記事一覧に戻る
AIスタートアップは「黄色いレンガの道」を避けよ——LLMコモディティ化と SaaS is Dead 時代のサービス開発戦略

AIスタートアップは「黄色いレンガの道」を避けよ——LLMコモディティ化と SaaS is Dead 時代のサービス開発戦略

ZenChAIne·
AIスタートアップSaaSAIエージェントビジネス

はじめに

「OpenAI や Anthropic がすべてを飲み込むなら、アプリケーション層に作るものは残っているのか？」——2026年、AIサービスを開発するスタートアップの誰もが直面する問いだ。

答えを先に言えば、残っている。ただし建てる場所を間違えると確実に轢かれる。本記事では、LLMのコモディティ化、「SaaS is Dead」の市場ショック、そして a16z が提示した「Yellow Brick Road」フレームワークという2026年の3つの潮流を整理し、AIスタートアップがサービス開発で留意すべき具体的な指針に落とし込む。

この記事のポイント

  • LLM はコモディティ化したが、モデル層の売上はむしろ爆発している。問題は「どの層で差別化するか」
  • ラボが直接歩く汎用領域（Yellow Brick Road）でラッパー型プロダクトを作ると、モデル・価格・配布のすべてで負ける
  • 生き残る鍵は垂直特化・運用学習ループ・ガバナンスの「Rest of Oz」戦略。初日のワークフローではなく、本番運用が生む複利が堀になる
  • 日本のパッケージベンダーは骨格を変えずに勝負できる。変えるのは「納品→運用に残る」「保守の再定義」「カスタマイズの還流」「成果課金」の4点。スクラッチ受託・SES は一歩手前のモデル転換から

「SaaS is Dead」は本当か？——2026年の市場が示した現実

結論から言えば、「SaaS の死」は誇張だが、「水平型 SaaS の淘汰」は現実に始まっている。2024年12月に Microsoft CEO サティア・ナデラが「SaaS is dead」と発言してから約1年後の2026年2月、ソフトウェア株は1週間で1兆ドル超の時価総額を失う大暴落に見舞われた。Forrester はこれを「SaaS-pocalypse」と呼んでいる。

ただし Forrester の同じレポートによれば、世界の SaaS 支出自体は2025年の3,180億ドルから2029年には5,760億ドルへ成長する予測だ。消えるのは SaaS そのものではなく、低い切り替えコストしか持たない水平型ポイントソリューションである。水平型ポイントソリューションとは、業種を問わず単機能を提供するツール——日程調整、議事録の文字起こし、タスク管理、汎用チャットボットといった類のものだ。明日競合に乗り換えても業務が止まらず、AIエージェントが同じ仕事を直接こなせるため、真っ先に代替候補になる。

一方で 独自データを持つ垂直特化型ソフトウェア は、2025年の約1,335億ドルから2029年に1,940億ドルへの成長が見込まれている。垂直特化型とは特定業界の業務プロセスに深く組み込まれたソフトウェアを指し、Forrester は電子カルテの Epic や Cerner、製薬・ライフサイエンス領域の IQVIA を例に挙げる。業界固有のデータ・規制対応・現場の業務フローを握っているため、汎用AIでは置き換えが効かない。

IDC は「2028年までに純粋なシート課金は消滅し、ベンダーの70%が消費量・成果ベースの価格モデルへ移行する」と予測する。AIエージェントが人間の代わりにソフトウェアを操作する時代、「1ユーザーあたり月額いくら」という前提そのものが崩れるからだ。この大暴落の経緯は Anthropic ショックの記事で詳しく解説している。

LLM コモディティ化の実態——モデル層は「儲からない」のか？

「LLM はコモディティ（性能で差がつかない、ありふれた汎用品）になる」という予言は半分だけ当たった。トークン単価は下落を続け、フロンティアモデル間の性能差は数カ月で埋まり、企業はマルチモデル前提でシステムを設計するようになった。モデルは差し替え可能な部品になりつつある。

しかしモデル層の売上は消えるどころか爆発している。SaaStr の報道によれば、Anthropic は2026年4月に年換算売上300億ドルへ到達し、OpenAI（約240億ドル）を逆転した。さらに2026年6月には、Reuters や TechCrunch の報道の通り Anthropic と OpenAI が相次いで米国での IPO（株式上場）を非公開申請しており、モデル企業は資本市場の主役にすらなりつつある。

つまり起きているのは「価値の消滅」ではなく、電力やクラウドと同じユーティリティ化——単価が下がるほど利用量が爆発する構造だ。

スタートアップにとって重要な含意は2つある。第一に、モデルの性能差を売りにするプロダクトは数カ月で陳腐化する。第二に、ラボ自身が Claude Code や Cowork のような製品でアプリケーション層へ進出してきている。つまり「モデル屋 vs 活用屋」という棲み分けはもう存在しない。

