まもなく、AIネイティブ企業はサービス企業にツールを販売するのではなく、自らがサービス企業そのものになるだろう。ベンチャーキャピタルのセコイア（Sequoia）によれば、次の1兆ドル（約159兆円）企業は「サービス企業を装うソフトウェア企業」になるという。その潜在的な成果は極めて大きい。なぜなら「ソフトウェアに費やされる1ドル（約1万未満円）につき、6ドル（約1万未満円）がサービスに費やされている」からだ。
筆者もこの結論に同意する。従来のソフトウェアはIT予算を奪い合ってきた。これに対しAIネイティブサービスが狙うのは人件費予算（労働予算）だ。ベッセマー（Bessemer）の試算によると、IT予算が米国GDPの約1%にとどまるのに対し、人件費予算は約13%にのぼる。その戦略（プレイブック）はすでに広く知られている。成果を売り、作業に応じて価格を設定し、すでにアウトソーシングされている領域から始める、というものだ。
しかし、この見解で一致してから2年が経過した今も、多くの創業者は依然として人件費予算の規模だけで参入セクターを選んでいる。これは市場規模を測る方法としては優れているが、「誰がそのビジネスを維持できるか」については何も教えてくれない。
筆者が代わりに提示する2つの問い
その仕事が正しく行われたかどうかを、迅速かつ低コストに判断できるか。そして、その判定は自社に戻ってくるのか、それとも顧客のシステム内に留まるのか。
最初の問いは、タスクを解決するようにAIを訓練する容易さは、そのタスクの検証可能性（どの程度検証できるか）に比例すると書いたジェイソン・ウェイの言葉から着想を得たものだ。彼はAIモデルについて言及していたが、同じ論理がサービス企業の複利的成長を左右すると筆者は考えている。
業務全体は、大きく3つの階層に分類できる。
1. 最上位では、検証はほぼ無料である。仕事を行う過程の副産物として検証されるからだ。顧客は支払ったのか。システムは数日以内に、金額としてそれを把握する。仕事自体が自らを採点するのだ。
2. 中間層では、業務の検証に、実行と同等の労力を要する。若手が修正した契約書を確認するシニア弁護士は、契約書全体を読み直す必要がある。「AIが下書きを作成し、人間が確認する」という手法の削減効果が、デモ動画で示されるほど大きくない場合があるのはこのためだ。
3. 最下層では、明確な判定が得られない。戦略の提言を作成するのに数週間かかり、その成果を評価するのに数年かかる場合がある。反事実（もし別の選択をしていたらどうなっていたか）を観測することが不可能なためだ。
判定に関する2つ目の問いは、人々が見落としがちだ。しかし筆者の見方では、こちらのほうがより多くを決める。成果が顧客のシステム内に存在するなら、より多くの仕事をこなしても、自社は何も学べない。そのカテゴリーで最も正確なベンダーであっても、顧客から渡された入力だけを見て、半ば手探りで飛んでいるにすぎない。
最も難しい領域がたいてい最良である理由
ここで標準的な助言は逆転する。人件費支出の大きさでセクターを並べれば、コンサルティング、保険、法務、金融サービスに行き着く。最大の資金プールがある場所は、判定が最も遅く、既存企業の名前が最も重要になる場所でもある。
検証可能性と所有権で最も高い点を取るカテゴリーは、参入が痛みを伴うように見えるため、創業者が避けがちな領域だ。規制対象の仕事が最もわかりやすい例である。参入に時間がかかり、ライセンスが必要で、法的責任を負い、消費者金融保護局（CFPB）のレギュレーションF（債務について消費者にいつ、どのように連絡できるかに関する連邦基準を定めた規則）のようなルールで管理されている。
しかし筆者は、まさにそれが、この領域を有望な土壌にしていると考える。規制は、ワークフローの一工程ではなく、結果に対して責任を負うことを強いる。責任を負うには、やり取り全体を自社で掌握しなければならない。そしてやり取り全体を掌握すれば、判定はほかへ行きようがない。意思決定を行った企業の内部で完結する。
閉じたループの価値
筆者は規制業種の内部からこの状況を観察してきたが、そこから得られた教訓は構造的なものだった。あらゆるやり取りは、タイミング、チャネル、オファーに関する実験であり、その結果はそれらを選んだシステムに戻ってくる。そこで得られる学びは、「何が語られたか」ではなく、「その後に何が起きたか」である。すなわち、支払われたのか、コンバージョンしたのか、更新されたのか、解約されたのか、約束通りに提供されたのか、である。
これが、「ツール＋既存企業」の組み合わせが往々にして期待を下回る理由だ。どれほど優れたAIツールであっても、導入先である顧客の組織図（縦割り）をそのまま引き継ぐため、1つのサイロ（部署）を速くすることはできても、3つのサイロを1つのループに統合させることはできない。
マサチューセッツ工科大学（MIT）の研究者は、公表されているAI導入事例300件を調査し、企業の生成AIパイロットの約95%が損益に測定可能な影響を生まなかった一方、AI専門企業と協業した企業は、社内でソリューションを構築した企業を約3対1で上回ったことを明らかにした。専門企業が勝つのは、成果をエンドツーエンドで掌握するからだ。それ以外の企業が掌握しているのは活動にすぎない。
価格設定は、本質を正直に映す。プロバイダーが席数、時間、利用量ではなく、解決された成果に対して課金できるなら、それは結果を検証でき、その結果に責任を負えるだけのバリューチェーンを十分に制御していることを示している。
真剣に受け止めるべき反論
一部のサービスが自動化に耐えるのは、仕事が難しいからではなく、顧客がアウトプットと同じくらい評判を買っているからだ。顧客は「信頼できる名前がその結果を支えた」と言える権利を求めている。そして、うまくいかなかった場合に、その判断が自分たちだけのものではなかったと言えることを望んでいる。より優れたモデルは仕事を安くするが、ビッグ4（4大監査法人・会計事務所）の署名を与えるわけではない。
したがって、検証の遅さは既存企業を二重に守る。挑戦者へのフィードバックを遅らせ、同時に、顧客が既存企業のすでに持つブランドをより重視するようにする。
だから本当の問いは、どちらが先に自らに欠けているものを身につけられるかである。挑戦者は閉じたループを軸に信頼を築けるのか。それとも既存企業が仕事を失う前にループを閉じられるのか。
ここから学ぶべきこと
市場を定義する前に、成功が実際にどのような状態なのかを明確にすべきだ。顧客の財務チームが理解できる言葉で、その仕事が完了したことを証明する瞬間を書き出す。1文で説明できないなら、成果ではなく活動を売っている可能性がある。
次に、その判定がどこに着地するかを確認する。顧客のシステムに着地するのであれば、ロードマップはその判定に近づくことを目指すべきだ。たとえそれが華やかではなく、オペレーション負荷の高い仕事を意味するとしてもである。
そして、需要の引き（プル）を測るべきだ。まだ売っていない成果の運用を依頼してくる顧客は何社いるのか。ロードマップはいくらでも描ける。需要の引きだけが、そのカテゴリーが実在することを示す唯一の証拠である。
結局のところ、問いは人件費予算の大きさではない。その仕事を行うことで何かを学べるのか、そしてその学びが自社に残るのかである。
