LLMは垂直ソフトウェアがこれまで依存してきた経営的優位性を組織的に解体しており、以前は「ソフトウェアの使いにくさ」と「プロセスの複雑さ」で高額なプレミアムを得ていた時代は終わり、市場は残酷な価値の再評価を経験している。
硬・AI
作者 | Kozmon
編集 | 硬 AI
Fintool創業者のNicolas Bustamante氏が最近、Xプラットフォームで「核心を突く」詳細な長文を投稿し、最近のソフトウェア株の兆ドル規模の時価総額消失の背後にある残酷な真実を直接的に指摘した。
欧州最大の法テックプラットフォーム（Doctrine）を構築し、現在はAI金融（Fintool）に取り組む「二足のわらじ」を履く起業家として、彼は新旧時代の境界線に立ち、垂直SaaS業界が依存してきた10の経営的優位性がどのように大規模モデルによって次々と崩壊しているかを詳細に解説した。
Nicolas氏は、LLM（大規模言語モデル）が垂直ソフトウェアがこれまで依存してきた経営的優位性を組織的に解体していると考えている。以前は「ソフトウェアの使いにくさ」と「プロセスの複雑さ」で高額なプレミアムを得ていた時代は終わり、市場は残酷な価値の再評価を経験している。
この記事の要点をまとめた：
1.「使いにくさ」はもはや経営的優位性ではない
以前はブルームバーグターミナルのようなソフトウェアにおいて、最大の経営的優位性は実は「使いにくさ」だった。ユーザーは長い時間をかけて複雑なショートカットキーとコードを学習し、一度覚えると乗り換えたくなくなる。しかし今、LLMはすべての複雑なインターフェースをチャットボックスに凝縮し、ユーザーは人間の言葉を話すだけでデータを取得したりモデルを調整したりできるようになり、ウォール街が対価を払っていた「習熟度の壁」は瞬く間にゼロになった。
2. ビジネスロジックが「数百万行のコード」から「1つのMarkdownファイル」に
これが最も破壊的な点だ。以前は法律や金融のワークフローをコピーするには、業界を理解するエンジニアが数年かけてコードを書く必要があった。今では、業界を理解するファンドマネージャーがMarkdown文書（プロンプトスキル）を書くだけで、AIにDCF評価の方法を教えることができ、AIは優秀に実行できる。核心的な壁は「希少なエンジニア」から「安価なドキュメント」に変わり、競合他社があなたをコピーする時間は数年から数週間に短縮された。
3. 公開データの整理で収益を上げている企業は危険
以前は雑多な財務諸表（SEC書類）を検索可能なデータに整理することは価値があったが、今では大規模モデルは生まれつきこれらの文書を読み解ける。最先端モデル（ClaudeやGPTなど）は生まれつき10-K年次報告書や法律文書を読み解け、それ自体が最高のパーサーだ。「情報の非対称性」と「公開データの整理」で収益を上げるモデルは、AIによって無慈悲にコモディティ化されている。「コードもビジネスも理解する」希少人材はもはやボトルネックではない。
今ではビジネスを理解するファンドマネージャーはPythonを学ぶ必要がなく、日常的な言葉で直接AIに指示を出せる。これは本来希少な業界経験が迅速にソフトウェア製品に転換できることを意味し、競合他社は増え続ける。
4. 独自データが唯一の「免罪符」に
逆に言えば、スクレイピングできず、合成できない「プライベートデータ」（ブルームバーグのリアルタイム取引台データ、S&Pのプライベート信用格付けなど）を持っていれば、LLMはむしろあなたの価値を増幅させる。AI時代において、これらのデータはすべてのAIエージェントが渇望する「希少な燃料」であり、独自データを持つ企業は絶対的な価格決定権を握る。
5.「コンプライアンス」と「取引」はAIも噛み砕けない硬い骨
過度に焦る必要はない。AIも手の出せない経営的優位性もある。例えば医療ソフトウェアEpicの場合、その壁はHIPAAコンプライアンスとFDA認証だ。Stripeの場合、その壁は資金処理のライセンスとチャンネルだ。AIがどれほど賢くても規制のハードルを越えられず、銀行のインフラなしに資金を動かすこともできない。ソフトウェアが「取引に組み込まれている」か「規制の上に成り立っている」限り、当面は安全だ。
6. 競争環境が「三国志」から「百団大戦」に
以前は垂直SaaSを構築するには200人のエンジニアと5000万ドルのデータ予算が必要だったため、各業界には通常2〜3の巨大企業が独占していた。今ではAPIと数人のエンジニアで巨大企業の80%の機能を実現でき、競合他社は瞬く間に3社から300社に増える。これは価格体系の崩壊を招き、SaaS企業の高額な評価倍数は完全に本来の姿に戻される。
7. 真の脅威は「挟み撃ち」
垂直SaaSは今、背腹から敵に遭っている。下からは数百のAIネイティブスタートアップが狂ったように噛みつき、上からはMicrosoft、Anthropicのような巨大企業が「汎用エージェント＋プラグイン」の方式で垂直分野に直接進出してくる。ソフトウェアは「ヘッドレス化」しており、将来ユーザーはあなたのソフトウェアを開かず、AIエージェントを通じて直接あなたのサービスを呼び出すかもしれない—もしあなたが単なる「データサプライヤー」に成り下がれば、利益はプラットフォームに完全に絞り取られる。
