スタートアップ

BASEが打ち出した「初期費用0円・月額0円」のECプラットフォームは、2012年当時の業界常識を覆すものだった。なぜそのモデルが可能だったのか。その背景にはリアルな現場課題を直視した、シンプルな逆張り戦略があった。 BASEの原点 — 「高すぎる」を解決する BASEの創業者・鶴岡裕太さんがネットショップ作成サービスを作ろうと思ったきっかけは、大分で洋品店を営む母親が「ネットショップを開きたい」と言ったことだった。しかし既存のEC構築サービスには初期費用数十万円・月額数万円の壁があり、個人商店には手が届かなかった。 ここで重要なのは、このきっかけが「崇高なビジョン」ではなく、身近な人の具体的な不満から始まっている点だ。 世界を変えたい → ❌ 革新的なSaaS → ❌ IPOしたい → ❌（少なくとも初期は） あったのは「非エンジニアでもECを作れるようにしたい」という、ごく素朴な動機だった。 「初期費用0円・月額0円」を可能にした逆張り 当時のEC構築市場の相場は、初期費用数十万円・月額数万円が当たり前だった。BASEが打ち出した「初期費用0円・月額0円」は、競合にとって信じがたいモデルだったはずだ。 BASEは商品が売れたときにのみサービス利用料（3%）と決済手数料（3.6%＋40円）が発生する収益モデルを採用した。「ユーザーが稼いだときだけ一緒に稼ぐ」という構造だ。 提供側はリスクを取ることになるが、ユーザーには「失敗してもタダ」という参入障壁の除去をもたらした。これが個人商店・スモビジへの一気の普及を後押しした。 受託→プロダクトという転換パターンの普遍性 「まず受託でキャッシュを稼ぎ、そこからプロダクトへ転換する」というパターンは、多くの日本のスタートアップが実践している。 チームラボ（2001年創業）: 初期はWebサイト制作などの受託開発を主力に据えながら事業基盤を固めた SmartHR: 前身のKUFUが「受託70%・自社サービス10%」という比率でスタートし、SaaSへと転換した 「まず受託でキャッシュを稼ぐ」という選択肢は、決して逃げではない。現場で繰り返す作業の中にこそ、プロダクトの種がある。 現場の「うんざり」は設計図になる スタートアップの教科書には「大きなビジョンを持て」と書いてある。しかし現実に強いプロダクトを作るのは、現場の「これ、なんとかならないか」という感覚だ。 自分の親が直面した不便、繰り返される問い合わせ、毎回同じ設定をゼロからやり直す徒労感——等身大の課題を解決するプロダクトは、ユーザーインタビューを重ねて作られた「仮説」とは別の強さを持つ。 あらゆる現場の「うんざり」は、プロダクトの設計図になりうる。 Source: X (Twitter) @RrrrrKayuy620

JAFCO のベンチャーキャピタリスト・堀ノ内 友馬氏が、AI時代における市場選択の新しい基準を提示した。一見矛盾して見える2つのトレンドが同時に成立できる市場こそが、戦うべきフィールドだ。この視点は、AI時代に市場を選ぶ起業家・事業開発担当者にとって実践的なフレームワークとなる。 JAFCO 堀ノ内氏のツイート：市場選択の新基準 顧客側では「丸ごと任せたい」業務が顕在化し続け、事業者側では内製AIでオペレーションが軽くなり続ける。一見相反するようなこの2つが同時に成立する可能性のある市場かどうかが、戦う市場を選ぶ際の基準の一つとして注目しています。 — 堀ノ内 友馬 | JAFCO (@horinouchiyuma) 2つのトレンドとは 1. 顧客側：「丸ごと任せたい」ニーズの顕在化 AI の普及によって、部分的な自動化ではなく業務プロセスごと外部に委託したいというニーズが急増している。従来の選択肢は「自社でやるか、ツールを導入して効率化するか」の2択だった。今は「成果だけ受け取れればいい」という発想で、業務を丸ごとアウトソースするモデルが成立しやすくなっている。 たとえば次の業務が該当する。 