ダッシュボードの先で「直す」まで担う──AIコスト時代のFinOpsスタートアップPointFiveを読み解く

皆さん、こんにちは。FoundXの田です。

同じくFoundXの富田です。

今日は雑談としては、フェイブルクロードの話を少しできればと思ってます。

はい。

すごいなって思ってます。

どういう点がすごい感じですか?

結構なんでしょうね。やっぱりすごい長く考えてくれるとか、割と複雑なものでもちゃんと整理してくれるとか、結構その辺はコーディングとかですごいなって思ってますね。

確かに。どんなことをお願いしてるんですか?

とりあえず今のアプリの改修計画を。コーディングまでしてもらうと結構コストが高いので、計画を立ててもらって、実行は別のやつでやるみたいな感じですね。

はい。いや、そうですね。

6月は分からないっていう感じですよね。

です。ただ、本当に性能が良ければ、サブスクリプションじゃなくて従量課金でも使っちゃうんだろうなと思ってます。

いや、そうですよね。私も使ってるんですけど。そうですか。

はい。使ってて、良くも悪くも自律性が高くて、私も計画だけ立ててもらおうと思ったんですよ。論文の修正の計画を立ててくださいって言ったら、ファイルを作り始めて、すごいですね。ちゃんとそうしますって言ってました。ちょっと使うだけで結構、プライシングというか、リミットに行きますもんね。

かなり来ます。かなりヒヤヒヤしながら使ってます。

私もなので、次のリミットのクリアが日曜とかなので、それまでに使い切るみたいな感じにしようかなと思ってます。

そうですね。

はい。そんな今日は、AIに関する、AIのコストに関するスタートアップを紹介していきたいと思ってます。FoundX Review Startup IdeaCastでは、海外のスタートアップのアイデアをAIを使って分析して紹介する番組です。これからアイデアを考える人たちの参考になればと思います。

最初にディスクレーマーですが、AIを活用して情報を整理しているので、一部情報が古かったり間違ってる場合もあります。ファクトを重視される場合は必ずご自身で調べるようお願いします。本Podcastはあくまでアイデアの参考情報とか考え方を引き出すことを目的にしています。ということで今日は、このAIのコスト削減みたいなところをやっているPointFiveというスタートアップを紹介したいと思います。

こちらはどうして選んだんでしょうか?

そうですね。本当にこのAIのトークン費用とかが高くなってきている時代において、ここをどうマネジメントしていくのかというのが非常に面白いスタートアップかなと思っていて。いわゆるこれまでのFinOpsとは違う、AI Efficiencyみたいなところを掲げてやろうとしていて、そうした動きから何か参考になるところはないかなと思って、今日取り上げたいなと思ってます。

はい、ということで早速ですが入っていきたいと思います。全体像です。まずこのスタートアップなんですけども、クラウドやAIのコストの効率化を、財務のレポート業務からエンジニアリングの運用規律に変革するプラットフォームということを言っています。少し分かりづらいので詳しく言うとですね、これまでのFinOpsっていうところに関しては、財務のダッシュボードみたいな、いわゆる見える化っていうところが中心だったんですが、それだけではなくて、その一歩進んで、実際にはエンジニアリングでどこをどういう風に修正すればいいのかみたいな、そうした実行のワークフローまで介入していこうとしているのがこのPointFiveなのかなという風に思っています。

さらに、従来のFinOpsはクラウドとか、そっち系だったんですけども、今回AIも入ってきて、クラウド費用だけではなくて、LLM呼び出しのAPIとかの金額とか、場合によってはGPUとかTPUとか、AIコーディングエージェントのトークン利用というものを細かく、変動的になってる部分をちゃんと見える化して最適化していこうというようなことをやっているスタートアップです。このPointFive自体は2026年6月に、シリーズラウンドで60Mを調達しているスタートアップで、2024年から2025年までの1年でARR6倍成長ということで、AIのコスト管理の追い風を受けて成長してるスタートアップなのかなという風に思っています。

従来の表面的な無駄ですね。クラウドの規模の拡大と複雑化によって、いろんなクラウドを作っていく、使っていくとか、いろんなサービスを使っていくみたいな中で、いろんな無駄が発生してきていますというのは分かりやすいんですが、それをこのPointFiveはさらに一歩踏み込んで、Deep Wasteみたいなことを言って、コード起因の挙動を原因とする無駄とかも把握してそこを直していこうとか、アーキテクチャの無駄とかを直していこうとか。本当に表面的なアイドルリソースがあるよねっていうところだけではなくて、さらにその裏のインフラのコードとか設定とか依存関係とか、性能であるとか、そうしたエンジニアリングの問題に翻訳して、そこをどう解いた方がいいのかみたいなところをやろうとしているスタートアップなのかなと思っています。

あとはAIのトークノミクスですね。生成AIのトークノミクスということで、AIのトークンに費用がかかってきてる中で、ここをどう最適化していこうかみたいなことで。起業アイデア的に見ると、既存カテゴリーの次のボトルネックを解きに行こうとしているスタートアップ。前回のアクションAIも、検証が次のボトルネックですみたいな感じだったと思いますけれど、このPointFiveなんかは、ある意味コストっていう次の問題を解きに行こうとしている、先に解きに行こうとしていて、今ちょうど注目されているスタートアップなのかなという風に思ってます。はい。そんなスタートアップです。

今、次の問題っていうところでAIトークノミクスってことだったんですが、それってどういうような影響というか、変化があるんでしょうか?

