AIネイティブ・スタートアップ：投資家はAIアプリケーション層をどのように評価するか

はじめに

人工知能は、ベンチャー投資の大規模かつ集中したカテゴリーになった。Stanford HAIは、世界の企業によるAI投資が2025年に2倍超となり、生成AIが民間のAI資金調達のほぼ半数を占めたと報告している[1]。NVCAは、米国のベンチャー投資が2026年上半期に記録的水準に達した一方で、投資資本の大半がAI企業およびUSD 100 million以上の資金調達に流れたと報告している[2]。Cartaは、2025年に同社プラットフォーム上の企業が4,859ラウンドでUSD 119.5 billionを調達したと記録している。これは少なくとも6年間で最低の年間ラウンド数である。同社のシリーズAデータは、AI企業に38%の中央値バリュエーション・プレミアムがあることを示している[3]。OECDは、2025年にAI関連投資がベンチャー投資全体の半数を超えたと報告している[6]。

これらの数字は資本市場を描写するものであり、投資の質を描写するものではない。AIネイティブのようなラベルは、顧客成果が機械推論に依存する製品、モデル・インターフェースを追加した従来型ソフトウェア製品、AIを内部利用するサービス事業、独自の評価とデータループを備えたワークフロー企業、または本番環境での証拠が限られた創業者ナラティブを指し得る。各ケースは、製品、リスク、マージン、流通、資本プロファイルが異なる。

したがって、アンダーライティング上の問題は証拠に基づく性質を持つ。投資家は、そのアプリケーションが何を行うのか、どの顧客成果が変わるのか、ワークフローのどの部分が自動化されるのか、どのモデルおよびデータ依存関係が重要か、品質がどのように評価されるか、障害がどのように制御されるか、顧客がどのように製品を購入し継続利用するか、収益がどのように現金に転換されるか、提供コストが利用に伴いどのように変化するか、そしてどの権利によって企業が事業を運営できるかを立証する必要がある。創業者も同じエビデンスを必要とし、会社を経営し、信頼できる資金調達プロセスを準備する。

本論文の中心的命題は、品質調整済みの受け入れ済み顧客成果こそが適切な運用単位である、という点にある。受け入れ済み成果とは、定義された品質、権限およびエビデンス基準を満たす、完了した顧客タスクまたは意思決定である。例には、レビュー済みの与信メモ、解決済みの顧客リクエスト、受け入れ済みの請求書分類、リリース済みのソフトウェア変更、完了したコンプライアンスチェック、顧客承認済みの設計が含まれる。トークン、呼び出し、生成、エージェント、モデルベンチマークスコアは技術的投入要素である。これらは、受け入れ済み成果、継続顧客、回収済み売上総利益に寄与するときに経済的関連性を持つ。

以下、7つのアンダーライティング原則を示す。第一に、AIネイティブというラベルは、観察可能なワークフローおよびアーキテクチャに翻訳されなければならない。第二に、企業は代表的な顧客タスクにおけるモデル性能を証拠で示すべきである。第三に、収益の質には、契約、請求書、回収、コホート、譲歩および集中度に関するエビデンスが必要である。第四に、売上総利益率には、人によるレビューおよび信頼性コストを含む、成果単位の完全なコスト台帳が必要である。第五に、モデルプロバイダーおよびクラウドプロバイダーは製品サプライチェーンの一部である。第六に、データ権利、プライバシー、知的財産、セキュリティおよび規制上の役割が、製品をどこでどのように販売できるかを決定する。第七に、投資案件は、モデル価格ショック、品質回帰、プロバイダー撤退、顧客喪失および販売サイクルの長期化に耐えるべきである。

エビデンスの基準日は2026年8月1日である。本分析では、現在の公式市場レポート、証券提出書類、プロバイダー文書、規制当局資料、法令、基準およびセキュリティ関連資料を使用する。企業、創業者、ファンド、顧客、製品、契約、コホート、データルーム、評価スイート、コスト台帳、キャップテーブルまたは投資メモランダムは提供されていない。すべての計算ボリューム、価格、コスト、転換率、生産性効果およびバリュエーション入力は仮想的なモデリング前提である。帰属されたMatchpointまたは顧客収益、コスト削減および損失削減はUSD 0.のままである

対象範囲、定義、エビデンスの境界

アプリケーション層

アプリケーション層は、モデル、データ、ソフトウェアおよび人的作業を、特定の顧客ワークフローで使用される製品へと変換する。これには、ユーザーインターフェース、アプリケーションロジック、検索・取得、メモリ、ツール、モデルルーティング、プロンプト、ファインチューニング、評価、アクセス制御、可観測性、請求およびサポートが含まれ得る。アプリケーション企業は、独自モデル、第三者モデルまたはオープンウェイトモデルを使用する場合がある。その防御力は、ワークフロー統合、独自データ権利、評価資産、流通、スイッチングコスト、規制上の許認可、顧客信頼または運用学習から生じ得る。

モデル層は推論またはモデルウェイトを提供する。インフラストラクチャ層は、コンピュート、ストレージ、オーケストレーションおよびデプロイメントを提供する。これらの境界は重複し得る。モデルをファインチューニングまたはホストする企業でも、そのモデルが顧客成果をどのように変えるか、およびアプリケーションがどのように価値を捕捉するかを示す必要がある。

