりとか、

逆にそのCXのエアエージェントがデプロイされているんですけれども、それとは別にスーパーバイザーエージェントというのがそれを見張っていて、

間違った挙動をしてたらそれをリアルタイムで直すだったりとか、これは前者だとものすごい軽いモデルを使いますし、

後者だと結構重いモデルを使うというような役割分担になっています。

この真ん中がエージェントがデプロイするときに結局そのコンテキストを持ってエージェントが話していくことになるので、

そのコンテキストって何ぞやとなったときに結局その構造化データと非構造化データになります。

構造化データはいわゆるCRMとかERPだったりとかというところに接続していくという話になりますし、

非構造化データのところでいうとさっき申し上げたような会話のデータですね。

そこの生データっていうのをAIが直接読み取っていけるような整備をしているレイヤーになります。

今、このプロダクトなりCRMのサービスがエンタープライズ向けのソフトウェア企業だと歴史上最速級のスピードで、

確かセキュリティサースのWizさんと同じぐらいの成長スピードだとGoogleに買収された会社ですけれども、

今、WizはWizの成長の要因っていうのがあったと思うんですけど、シエラがそこまで早く今成長した理由っていうのを

森川さんとしてはどういうふうに捉えていらっしゃいますか。

そうですね。いくつかあると思っていて、一つはちょっとどれだけご存知の方がいるか分からないですが、

アウトカンベースとプライシングというのをシエラがもともと作った会社で、これどういうことかというと、

すごくわかりやすいけど成果報酬型でやってます。成果型課金でやってるっていう会社なんですね。

なので基本的にそのインプリメンテーション、これオペラ時代とのかなり大きなそこが違いなんですけど、

オペラ時代は割とインプリとARRのリカーリングのハイブリッド型でやってたんですが、

シエラというのはアウトカムを達成したらその分の、それによって例えばコスト削減できたらその分何%もらうっていうモデルでやってます。

これはプロダクトに相当自信がないというか、もうちょっと具体的にこの領域でいうと、

基本的に安定性と精度というのがかなり高くないとAIで完結しないので、その投資とそれによって実際にインパクトが出てるので、

日米エンタープライズAI市場の動向

それによって最初小さく入るんですけど、そこからの一社一社あたりのARRの伸びっていうのが極めて高いっていうところが一番大きなところかなと思います。

今、例えばアンソロピックなんかもものすごく伸びていて、ちょうどサースターでもあったんですけれども、

今エンタープライズロゴの50%以上がセルフサーブでどんどんアンソロピック入っていってるみたいな話もあったんですが、

中村さんアンソロピック解説を結構テレビ局なんかでされたと思うんですけど

ちょっと壁もらってもいいぐらいですよね

ちょっとどうでしょう、アメリカのAIのスタートアップどうしてそんなにエンタープライズにものすごく入れてるのか

そうですね、多分何て言うんでしょう、我々もグローバル展開頑張ってトライしてるんですけど、

日本市場に対するステレオタイプって結構あるなと思っていて、ゆっくりだとか意思決定に時間がかかるとか、

ただそれが多分10年前ぐらいのステレオタイプなのかなと思いまして、

そこをある意味ティアワンっていうかあれですけれども、トップのエンタープライズの企業さんってこの10年ぐらいある意味乗り越えようとされてきてるので、

相当多分世の中の平均のイメージよりもリベラルだなと思いますよね。

だからツールのスイッチとかだからエンタープライズって1回入っちゃえばリプレイされにくいからとかってよくあると思うんですけど、

もう全然そんなこともなくて、バンバンツールをスイッチしますし、そういう状況にあるのかなって日本ですらも感じるので、

それがさらに早い、海外の人だとそのぐらい英語生成が早いっていうのは感じるところですね。

なるほど。

安田さんも日本のエンタープライズ企業といろいろお話しされること多いと思うんですけど、

もうこの10年スパンで考えると、そういう需要性ってなんか変わったなって三宅さんも感じられることってあります?