そうですね。AIの利用は、1回の問い合わせごとに費用が発生したりとか、トークンごとに発生したりとか、あるいはエージェントごとに費用が積み上がっていって、従来のSaaS、あるいはインスタンスの時間課金とかに比べて、割と変動性が高いみたいなことがあったりしますし、従来のスケーラブルな環境のクラウド費用よりも、AIがかかるとコスト構造は変わってきますみたいなことが、よくスタートアップでは言われていると思いますが、まさにそうだという風に思っています。従来のクラウド費用よりも細かいですし、変動も激しいですし、場合によっては部署別とか用途別の把握が難しいので、単なる月次請求の分析だけをしていればいいというわけではなく、開発現場でこれをどうしていくのかとか、場合によってはビジネスの現場でどうしていって、場合によってはルーティングと言いますか、この作業はこっちの軽いモデルでやった方がいいんじゃないとか、そういうところまで多分今後関わってくるのかなという感じはしますね。

なるほど。それは既存のツールでは足りないので、それをやりに行きますということなんですかね。

そうですね。多くの場合、現状は財務とか予算向けの可視化っていうところが中心ですと。ただ、実際の修正には、エンジニアが安全性や依存関係を判断して修正をしていくという必要があるので、その実装部分まで、あるいは修正部分まで踏み込んでるところはそこまで多くないと言われていますと。本当にこれはよくあるパターンですが、ダッシュボードとかレポートを作ったとしても、実際にタスクに変換されないとあんまり意味がないので、そこを多分エージェンティックにやっていこうみたいなところまで考えてるんじゃないかなと思いますね。

では、実際の課題というところを少し見ていきたいと思います。まずターゲット顧客に関しては、年間100万ドル以上のクラウドやAIインフラの支出を持つような大規模なエンタープライズのエンジニアとかFinOps担当者を顧客として見ているようです。痛みですね。彼らの痛みは、単純に高いっていうだけではなくて、コストの超過をしているのは分かったと。ただそれを誰がどうすればいいかっていうところが分からなくて、そこで行き止まっているっていうのがペインじゃないかというのが彼らのポイントですと。

実際に84%の組織がクラウドコストの管理に苦戦していると言われていたりとか、ダッシュボードで警告が出ても、誰がどのコードをどう直すかみたいな技術的な文脈が欠落しているとか、エンジニアは機能追加の開発の方に追われて、コスト最適化のチケットは放置されがちみたいなところがあって。本当に財務部門が異常を見つけたとしても設定変更はできないし、設定変更しようにもエンジニアは後回しにしやすい。そして既存ツールの限界として、コストの配分とか予算管理には強いけれども、エンジニアがすぐに修正できるコンテキストというところがなかなか持てない、そうしたところがあったりはしますと。

これは単なる情報不足ではなくて、組織のいわゆる責任分解の問題でもあって、OpsとかプラットフォームとかアプリチームとかSRE、あるいは財務の間でちょうど抜け落ちちゃうタイプのものなので、そこをうまく解けないかというのが、PointFiveとしては、この後解決策で話しますが、修正可能なプルリクエストを作ったりとか、担当者のルーティングをしたりとか、効果検証というところに翻訳してあげるみたいなところをやっていくというのが今回のところかなと思います。

なるほど。マネジメントまでするようなところなのかなと思ったんですけど、どれぐらい顧客はこの問題に本当に困ってるんですか?

そうですね。さっき言いましたけど、84%の組織が困ってるという、そうした調査がオブザラウドの調査であったりしますとか。あと、既存のFinOpsのツール、CloudabilityとかAWS純正ツールのCost Explorerみたいなものは、財務向けの可視化をやってるけれども、その一歩先の修正が実行できるところまではしてくれてないので、そこで困ってるという風に言われてるみたいです。

今エンジニアがやっぱりコストの最適化を後回しにするってことだったんですけど、それはどういうような背景なんでしょうか?

これも組織の問題だと思いますが、やっぱりどうしてもエンジニア組織とかは、売上を伸ばす方に引っ張られる機能開発をしやすい、KPIとかが設定されやすいとか、あるいは信頼性とかセキュリティとか、あるいは納期みたいなところが優先的にチケットが切られがちで、コスト削減っていうところは、動いてればいいんじゃないみたいな、そんな感じの扱いだったりとか。コスト削減も結構リスクがあって、コスト削減の施策をやって失敗しちゃうと障害とか性能の劣化につながってしまうので、結構心理的なコストも高い、あるいはリスクも高いみたいなことが言えるのかなという風に思ってます。なので、修正の安全性とかが明確じゃないと、どうしてもこのチケットは滞留しがち。インセンティブもそうだし、ミスった時の影響も大きいので、ここが結構悩ましいというところなのかなと思いますね。

じゃあ、こうした問題をどう解こうとしているのかというところですけれども、この問題解決として、Agentic Remediationですね、修正をしていく自動循環サイクルというものをやっていこうというのがこのPointFiveです。中核プロダクトとしては、彼らはDeep Waste、いわゆる500以上の独自ルールを持って、そのルールベースで色々と修正点というところを出して、人間がレビューしてデプロイして結果を確認していく、そうしたサイクルをやっていくっていうのが彼らのものです。

まず最初のステップとして、Deep Wasteですね。コードレベルでの無駄っていうところを、表面的な利用率だけではなくて、設定とか依存関係とか、あるいは請求をまたいで見ていって、次にプルリクエストをエージェンティックに生成していくと。JiraとかSlackとかIDEとか、既存のエンジニアリングのそうしたツールにうまく接続できるような形でプルリクエストを生成して、別のツールを見る、ダッシュボードを見て何か翻訳するっていう負担は減らしていくと。

3つ目が人間の承認ということで、このヒューマン・イン・ザ・ループですね。エンタープライズでは特に重要で、自動修正をしていくというよりは、人間がちゃんと承認する設計を入れて、そしてデプロイしていく。TerraformとかKubernetesとか、いわゆるInfrastructure as Codeみたいな感じで、顧客のクラウド運用成熟度みたいなところにも依存してきますが、その辺をやっていくみたいなところをやっていますと。そして効果検証をしていく、実際の請求とかデータ確認をして、削減見込みではなくて実際の請求データでROIを確認して、そして継続の契約をしてもらうというようなことをやっているみたいです。

本当にエージェントレスかつ読み取り専用という形で、結構安全でかつ手軽に、導入14分とか言われてますけども、導入14分ぐらいでサクっと入れて、そしてインフラ設定の深層、ディープなところまで入り込んで試算を出してくれるというのが非常に受けがいいという風に言われています。実際にROIなんかも示されていて、大手のデジタルバンクのNubankのPoCにおいては、導入からわずか10日間で年間契約相当の投資回収、ROIを達成して、顧客の平均ROIは1000%以上みたいなことが言われていましたので、結構そうしたことをやっているスタートアップです。

はい。ROIってどうやって1000%っていう計算だったんですかね?