AIネイティブ分類

AIネイティブ分類はエビデンスに基づくべきです。この分類は単一の技術アーキテクチャを必要としません。必要となるのは、顧客バリューチェーン内での機械推論への実質的な依存、その能力を中心に設計された製品、およびその品質と経済性を測定する運用体制です。

結果は、AI-ネイティブ、AI-有効化、AI-支援サービス、または未検証として記録できる。このラベルはデューデリジェンス上の結論であり、バリュエーション上の結論ではない。

エビデンス区分

重要な主張にはすべて、分類と責任者を付与すべきである。観察されたエビデンスは、統制されたシステム・オブ・レコードに由来する。独立して再現されたエビデンスは、投資家、アドバイザーまたは適格な第三者によるテスト再実行に由来する。顧客が証明したエビデンスは、氏名を特定した権限ある顧客代表者に由来し、可能な限りシステムデータと照合すべきである。経営陣が推定したエビデンスは、ラベルを付し、方法によって裏付ける。裏付けのない主張は未解決事項として残る。

公開コンパラブルおよび市場レポート

公開提出書類は、分析手法と経済的変動の可能性を示している。Palantirは2025年売上高USD 4.475 billion、粗利益率82%、顧客数954社を報告した[7]。UiPathは2026会計年度売上高USD 1.611 billion、年換算更新ランレートUSD 1.853 billion、粗利益率83%を報告した[8]。C3 AIは2026会計年度売上高USD 250.3 million、GAAP粗利益率31%を報告した[9]。Duolingoは、生成AIおよびホスティング費用の増加により2025年の粗利益率が低下したことを開示し、その後、AIインフラへの継続投資について説明した[10]。

これらの企業は、規模、製品、導入形態、顧客構成、サービス、会計、成熟度の点で異なります。これらの指標は、非公開スタートアップの売上総利益率やバリュエーションを決定するものではありません。これらは、投資家が汎用的なAIソフトウェアの利益率前提を避けるべき理由を示しています。

市場レポートにも限界があります。Cartaの公開データは、同社プラットフォーム上の企業および証券保有者から集計されたものであり、匿名化調査への除外を求めた企業は除外されています[3-5]。NVCAのレポートは、PitchBookをデータ提供者として米国のベンチャーエコシステムを対象としています[2]。OECDは、そのAIベンチャーブリーフ[6]でPreqinのデータを使用しています。Stanford HAIは、複数の公開情報源および独自情報源を組み合わせています[1]。本論文は各情報源の対象範囲を維持しています。

法務・投資・著作者に関する限界

本論文は、製品が規制対象かどうか、処理が適法かどうか、知的財産権が有効かどうか、証券が適合しているかどうか、バリュエーションが公正かどうか、投資を行うべきかどうかを判断するものではありません。これらの判断には、該当する契約、事実、法域および資格を有する権限ある主体が必要です。

Matchpoint Partnersは組織としての著者です。創業者の実績、投資家の見解、顧客の成果は、いかなる個人にも帰属されません。

投資家と創業者の意思決定マップ

投資家の意思決定

投資家は、5つの問いに対して段階的な答えを必要としています。顧客課題は価値があり、繰り返し発生するものでしょうか。製品は、顧客が対価を払う受け入れられた成果を生み出しているでしょうか。企業は、モデルと市場の変化を通じて品質と統制を維持できるでしょうか。継続収益は、魅力的な売上総利益とキャッシュ特性を生み出しているでしょうか。資金調達価格は、証拠と下振れ局面によって裏付けられているでしょうか。

創業者による意思決定

同じエビデンスが創業者のコントロールを支える。創業者は、どの顧客成果がリテンションを促進するか、どの障害が顧客に最大の損害を与えるか、どのプロバイダー依存が規模拡大を制約するか、どのコホートが粗利益を生み出すか、そしてどのマイルストーンが次の資本投入に値するかを知るべきである。

共有エビデンスルーム

投資家と創業者は、同じ照合済みのエビデンスルームに基づいて作業すべきです。解釈が異なることは正当です。基礎となる数値が異なると、回避可能なリスクを生みます。

レイヤー	主要な構成要素	アンダーライティング上の問い	最小限の証拠
顧客ワークフロー	ユーザー、タスク、意思決定、例外および承認	どのコストのかかる、または価値ある業務が変わるのか？	プロセスマップ、ベースライン時間、品質および権限
アプリケーション	インターフェース、ロジック、検索・取得、ツール、統合	顧客が購入する製品は何か？	製品デモンストレーション、リリース記録、顧客利用
評価	テストケース、評価器、しきい値、モニタリング	品質はどのように確立され、維持されるか？	代表的なテストスイート、結果、失敗、リリースゲート
データ	ソース、権利、系統、品質、保持	会社はこの目的でデータを使用できるか？	権利登録簿、サンプル、系統、管理策
モデル	プロバイダー、バージョン、ルート、プロンプト、チューニング	どの能力が必要で、置き換え可能か？	プロバイダー登録簿、テスト、コスト、移行エビデンス
インフラ	コンピュート、ストレージ、セキュリティ、可観測性	サービスは安定的かつ経済的に運用できるか？	アーキテクチャ、請求書、ログ、インシデント、キャパシティプラン
商業面	契約、価格、契約期間、更新、回収	利用は、維持・回収される収益につながるのか？	契約から入金までのエビデンスとコホート別エビデンス

