結論から言う。分ける変数は「誰の、どの作業を、いくらで置き換えるか」が明確かどうか、それだけだ。

OpenAIは年間売上37億ドル。一方で経費は推定87億ドル超。年間約50億ドルを燃やしている。 Plaudは小型AIレコーダーで議事録を自動生成し、ARR（年間経常収益）1億ドルを突破。Probablyは「AIの嘘」を検出する技術で900万ドルを調達した。

同じ「AIスタートアップ」なのに、なぜこうも明暗が分かれるのか。

答えはシンプルだ。「誰の、どの作業を、いくらで置き換えるか」が1行で言えるかどうか。 これが言える会社は稼ぎ、言えない会社は燃やす。中小企業がAIベンダーを選ぶときも、この1行が判断基準になる。

—

OpenAIの構造的な問題——「汎用」は儲からない

2024年に流出したOpenAIの財務資料を整理すると、数字はこうなる。

• 2024年売上: 約37億ドル（前年比2倍以上）
• 2024年経費: 推定87億ドル超（GPUインフラ、人件費、推論コスト）
• 純損失: 約50億ドル
• 2025年売上見込み: 約130億ドル

売上は急成長している。だが、ユーザーが増えれば増えるほど推論コスト（AIが回答を生成するたびにかかるGPU代）も増える。売上が2倍になれば、コストも2倍近く膨らむ構造だ。

なぜこうなるか。OpenAIのChatGPTは「何でもできるAI」だ。コードも書く、詩も書く、料理のレシピも出す。だが「何でもできる」は裏返せば「特定の誰かの特定の課題を解決する道具」として設計されていない。月20ドルのサブスクで、推論コストが1ユーザーあたり月数ドル〜十数ドルかかる。粗利が薄い。

これは中小企業にとっても重要な示唆だ。「何でもできるAI」を導入しても、現場の特定の業務コストが劇的に下がるわけではない。 結局、社員が「便利なおもちゃ」として使うだけで終わる。

—

Plaudが1億ドル稼げる理由——「会議の議事録」という明確な置き換え

Plaudのビジネスは極めてわかりやすい。

• 誰の: ビジネスパーソンの
• どの作業を: 会議の録音→文字起こし→要約→議事録作成を
• いくらで: 月額数千円のサブスク＋専用デバイス（約2万円）で置き換える

1行で言える。

議事録作成にかかる時間は、1時間の会議で平均30〜60分。時給3,000円の社員なら1回あたり1,500〜3,000円のコストだ。週3回会議がある人なら月に2万〜4万円。Plaudの月額数千円で、この作業が「勝手に終わっている」状態になる。

コスト削減効果が具体的に計算できる。だから売れる。

しかもPlaudは専用の小型デバイスを売っている。ハードウェアの売上が先に立ち、サブスクで継続課金する。初期売上＋継続売上の二層構造だ。ARR1億ドルの内訳は公開されていないが、デバイス販売が顧客獲得コストを回収し、サブスクが利益を積み上げる設計と見られる。

リモートワークの普及で「会議が多すぎる」問題は深刻化した。Plaudはその痛みにピンポイントで刺さった。

—

Probablyの900万ドル——「AIの嘘」を止めるという明確な課題

Probablyは、AIが生成する情報の事実誤認（いわゆるハルシネーション）を検出・防止する技術を開発している。900万ドルのシード調達に成功した。

これも1行で言える。

• 誰の: AIを業務に組み込みたい企業の
• どの作業を: 「AIの出力が正しいか人間がチェックする」作業を
• いくらで: 自動検証ツールで置き換える

AIを業務に使い始めた企業が最初にぶつかる壁が「出力の信頼性」だ。ChatGPTが出した回答をそのまま顧客に送れるか？ 契約書のドラフトをそのまま使えるか？ 答えはNoだ。だから人間がチェックする。このチェックコストが馬鹿にならない。

Probablyはこのチェックコストを下げる。AIの出力にもう一層のAIをかませて、事実との整合性を自動検証する。AIが普及すればするほど、この「信頼性レイヤー」の需要は増える。 構造的に伸びるポジションだ。

—

「燃やす組」と「稼ぐ組」を分ける構造

整理するとこうなる。

OpenAIが悪い会社だと言いたいわけではない。プラットフォームとして巨額投資が必要なフェーズにいる。だが、中小企業がAIベンダーを選ぶとき、「OpenAI型」のベンダーに依存するのはリスクが高い。

なぜか。燃やし続けるベンダーは、いつ値上げするかわからない。いつサービスを終了するかわからない。いつ方針転換するかわからない。実際、OpenAIはこの1年で料金体系を複数回変更している。

—

中小企業がAIベンダーを選ぶときの「5秒チェック」

難しいチェックリストは要らない。聞くことは3つだけだ。

1. 「うちの何の作業が、いくらからいくらになるのか」

これに具体的な数字で答えられないベンダーは候補から外していい。「業務効率化」「DX推進」「生産性向上」——こういうカタカナ語で返してくるベンダーは、自分たちも何を売っているかわかっていない。

2. 「そのベンダーは、自分の売上で食えているか」

調達額の大きさに惑わされてはいけない。「10億円調達しました！」は「10億円燃やす予定です」と同義だ。重要なのは売上と利益の構造。上場企業なら決算を見る。未上場なら「既存顧客の継続率」を聞く。90%以上なら合格。70%以下なら危険信号だ。

3. 「やめたくなったとき、やめられるか」

データのエクスポートはできるか。独自フォーマットに囲い込まれないか。API連携で他ツールに乗り換えられるか。ベンダーが潰れたとき、自社の業務が止まらないか。 これを確認しない中小企業が多すぎる。

—

地方の中小企業にとって、この話はどう関係するか

「OpenAIとかPlaudとか、うちには関係ない話でしょ」と思うかもしれない。だが構造は同じだ。

地方にも「AIで御社の業務を変革します」と営業してくるベンダーは増えている。そのベンダーが「燃やす組」か「稼ぐ組」かを見極める目が必要だ。

見極め方は簡単。「うちの経理の月末処理、今30時間かかってるんだけど、何時間になる？」と聞けばいい。 具体的な数字で返せるベンダーは信頼できる。「まずはPoC（概念実証）から始めましょう」としか言えないベンダーは、あなたの会社で実験したいだけだ。

AIのコストは劇的に下がっている。GPT-4の推論コストは1年で10分の1以下になった。つまり、1年前に300万円かかったAI導入が、今なら30万円でできる可能性がある。コストが下がった分、中小企業にもチャンスが来ている。

だからこそ、ベンダー選びで失敗したくない。判断基準はひとつ。

「誰の、どの作業を、いくらで置き換えるか」——この1行が言えるかどうか。

言えるベンダーと組め。言えないベンダーからは逃げろ。それだけだ。

—