Snowflakeが爆上げした夜、Salesforceは沈黙した。
同じ日（5月27日の引け後）に、同じ「クラウドソフトウェア」という括りで決算を発表した2社の明暗が、くっきりと分かれた。
Snowflakeはプロダクト売上が前年比34%増。成長率は1年前の26%、前四半期の30%から、34%へと加速した。通期ガイダンスを31%成長に引き上げ、AWSとの5年・60億ドルのインフラ契約（従来の倍以上）まで発表して、株価は時間外で35%超急騰した。
一方のSalesforceも、実は悪くなかった。非GAAP EPSは前年比50%増の3.88ドルでコンセンサスを上回り、売上も予想超え。AIエージェント「Agentforce」は年換算売上が10億ドルの大台を突破し、Data 360などの新領域は25%増と勢いを見せていた。
しかし受注残（RPO）が市場予想に届かず、通期の売上見通しもウォール街の期待にわずかに足りなかった。時間外の株価はほぼ動かなかった。年初来33%下落したまま（同期間にS&P500は約10%上昇）、市場は「ふーん」で終わった。
同じ「予想を上回る好決算」なのに、片方は35%の熱狂、片方は無反応。
この温度差は何なのか。どちらもクラウドソフトで、どちらもAIに関連している。「データインフラだから」「SaaSだから」という括りでは説明がつかない。
この明暗を分けた構造を掘り下げていくと、AI時代のSaaS企業の生死を分ける、一つの法則が見えてきた。
AIは「たぶん」でしか答えられない
話はAIの設計原理から始まる。
ChatGPTもClaudeもGeminiも、現在の大規模言語モデル（LLM）は全て「確率的な予測マシン」だ。直前までの文脈を見て、次に来る最も確率の高い単語を選ぶ。どれだけ賢く見えても、内部では常に「たぶんこうだろう」という確率的な選択が行われている。
電卓に「2+2」と入力すれば、100万回やっても「4」と返る。入力と出力の間にルールがあり、例外はない。これが決定論的な計算だ。
LLMに「2+2は？」と聞いても「4」と返る。しかしそれは、訓練データの中で「2+2の後には4が来る」パターンを大量に見たから、「4」が最も確率の高い出力として選ばれただけだ。計算しているのではない。パターンマッチングしている。
だから複雑な文脈に入ると、もっともらしいが間違った答えを自信満々に出力する。ハルシネーション（幻覚）だ。しかもAIには「自分が確信を持っているか、推測しているか」の区別がつかない。間違っている時も正しい時も同じ口調で答える。
これは性能不足ではない。設計原理の帰結だ。
モデルが大きくなっても、コストが下がっても、LLMというアーキテクチャを使い続ける限り、この性質は構造的に消えない。99.9%まで正しくできても、100%にはできない。
実際、AIの進化はこの限界を裏付ける方向に動いている。ツール呼び出し型エージェントやRAG（外部データ参照）が主流化し、AIは単独で全てをこなすのではなく「決定論的なシステムに委譲する」方向に進んでいる。
つまり「AIだけでは完結できないから、正確なバックエンドが必要だ」という構造が、むしろ固定化しつつある。
99.9%では足りない世界
ビジネスの世界には、0.1%のエラーが致命傷になる領域がある。
銀行の口座振替で1円ズレたら訴訟。製薬のFDA申請データに誤記があったら承認が数年遅れる。保険料計算を「たぶんこのくらい」で処理したら規制違反。給与計算を間違えたら信頼崩壊。
これらは「99.9%正しい」では不十分で、「100%正しい」が要求される。確率的にしか動けないAIには、原理的にこの仕事は任せられない。
そしてこの壁は、二つの理由から成り立っている。ただし、二つの強さは同じではない。
一つ目はコストの壁だ。以前の記事で「AIのコスト逆説」として書いた。Microsoftは2025年末に始めたClaude Codeの社内パイロットを、わずか半年で一部部門（Windows、M365、Outlook、Teams、Surfaceを抱えるExperiences & Devices部門）で打ち切り、自社のGitHub Copilot CLIへ切り替えた。
エンジニア1人あたり月500〜2000ドルというコストが理由の一つとされる（ツールチェーンの統一や自社製品優先という戦略的動機も指摘されている）。
