生成AIアプリケーション層の投資テーマ 調査ログ

利用環境

• Automation model: gpt-5.4-mini
• research-report skill: ./.codex/skills/research-report/SKILL.md
• Prompt source: ops/codex/prompts/daily-issue-research.md

調査命令

• Issue number: #21
• Issue title: AIアプリケーション層の投資テーマを調査する
• 公開可能な要約: 生成AIのアプリケーション層について、業務自動化、開発支援、CRM、広告、教育、医療、法務、金融の観点から、成長が期待される業界と価値捕捉の条件を調べる。
• 主な論点: 基盤モデル企業とアプリ企業の収益構造の違い、既存SaaSがAI機能で価格決定力を得る条件、業界別の導入障壁・規制・データ優位性・スイッチングコストの比較、マーケティング分析に使えるセグメント表の作成。
• スコープ制約: 最新性が重要な論点は一次情報・公式資料で確認する。主張、根拠、限界、実務含意を分ける。推測は推測と明記する。公開記事と英語版、mix-alignment.json を同時に整備する。
• 想定納品物: 日本語レポート本体、英語レポート本体、MIX 読み対照、公開調査ログ、必要なカテゴリ登録。

調査方針

今回のテーマは、単なる市場規模の推定よりも「どの層に利益が残るか」の構造分析が本筋だと判断した。そのため、ベンチマーク記事や二次的な市場予測よりも、公式の価格表、製品説明、規制当局の文書を軸に据えた。

主に参照した一次情報

• OpenAI の API pricing と ChatGPT pricing を確認し、モデル企業が API 従量課金と席課金を併用していることを整理した。
• Anthropic の pricing を確認し、同様に seat / usage のハイブリッド構造を確認した。
• Microsoft 365 Copilot の pricing と Salesforce Agentforce の pricing を確認し、既存 SaaS が AI を add-on、seat、usage、credit の複合設計で売っていることを整理した。
• NIST AI RMF、FDA の AI/ML 医療ソフトウェア資料、HHS の HIPAA de-identification、FERPA、SR 11-7、ABA Formal Opinion 512 を確認し、医療、教育、金融、法務の導入障壁を比較した。
• Google Ads Data Hub と広告データ利用ポリシーを確認し、広告が first-party data と配信経路に強く依存する構造を反映した。

使わなかった、または弱く扱った情報

• 市場規模の予測値は、更新が早く前提差が大きいので主軸にしなかった。
• ベンダーの営業資料は、自己評価が強く比較可能性が弱いため、必要最小限だけ参照した。
• 特定の上場企業の売上・ARR 予測は、テーマの構造理解には必須でないため、今回は中心に置かなかった。

反映方針

• モデル企業とアプリ企業の違いは、収益の取り方と粗利の守り方として本文に反映した。
• SaaS の価格決定力は、システム・オブ・レコード、ワークフロー、監査、権限への接続で整理した。
• 業界比較は、規制、データ優位、スイッチングコスト、課金単位の四軸で共通化した。
• マーケティング分析では、業界名よりも購買部門と予算ラインで切るセグメント表にした。

限界

• 本レポートは、2026-05-31 時点で確認できる公表情報に基づく。価格や提供形態は今後変わり得る。
• 事業者別の売上シェアや利益率の比較は、公開情報だけでは揺れが大きいため、定量ランキングとしては扱っていない。
• 医療、金融、法務の実装可能性は、法域、契約、監査、現場運用で大きく変わるため、本文では「一般に高い障壁がある」という抽象度でまとめた。

今後の確認候補

• SaaS 主要企業の 2026 年度決算や AI 追加課金の実績を追う。
• 産業別の AI 導入事例を追加し、どの業界で実際に予算が動いているかを補強する。
• 日本市場向けに再編集する場合は、医療・教育・金融の国内法制を別途確認する。