特集: AI時代にSaaS企業はどう生き残るべきか

「SaaSは死んだ」と言われている。時価総額が消えた、構築コストが崩れた、内製化が進む——2026年に入ってから、この手の議論をあちこちで見かける。

こちらはこれから自社サービスを出していく側なので、他人事では済まない。そこで、社内の方針を決めるために一度きちんと検討した。この記事はその記録だ。

検討の題材には、勤怠・シフト管理を選んだ。理由は2つある。ひとつは、複数業態の店舗を運営していて毎月自分たちで回している領域で、ちょうど内製化を考えていたこと。もうひとつは、AIで数分あれば作れると名指しされる、コモディティ化するSaaSの代表例だからだ。終末論が本当かどうかを判定するなら、一番弱いとされる場所で試すのが早い。

先に結論を書く。SaaSの価値は「機能」から抜けた。AIで誰でも同じ機能を作れる以上、機能を名乗った瞬間に価格競争の棚に並ぶ。生き残るのは、当事者データ・業界固有の知識・データが溜まるほど賢くなるAI、の3つで守れる業界特化型だけだ。以下、終末論の中身を疑うところから、その結論まで順に書く。市場規模や競合価格、技術構成の細かい数字は別の調査レポートにまとめたので、根拠を確かめたい人はそちらへ。

「SaaSは終わった」の中身

まず、終末論の数字を並べてみる。2025年後半から2026年初頭にかけて、ソフトウェア関連企業の時価総額が大きく削られた。ある指数では48時間で約3,000億ドル（およそ43兆円）が消え、累計では兆ドル規模に達したと報じられている。SaaSの構築コストは約20万ドルから約5,000ドルへ崩れたという調査もある。社内にエンジニアを抱える企業では、既製SaaSを買わず自作する動きも出ている（内製化済み35%という調査もある）。

派手な数字だ。ただ、出どころを見ると幅が大きい。時価総額の「消失額」は指数の取り方と期間で桁が動くし、構築コストの比較は何を1本のSaaSと数えるかで変わる。内製化35%の調査も、母集団はもともと社内にエンジニアがいる企業だった。数字が独り歩きしているときは、たいてい主語が大きすぎる。

とはいえ、方向は間違っていないと思う。AIでソフトが安く速く作れるようになったのは事実で、「機能を並べただけのSaaS」の値打ちが落ちているのも確かだろう。問題は、そこから「だからSaaSは終わり」まで一足飛びに行けるか、という点にある。

「作れる」と「生き残れる」の違い

ここで一つ、切り分けを入れたい。「作れる」と「守れる」は別の話だ。作るコストが下がっても、作ったものが模倣されにくいかどうかは、まったく別の軸で決まる。

これを整理するのに、ちょうどいいフレームがある。ソフトウェアの機能を2つの軸で見る。縦軸が「決まった処理か、予測・判断が要る処理か」。横軸が「自社データだけで動くか、複数顧客のデータで賢くなるか」。

勤怠管理でいえば、「打刻して集計する」は左上、最も脆い側にある。AIで数分で作れるのは、まさにこの部分だ。一方で「複数店舗の出勤パターンと売上から、来月のシフトの当たりを予測する」は右下に来る。後から参入しても、データの蓄積がなければ追いつけない。

つまり、AIが殺したのは「SaaS」ではなく「左上の機能で食っていたSaaS」だ。SaaSが死んだのではなく、SaaSを作る理由が『作れるから』だった時代が終わっただけ、という言い方のほうが正確だと思う。

内製の脅威の実像

終末論の中でよく聞くのが「顧客が自分で作るようになる」という話だ。これは、こと小規模店舗に関しては読み違えだと思う。

考えてみてほしい。5〜15人のコンカフェの経営者が、AIを使って労務コンプライアンス込みの勤怠管理ツールを自作し、法改正のたびに保守し続ける——この絵は、正直あまり想像できない。自分で髪を切れる人が全員、美容院に行かなくなるわけではないのと同じだ。

本当の脅威は別のところにある。「顧客が自作する」ではなく「誰でも競合になれる」ほうだ。個人開発者やフリーランスのエンジニアが「コンカフェ向け勤怠管理」をAIで1週間で作り、月額2,000円で売る——これは十分あり得る。参入障壁が下がったぶん、供給側が一気に増える。守るべきは顧客に対してではなく、後から来る同業に対してだった。

ここまでは一般論だ。ここから、自分の題材で実際に殴られてみる。

価格表に載っているAIシフト作成

参入を考えたとき、最初に「これが差別化になる」と思った機能があった。AIがシフトを自動で組む、というものだ。調べて、すぐに引っ込めた。

その機能は、もうコモディティだった。主要なシフト管理サービスは、AI自動作成をとっくに値付けして売っている。

しかも「日本語でルールを伝えるだけ」という、次の差別化案として考えていた機能まで、生成AIを使って実装済みのサービスが既にあった。「AさんとBさんは一緒にしないで」と書けば通じる、というやつだ。