経理・財務処理の完全アウトソース（仕訳から申告まで） マーケティングコンテンツの一括生成・配信 カスタマーサポートのAIエージェント代行 採用スクリーニングから面接日程調整まで このような「丸ごと委託」が成り立つ背景には、AIが定型業務の判断を代替できるようになり、人間が介在しなくても品質が担保される場面が増えてきたことがある。 2. 事業者側：内製AIによる運営コストの圧縮 同じ市場において、サービス提供側（事業者）も AI を活用してオペレーションを軽量化できる。エージェント・LLM ワークフロー・RAG などを内製化することで、従来は人手が必要だった業務を大幅に自動化できる。 スタッフ数を増やさずにスケールできる 人件費の変動費化が進む 対応品質が均一化し、スーパーバイザーの役割が縮小する なぜ「矛盾しているように見える」のか 表面上、この2つのトレンドは逆方向に見える： 視点 方向性 顧客側 業務を外に出す（外部依存を増やす） 事業者側 業務を内側で効率化（内部能力を強化する） 顧客が「外出し」を増やす一方で、事業者は「内製化」を進める。一般的な経済学の常識では、外部委託が増えると受託側のコストも増え、スケール時には人員増加が避けられなかった。これが従来の構造だ。 ところが AI 時代では、内製AI によって受託側の限界費用が抑えられるため、顧客の委託量が増えても事業者のオペレーションが比例的に重くなりにくい。 VCが注目する「同時成立」市場の条件 堀ノ内氏の視点をもとに整理すると、以下の条件が揃う市場が狙い目になる： 顧客の意思決定コストが高い領域 — 複雑な判断や知識が必要な業務ほど「丸ごと任せたい」ニーズが強い 繰り返し・定型化可能な部分が多い — AIによる内製自動化が効きやすい 成果の可視化がしやすい — アウトカム報酬型の料金設計が可能で、顧客側の導入障壁が下がる 規制・信頼が重要な領域 — 参入障壁が自然に形成され、一度信頼を得ると解約率が低い 従来の SaaS vs. この新しいモデル 従来の SaaS ツール提供では、使い方を覚える・運用する負担は顧客側にあった。顧客は「ツールを買う」だけで、活用できるかどうかは自社の力量次第だった。 一方、「丸ごと委託 × 内製AI」モデルでは、成果責任が事業者側にある。顧客視点では SLA や成果物だけを見ればよく、事業者は AI を使って効率的に成果を届けられる。 ...

リトアニア出身の個人開発者Erikas Malisauskas氏が、時給2ドルのWeb代理店勤務からわずか1年でShopifyアプリの月次収益を10倍に成長させた事例が注目を集めています。 「ウマたん（上野佑馬）」氏（@statistics1012）がX (Twitter) でまとめた内容によると、Erikas氏は「Kaching」ブランドでShopifyアプリを複数展開し、利益率90%超えの事業を構築したとされます。 Starter Storyのインタビュー等でもErikas氏の実績が紹介されており、本記事ではその方法論を3つの戦略として解説します。 時給2ドルから始めたErikasの個人開発キャリア Erikas氏はリトアニア出身のUI/UXデザイナー。時給2ドルのWeb代理店に勤務した後、フリーランスへ転身し、最終的にShopifyアプリ開発に活路を見出しました。 2022年8月にKaching Bundles App & Upsellsをローンチし、4,000件以上のレビューと評価5.0を獲得するアプリに育て上げています（Shopify App Store調べ）。 月収を10倍に成長させた3つの戦略 戦略1: SNSで需要を事前検証する「デザイン投稿法」 ErikasはFacebookグループやDiscordコミュニティに、まだ開発していないアプリのデザイン案を投稿することで需要を事前検証しました。 この手法のポイントは次の通りです。 開発コストをかける前に市場の反応を確認できる コミュニティからのフィードバックで機能の優先順位を決定できる 潜在的なユーザーとの関係構築にもなる プロダクトを作ってから売るのではなく、売れるかどうかを確認してから作るという逆転の発想です。 