AIはSaaSの価値をどう変えるのか？All-In Podcastから読む論点

AIがSaaSを壊すのか、それとも新しい需要を広げるのか。All-In Podcastで交わされた議論は、個別ニュースの値動きを追うよりも、「SaaSの価値がどこに残り、どこが薄くなるのか」を考える材料として読むほうが実務に役立ちます。

本記事では、番組内で扱われた論点を、日本企業がSaaS導入やAIエージェント活用を考えるときの視点に引き直して整理します。

---

この記事でわかること

1. AIで価値が薄れやすいSaaSと、逆に重要性が増すSaaSの違い
2. 悲観論と需要拡大論を読むときに確認したい視点
3. 小さな組織がAIエージェント導入を試すときの進め方

基本情報

---

市場がSaaSをどう見始めたか

番組内で繰り返し扱われたのは、新しいAI機能そのものよりも、「既存SaaSの交渉力がどこまで残るのか」という問いです。短期的な値動きは結果であり、本質的な論点は「どのワークフローがモデルに吸収され、どこに運用の摩擦や責任が残るか」にあります。

短期の値動きより、交渉力の再評価が論点

• 入力から出力までが単純なSaaSは、モデルの標準機能に吸収されやすい
• 既存の業務フローに深く入り込んだSaaSは、AIだけでは置き換えにくい
• データ管理、承認、監査、運用設計を握るSaaSは、AIレイヤーが増えるほど役割がはっきりする

つまり、AIがSaaSを一律に壊すのではなく、SaaSごとに「どこがコモディティ化し、どこが基盤として残るか」が問われているわけです。

収録回で目立った3つのテーマ

1. AI機能の追加は、既存ベンダーの値付けや差別化への圧力として読まれやすい
2. フィクションや強いシナリオであっても、不確実性が高い局面では市場心理を揺らしやすい
3. いっぽうで、業務にAIを組み込める企業ほど新しい需要を取り込みやすい

---

不確実性が大きい時ほど、物語が相場観を左右する

番組で何度も触れられたのが、Citrini Researchのシナリオ記事です。重要なのは細かな数値そのものではなく、フィクションであっても「もしそうなったら」という物語が、SaaSの将来像を読むレンズとして広く消費されることです。

市場が「いつ」から「もし」に変わった

Chamath Palihapitiyaが、この現象を鋭く分析しています。

“

"We used to debate when. When will these cash flows disappear? Now it's like will they even exist?"

「私たちはかつて『いつ』を議論していた。これらのキャッシュフローはいつ消えるのか？今では『そもそも存在し続けるのか』という問いになっている。」

— Chamath Palihapitiya, Social Capital CEO

この転換が意味するのは、「いつ弱くなるか」ではなく、「そもそも価値の源泉が残るのか」を問う見方へ移っていることです。実務で参考になるのは、倍率の細かな数字よりも、SaaSを次の3つに分けて読む視点です。

• AIを組み込み、業務全体の成果を引き上げるSaaS
• モデルやagent layerに一部機能を吸収されやすいSaaS
• データ管理、承認、監査、業務フロー設計で残存価値を持つSaaS

投資家だけでなく、買い手側の企業もこの分類でベンダーを見るようになると、「機能の数」より「どの責任を肩代わりしてくれるか」が選定基準になります。

情報の出所と立場を分けて読む

この種の議論で忘れがちなのが、誰が何の立場で語っているかです。AI時代のSaaS論は、実務者の現場感、投資家のポジション、メディアが欲しがる強い見出しが混ざりやすく、同じ話でも強調点が大きく変わります。

フィクションや強い比喩が話題になる時代だからこそ、SaaSの将来は「煽り」ではなく「どの業務責任が残るか」で見る必要があります。

---

SaaSは消えるのか、それとも役割が変わるのか

悲観論が突くポイント

Freibergが提起した最も根本的な問いは、「生産能力が消費能力を超えたとき、何が起きるか」です。

“

"It may be the case that knowledge work in general is also a transitory phenomenon that only existed between the foundation of the computer or computing tools and the existence of AI generally speaking."