以下、原文の一部：
垂直ソフトウェアに10年携わって：今回の売り圧しに対する私の見解
過去数週間で、ソフトウェア・サービス株の時価総額は約1兆ドル蒸発した。FactSetの時価総額は200億ドルのピークから80億ドル未満に暴落した。S&P Globalは数週間で30%下落した。Thomson Reutersは1年で時価総額が半減した。140社で構成されるS&P 500ソフトウェア・サービス指数は、年初来20%下落している。
先週、AnthropicはClaude Cowork向けの業界特化型プラグインをリリースした。Claude Coworkは知識労働者向けに設計されたAIエージェントで、複雑な研究、分析、ドキュメントワークフローを自律的に処理できる。
ウォール街はこれをパニックと呼んでいる。過去10年間、私は垂直SaaS（Vertical SaaS）の構築に尽力してきた。まずは@Doctrine、現在は欧州最大の法律情報プラットフォーム（LexisNexis、Westlawなどと競合）。そして@fintool、米国でBloomberg、FactSet、S&P Globalと競合するAI駆動型株式研究プラットフォームだ。
「私はかつて、今まさに大規模言語モデル（LLM）によって脅威にさらされているソフトウェアを構築していた。そして今私が構築しているのは、まさにその脅威となるソフトウェアだ。私はこの破壊的変革の両端に身を置いている。」
私が見ている真実はこうだ：LLMは垂直ソフトウェアに防御力を与えていた経営的優位性を組織的に解体している。しかし、すべてが解体されるわけではない。結果として、垂直ソフトウェアの価値構成と、それが正当に得るべき評価倍数が再定義されている。
この記事では：
垂直ソフトウェアに防御力を与える10の経営的優位性、そしてそれぞれに対するLLMの影響
なぜ市場の売り圧しは構造的には合理的だが、タイミングの面では過剰反応しているのか
真の脅威は何か（あなたが思っているものとは違う）
何が垂直ソフトウェアに取って代わるのか
垂直ソフトウェア業界の次の行方
01 垂直ソフトウェアの10の経営的優位性（およびそれぞれに対するLLMの影響）
垂直ソフトウェアとは、特定業界向けに構築されたソフトウェアだ。金融界のBloomberg、法律界のLexisNexis、医療界のEpic、建設業界のProcore、ライフサイエンス界のVeevaなどがその例だ。
これらの企業には共通の決定的な特徴がある：料金が高額で、顧客の解約率が極めて低い。FactSetはユーザー1人あたり年間15,000ドル以上を請求する。Bloomberg Terminalは1シートあたり25,000ドルのコストがかかる。LexisNexisは法律事務所に毎月数千ドルを請求する。そして顧客維持率は95%前後を推移している。
私は10の明確に異なる経営的優位性が存在すると考えている。LLMはその一部を攻撃し、別の一部を温存している。どれが攻撃され、どれが温存されているかを理解することが、このゲームのすべてだ。
1. 習得性インターフェース（Learned Interfaces）→ 破壊された
Bloomberg Terminalのユーザーは数年をかけてキーボードショートカット、機能コード、ナビゲーションパターンを学習する。GP、FLDS、GIP、FA、BQ。これらは直感的な操作ではなく、一種の言語だ。一度流暢に習得すると、別のプラットフォームへの切り替えは文盲に戻ることを意味する。
私は何度もこういう言葉を聞いてきた：「私たちはFactSet派です。」「私たちはLexisの法律事務所です。」「私たちはBloomberg一家です。」これらの宣言はデータ品質や機能セットとは無関係だ。これらはソフトウェアの筋肉記憶に関する宣言だ。人々は10年をかけてこのツールを学習してきた。その投資は移転不可能だ。
これは最も過小評価されている経営的優位性だ。知識労働者が支払いをするのは、10年間習得したワークフローを再学習しないためだ。インターフェース自体が価値提案の大部分を占めている。
私はDoctrineでこれを肌で感じた。私たちはデザイナーチームと大規模なカスタマーサクセスマネージャー（CSM）チームを擁し、彼らの仕事のすべては弁護士をインターフェースに誘導することだった。UI（ユーザーインターフェース）の変更はすべてプロジェクトだった：ユーザーリサーチ、デザインスプリント、慎重なリリース、手取り足取りの指導。弁護士たちが古いフィルターを中心に筋肉記憶を構築していたため、ファセット検索フィルターの再設計に数週間を費やした。インターフェースは機能ではなく、それが製品そのものだった。その維持は最大のコストセンターの一つだった。
Fintoolでは、オンボーディングはない。CSMが製品のナビゲーションを教えることもない。ユーザーはシンプルな英語で欲しいものを入力し、答えを得る。学ぶべきインターフェースはない。すべてが会話だからだ。デザイナー、CSM、UI変更管理というコストセンター全体が存在しない。チャットインターフェースがこれらのサポート構造をすべて吸収した。
