シート数課金から「完了した仕事」へ：成果を納品する事業はどう設計するか

皆さん、こんにちは。FoundXの田です。

FoundXの富田です。

今回もですね、ちょっと戦略の解説パートみたいな感じでやりたいと思ってます。試しにやっていきたいと思ってますのでよろしくお願いします。ということで雑談を一旦飛ばして、IdeaCastのアプローチコーナーに入っていきたいと思います。

ということで最初にディスクレーマーですが、AIを活用して情報整理しているので情報が間違ってる可能性がありますので、もし重視される場合は必ずご自身で調べるようにしてください。本ポッドキャストは個別の企業の評価とか投資判断を目的とするものではなく、事例から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成果提供型アプローチです。

これはどういうものなんでしょうか?

そうですね、顧客にソフトウェアとか設備とか、ハードウェアを渡すだけではなくって、完了した業務であるとか、そのうち削減された費用の一部をもらうとか、短縮された時間とか、いわゆる成果ですね、顧客が経済的に評価できる成果というものを納品していく、というようなことをやっている全般のアプローチのことを指しています。

成果連動型の価格というよりは、導入されたのに使われない、その結果成果が出てないとか、あるいは実行されないとか、あるいは複数の事業者の間で責任が分かれてしまってみたいなところがあって、製品を納品してもなかなか成果が出ないってことはよくあると。であればある程度成果が出るところまで自分たちでやっちゃおうみたいな、割とバーティカルインテグレーションに近いような感じではあるんですが、こうしたアプローチのことを今回成果提供型アプローチとまとめて、道具ではなく、顧客の経済的な結果を設計して納品するスタートアップ戦略だという風にまとめてます。

今回この戦略を取り上げる理由ってどういったところにあるんでしょうか?

そうですね。やはりこのAIの流れの中でこれは1つあるかなと思っていて、セコイアもサービス〜みたいなエッセイを書いてすごく話題になっていたりしましたけれども、AIが助言だけではなくてですね、自分で問い合わせを解決してそれを納品するとか、費用の最適化を行うとか、現場の制御まで行うみたいな、いわゆる課金の単位というものがシート単位、人の単位というところから、徐々にこの完了した仕事の単位に変わってきているみたいな、そうしたこともあり、この成果連動型っていうのはハードウェアだけではなくってソフトウェア系にも関わってくるのかなと思って、広いアプローチとして今回紹介できるといいなと思った次第でした。

じゃあ早速です。成果を売ると言った時に実際に何を設計しなければいけないのか、その戦略の全体像を見ていければと思います。まずアプローチの全体像です。このアプローチの全体像としては、一言で言うと事業境界の根本的な再設計をしていこうみたいな、そんなことなのかなという風に思っています。何を成果と呼んで、それをどう証明して、誰が実行して、誰がリスクを負って、そこから学びを得るのかみたいな、この1つのシステムをいかに境界を改めて再設計していくかというのがポイントなのかなと思っています。

最初に時間とか金額とか成功率とか顧客の経済的な結果を定義して、それを納品していく。さらにそれに対してペイメントですね、支払いというものも合わせて再設計していく。合わせてエビデンスと言いますか、支払いをするための、成果を証明するような認定とか納品基準、検収基準というものも定めて、それに合わせてペイメントをしていく。かつそれに加えて、自分たちが責任を持つっていうとこですね。自社が制御するのが製品だけだったら納品すれば終わりだったのが、成果が出るかどうかみたいなところ、そして顧客との工程の切り分けっていうのを再設計していく。そして最後に学習、自分たちがサービスの成果を納品することを通して学習して次に繋げていくっていうような、根本的な再設計をしていくっていうところが、ある意味このアプローチの全体像になるのかなという風に思っています。

もうちょっと詳しく言うと、顧客にとっての成果みたいなところをちゃんと納品していくところと、それに対してペイメントをちゃんと設計していくっていうところ。結構これって難しいことだと思うので、ここをちゃんとやっていく基準とかをちゃんと測定して、お客様に成果が出ましたよねっていうのを納得してもらって。製品って分かりやすいんですけど、成果って分かりづらいので、そこまでやって、本当に自分たちがいい成果物を納品していく。それによって学習をしていくみたいな、そうしたところなのかなと思ってます。

一方で、成果が達成されなかったらその責任を負わなければいけないと思うんですけど、それは結構スタートアップにするには重たいなと思うんですけど、どう考えればいいんでしょう?

重たいですよね。とはいえ初期から最終的なフルの成果を全部保証する必要はないのかなと思っていて、例えば最近紹介したものであればMonumentalとか、レンガを積むことをロボットでやるんですが、積むこと自体みたいなことから始めて最後は建築物全体に行くみたいな、一部から始めてっていうのもできると思いますし、Monumentalだとサブコントラクターとして入ってみたいな感じだったので、その契約上っていうのもちゃんと縛っておくとか、これをちゃんと契約しておくってのが1ポイントかなと思います。

他にもですね、例えばAI系でもですね、有人対応とか導入運用を一体化して30日以内に立ち上げとか、品質に保証を広げるみたいなことをやっているスタートアップもあるみたいで、制御範囲を広げて保証範囲を広げるみたいな、そういう話をしてるところもあったりするみたいです。ここはそうですね、例えばCrescendo AIみたいな、AIネイティブコンタクトセンターと言われていて、AIが有人オペレーターの代わりに、自分たちがコンタクトセンターとしてオペレーションしていくみたいなことをやっていると。

