ZOE 事業概要

Transcript

1. ZOE合同会社 事業概要
2. MVV – 事業の基盤 Mission Vision Value • 開発チームをビルドする • 人が成長する • 価値の最大化 • チームが成長する • 理解し伴走する • 企業が成長する • 真の課題にフォーカスする
3. プロダクト – 事業の中核 ソフトウェア開発組織の抱える課題をAI支援によって解決し、それにより企業のポテンシャルを最大化 主にソフトウェア開発領域における AIプロダクトSaaSの提供、サブスクリプション AIと人のギャップを埋める 伴走・能力の強化 やらないこと 開発組織において、モデルやエー ジェントが高度化されても、認知 や制御の課題（ギャップ）が残っ ている 単にAIを使用した効率化を焦点とせ ず、組織・それに所属するメンバー の能力強化にフォーカスする AIモデルの開発。既に海外スタート アップが占拠している領域でのプロ ダクト開発。純然たるtoB営業 強大なAIを使用することで残る「課題」にプロダクトを当てる
4. 市場性 – 規模 ソフトウェア開発におけるAIアシスタント事業は、市場規模が大きく、成長性も高い 対象 規模 年平均成長率 約 1.2 兆円（2025） AI コードツール市場 約 1.5 兆円（2026） （コーディング支援全体） 約 4.8 兆円（2031） 26.2%（2026–2031） AI コーディング アシスタント市場 約 5.2 兆円（2025）-> 1016億円（日本） 24.8% ＜参考＞ AI エージェント市場全体 約 12.3 兆円（2034） 約 47.2 兆円（2035）の推計 約 15.7 兆円（2030）-> 1.7兆円（日本） 44.5% （ソフトウェア開発以外を含む） 算出元 •Mordor Intelligence — AI Code Tools Market •Gartner — Enterprise AI Coding Agents: 2026 Market Guide •ResearchAndMarkets — Generative AI Coding Assistants（$97.9B by 2030） •TrendX Insights — Agentic AI Market（$76.9B by 2034） •Precedence Research — AI Agents Market（$294.66B by 2035）
5. 市場性 – 穴 AIエージェント市場において、「モデル」や「ツール」は出揃いつつある 「使いこなせない層」の拡大が顕著になる AIモデル AIツール 利用支援 • ビッグテック寡占 • スタートアップ多数 • 外部コンサル • 中国勢 • OSS台頭 • 社内ヒーロー • 多額の開発資金 • シェア争奪激化 • 属人的・経験則 x 寡占・高難度 x 乱戦 o 市場ギャップ 「モデル」や「ツール」が強大になるほど、使いこなすことが重要になる
6. 市場性 – 潜在的需要 「モデル」「ツール」の増幅が、新しい課題を生んでいる — 対処はまだ人手とヒューリスティック モデル OpenAI ／ Anthropic Google ／ DeepSeek 成果の増幅 ✕ 寡占・高難度 ツール 利用支援 GitHub Copilot ／ Cursor Devin ／ Claude Code 外部コンサル 社内ヒーロー 属人的な OJT・経験則 課題の増幅 ✕ 乱戦・堀の固定化 増幅の帰結 — 「認知的敗北」「統制の破綻」 AI への任せすぎで、エンジニアリング力が育たない。特にジュニアの成長が止まる ◎ 現状のコンサル・人手ではなく スケール可能なプロダクトで開発組織を解決に導く 人手・ヒューリスティック 潜在的需要
7. 課題・ ソリューション
8. 課題 ソフトウェア開発の地殻変動 ソフトウェア開発チームに携わるプロセス・役割が大きく変わる 90% 体感 +20% 実測 −19% 信頼 33% 不信 46% 開発者のAI業務利用率 認識ギャップ 39ポイント AIの正確性への評価が逆転 80%超が「生産性が上がった」と実感 — けれど、それは個人の体感 熟練OSS開発者のRCT。「速くなった気 がする」のに、計測では遅くなってい た 最大の不満は「惜しいが正しくない」 66%。信頼しないまま使い続けている DORA 2025（約5,000名） METR 2025（RCT・246タスク） Stack Overflow 2025 足りないのはツールではなく「チームとしての使いこなし」 — 日本企業の懸念1位も『効果的な活用方 法がわからない』（総務省 2025） 出典: DORA State of AI-assisted Software Development 2025 ／ METR RCT（arXiv:2507.09089）／ Stack Overflow Developer Survey 2025 ／ 総務省 令和7年版 情報通信白書
