消費級AIのサブスクリプションモデルは、トークンコストが上昇し続ける一方で、ユーザーの支払い意欲がそれに追いつかないというジレンマに陥っている。この構造的な緊張が、このビジネスモデルを極めて脆弱にしている。より持続可能なAIの商業化は、高価値ユーザー、深いワークフローとの連携、そして実際のビジネス結果に結びつくシナリオで実現する可能性が高い。これこそが、垂直AI領域が成立する経済的前提である。「Agentic Economy」第9号では、Harvey、Farther、Adyenの3つの事例を分析し、ベースモデルのコモディティ化が進む中で、それらがどのように競争優位性を構築しているかを考察する。同時に、より答えにくい2つの質問にも直面する：トークン補助金が終了した後も、これらの優位性は依然として成立するのか？そして、OpenAIやAnthropicがエンタープライズ顧客にエンジニアチームを派遣し始めた場合、それは何を意味するのか？
あらゆるテクノロジーは、十分に普及するとプレミアムの発生を停止する。汎用大規模モデルも同様である。パラメータ競争の限界効用が低下するにつれ、かつて希少だった知能は急速にコモディティ化された公共インフラに変わりつつある。その結果、単純なサードパーティAPIの呼び出しに依存し、シナリオへの組み込み能力を欠いた軽量アプリケーションのビジネスモデルは、加速的に崩壊しつつある。
しかし、コモディティ化は決して終着点ではない。新たなテクノロジーが普及するたびに、価値の機会はテクノロジーを持つ者から、それを実際に応用できる者へと流れる。
この法則が、現在、垂直型AIプラットフォームの急速な台頭を生み出している。
いわゆる垂直型AIプラットフォームとは、特定の業界に深く入り込み、汎用大規模モデルの能力を深くカプセル化し、特定のワークフローを中心にビジネスプロセスを再編成するAIアプリケーション層である。独自の評価システム（Eval）とマルチエージェントアーキテクチャを通じて、これらのプラットフォームはベースモデルをいつでも交換可能な計算コンポーネントに格下げし、業界の最も中核的なワークフロー資産をシステム内部にしっかりと固定する。その核心は、ビジネスプロセスにおける摩擦を排除し、複雑な専門業務を持続可能なシステム資産として蓄積することにある。
この新しい領域の成立を理解するには、まず、企業や専門家が支払うのは、ベースモデルのパラメータサイズではなく、それが内部ワークフローに深く組み込まれ、データのフィードバックループを形成し、実際の収入を生み出す能力であるという事実を明確にする必要がある。
そのため、高時給の法律専門家、高純資産顧客にサービスを提供するファイナンシャルアドバイザー、巨大な取引スループットを扱うトップマーチャントが、新世代の垂直型AIプラットフォームの争奪戦の焦点となっている。これらの人々は、予算決定権を持ち、コンプライアンス責任を負い、明確なビジネス成果を志向する。時給1000ドルの弁護士が10時間節約できるように支援する、あるいはウェルスマネジメントアドバイザーが運用資産規模を拡大し、税引後収益を最適化する支援をするなど、生み出されるビジネス価値は直接定量化できる。このような高価値生産主体への精密な結びつけこそが、垂直型AIが成立する経済的基盤である。
現在、この探求は主に2つの方向で展開されている。
1つ目は、AIを使って専門ワークフローを再編成し、かつて大規模組織だけが負担できた運営コストを大幅に圧縮することである。法律やウェルスマネジメントの分野では、コンプライアンス、リスク管理、専門サービスの提供といった高難度の業務が、技術プラットフォームを通じてシステム化され、専門家がより少ないリソースでより高密度な作業を行えるようになっている。
2つ目は、取引インフラの再構築、つまりマーチャントとエージェント間の接続の再定義である。エージェンティックコマースにおいて、フロントエンドの意図のインターセプトとインタラクションはAIラボが掌握するが、最終的な取引転換は依然としてマーチャント側のインフラで発生する。Adyen Agenticは汎用翻訳機として機能し、マーチャントが一度接続すれば、複数のプロトコルを横断してさまざまなAIショッピングプラットフォームに参加できるようにし、新しいプロトコルごとにシステムを再構築する必要をなくす。
3つの事例はそれぞれ異なるシナリオに焦点を当てているが、いずれも業界で従来標準化が難しかった中核的な能力を、システムを通じて持続的に呼び出し可能な資産として蓄積している。Harveyが蓄積するのは法的判断と業界知識、Fartherはアドバイザーの顧客関係と税務最適化能力、Adyenはマーチャントの商品データ、プロトコル適合、決済能力である。