そうですね。プルリクエストがマージされて、翌月以降の請求データで削減が確認されたっていう、その実際の削減額で言っていますね。はい。

人間の承認が挟まるってことなので、自動ではなくて、こういう修正をしたらどうですかっていうのがレビューする側に飛んでくるっていうような形なんですか?

みたいですね。はい。なので、人間が責任を持って検証して、OKであればそのままマージしたりとかいうことをするというところみたいです。

ちなみに、Deep Wasteとか言っていますが、これに関しては、請求とかテレメトリとか設定とか、コミット情報とかを組み合わせて、単純な未使用リソースだけではなくて、設定であるとか、アプリケーション起因のものであるとか、データライフサイクルとか、アーキテクチャー上の非効率まで検知する製品のことをDeep Wasteみたいなことで言っているみたいです。

あとAgentic Remediationっていうところは、TerraformとかCloudFormationとか、JiraとかSlackとか、そういうところにどんどんとエンジニアがレビューとかマージしやすい修正案が出てくるみたいな。CI/CD、コンティニュアスインテグレーションとかコンティニュアスデプロイメントとかの仕組みにも接続していて、エンジニアが分かりやすい修正を出してきてくれるみたいな感じみたいですね。

あとはトークンも一応やっていて、TokenShiftということで、AIコーディングエージェントを利用する時の可視化とか最適化とガバナンスをするローカル実行型のツールというものも作っていて、実際にデザインパートナーで、こっちは10%から20%のトークン削減を確認したという風に言われてるみたいですね。

ということで、AIの話を少ししたので、続いてAIトークノミクスによる市場の変容というお話をさせていただこうと思います。従来のPointFiveみたいなところに関しては、クラウドコスト管理の最適化というところが中心だったと思いますが、この2、3年ですかね、大手のところになると、クラウドとAIの可変的な原価管理みたいなところに変わってきていて、従来のクラウド費用を削減する、あるいは最適化していくだけではなくて、このAIのトークン費用をやっていく、そうした市場も出てきてるんじゃないかということが言われています。

実際にこの従来のクラウド費用に関しては、月額とか時間単位とかインスタンス単位とか、比較的大きな単位、それでも小さいとは思うんですけれども、大きめの単位のブロックでコストというものが乗っかってきてましたと。ただ一方、AI費用は本当に1トークンとか1回の呼び出しとか1エージェント実行みたいな、かなりマイクロなトランザクションに近くて、その結果、コストは固定的なインフラというよりはプロダクト利用に比例するものに近づいていって、その結果ここを管理していくという必要性が生まれてくるんじゃないかというのが新しい市場ですと。

このAIワークロードの爆発的普及によって、インフラコストが極めて変動が激しくなって、かつブラックボックス化していく中で、このトークノミクスをうまくマネージしていく需要が生まれて、そこが市場になっていくというのが1つポイントかなと。そこにクラウド費用みたいなところとか、データ基盤の費用とかいうところが乗っかってきて、それらをうまく組み合わせてコストマネジメントをしていくというのがポイントかなと。

最初は特に大手のテックとか金融機関のプラットフォームエンジニアリングチームに絞ってアドレスしていって、その後広げていくみたいな感じですが、最初は全企業ではなくて、痛みが強い、あるいは削減額が大きいところから入っていこうとしてるみたいですね。

やっぱりAIのコストって全然クラウド費用と変わってくるんですね。なんとなく変わりそうな気はするんですけどね。

確かに。使えば使うほど乗っかってきますし、発生タイミングも細かいですし、それこそ冒頭であった、勝手に自律的に走っちゃってみたいなこともあったりするとは思うので、そこが管理が難しくなる要因の1つかなと思います。

あとは、その利用量がプロダクト機能とか従業員のAI利用にも直結してきてしまうし、モデル選択とかプロンプトの設計とか、キャッシュとかガードレールの存在によっても費用が変わるので、コストが大きくなることはある程度分かっているが、一方でコストのレバーがいっぱいあって、それを調整していくのは結構大変みたいなところなのかなと思います。

ですと、AI自体が安くなった時に、PointFiveはどういう風に会社の価値っていうのを維持していくというか、どういう風に価値を出すんですかね。

そこはリスクとしてあるんじゃないかなと思いますね。単価の低下とか、あるいはオープンウェイトのモデルの普及とか、すごい推論が早い、安いみたいなところが出てきたりしたら、ここは結構あれかなと。ただ総量として、利用量とかエージェントの実行回数とかデータ処理量が増えると、単価が安くなっても総額は増えるとは思いますし、ローカルLLMとかもなくはないとは思うんですが、最先端のことをしていくのかとか、ここばっかりはちょっと、増えるんじゃないみたいな感じのリスク把握ぐらいじゃないですかね。はい。