9. 課題 AI活用が成果に直結していない コード記述は開発時間の24〜32%。ボトルネックは「書く」から「読む・検証する・合意する」へ移動した 開発時間の内訳と、高速化の上限 書く 30% 読む・検証・テスト・調整・会議 70% 実測 — AI高採用チームで何が起きたか +98% マージされたPR数（生成量は倍増） +154% 平均PRサイズ（1件が読み切れない大きさに ） +91% PRレビュー時間（人間の承認が律速に） 8倍 重複コードブロック（リファクタは 25%→10%未満） AIでコーディングが2倍速になっても 全体は +18% が上限 （アムダールの法則 — 無限に速くしても +43% 止まり） 生成は速くなった。しかし律速工程は人間とチームの側 — 個人向けツールの追加では、ここに届かない この本質的課題を放置して、モデルやツールは進化し続けている 出典: Sonar／Software.com（コード記述時間）／ Faros AI「AI Productivity Paradox」（10,000名超の開発データ）／ GitClear AI Code Quality 2025（2.11億行）
10. 解決策 「AIを使いこなすチーム」を育てる 生産性の計測ツールでも、個人の生成ツールでもない。AIによりチームをビルドしAI との伴走を支援する。 1 伴走支援 AIがコードを書くのではなく「人の 理解を助ける」ことで、最大の課題 である「認知的敗北」を防止し、AI による開発の伴走を支援する 2 ボトムアップ 目標設定・座学・実務評価のフィー ドバックループを回し、AIをソフト ウェア開発で使いこなす力量を育て る 3 生産性向上 個ではなく、チームの生産性に焦点 を当てる。つまり、スクラムを回す マネジメントのサポート機能を提供 する 「AIはチームを直さない。あるものを増幅する」（DORA 2025）— だから、増幅されて嬉しいチームの土 台から育てる 出典: プロダクト詳細: guilz.dev ／ 4分でわかるGuilz（デモ動画）
11. 解決策 プロダクト理解＋スキル＋チーム生産性 を向上 「書く」の外側 — 読む・検証する・合意する — を、機能でチームの能力に変える。 プロダクト理解 向上 レビュー時間 +91% スキル 向上 PRサイズ +154% チーム生産性向上 週10時間の損失 → → → 設計や実装の支援（そうだん） 設計や開発をAIが全てやるのではなく、 フィードバックループ（ジョブ） 目標（ジョブ）を定め、実務 PR に対してAI によるフィードバックループを行う AIによる学習コンテンツ生成による支援 状況の可視化＋EMの支援 活動データから得意分野・ステータスを自動生成。誰が何を知っているかが見え、リーダーと現 場の共通言語になる 詰めるための計測ではなく、チームの状態が見えて次の一手が楽しく決まる可視化へ 出典: 課題02の実測値（Faros AI／Atlassian DevEx 2025）に対応する打ち手
12. 事業性
13. ビジネスモデル サブスクリプション ＋ AI 従量。変動費は売上に連動し、固定費はスケールで薄まる 収益 稟議不要の価格帯を目指す コスト 基本プラン（〜5名込） • AI API — 唯一の変動費。AI 従量課金で回収（売上連動） ¥4,000 / 月 • インフラ — サーバーレス構成で固定費は極小 • 追加シート — 人数に応じた従量 • 人件費 — 主要な固定費。顧客数が増えても比例しない • AI 利用 — 使用量に応じた従量課金 試算: 100 チーム規模でもインフラ＋AI 原価は月 6〜12 万円 MP（AI 利用枠）はチーム単位で割当・毎月回復 — 共有 と抑制を両立 低利用率の場合、維持コストも低減可能 Phase 1 以降: per-seat ¥500〜1,000/人/月 を検証し、 単価を引き上げる 変動費 ＝ 売上連動で回収。固定費 ＝ 社数が増えても不変 — 粗利率はスケールで改善
14. スケールシナリオ シート と AI 従量で単価を上げ、固定費を据え置く — 利益率が増加する Phase 0 〜2026 Q4 顧客数 固定費: 維持 Phase 3 2027 Q2〜 2028〜 2029〜 顧客数 顧客数 顧客数 400社 3,000社 SAM の約1% 国内+海外拡大 有償化 （無料検証） 月商 — Phase 2 数十社 5〜10社 平均単価（月） — Phase 1 → 平均単価（月） ¥5,000〜 → 平均単価（月） → 平均単価（月） ¥9,000 ¥10,000 月商 月商 〜30万円 〜400万円 月商 固定費: 維持 固定費: +50% 〜3,000万円 固定費: +120% ¥3,000 固定のままでは 500 社に到達しても月商 150 万円が上限 — per-seat ＋ AI 従量への移行が単価引き上げの鍵 単価は上がり、固定費は据え置き — 3,000 社で月商 3,000 万円（ARR 約 3.6 億円）へ
15. 進捗 開発進捗 PoC（実証実験） 70–80% 実施中 程度 完了 実証実験フェーズ PoC 状況 （詳細は追って記載） ・停滞中 ・まだ数人しか実際に利用できていない ・開発者からのフィードバックは好感的 ・真に刺さるUSPが見えていない ## toBへ見えてきた課題 ・外部サービス（弊社サービス）にソースコードを繋ぐ敷居は思ったより高い
16. 販売戦略 — Go-to-Market AI開発ツール群により、 まず toC（個人開発者・海外）の認知を 3 軸で高める toBに直接売るには、営業リソースが足枷になる。エンジニア認知をとりこれを解決する AI エージェント toB — 収益源 海外認知 Planetz ワークフロー 構築 Githubユーザー取込 sdlc-gh OSS ツール belay ／ stylect等 エンジニア 個人 チームへ持ち込む toB 契約 → 売上 主力プロダクト Guilz 収益源 — チーム向け SaaS 信頼獲得 収益 80-100% エンジニアが個人で知り、チームへ持ち込む — toC の認知が、toB の販売網になる エンジニアは広告では買わない — 発見と試用で買う