Uberに至っては、5000人にClaude Codeを展開した結果、2026年のAI予算34億ドルを4ヶ月で使い切った。時給10万円の天才コンサルタントに書類のコピー取りをさせるようなものだ。
二つ目は正確性の壁。こちらの方が強い。コストは時間が解決するかもしれない。しかし「たまに間違える」という確率的な性質は、コストが下がっても消えない。
つまりコストの壁は薄くなりうるが、正確性の壁はAIの普及で逆に厚くなる。この二つが逆方向に動くという非対称性を、頭の片隅に置いておいてほしい。後で効いてくる。
企業システムの三階建て構造
AI時代のSaaSを理解するために、企業のシステムを一つの建物に例えてみる。この建物は三階建てだ。
地下図書館（データの統合・分析層）。 企業のあらゆるデータが最終的に流れ込み、統合され、AIが食べられる形に整理されている場所。SnowflakeやDatabricksがここにいる。ただし、ここに流れるのは「分析・集約が必要なデータ」であって、すべてのデータがリアルタイムで図書館を通過するわけではない。
業務処理室（決定論的バックエンド層）。 給与計算、口座振替、保険料算出、FDA申請データの管理など、リアルタイムで「1ミスも許されない処理」が走っている場所。地下図書館に集約される「前」の、生のトランザクションが処理される現場だ。
窓口カウンター（操作UI層）。 人間がデータを入力し、画面を操作するための接点。CRM、プロジェクト管理ツール、チャットツールなど。
AIという天才コンサルタントが企業にやってきた時、この三層への影響は全く異なる。
天才は地下図書館の蔵書を必ず使う。蔵書が充実しているほど天才の仕事の質が上がるから、図書館はAIが進化するほど忙しくなる。
天才は業務処理室の事務員も必ず使う。「この書類を100部コピーして各部署に正確に配って」という仕事を、ゼロミスで、天才の千分の一のコストで実行してくれる存在は不可欠だ。
しかし窓口カウンターは、天才が直接データベースを叩けるなら要らなくなる。人間が画面をクリックしてデータを入力する必要がなくなれば、その「画面」を提供していたSaaSの存在意義が揺らぐ。
Salesforceはなぜ「窓口」なのか
ここで冒頭の問いに戻る。なぜSalesforceは好決算でも市場が反応しなかったのか。
Salesforceの中にある商談履歴や顧客接点データは、確かにその企業にとっての「原本」だ。しかし問題は、それが企業データの「全体」ではなく「一部」に過ぎないことだ。
企業が持つデータ全体を考えてほしい。売上、在庫、財務、人事、製造、マーケティング、ログ。Salesforceが持っているのは、このうち「営業・顧客接点」という一つの窓口のデータだけだ。SaaSが過去5年で爆発的に増殖した結果、データはあらゆるツールに分散し、CRMは多くのデータソースの一つに過ぎなくなった。
対して図書館レイヤーは、Salesforceのデータも含む「全てのデータ」が最終的に流れ込み、統合される場所だ。AIが「来期の売上予測を立てて」と頼まれた時、営業データだけでは答えが出ない。在庫、財務、人事のデータを全て統合して初めて答えが出る。
決定的なのは、Salesforce自身がこの構造を認めていることだ。同社のAIエージェント「Agentforce」は、自社のCRMデータだけではAIに十分なコンテキストを提供できないため、SnowflakeやDatabricksなど外部の図書館に「ゼロコピー連携」でアクセスする設計になっている。
窓口は、自分が窓口であることを知っている。だからこそ、別のレイヤーへ「越境」しようとしている。
SalesforceはData Cloud（旧Genie）で図書館レイヤーへの越境を試みている。実際、決算でもData 360などの新領域は25%増と、CRM本体より速く伸びている。窓口は窓口に甘んじているわけではない。
しかし、後発であること、顧客データに特化していて汎用的な図書館ではないこと、結局は他レイヤーのデータと統合するために外部図書館に繋ぐ必要があること。この三重のハンデを抱えたまま、既に巨大なデータの重力圏を持つ図書館プレイヤーに追いつくのは構造的に難しい。