戦略2: Win-Winの収益設計で差別化した「Kaching」 Erikas氏がローンチしたShopifyアプリ「Kaching」は、バンドル販売（セット販売）に特化したアプリです。 開発当初のコンセプトは**「ユーザーがより多く稼ぐときにのみ、自分たちもより多く稼ぐ」**という売上連動型の設計思想。EC事業者と利益を共有する仕組みがユーザーからの信頼を獲得しました（なお、2026年現在の価格プランは月額固定制に移行しています）。 このWin-Win設計によってアプリの継続利用と口コミによる拡散が促進されました。 戦略3: 「Kaching」ブランドで複数アプリを展開・利益率90%超えを維持 最初の成功を軸に、Erikas氏はKachingブランドの下に複数のShopifyアプリを展開しました（当初4つ、その後さらに拡大）。 指標 数値 展開アプリ数 6つ（Kachingブランド、2026年時点） 利益率 90%超え（本人発言） 年間収益 $4.3M（約6.4億円、2024年実績 / Starter Story調べ） SaaSのビジネスモデルは一度構築すれば限界費用がほぼゼロになるため、スケールするほど利益率が向上します。 「新しいアイデア」より「既存競合への勝ち方」を問う哲学 Erikas氏のアプローチで特に注目すべき考え方があります。 「新しいアイデアを探す」よりも「既存競合にどう勝つか」を問うことが重要 多くの起業家が「まだ誰もやっていないアイデア」を探す中、Erikas氏は既存市場でどう差別化して勝つかに集中しました。 この考え方のメリットは次の通りです。 市場の存在が既に証明されている（需要リスクが低い） 競合のユーザーベースを参考にできる 「なぜ既存サービスでは不満か」という具体的な課題から出発できる 狙う市場を少し変えるだけで、収益が桁違いになるという事例です。 まとめ Erikas氏の成功から学べる教訓をまとめると次のようになります。 戦略 ポイント 事前検証 SNSでデザイン案を投稿し、需要確認してから開発 Win-Win設計 ユーザーと利益を共有する価格設計で信頼を獲得 ブランド展開 成功したブランドを軸に複数アプリを展開 哲学 新アイデアより既存競合への勝ち方を考える 時給2ドルという出発点から、利益率90%超えのSaaS事業を構築したErikas氏の事例は、市場の選び方と価格設計の哲学が収益の桁を変えることを示しています。 Shopifyエコシステムはまだ多くのチャンスが眠っているかもしれません。

2026年、「1人で100億稼ぐ企業」が大量発生するという予測が現実味を帯びてきた。すでに海外では1人で30億円規模の売上を達成した事例も登場している。AI が業務を圧縮し続ける今、「大人数＝強い会社」という常識が根本から覆されつつある。 Obsidian が示す新しいモデル ノートアプリとして世界中のナレッジワーカーに愛用されている Obsidian は、わずか 9人のチームで運営されており、エンジニアは 3人 のみ。さらに 9人目のチームメンバーは “Sandy” という猫だ。 それでも Obsidian の1人あたり売上は、Apple や Google を大きく上回る水準にあると言われている。この数字が示すのは、規模ではなく密度が競争力を左右するという現実だ。 「才能密度」が企業の強さを決める これまでの組織論では、人数を増やすことが成長の証であり、大企業が有利とされてきた。しかし AI が以下のような業務を自動化・圧縮できるようになった今、その前提が崩れている。 ルーティンのコーディング・テスト作業 ドキュメント生成・翻訳・要約 カスタマーサポートの一次対応 マーケティングコンテンツの初稿作成 データ集計・レポート作成 結果として、少人数の高スキル人材が AI をフル活用することで、かつては数十人を要した仕事を完結させられるようになった。重要なのは「何人いるか」ではなく、「才能の密度（Talent Density）」 だ。 無駄を削ることで生まれる速度 Obsidian が象徴するような高効率企業には、共通する特徴がある。 