市場環境とAI資本集中問題

プレミアムと選別

AI資本の成長により投資機会が広がり、選別圧力が高まる。Cartaの2025年データでは、より少ないラウンドに多くの資本が集中し、シリーズA以降でAIバリュエーションのプレミアムが生じている[3]。同社のシード調査は、初期チームのスリム化、資金調達期間の長期化、そして特にAI企業において典型的なバリュエーションとトップ層のバリュエーションの差の拡大を報告している[4]。同社の2025年下半期報酬レポートは、AI主導の資本と人材への影響を説明しつつ、初期段階ではより小規模なチームを強調している[5]。

したがって投資家は、カテゴリープレミアムと企業固有のエビデンスを区別すべきである。バリュエーションは、希少性、競争、戦略的オプション価値、市場規模、成長、リテンション、チーム、技術、データ権利、モメンタムを反映し得る。各要因には、それぞれ固有のエビデンスと下振れへの対応が必要である。

市場規模算定の規律

アプリケーション層の市場は、顧客単位とワークフロー支出から始めるべきです。トップダウンのAI合計は導入状況を文脈づけることはできますが、獲得可能な収益を立証するものではありません。

バーティカルAI企業の場合、市場モデルには、対象企業数、対象部門、ワークフロー頻度、現行コスト、必要な権限、統合負荷、予算責任者、および現実的な導入見込みを含めるべきです。水平型製品では、ユースケースと購買者によるセグメンテーションを行うことで、表面的な総席数計算を避けられます。

資金調達確率とランウェイ

市場のエビデンスは、資金調達環境が集中していることを裏付けています。ただし、特定の企業が資金調達できることを証明するものではありません。資金調達計画には、調達なしのケース、調達遅延のケース、価格引下げのケースを含めるべきです。月次現金、確定コスト、裁量コスト、採用トリガー、プロバイダーへのコミットメント、運転資本、最小運用ランウェイを示す必要があります。

これらのケースは仮定に基づくモデリング上の前提です。計画の仕組みを示すものであり、資金調達の可否、バリュエーション、リターンを予測するものではありません。

AIネイティブのアプリケーション層テスト

モデル能力より顧客成果を優先

初回のデューデリジェンス・セッションでは、製品を使わずに一つの顧客ワークフローを再現する。チームはトリガー、インプット、オペレーター、意思決定、アウトプット、レビュー、例外、所要時間、エラーコスト、権限を記録する。次に、同じワークフローを製品を使って再現する。比較により、どのステップが消滅するか、変化するか、加速するか、新たな統制を必要とするかを特定する。

この演習はカテゴリー錯誤を明らかにする。下書きが速くなると、レビュー工数が増えることがある。処理時間が短くなると、修正やエスカレーションが増えることがある。自動化率が高くなると、顧客の受容度が低いことを覆い隠すことがある。より多くのアウトプットを生み出す製品は、ユーザーが意思決定の時間枠内で検証できない場合、価値を下げる可能性がある。

受け入れられた顧客成果

受け入れられた成果には5つの要素がある。タスクが定義されている。根拠となるエビデンスが十分である。出力が品質およびポリシーの基準を満たしている。権限を有する人またはシステムがそれを受け入れる。成果が顧客のワークフローに到達する。破棄された生成回答、全面的な再作成を要する草案、レビューによって覆された自動意思決定は、生成された出力であり、受け入れられた成果ではない。

企業は、顧客およびコホートごとに受け入れられた成果を測定すべきである。有用な指標には、初回受入率、アクティブユーザー当たりの受入済み成果、受入済み成果当たりのレビュー時間、例外率、修正率、インシデント率、顧客エスカレーション、受け入れまでの時間が含まれる。定義はコホート分析に十分安定し、件数の水増しを防ぐのに十分具体的であるべきだ。

主張台帳

AIに関するSECの執行措置は、正確な表明の重要性を示している[12]。プライベートファイナンスも信頼できる主張に依存する。主張台帳は、ピッチ、データルーム、顧客提案書、投資メモで使用される重要な主張をそれぞれ記録する。

主張台帳は創業者にも役立ちます。裏付けのない主張は、資金調達プロセス前に修正できます。経営陣の見積もりは、構造化されたテストを通じて観察されたエビデンスに変換できます。

エビデンスのフライホイール

競争上防御可能なアプリケーションは、適法かつ有用なエビデンスのフライホイールを構築できます。顧客タスクは、同意済みまたは契約上許可された利用データを生み出します。レビューと成果のシグナルが評価を改善します。評価は、ルーティング、ワークフロー、リリースの意思決定を改善します。受け入れられる成果が増えることで、導入と継続率が向上します。継続利用は、より代表性のあるエビデンスを生み出します。各リンクには、権利、品質、経済的価値が必要です。