マイクロソフトのナデラCEOは2024年末のポッドキャスト（BG2）で、ビジネスアプリは本質的に「ビジネスロジックを乗せたCRUDデータベース」に過ぎず、そのロジックはAIエージェント層に移っていく、エージェントがバックエンドの種類を問わず直接データを操作する時代が来る、という趣旨の発言をした。
メディアはこれを「SaaSは死んだ」という見出しで要約した。指しているのは、まさにこの構造だ。
法則：図書館と間違えない事務員だけが生き残る
ここまでの構造をまとめる。
第一のルート：地下図書館＋司書。 企業のあらゆるデータが統合・整理され、AIが即座にアクセスできる形で保管されている場所。AIが進化するほどデータ処理量が増え、従量課金のメーターが回る。
Snowflakeの決算が爆発したのはこの構造だ。13600以上のアカウントがAI機能を利用し、100万ドル以上を支出する顧客は779社（前年比29%増）に達した。漠然とした「AIの追い風」ではない。企業がAIを導入しようとして、「まずデータを図書館に整理させないと始まらない」と気づいた結果だ。
なぜデータが図書館に集まるかには初期条件がある。ストレージとコンピューティングの分離、マルチクラウド対応、組織間データ共有機能。これらが初期の採用を呼び、採用が進むほどデータの重力が強まり、さらにデータが引き寄せられる。
ただし重要な注意がある。「図書館レイヤーが勝つ」と「特定の一社が勝つ」は別の主張だ。Databricks、Microsoft Fabric、BigQuery、Redshiftが同じ層で激しく競合している。この法則が示すのはレイヤーとしての構造的優位であり、一社の独占ではない。
第二のルート：業務処理室の間違えない事務員。 リアルタイムで「絶対に間違えてはいけない処理」を走らせている決定論的バックエンド。
図書館とは異なる、しかし同様に強固な堀がある。一度導入された給与システムや会計基幹を乗り換えるコストは天文学的で、企業は事実上ロックインされる。
ある人事・会計大手のCEOは、決定論的なエンタープライズ・システム・オブ・レコードと確率論的なAIを組み合わせるのが自社の戦略であり、HRやERPは正確性・セキュリティ・規制順守の必要性から代替が難しい、と語った。代替ではなく補完。これはこの法則そのものを、経営者が自分の言葉で語ったものだ。
ただし図書館と事務員では、成長のダイナミズムが異なる。図書館はAIの進化と共にメーターが回る「攻め」の恩恵を受ける。事務員はスイッチングコストに守られて確実に生き残るが、単価を大幅に上げにくい。必要不可欠だが、爆発はしにくい。
もっとも、「爆発しない」と「リターンが出ない」は違う。AIエージェント向けの新機能を上乗せすることで客単価を引き上げる余地はある。先述の人事・会計SaaSは、新興のAI製品からのARRだけで4億ドルを突破し、前年比100%超で伸ばしている。守りながら打てる企業は確実に存在する。
そして窓口に関してだが、AIエージェントが直接データベースを叩く世界では、存在意義が薄れるのは間違いないだろう。全ての窓口が一夜にして消えるわけではないが、図書館や業務処理室と比べた時、「替えの効かなさ」は構造的に弱い。
三本の柱と、崩れる条件
この法則が構造的な予測として機能するのは、三つの根拠があるからだ。ただし、三本の強さは同じではない。
技術的事実（恒久的な床）。 LLMの確率的アーキテクチャは設計原理上の限界であり、AIが進化するほど決定論的バックエンドへの「委譲」が進む。
制度的事実（恒久的な床）。 規制産業の「100%正確性」要求は、法律が変わらない限り消えない。
経済的事実（当面有効な補強材）。 AIに低単価の仕事をやらせると経済的に非合理。MicrosoftとUberが身をもって証明した。ただし前述の通り、コストの壁は時間とともに薄くなりうる。だからこれは「床」ではなく「補強材」として数えるのが誠実だ。
仮に経済の補強材がいずれ薄れても、技術と制度の二本の床は残る。だからこの法則は、三本のうち一本が逓減してもなお立っている。
しかし、知的に誠実であるために、この法則が崩れる条件も書いておく。
