AI新規事業の勝敗はAIの技術力では決まらない — 137事例が示す5つのアセット障壁

発行: アーキタイプ株式会社 / 2026年9月
シリーズ: AIの外で勝つ — 事例で読むAI新規事業（第1回/全6回）

2023年、大企業の新規事業の現場でもっとも多く交わされた問いは「生成AIで何ができるか」でした。あれから3年、この問いはほぼ役割を終えています。文書は読めるし、画像は見分けられるし、電話にも出られる。PoC（概念実証）も社内のあちこちで走りました。

いま残っているのは、次の問いです。「その中で、うちが勝てるのはどこか」。

私たちはこの問いに答えるため、「事業モデルそのものがAIを前提とする新規事業」を国内外から延べ272件収集し、実在・開始時期・現状を公開情報で一次確認できた137事例（スタートアップ71・大企業66）を分析しました。本連載は、その調査から見えた構造を、事例を深掘りしながら6回に分けてお届けします。

第1回の結論を先に言います。AI新規事業の勝敗は、AIの技術力では決まりません。決めているのは、AIに食わせる「再現不能な自社アセット」を持つかどうかです。

スタートアップの速度は、まともに競う相手ではない

まず、勝負にならない場所を見てみましょう。

米国の法務AIスタートアップ、Harveyは2022年の設立から4年で、顧客1,300社超・年間経常収益約1億9,000万ドルに達しました（2026年1月時点・会社開示として報道）。同じく米国のカスタマー対応AI、Sierraは2023年設立から3年足らずで年間経常収益1億5,000万ドル（2026年2月時点・同）、米国の開発エージェント、Cognitionは設立3年で年換算収益4億9,200万ドル（2026年5月時点・同）です。

大企業の新規事業開発が3年かけて事業計画を磨く間に、この領域のスタートアップは事業を作り、数百億円規模の年間収益に到達します。弁護士や医師やアナリストの「専門知」を言語モデルで解放する事業は、モデルの性能とプロダクトの作り込みで決まる技術力の勝負であり、技術力の勝負は意思決定の速い者が勝ちます。稟議と期初予算のリズムで挑む場所ではありません。

それでも、大企業の参入が「成立している」場所がある

では、大企業に出番はないのかというと、データは逆を示します。

137事例のうち、外販事業として確認できた大企業の事例は66件あります。その約7割（45件）が、たった3つの型に集中していました。社内に眠るデータを商品に変える休眠データの商品化、現場の運転・保守・判定をAIで外販する物理オペレーション×熟練知、そして計測対象へのアクセス権を収益化する計測・認証です。

上の図が示すとおり、スタートアップが殺到する専門知系・エージェント系に大企業の事例はごく少なく、逆に休眠データや物理オペレーションの領域で急成長しているスタートアップも少ないです。この棲み分けは、偶然と呼ぶには整いすぎています。

分けているのは「時間を封じ込めたアセット」

なぜこの3つの型なのか。共通項は、参入の武器が時間をかけて溜めたものでできていることです。整理すると5種類に分かれます。

1. 蓄積データ — 長年の事業の副産物として溜まった、外部からは再現できないデータ

2. 熟練者の暗黙知×現場アクセス — 熟練者の判断そのものと、それを教師データ化できる現場

3. 計測対象への正当なアクセス権 — 顧客の設備・農地・リスクに合法的に触れられる立場

4. 顧客接点・販路・ブランド — 個別化サービスを届けるための信頼と接点

5. 規制対応・装置設置基盤 — 規制産業での認可・実績と、据え付けられた装置の群れ

たとえば、JFEスチールのスクラップ検収AIは、熟練検収員の判定基準を学習しています。あの教師データは、製鉄所の検収現場を数十年運営した企業にしか存在しません。JR東日本の「駅カルテ」は、Suicaという決済・改札インフラの上にしか成立しません。スタートアップがどれほど速くても、他社の現場と他社のデータには入れないのです。

5つのアセットは、それぞれ違う形で「時間」を封じ込めています。

蓄積データが封じ込めているのは観測の年数で、後発者は過去に遡ってデータを取れません。熟練知が封じ込めているのは試行錯誤の回数で、正解ラベル付きの失敗事例はお金で買えません。AIの波が何度来ても、時間そのものは圧縮できません。

大企業がAIの時代に持つ構造的優位は、突き詰めればこの一点です。

ただし「参入できる」と「勝てる」は異なる

ここで、調査の客観性を示すために書き添えるべきことがあります。

大企業の外販66件のうち、売上・顧客数などの実績を決算資料や会社開示として一次開示できている事例は、実質2件にとどまりました。多くは導入社数や効果指標の発表止まりで、財務的に語られないサービスラインに留まっています。

つまりアセット障壁は「参入が成立しやすい場所」を教えてくれますが、勝ち切りまで保証はしてくれません。「発表」と「事業」の間にあるこの距離は、第4回の生存確認で正面から扱います。

自社への問い

自社のAI新規事業テーマを議論する前に、まず問うべきは「どのAIを使うか」ではありません。「うちには、AIに食わせられる再現不能なアセットがあるか」です。競合が資金を積んでも2〜3年で再現できるものは、障壁ではなく単なる先行にすぎません。

次回は、5つのアセットの筆頭「蓄積データ」を深掘りします。WalmartとJR東日本の事例から、「データがある」と「商品になる」の間にある2つの距離を見ていきます。

本記事は連載「AIの外で勝つ — 事例で読むAI新規事業」（全6回）の第1回です。

連載の全記事:

1. AI新規事業の勝敗はAIの技術力では決まらない — 137事例が示す5つのアセット障壁（本記事）

2. 眠っているデータは商品になるか — WalmartとJR東日本「駅カルテ」が越えた2つの距離

3. 「熟練者の目」は売り物になる — John DeereとJFEスチールに見る技能のAI外販

4.発表された39のAI事業を追跡したら — 資生堂OptuneとドコモAIタクシーの教訓

5.自社で使い倒してから売る — AI外販の定石は海外1〜2年、国内10年

6.いま走っているPoCは勝ち筋に載せ替えられる — 3つの経路と5つのアセット棚卸し

記事の元になった業界レポート「AI新規事業の勝敗は、AIの外で決まる — 国内外137事例が示す大企業の勝ち筋」（全61ページ）を無料で公開しています。8類型の分布、5つのアセット障壁、勝ち筋3領域の解剖、39事業の生存確認、自社診断シートまで収録しています。