投資家は、循環論法に基づくデータモートの主張を退けるべきです。より多くのデータに価値があるのは、それが許可され、関連性があり、十分にラベル付けされ、管理された改善プロセスに組み込まれ、競合他社が再現するのが困難な場合に限られます。

製品価値、顧客ワークフロー、プロダクトマーケットのエビデンス

ベースラインと反事実

製品価値にはベースラインが必要です。ベースラインは、現行の人手作業、ルール、既存ソフトウェア、外部委託サービス、または何もしない場合とできます。反実仮想は、製品がなければ顧客が実際に取る行動を反映すべきです。非現実的な手作業プロセスと製品を比較すると、価値を過大評価します。

初期段階で最も強いエビデンスは、顧客内の代表的な比較です。同じタスク群、サービス要件、意思決定期間を用います。入力の差異、選択効果、レビューを記録します。ランダム化テストは製品機能には適切な場合があります。運用および規制対象のワークフローでは、同一期間の比較、段階的展開、管理されたシャドー利用が必要になる場合があります。

生産性と収益のブリッジ

生産性は、顧客がキャパシティを再配置し、実コストを削減し、より多くの需要に対応し、収益化までの時間を短縮し、または測定された損失を削減できるときに、顧客価値提案となる。収益は、契約に基づく利用が回収・保持された粗利益に転換されるときに企業価値となる。

顧客エビデンスラダー

意向表明書、了解覚書、無償パイロット、有償パイロット、本番契約、回収済み更新は個別に報告すべきです。ロゴはこの分類の代用にはなりません。

顧客リファレンス・プロトコル

顧客リファレンスは承認され、構造化されているべきです。インタビュアーは、課題、従来のワークフロー、購買プロセス、導入、価値実現までの時間、品質、例外、サポート、利用頻度、ユーザーの広がり、価格、更新意図、代替手段を確認します。投資家は、インタビュー対象者と購入および日常利用との関係を記録します。

リファレンスは顧客が裏付けた証拠です。契約、製品、財務の記録と照合されると、より強力になります。創業者が選んだチャンピオンは貴重な詳細を提供できますが、調達、セキュリティ、財務、エンドユーザーの見解を代表するものではない可能性があります。

流通・販売手法

AIのアプリケーションは、創業者主導の営業、プロダクト主導の導入、直接のエンタープライズ営業、マーケットプレイス、クラウドパートナー、システムインテグレーター、チャネルパートナー、組み込み型ディストリビューションを活用できます。各手法は、コスト、コントロール、時間、集中度がそれぞれ異なります。

レベル	根拠	裏付ける内容
C0ディスカバリー	インタビューおよび観察された課題	課題仮説
C1デザインパートナー	アクセス、フィードバック、ワークフロー	プロダクト設計エビデンス
C2 管理下のパイロット	代表的なタスクと合意済みの成功基準	実現可能性とユーザーエビデンス
C3 有償パイロット	料金の契約締結と回収	パイロット範囲内での支払い意欲
C4 本番稼働	業務ワークフローで繰り返し受け入れられた成果	製品の利用状況と信頼性
C5 更新	十分な情報に基づく意思決定後の有償契約の継続	リテンションのエビデンス
C6 拡大	追加の製品、利用量、チーム、地域	より広範な価値のエビデンス

技術アーキテクチャ、モデルサプライチェーン、ポータビリティ

アーキテクチャのエビデンス

アーキテクチャは、ユーザーおよびソースシステムから承認された成果までの完全な経路を示す必要があります。これには、アイデンティティ、権限、データ移動、検索、プロンプト、モデル経路、ツール、コード実行、ガードレール、人によるレビュー、ストレージ、可観測性、課金が含まれます。図では、顧客環境、企業システム、第三者を区別する必要があります。

プロバイダー登録簿

OpenAI、Anthropic、Google、AWSは、モデル、キャッシュ、バッチ処理、ツール、コンテキスト、デプロイメントについて異なる価格構造を公表しています[13-16]。Googleはまた、廃止を含むモデルとエンドポイントのライフサイクル情報も公表しています[17]。登録簿には、プロバイダーのブランド名だけでなく、使用された正確なサービスが記録されます。

リスト価格は変更される可能性があり、実際の支出は入力、出力、リトライ、キャッシュ、ツール利用、コンテキスト、モダリティ、ボリュームによって変動する。デューデリジェンスでは、代表的な期間について請求書の明細項目と製品テレメトリーを突合すべきである。

集中度とスイッチング

米連邦取引委員会（FTC）による特定のクラウドプロバイダーとAI開発者の提携関係に関する調査は、クラウド支出コミットメント、排他性の内容、機密情報へのアクセス、潜在的なスイッチングコストを記録している[11]。本報告書はこれらの提携関係に関するものであり、非公開のアプリケーション企業の契約条件を確定するものではない。有用なデューデリジェンスの視点を提供する。

集中度は、支出、許容された成果、重要機能、地域、顧客にわたって測定される。企業はマルチモデルに見えても、収益に不可欠なタスクをすべて1社のプロバイダーが処理していることがある。合成プロンプトを通過するフォールバックでも、顧客ツール、長いコンテキスト、安全性の挙動、構造化出力、レイテンシーでは依然として失敗する可能性がある。