全社 MTG なし — 意思決定コストを最小化 評価制度の簡素化 — 時間を消耗するプロセスを廃止 小さなチームへの強い信頼 — 自律性と責任が同時に与えられる これらは単なるコスト削減ではなく、スピードを生むための構造設計だ。 2026年：一人会社・極小チームが台頭する年 AI ツールの進化により、2026年はソロファウンダーや極小チームが本格的に大企業と競合できる年になると見られている。 SaaS プロダクト: コーディング・インフラ管理を AI が補助 コンテンツビジネス: 調査・執筆・SEO 対策を AI が効率化 コンサルティング: レポート作成・分析を AI が加速 単に「AI を使う」のではなく、「AI で何を削れるか」を徹底的に考える組織が次の覇者になる可能性が高い。 まとめ 旧来の成功モデル 新しい成功モデル 大人数 = 強い 才能密度 = 強い 多くの管理職 フラットな自律組織 プロセス重視 スピード・結果重視 人手でスケール AI でスケール 「1人で100億」はもはや夢物語ではない。AI が業務を圧縮し、才能密度の高い少人数チームが巨大企業の生産性を上回る——そんな時代がすでに始まっている。 ...

「toC」でも「toB」でもない。AIエージェントそのものがお客さんになる——「toA」という新しい市場が急速に立ち上がっています。paji氏（@paji_a）がリサーチした200超のサービスから見えてきた、この新市場の構造を紹介します。 Claudeヤバい、1日で”toA”デモできた… https://t.co/olgPwJ1SIr pic.twitter.com/P46txbWVHh — paji.eth (@paji_a) March 29, 2026 なぜ「toA」が生まれたのか 2026年はAIエージェントの普及が一段と進む年です。Claude Cowork / Dispatch、Manus、OpenClawなど、年明けからAIエージェントに関するリリースが途切れることなく続いています。 ここで起きている変化は明確です。エージェントを作るツールに加え、エージェントが実際に使う周辺サービスが急増し始めました。 メールアドレスの発行、長期記憶の保存、Webサイトの操作手順を教えてくれるサービス、仕事を受注して報酬を受け取るマーケットプレイス。主な導入者は人間の開発者や企業ですが、用途はAIエージェントの運用インフラです。 「人間向け」には成熟していたデジタルサービスの領域が、「AIエージェント向け」には別の問題として再出現している——これが「toA」市場の本質です。 エージェントの「5つの生存条件」 200を超えるtoAサービスを分類すると、ひとつの構造が浮かび上がります。エージェントが自律的に動くには、以下の5つの条件が必要です。 条件 説明 代表カテゴリ 「私は誰か」 存在証明 メール、ID、SNS 「安全に作業できる場所」 実行環境 サンドボックス、GPU推論 「外の世界を操作する手段」 ブラウザ・外部接続 Web自動操作、プロキシ、OAuth 「経験を蓄積する力」 記憶 長期記憶、コンテキスト管理 「対価を受け取る仕組み」 経済活動 マーケットプレイス、エスクロー、決済 この5つが揃って初めて、エージェントは自律的に仕事ができます。一つでも欠けると止まります。そして多くのサービスが、この5つのどれかを埋めるために生まれていました。 残りのカテゴリ（監視、ガードレール、音声、通信など）は、5つの基盤の上に乗る「運用・拡張レイヤー」として位置づけられます。 枯れた領域に次々と新種が生まれている メール — AgentMail 人間向けのメールサービスはGmailが圧倒的で、今さら新規参入する余地はなさそうに見えます。でも「AIエージェント専用のメール」となると話は別です。APIで即座にメールボックスが作れて、スレッド管理も添付解析も全部プログラムから操作できて、メールで届くOTP/2FA（ワンタイムパスワード/二要素認証）コードも取得できる。