そうですね。いろんなシナリオがありそうですね。

そうですね。いろんなシナリオがありそうですが、そういうところに挑戦するのがスタートアップらしいといえばスタートアップらしいのかなと。いずれコスト管理は、安く使うだけではなくて、誰が何に使って、価値がどれだけ出ているのかみたいなところを見ていくことにはなるとは思うので、価値が生まれていくのであれば利用量も増えるし、管理するべき量も増えていくっていうことでもあるんじゃないかなと思います。はい。

じゃあビジネスモデルです。PointFiveはどういう風にお金を儲けようとしてるかというところですが、まず誰にっていうところは、エンタープライズSaaSですと。削減額が大きい顧客に売っていく。年間数百万ドル以上のクラウド・AI支出があれば、数%の削減でも大きな価値になるので、まずはそこを狙いましょうと。かつ導入コストを下げるために、14分のスキャンとか、48時間以内に価値を証明するとか、10日間でROIが出ましたみたいな、そうしたことをちゃんと訴えていくみたいなところが、今メッセージとして前に出てきてるのかなと思っています。

価格は年間のクラウドとかAI支出額に連動する段階的なSaaSサブスクリプションモデルということをやっているようです。例としては、支出300万ドルで約70K、あるいは約700万ドルの支出のところに関しては140Kドルみたいなことが、どこかの資料で見たというところですけれども、そんな感じのことが言われています。ただ、スケールしていった後にどうなっていくのかというところはちょっと分からないなと思いますと。

営業のタイミングとしてやっぱりこれが大きいのは、コスト削減って、新しい予算をくださいっていうよりは、コスト削減します、既存の無駄から支払いますみたいなところがあって、これはやっぱり入りやすいなと思いますと。いろんなコンサルファームの話とかを聞いていても、コスト削減系のやつって分かりやすくて取りやすいというか、成果を出しやすいので、そういうところから取っていってるっていうのはいいところなのかなと思います。

ただ一方で、初期の大きな無駄を削った後に継続的な価値を提供できるかっていうと、そこが結構問題ではあって、本当に継続的に契約してもらえるか、1回入って終わりじゃないかみたいな。

確かに。

というところはビジネスモデルとしてはリスクがあるのかなと思いますね。なので継続的に使ってもらうには、新しい検知ルールを継続的に追加したりとか、対象領域を広げていくとか、あるいは組み合わせて離れられないようにするみたいなことが大事なビジネスモデルではないかなと。なのでLTVを最終的に増やしていくには、単に費用を削減するだけではなくて、データ基盤とかAIのトークン、GPUとか開発IDEとか、そうしたところにうまく広がっていくとか、あるいは他の価値というものを提供していかなければいけない、継続的な成長の難しいビジネスかなと思います。

確かに、最初に大きくドカンと減ったら、もうこれで十分みたいな風になるのはかなりリスクだなというのは思いました。

そうですね。そこは本当にこういうコスト削減系、特にアーキテクチャーとか、Deep Wasteって彼らが言ってるようなところを直しちゃうと、結構論点になってくるんだろうなと思います。ただ一方で、お客様の方が新しいサービスとか設定の変更とか、AIの利用の増加をしていくと、無駄はどんどんと生まれてくるので、そこを常に見ておきますよっていうのは、1ついいところとか訴えられるところかなと思います。

確かに、お客様自身が成長していくような会社だと、常に改善するような余地がありそうだなと思いました。LTVを高めていくために、どういうような工夫というか、どういう風にサービスを拡張とか、入り込んでいくようなことなんでしょうか?

そうですね。ここに関しては次のスライドでも少し話すところでもあると思いますが、1回ワークフローに入って、その後コンパウンド型で新製品を提供していったりとか、新しい検知領域を追加していって、継続的な価値っていうものを出していくことができるのかなと。とにかく1回ワークフローに入って、FinOpsから入って、プラットフォームとか、CFOへのレポーティングみたいなところまで含めてくると、高いLTVを達成できるかもしれないなと思います。

じゃあ続いて、このAI Efficiency OSという、このLTVをどう高めていくのかという話をしたいと思います。ここでのキーワードはやっぱりコンパウンド型かなと思いますと。単一機能のSaaSではなくて、クラウドとかKubernetesとかデータ基盤とかAIモデルとか開発者ツール、それらを横断するレイヤーを、彼らはこのDeep Waste & Remediationみたいなところで作ろうとしているという風に考えるといいかなと。

その下にあるレイヤーとしてインフラファブリックみたいなことで、AWSとかAzureとかGCPとか、SnowflakeとかAIモデルとか、これらを置いて、このインフラファブリックをうまく編むような中央のレイヤーと言いますか、1つレイヤーを作ろうとしているというところがポイントかなと。そのレイヤーに対して、研究とか検知とか修正のプルリクエスト生成とか効果検証とかを集めて、ここを通して、いろんなデータのやり取りというか、アプリケーションとインフラのやり取りの中間レイヤーとして入っていくというのが彼らが狙ってるところかなと思います。

彼らの上の層には、チャットとかエージェントとかアプリケーションとか、あるいはその上にはユーザーとのインターフェースみたいなところがあったりすると思いますけれども、そこに対して中間層を取りに行く、ミドルウェアを取りに行くというところですかねと思いますと。特にインフラが複雑化していくと、個別ツールでは根本的な解決が不可能になってくるので、そこを統合的に面倒見てあげますよっていうミドルレイヤーとしてやっていくとか。

あるいは10年後の理想像としては、セキュリティの脆弱性のスキャンが開発の当たり前になったみたいに、コスト効率スキャンとか、コンティニュアスインテグレーションとかCD、デプロイメントの、プルリクエストのテストレビューの一部にこうしたコスト効率スキャンが毎回入ってくる。そういうことになってくると、エンジニアリングのパイプラインの一部として全体でこうしたものが最適化されていく、修正されていくっていう世界を作っていくことができると。ただ戦略的に、そのOSを全て作ることは最初からはできないので、まずはインフラストラクチャーサービス的なところの削減とかで信頼を獲得して、多分今回AIが出てきたので、今度はAIのトークノミクスで信頼獲得してみたいな感じで、ちょっとずつ増やしていこうという感じなのかなという風に思います。

そもそもになっちゃうんですけど、SaaSじゃなくてOSを目指す、やらなきゃいけないっていうような理由ってどの辺りなんですか?