同じようなところにAdaみたいなところがありますが、Adaと違ってこのCrescendoっていうスタートアップは、運用境界、自分たちの事業境界をちょっと広げて、本当に成果で課金していくみたいな取り組みをやっていたみたいです。で、AIの品質とか立ち上げとか顧客満足度に関する保証っていうものをしていくみたいなので、単純に成果と言っても、本当にコールセンターで受けるだけではなくって、それに加えて品質とか立ち上げ期間とかその運用範囲を広げて提供していくみたいなこともできるかもしれないなとは思いますね。

では続いてですが、従来の製品販売でそうした価値がなぜ提供できなかったのかというところを少し考えていきたいと思います。この成果支払い、成果物納品型みたいなものが通用するような問題点と言いますか、どういった問題構造にこのアプローチが効くのかというような整理になっています。いくつかAIの方が整理してくれたポイントがあります。

1つがですね、価値と課金単位の不一致ですと。AIの自動化というところが入ってくると、従来シート単位で提供していたSaaSみたいなものは、ある意味別に価値がそのシートに比例して上がっていったわけではないみたいな。そこに対してAIとかは、割と自動化をしていくみたいなところによって、その成果に応じて支払いますよというような、そうした料金が可能になっていくというのがあります。

SaaSの時価総額が減っているのはまさにこういった、シート単位で連結かかったのがどんどんと成果単位になっていくと利益が悪くなっていくんじゃないかみたいなことが想定されて今なってると思いますが、逆に言うと今AIをうまく使えばそういう単位で新しいビジネスモデルで攻めていくことができるみたいな、そうした価値と課金単位のミスマッチがあったところにAIを使って、成果の単位で支払いをしてもらうということができるようになったというところが1つですと。

あとは、実装の空白というところがありますが、実際ソフトウェアを納品して使ってもらったとしても、本当に使っているかどうかってのはまた別問題ですし、その使った結果成果が出たのか、その経済的な価値が顧客に出たのかってところはまた別問題だったりしたので、そこは実は空白があったと。で、そこに対してトレーニングとかをもちろん提供していたSaaSベンダーさんとかソフトウェアベンダーさんはいらっしゃるとは思うんですが、そこまでやらずにもうAIが巻き取っちゃってサービスまでやりますよとか、ロボットが巻き取っちゃってサービスまでやりますよというようなことをして実装の空白を埋めていくことができるようになってきてるんじゃないかっていうのが1つ。

あと、これは逆に今スタートアップの攻めどころではありますが、スタートアップに対しては信用が不足していますというところがありますので、その信用不足を補うだけのプロダクトをこれまで作ってこなきゃいけなかったんですが、顧客にとってはMonumentalみたいな、レンガが積まれればいい、別にプロセスはどうでもいいみたいな感じだと、成果さえ納品してくれればいいっていうような、そうした切り分け方をしてくれると、実はスタートアップ側でその信用の不足を補って、成果はちゃんと納品しますみたいなことで納品しやすくなるっていうことが1つあるのかなと思います。

あとは最後、責任主体の分断というところで、設計とか施工とか運用の主体が今分散しちゃっているものに対して、成果を納品しますみたいなことをすると責任主体っていうのは分かりやすくなるので、ここに対してうまくスタートアップが入り込めるんじゃないかということで、ここをやっていくのができるんじゃないかというのが、大きな問題構造、このアプローチが適用できる問題構造なのかなと。4つの種類全てというわけではないと思いますけども、4つのうちにどれがボトルネックになってるのかっていうのが分かってくると、もしかしたらこのアプローチが効いてくるかもしれないっていう風なところがあるかもしれないなと思いますね。

4つ挙げていただいたんですけど、それぞれ並列というよりも何か優先順位ってあるようなものなんでしょうか?

そうですね。まずは実装の空白って言ってたところかなという風には思います。やはりこのソフトウェアが納品されて使われていないみたいな状況、あるいはそこに成果が紐づいていないという状況とか、あと顧客側の現場が運用の変更とかをしなきゃいけないからなかなか導入がされないみたいなところは狙いやすいのと、そういう市場が多いんじゃないかなと。市場と言いますか、顧客の状況によってそれぞれ違うとは思いますが、そうした状況は多いのかなとは思います。

逆に課金だけ変えてもですね、課金単位とかをちょっと変えただけだと、顧客側が実行しないなら成果が増えなくて、逆に費用が減っちゃうみたいなこともあるのかなと思うので、こうしたところは気をつけなきゃいけない。

例えばProsperOpsみたいなクラウドFinOpsのスタートアップはありますが、彼らはクラウド割引の最適化を自動運用して、実際の削減額に応じたコストのセービングシェアみたいな感じで、サービスモデルにしているみたいなんですけども、これは単に推奨するだけじゃなくって、推奨っていうのはこうやればいいですよっていうことで、そこで実装の空白が生まれちゃうわけなので、自分たちがもうその削減までやりますみたいなことをして実装の空白を小さくしている。AWSとかの割引契約とかを継続的に自動的に組み替えますよ、そこで得たお客様側の削減額のうち一部をもらいますよみたいな。

よくコンサルがやってるコストセービングと言いますか、在庫の管理を最適化してそのうちの一部をもらうみたいなことを、成果は分かりやすいのでやってますけれども、そうしたもののAI版みたいな感じで入っていってるのがProsperOpsみたいなところなのかなと思いますね。ポイントファイブみたいなところも以前お話ししましたが、あそこも検知とか修正の支援とかで請求データの検証をしていくのに対して、ProsperOpsはどっちかっていうと削減額を料金単位に結びつけていくと。ある意味こうした本当にビジネスモデル自体の変化というものが起こり得るのがこの成果納品型、あるいはAIを使ったものなのかなと。これまではダッシュボード販売っていう、ソフトウェアを販売していく同じようなビジネスだったのが、今AIが入ってくることによってビジネスモデルもこのように変わってきているという1つの例だと思います。