AgentMailはY Combinator出身で、600万ドル（約9億円）を調達しています。 記憶 — Mem0 人間はメモ帳やNotionに書き残すことで記憶を補強しますが、エージェントにはそもそもセッションをまたぐ記憶がありません。Mem0は会話からファクトを自動抽出して保存し、次のセッションで関連記憶を自動注入してくれます。人間のメモ帳のエージェント版です。 Webブラウジング — Agent Maps 人間はGoogle Mapsで店を探してクリックして予約しますが、エージェントは「ボタンがどこにあるか」を毎回スクリーンショットから推測しないといけない。Agent Mapsは主要サイトの操作手順をあらかじめ検証済みの「攻略本」としてエージェントに渡します。 外部ツール連携 — Composio 人間はSlackにログインしてメッセージを送りますが、エージェントはOAuth認証のフローを安定してさばくのが難しい。Composioは500以上のアプリ接続とOAuth処理を提供します。 「稼ぐエージェント」と「使うエージェント」 さらに踏み込んだ領域もあります。 HYRVE AIは、AIエージェントが「フリーランサー」として活動するマーケットプレイスです。48時間のエスクロー保護付きで、エージェントが別のエージェントを雇うこともできます。「エージェントが自律的に稼ぐ」というコンセプトは、この先どこかのプレイヤーが必ず大きく育てる領域です。 一方、Anonは、ログイン情報そのものではなく認証済みセッションをエージェントに安全に扱わせるサービスです。エージェントに「自分のアカウントで注文しておいて」と頼みたいけど、パスワードを直接渡すのは怖い。Anonはログイン済みの状態だけをエージェントに渡すので、エージェントは操作できるけどパスワード自体には触れられません。 「稼ぐエージェント」と「使うエージェント」。この両方のインフラが同時に立ち上がっているのが2026年の面白いところです。 toAの「エッジ」がプラットフォームになる AIの時代に本当に価値を持つのは、AIモデルそのものだけではなく、AIが「動く」ために必要な周辺インフラです。 存在証明、実行環境、操作手段、記憶、経済活動。これらのインフラを押さえたサービスが、AI時代の重要なプラットフォームになっていく。枯れ尽くしたデジタルサービスの「エッジ」にいるtoAサービス群に、大きなチャンスがあります。 新しいtoAサービスが今後どんなに増えても、「5つの生存条件」＋「運用・拡張」という二層構造の中のどこかに位置づけられるはずです。ここを押さえておくと、新サービスが出てきたときに「これはどの条件を埋めるものか」が即座に判断できます。 まとめ 「toA」は既存市場の延長ではなく、新しいカテゴリそのもの エージェントの自律動作には5つの生存条件（存在証明・実行環境・操作手段・記憶・経済活動）が必要 人間向けに成熟した領域が、エージェント向けに再発明されている 200超のサービスが既に存在し、この市場は急拡大中 詳細な200サービスのリストは、paji氏の記事「AIエージェント向けサービス200選」で確認できます。

「資金調達の翌日にCTOが辞めて、コードが書けないCEOだけ残った」——こんな生々しい失敗談が5,700社以上も集められたデータベース Startups.RIP が話題になっている。 Startups.RIP とは Startups.RIP は、Y Combinator（YC）出身の失敗・買収されたスタートアップ1,737社以上について、研究レポート、再構築プラン、技術仕様をまとめたプラットフォームだ。「Dead YC Startups, Alive Ideas」をコンセプトに、2005年から現在までのYCスタートアップを網羅している。 作者の Oscar Hong 氏が、失敗したスタートアップを分析する中で「アイデアが悪かったのではなく、タイミング・市場・技術が準備できていなかっただけ」というパターンを発見し、このデータベースを構築した。 