そうですね。なんかSaaSの時は効率化みたいな話だったせいか、

AIと比較すると3倍ぐらい遅かったようなイメージがあるんですね。

ですけど、SaaSと比較してAI見てみると、そもそも予算取りからかなりきっちりやってくださってますし、

SaaSで培ったDX予算みたいなものがあるっていう、そこでしっかりデータ書いてるから保証しやすいみたいな話もあるのかもしれないですけど、

あと、やっぱりマーケターを使うツールとしてSaaSがありました。

ですけど、今回ってマーケター自体を代替する手段として、

AIエージェントとかIdentity Core Proが準備されてるじゃないですか。

なので、結構図体が大きいエンタープライズこそ、その価値を一番享受しやすいと思うんですね。

なので、結構前の目になってるのかなっていう印象があるんですね。

なるほど。ありがとうございます。

LayerXの「組織AI」コンセプトと課題

じゃあ、ちょっとここでアメリカから日本の方に目を移してですね、

AIXで今、AIワークフォース事業として取り組まれているプロダクトとか、

どういうポイントを見ながらですね、お客さまにサービス提供するかっていうのはちょっと教えてください。

そうですね、逆に戻っていただいていいですか、シエラさんのやつに。

技術アーキテクチャの資料、今回っていうのあったんですけど、なんか結構似てたんで、もうこれとの差分でいっちゃおうかなと思って。

結構、なんかこのレイヤー似てきてますよね。

ほんと各社のエンタープライズ向けプラットフォームっていう観点だと、

例えば左上のエージェント構築の仕組みとかって割と言うと、

エージェントというよりはワークフローっていうエージェントが実行する処理のまとまりとか、

ツールとかっていうのを作るための環境とかツールがあったりしますし、

あとはデータレイヤー、今日この出てきますけれども、

AIエージェントがある意味その企業の一員としてしっかりオンボーディングされて、

組織記憶をちゃんとアクセスできるようにするっていうところもそうですし、

決済とかはないかな。

でも他はかなり似てるのかなっていうふうに思ってます。

あとはあれですかね。

我々の場合、コールセンター向けっていうよりはホワイトカラーのいろんな業務向けっていう感じで、

金融機関から製造業までっていうのがありますので、

一個一個が結構一個抽象化する必要があるっていうところがあって、

例えばこのデータプラットフォームにおいて非構造的なものも構造的なデータベースも標準でありますけれども、

データベースの中に入ってくるものが銀行の金額かもしれないし、

見積もり書かもしれないし、

場合によっては製品のあれかもしれないしっていうので、

結構いろんなユースケースを想定して抽象化する必要があるっていう感じですかね。

あとAPI、そうですね。

右上にありますけど、その辺も似てるかなっていう感じですかね。

ちょっと次のところに行っていただきまして、

その一個次。

AIワークフォースでコンセプトとして強く目指しているのが組織AIっていうところで、

これはAIワークフォースでお客様に対しても提案しているコンセプトでもあれば、

AIXの中の社内のAI活用っていう観点でも重視している考え方なんですけれども、

多分テックブログから出したと思うんですけど、

先々、先月になっちゃいましたかね。

もうクロードコードをみんなに配った結果、

とんでもない金額いってしまったんですね。

3月末に計算を締めるんですけど、

大和で調子に合わせるっていうのがありました。

各事業部。

とんでもない金額ってなったわりに、

それがお客様のためとか事業のために完全に転換されたかというと、

非常に悩ましい結果というのがありまして、

これが一番下に書いてあるんですけど、

コスト面のガバナンスの課題っていう感じですね。

要は、もちろん1人当たりいくらで上限いったら終わりとかでできるんですけど、

その1円当たりの価値を最大化するっていうのが、

なかなかみんなに個人AIって呼んでいるものを配るだけではなかなか難しいというのがあります。

セキュリティも非常に悩ましいポイントで、

お客様からいただいた情報とかって分別管理する必要があって、

契約終わったら削除するとかいろんなものがあったりしますけれども、

普通のチャットGPとかってチャットヒストリーにひたすらいろんな情報が混ざって残ってしまったりしますよね。