これはちょっと別口ですけども、手術を包括的な価格で扱うみたいな、Carrumっていう米国の価値ベース手術医療のスタートアップがあるみたいで、AIに教えてもらったんですけれども、病院とか医師とか周辺費用をバラバラに請求するのではなくって、もう一件のケアのエピソードとして、Carrum Healthっていうところが受け付けますみたいな。手術先の選定、医療機関から手術までを包括的な価格で提供して、保証をつけていくみたいなことをやっているところもあるみたいです。AIに限らずこうした成果単位、顧客が欲しいのは別に手術を受けたいのではなくって、病気を治したいだけなので、その成果の単位で束ねて契約をやっていくってのは1つのやり方なのかなと思いますね。

で、関連する文書で言うと、セフロなんかが2025年に「Unbundling the BPO」、ビジネスプロセスアウトソーシングのところの記事を書いてましたが、BPOのところをAIとかで巻き取っていくことができるんじゃないかみたいなことを言っているドキュメントもあるので、参考までに見てみてください。

では続いて、どこでこのアプローチが使えるのか。問題の構造は先ほどお話ししましたけど、全てで使えるわけではないのかなと思っています。まず、価値が大きいところ、経済的な価値が大きいところってのは重要かなと思います。価値が小さいところで成果を上げたとしても、契約コストが高くなっちゃうとなかなか取り入れられないというところがあるので、一件あたりの損失とか遅延とか削減可能な費用が極めて大きいところに対してこうした成果納品をしていく、そしてその削減分をもらうみたいなことをしていくってのが1つ重要なアプローチかなと思います。

あともう1つが客観的に測定可能かどうかですね。ここもお客様と多分揉めるところではあるので、ちゃんと結果を測れて、自社の介入で生じたと合意できるような状況とか、帰属可能性がちゃんと分かりやすいみたいなところを取れると。成果を一定期間内にちゃんと請求データとかシステムで客観的かつ監査可能な形で測定できる、そうした領域でないと、後で揉めそうだなみたいなところがあります。

あとは制御ですね。自社でどこまで制御できるのか。自社が成果を左右できる主要因となるようなものを担保できるかどうか。外部要因が大きすぎるところに関しては、やはり自社ではなかなか担保できないので成果のブレが出やすい、となってくるとそれがリスクになってしまうというところがあるので、自社がここまでだったら、例えばロボットとかAIを使えばある程度制御できてかつ一定の成果を出せるんじゃないかみたいなところが、おそらくいいんじゃないかなと思いますね。

どこか欠けたらやめた方がいいのかという話で、自社で制御できない、つまり価値も大きいし測定もできるけど、このやり方を使わない方がいいっていうようなケースってあるんでしょうか?

そうですね。さっき医療の話をしましたけど、医療とかは外部要因が結構多いので、結果を左右しちゃう。あなた治りますよって言って治らなかったら大変ですしみたいなところはあるのかなと思いますね。あとはそうですね、成果保証の範囲を広げていくってのもできなくはないですけれど、営業的には、売りはやりやすくなるけれども、制御要因というものがどんどん増えていっちゃうので、なかなかね、みたいなところはあるのかなと思います。

この辺でよくあるのはやっぱりRobotics as a Service系なのかなとは思います。Formicみたいなアメリカのスタートアップですが、ここはロボットを売らずに、設計とか設置とか監視、保守を含むロボットっていうのを定額の時間料金で提供していって稼働保証をつけていくみたいなことをやって、顧客のCapExとか専門人材不足というものを引き受けて運用までやりますよみたいなことをやっていく。生産稼働に近いような形の出力あるいは成果課金ということをやっていくっていうのが、Robotics as a Serviceでやっているスタートアップだったりします。

この辺もNFXとかがですね、去年出しているアーティクルがあって、「Pricing the AI Workforce」みたいなことで、彼らのドキュメントによると、料金モデルに関しては自律性と帰属可能性の2軸で選んでいくべきだというようなことを言っていますね。

ではこの戦略に関してもう少しお話をしたいと思います。SaaSと分かりやすくちょっと比較してみますが、色々変わっていきますと。SaaSは作業を効率化する道具とかワークフローを提供しますと。一方アウトカムベースですね、今回の成果ベースというものは、道具ではなくって、ドリルではなく穴で言えば穴みたいな、完了した業務とか保証された節約額っていうのを提供していきますよと。課金単位は、席数ですね、シート数とかAPI利用量ではなくて、解決済みのチケット数であるとか、契約の完了件数であるとか、本当にそのお客様が欲しいものを提供していきますよと、その単位でやっていきますよというやつ。

あとは実装の責任範囲は、SaaSに関しては納品するのは一般的なもので、あとは設定して運用してくださいねっていうものだったのが、アウトカムベースだと提供側、ベンダー側が技術と運用を統合して実行していくみたいなことになりますと。リスク負担に関しては、SaaSは顧客が成果未達のリスクを負いますが、アウトカムベースだとベンダー側が成果リスクを背負い、場合によってはその資本ですね、初期投資、CapExの費用も背負っていくと。で、資本特性としては、SaaSとかは資本効率が高いけれども代替されやすいという構造を持つもの、アウトカムベースは資本集約的になっちゃいますが、深く統合されれば代替が不可能になっていくので、優位性は高くなっていくんじゃないかみたいなことが整理されています。