そうですね。現在やっぱりコストの原因として、クラウドとかデータ基盤とかAIとかKubernetesとか、そうしたところがかなり複数のツールにまたがっていると。そして原因と修正の全体像が分かりづらいというような状態にあるので、顧客にとっては単一の単機能のSaaSだけだと、どうしても隙間があると言いますか、これだとちょっと違うなみたいなことが出てきてしまうということがあったりするので、そこを複合的に見ていく、そして実行まで繋げてくるレイヤーっていうのが必要になってくるんじゃないかなというのが彼らの仮説かなと。

一方で、OSを目指すと開発する範囲が広すぎる気もしてて、どういう風に広げていくように考えてるんですか?

そうですね。なので最初はIaaSと言いますか、AWSとかの最適化みたいなところから始めて、そこで価値を証明して、今はAIのトークノミクスの方に行ってみたいな感じで、徐々に最初は分かりやすい価値提供から入って横に広げていく、そういうことをやっているのかなと思います。

ということでロードマップの話も少ししたいと思います。彼らはまずAWS環境での深い無駄の検知というところから入っていったみたいです。なので、AWSでこういう設定をすればもっとコスト削減できますよというのをやっていきました。手動対応の自動化に特化してやって、実データでROIを証明したということをやっていたみたいです。次のフェーズとしてエージェントですね、というところにも手を出していくというところをやっていたみたいです。まずAzureとかGCPとかKubernetesとかに広げつつ、Agentic Remediation、つまり修正プルリクエストの自動生成を確立していったという風に言われています。

そしてフェーズ3に関しては、AIとかデータのエコシステムの中に入っていくということで、Snowflakeとかのデータ基盤とか、TokenShiftによるAIトークンの最適化とか、MCPによる開発者IDEへの直接介入というところに広げていっているようです。戦略のうまさは、やっぱり広い市場を狙っているものの、入り口は狭く深い、お客様のペインをちゃんと刺しにいくというところをやっている点かなと。最初から大きく幅を取っていくというわけではなくて、お客様の財布に直結する領域で足場を作って、そこから横展開しているというのが面白いところかなと思います。

本当に顧客環境に実際に入り込めると、検知ルールとか修正パターンとかROIデータとかが蓄積されるので、これが次の拡張の資産になっていくっていうところが1つと、あとやっぱりこのAIのトークノミクスというものが入ってきているので、TokenShiftというツールを使って、クラウドインフラから開発のAIに重心を移していくみたいなことをやって、今のトレンドに乗っているというのが今回のところかなと思います。

最初にAWSから入ったのって、やっぱりかなりペインが大きいっていうのが大きな理由なんでしょうか?

そうですね。やはり支出規模が大きいですし、削減のインパクトも出しやすいというところで、顧客がすでにペインを感じているみたいなところが1つあったという風に言われています。

このロードマップ上だと、1番難しいとか、これから難しそうだなっていうのはどの辺りになるんですか?

そうですね。フェーズ1からフェーズ2、ワークフローをエージェンティックに拡張してワークフローを掌握していくみたいなところに関しては、まだいけると思いますが、その次のAIっていうところに関しては、AIとかデータ基盤に広げるっていうのは自然ではあるんですが、難易度は上がりますし、修正プルリクエスト生成っていうのは顧客環境ごとに違いが大きかったりとか、AIのトークン削減で開発者体験を損ねてしまうとなかなか受け入れられないみたいなこともあるかもしれませんし、データ基盤に関してはコストモデルが複雑で、かつ業務価値との紐付けもちょっと難しいというところがあり、割とこのフェーズ2からフェーズ3の、AIとかデータ基盤へのアプローチっていうところはちょっと難しいところかなと思いますね。

じゃあ、モートと競争環境に関してのお話です。横軸として対象領域ですね、IaaSなのか、それとももうちょっと広いのかみたいなところを左右で取って、縦軸においては、可視化とか財務向けのところから、自動修正とかエンジニア向けみたいなことで取ったら、PointFiveは右上ですよと。ちょっとずるいグラフではありますけれども、IaaSだけではなくて、いろんなKubernetes、データ、AIまで見れますよっていうのと、縦軸は可視化だけじゃなくて自動修正まで入ってきますよというところで差別化をしているみたいです。広い対象と深い実行力ですと。

競合として、CloudabilityとかあるいはAWSの純正ツールとか、これらは財務の可視化とか予算管理は強いけれども、修正の実行まではできないとか、Kubernetes特化のCAST AIみたいな特化型のプレイヤーに関しては、実行力はあるけども対象領域が狭いみたいなことが彼らの整理になっているのかなと思ってますと。

じゃあ、そこに対するモートとして何を持っているのかという観点ですが、1つは研究チームです。5Xリサーチチームというチームを持っていて、未知の無駄を継続的に発見する能力がありますと。単なるルールベースツールとの差ですっていうのが彼らのところです。ある意味サイバーセキュリティのハンティングみたいな発想で、未知の無駄を自社研究で継続的にハンティングしていきますよというのが彼らの1つのモートだと言っています。

2つ目がAgentic Remediationということで、単なる検知ではなくて、エンジニアがレビュー可能なIaC、Infrastructure as Codeの修正のプルリクエスト生成までやっていく深い統合ができてますというところ。3つ目がエージェントレス&ゼロドリフトということで、安全性を担保した読み取り専用の接続と、設定ドリフトを起こさない設計になっているということで、安全にエンタープライズに導入できますよと。顧客環境に余計な変更は加えませんよということを言ってます。

モートを挙げていただいたんですが、本当に効くようなところってどの辺りになるんでしょうか?