これはまさに、マイクロソフトCEOサティア・ナデラが言うところのトークン資本である：AIの長期的価値は、単発のタスク実行だけでなく、人間の判断、知識、ワークフローを構造化してシステムに留め、継続的な相互作用の中で自己反復可能な資産を形成することにある。
Harveyは、現在の垂直型AIの波の中で最も評価額が高く、成長が著しいサンプルの一つであり、このロジックの可能性とジレンマが最も集中して表れている。
自社で汎用モデルを持たないこの法律プラットフォームは、法律事務所の中核的ワークフローへの深いカスタマイズにより、5ヶ月間（2025年8月から2026年1月）でARRを1億ドルから1.9億ドルに引き上げ、評価額は110億ドルに達した。これは、垂直型プラットフォームは汎用大規模モデルの下位競争に参加する必要は全くなく、業界のタスクを真に理解し、高価値ユーザーの日常業務シナリオを再構築できれば、強力な商業化能力を構築できることを示している。
しかし、華やかな財務数字の背後には、膨張し続ける計算リソースの請求書がある。
公開データによると、Harveyの月間トークン使用量は当初の約1兆から12〜13兆に増加した。100万トークンあたり3ドルと推定すると、年換算の理論推論コストは4.68億ドルに上る。現在、このコストは大手割引やプロンプトキャッシングなどの技術で一時的に抑えられているが、依存するコスト構造は、補助金が縮小されればすぐに請求書が跳ね返ることを意味する。このような財務圧力の下では、ARRの成長は実際のキャッシュフローに転換するのが極めて難しく、むしろ常に規模による反動のリスクに直面する。
この背後には、AIネイティブアプリケーションが避けて通れないコストのパラドックスがある：製品が人気になればなるほど、推論コストが増加する。従来のSaaSの限界コストはほぼゼロだが、法律のような長いコンテキストと高い推論密度を必要とするシナリオでは、複雑なタスクのたびに実際の計算リソースが消費される。そのため、自社モデルの開発は、技術的な選択肢からコストに迫られた必然的な選択へと変わった。
現在、Harveyは専有モデルのポストトレーニング戦略を推進しており、Applied Computeと深く協力して、オープンソースのベースモデル（GLM-5.1など）を法律業界向けに特殊な微調整を行っている。両者の最新の技術開示によると、ポストトレーニングされた専有モデルは、Harveyが独自に構築した法律エージェントベンチマーク（LAB）において、ルーブリック合格率が0.853から0.913に向上し、GPT-5.5 xhighを超え、Opus 4.8 Maxに迫っている。
コスト面の圧縮も顕著である。評価モデルをフロンティアモデルからGPT-5 Miniに変更し、複数の評価基準を一括処理することで、評価コストは40〜100倍圧縮された。これは、Harveyがより低コストで評価サイクルを継続的に反復できることを意味し、独自の評価システム自体が、蓄積可能な競争資産となっている。
さらに注目すべきは、パフォーマンス向上の背後で起こっている変化である。出力の完全性、数値の正確性、文書のトレーサビリティ、幻覚抑制の各主要な行動に定量化可能な改善が見られる。トレーニング中に、モデルがツールを呼び出す回数は減少し続けているが、各呼び出しはより精度が高く、総トークン消費も減少している。つまり、モデルは特定のツール環境で効果的に機能する方法を学習しており、大量の法律タスクを通じて蓄積されたこの行動パターンは、モデルパラメータ自体よりも外部に複製されにくい。
Harveyの事例は、垂直型AIプラットフォームの競争基盤がより深いところに移行していることを示している。ワークフローの設計と顧客関係は重要だが、オープンソースモデルのポストトレーニング能力と制御権、独自の評価システムとデータ生成能力、マルチエージェントアーキテクチャと推論コストの最適化が、新たな差別化の源泉になりつつある。
Harveyが大規模な専門サービス機関内部の提供コストを圧縮したとすれば、ウェルスマネジメントプラットフォームFartherは、中核人材が伝統的な巨大組織の引力から脱出する方法を示している。
Fartherは、独立系アドバイザー（RIA）向けのテクノロジープラットフォームであり、モルガン・スタンレー、メリルリンチ、UBS、ゴールドマン・サックスなどの巨大企業を去ったウェルスアドバイザーを積極的に採用している。伝統的なフルサービスブローカー制度では、アドバイザーは低い歩合と重い中核・バックオフィスの管理的負担を強いられることが多い。Fartherのアプローチは、アドバイザーを直接プラットフォームに受け入れ、これまで大規模組織が独占してきたバックオフィス能力を単一の統一プラットフォームに統合することである。高い歩合に加えて、タックスロスハーベスティング、ダイレクトインデクシング、プライベートマーケットへのアクセス、コンプライアンス審査、文書管理をすべて内蔵している。公式データによると、税務インテリジェンスアルゴリズムだけで、顧客に対して税引後1〜3%の投資リターン改善をもたらす。