主な機能 失敗要因の詳細分析 単なる失敗リストではなく、各スタートアップについて以下の情報が整理されている: 失敗の要因分析: なぜ事業が停滞・終了したのか 何がうまくいっていたか: 失敗の中にも成功要素はある バッチ情報・創業者情報: YCのどのバッチ出身か、誰が創業したか 現代技術での再構築プラン 各スタートアップについて、2026年の技術スタックで再構築するならどうなるかという「ビルドプラン」が用意されている: 現在の市場分析: 当時と今で市場がどう変化したか コア機能の設計: 何を中心に据えるべきか Go-to-Market 戦略: 現代のチャネルでどう展開するか DBスキーマ・API設計: 技術的な実装の青写真 AIに実装させる場合のプロンプト: 生成AIを活用した開発アプローチ アイデアの進化の可視化 失敗したスタートアップと、その後成功した類似サービスの比較機能もある: Posterous → Substack Parse → Supabase こうした「アイデアの進化」を視覚的に追えるのは、起業を考えている人にとって非常に参考になる。 技術的な背景 Startups.RIP 自体は Next.js（TypeScript）+ Tailwind CSS で構築されている。興味深いのは、このデータベースの調査・分析に Claude Agent SDK が Deep Research エージェントとして使われている点だ。AIを活用して大量のスタートアップ情報を体系的に整理するという、まさにAI時代ならではのアプローチといえる。 活用方法 このデータベースは以下のような場面で役立つ: 起業準備: 似たようなサービスを考えているなら、過去の失敗から気をつけるべきポイントがわかる 技術選定の参考: 再構築プランに含まれる技術スタックやDB設計は、実際の開発の参考になる 市場調査: 特定の領域でどんなスタートアップが失敗し、なぜ失敗したかを俯瞰できる 読み物として: 純粋にスタートアップの栄枯盛衰を追うだけでも面白い まとめ 失敗したスタートアップのデータベースは Failory や CB Insights など他にもあるが、Startups.RIP の特徴は「再構築プラン」まで踏み込んでいる点だ。単に「なぜ失敗したか」だけでなく、「今ならどう作るか」まで提示することで、失敗を次の挑戦への具体的なヒントに変えている。 ...

Sequoia Capital パートナーの Julien Bek が 2026年3月に発表した「Services: The New Software」は、AI ビジネスの方向性について本質的な問いを投げかけている。尾原和啓氏がこの論考を日本語で再構成しており、その内容をベースに要点を整理する。 「次の Claude が出たら、自分のプロダクトはただの機能になるんじゃないか」 AI ツールを作っている起業家たちが、心の奥で恐れていること。そしてこの恐怖は正しい。 ツールを売るビジネスはモデルとの競争になる。モデルが賢くなるたびに、自分たちの優位性が削られていく。 Bek の答えはシンプルで本質的だった。 ツールを売るな。仕事ごと引き受けろ。 「会計ソフト」ではなく「経理を丸ごとやる会社」になれ 会計ソフトに年間100万円。税理士・会計士に年間1,500万円。企業はずっとその両方にお金を払ってきた。 次の伝説的な企業は、そのどちらも置き換える。「AI で仕訳できます」ではなく、「経理、全部やっておきました」と言う会社として。 仕事そのものを引き受けるビジネスは、AI モデルが進化するたびに強くなる。速くなる。安くなる。競合されにくくなる。モデルの進化が脅威ではなく自分たちの武器になる。 ルール処理と判断 — AI の得意・不得意 重要な区別がある。 ルール処理とは、複雑なルールに従って処理する能力。コードを書く、書類を作る、申請書を埋める。どれだけ複雑でもルールはルール。正解がある。 判断とは、経験と直感に基づく意思決定。次に何を作るか、誰を採用するか、いつ撤退するか。これは場数と失敗からしか生まれない。 AI はすでにルール処理の大半を人間なしでこなせる水準に達した。