そうですね。彼らは今検知ルールって言ってますが、おそらく検知ルールそのものを改善していくための無駄なパターンを彼らは蓄積できるので、そのパターンの蓄積をして他のところに当てていくみたいな、その無駄、Wasteのパターンですね。っていうところが最終的なモートになっていくのかなとは思います。あとは修正プルリクエストの生成をした後に、実際にどの修正が安全にマージされたのかっていうところも見ることができるはずなので、こういったリクエストはOKで、こういうリクエストはダメだったみたいな、そうしたところから学習できるというのが1つ。

あとは、やっぱりこのワークフローに入れるっていうところが、1回入っちゃうと後ろを増やしていけるので、このワークフローに入って、FinOpsとかエンジニアリングの中で他のところにも広げていくっていうのができるのが、モートの1つになるのかなと思います。

競合との差別化というか、負けるとするというか、1番危ない点ってどのあたりになるんですか?

そうですね。Agentic Remediationの、単なる検知ではなくて修正のプルリクエストまで上げますっていうところですが、この品質がどれぐらいなのかっていうところで評判も変わってくるんだろうなと思います。誤検知とか性能劣化とか障害リスクとか、そういう悪いリスクが顕在化してしまうと、それはそれで価値と信頼を失ってしまうというところがあったりするので、ここが多分危ういのかなと。あとは、仮にそれが提案できたとしても、顧客の社内の承認フローとかがすごく多かったりすると、プルリクエストがマージされずに削減が実行されない、実現されないみたいなところがあったりするので、ある意味価値が可視化で止まっちゃう可能性もあるっていうのはリスクとしてあるのかなと思います。

では、参入戦略ですと。1つは、ミクロな課題として大規模エンタープライズのプラットフォーム

エンジニアの苦痛にまずは入っていこうとしていますと。ダッシュボードで予算の超過は見えているが、誰がどのコードを直すべきか分からない。そこから入っていって、彼らが言うMVP、MIPとか言ってるみたいですけど、Minimum Integrable Productということで、統合可能な最小単位として、完璧な自動化ダッシュボードを作る前に顧客の実データに接続して、手動の裏方作業を含めつつ迅速にROI、削減額を提示するというところで、非常に簡単に14分でできちゃうみたいな、そうしたプロダクトを作ってやっているのが彼らの最初の入り方みたいですと。

今後PMFになってくるとしたら、そこがちゃんと実データで実際に削減できてるかどうか、証明されるかどうかっていうところが1つポイントになってくるのかなと思いますと。あとはTokenShiftみたいなところがあったりするので、この開発者のIDEとかAIコーディングエージェントとLLM APIの間に入って、コンテキストとか無駄なトークンを削減するみたいなことも今後していけるので、そうしたとこから入っていくっていうのも1つのポイントとしてはあるのかなと。これある意味、PMFじゃない、MVPですね。MVPよりも実はこうしたちょっとしたツール、MIPみたいなインテグレータブルプロダクトみたいな方が実は入りやすいみたいなことがあるのかもしれないなと思います。一方で、こうした開発者のローカル環境のIDEとかに入るというのはセキュリティ審査が結構厳しかったりはするので、それはそれで難しいところあったりするかもしれませんが、こうしたプロダクトよりはツールとして入っていくっていうのも1つの突破口としてはあるのかなと思いました。

そうですね。なんかインテグレータブルプロダクトってちょっと面白いなと思ったんですけど、どういう風にMVPと変わってくるんですか？

そうですね。MVPは最小機能の製品ですと。MIPは顧客環境に統合されて実データで価値を出せる最小単位だという風に整理ができるかなと思います。エンタープライズでもやっぱり単体で動くものよりも、既存ワークフローがかなりかっちりしているところが多いので、そこにどう入るのかっていうのが割と重要だったりすると考えると、1つの考え方としてはありなのかなと思いました。

TokenShiftから入っていくということなんですけど、そこから入りやすい背景ってどういうものがあるんですか？

そうですね。需要が一気に伸びてる状況、AIのトークンに関してはっていうところで、AIコーディングエージェントのトークンとかが急増していて、コストの可視化が難しい、透明性が低いという、非常に目の前に突如生まれてきたペインみたいなところがあって、ここをちゃんと解けるような製品がまさに求められ始めているというので、突破口になり得るのかもしれないなと思います。特に開発者IDEに近い場所で制御ができれば、コスト発生源に直接入れるので、割とこのトークンの節約とかしやすい。あるいはクラウド管理者だけではなくって開発者組織全体に広がっていく、そうしたウェッジにもなるので、こうしたトークンっていう切り口から入っていくのは1つありなのかなとは思います。

では、起業のプロセスですと。このPointFiveのスタートアップの起業家です。というかシリアルアントレプレナーです。元々ですね、サイバーセキュリティ領域のところで、イスラエル国防軍の8200部隊という有名なところからの出身で、IntSightsっていうところを創業して、Rapid7という会社に大体500億円ぐらいで売却した経験を持つ人たちですと。PointFiveの最大のインサイトはコスト管理ですね。売却先、あるいはその買収された先で大企業のクラウドコスト管理の地獄というのを自ら体験して、そして売却後にもですね、虚無感を感じたというところで、アーンアウトを放棄してですね、つまり自分たちのもらえるはずだったお金を放棄して、新しい領域で起業を決意したということが言われています。