「知識労働全般が、コンピューティングツールの誕生とAIの登場の間にのみ存在した一時的な現象だった可能性がある。」

— David Friedberg, 農業技術投資家

この見方が突いているのは、単機能のSaaSや「人が画面上でつないでいた作業」がAIに吸収される可能性です。とくに、入力と出力が定型化されている領域では、UIだけでは差別化しにくくなります。

需要拡大論が強い理由

一方で、AIがソフトウェアを作りやすくするほど、これまで予算や人手の都合で放置されていた業務までデジタル化されます。効率化は既存ツールの置き換えだけでなく、新しい内部ツール、新しい自動化、新しい運用レイヤーも生みます。

実務では二つの流れが同時に起きる

現場では、薄くなるSaaSと厚くなるSaaSが同時に出てきます。単純な補助機能は圧縮される一方で、社内データ、承認、運用ルール、既存システム接続をまとめる基盤は、むしろ重要性が上がります。

SaaSベンダーを見るときも、「AI機能があるか」だけでなく、「AIを入れても残る運用責任をどれだけ肩代わりしているか」で見たほうが実態に近くなります。

---

実践で見えるAIエージェント運用の論点

最も実践的な示唆をもたらしたのは、Jason Calacanisの自社での取り組みです。

“

"Every piece of software that we wanted to buy or build over the last 10 years that we never got to, my people are building in the last 30 days."

「過去10年間に購入・構築したかったにもかかわらず実現できなかったあらゆるソフトウェアを、今は30日で作れている。」

— Jason Calacanis, All-In Podcastホスト・ベンチャー投資家（THIS WEEK IN STARTUPS）

小さな反復業務から始める

Jasonの事例で重要なのは、華やかな数字よりも「先に業務を言語化し、その後にエージェントへ落とし込む」順番です。各自が自分の仕事を分解し、繰り返し発生する作業からテンプレート化していくことで、買いたかったが後回しにしていた内部ツールや自動化を一気に前進させています。

これは「万能エージェントを一度に作る」話ではありません。小さな反復業務を選び、プロンプト、参照資料、確認手順を更新し続ける運用そのものが価値になります。

自動化された7つのエージェント業務

「人を解雇するのではなく再配置する」哲学

重要なのは、Jasonが「人を解雇するのではなく再配置（redeploy）する」という方針を明示している点です。AIで浮いた時間を次の改善テーマへ回す前提があるからこそ、現場も業務知識をエージェントに移しやすくなります。

この「再配置」の考え方は、AIエージェント導入における最大の成功要因です。効率化で生まれた時間を「何に振り向けるか」を事前に設計することで、組織全体の価値創出力が上がります。解雇が目的になった瞬間、社員のAI活用モチベーションは消えます。

---

ネクサフロー視点：日本企業がAIエージェントで得られる優位性

本記事では、All-In Podcastの議論を日本のビジネス環境に置き換えて考えます。

SaaS崩壊論への現実的な見方

日本企業の多くはまだSaaSの恩恵を十分に享受できていません。「SaaS崩壊」を恐れる前に、まず既存の業務をデジタル化・SaaS化する段階にある企業も多いでしょう。

むしろ日本企業にとってのチャンスは、「SaaS導入のコストが下がる時代」を活用することです。AIエージェントを使えば、従来は数千万円かかっていたシステム構築が、数十万円で実現できる可能性があります。

日本企業がすぐ試せる3つのエージェント活用法

1. 営業情報収集エージェント Jasonの事例を参考に、競合他社の価格・プレスリリース・SNS発信を自動収集し、毎朝Slackに要約を届けるエージェントを構築できます。

2. 会議議事録・アクション管理エージェント Zoom・Google Meetの録音を自動文字起こしし、アクションアイテムをNotionやSlackに自動登録するフローです。