「LLMはすべての専有インターフェースをチャットウィンドウに凝縮する。」
金融アナリストが今日Bloomberg Terminalで何をしているか想像してみてほしい。彼らは株式スクリーニング機能にナビゲートする。専用の構文でパラメータを設定する。結果をエクスポートする。DCF（ディスカウンテッドキャッシュフロー）モデルビルダーに切り替える。仮定を入力する。感応度分析を実行する。Excelにエクスポートする。プレゼンテーションを作成する。
各ステップは習得したインターフェース知識を必要とする。各ステップは切り替えコストを強化する。
では、同じアナリストがLLMエージェントを使って何をするか考えてみよう：
「時価総額が10億ドル超、PERが30倍未満、収益が前年同期比20%超で成長しているすべてのソフトウェア企業を表示して。上位5社のDCFモデルを作成して。割引率と終値成長率で感応度分析を行って。」
3つの文章。キーボードショートカットなし。機能コードなし。ナビゲーションなし。ユーザーはLLMがどのデータプロバイダーにクエリを投げたかさえ知らない。気にしていない。
インターフェースが自然言語の会話になると、何年もの筋肉記憶は無価値になる。年間2万5千ドルのシート料金を正当化していた切り替えコストは瞬時に消滅する。多くの垂直ソフトウェア企業にとって、インターフェースは価値の大部分だった。基盤となるデータは通常ライセンス供与された、公開された、あるいは半コモディティ化されたものだった。プレミアム価格を支えていたのはデータの上に構築されたワークフローだった。それは終わった。
2. カスタムワークフローとビジネスロジック（Custom Workflows and Business Logic）→ 蒸発
垂直ソフトウェアは業界の実際の動作をコード化する。法律リサーチプラットフォームは判例法を保存するだけではない。引用ネットワーク、Shepardizeシグナル、判例要旨分類体系、訴訟弁護士がブリーフを書く具体的な方法をコード化している。
このビジネスロジックの構築には数年を要する。それはドメイン専門家との数千回の会話を反映している。Doctrineを構築したとき、最も難しかったのは技術ではなかった。それは弁護士が実際にどう働いているかを理解することだった：彼らがどう判例法をリサーチし、どう文書を起草し、提訴から裁判までどう訴訟戦略を構築するか。この理解を実行可能なソフトウェアにコード化することは、垂直ソフトウェアが価値がある—そして防御力がある—巨大な理由だった。
LLMはこれらすべてを1つのMarkdownファイルに変換する。
これは最も過小評価されている変化であり、長期的には最も破壊的だと私は考えている。
従来の垂直ソフトウェアはビジネスロジックをコードでコード化する。何千ものif/then分岐、検証ルール、コンプライアンスチェック、承認ワークフロー。エンジニアが何年もかけてハードコードした...しかも普通のエンジニアではない。その分野を真に理解するソフトウェアエンジニアが必要で、これは希少だ。プロダクション品質のコードを書きながら、訴訟ワークフローがどう機能するかやDCFモデルをどう構築するかを理解できる人を見つけるのは極めて困難だ。このビジネスロジックの変更には開発サイクル、QA（品質保証）、デプロイが必要だ。
私自身の経験から具体的な例を挙げよう。
Doctrineでは、弁護士が与えられた法律問題に関連する判例法を見つけるのを助える法律リサーチワークフローを構築した。システムは法分野（民事・刑事・行政）を理解し、問題を検索可能な概念に解析し、複数の裁判所データベースにクエリを投げ、関連性と権威性で結果をランク付けし、正しい引用コンテキストを提示する必要があった。このシステムの構築には、エンジニアと法律専門家のチームが数年を要した。ビジネスロジックは数千行のPythonコード、カスタムランキングアルゴリズム、手動調整された関連性モデルに分散していた。すべての変更にはエンジニアリングスプリント、コードレビュー、テスト、デプロイが必要だった。
Fintoolでは、DCF評価スキル（Skill）がある。それはLLMエージェントにどうディスカウンテッドキャッシュフロー分析を行うかを教える：どのデータを収集するか、業界ごとにどうWACC（加重平均資本コスト）を計算するか、どの仮定を検証するか、どう感応度分析を実行するか、いつ株式報酬を加え戻すか。これはMarkdownファイルだ。作成には1週間かかった。更新には数分だ。500回DCF評価を行ったポートフォリオマネージャーは、1行もコードを書くことなく、彼らの方法論全体をコード化できる。
「何年ものエンジニアリング対1週間の執筆。これが変化だ。」
そしてそれは速度だけではない。Markdownスキルは重要な点でより優れている。誰でも読める。監査可能だ。各ユーザーにカスタマイズできる（顧客は自分のスキルを書いている）。基盤モデルが改善されると、1行もコードに触れることなく自動的に良くなる。