とはいえ、資本集約性は別に優位性の源ではないので、本当にどこまで刺さるのか、代替不可能なのか、むしろ成果だったら代替可能なんじゃないかっていう気もしなくもないですけれど、どこまで深く統合されるかどうか次第なのかなという風には思います。

優位性のところで、リスクを持つっていうのも、既存のものと比べると競争優位的になるのかなとも思うんですけれども、どこまでとか、そもそも優位性の源になるのかっていうとどうなんでしょう。

リスク自体は別に優位性ではないっていうか、リスクをちゃんと解決できれば優位性になると思いますけど、リスクを取ること自体は優位性ではないと思います。なので、正確にそのリスクをちゃんと選んで、そのリスクに対する予防をちゃんとできるようにしておいて、それを価格に反映するみたいな、このリスクを背負っててうまく解決できるからお金をいただくみたいな、そういうものが出ないと優位性にはならないんだろうなという風には思いますね。

例えばCoalitionというセキュリティ系のスタートアップに関しては、保険に加えて、継続的なサイバー監視とか予防とか事故対応っていうのを組み込んでいて、いわゆる保険の損失発生前に介入できるような機能を提供しているから、リスクは自分たちの技術を使えばミティゲート、緩和できて、結果的にペイするようになりますよみたいな、そんな感じになっているのかなという風に思います。プラスして言うと、そこにセキュリティ運用を統合してるので、彼らはリスクを背負って、場合によってはリスクが発現しちゃうこともあるかもしれませんけど、そういうデータを学習データとして次に使っていくってこともできるみたいなことは1つあるのかなと思います。

あとよく言われてるのが、Sierraみたいな米国の企業向けAIエージェントスタートアップがあったりしますが、ここもですね、成果を掲げていますが、別に全てを成果単位にはしていないみたいで、合意した仕事の完了に課金して、エスカレーションは多くの場合無料、ただし案内とか振り分けでは課金するといった、混合したペイメントのシステムみたいなものを今現状は使っているみたいです。なので、その辺りもうまい課金システムというか、ビジネスモデルを組み立てていくみたいなことが必要なのかなと思いますね。成果と従量課金の境界をどう業務別に設定していくのかっていうのがポイントだったのかなと思います。

ではですね、成果提供のところに行くと、複数の変更がビジネスとして必要になってくると。ただ、全てを同時に最大化するわけではなくって、測定とか実行とかリスクとか資本みたいな設計変数がいくつかあるので、そこをどうしていくのかを考えていければという風に思います。

じゃあどう設計するのかというところで、さっき言った測定、実行、リスク、資本のスライダーと言いますか、バーというものをどう変えていくのかって話をします。まずですね、このメジャー面が非常に大事ですと。どこを基準線とするか、反実仮想と言われていますが、これを入れないと何が起こってるのかっていうところがちゃんと定義できるかどうかっていうのは非常に大事なんだろうなと思います。そしてそれを検収していく方法をちゃんと設定していく。単に成果ベースでやればいいというわけでなくって、その成果がちゃんと測定されて、かつそのサービスがなかったらこうなってましたよねっていうのをできるようにしておくってのがポイントの1つですと。

で、あとは実行レイヤーですね。ソフトウェアの提供のみなのか、BPO的な運用をしていくのか、あるいは現場施工まで代替するのかみたいな、その実行のレイヤーとして自分たちがどこまで広げていくのかっていうのがポイントになってきます。バーティカルインテグレーションみたいな話を冒頭しましたけれども、そこをいかに、自分たちのコントロール可能な範囲かつ実行可能な範囲かつ顧客成果を左右する工程だけを持つのかみたいなことを考えていく必要があって、全ての作業を無制限に自分たちで内製化していくっていう必要はないと思いますし、そうすると多分ビジネス的にも非常にリスクを背負ってしまう可能性もあるなと思います。

続いてリスクですと。リスクのレイヤーがあって、案件をどう選別していくのかとか、あるいは返金保証の上限設定をどこまでやっていくのかとか、その辺りも考えておかないと、お客様から後で話が違うみたいなことが出てくるかもしれないので、ちゃんと返金上限とかを決めておくだけではなくって、保証対象に入れるような、お客様の状況であったりとか用途であったりとか環境設計みたいなところをちゃんと定義しておかないと、無制限にいろんな成果っていうものを求められてしまう可能性はあるので、そこのリスクレイヤーとか、境界をどこで引くのかっていうところはやっとかないと、受託企業とかでもよくありがちな、受託どこまでやるの問題みたいなのがこの成果系は入ってくる可能性があるなと。製品みたいに分かりやすいものではないので。

で、最後は資本というところで、顧客から前払いを受けるのか、自社でCapEx、設備資産を持ってサービスとして提供していくのかっていうところに関しても、まあまあ選び方はあるのかなと思います。

実行範囲のところについてなんですけど、先ほどもお話しされてたんですけど、どこまで広げるべきなんでしょう?