17. コンピテンシー
18. チーム紹介 メンター AIdeaLab COO 実施者 ZOE合同会社 代表 筑波大学理工学群応用理工学類卒業、カリフォルニア 州立大学経営学部留学。 PwCにて戦略コンサルティング・M&A、Sonyグルー プにてAI事業の新規立ち上げ。 その後スタートアップ役員等を経て現職。文部科学省 のアントレプレナー推進大使として小中高生向けに講 義も行う。 主にソフトウェアエンジニアとして20年程度の経験を 持つ。 CTOとして複数社スタートアップの立ち上げに参画。 EastVentures、AntlerJapanのアクセラレータプログラ ム等から出資を受けた実績を持つ。 直近では生成AIを活用した営業支援システムや話者分 離モデルの実装経験も有し、技術選定・設計・実装ま で一貫して推進。 他、UXリサーチャー、デザイナなど業務委託2名程度
19. 資金調達計画 段階的に PMF → スケールへ シード シリーズA 調達額 2,000万〜3,000万円 8,000万〜1.5億円 ランウェイ 12〜18ヶ月 18〜24ヶ月 体制 代表 ＋ 委託2 ＋ 正社員エンジニア1 エンジニア3〜4 ＋ CS 1 月次バーン 190〜290万円 510〜680万円 到達目標 有償10〜30社 / W4 retention 40%+ 有償50〜100社 / ARR 2,000万〜4,000万円 証明すること 「使い続けるチーム」の型 獲得チャネル1本の再現性 シード 3,000万の使途 P14 スケールシナリオとの接続 プロダクト開発 60% — Guilz retention・オンボーディング 採用 25% — 正社員エンジニア 1名 GTM 10% — 登壇・コンテンツ・Marketplace 予備 5% — 法務・会計・AI API Phase 0（5〜10社）→ 現在 / SIO Phase 1（数十社）→ シード Phase 2 入口（100社前後）→ シリーズA GTM は広告ではなく founder-led
20. 資金調達計画 詳細 シード（2,000万〜3,000万円） シリーズA（8,000万〜1.5億円） 現在地: オープンα・売上ゼロ・代表1＋委託2 12ヶ月後: 有償10〜30社 / MRR 5〜15万円 前提: retention の型 / 有償転換 / チャネル1本 到達: 有償50〜100社 / ARR 2,000万〜4,000万円 平均単価: ¥5,000〜9,000/月（per-seat 込み） Exit 条件 資金使途 • Activation 60% / W4 retention 40%以上 • per-seat ¥500〜1,000/人/月 の支払い意思検証 • 獲得チャネル1本の再現（登壇 / Marketplace / OSS） やらないこと • 大量採用 / 有償広告 / Planetz ハード量産 / 海外本格展開 • プロダクト 40% — オンボーディング自動化・単価・AI原価 • GTM 40% — コンテンツ・Marketplace・事例化 • 採用 15% — CS 1 ＋ エンジニア追加 • 予備 5% Stripe セルフサーブ ＋ founder-led の仕組み化 2段階の合計 1〜1.8億円 PMF 証明から初期スケール（100社・ARR 2,000万〜4,000万円）まで到達 日本の B2B SaaS 相場に合わせた現実的な調達計画。シード 3,000万で PMF の型をとりに行く
21. 付録
22. リンク • サービス詳細 （Gitbook） • 4分でわかるGuilz（Loom動画） • サービスサイト • Planetz • OSS
23. 解決 03 認知的敗北を、成長の物語に変える 研究が示した「学べるAIの使い方」を、日常の習慣としてプロダクトに実装する。 1 鍛える（きたえる） 「わざ」スロットに育成目標を装備。 PRマージごとにライムが自動評価し、 成長が止まらない。メンターの負荷も 軽くなる 2 相談（そうだん） 概念で聞き、理解を確かめる対話をラ イムと。研究で高得点だった「認知的 関与の高い使い方」（65%+ vs 丸投げ 40%未満）が自然と習慣になる 3 しゅぎょうの積み重ねが記録として残 る。詰められるためのデータではなく 、あなたの成長の記録 — 「やれ」では なく「やりたい」 開発チームを、冒険のパーティに。 guilz.dev 出典: 高関与パターンの得点差: Shen & Tamkin（arXiv:2601.20245）§6 ペルソナ分析 冒険の書
24. レトロなロールプレイングゲームのようなUIを採用し、 「しごと」感の脱却を目指す。 タスクの消化にリワードなどのゲーミフィケーションを取り入れ、 チームの一体感を醸成する。 既存のAI開発ツールとの差別化を行う
25. アーキテクチャ サーバーレス CloudFlare上にPages/Workersを使用 した構成。WokerにてJobやEvent等 の処理も行う AI API AIは、コスト効率から自前で構築せ ず、複数のAIサービスを特性に応じ て組み合わせて使用 認証 Globalで利用されるClerkによる Oauth認証