ビジネスロジックは、専門エンジニアが書くコードから、ドメイン専門知識を持つ誰もが書けるMarkdownファイルへと移行している。垂直ソフトウェア企業が10年かけて構築した蓄積されたビジネスロジックは、今や数週間でコピーできる。ワークフローの経営的優位性は極めて急速に侵食されている。
3. 公開データアクセス（Public Data Access）→ コモディティ化
垂直ソフトウェアの価値提案の大きな部分は、入手困難なデータをクエリ可能にすることだ。FactSetはSEC（米国証券取引委員会）提出書類を検索可能にする。LexisNexisは判例法を検索可能にする。これらは真のサービスだ。SEC提出書類は技術的には公開されているが、生のHTML形式の200ページの10-K年次報告書を読んでみてほしい。各社で構造が一貫していない。会計用語は難解だ。必要な実際の数字を抽出するには、ネストされたテーブルを解析し、脚注参照を追跡し、修正されたデータを調整する必要がある。
LLM以前、これらの公開データにアクセスするには専用のソフトウェアと大規模なエンジニアリングサポート構造が必要だった。FactSetのような企業は、各提出タイプ、各企業の独自形式に対応する数千のパーサーを構築した。形式が変わるたび、エンジニアの群れがこれらのパーサーを維持した。生のSEC提出書類をクエリ可能なデータに変換するコードは真の競争優位性だった。
Doctrineでも、これは大量の仕事だった。私たちは異なる判例法のためにNLP（自然言語処理）パイプラインを構築した：裁判官、裁判所、法的概念を抽出するための固有表現認識（NER）。専門の機械学習モデルが判決を法分野ごとに分類した。各裁判所にカスタムパーサーを用意し、それぞれに独自の形式の癖があった。エンジニアたちは何年もかけてこのサポート構造を構築・維持した。これは真に印象的な技術であり、真の経営的優位性だった。なぜなら、コピーするには数年の仕事を意味したからだ。
Fintoolでは、これらを一切構築していない。NERはゼロ。カスタムパーサーはゼロ。業界固有の分類器はゼロ。なぜか？最先端モデルはすでに10-K年次報告書のナビゲート方法を知っているからだ。彼らはHome DepotのティッカーシンボルがHDであることを知っている。GAAP（一般に認められた会計原則）と非GAAP収益の違いを理解している。パターンを教えられなくても、セグメント開示のネストされたテーブルを解析できる。Doctrineが数年かけて構築した解析インフラは、今やモデルに無料で付属するコモディティ能力だ。
LLMはこれを些細なことにする。最先端モデルは、トレーニングデータからSEC提出書類の解析方法をすでに知っている。彼らは10-Kの構造、収益認識ポリシーがどこにあるか、GAAPと非GAAPデータをどう調整するかを理解している。パーサーを構築する必要はない。モデルがパーサーだ。10-Kを投入すれば、そのことについての質問に答えられる。連邦判例法のコーパス全体を投入すれば、関連する先例を見つけられる。
垂直ソフトウェアが数十年かけて構築した解析、構造化、クエリは、今や基盤モデル自体に組み込まれたコモディティ能力だ。データは無価値ではない。しかし「検索可能にする」レイヤー—これが大量の価値と価格決定権の所在だった—は崩壊している。
4. 人材の希少性（Talent Scarcity）→ 逆転
垂直ソフトウェアの構築には、ドメインと技術の両方を理解する人材が必要だ。プロダクション品質のコードを書きながら、クレジットデリバティブの構造がどう機能するかを理解できるエンジニアを見つけるのは極めて希少だ。この希少性は天然の参入障壁を生み、歴史的にいかなる垂直分野でも有力な競合他社の数を制限してきた。
LLMはこの経営的優位性を完全にひっくり返した。
Doctrineでは、採用は残酷だった。優秀なエンジニアだけでなく、法的推論を理解できるエンジニアが必要だった：先例がどう機能するか、管轄権がどう相互作用するか、最高裁判所への上告理由がどう見えるか。こういう人はほとんど存在しない。だから自分たちで育成した。毎週、弁護士がエンジニアに法律制度が実際にどう機能するかを教える内部講座を開催した。新しいエンジニアが生産性を持つまでには数ヶ月かかった。人材の希少性は真の障壁であり、私たちだけでなく、競合しようとする誰にとってもそうだった。
Fintoolでは、これらを一切行っていない。ドメイン専門家（ポートフォリオマネージャー、アナリスト）が直接彼らの方法論をMarkdownスキルファイルに書き込む。彼らはPythonを学ぶ必要がない。APIを理解する必要がない。良いDCF分析がどう見えるかをシンプルな英語で書けば、LLMが実行する。エンジニアリング部分はモデルが処理する。ドメイン専門知識、かつては豊富なリソースだったものが、エンジニアリングのボトルネックなしに直接ソフトウェアに転換できるようになった。