なぜ「黄色いレンガの道」を歩くスタートアップは死ぬのか？

a16z の Joe Schmidt IV は2026年5月の論考で、AIアプリケーション層を「Yellow Brick Road（黄色いレンガの道）」と「Rest of Oz（オズの残りの土地）」に分けた。元ネタは1900年の米国童話『オズの魔法使い』だ。主人公ドロシーは「どんな願いも叶えてくれる」と評判の魔法使いに会うため、黄色いレンガの道をたどってエメラルドの都を目指す——つまり黄色いレンガの道とは、誰もが歩く、魔法使いへ通じる一本道の比喩である。

a16z はこの比喩で AI 業界を描き直した。魔法使いの正体は OpenAI や Anthropic といった AI ラボであり、黄色いレンガの道は ラボ自身が巨額の資源を投じて歩いている道——コード生成・文章作成・画像生成のような、モデルの生の能力向上がそのまま製品品質に直結する汎用領域を指す。そして「Rest of Oz」は、その一本道の外に広がるオズの国の残りの土地、すなわちラボの手が届かない複雑で垂直的な業務領域だ。

この道で典型的な死亡パターンが「高性能モデル + 既製コネクタ + 薄いオーケストレーション層」のラッパー型プロダクトだ。Slack や Salesforce、GitHub への接続を束ねて汎用エージェントを作っても、それはラボが Codex や Cowork でやっていることと同じである。ラボはモデルを所有し、下流のプレイヤーに対する価格決定権を持ち、圧倒的な配布網とブランドを持つ。同じ土俵では構造的に勝てない。

興味深いのは、ラボ自身が「汎用AIですべては解けない」と認めている点だ。OpenAI も Anthropic もエンタープライズ向けに forward-deployed 型の共同事業を立ち上げている。a16z はこれを「次のモデルリリースで解決できると思っているなら、何十億ドルもそんなプログラムに注ぎ込まない」と読み解く。垂直領域の複雑さは、モデルの賢さだけでは届かない。

生き残る側——「Rest of Oz」の4つの防衛線

ラボの射程外で生き残るスタートアップには共通項がある。a16z の整理によれば防衛線は4つだ。

  1. データと学習のフライホイール: 業界の暗黙知や現場の例外処理は、既存 LLM の訓練データには存在しない。本番ワークフローの中に入り込み、顧客横断のパターン認識と顧客内の意思決定文脈を蓄積することで、既存 LLM だけでは対処できない独自データの堀を築き、Anthropic や OpenAI の侵入を阻む
  2. モデルの変動性管理: ベンダー横断で最適なモデルをサブタスクごとにルーティングする。単純なタスクは格安モデルへ、複雑な推論やオーケストレーションは Fable 5 や GPT-5.5 などのフロンティアモデルへ——特定ベンダーにロックインされない立場を最大限に生かしつつ、モデル更新時の評価・移行コストを顧客の代わりに吸収する
  3. コスト最適化: 全クエリをフロンティアモデルに流せば粗利は崩壊する。タスクの難易度に応じてモデルの階層を使い分け、「必要な知能を最安で」提供する
  4. ガバナンス: AIエージェントにどこまでの権限を委任するか、LLM にどのデータを渡してよいかをアプリ企業側で握る「コントロールプレーン」になる。この手綱を握っているからこそ、企業ごとのコンプライアンス規定や承認ワークフロー、HIPAA・金融規制といった業界標準の準拠ルールへ合わせ込み、それを契約で肩代わりできる

保険AIスタートアップ FurtherAI の CEO は「モデルが知能でワークフローは足場、という前提は逆だ。知能の多くはワークフローの中に住んでいる」と語る。同社が強調するのは、初日に出荷するワークフローは堀ではなく、本番運用で人間の修正やエスカレーションの一つひとつが学習信号になる運用ループこそが堀だという点だ。

セールスAI の 11x も同様に、ワークフローの約半分は非エージェント的な「地道なソフトウェアエンジニアリング」であり、その部分でラボは何の優位も持たないと指摘する。同社は市場の変化にエージェントを適応させ続けることで、ポジティブ返信率を数カ月で4倍に改善したという。

自分のプロダクトはどちら側か？——3つの判定テスト

開発中のAIサービスがどちらの道にいるかは、次の3つのテストで判定できる。

  • ステップとツールのテスト: 業務は何ステップかかり、支えるツールはどれだけ複雑か。Google Drive 横断検索のような「1ステップ・寛容な結果」はラボに取られる。3年分の判例を参照する多段の契約レビューは取られない
  • システムテスト: 顧客の業務が「その上で実行される」システムか、既存システムに知能を足すだけのツールか。ラボが競合製品を出しても顧客に必要とされ続けるならシステム、そうでなければツールだ
  • P&L テスト: 顧客が見ているのはベンチマークスコアか、自社の損益への貢献か。「商談を決めたか」「契約書を正しく直したか」で評価されているなら Rest of Oz にいる

高い ACV（顧客単価）はシステムであることのシグナルだが、保証ではない。「ラボが直接競合を出しても顧客はあなたを必要とするか？」という問いに「はい」と答えられないなら、単価が高くてもツールである。