ポータビリティテスト

ポータビリティテストでは、代替モデルまたはデプロイメントに対して代表的な評価スイートを実行する。コード変更、プロンプト変更、出力スキーマの差異、品質、レビュー負担、レイテンシー、コスト、安全性、データ条件、移行時間を記録する。結果は、ポータブル、部分的にポータブル、集中のいずれかとなり得る。

投資家は少なくとも3つのショックをモデル化すべきである。モデル単価の50%上昇、90日以内の主要モデルの提供停止、ピーク利用時のキャパシティ抑制である。これらの割合と期間は仮定に基づく例示的な入力値である。経営陣はこれらを契約上および運用上のエビデンスに置き換えるべきである。

オープンウェイトとライセンス依存

MetaのLlama 4 Community Licenseは、特定の権利を付与し、再配布、帰属表示、許容利用、規模に関する条件を含む[22]。他のオープンウェイトモデルには異なるライセンスがある。オープンウェイトは無制限を意味しない。企業は、正確なライセンスバージョン、モデルカード、ダウンロード元、改変内容、通知、許容利用レビュー、再配布分析を保持すべきである。

評価、信頼性、セキュリティ、運用管理策

評価契約

NISTのAI RMFは、統治、マッピング、測定、管理の機能を用います[23]。その生成AIプロファイルは、生成AIリスクと推奨アクションを示しています[24]。OpenAIの現在のモデルガイダンスは、移行または最適化の前に代表的なタスク評価を推奨しています[29]。Anthropicの評価ガイダンスは、具体的で測定可能かつ関連性のある成功基準から始まります[30]。これらの情報源は、実践的なリリース規律を支えています。

評価契約は、タスク母集団、サンプル、グラウンドトゥルース、グレーダー、評価ディメンション、しきい値、重大度、サブグループ、モデル/バージョン、プロンプト、ツール環境、リリース判断を定義します。テストセットには、通常、困難、敵対的、不完全、範囲外のケースを含める必要があります。

リリースとモニタリング

単一のベンチマークでは不十分です。リリースでは、モデルバージョン、プロンプト、ツール、検索・取得、ポリシー、コード、データ、顧客設定が変わり得ます。企業はリリースマニフェストを保存し、必要なスイートを再実行する必要があります。その後、本番モニタリングで、受け入れ、失敗、レイテンシー、コストをリリース時の期待値と比較します。

信頼性とインシデントのエビデンス

信頼性は、成果が受け入れられる境界で測定されます。可用性が高くても、重要なツールが通知なしに失敗することがあります。モデルが応答しても、無効なスキーマを返すことがあります。顧客の意思決定ウィンドウを過ぎてからワークフローが完了することがあります。インシデント登録簿には、プロバイダーの障害、品質低下、取得エラー、データの陳腐化、ツールのエラー、セキュリティイベント、支出の異常、人によるレビューの滞留を含めるべきです。

担保

NISTのSSDFコミュニティプロファイルは、生成AIの実践をセキュアなソフトウェア開発に追加している[25]。CISAとNCSCは、AIシステムのセキュアな設計、開発、展開、および運用に対処している[26]。OWASPは、プロンプトインジェクション、機密情報の開示、サプライチェーンの脆弱性、無制限の消費などのリスクを特定している[27]。MITRE ATLASは、予測型、生成型、エージェント型のAIシステム向けに進化する脅威ナレッジベースを提供している[28]。

セキュリティ認証およびペネトレーションテストは、その対象範囲と時点における証拠である。これらはアーキテクチャレビュー、インシデント履歴、顧客固有の制御に代わるものではない。

データの権利、プライバシー、規制および知的財産

サービス条件の正確な内容

OpenAIは、ビジネスおよびAPIの入力と出力はデフォルトでトレーニングから除外されると述べている[18]。同社のサービス契約は、ビジネス関係および関連するコンテンツに関する権利を定めている[19]。Anthropicは、商用製品のデータ使用情報を公開している[20]。GoogleのGemini APIの条件は、無料サービスと有料サービスを区別しており、投稿されたコンテンツの利用、無料サービスにおける人によるレビュー、および有料サービスに対する異なる取扱いを含む[21]。Googleのゼロデータ保持に関するガイダンスは、保持に関連する製品設定および機能を特定している[40]。

これらの条件は変更される可能性がある。企業は、日付付きの契約書類、アカウント設定、データフローの証拠を保持すべきである。プロバイダーの公開されたブランドレベルの声明のみに基づくプライバシーに関する回答は不完全である。

データ権利登録簿

台帳では、データ品質と有用性を法的権利とは別に記録する必要があります。適法なデータであっても無関係な場合があります。有用なデータであっても、必要な権利が欠如しているために利用できない場合があります。