このモデルは、資本市場からも強力な裏付けを得ている。2026年5月、FartherはGeneral Atlanticが主導する1.5億ドルのシリーズDラウンドを完了し、ユニコーンの仲間入りを果たした。現在、その管理資産規模は2300億ドルを超え、これにはゴールドマン・サックスのプライベートウェルス部門から引き抜いた、150億ドルの管理資産を握るスター銀行チームも含まれている。独立系ウェルスアドバイザーの継続的な流入は、伝統的な大手ブローカーが依存してきたシステムへの拘束が効力を失いつつあり、組織から独立して活動することがもはや少数派の選択肢ではないことを示している。
Harveyは法律事務所内部の専門提供効率の向上に注力する一方、Fartherはゼロから独立したプラットフォームを構築し、アドバイザーが伝統的な大手ブローカーに依存せずに同等以上のバックオフィス能力を得られるようにした。両者のアプローチは異なるが、専門サービスの生産方法を再定義している。このプラットフォームの支援により、ダイレクトインデクシングやプライベートマーケットなど、従来は大規模組織の超高純資産（UHNW）部門に限定されていた複雑な投資ツールが、独立系アドバイザーにも容易に活用できるようになり、専門家個人の業務範囲が大幅に拡大した。
従来のSaaSは、記録や保存などの浅いレベルのプロセス自動化しか処理できず、意思決定や調整といった複雑な実行を分担することはできなかった。しかし、マルチエージェントアーキテクチャに基づくAIネイティブシステムは、管理的実行と非標準的な論理判断の間にある曖昧な領域（コンプライアンス審査、パーソナライズされた文書作成、資産配分の提案など）を引き受けるのに自然に適合している。これらは従来、バックオフィスチーム全体の協力を必要としていた業務であり、現在はシステムによって迅速に処理されつつある。
エージェンティックコマースの議論は熱を帯びているが、現在の世論の注目はほぼ消費者側に独占されている。つまり、AIアシスタントがどのようにユーザーに代わって商品を検索し、価格を比較し、自動的に注文するかということである。それに比べて、マーチャント側の実際のフィードバックははるかに冷徹である。
ウォルマートのAIネイティブチェックアウト（Instant Checkout）におけるコンバージョン率は、現在、従来のクリック遷移方式の3分の1に過ぎない。また、完全にShopifyのAIチェックアウトシステムに統合されたマーチャントの割合は、2026年時点でも限定的である。AIが需要を活性化してから実際の取引完了に至るまでには、明らかな断絶が存在する。
断絶が生じる理由は、エージェント取引がシステムエンジニアリングだからである。ユーザーの意図を理解することは第一歩に過ぎず、需要を収益に変換するには、在庫確認、税計算、不正防止リスク管理、履行、資金決済の全チェーンのサポートが必要であり、これらの能力は現在、マーチャントのローカルシステムにしっかりと固定されている。同時に、UCP、ACP、AP2、Agent Pay、Visa Tokenizationなど、複数のエージェント決済プロトコルが併存し、相互に互換性がないため、マーチャントには一つ一つ適応する動機もなければ、技術の断片化によるコストを負担する余裕もない。
Adyenはこれに対応してAdyen Agenticを発表し、3層のモジュール式APIを通じて、取引チェーンのさまざまな段階をカバーしている。
Agentic Feed：マーチャントの商品カタログ、価格、リアルタイム在庫データを、主要なAIプラットフォームに標準化された形式で配信する。
Agentic Cart：マーチャントの既存のチェックアウト、税務、履行、注文管理システムを、対話型コマースの基盤に接続する。
Agentic Payments：エージェント主導の取引における本人確認、ネットワークリスク管理、マルチチャネル資金決済を処理する。
マーチャントが一度統合すれば、Adyenは異なるAIエージェントプラットフォームやプロトコル間を翻訳し、市場の状況が変わるたびにベースシステムを再構築する必要はない。
エージェンティックコマースのエコシステムでは、フロントエンドのAIラボや会話型インターフェースがユーザーの意図やトラフィックをインターセプトするかもしれないが、実質的な価値変換、取引の成立、資金のクローズは、依然としてマーチャント側のインフラに大きく依存している。競争の激しいフロントエンド入口に比べて、マーチャント側のシステム化された統合サービスは、むしろ安定した課金可能な基盤インフラとして定着する可能性が高い。