その最前線がソフトウェアエンジニアリングで、全職種の AI ツール利用の 50% 以上を占めている。他の全職種はまだ一桁台だ。 ルール処理の比率が高い仕事から順番に、AI への移行が始まる。 「サポートする AI」と「代わりにやる AI」 AI ビジネスの形は今ふたつに分かれつつある。 サポート型は専門家にツールを売る。Harvey は AI を法律事務所に売る。Rogo は AI を投資銀行のアナリストに売る。専門家が主役で、AI はあくまでサポート役。責任は人間が持つ。 代行型はアウトカムを直接売る。法務 AI の Crosby は法律事務所ではなく、NDA が必要な企業そのものに売る。保険 AI の WithCoverage は保険ブローカーではなく、保険が必要な CFO に売る。「ツールを使いこなす」のではなく「結果が来る」という体験を売る。 どんな業界でも、ツールへの支出と人が動く仕事への支出を比べれば、仕事のほうが桁違いに大きい。よく引用される数字がある — ソフトウェアに使われる 1 ドルに対し、サービスには 6 ドルが使われている。代行型 AI は、その 6 ドルを初日から狙いに行く。 ...

東大松尾研発の AI スタートアップ「燈株式会社（Akari Inc.）」が提供する、建設業に完全特化した管理業務 DX サービス「Digital Billder（デジタルビルダー）」を紹介します。 Digital Billder とは Digital Billder は、建設業の管理業務をデジタル化するための SaaS サービスです。紙ベースで行われていた請求書処理、発注管理、経費精算といったアナログ業務を効率化します。 建設業界では、紙の請求書の受領・開封・現場ごとの整理・現場と本社間の運搬・押印・手入力といった煩雑な作業が日常的に発生しています。Digital Billder はこれらの業務を電子化し、大幅な工数削減を実現します。 サービスラインナップ Digital Billder は以下の4つのサービスで構成されています。 請求書処理（Digital Billder Invoice） 建設業特有の業務フローに対応した請求書処理サービスです。 工事ごと・工種ごとの請求書管理 出来高払い・査定・相殺処理への対応 各社の指定書式に柔軟に対応 インボイス制度・電子帳簿保存法に準拠 発注管理（Digital Billder Purchases） 電子発注・電子契約に対応した発注管理サービスです。見積依頼から発注・契約までの一連のフローをデジタル化します。 経費精算（Digital Billder Expenses） 建設現場で発生する経費の精算を効率化するサービスです。現場経費と一般経費の両方に対応しています。 見積書処理 見積書の作成・管理をデジタル化し、業務プロセスを効率化します。 提供会社：燈株式会社（Akari Inc.） 燈株式会社は2021年2月に設立された、東京大学松尾研究室発の AI スタートアップです。 代表取締役 CEO: 野呂侑希 所在地: 東京都文京区小石川 従業員数: 約300名 企業評価額: 1,000億円超（2026年1月時点） 2026年1月には三菱電機などから50億円の資金調達を実施し、ユニコーン企業の仲間入りを果たしました。建設業特化の生成 AI「光/Hikari」の開発や、大成建設・東洋建設といった大手ゼネコンとの DX 推進プロジェクトも手がけています。 導入実績 2022年6月に一般提供を開始 リリース1年で導入総合建設業者100社を突破 2025年11月時点で累計導入企業数1,000社超 36都道府県以上で導入 建設業界の DX 背景 建設業界では以下の法制度対応が求められており、DX の必要性が高まっています。 インボイス制度（2023年10月〜） 改正電子帳簿保存法（2024年1月〜） 時間外労働上限規制（2024年4月〜、いわゆる「2024年問題」） こうした制度対応と業務効率化を同時に実現できる点が、Digital Billder が急速に普及している理由の一つです。 ...