UAE、DIFC、ADGM、サウジアラビアおよび英国のデータ保護

UAEの2021年連邦法令第45号は、その適用範囲内で連邦個人データの枠組みを定めています[33]。DIFC規則第10号は、自律型および半自律型システムによる個人データ処理を扱っています[34]。ADGMガイダンスは、自動化された個人の意思決定を扱っており、該当する場合には実質的な人によるレビューの必要性を含みます[35]。サウジアラビアのPDPLおよび施行枠組みは、適用範囲内で管理者の義務を定めています[36]。英国情報コミッショナー事務局は、適法性、公正性、透明性、目的制限、最小化、正確性、保存、安全性および説明責任を対象とするAIガイダンスを公表しています[37]。

この表はデューデリジェンス用の索引です。法的結論ではありません。

EU AI法における役割と透明性

EU AI法は、モデル提供者、システム提供者、デプロイヤーその他の事業者を区別し、役割とリスクに応じて義務を適用します[31]。欧州委員会は、第50条の透明性義務が2026年8月2日から適用され、以前に市場に投入された特定のシステムには特定の移行措置が適用されると述べています[32]。GCC企業は、事実関係に応じて、製品の市場投入、デプロイ、または欧州連合内の影響を受ける者を通じて適用範囲に含まれる可能性があります。

製品・役割マトリクスは、各ユースケースおよび法域ごとに完成させる必要があります。企業は、ある機能については提供者、別の機能についてはデプロイヤー、また第三者の汎用モデルの下流インテグレーターとなることができます。契約文言は、実際のアーキテクチャと統制に整合させる必要があります。

著作権、特許およびコードの来歴

米国著作権局は、デジタル複製物、生成AIの出力物の著作物性、およびAIのトレーニングに関する報告書を公表しています[38]。USPTOの2025年11月改訂ガイダンスは、通常の発明者認定基準がAI支援による発明に適用され、発明者になり得るのは自然人に限られると述べています[39]。提供者契約およびオープンモデルライセンスは、異なる権利を配分し留保します[19,21,22]。

生成コードは、人手で書かれたコードと同じレビュー、テスト、セキュリティ、出所およびライセンス管理を通過すべきです。デューデリジェンスでは、ポリシー文書のみに依拠するのではなく、コミットと依存関係をサンプリングすべきです。

段階	根拠	投資家テスト
投資機会	有効なニーズ、買い手、予算および時期	定義およびエイジングは一貫している
契約	締結済み契約、契約期間、範囲、価格および終了	権限を有する当事者により署名済み；サイドレターも把握済み
デプロイ	環境、ユーザーおよび統合記録	本番、パイロットおよびテストは分離されている
パフォーマンス	受け入れ済み成果およびサービス提供の証拠	契約したサービスが提供された
請求書	請求書、日付、金額、税額、支払期日	契約書および元帳と照合される
回収	銀行記録または支払記録および消込	入金がなされ、取消されていない
クレジットまたは譲歩	クレジットノート、割引、無償期間、サービスリカバリー	純収益および顧客課題を捕捉
更新	情報に基づく継続と新たな契約期間	自動更新、交渉による更新、ホールドオーバーを分離

収益の質、リテンション、分配

契約から入金まで

収益のアンダーライティングは、顧客レベルのブリッジから始まる。このブリッジは、機会、署名済み契約、履行義務、製品アクセス、利用状況、受け入れ済み成果、請求書、回収、クレジット、譲歩、更新、拡大を結び付ける。また、リセラー、関連当事者、創業者ネットワーク、戦略的パートナーの関係を特定する。

年間経常収益（ARR）には文書化された方針が必要である。投資家は、パイロット、消費コミットメント、導入、専門サービス、解約不能契約、最低利用量、一時的費用、延滞請求書が含まれているかどうかを検証すべきである。報告されたARRは、方針の範囲内で顧客別スケジュールおよび総勘定元帳と照合されるべきである。

コホート

コホートとは、開始時期、セグメント、製品、契約、または獲得ソースごとに、比較可能な顧客をグループ化したものです。収益維持率は、グロス基準とネット基準の両方で示す必要があります。拡大している顧客が1社あると幅広い顧客喪失を隠してしまう可能性があるため、ロゴ維持率は収益維持率と並べて示すべきです。

企業はコホートの規模と経過期間を開示すべきである。若いコホートは、最初の実質的な更新前に高いネットリテンションを示すことがある。初期導入規模が大きい顧客は、不満がなくても収縮を生じさせ得る。証拠はその変動を説明すべきである。

集中リスク

集中度は、売上高、粗利益、回収額、受け入れ済み成果、パイプライン、重要なデータ権利によって測定される。高売上顧客は、専用インフラ、サービス、サポート、モデル消費のために低マージンとなることがある。低売上のデザインパートナーは、製品がそのデータやドメイン専門知識に依存しているため、運用上重要となり得る。

販売効率

顧客獲得コストには、そのコホートを獲得するために必要な場合、営業報酬、マーケティング、イベント、創業者の時間、チャネル手数料、ソリューションエンジニアリング、セキュリティ・デューデリジェンス、パイロット、導入費用を含めるべきである。回収期間は売上高ではなくコホート粗利益を用いる。

初期段階の企業は、安定したCACが利用できない場合でも、基礎となる活動を報告できる。有用な証拠には、段階別の創業者時間、セキュリティレビュー回数、パイロット期間、導入作業量、受注・失注理由、契約署名から本番受け入れまでの時間が含まれる。