1つはやっぱり自分たちの制御できる範囲、成果を出せる範囲をどこまで決めるのかによって、成果を出しやすくなるかどうかは決まってくるんだろうなとは思います。あとは、組織負担の増加みたいなところもあるのかなと思っていて、自分たちでいっぱい持つとやっぱり社内のコミュニケーションとか含めて色々と複雑化していくのは間違いないので、どこまで自分たちでやるのか、そして固定費として持つのかみたいな。あとは例外対応が増えていっちゃうことになるので、成果のところの工程を複数持てばもちろん改善はしやすいものの、どこまでその複雑性とか負担というものを引き受けていくのかによっては変わってくるのかなと思いますね。

他のスタートアップの例で言うと、nOpsみたいなクラウドFinOpsのスタートアップとかは、クラウド費用の監視とかコミットメントの最適化、リソースの自動化とかを提供していて、削減額を基礎とする方式を取っていて、さっきのところと同じような感じですが、それは分析ツールに伴って権限を得て反復的な費用最適化を実行していくことができている、そうした選択にしているみたいなことがあるのかなと。測定と実行ができる範囲というのを決めて、リスクはある程度限定して、設備は基本持たないみたいな、そうした形になっているみたいです。

この辺、Bessemerがですね、今年「AI Pricing & Monetization」みたいなことを書いていて、このAI企業の価格設計に関する指標であったりとか予測可能性とか限界費用とか、そうしたところの説明をしているので、もしかしたらこの辺りを読んでいただくと分かりやすいのかもしれないなと。成果課金は魅力的に見えますが、結局コストの面でAIの推論費用とか人の介入とかが変動費になってくるので、なるべく最低利用量とかコミットメントとか超過料金とかある成果の契約っていうところをきちんと契約しておかないと、後で爆発するみたいな可能性もなきにしもあらずだなという風に思います。

じゃあなぜ成果を上げていくことができるのかというところの説明をしたいと思います。まずですね、制御点を獲得しましょうというところですと。制御点を獲得して自分たちでその工程を持つことによって、その実装とか運用のデータの獲得ができます。これはロボットとかでもそうだと思いますけれども、単なるプロダクトの納品とか単なるSaaSだけでは得られないような、どうやって運用すれば成功して何が失敗するのかみたいなところのリアルな現場データを蓄積していって、それによってAIモデルとかを改善、あるいはファインチューニングしていくとか標準化していくとか、あるいはそのプロセス自体をロボットがしていくみたいな、そのロボットの性能を上げていくみたいなことをしていって、その結果予測精度とかの向上とか価値獲得というものがしやすくなり、その結果またいい利益率で上がった成果を納品していけるようになるみたいな。こうしたところがポイントなんだろうなと。

何件処理したかというような、計量的な抽象的な一般的なデータとかではなくって、やはりすごい細かいデータ、案件の選別とか介入方法とか価格とか、そうしたところがうまくデータとして取れて良くなってるのかどうか、意思決定の改善ができてるのかどうかみたいなところを見ていく必要があるんだろうなという風に思いますし、失敗データとかも出てきてしまうものだと思うので、そこをちゃんと記録して、それを次の成功に生かしていくとか、反実仮想というものをちゃんと用意しておいて、顧客が成果を分かりやすくしていくみたいなことは大事なのかなと思います。あとこのループ、循環というものを回していくための仕組みづくりというのがポイントではあるかなと思いますね。

反実仮想ってどういう風に設計できるんですかね?研究だとあったりすると思うんですけど、そこまでは多分できないので、どういう風にイメージとか想定を設定するべきかなと思いまして。

そうですね。完璧な対照群とかがあれば別だとは思いますが、ビジネスだとできないのでおっしゃる通りで、じゃあどうやっていくのかっていうところで、介入前の基準となる線を例えば用意しておくとか、類似の期間で何が起こったのかとか、未介入群でどうなったのかとか、再開時の取消し率とかを用いて合意可能なエビデンスというものをお客様との間で作っていくっていうようなことが1つありなのかなという風に思います。

似たような事例だと最近面白かったのはやっぱりIntercomみたいなところで、あそこは結構SaaSからAI企業にかなり大きく変えたみたいなところがあったりするんですが、彼らのFin AIエージェントでは、いわゆるサポートツールを提供してたところですけれども、そのAIエージェントの方に舵を切って、解決とか手続きとか引き継ぎ等の成果を定義して、失敗とか一定条件の再開時には課金しないとか取り消すみたいなルールを用意してやっているみたいな感じみたいですね。で、会話数だけではなくて結果、成果というものを判定して請求に結びつけているということをやっているスタートアップだと言われています。

この辺りもまたBessemer Venturesが今年7月ですね、先月、アカムっていうような記事を出していて、AIネイティブサービスは業務を実行して成果を所有して、データと工程を通じて粗利を改善していく企業ですと、そういう風に評価するべきだということを言っているような感じです。これも興味があれば見てみてください。

では、どんな実装パターンがあるのか見ていきたいと思います。1つがですね、出力課金ですね。成果の手前にある明確な出力に対して課金して、監査と保証の複雑性をまず抑えておきましょうみたいなのが1個です。例えばレビュー完了文書とか、そういうものですね。あとは解決済みの問い合わせとか、成果というよりは出力、アウトカムよりアウトプットに近いんですが、そこで課金していくってモデルが1つです。

で、次に共有された節約みたいなところですね。削減額とか利益の増分とかの分け前をもらうみたいなことがポイント。これは基準線をどこで引くのかで結構変わってくるとは思いますが、医療費が削減できたらその分の分配を受けるとか、さっきのクラウド費用の削減ができたらその分配を受けるみたいな、そうしたパターンもあったりはします。

で、さらに3つ目、成果保証というものもあります。成果に応じた固定料金ではありますが、未達時に返金とかペナルティを負うみたいな感じで、お客様にとっては安心ですが、自分たちにとっては予測とかがしづらくなるところもあったりするし、ペナルティの可能性もあるので、こうした成果保証をすることによって入りやすくはなるが、リスクは負うみたいなのがレベル3。そしてレベル4はフルスタックみたいな感じで、技術とか運用とかを自分がやっていくだけではなくって、場合によってはもう調達も、CapExも全部持つ、資金も持つ、保守も再配置も全部やりますみたいなことで、顧客は生み出された結果だけに払っていくみたいな、そんなことをやっていくのがフルスタックっていうような感じなのかなと思います。

顧客にとってはフルスタックになればなるほどいいというか、導入しやすいようなものなんでしょうか?

