AI業務自動化サービスを選ぶ基準は何だろうか。候補を3社並べて比較するとしよう。どこも同じ水準の最新モデルを使っていて、デモを回してみても成果物は似たり寄ったり。だとしたら、何を見て選べばいいのか。
売る側もこの問いにうまく答えられない。多くのエージェントサービスは、いまだに「私たちは最新モデルを使っています」を前面に押し出す。数年前なら差別化になっただろうが、今は違う。この記事の主張は一つだ。モデルが横並びになった市場で勝敗を分けるのは、モデルの性能ではなく、そのモデルが顧客の仕事を処理していくあいだに積み上がる文脈である。
まず用語を一つ。エージェントSaaSとは、インストール不要で毎月サブスクリプション契約して使い(SaaS、サービスとしてのソフトウェア)、人から与えられた目標を受け取って、自ら複数のステップを踏んで仕事を片づけていくソフトウェアを指す。メールを読み、スケジュールを組み、文書を作り、次にやるべきことを判断する、といった具合だ。
エージェントがこなす仕事の質は、そのほとんどが土台にある大規模言語モデル(人の言葉を理解し、文章を生成するAI)の能力から来る。問題は、そのモデルをいまやほぼ誰もが使えるということだ。いくつかの会社が作った最上位モデル — その時点で最も進んだ性能を持つため、しばしばフロンティアモデルと呼ばれる — を、API(プログラムが外部の機能を呼び出して使うための接続口)から呼び出して使えばいい。価格は下がり続け、1位と2位のモデルの差も縮まった。たいていの業務では、どちらも十分にうまくこなす。
材料がありふれたものになった、ということだ。ありふれた材料では堀は掘れない。堀とは、もともと城の周りを掘って敵が越えてこられないようにした水路のことで、ビジネスでは、競合が簡単には追いつけないようにする構造的な障壁を指す。他社とまったく同じモデルを呼び出して使うだけでは、この障壁は立たない。今日こちらがより良いモデルに乗り換えれば、明日には競合も同じモデルに乗り換える。
だから勝負どころは、モデルそのものではなく、そのモデルが働いているあいだに何が残り、何が積み上がるのか、というところへ降りてくる。
鍵になる言葉は文脈だ。文脈とは、その顧客の仕事を処理するのに必要な背景知識のすべてを指す。誰がどの取引先と仕事をしているのか、先月なぜ納期を延ばしたのか、この顧客はレポートをどんなトーンで受け取りたがるのか、どんな失敗を一度経験して、その後に何を気をつけるようになったのか。
こういうものはモデルの中には入っていない。モデルは世の中一般を知っているだけで、あなたの会社のこの半年は知らない。サービスがあなたと仕事をしながら一つずつ集め、積み上げてはじめて生まれる。そして一度積み上がりはじめると好循環が回る。文脈が多いほど判断が正確になり、判断が正確だからもっと多くの仕事を任せるようになり、もっと任せるから文脈がさらに積み上がる。
データが一箇所に集まると重力が生まれる。そのデータを使う仕事が周りに引き寄せられ、そうして引き寄せられた仕事がまたデータを生む。小さく始まった文脈の塊は、こうして自ら体を大きくしながら、誰も簡単には引き剥がせない引力場を形づくっていく。
決定的な違いはここにある。モデルの性能は、売る側がコントロールできない。モデル会社が引き上げれば、競合も同じように引き上がる。だが積み上がった文脈は、顧客とサービスが一緒に仕事をしながら育ったものだ。競合が金をもっと使ったからといって、一夜にして買ってこられるものではない。本物の障壁と偽物の障壁は、ここで分かれる。
小さな家具工房があるとする。社長が一人で営業し、外注の木工2〜3社に仕事を分けている。ある日、大口の取引先から連絡が来る。「今回の注文、納期を10日早めてもらえますか」
文脈を持たない一般的な自動化ツールにこの依頼を入れると、丁寧な返信の下書きが出てくる。文章はなめらかだ。だが、そこまでだ。10日早めるのが可能かどうかは、社長が自分の頭の中で計算しなければならない。どの外注が今手が空いているのか、この取引先は以前も急ぎだと言っておいて支払いを遅らせたことがあるか、納期を早めると他の注文が押すのか。ツールはこれを知らない。結局、社長が全部やる。ツールは口述筆記をしただけだ。
文脈が積み上がったAIプロジェクトマネージャーは、違う動き方をする。この工房と数か月仕事をしてきたなら、あの依頼一行にいくつものことが掛かっていると分かる。前の四半期にこの取引先が似た依頼を二度していて、支払いは平均より遅かったという記録がある。外注Aは別件で手一杯で、Bは今週余裕があることも、最近のスケジュールから分かる。だから下書きだけを投げたりしない。「この取引先は支払いが遅めなので、前入金の条件を付けてはどうか」「Bに任せれば10日早めるのは可能そうだ。ただし来週の別の注文が二日押す」といった判断まで添えて上げてくる。
二つのケースのモデルは同じかもしれない。差は、そのあいだに積み上がった数か月分の文脈から生まれた。
ここでもう一段、中に入ってみよう。この工房が積み上げたものは二種類ある。一つは、取引先リスト、過去の注文履歴、支払いが何日か遅れたという記録のような原データだ。表に書き出して別のサービスに渡しやすい。もう一つは、その上で削り出した判断の仕方だ。「この取引先には前入金をかけるほうがいい」「こういう急ぎの依頼はBに回す」といった結論は、数多くの事例で何がうまくいかず、何が通ったのかを経験しながら、サービスが磨き上げたものだ。この判断ルールも、ドキュメントやメモリに書き留めておけば持ち出せる。実際、Claudeのようなサービスは、積み上がったメモリをエクスポートして別の環境に取り込む機能を提供している(公式案内)。ただし、ルールを移したからといって性能までそのまま再現されるわけではない。新しいサービスが同じ判断に安定して到達するには、たいてい再びそれなりの適応と試行錯誤が必要になる。