ユニットエコノミクス、粗利益率、資本計画

成果別コスト台帳

プロバイダーのトークン価格設定は、コスト項目の1つにすぎません[13-16]。受け入れ済み成果の総コストには、ソースシステムへのアクセス、文書処理、エンベディング、検索、コンテキスト保存、モデルの入力と出力、キャッシュ、グラウンディング、ツール、コード実行、再試行、失敗した呼び出し、オーケストレーション、可観測性、セキュリティ、人によるレビュー、サポート、顧客固有のインフラストラクチャが含まれる場合があります。

例示用の売上総利益ブリッジ

単に例示目的で、1顧客が月間10,000件の承認済み成果を1件あたりUSD 1.20で購入すると仮定します。月間売上高はUSD 12,000.、モデルおよび検索コストはUSD 1,650、ツールおよびインフラストラクチャコストはUSD 900、人によるレビューコストはUSD 1,800、サポートおよび信頼性の配賦コストはUSD 750.です。例示用の売上総利益はUSD 6,900、売上総利益率は57.5%です。

この例のすべての入力は仮定のモデリング前提です。企業または顧客の成果を証明するものではありません。帰属収益、コスト削減、損失削減はUSD 0.のままです。

マージン分解

マージンの変動は、価格、数量、ミックス、モデルルート、プロンプト／コンテキストサイズ、キャッシュ、バッチ利用、レビュー率、失敗率、顧客固有のサービス、会計分類によって分解されるべきです。Duolingoの2025年の開示は、生成AIとホスティングコストを粗利益率の変動に結び付けており、直接AIコストがブリッジ[10]に含まれるべき理由を示しています。Palantir、UiPath、C3 AIが報告する粗利益率の違いは、製品とビジネスモデルの多様性[7-9]を示しています。

プロバイダー価格の下落はマージンを改善し得ます。また、価格競争を招いたり、新規参入を可能にしたり、単位コストを維持する高品質なモデルルートを支えたりする可能性もあります。引受審査では、プロバイダーの節約分がすべて株主に残ると仮定するのではなく、企業の対応をモデル化すべきです。

資本集約度

アプリケーション企業は、資本集約度が低い場合も高くなる場合もあります。資本要件は、長いエンタープライズ販売サイクル、専用デプロイ、データ取得、モデルトレーニング、保証キャパシティ、規制上の許可、セキュリティ要件、人的運用、運転資本によって高まります。コミット済みのクラウド支出は、顧客量が立ち上がる前に固定義務を生み得ます。

ランウェイ・ブリッジ

ランウェイモデルは、銀行で検証済みの現金から開始し、毎月の入金と支払いを照合すべきです。次に経営陣は、採用、プロバイダー、販売、規制に関するゲートを適用します。取締役会は、ベースケース、遅延ケース、低収益ケース、コストショックケース、資金調達なしケースを確認すべきです。

計画では、確約済み、契約済み、承認済み、裁量、未承認の支出を区別すべきです。資金使途は、エビデンスとなるマイルストーンのリストになります。すなわち、本番受入、代表顧客による評価、更新コホート、粗利益率の閾値、プロバイダー移行、セキュリティ要件、またはライセンス取得ステップです。

アンダーライティング・スコアカード、投資メモおよびダウンサイド

スコアカード設計

スコアカードは、創業者のカリスマ性やカテゴリーへの熱狂ではなく、エビデンスの十分性を記録します。各領域には、検証済み、一部検証済み、経営陣推定、裏付けなし、または不利のステータスが付与されます。数値スコアは一貫性を支えることはできますが、重大な問題を隠すものであってはなりません。

ウェイトは仮定に基づくモデリング前提です。投資委員会は独自のウェイトと重要な保留条件を承認すべきです。

投資メモ用エビデンス一式

下振れシナリオ

すべてのショックは仮定の例示用入力値です。デューデリジェンスチームは、これらを企業固有の証拠および投資委員会承認済みの重大度に置き換えるべきです。

バリュエーションとストラクチャー

バリュエーション分析では、現在の証拠とオプション価値を分離すべきです。現在価値には、観測された売上高、リテンション、売上総利益、成長性、キャッシュ特性を使用できます。オプション価値には、新製品、地域、データセット、モデル能力を反映でき、確率・資本・時間を伴うべきです。

取引ストラクチャーは、段階的資金供与、マイルストーン、準備金、情報権、同意権、取締役会権限、創業者ベスティング、オプションプール、保証を通じて証拠ギャップに対応できます。法務顧問は取引を起草し、評価すべきです。マイルストーンは経営陣の影響範囲内に置かれ、監査可能な証拠によって定義されるべきです。

創業者と投資家のプレイブック

創業者向けデューデリジェンスルーム索引

創業者は、都合の良いスクリーンショットを選り抜いた集まりではなく、原本記録を保存し、照合資料を提供すべきです。顧客を特定できるデータおよび個人データは、適切な権限と管理の下でのみ共有されるべきです。