一つ。AIエージェントが窓口型SaaSを「代替」ではなく「使いこなす」方向に進化した場合。SalesforceのAgentforceはこの賭けをしている。
二つ。規制当局がAIの確率的判断を一定条件で許容し始めた場合。事務員の制度的根拠が薄れる。
三つ。データの重力が逆転し、企業がオンプレミスに回帰した場合。図書館の優位が揺らぐ。
いずれも現時点では主流ではないが、構造は永遠ではない。法則にも賞味期限がある。
スマートマネーの答え合わせ
興味深いことに、この法則を「市場」が別の形で検証し始めている。
プライベートエクイティ（PE）が、法則に合致する企業を次々と非公開化しているのだ。保険の基幹システムを手がけるある企業は、Vista Equity Partnersに約26億ドルで。機関投資家向けの運用会計システムを手がける別の企業も、Permira・Warburg Pincus主導の投資家グループに約84億ドル（買収観測前の株価に約47%のプレミアム）で買収された。
どちらも「規制産業×決定論的×移行困難なシステム・オブ・レコード」という、この法則が示す条件にぴったり当てはまる。
しかも見逃せないのは、買収側も被買収側も「AI」を理由に挙げていることだ。運用会計SaaSのCEOは、非公開化によって「自社独自のデータベースを基盤にしたエージェント型ソリューション」に大胆に投資できる、と述べた。PEは「独自データ×規制×AI」という、まさにこの法則の交差点に現金を賭けている。
さらに両案件とも、アクティビスト投資家が「この会社は割安だ」と指摘した直後に、PEがさらっていった。
スマートマネーがこの構造に現金を賭けているということは、法則の方向性が大きく間違っている可能性は低い。ただし同時に、クリーンな候補が市場から次々と消えているという実務的な制約も意味する。法則の正しさの証明であり、賞味期限の警告でもある。
「安い」は二種類ある
ここまでの構造分析に基づいて具体的な投資先を探す段になると、一つの致命的な罠がある。
叩き売られたSaaSの「安さ」には二種類ある。パニック由来の不当な安さと、成長が実際に壊れたことによる正当な安さだ。この二つを分離しないと、「法則に当てはまるのに安い、つまりチャンスだ」と飛びついた銘柄が、実は正当な理由で安かった、という事態になる。
例えば、業務自動化（RPA）の大手は、法則への理論的適合度は最高クラスだ。「100%正確にルール通り実行する決定論的な手足」というポジションは、まさにこの法則が描く「間違えない事務員」そのもの。しかし株価は年初来40%超の下落で、売上成長は6%まで鈍化、新規ARRは前年比30%減少している。
安いのは「SaaSの死に巻き込まれた不当な売り」なのか、それとも「事務員型SaaSの構造的天井」を市場が正しく織り込んでいるのか。おそらく両方だが、後者の成分は無視できない。
皮肉なことに、この銘柄の低迷はこの法則自身を裏から証明している。記事の中で「事務員は生き残るが爆発しない」と書いた。その通りのことが起きている。法則に当てはまることと、投資リターンが大きいことは同義ではない。
「パニックか、正当か」。この切り分けを飛ばすと、構造分析が正しくても投資で負ける。
確証バイアスという最大の敵
もう一つ、自戒を込めて書いておかなければならないことがある。
構造分析を深めていくと、ある時点から「分析」が「確証探し」に変わる瞬間がある。
ある垂直特化型SaaSのユーザー評価を調べた時のことだ。現場から「システムが重い」「入力が面倒で、データの質が悪い」という不満が出ていた。普通に考えれば弱気材料だ。図書館の価値は蔵書の質に依存するのだから、蔵書が汚れているのは中核の毀損である。
ところが気づけば、私はこう解釈していた。「こんなに文句を言いながら誰も辞めていない。つまり堀が深い証拠だ」。
評判が良ければ「製品が強い」。評判が悪ければ「嫌われても辞められない堀」。どちらでも強気に着地する。これは分析ではなく信仰だ。どんなデータが出ても結論が変わらない主張は、反証不能であり、検証ではない。
仮説に惚れ始めたら、「この材料が出たら自分は間違いだったと認める」という反証ラインを先に紙に書いておく。それが唯一の防御策だ。
最初のシグナル、しかしまだ仮説
今回の決算シーズンで、この法則はすでに複数の企業で検証され始めている。