LLMはエンジニアリングを身近なものにし、これは希少リソース（ドメイン専門知識）がソフトウェアに転換する能力において突然豊富になったことを意味する。これが、参入障壁がこれほど激しく崩壊している理由だ。
5. バンドル販売→ 弱体化
垂直ソフトウェア企業は隣接能力をバンドルすることで拡大する。Bloombergは市場データから始め、その後メッセージング、ニュース、分析、取引、コンプライアンスを追加した。各新モジュールは、顧客が製品全体ではなくエコシステム全体に依存するようになるため、切り替えコストを増加させた。S&P Globalが440億ドルでIHS Markitを買収したのはまさにこの戦略だ。バンドルが経営的優位性になった。
Doctrineでは、バンドルは成長戦略だった。判例法検索から始め、その後立法、法律ニュース、アラート、文書分析を追加した。各モジュールには独自のUI、独自のオンボーディング、独自の顧客ワークフローがあった。弁護士がウォッチリストを設定し、特定の法的トピックの自動アラートを設定し、リサーチフォルダを管理できる精巧なダッシュボードを構築した。各機能はより多くのデザイン作業、より多くのエンジニアリング、より多くのUI面積を意味した。バンドルは、顧客がエコシステム全体を中心にワークフローを構築したため、顧客をロックインした。
LLMエージェントはバンドルの経営的優位性を破る。なぜなら、エージェント自体がバンドルだからだ。Fintoolでは、アラートはプロンプトだ。ウォッチリストはプロンプトだ。ポートフォリオスクリーニングはプロンプトだ。各機能に個別のモジュールはない。維持すべきUIはない。顧客が「ポートフォリオのいずれかの企業が決算電話会議で関税リスクに言及したら通知して」と言えば、動作する。エージェントは単一のワークフローで10の異なる専用ツールを調整する。あるソースから市場データを取得し、別のソースからニュースを取得し、3番目のソースで分析を実行し、結果をまとめる。ユーザーは5つの異なるサービスにクエリしたことを知らず、気にもしない。
統合レイヤーがソフトウェアベンダーからAIエージェントに移ると、バンドルを購入する動機は蒸発する。エージェントが各能力に最良（または最も安価な）プロバイダーを選べるのに、なぜBloombergのプレミアムを払ってスイート全体を購入するのか？
これはバンドル販売が一夜にして消滅することを意味しない。10のベンダー関係を管理することと1つを管理すること、その運用の複雑さは本物だ。しかし、方向性の圧力は明確だ：エージェントは以前は不可能だった方法で「アンバンドリング」を実現可能にする。
6. プライベート・専有データ→ 強化
一部の垂直ソフトウェア企業は、他のどこにも存在しないデータを所有またはライセンスしている。Bloombergはグローバルな取引台からのリアルタイム価格データを収集している。S&P Globalは信用格付けと専有分析を持っている。Dun & Bradstreetは5億以上の事業体のビジネスクレジットファイルを維持している。これらのデータは数十年かけて収集され、通常は排他的な関係を通じて得られている。スクレイピングできない。再構築できない。
もしあなたのデータが本当に複製不可能なら、LLMは価値を減らすのではなく、増やす。
Bloombergの取引台からのリアルタイム価格データ？スクレイピングできない。合成できない。サードパーティからライセンスできない。LLMの世界では、これらのデータはすべてのエージェントが必要とする希少な入力になる。専有データにおけるBloombergの価格決定権は実際に増加する可能性がある。
S&P Globalの信用格付けも同様だ。信用格付けは単なるデータではない。規制された方法論と数十年のデフォルトデータに裏打ちされた意見だ。LLMは信用格付けを発行できない。S&Pはできる。
テストはシンプルだ：このデータは他者が入手、ライセンス、または合成できるか？できないなら、経営的優位性は存続する。できるなら、問題だ。
私は両社でこの進化を見てきた。Doctrineを創業したとき、核心価値は業界固有のサポート構造で公開判例法を整理することだった：分類法、引用ネットワーク、関連性ランキング。しかしチームは早い段階で、公開データだけでは不十分だと気づいた。
約5年前、Doctrineは独自のコンテンツライブラリの構築を始めた：専有の法的注釈、編集分析、他のどこにもない厳選されたコメント。今日、このライブラリは本当にコピーが難しく、真の経営的優位性となっている。LLMへの全面的な転換も加わり、Doctrineは今や順調に発展している！
この移行を生き残る企業は、「公開データをより良く整理する」から「他では入手できないデータを持っている」へと転換した企業だ。
変化はこうだ：そのインテリジェントレイヤーは以前は何年ものエンジニアリングを必要とした。今はモデルに付属する能力だ。データアクセス自体さえコモディティ化している。
MCP（モデルコンテキストプロトコル）はすべてのデータプロバイダーをプラグインに変えている。数十社がすでに金融データをMCPサーバーとして提供し、いかなるAIエージェントもクエリできる。あなたのデータがClaudeプラグインとして利用可能になると、「アクセス可能にする」ことのプレミアムは消滅する。