特にエージェントっていう観点でいくと、

もう外部システム連携とかってなると、

こういうシステムにつないでくださいって言うと、

いろいろ自分でいろんなAPI叩いてみて失敗してみてってやりますので、

もう本当にコントロールがいかなくなっていくっていうのがあって、

AIエージェントに対して安全な環境で実行させるっていう、

そのあたりが非常に重要だっていうのかなっていう感じです。

データに関してもみんながパソコンで自分の中にデータを貯めていると、

全くもって組織としての記憶が作られていかないっていうのがあって、

さっきアンソロピックの時にリプレイスが結構起きてるって話をしたんですけど、

最近のリプレイスが今AI市場で起きやすい理由ってこれかなと思っていて、

チャットGDPTの履歴を皆さん今から強制で消してくださいって言われたら、

すっごい嫌ですけど、死ぬかって言われたら死なないと思うんですよね。

それぐらいだからある意味リプレイスが効くデータしかたまってないっていうところがあって、

ここが個人AIの課題というふうに定義しているところですね。

ちょっと1個前のスライドをいただいていいですかね。

というところで、個人AIって呼んでる、

そういうみんなにAIに慣れてもらって、

どんどんAIのレッドピル飲んでもらってですね、

AIで色々業務を変えていきたいっていうふうに思ってもらうためのツールっていうのは大事なんですけれども、

本当に企業のPLBSにヒットするような取り組みであったりとか、

お役様にする取り組みってなってくると、

組織として管理されたAIネイティブな業務システムが必要というところで、

そういうものを実現しましょうと。

この時においては、

その管理されたAIエージェントが共通のナレッジレイヤーに参照していって、

さっきサースターの報告でもありましたよね。

コンテキストが大事ってありましたけれども、

そのコンテキストが常にフレッシュに最新に更新され続ける、

それを業務の中に埋め込むやったりとか、

間違っている情報はどこで直すんだっていう、

コンテキストレイヤーに間違いがあるとすごく伝播しちゃったりしますので、

それは業務のどのポイントで、

どういうふうに誰が確認して直すんだとかっていうところとか、

あとは業務の承認の仕組みですね。

人間の業務を繋いでいくと、

誰が承認したっていうふうにするんだとか、

そういういわゆる責任を誰が取るかっていう仕組みとか、

この辺りを埋め込んだAIの活用していった方が、

しっかり企業にするんじゃないかとかっていうのを取り組んでいるところでございます。

はい、ありがとうございます。

組織記憶とコンテキストの実装課題

宮田さんからご質問とかあります?

これちょっと僕聞いてみたいんですよね。

中野さんがおっしゃってくださったこの組織記憶、

いわゆる中間知性と言われたりとか、

生ログじゃなくてコンデンストされたデータセット、

みたいなものをちゃんと組織向けに作って、

もしくはチーム向けに作って、

ハーネスを自前で作って、

ちゃんと制御かけながら、

社内のエージェントもしくはエージェンティックワークフローを組んでます、

っていう会社さんってどれぐらいいます?

いや、そうっすよね。多分1、2パーぐらいなんですよね、僕も。

何ですかね、個人利用でCC巻いて、

特にテッキーな社長とかはむちゃくちゃ使い込んでやってる方いるんですけど、

じゃあチームでそれ使ってますかってなった瞬間に、

一気にみんなシーンってなるんですよね。

ここが多分次の論点。

社内利用もそうですし、

実際のAIエージェントとかエージェンティックワークフローとかを、

他社向けに拡散していくっていうポイントでも、

作り込むときに結構差別感になるというか、

それでやっぱり精度も速度も速くなる、

テーマに合わせたものになってくると思うので、

ここが結構肝かなっていうふうに僕も思ってますね。

ありがとうございます。

森川さん、シエラではさっきのコンテキストの話とかって、

実際業種なりドメインなりによって、

結構影響が大きくない。

さっき例えば売上げって聞いても、

ちゃんと売上げ返ってこないみたいな話とかあったんですけど、

シエラの領域だとコンテキストが、

お客さんへの導入するときに、

ものすごく課題になるとかってことってあるんですか?