投資家による実地調査

投資家は依頼リストと証拠マップから開始します。継続、拡大、パイロット、解約、失注機会の各グループにまたがって顧客をサンプリングします。範囲を限定した評価を再現します。選択した契約について、利用実績、請求書、現金収入まで追跡します。プロバイダー請求書をテレメトリーと照合します。ソースコードの所有権とデータ権利をサンプリングします。プロバイダー移行を1件テストします。インシデントと取締役会報告をレビューします。

経営陣への質問

1. どの顧客成果が、誰によって、どの品質基準で受け入れられるのか？
2. 最も頻繁に失敗する本番タスクはどれか、またその顧客への影響は何か？
3. 報告されている生産性結果のうち、観測されたベースラインと反事実を備えているものはどれか？
4. 維持収益に不可欠なプロバイダー、モデル、ツールはどれか？
5. 代表的な移行にはどのくらい時間がかかり、最後にテストされたのはいつか？
6. データに関するどの主張が、最も弱い権利根拠しか持たないか？
7. 最も高い回収済み粗利益を生む顧客コホートはどれか？
8. 最も多くの人によるレビューまたはサポートを必要とする顧客はどれか？
9. ピッチデックのどの重要主張が、依然として経営陣による見積もりか？
10. どのような結果が出れば、経営陣は製品を制限、再設計、または中止するか？
11. 次の資金調達が6か月遅れた場合、どのキャッシュプランが適用されるか？
12. 最大の残存不確実性を証拠に変えるマイルストーンはどれか？

ゲート付き12～18か月ロードマップ

ロードマップは定義と照合から始まります。代表的な評価、本番環境での証拠、維持される経済性、資金調達準備へと進みます。カレンダー上の時期は、会社の状況、顧客プロセス、規制要件によって異なります。

ロードマップは一連のエビデンス・ゲートである。信頼できるエビデンスが既に存在する場合、企業はより速く進める。ゲートが不合格の場合、企業はそのフェーズにとどまることができる。判定は、前進、制限、再設計、研究として保持、中止であり得る。

限界、研究課題および結論

本稿は公開エビデンスに基づくデューデリジェンスの枠組みを提示する。投資、顧客コホート、本番評価、財務リターンについて報告するものではない。市場データは異なるデータセットと期間を記述している。上場企業の提出書類は、非上場のアプリケーション・スタートアップとは類似しない可能性のある経済的特性を持つ成熟企業を記述している。プロバイダーの価格と条件は、エビデンス基準日以降に変更される可能性がある。

本枠組みの実施には企業のエビデンスが必要である。今後の研究では、アプリケーション分類横断で、匿名化された契約から現金化までのコホート、受容済み成果の経済性、モデル移行イベント、インシデントコスト、バリュエーション結果を分析すべきである。比較研究では、ワークロード、モデル、プロンプト、ツール、レビュー、レイテンシ、障害、コストの境界を完全に報告すべきである。GCC の研究では、連邦、DIFC、ADGM、サウジアラビアの法的文脈を区別し、有資格の法的分析を用いるべきである。

投資結論は規律あるものである。AIネイティブのアプリケーション投資審査は、価値ある顧客ワークフロー1つと、品質調整済みの受容成果1つから始まる。次に、アーキテクチャ、モデルサプライチェーン、評価、データ権利、本番利用、契約、回収、コホート、コスト、統制を通じてエビデンスを追跡する。この連鎖が重要かつ再現可能である場合、企業はAIネイティブの分類を獲得する。ダウンサイド下でも保持顧客価値、売上総利益、ガバナンス、ファイナンス価格が信頼できる場合、投資案件として成立する。

投資家にとって、本枠組みはカテゴリーへの熱狂を、主張登録簿、実地調査計画、スコアカード、エビデンスに基づく投資メモへと変換する。創業者にとっては、製品品質、顧客価値、プロバイダー依存、データ権利、粗利益率、資金調達準備態勢のためのマネジメントシステムを創出する。双方は、突合済みの単一エビデンスルームと不確実性の明示的な取扱いから便益を得る。

フェーズ	対象期間	成果物	終了ゲート
0 定義	0〜1か月	ワークフロー、受け入れ済み成果、主張登録簿	指名された責任者と安定した定義
1 エビデンスルーム	1〜2か月	契約から入金までのプロセス、アーキテクチャ、プロバイダー登録簿、権利登録簿	中核記録が照合済み
2 評価	2〜4か月	代表的なテストスイート、リリースゲート、障害分類	重要しきい値を通過
3 経済性	3〜6か月目	成果単位コストとコホート別粗利益ブリッジ	請求書、テレメトリー、台帳の照合
4 ポータビリティ	4〜7か月目	代替モデル／プロバイダー移行テスト	品質・時間・コストの定義済み閾値
5 商用化の実証	4〜10か月目	本番導入、参照事例、初回更新のエビデンス	顧客ゲートと回収ゲートの通過
6 スケール管理	8〜14か月目	モニタリング、セキュリティ、サポート、ユニットエコノミクスの統制	成長は成果や利益率を低下させない
7 資金調達	10〜18か月目	エビデンス主導のメモ、ダウンサイド、バリュエーション、資金使途	委員会または取締役会の承認を得た取引実行プロセス