チーム構成としては前職から10年以上を共にする3名の創業チーム、CEO、CTO、CPO。イスラエルだとこういうパターンよくあるんですよね。なんかマインドと同じチームみたいな感じで、その分ですね、実行力の源泉がありますと。あるいはB2Bのインフラ領域においては、こうした信頼された創業チームは大きな強みとなっていて、今まさに彼らが感じていたサイバーセキュリティの脅威の探索とパッチの地獄と、FinOpsの地獄、このANDを取ってここを解きに行くみたいなところをやろうとしていて、さらにそれがTAMがすごく巨大なところに繋がっているみたいな、そうしたところなのかなと思います。

サイバーセキュリティから始まったんですね。どういう……

そう。はい。ある意味その見えにくい問題を探すとか、優先順位をつけるとか、あるいは修正するみたいな、そうしたところが似ているとか、脅威を検知するのと同様にコストを検知するみたいなところを1つ考えてるのかなと。脅威インテリジェンスみたいなところの発想をコスト、ウェイストのインテリジェンスというところに転用して、しかもただのダッシュボードだけではなくって修正アクションまで繋げているみたいなことが言われてます。

よっぽど嫌だったんでしょうね。虚無感すごかったんでしょうね。

新しいオポチュニティを見つけたら次に行こうかって感じになるんじゃないですかね。

そうだ。そっちプラス寄りの方かもしんないですね。確かに。

そうですね。じゃ、初期の学びとマイルストーンみたいな話をしたいと思います。まず最も重要な学びはですね、ダッシュボードを与えれば直すっていうのが誤りでしたということだったみたいです。初期の仮説はFinOpsとかB2B SaaSでよくある落とし穴などと、見える化は必要だけれども、それだけでは行動が起きないので、エンジニアという観点でいきますと、エンジニアが動くには修正案がプルリクエストとして出されて、ワンクリックに近い形でレビューとかデプロイができる、そうした必要性があるということがポイントとしてあったと。

そして検証サイクルとして、裏側は手動対応、表側は自動化に見せるみたいな、昔ながらのMVPに近いようなことをやっていたみたいです。これもB2Bで非常に現実的な初期の検証方法だとは思いますが、実際にはオズの魔法使い型MVPみたいな感じで、裏側は人間がその提案をやって、表は自動化してるように見せたいなというところも1つと、そうやっていくとやっぱりオーバービルディング、過剰構築を回避できますと。顧客に見せる前に完璧なプロダクトを作るんではなくって、どこを作ればいいかというのをちゃんと把握して、過剰な作り込みを排除、意図的に回避しながら、自動化可能な機能だけを実装していって、すぐにその手作業での学びを自動化につなげていくみたいなことをしていったようです。

初期はデザインパートナーの生データで検証して、ローンチ後6ヶ月後にはARRを1ミリオンですね、1.5億円ぐらい突破したと。そして翌年は6倍成長になっていて、10日のROI証明という、冒頭にやったニューバンクの例とかもやったと。さらに今は、そのトークノミクスみたいな波に乗ってやっていくというところなのかなと思います。

ダッシュボードを与えても全然直らなかったんですね。

みたいですね。おそらく見える化しても実行責任者が動かない、そうしたインセンティブがないみたいな、あるいはタスクが多いみたいなところなのかなという風に思います。

では資金調達です。彼らはシードで16ミリオン、Index Venturesから入れてもらって、シリーズAで20ミリオン、これはSalesforce Venturesから。そしてシリーズB、最近あったのが60ミリオンでAccelからですと。シリーズBですね、今回行ったのはAI領域への本格展開を支える資金だと言われています。単なるクラウドコストの最適化からAIエフィシエンシーに拡張するというのを掲げて今回資金調達をしたと。資金調達額は累計100ミリオンですと、大体100ミリオンぐらいになっている状況です。

あとポイントとしては、結構彼らは希薄化を抑えることよりも、圧倒的なスピードでシェア1位を取るみたいなところをやっているみたいで、割となんかダイリューションは激しいみたいなことがどっかの記事で書かれていました。この市場では、CSPのネイティブ機能、クラウド事業者の純正機能が追いつく前にいかに早く取り切るか、AIとかデータ料金を含む広範なエコシステムを制するのかみたいなところが大事なので、結構お金を使って、最初に幅を取りに行くみたいなことをやろうとしているみたいです。本当に、コスト削減のやつに関しては分かりやすいので競合がいっぱい出てくる可能性はかなりあると。なので、それらが取りに来る前に先に取っちゃおうっていうので、今回アクセルと言いますか、エンジンを吹かせて、アクセルを踏んだというところなのかなという風に思いますね。

ただ一方で、資本を入れるほどプロダクト範囲が広がっていって焦点を失ってしまうというリスクもありますので、ここに関しては彼らは1回リスクを取って、1回取りに行くっていうようなところをやったのかなと思います。

いや、めちゃ調達したなと思ったんですけれども、その拡大のため以外にも他にも何か理由があったりするんですか？

最終的には拡大のためだと思うんですけど、対象の拡大とかですよね。まずはAWSとかのInfrastructure as a Service以外のところ、データ基盤とかAIとか、本当にIDEまで行くんだったらかなり広いとか、あるいはエンタープライズ営業とかセキュリティとかサポートとか、あるいは研究チームみたいなところにも資本が必要だったりするので、競合が来る前にカテゴリーリーダーみたいなところの位置を占めるには、スピードが重要だったという判断なのかなと思います。

投資家も、この投資家を選んだ理由ってあるんですか？

おそらくSalesforce Venturesとかはエンタープライズ顧客の接点を持っていて提供してくれるんじゃないかみたいなところの期待があるのかなと思いますし、Accelなんかはグロース領域でかなり投資をしていて、いろんな企業と繋がりがある、あるいは投資先のところにも使ってもらうみたいなこともあるのかなと思います。投資家に関しては、特にB2Bのインフラ事業は顧客の紹介とか信頼の補完とかに関しても、ある意味で提供してもらえるものかなと思うので、そうしたところを狙ってるんじゃないかなと思いました。