そうですね。

Sierraのコンテキスト実装とAPI戦略

そのコンテキスト、

このプロダクトの話にまず限定をすると、

さっきちょっとお話したようにコンテキストって、

基本的にはシステムレコードから情報を引っ張ってくる、

構造化データの話と通話の履歴、生データだったりとか、

メールの履歴だったりとか、

チャットの履歴だったりとか、

こういった非構造化データ、

ざっくり分けてこの2種類しかないですと。

後者に関しては、

シエラのプラットフォーム上に基本的には

貯めていくことになるので、

こちらが問題になることはないです。

どっちかというと問題になるのは、

構造化データのほうで、

結局我々はCRMを、

少なくとも現時点は、

CRMだったりとか、

ERPを提供しているわけではないので、

いわゆるAIエージェントで、

何かしらのアクションが完結するとなると、

結局どっかのシステムとつないでいかなきゃいけない、

ということになるんですね。

ご質問の趣旨に答えているか分からないですけど、

一番ボトルネックになるのは、

大体どのシステムをつなげるんだっけ、

っていうところと、

その順番でやっていくんだっけ、

っていうのがボトルネックになることが多いです。

ただ、よくお客様とお話して、

結構勘違い、

勘違いされるというか、

ここは世の中で思われているところと結構違うんだよ、

っていうところを言うと、

大体皆さんも、

Just Sales Forceさんとか、

CRMとかのAPIが潤沢にあって、

前哲さんでもサービス直さんでもいいですけど、

そのAPIが潤沢にあれば、

連携するのはすごい簡単だけど、

大体のレガシーのエンプラって、

内製で作って、APIとかないから、

そこをつなげるのは無理だよね、

っていうところが結構発想。

少なくとも私は、

Opera自体は結構それがすごくあって、

かなりそこのユースケースは絞ってたんですけど、

これはちょっとOperaとシエラのギャップがあって、

発想が変わったのが、

シエラはAPIをめちゃくちゃ作りに行くんですね。

実際そのエンジニア、

FDを送って、

そこでどの順番、

ぶっちゃけ送って、

結構1週間とかで作れちゃったりするので、

ただそこは関係性がないと結構作れないとか、

そういったちょっと泥臭いところもあったりするんですけど、

そのAPIを

作りに行ってもう接続して、

その参照からその更新、

手続きの完了みたいなところまで、

やりに行ってるっていうのが結構、

私個人的には結構大きなギャップでしたね。

これってクライアント先の

オンプレとかのシステムの

APIをシエラが

コースを出して作りに行ってるんですか?