低価格の汎用ツール市場が飽和するにつれて、大規模モデルプラットフォームが低単価のサブスクリプションに依存するビジネスロジックは、徐々に脆弱性を示し始めている。Webページの要約やメールの下書き作成などの汎用機能が簡単に代替可能になったとき、垂直プラットフォームはビジネス結果をより重視する高価値顧客へと収斂しなければならない。しかし、高価値の業界に向かえば向かうほど、アプリケーション層が直面する競争環境は複雑になる。
プレッシャーの一つは、モデルメーカーのビジネス境界の積極的な拡大である。OpenAIとAnthropicは、単なるAPI卸売業者にとどまらず、フロントラインエンジニアリングチーム（FDE）を通じて中核顧客の現場に直接入り込んでいる。2026年4月、OpenAIは260億ドルの資産を持つCustomers Bankと提携し、エンジニアチームが銀行に駐在し、ローカルデータを使用して融資審査や口座開設のエージェントを開発した。Anthropicは金融IT大手のFISと協力し、FDEチームをその内部システムに組み込み、マネーロンダリング防止ツールを開発し、FISが多数の銀行にサービスを提供するチャネルを活用して、銀行業務の最も深い部分に直接アクセスしている。
この現場協力モデルは、モデル大手がインフラチャネルを利用して、高障壁業界の内部ビジネスプロセスを直接学習し複製していることを示している。
もう一つのプレッシャーは、持続不可能なトークン価格設定ロジックである。現在、ほとんどのフロンティアベースモデルのトークンは、実際には補助金後の赤字価格で販売されている。エンタープライズ向けマルチエージェントアーキテクチャの高頻度呼び出しに伴い、大手の補助金が終了すれば、外部のフロンティアAPIに完全に依存する垂直プラットフォームの計算リソース請求書は維持できなくなる。
このプレッシャーは、推論需要の増大に伴いさらに拡大する。何百もの24時間稼働するエージェントがバックグラウンドで高頻度に相互作用する場合、計算リソースへの需要は指数関数的に増加するが、ASMLの露光装置のような極めて長い製造サイクルを持つ物理的制約により、基盤となるハードウェアサプライチェーンは急速に追いつくことができない。ほとんどの日常業務にとって、すべてのタスクにフロンティアモデルを使用すること自体が、深刻なリソースのミスマッチである。
これこそが、HarveyがApplied Computeと協力し、専用テストセット、独自評価システム、人手によるアノテーションパイプラインを構築しなければならない真の理由である。垂直プラットフォームは単に製品を作っているのではなく、高難度のコストエンジニアリングを行っている：各タスクのトークン消費を精密に測定し、どの中間ステップを低コストのオープンソース小型モデルに振り分けられるか、どの重要な判断に高価格のフラッグシップモデルを呼び出す必要があるか、そして人手によるレビューをどこで介入させるべきかを明確にする。
このような背景の中で、単なる洗練されたワークフローインターフェースだけでは、もはや持続的な競争優位性を提供するのは難しい。バックエンドのコストエンジニアリングを極限まで追求することが、垂直型AIプラットフォームが長期的に存続するための重要なテーマである。
汎用大規模モデルが水道や電気のように手に入るようになると、AIアプリケーション層の価値は産業チェーンの最上流と最末端に集中し始める。
この段階において、業界の希少属性は消えていない。最上流には依然として、アルゴリズムで標準化できない核心がある。顧客の信頼、複雑な非標準的判断、実務家の経験に隠された非構造化知識などである。最末端にはマーチャントネットワークがあり、商品データ、コンプライアンスチェーン、決済チャネルを担っている。垂直プラットフォームの実際の意義は、これらの高価値主体の専門経験を、持続的に蓄積可能なトークン資本に変換することにある。
これにより、アプリケーション層の競争ロジックは現実路線に回帰しつつある。過去10年間、ソフトウェア業界を支えてきた「規模の物語」は、計算リソースコストと物理的なサプライチェーンの硬直的な制約の前で効力を失い始めている。
新しいサイクルにおいて、アプリケーション層企業の存続は、緻密なコストと計算リソースの裁定取引に依存する。モデル価格競争の終息と計算リソース制限の下で、アプリケーションプラットフォームはコストとパフォーマンスの間で最適解を見つけなければならず、資本の注入に頼り続けることはできない。
大規模モデルメーカーはより大きな計算リソースとフロントラインエンジニアリングチームを持つが、機敏な垂直プラットフォームと独立した専門家にとって、最もユニークな競争優位性は依然として、自身が蓄積した専門的な暗黙知を、ベースモデルメーカーが複製できないシステム資産に変換することにある。幅広いトラフィック競争を避け、高価値生産主体のビジネスクローズを優先的に満たすこと、これこそが垂直型AIが大規模モデルのコモディティ化時代に長期存続するロジックである。