皮肉なことに、LLMはこの分岐を加速させる。専有データを持つ企業はより大きく勝つ。専有データを持たない企業はすべてを失う。
もしあなたのデータが真にユニークでない—例えば、他で取得、ライセンス、または合成できる—なら、安全ではない。コモディティ化のリスクに直面している。AIエージェントは顧客との関係を持つ。それはユーザーが交流するインターフェースであり、信頼するブランドであり、支払う製品だ。あなたは顧客のサプライヤーではなく、エージェントのサプライヤーになる。
これはアグリゲーション理論のリアルタイムの上演だ：アグリゲーター（エージェント）はユーザー関係と利益を獲得し、サプライヤー（データサプライヤー）はプラットフォームを養うために価格で競争する。Bloomberg、FactSet、十数社のより小さなプロバイダーがすべて同様の市場データを提供するなら、エージェントは最も安価なものにルーティングする。価格決定権は蒸発する。マージンは圧縮される。あなたは他者の製品のコモディティ化された入力になる。
7. 規制・コンプライアンスのロックイン→ 構造的に堅固
医療分野では、Epicの支配的地位は製品品質だけの問題ではない。それはHIPAA（医療保険の携帯性と責任に関する法律）コンプライアンス、FDA（食品医薬品局）認証、病院が耐えなければならない18ヶ月の実装サイクルの問題だ。EHR（電子カルテ）ベンダーの切り替えは数年を要し、数百万ドルを要し、実際に患者の安全を危険にさらすプロジェクトだ。金融サービスでは、コンプライアンス要件が同様のロックインを生む。監査証跡、規制報告、データ保持ポリシー。これらはすべてソフトウェアに焼き付けられている。
HIPAAはLLMを気にしない。FDA認証はGPT-5が存在するからといって容易にはならない。SOX（サーベンス・オクスリー法）コンプライアンス要件は、Anthropicが新プラグインをリリースしたからといって変わらない。
医療EHRにおけるEpicの支配的地位は、根本的に規制上の経営的優位性だ。18ヶ月の実装サイクル、コンプライアンス認証、病院の請求システムとの統合。これらはLLMの影響を受けない。
実際、規制要件は、コンプライアンスのロックインが最も強い垂直分野でLLMの採用を遅らせる可能性がある。病院はLLMエージェントでEpicを置き換えることはできない。LLMエージェントはHIPAA認証を受けておらず、必要な監査証跡を持たず、臨床意思決定支援のためにFDA検証を受けていないからだ。
8. ネットワーク効果→ 粘着性
一部の垂直ソフトウェアは、より多くの業界参加者が使用するほど価値が増す。Bloombergのメッセージ機能（IB chat）はウォール街の事実上のコミュニケーションレイヤーだ。すべての取引相手方がBloombergを使っているなら、あなたもBloombergを使わなければならない。データのためではない。ネットワークのためだ。
LLMはネットワーク効果を破らない。もしあれば、コミュニケーションネットワークをより価値あるものにするかもしれない。これらのネットワークを流れる情報はトレーニングデータ、コンテキスト、シグナルになる。
これは、業界内でコミュニケーションレイヤーとして機能するいかなる垂直ソフトウェアにも当てはまる。製薬会社間のVeevaのネットワーク効果。建設関係者間のProcoreのネットワーク効果。これらは、価値がインターフェースではなく、プラットフォーム上に誰がいるかから来るため、粘着性がある。
9. 取引への埋め込み→ 持続的
一部の垂直ソフトウェアは資金フローに直接位置している。レストランの決済処理。銀行のローン発行。保険会社の請求処理。取引に埋め込まれていると、切り替えは収益の中断を意味する。誰も自発的にはそうしない。
もしあなたのソフトウェアが決済を処理し、ローンを発行し、取引を決済するなら、LLMはあなたをディスインターミディエート（仲介排除）しない。より良いインターフェースとしてあなたの上に位置するかもしれないが、レール自体は依然として不可欠だ。
StripeはLLMの脅威を受けていない。FISもFiservもそうだ。取引処理レイヤーはインフラであり、インターフェースではない。
10. 記録システムとしての地位→ 長期的な脅威
あなたのソフトウェアが重要なビジネスデータの権威ある信頼の情報源であるとき、切り替えは不便以上のものだ。それは存続のリスクだ。移行中にデータが破損したら？履歴が失われたら？監査証跡が途切れたら？
Epicは患者データの記録システムだ。Salesforceは顧客関係の記録システムだ。これらの企業は、留まるコスト（高額な手数料）と去るコスト（潜在的なデータ損失、運用中断）の非対称性から利益を得ている。
LLMは今日、記録システムとしての地位を直接脅かしているわけではない。しかし、エージェントは静かに独自の記録システムを構築している。