作りに行ってます。

なんでそれをやるメリットがあるかっていうと、

これがさっき言ったアウトカウントベースと

プライシングのところとすごくつながるところで、

結局そのカバーできるユースケースが

増えれば増えるほど、

そのお客様の最終的な、例えば

カスタマーサポートだったら、コストインパクトないしは

特にコストインパクトのところっていうのが

上がるんですね。

それが上がると、そのうちの

ナンパをうちがもらうっていうような

仕組みになるので、いくらでも出すんですよ。

要は出せば出すほど、もちろん

くだらないものにはユースケースはやらないですけど、

大きいものであれば

いくらでも出しますっていう

モデルなので、そこの高数で

いくらコストかかったかって、そこのかけたコストより

それによって上がるお客様の

ビジネスインパクト、それによってシエラに上がる

売り上げの方が圧倒的に高いので、

という仕組みですね。

非常に美しいですよね。

アウトカムベース課金の魅力と限界

アウトカウンベースと課金見た瞬間、

僕パースやり始めて

18年ぐらいになるんですけど、

サイシングの勉強してて

一番震えた瞬間で、

あれ、プロダクト知り尽くした人しか設計できない

気がして、今おっしゃられたように

インプットデータを増やせば

精度が上がる、価格管理率が上がるんだったら

やる。

それってシエラにとってもいいことだし、

エンドユーザーにとってもいいことじゃないですか。

こんな美しいビジネスモデルまで生きるって

さすがブレッド・テイラーみたいな

その一言で尽きるなって感じするんですよ。

なんで、すごく

この領域は

ROI、オペラでやってた

事業選定の一つでもあったので

すごくそこも実感値ありますけど

そのROIが

誰の否定もしようもなく

クリアなんですよね。

ちょっと効率化したとか

そういう話ではないので

だからそこはやっぱり

他のオペラでいろいろビボットしてた時に

いろいろ事業を試した時にそこはもう

明らかに倫理の通りやすさだったりとか

大きい案件でも通りやすさ

っていうのは感じましたね。

ただ、これって

アウトカンペースト・プライシングって

全てのAIプロダクトはできないと思っていて

そのもうROIっていうのが

疑いの余地もないくらいクリアに

定義できるところでのみ結構

通用するものだと思うんで

無敵のものではないし

ただ領域選定がそれによって結構大事になる

っていうものだと思います。

ちょっと中村さんにお聞きしたいんですけど

エンタープライズ向けプライシングモデルの議論

AXでは

プライシングモデルのサブスクリプション

なりシートなりアウトカムなり

いろんなミックスがあると思うんですけど

特にエンタープライズ向けの

プライシングモデルを

いろいろ議論されてると思うんですが

大変です。

新メンバーにアサインしちゃいけないタスクは

プライシングってなってまして

すごい大変なのに感謝されにくいっていうのがあるんで

問題点ばっかり言われてっていうので

それぐらいずっとやってて

結局私も引きずり持ってるっていう感じですね

プライシングに関しては

ポイントになってくるのでどの辺ですか

トークン喧嘩の観点になってくるのか

またはどういうふうに

レベニューグロースを作らなきゃいけないから

みたいな客さんなのか

ちょっと最初のところから話すと

シンプルにAIによって

1個のソフトウェアがカバーできるユースケースが

どんどん広がっている

従来だったらこのソフトウェアに関しては

平均するとユーザー1人当たりの価値って

これぐらいだから

いくら出したらもらえるよねっていうものが

平均する対象が増えてるんで

バリエーションが広がってるんで難しい

我々はもっとプラットフォームですので

銀行も得れば商社も得れば製造業も得るっていうところで

1トークンあたりの価値っていうのは

本当にもうケースはケースなので

さらにその平均値が難しくなって

これが最初のラインのところですね

アウトカムベースにしたいんですけれども

その時に

一番最強のアウトカムベースって

文字通りメジャーリーグでいうところの

WARみたいな感じで

そのソフトウェアがある時とない時の世界線を比べて

PLがどのくらい違うのかっていう差分を取るのが

真のアウトカムベースだと思うんですけど

それは難しいっていうのがあって

アウトカムの代替指標を

自分たちのベンダー側が測れる範囲で

何にするのかっていうのが

もう1個の論点っていう感じですよね

ありがとうございます

ちょっとですね次の論点に行く前に

エンタープライズ予算獲得戦略と成長率

1つもう1回スライドを見ていただきたいんですけれども

シェラはですね

8ヶ月目で150ミリオンに

到達してるんですけど

4ヶ月目これ発表されてないので分かんないんですが

グラフから推測すると

3クォーター目か

3クォーター目25ミリオンなんで

4クォーター目は多分30ミリオンから40ミリオンの間ぐらい

だったのかなと想像するんですけど

そうすると

8クォーター目で150ミリオンということは

多分これイヤーオンイヤーで見た時に

4倍から5倍成長してるんですよね

日本のエンタープライズ

AI市場で

どれぐらいの成長を作れるか

っていう観点のお話になってくるんですが

150ミリオン

2年作れるかっていうと

そもそも経済規模

ソフトウェアマーケットが違うので

そうではないとしても

ローンチから1年後と2年後を

比較した時に

4、5倍の成長率を作れるかどうか

っていう観点かなと思っていて

それを考えた時に

エンタープライズの何の予算を

今取りに行って

あるいは

いろんなミックスもあると思うんですけども

どういう方針で戦略を立ててらっしゃるのか

っていうのを聞きたいんですけど

中村さんいかがですか

事業部2023年に立ち上がってるんですけども

結構この数年でだいぶ変わってきていて

LayXは爆落のイメージがあるんで

バックオフィスが多いんですかって聞かれるんですけれども

そんな多くないっていうのと

どんどん減ってるっていう感じですね

エアワークフォースのユースケースでいくと

理由はまさにバックオフィスとか

オペレーション系のところっていうのは

削減にしかどうしてもならないっていうのがあるので

すっごいうまくいっても

その部門のコストの部分しか価値がない

っていうところが一つと

これは私の試験にもなりますけれども

こういう機械に置き換えるっていうものって

歴史的に

どんどんコストが下がっていくじゃないですか

だから今は削減分取れても

それがゼロになるのが当たり前になった世界でいくと

どんどん価格競争になってしまっていって

どんどん下がるんじゃないかなっていう風に思う

時計のクォーツショックみたいなことっていうのが

起きちゃうんじゃないかなと思っているので

そこは思っていますと

事業部の立ち上げのときはまさに

AIワークフローっていうので

ある意味技術的な制約として

オペレーショナルな業務をAIにやっていたので

多かったんですけれども

基本的に最近はどっちかっていうと

トップラインを作っていくほう

売上に貢献していくほうっていう風にシフトしているという感じですね

おめでとうございます

FDEモデルの役割と選択肢

次の論点に行かせていただいていいですか

総スター数

エピソードをシェアする

Instagram シェア画像

埋め込みプレイヤーのカスタマイズ

プレビュー

カラーテーマ

メッセージを送信

Product/AI Talks

感想

サマリー

目次

総スター数

コメント

感想を書く