Snowflakeは「図書館＋司書」として爆発した。同じ時期に、チームのワークフローという独自データを武器にするAtlassianが、売上32%増・クラウド29%増を出し、株価は20%超急騰した。
同社のAIアシスタント「Rovo」を使う顧客は、使わない顧客のおよそ2倍のペースでARRを伸ばしているという。CEOは、ソフト株を圧迫しているAI懸念について「我々の数字には表れていない」と反論した。図書館の蔵書がAIの燃料になり、それがさらなる蔵書の蓄積を呼ぶ好循環だ。
「決定論的バックエンド」側でも、検証は始まっている。ただしこちらは「急騰」という形ではない。前述の人事・会計大手のCEOが「決定論的システムと確率論的AIは、代替ではなく補完だ」と法則そのものを経営の言語で語り、PEが規制産業の基幹システムを次々と現金で買い漁っている。
事務員側の承認は、株価の爆発ではなく、こうした静かな形で表れる。それは法則の主張、「事務員は爆発しないが、確実に生き残る」とむしろ整合している。
しかし数社の検証で法則を確定させるのは早計だ。次の決算シーズン、そのまた次の決算シーズンで繰り返し検証されて初めて、構造的な予測としての信頼性が確立される。
そしてこの法則に基づいて投資先を探す場合、「良い会社」と「今買う機会」は全く別の話だ。
堀が深くても、市場がすでにそれを評価して株価が上がっていれば「機会」ではない。堀が深く、かつ市場が「SaaSの死」で一括りにして不当に安くしている、その交差点にある銘柄だけが、この法則が指す投資機会になる。
そしてその交差点は、構造的に稀少だ。懸命に探してみたが、四条件（深い堀、AI追い風、成長継続、不当な安さ）を全て満たすクリーンな例は、探してもほとんど見つからない。ようやく見つかったと思ったらPEが先に買収していた、ということすら起きた。
現時点で100点満点の銘柄は存在しない。存在した瞬間に誰かが値段を修正してしまうからだ。
だから投資判断は常に「どの欠点なら許容できるか」の選択になる。そしてその選択は、この法則のどの軸を最も信じるか、データの重力か、規制の堀か、コスト逆説か、という問いに帰着する。
時間軸という難問
構造を理解していることと、市場のタイミングを読めることは全く別の能力だ。
この法則に基づいて「生き残る側」を今買っても、市場がパニックに支配されている間は株価が一緒に下がり続ける可能性がある。構造的に正しい銘柄が最も安くなるのは、市場が最も間違っている瞬間であり、心理的に最も持ち続けるのが辛い瞬間でもある。
ある人にこう言われたことがある。
「時間軸を決めるのは大衆だ。あなたは自分からスコップを持って情報を探し理解しようとしているけど、世の中の多くの人は受動的だ。そこに大きな時間のギャップがある」
構造に気づくのが早ければ早いほど、大衆が追いつくまでの待ち時間は長くなる。そしてその待ち時間に耐えられるかどうかは、分析力ではなくほとんど性格の問題だ。
さいごに
この法則は「SaaSは安泰だ」とは言っていない。むしろ逆だ。SaaSの大半はAIに代替されるリスクがある。「SaaSの死」は多くの企業にとって現実になりうる。
しかし全てが死ぬわけではない。生き残るのは二種類だけだろう。
一つ。企業のあらゆるデータが統合される「地下図書館」を持ち、AIがすぐに食べられる形に整理する「司書」を兼ねた企業。AIが進化するほど忙しくなる。
二つ。AIよりも圧倒的に安く、かつ100%の正確性でリアルタイムの決定論的処理を実行する「間違えない事務員」。スイッチングコストに守られ、確実に生き残る。
そしてこの二つには序列がある。図書館はAIと共にメーターが回る。事務員は必要不可欠だが、給料は大きくは上がらない。
以前の記事でこう書いた。
「技術が凄いことと、株価が正当化できることは、全く別の話だ。鉄道は世界を変えたが、鉄道株は暴落した」
今回はその続きだ。
AIは確かにSaaSを殺す。しかし、図書館と事務員だけは、AIが進化するほど忙しくなる。問題は、市場がそれに気づくまでの退屈な時間に、あなたが耐えられるかどうかだ。
構造を見る。数字を見る。ナラティブに惑わされない。仮説に惚れたら、反証ラインを紙に書く。そして、嵐が来た時に沈まない船を選ばなければいけない。