日本のパッケージベンダー・SIer はどう動くべきか？

実はこの構造変化は、業界の業務知識を大量に抱える日本の IT ベンダーにとって、脅威であると同時に Rest of Oz への入場券でもある。ただし出発点はビジネスモデルによって大きく異なる。最も有利な位置にいるのはパッケージベンダーだ。「パッケージ製品 + フィット&ギャップ + 保守内での追加開発」という型は、Rest of Oz 型ビジネスと骨格がほぼ同じだからである。

一方、納品して終わるスクラッチ受託は「運用に残る接点」の構築から、人月で労働力を提供する SES は労働そのものが AI コード生成でコモディティ化するため、ビジネスモデルの転換そのものから始める必要がある。以下はパッケージベンダーを基準にした場合の話だ——変えるべきは骨格ではなく、次の4点の中身である。

  1. 「納品」から「運用に残る」へ: 納品物は FurtherAI の言う「初日のワークフロー」にすぎない。運用の中で発生する人間の修正やエスカレーションこそが堀の材料であり、検収して立ち去るモデルではこれを取り逃がす
  2. 保守の再定義: 従来の保守は「動き続けること」への対価だが、AI プロダクトの保守は「賢くあり続けること」への対価になる。数カ月ごとのモデル世代交代に伴う回帰評価・プロンプト再調整は、従来の保守費の感覚では確実に赤字になる一方、正しく値付けすれば本体収益になる
  3. カスタマイズの還流: 顧客ごとの個別コードとして積み上げると従来型の技術的負債になる。設定・ルール・評価データとして表現し、1社の合わせ込みで得た知見をコア製品に還流させれば、案件をこなすほどパッケージが強くなるフライホイールに変わる
  4. 課金の再設計: 人月・納品一括から成果単価へ。モデル利用料に利益を乗せる転嫁型ではなく、「処理1件あたり○円」で受け取り、裏側のモデルルーティング最適化分を粗利として取り込む

収益構造は次の三本柱に再編される。

  1. システム開発料: 初期構築への対価。AI コード生成によって開発コストそのものが下がり続けるため、この売上は縮んでいく前提で「顧客との関係を作る入口」と割り切る
  2. 保守運用料 + 成果報酬: 従来型の保守運用に、「査定処理1件あたり○円」のような成果単価を組み合わせた収益の本体。裏側でモデルの使い分けにより原価を下げた分が、そのまま粗利になる
  3. 常駐型コンサル: 顧客企業の中に入り込んでコンサルティングを行い、AI によるワークフローを期間限定で業務に定着させる支援。現場で得た知見を製品本体に還流させる「学習装置」であり、Palantir が forward-deployed engineer（FDE）として確立した役割だ

注意すべき危険信号は、数年経っても③の常駐型コンサルが売上の主力のままのケース——それは知見の還流が起きていない兆候であり、構造的には人月商売への退化を意味する。

よくある質問

Q. Yellow Brick Road とは何ですか？

A. a16z が2026年5月の論考で提示した比喩で、童話『オズの魔法使い』でドロシーが魔法使いに会うためにたどる一本道に由来する。AIラボ自身が巨額投資して進む汎用領域（コード生成・文章作成など）を指し、この領域でラッパー型プロダクトを作るスタートアップは、モデル・価格・配布のすべてでラボに敗れるリスクが高い。

Q. LLM がコモディティ化するなら、モデル企業は衰退しますか？

A. 衰退していない。Anthropic は2026年4月に年換算売上300億ドルに到達して OpenAI を逆転し、2026年6月には両社が相次いで IPO を申請した。単価下落と利用量爆発が同時に進む「ユーティリティ化」であり、さらにラボ自身がアプリケーション層へ進出している点に注意が必要だ。

Q. SaaS スタートアップはもう参入余地がないのでしょうか？

A. 水平型ポイントソリューションは厳しいが、垂直特化型には大きな余地がある。垂直特化ソフトウェア市場は2029年に1,940億ドルへ成長する予測で、独自データと規制対応を武器にできる領域が狙い目となる。

Q. 既存の受託開発・パッケージベンダーは生き残れますか？

A. 業界の暗黙知を握っている点で Rest of Oz への入場券は持っている。ただし人月・納品型のままでは、AI コード生成によって自らの労働がコモディティ化する側に回る。「納品して終わり」を「運用に残って成果に課金する」へ重心を逆転できるかが分水嶺となる。

Q. 自社プロダクトが「薄いラッパー」かどうか、どう見分ければよいですか？

A. 「ラボが直接競合する製品を出しても、顧客はあなたのプロダクトを使い続けるか」を問うのが最短である。加えて業務のステップ数・ツールの複雑さ、顧客が P&L 上の成果で評価しているかの3点で判定できる。

まとめ

2026年のAIサービス開発で留意すべきことは、突き詰めれば「建てる場所」の選択である。モデルの賢さに乗るだけの水平ラッパーはラボに轢かれる。垂直領域の暗黙知を運用ループで蓄積し、モデルを差し替え可能な部品として扱い、ガバナンスと成果に責任を持つ「system of work」を建てたものが生き残る。

a16z の結語を借りれば「下のモデルは交換可能だが、仕事のシステムは交換不能」だ。ZenChAIne はAIエージェントの実装・運用の現場から、こうした構造変化の実践知を発信し続けていく。

参考ソース