導入はどうなんでしょうね。契約が複雑になってくる部分も正直あるとは思っていて、初期負担は下がるんですが、長期契約とかデータの提供とか設備へのアクセス、あとは利益の分配みたいなところが入ってくるので、もしかしたらお客様の方でうまくツールを使えるような人材がいるんだったら、成果報酬というよりはツールが欲しいみたいな感じになるかもしれないですね。顧客はCapExを避けられるっていうメリットはありますが、そこに対してどこまで払うかっていうところかなと。一方で、これはこれで事業者側、ベンダー側は長期で回収していかなきゃいけないとか、設備の性能とか現場の保守の責任を負うとか、あと金利もですね、場合によっては負うことにはなるので、そこをどう考えていくのかっていうところになるのかもしれませんね。

この辺りもですね、金融まで含めて自分たちでやっていくみたいなスタートアップもいくつかあったりするので、その辺りを見てみるといいのかなと思いますし、あとはこの辺も含めてさっき紹介したBessemerのAIプレイブックみたいなのがあるので、その辺を見ていただくといいのかなと思いました。

で、ここで少し代表例ですね、Adaに関してお話をしたいと思います。彼らはピボットをしました。どういうことかと言うとですね、昔は解決したチケット件数に対して完全な定価課金をやっていたという、レベル1に近い感じですかね、そうしたスタートアップだったんですが、ボトルネックとして、AIが解決できる数の急上昇によって顧客の請求額がむちゃくちゃ跳ね上がって、監査のコストがすごく膨らんだということで、今はですね、ハイブリッドモデルになったみたいで、成果の測定は維持しつつも、課金体系は予測可能な会話ボリュームの事前購入みたいな、事前にこのクレジットを買っといてそこまでにしておく

みたいな、そんな最近、ChatGPTとか、Geminiも最近そうなりましたけども、そうした課金だけを変えたみたいなことをやったみたいです。成果を測ることと成果に対して全額課金することは、もしかしたら分けるべき場合もあるかもしれません。ここは予算の予測可能性ってのも結構大事だったりします。それは別の目的なんですけれども、価値と可能性というところをちゃんと高めていくための方法というのが必要なのかもしれないなと思います。

成果課金はやめるっていうことと成果提供型を続けるっていうのは矛盾しないというか、両方両立できるんでしょうか?

おそらくその事業というか、境界を分けて料金方式も分けていくみたいなことになってくるのかなという感じはしますけどね。Decagonっていうところに関しては、会話課金と解決課金みたいなアウトカム課金を提供して2つ分けていて、多くのお客様が予測可能な会話課金っていうのを選んでいるみたいです。で、解決課金みたいなソリューション課金に関しては、人にエスカレーションした会話を課金対象外にしていくみたいな、そういうことをやっていて、支払い単位だけではなくて、実装とか検収とか改善の責任に応じた課金体系とかいうのを、境界引いて料金分けていくっていうことになっていくのかなと思いますね。

はい。Decagonは顧客対応AIエージェントみたいな感じのところではあるんですけども、そこは同じ製品を提供していてもお客の業務とか予算に応じて課金方式を選択可能にしているみたいなことがあったりするみたいです。

では他の事例でも同じようなことが言えるのか見ていきたいと思います。Crosbyというところが法務系のスタートアップであって、これは法務業務をAIツールとして売らずに、弁護士を含む法律事務所として文書レビューを固定料金で提供していくみたいな、よくあるHarveyとかこの辺に近いのかなという風に思います。こうしたスタートアップがあって、これはですね、ソフトウェア販売を避けて自ら法律事務所と自分たちを定義している、そして契約レベルに対して固定課金をしているというようなスタートアップになっています。

で、Pointfiveは私たちが昔説明したところになりますが、クラウドの無駄を検知するだけではなくって、修正の実行から請求データの検証まで、あと先はエージェントの価格まで、やっていくというようなところなのかなと思っています。ある意味この推奨ダッシュボードで終わるんじゃなくて、ダッシュボードで推奨していくことだけではなく、そこの実行の間を埋めていく、そうした実装の空白を埋めていくパターンです。

で、Redaptiveっていうスタートアップ。これはエネルギー系になりますけれども、顧客の初期負担を排除して、自社で設備をRedaptive側が保有していって、実現した省エネに基づいて課金をしていくみたいな、そうしたEnergy-as-a-Serviceみたいなことをやっていくスタートアップです。こちらは責任主体の分断というものを防いで、実世界のデータを担保に金融を統合していくということもやっているみたいですね。はい。ということで、それぞれいくつかの原理といいますか、アプローチをうまく使っているというスタートアップかなと思います。

結構Redaptiveみたいに物理も含めてフルスタックにしていくと、それはそれで難しそうなポイントがありそうだなと思うんですけど、少し具体的に教えていただけないでしょうか?