起きていることはこうだ：AIエージェントは既存のシステムにクエリするだけではない。彼らはSharePoint、Outlook、Slackを読む。ユーザーについてのデータを収集する。セッション間で持続する詳細なメモリファイルを書く。重要な操作を実行するとき、そのコンテキストを保存する。時間が経つにつれて、エージェントは、いかなる単一の記録システムよりも豊かで完全なユーザーの仕事の図を蓄積する。
エージェントのメモリが新しい信頼の情報源になる。誰も計画したわけではないが、エージェントがすべてを見ているレイヤーだからだ。SalesforceはCRMデータを見ている。Outlookはメールを見ている。SharePointは文書を見ている。エージェントはこれら3つすべてを見て、覚えている。
これは一夜にして起こらない。しかし、方向性として、エージェントはゼロから独自の記録システムを構築している。エージェントのコンテキストメモリが成長するにつれ、従来の記録システムの経営的優位性は弱まる。
02 最終結果：参入障壁の低下
これらすべてを合計する。5つの経営的優位性が破壊または弱体化した。5つは堅固なままだ。しかし、破壊されたものはまさに競合他社を締め出していたものだ。堅固なままのものは、一部の既存巨大企業だけが持つものだ。
LLM以前、BloombergやLexisNexisの信頼できる競合他社を構築するには、ドメインを理解する数百人のエンジニア、数年の開発時間、大規模なデータライセンス契約、保守的な企業に販売できる営業チーム、規制認証が必要だった。結果：ほとんどの垂直分野には2〜3の真の競合他社しかいない。
LLM後、小さなチームが最先端モデルAPI、ドメイン専門知識、適切なデータパイプラインを使えば、数ヶ月で垂直ソフトウェアの80%の機能を処理できる製品を構築できる。私はこれを知っている。実践したからだ。Fintoolは6人のチームで構築された。以前はBloombergとFactSetに完全に依存していたヘッジファンドにサービスを提供している。より良いデータがあるからではない。AIエージェントが、習得に数年を要するターミナル/ワークステーションよりも速く、直感的に答えを提供できるからだ。
重要な洞察は、競争が線形に増えるのではなく、組み合わせ的に爆発することだ。3つの既存者から4つになるのではない。3つから300になる。これが価格決定権を破壊するものだ。LLM以前、各垂直分野には2〜3の支配的プレーヤーがいた。参入障壁が乗り越えられなかったため、彼らはプレミアム能力を持っていた。50社のAIネイティブスタートアップが20%の価格で80%の能力を提供できるとき、この数学は完全に変わる。
03 重要点：これは数年にわたる移行であり、一夜の崩壊ではない
これが、市場がタイミングの判断を誤っていると私が考える点だ。方向性は正しいとしても。
「企業収益は一夜にして消滅しない。」
FactSetの顧客は複数年契約を結んでいる。Bloomberg Terminal契約は通常最低2年だ。これらの契約は、Anthropicがプラグインをリリースしたからといって蒸発しない。
企業の調達サイクルは日単位ではなく、四半期や年単位で測られる。500億ドルのヘッジファンドは、ClaudeがSEC提出書類をクエリできるからといって、明日S&P Global CapIQを撤去しない。12〜18ヶ月かけて代替案を評価する。パイロットプロジェクトを実行する。契約条件を交渉する。既存契約の満了を待つ。
「収益の崖は本物だが、崖ではなく坂道だ。現在の収益は今後12〜24ヶ月の間、大部分がロックインされている。」
しかし市場が理解している点はこうだ：株価が暴落するために収益が下落する必要はない。評価倍数の圧縮が必要だ。金融データ企業は、価格決定権と95%の維持率を持っていたときには収益の15倍で取引されたかもしれないが、市場がその両方が侵食されていると考えるときには6倍で取引されるかもしれない。収益は横ばい。株価は60%下落。これが現在、一部の企業で起きていることだ。
市場は収益の崩壊を織り込んでいるのではない。その倍数を正当化していた経営的優位性が溶解しているため、プレミアム倍数の終焉を織り込んでいるのだ。
04 真の脅威
真の脅威はLLM自体ではない。それは垂直ソフトウェアの既存巨大企業が予見していなかった挟み撃ちだ。
下から見ると、数百のAIネイティブスタートアップが各垂直分野に参入している。信頼できる金融データ製品を構築するのに200人のエンジニアと5000万ドルのデータライセンスが必要だったとき、市場は自然に3〜4社に統合された。10人のエンジニアと最先端モデルAPIで済むとき、市場は劇的に細分化される。競争は3から300になる。
上から見ると、水平プラットフォームが初めて垂直分野に深く進出している。Excel内のMicrosoft Copilotは、AI駆動のDCFモデリングと財務諸表解析を行える。Word内のCopilotは契約審査と判例法リサーチを行える。水平ツールは、エンジニアリングではなく、AIを通じて垂直化される。