構想の中核だと思っていたものが、他社の価格表に先に載っていた。機能で名乗った瞬間、月110円/人の棚に並ぶ。ここで戦うと、価格で殴られて終わる。AI時代の怖さは「作れないこと」ではなく、「作れるものはすぐ横並びになること」だった。

アルゴリズムの手前にある詰まり

では、勝てる場所はどこにもないのか。ここで一度、現場に戻って考え直した。そもそも、シフト作成という仕事の「一番重い部分」はどこなのか。

分解すると、こうなる。

既存ツールが競っているのは 3 だけだ。1・2・4 は、どこも顧客の努力に委ねている。汎用ツールである以上、そうならざるを得ない。業種ごとにルールの中身が違うからだ。実際、この種のツールの導入失敗の最大要因は「要件整理の甘さ」だとされる。つまり、解けないのではなく、解くべき条件を書き出せていない。

差別化の余地は、自動化済みの 3 ではなく、1・2・4 に残っている。そしてこの 1・2・4 は、業態を絞った当事者にしか埋められない。「コンカフェのシフトで本当に効く制約は何か」を初期値として持っているかどうか——ここは市場調査では出てこない。自分の店で毎月やっているから書ける。

AI時代に生き残るSaaSの条件

ここまでを、いったん一般論に戻して束ねる。AI時代にSaaSが守れる場所は、3つに絞られると思う。

• 当事者データ：自社が現場を持ち、そこでしか取れない運用データがある
• 業界固有の知識：その業態の「暗黙のルール」を初期値として実装できる
• 溜まるほど賢くなるAI：顧客が増えるほどデータが増え、精度が上がる構造

この3つに共通するのは、どれも「作る技術」では買えないことだ。AIで機能は複製できても、現場と時間は複製できない。

そして、生成AIの使いどころもここで変わる。多くの人はAIに「割当てを作らせよう」とする。だが、それはコモディティ側（さっきの 3）に張ることになる。正しくは、AIを 2（ルールの言語化）に使う。店長が日本語で書いたルールを、AIが構造化された条件に翻訳し、実際の割当ては専用の計算エンジンが解く——この役割分担なら、AIの出番は「月に数十回、ルールを登録するときだけ」になる。

地味な結論に聞こえるかもしれない。だが、この配置だとAPI原価は月額プランの3%前後に収まる。逆に、生成AIに毎回シフトそのものを作らせる設計にすると、原価率は20〜50%に跳ね、待ち時間もスマホに載らない。AIは、防御力が上がる場所にだけ張る。同じ「AIシフト」でも、設計を間違えると原価が10倍変わる。技術構成の詳細は調査レポートに書いた。

論者の前提との突き合わせ

ここまでの筋は、自分一人で組んだものだ。都合よく通してしまっている恐れがある。そこで、立場の違う3人（仮名）に前提をぶつけ、私が当事者として応答する討論を、別に行った。

結論だけ先に言う。方向そのものは誰も否定しなかった。だが、「市場が小さすぎないか（特化は面積が稼げない）」「データの堀が効くまでの初期をどう食うか」「そもそも解く順番が違うのでは——最適化より、人を集める充足が本丸では」という3つの穴が開いた。とくに最後が効いた。最適化は候補が余っている前提の技術で、現場が人手不足ならその前提から崩れる。

議論はまとめずに閉じた。噛み合わないまま残った穴が、そのまま「現場の数字で確かめること」のリストになる。討論の全文——相互反論と、埋まらなかった対立まで——は別稿に置いた。

→ この参入戦略は、どこで崩れるか

AI時代のSaaSの勝ち筋

最初の問いに戻る。数分で作れると言われる勤怠管理で、なぜ事業を考えるのか。答えは出た。作れるのは機能で、機能はもう価値の中心ではないからだ。価値は、機能の周りにある——当事者データ、業態固有の初期値、溜まって効くAI。ここは数分では作れない。何年もかけて現場で貯めるしかない。

だからAI時代のSaaSの勝ち筋は、たぶんこうなる。機能で戦わない。当事者性を核に置き、AIは原価率が低く防御力が上がる一点（ルールの言語化）にだけ張る。そして作る前に、解く順番が合っているかを現場のデータで確かめる。

もっとも、これは自社で店舗を運営し、現場データを持っているから言える話でもある。当事者性のない領域では、この戦略はそのまま使えない。汎用の助言として振り回すつもりはない。ただ、もしあなたが何かの現場を持っているなら、AIに機能を作らせる前に、「自分にしか書けない初期値は何か」を先に棚卸ししてみる価値はあると思う。少なくとも、月110円/人の棚に並ぶ前に、一度立ち止まれる。

---

この戦略の根拠データ（市場規模・法改正・競合価格・技術構成・API原価試算）は、別ファイルにまとめています。 → 勤怠・シフト管理サービス参入の市場データ

この記事の「AIに戦略を書かせて、人間が詰める」やり方そのものは、連載「Claude Codeをコンサルとして育ててみた」にまとめました。

自社の現場で、AIに何を任せ、何を人が握るか。その切り分けを一緒にやります。データローの本業は、データ活用のコンサルティングと、AIを組み込んだ業務設計・開発。ご相談はお問い合わせから。