そうですね。こうしたことをやっていくと自分たちで制御できる範囲というものとか、成果への制御可能性というのは上がっていきますが、一方で設備の故障であるとか、施設の稼働率とか、あとは繁閑、繁閑期の差というか、閑散期にはあんまり出てこないみたいなこともあるかもしれませんし、労務とか在庫責任っていうのを持っていくということにもなっていくので、そこの不確実性が上がっていくというパターンになりやすいかなと思いますね。

この前お話したFormicみたいなRobot-as-a-Serviceみたいなスタートアップも近い。自分たちでロボットを提供していくみたいな、Robot-as-a-Serviceとして提供していくってことは、CAPEXは自社持ちですが、余ってるロボットがある時期はなかなかね、みたいなところはあると。あとはNimbleみたいな、ロボットを売らずに物理業務そのものを受託するみたいなところもあったりして、そしてロボット系は割とどこからどこまで自分たちでやるのかっていうのは考えていくべきなのかなという風には思います。

この辺はですね、Battery Venturesが書いている書類と言いますか、アーティクルもあって、「Hardware-enabled software: next generation physical AI」みたいな、物理産業のAI企業はソフトウェアだけではなくって、専用ハードウェアとの運用を束ねることによって、データの取得とかワークフローの制御を握っていくみたいなことができるんじゃないかってことを語っているドキュメントもあったりするんで、こちらも見ていただくといいのかなと思いました。

じゃ、最初の一歩は何かというお話です。ここはですね、いくつかあるのかなと思っています。1つが、ミクロな課題を特定して、そこからですね、特に1件あたりの損失が大きくて、数週間で測定可能な単一のボトルネックに絞っていくみたいなことをステップ1としていいんじゃないかと。で、ステップ2がベースライン、基準線を決めて、それを合意していく。介入前の費用とか時間とか成功率、これを客観的に把握して記録しておくことで、そこに対しての成果と言いますか、どこまで変わったかで費用を置いていく。

あとはコンシェルジュ型のMVPですね。システムが未完成であったとしても裏側で手作業とか、オズの魔法使い型MVPみたいな感じで手作業を挟んでおいて、実際にこれをAIで自動化すればお金もらえますよね、みたいなことをやっていくと。4つ目がハイブリッド料金での学習ということで、これをどういうペイメントと言いますか、ビジネスモデルにしていくのかっていうところを最後決めていく。初期は例えばプラットフォーム固定費とか、プラス限定的な成果ボーナスみたいなので資金を回していくということができるんじゃないかということがまとめられています。

ある意味ですね、創業初日からその最終成果を全部保証していくっていうわけではなくって、その段階を増やしていくというのが最初の一歩になるのかなという風に思います。特に自動化する順序というものもやっぱり考えなきゃいけなくて、頻度が高くて原価が大きくて、判断規則が安定しているような、そうしたところから入っていくとか、あと初期の顧客は関値に応じる企業ではなくて、そうした基準となるベースラインが分かるデータも現場の権限もあるところ、そうしたところに提供していくっていうのが1つポイントとしてあるのかなと思います。

先ほども話があったんですけれども、ステップ3でコンシェルジュ型MVPとあるんですけど、人手で提供すると受託っぽくなってしまうという、最初はいいかもしれないですけど、どの段階までやるべきなのかっていうとどうなんでしょうか。

そうですね、おっしゃる通りで受託になっちゃう可能性が非常に高い中で、どこまでを標準化していくのか、何を学びたいのかっていうところをちゃんと最初に明確にしておいて、そこから、本当に自動化できそうなところをちゃんと選んでおくってのは大事かなという風に思います。あとは人の比率とか例外の種類とか処理時間っていうものをちゃんと計測しておいて、次のサイクルにおいては自分たちのAIを使って早く回していけるかどうかみたいな。本当に同じ人が同じ判断を手作業で3ヶ月間ぐらい繰り返すんであれば、その学習というものが製品に移っていないということなので、気をつけた方がいいかなと思います。

入ってますかね?ちょっと入るけど、多分でも声じゃないのでまだ消せるかなって感じはしました。ああ、なるほど。どうすればいいんでしょうね。過激室とかでやりますか?うん。曜日が悪かったらあるかもしんないですね。はい。12ページ行きますかね。それがあれですね。喋る方がそっち行けば。ああ、そうですね。それはまだ行けたかもしんないですね。そうですね。じゃあ次回はそうしましょう。

では、この仮説、成果提供型のアプローチの仮説を、どこまで正しいと判断できるのかというところですが、何個かあるのかなと思っていて、まず見積もりの誤差というものがちゃんと下がってきているか。これがうまくいってれば、いいビジネスモデルとして合ってるのかなと思います。あとは実装の完了率ですね。提案とか推奨した改善案というものが実際に顧客環境でデプロイできてるかどうか、こうした完了率が上がっているかどうかっていうとこがもう1つ。あと案件の粗利率です。やっぱ売上総額じゃなくて、推論とか人件費とか関わってくるので、粗利率がちゃんと上がってきてるかどうかってのがポイント。で、最後に回収期間の短縮ということで、実際にお客様が信頼してお金を払ってくれてるかどうかみたいな、そうした請求から入金までのタイムラインっていうものがきちんと沿ってるかどうかってところを1つ見ていくといいのかなという風に思いますね。

見積もり誤差が小さくなっていくというのはなるほどと思ったんですけど、売上だったり継続率より、そういったものを優先する理由ってどの辺りなんでしょうか?

これは成果契約に固有のリスクなのかなと思います。その受注時に将来の原価と成果確率っていうのを誤ってしまうと、売上が増えるほど損失が拡大するみたいなこともあり得るというのがあったりするので、そこがポイントです。一方で、プロスパオフスみたいな、コストセービングのシェアっていうところで行くと、削減額というものを過大予測してしまえば、お客の価値も自社売上も下振れしてしまったりするというところで、この辺りの予測、見積もりの誤差というものをきちんと考えておかないといけないのかなと思います。

じゃ、そこからどうやって大きな事業にしていくのかというところです。これはですね、フェーズに分けていくといいのかなと。ちょっとさっきのお話と被っちゃいますが、ミクロの課題を確認して、最小制御点と言いますか、自分たちが制御できるところを見つけ、そこを改善していって、反復していって、単位を構築していって、その次に隣接した領域に拡張して、最後自分たちが基盤を狙いに行く。そして、その基盤のところにはもしかしたら金融機関とかも入ってくる、金融的なところも入ってくるかもしれないみたいな、そうした徐々に拡張していくっていう考え方で進んでいくといいのかなと思いますね。

フェーズ4の隣接した市場に拡張するというところで、最初の市場と、そこからどういう風に拡張していくかっていうのを選ぶのが難しいんだろうなという風に起業家の方を見ていて思っていて、その隣接した市場についてどういう風に選ぶと良いんでしょうか?