では、日本の起業診断ということで、3つの参入アプローチと比較というのをAIに出してもらいました。まず案A、MSP向けということで、SI、MSPの既存運用保守サービスに無駄検知機能を組み込むと。顧客の基盤を使える一方で、エンドユーザーのエンジニアから遠くなってしまうというデメリットはありますが、そうしたものができるんじゃないかというのが案Aですと。

案Bは日本独自のSaaSとハイブリッド特化ということで、オンプレミスとか均トンとか閉域網とか、ある意味日本特有のものに合わせていくみたいなことが1つあるんじゃないかということが言われています。ただこれは一方で、APIの制約があったりとか、全自動化への技術的なハードルが高かったりとか、マーケットも小さくなっちゃうというところはあるのかなと思います。

そして案Cは、これは勝ち筋とAIは言っていますが、TokenShiftの日本版特化ということで、日本語LLMとかRAGのコンテキストの削減とか、あるいは開発者IDE、CI/CDに直接的に入っていくということは可能なんじゃないかということで、ウェッジとしてトークン最適化、このPointFiveに関しては最初クラウドから入っていってますが、まさにこのトークン最適化、FinOps for Tokenみたいな感じで入っていって、それを日本企業特有の承認フローとかにプルリクエストとかを接続する形で拡張していくのがいいんじゃないかみたいなところが提案されていました。

うん。なるほど。案Cがそんなに結構有望なんですね。

どうなんでしょうね。うん。クラウドみたいなところに関してはある程度既存の競合もいるし、今から入っていくとしたら、こうした新しい需要が出てきているAIトークンみたいなところから入っていくと、まだ明確なウィナーもいないし、ありうる入り方かなと思いますね。

その全体に共通するとこですけど、こういうサービスを導入するために乗り越えるべき壁ってどういったものがあるんでしょうか？

セキュリティの審査とかでしょうね。あと権限の設計とか、既存のシステムとの接続みたいなところに関してはハードルがあるんだろうなと思います。さらにその提案された修正を誰が承認するのかとかいうような組織上の問題もあったりするので、技術だけではなくって、この承認フローを込みでプロダクト化をしていく、そうした考えも必要なんじゃないかなとは思います。

では最後にまとめです。今回お話ししてきたこのPointFiveに関しては、やっぱりダッシュボードを作るだけじゃなくって直すみたいな、見るから直すへの転換をしているという点が非常に大きいのかなと。多くのB2Bサービスとか、あるいはAIとかを使ったサービスの多くは可視化だけで終わっちゃうと。ただ価値が大きいのは、それをいかに行動とか修正とか、あるいは成果まで繋げていくかという点で、そこに焦点を置いて作ったというのが1つ大きな部分かなと。

そして2つ目は、別領域のメンタルモデルの適用ということで、PointFiveはセキュリティの脅威ハントみたいなところの考え方とか脆弱性対応っていうところを、インフラの無駄の発見とかAIの無駄の発見、あるいは修正というところに持ち込んで、元々セキュリティ領域の考えをインフラ領域に持ってきたというところが面白いのかなと思いますと。

そして3つ目が、やっぱりAI時代のコストパラダイムの変化にうまく沿っていくというところです。コスト最適化っていうのは節約だけではなくって、セキュリティとかバグの修正と同列のソフトウェア品質課題になっていくかもしれないので、もしかしたらここを取れると、コスト削減から入って、いや実はこのエージェントをうまく使うための方法論みたいな、という風なところに、開発者の本当に必須ツールみたいなところに入っていけるかもしれないというようなことですと。

あとは、MVPとかMIPとか言ってましたが、完璧なダッシュボードを作る前にMIPを作って、手作業で作業して、そして自動化していくみたいなところは、ある意味理想的な1つのスタートアップの入り方なのかなと思います。是非ですね、こうしたスタートアップのやり方、直近のペインとかをちゃんと見つけて作って、そしてその先には広いマーケットが、みたいな、そうしたところを参考に、何か自分たちの周りでないかなっていうことを考えていただけるといいのかなと思いました。以上。

今日はPointFiveを紹介しましたが、いかがでしたか？

そうですね、このまとめでもおっしゃってましたけど、橋渡しする、そのこういうことすればいいよだけじゃなくて、じゃあ具体的にこういう行動しなさいみたいな、その橋渡しするっていうのは、やっぱり他の分野でもヒントになるなっていう風に思いました。例えば私たちも起業教育に関わってますけど、その中でもどうやったら望ましいとか狙った行動まで動くかっていうので、やっぱりこういうことをしなさいよと言うだけではなくて、もう少し具体的な行動に落としたりとか、もう少しそう橋渡ししていくと、やっぱり少しずつ繋がっていくので、その望ましい行動につながるまでの橋渡しを、そのツールとか使って何かできないかって考えるのは、他のアイデアにも共通するようなヒントになりそうだと思いました。

そうですね。なんかAIを使えば、可視化した後の行動までAIがある程度考えてくれるとか、作業してくれるみたいな世界にも近づいてると思うので、その辺りを是非取りに行って欲しいですね。

それでは今日はこちらで終了です。FoundX Review Startup IdeaCastでは、今後も皆さんのアイデアのために最新のスタートアップの情報を紹介していきたいと思います。是非チャンネル登録、いいねお願いいたします。またSpotifyでも配信してますので、定期的に欲しいという方は是非Podcastでも登録いただければと思います。Apple Podcastでも配信していますと。あとはFoundXの各種プログラムでも応募者を募集していますので、周りに考えている方がいらっしゃれば是非FoundXを紹介してください。ではまた次回よろしくお願いします。ありがとうございました。ありがとうございました。