3. 問い合わせ一次対応エージェント メール・フォームからの問い合わせを分類し、テンプレートを元に一次回答を生成。担当者が確認・送信するだけにします。

AIエージェントオーケストレーター：次のキャリア

Jasonが指摘した「エージェントの指揮者（オーケストレーター）」というロールは、日本でも急速に価値が高まります。業務プロセスを理解し、エージェントに落とし込み、管理できる人材は、従来の「業務改善コンサル」や「社内SE」の上位互換として高く評価されるでしょう。

---

FAQ

AIエージェントは既存のSaaSを完全に置き換えるのか？

完全な置き換えが一気に進むというより、SaaSごとに「薄くなる部分」と「むしろ重要になる部分」が分かれていくと考えるほうが現実的です。とくに、AIで置き換えやすいのは単純な補助機能であり、社内データ、承認、監査、既存システム連携を束ねる役割は残りやすいです。

Citrini Research「2028 Global Intelligence Crisis」はフィクションなのに、なぜ株価に影響したのか？

市場参加者が「もしかしたら正しいかもしれない」という不確実性に反応するからです。Chamathが言うように、問いが「when」から「if」へ移ると、フィクションでも将来像を考えるレンズとして消費されます。だからこそ、刺激的な結論よりも、どの前提に依存した話なのかを分解して読む必要があります。

ジェバンズのパラドックスとは何か？AIにどう当てはまるか？

19世紀の経済学者ウィリアム・ジェバンズが指摘した、「効率が上がると総消費量が増えることがある」という考え方です。AIでソフトウェアを作りやすくなると、人が減るだけではなく、これまで着手できなかった業務改善や内部ツール開発の需要が表に出てくる可能性があります。

AIエージェントを会社に導入するための最初のステップは？

まず「繰り返し行っていて、手順を文章で説明できる業務」を一つ選ぶことです。次に、その手順、参照資料、確認ポイントを簡単に文書化し、AIエージェントに試しにやらせます。最初から完成度を求めるより、短い改善サイクルを回すほうが定着しやすくなります。

新しいAI機能の話がSaaS議論を揺らしやすいのはなぜ？

新しいAI機能は、「どの作業が自動化されるか」を急に具体化するからです。すると市場も買い手企業も、既存SaaSの機能を「本当に独立した製品として残るのか、それとも標準機能に近づくのか」という目線で見直し始めます。

日本企業でAIエージェントを活用する際の注意点は？

3点挙げます。①情報セキュリティ：社内の機密情報をAIに渡す際の規程整備。②著作権・個人情報：生成コンテンツと学習データに関する法的整理。③変化管理：「AIが仕事を奪う」という誤解を払拭し、「AIで仕事が広がる」という文化醸成が必要です。

---

まとめ

冒頭の問いに戻ります。AIはSaaSを壊すのか、それとも新しい需要を生むのか。

All-In Podcastの議論が示したのは、「どちらか一方ではない」という現実です。

3つの確実なこと

1. 市場の問いが変わった: SaaSの将来は「いつ弱くなるか」ではなく、「そもそもどの価値が残るのか」で見られるようになっています

2. 強い物語ほど前提の確認が必要: Citrini Researchの話が示すのは、刺激的な将来像ほど出所と立場を分けて読む必要があるということです

3. 実務では運用設計が先に来る: 論争の結論を待つより、まずは業務プロセスを言語化し、再配置を前提に小さな反復業務から試すほうが前に進みます

次のステップ

• 自社内で「繰り返しているが言葉で説明できる業務」を3つ書き出す
• ClaudeやChatGPTのAgent機能を使い、そのうち1つを試験的に自動化する
• AIエージェント活用に長けた「オーケストレーター人材」の育成計画を立てる

---

参考動画

---

関連記事

---

参考リソース

• All-In Podcast 公式
• Citadel Securities SaaS Report（参照元）
• Anthropic 公式

---

本記事はネクサフローのAI研究シリーズの一部です。