Anthropicは別の方向から同じことをしている。私は間近で観察している。FintoolはAnthropicが支援する企業だからだ。Claudeは垂直分野に全力を注いでいる。戦略は恐ろしいほどシンプルだ：汎用のエージェントハーネス（SDK）、プラグ可能なデータアクセス（MCP）、ドメイン固有のスキル（Markdownファイル）。これだけだ。これが水平から垂直に移行するために必要な技術スタックのすべてだ。ドメインエンジニアは不要。何年もの開発は不要。
ソフトウェアはヘッドレス化している。インターフェースは消滅する。すべてはエージェントを通じて流れる。重要なのはソフトウェアではない。顧客関係とユースケースを所有すること、つまりエージェント自体を所有することだ。
垂直な深さ（LLM + スキル + MCP）を実現する技術は、水平プラットフォームがついに以前は手が届かなかった分野で競争できるようにする技術だ。これはおそらく垂直ソフトウェアが直面する最も存続に関わる脅威だ：Microsoftのような水平B2Bプレーヤーは、もはや垂直分野にちょっと首を突っ込むだけでなく、積極的に拡大している。なぜなら今は以前より簡単だからだ。そしてAIファーストの世界で関連性を維持するには、ユースケースとワークフローを所有する必要があるからだ。
05 リスク評価フレームワーク
すべての垂直ソフトウェアが同じリスクに直面しているわけではない。どのカテゴリーが生き残り、どれが生き残れないかをどう考えるかを以下に示す。
高リスク：検索レイヤー（The Search Layer）
主な価値が専用インターフェースを通じてデータを検索可能・アクセス可能にすることであり、基盤データが公開またはライセンス可能な場合、深刻な問題に直面している。これには、ライセンスされた取引所データの上に構築された金融データ端末、公開判例法の上に構築された法律リサーチプラットフォーム、特許検索ツール、製品の本質が「業界のデータのためにより良い検索エンジンを構築した」であるいかなる垂直分野が含まれる。
これらの企業は、インターフェースのロックインと限られた競争のため、収益の15〜20倍で取引されていた。この両方が蒸発している。過去1年で時価総額が40〜60%失った金融データプロバイダーについて考えてみてほしい。市場が彼らを再評価しているのは正しい。
中程度リスク：混合ポートフォリオ（The Mixed Portfolio）
多くの垂直ソフトウェア企業は、防御的な事業ラインと露出した事業ラインの混合を持っている。ある企業は真に専有的な格付け事業を持つ一方で、主に公開情報を再パッケージするデータ分析部門を持っているかもしれない。あるいは、指数ライセンス事業（取引に埋め込まれ、非常に防御的）の隣にリサーチプラットフォーム（純粋な検索レイヤー、非常に露出している）があるかもしれない。
このカテゴリーの株価下落（20〜30%）は、事業のどの部分が評価を支配しているかについての市場の不確実性を反映している。重要な質問は：収益の何％がLLMが手出しできない経営的優位性から来ているか？
低リスク：規制の要塞
経営的優位性が規制認証、コンプライアンスインフラ、ミッションクリティカルなワークフローとの深い統合にある場合、LLMは中期において競争地位とほぼ無関係だ。HIPAAコンプライアンスとFDA検証を持つ医療EHRシステム。規制ロックインを持つライフサイエンスプラットフォーム。金融コンプライアンスと報告インフラ。
これらの企業は、他の場所でのAI破壊から恩恵を受けることさえあるかもしれない。なぜなら、顧客は情報検索に使用していたベンダーからの移転と並行して、信頼する規制ワークフローベンダーを中心に統合するからだ。
06 テスト
いかなる垂直ソフトウェア企業についても、3つの質問を投げかける：
データは専有的か？ そうなら、経営的優位性は堅固。そうでなければ、アクセシビリティレイヤーは崩壊している。
規制ロックインがあるか？ あれば、LLMは切り替えコストの方程式を変えない。なければ、切り替えコストは主にインターフェース駆動で、溶解している。
ソフトウェアは取引に埋め込まれているか？ そうなら、LLMはあなたを置き換えるのではなく、あなたの上に位置する。そうでなければ、あなたは置き換え可能だ。
ゼロの「はい」：高リスク。1つ：中程度リスク。2つまたは3つ：おそらく大丈夫。
07 両端での構築から学んだこと
2016年にDoctrineの構築を始めたとき、経営的優位性の一つはインターフェースだった。判例法と立法の上に美しい検索体験を構築した。
弁護士たちはそれを愛した。市場の他のどれよりも速く、直感的だったからだ。データの大部分は公開されていたが、インターフェースと検索がそれをアクセス可能にした。
もし今日ゼロからDoctrineを構築するなら、そのビジネスは根本的に異なる競争環境に直面することになる。LLMエージェントは、私たちのインターフェースと同じように効果的に判例法をクエリできる。
垂直SaaSの清算は、すべての垂直ソフトウェアの死についてではない。それは市場がついに、真に希少なリソースを持つ企業と、LLMエージェントの前で無防備な企業を区別し始めたことについてだ。
硬・AI
感谢阅读！
让我们一起，好奇地看世界👇