そうですね。やっぱり能力が共通しているところから入っていくってのが大事かなと思ってます。もし違う能力が必要となるところになっちゃうと、これまでの学習とか標準化とか、そういうところを持ち越せないので、この辺をどうしていくのかっていうところを考えていく必要があるのかなと思いますね。なので例えばデータの形式とか実装の手順とか規制とか、そういうところの共通度合いというところを見ておくといいのかなと思います。

ではですね、次に行きたいと思いますが、今後拡張していくとどういう風になっていくのかというところのお話です。まず自分たちのリスクの選別の能力が高まっていくんじゃないかというのは1つです。どういった顧客で、どういった用途で、どういった環境だったら成果があるのかっていうところがどんどんと分かっていくので、こうしたことをしていけるとビジネスとして積み上げやすくなると。2つ目に標準化された実装のノウハウということで、例外処理とかを分類して、立ち上げ期間を短くして、人の介入も少なくしていくというような、そうしたことで現場のデプロイを最速で完成させていくみたいなことがしていけるのかなと。

で、最後に資本コストの優位というところで、確実な成果データというものができる。そうしたデータに基づいて、債務とか保険とか設備の金融っていうところを低コストで調達していく、そうした有利な条件を引き出すような資本ができるという点で、そういうようなことはしていけるのかなと思います。そうしたモートを徐々に作っていくことができて、最終的にこのモートというのがどんどん高くなっていくと言いますか、そういう感じになっていくのかなと思いますね。

そのモートの2つ目の標準化された実装ノウハウというところと、モートの1つ目も関係すると思うんですけど、顧客の要望に答えていきつつ標準化していくってことが求められると思うんですけど、その要望に答えることとカスタマイズをどこまでするかっていうのをどう区別するかとか、どこまでを標準化して、どこからがちょっと例外みたいな風に境界を区切るべきなんでしょうか。

これもSaaSと似たような感じだと思いますけどね。複数のお客様で同じ要望が発生していたら、共通の成果を改善して標準化していけないかみたいなところを考えていくってのは1つです。なのでお客様の要望に関しても、標準機能なのか、設定でやっていくことなのか、専門サービスなのか、対象外なのかみたいなところの分類をちゃんとやっていくと。で、あとは、そうしてカスタマイズした時には、カスタマイズ売上を見ていくだけではなくって、次の顧客にどれだけ再利用できたか、その比率を見ていくみたいなことをすると、受託でもない、カスタマイズでもない何かに繋がっていくんじゃないかなと思います。

では、最後に改めてこのアプローチに関してまとめてみたいと思います。1つ目がですね、成果の測定と課金の単位、これを切り離した方がいいんじゃないかと。成果を顧客の価値の証明として厳密に測っていくものの、金額を全て成果報酬にしていく必要はないと。戦略的に自由度を持っていくといいんじゃないかっていうのが1つです。料金は固定費とか従量とかコミットメント、成果、これらを混合してやっていくってことかなと思います。

で、2つ目が、自社が制御できる最下流の中間成果を狙うということで、顧客の価値に十分近く、外部要因がそこまで大きくはないみたいな、そうしたものをちゃんと狙って選んでいくということがポイントではないかなと。そして3つ目が、真の競争優位は保証ではなくて実行能力ですと。保証していくってのは非常に大事で、入りやすくはなりますが、それだけではなくて、リスクをやっぱり正確に選別していって、実装の空白を埋めていくこと、そして実行の精度を上げていくこと、こうした泥臭いシステムの改善こそがモートになっていくんじゃないかということが、今回のアプローチのまとめとして言えるのかなと思います。

ということで今回このアプローチに関して説明してきましたが、いかがだったでしょうか?

そうですね、最初にやっぱ成果をきちっと定義して、どういう風に測れるかっていうのをやって、そのお客様と一緒に認識を一つにするっていうところがすごくポイントだなと思いました。でもそこを知るまでに、やっぱりお客様の仕事とか業務の内容をきちっと深く知っていくっていうことも必要だと思いますし、かなり入り込むようなところから始めるので、リーンスタートアップ的なところとも相性がいいというか、共通するところもあるのかなというのは思いました。

そうですね。コンシェルジュ型MVPみたいな話も出てきましたし、あれをソフトウェアではなく成果として、サービスも加えて提供していくということが、日本だとBPOとか、色々と売られてたりしましたけれども、そうした、なんでしょうね、BPOのSaaSみたいな感じのものも含めて、そこにプラスAIを加えていくようなやり方。ただ一般的な成果報酬型にしないビジネスモデルも結構柔軟に考えていけるというところで、いくつか紹介したアーティクルもありますが、その辺も読んでいただくと、AI時代の価格付け、プライシングの仕方っていうのも見えてくるんじゃないかなと個人的には思います。

はい、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とか事業の参考になるようなスタートアップの戦略アプローチを紹介していきたいと思います。ご興味の方は是非チャンネル登録、いいねお願いします。

またFoundXの各種プログラムでも応募者を募集しています。周りに起業を考えてる方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。