だから乗り換えコストが生じる。乗り換えコストとは、別のサービスに移るときに支払わなければならない代償のことだ。金だけではない。一から全部教え直す時間と手間、そのあいだ品質が落ちるリスクまで、すべてがコストだ。工房が乗り換えた瞬間、原データも判断ルールもエクスポートはできるが、新しいサービスが以前と同じくらい呼吸が合うようになるまでには、また慣らす時間がかかる。社長はこれを一度経験すると、よほどのことがなければ乗り換えない。
ここから競争分析のコツが一つ出てくる。あるサービスの力を測るには、「どれだけ賢いか」よりも「去るときに何を失うか」を問うべきだ。去っても失うものがなければ、堀がないということだ。モデルだけが良いサービスがそうだ。逆に、去るときに数か月分の適応を一から積み直さなければならないサービスは、モデルが平凡でも簡単には奪われない。
ただし、乗り換えコストは加入初日はゼロだ。積み上がったものがないからだ。この堀は時間が作る。言い換えれば、序盤に顧客をつなぎとめ、文脈が積み上がりはじめるまで持ちこたえさせる設計が、半年後の堀の大きさを決める。
では、文脈を多く積み上げさえすれば勝てるのか。そう単純ではない。三つの落とし穴がある。
第一に、乗り換えコストは顧客をつなぎとめるが、行き過ぎると閉じ込める。出ていこうとしているのに自分のデータを持ち出せないと感じた瞬間、それは堀ではなく足枷だ。足枷をかけたサービスは、評判でその代償を払う。長く続く堀は「出ていけないように塞いだから」ではなく、「出ていけるのに出ていかないから」生まれる。原データであれ判断ルールであれ、いつでもエクスポートできるよう開けておくほうが、長い目で勝つ。
第二に、文脈は新鮮なときだけ資産になる。半年前の取引先の事情が今と違えば、古い文脈はむしろ誤った判断を招く。積み上げるのと同じくらい、捨てて更新する設計が重要だ。積み上げた量を誇るサービスより、それをどうやって最新に保つかを説明するサービスのほうが信頼できる。
第三に、文脈が深まるほど責任も大きくなる。その会社の支払い履歴、取引先との関係、内部事情を知っているということは、それだけ機微なものを握っているということだ。これをどう守り、どこまで使い、誰には見せないのかが曖昧なサービスは、文脈が深まるほど危険も一緒に深まる。深い文脈と、その文脈を扱う信頼は、一体として進まなければならない。
まとめると、競合を見るときに見るべき場所が変わる。デモ画面のなめらかさは文脈がゼロの状態での性能で、それはどうせみんな似たようなものだ。問いは一つに収束する。このサービスは、顧客の文脈をどうやって資産に変えているのか。
この文脈の堀を掘ろうとする試みは、サービスの形ごとに違った現れ方をする。あるサービスは顧客の散らばった文書の山を一箇所に集め、検索できる記憶に変える。あるサービスは業務の流れそのものに入り込み、意思決定の根拠を積み立てる。
ONTLEが選んだ形は派遣型だ。人を代わりに立てるのではなく、人を増やして雇うのが難しい小規模企業や一人起業家が、毎日繰り返す判断業務をそばで引き受けて手を減らすほうだ。先の家具工房をもう一度思い浮かべると、派遣型が積み上げる文脈はこういうものだ。どの取引先が支払いが遅いか、急ぎの注文をどの外注に回してきたか、社長がどんな条件で断ってきたか。手を減らすにはその会社の事情を知らなければならず、知るにはそばで経験しながら積み上がらなければならない。そうして積み上がったものが、そのまま簡単には引き剥がせない立ち位置になる。
市場の次の段階も、ここで分かれる。今は「どのモデルを使うか」でサービスを宣伝する時期だが、モデルが完全に平準化してしまえば、その文句は力を失う。そのとき残る問いは結局一つだ。あなたと半年仕事をしたサービスは、その半年をあなたの資産に変えておいたのか、それともただログとして流してしまったのか。競争分析の重心をモデルから文脈へ移すこと、これがこの市場を読むうえで最も実用的な角度だ。
仕事の絶対量が少なくても、繰り返しの手触りは確かにあります。取引先の傾向、好まれる報告の仕方、過去にうまくいかなかった点のようなものは、規模に関わらず積み上がります。むしろ小さな会社ほど、社長一人の頭の中だけにあった暗黙の判断が多いので、それが外に積み上がりはじめると体感効果はより大きくなります。大事なのは量ではなく、その文脈が次の判断に実際に反映されるかどうかです。
健全なサービスなら持っていけるべきです。サービスを選ぶときには「自分のデータをエクスポートできるか」を契約前に確認することをおすすめします。エクスポートを堂々と開けておくほうが、逆説的により信頼でき、より長く選ばれ続けます。
逆です。モデルが良くなるほど、文脈の価値は上がります。賢い人に会社の事情をうまく説明するほど、より良い判断が出てくるのと同じです。モデルが良くなったからといって、あなたの会社の事情を知る必要がなくなるわけではありません。むしろ同じモデルを使う競合のあいだで、文脈の差がより鮮明に浮かび上がります。
オープンソースで平準化されるのはモデルとツールのほうです。それはもともと堀ではありませんでした。特定の顧客と積み上げた文脈は、オープンソースで出回るような性質のものではありません。無料のツールが増えるほど、差別化はそのツールで何を積み上げたか、というほうへより傾いていきます。