1.61M 人気度
471.56K 人気度
64.44K 人気度
358.69K 人気度
590.58K 人気度
AIアプリケーション層はいかに持続可能な収益化の余地を模索すべきか？
消費級AIのサブスクリプションモデルは、トークンコストが上昇し続ける一方で、ユーザーの支払い意欲がそれに追いつかないというジレンマに陥っている。この構造的な緊張が、このビジネスモデルを極めて脆弱にしている。より持続可能なAIの商業化は、高価値ユーザー、深いワークフローとの連携、そして実際のビジネス結果に結びつくシナリオで実現する可能性が高い。これこそが、垂直AI領域が成立する経済的前提である。「Agentic Economy」第9号では、Harvey、Farther、Adyenの3つの事例を分析し、ベースモデルのコモディティ化が進む中で、それらがどのように競争優位性を構築しているかを考察する。同時に、より答えにくい2つの質問にも直面する：トークン補助金が終了した後も、これらの優位性は依然として成立するのか？そして、OpenAIやAnthropicがエンタープライズ顧客にエンジニアチームを派遣し始めた場合、それは何を意味するのか？
あらゆるテクノロジーは、十分に普及するとプレミアムの発生を停止する。汎用大規模モデルも同様である。パラメータ競争の限界効用が低下するにつれ、かつて希少だった知能は急速にコモディティ化された公共インフラに変わりつつある。その結果、単純なサードパーティAPIの呼び出しに依存し、シナリオへの組み込み能力を欠いた軽量アプリケーションのビジネスモデルは、加速的に崩壊しつつある。
しかし、コモディティ化は決して終着点ではない。新たなテクノロジーが普及するたびに、価値の機会はテクノロジーを持つ者から、それを実際に応用できる者へと流れる。
この法則が、現在、垂直型AIプラットフォームの急速な台頭を生み出している。
いわゆる垂直型AIプラットフォームとは、特定の業界に深く入り込み、汎用大規模モデルの能力を深くカプセル化し、特定のワークフローを中心にビジネスプロセスを再編成するAIアプリケーション層である。独自の評価システム（Eval）とマルチエージェントアーキテクチャを通じて、これらのプラットフォームはベースモデルをいつでも交換可能な計算コンポーネントに格下げし、業界の最も中核的なワークフロー資産をシステム内部にしっかりと固定する。その核心は、ビジネスプロセスにおける摩擦を排除し、複雑な専門業務を持続可能なシステム資産として蓄積することにある。
この新しい領域の成立を理解するには、まず、企業や専門家が支払うのは、ベースモデルのパラメータサイズではなく、それが内部ワークフローに深く組み込まれ、データのフィードバックループを形成し、実際の収入を生み出す能力であるという事実を明確にする必要がある。
そのため、高時給の法律専門家、高純資産顧客にサービスを提供するファイナンシャルアドバイザー、巨大な取引スループットを扱うトップマーチャントが、新世代の垂直型AIプラットフォームの争奪戦の焦点となっている。これらの人々は、予算決定権を持ち、コンプライアンス責任を負い、明確なビジネス成果を志向する。時給1000ドルの弁護士が10時間節約できるように支援する、あるいはウェルスマネジメントアドバイザーが運用資産規模を拡大し、税引後収益を最適化する支援をするなど、生み出されるビジネス価値は直接定量化できる。このような高価値生産主体への精密な結びつけこそが、垂直型AIが成立する経済的基盤である。
現在、この探求は主に2つの方向で展開されている。
1つ目は、AIを使って専門ワークフローを再編成し、かつて大規模組織だけが負担できた運営コストを大幅に圧縮することである。法律やウェルスマネジメントの分野では、コンプライアンス、リスク管理、専門サービスの提供といった高難度の業務が、技術プラットフォームを通じてシステム化され、専門家がより少ないリソースでより高密度な作業を行えるようになっている。
2つ目は、取引インフラの再構築、つまりマーチャントとエージェント間の接続の再定義である。エージェンティックコマースにおいて、フロントエンドの意図のインターセプトとインタラクションはAIラボが掌握するが、最終的な取引転換は依然としてマーチャント側のインフラで発生する。Adyen Agenticは汎用翻訳機として機能し、マーチャントが一度接続すれば、複数のプロトコルを横断してさまざまなAIショッピングプラットフォームに参加できるようにし、新しいプロトコルごとにシステムを再構築する必要をなくす。
3つの事例はそれぞれ異なるシナリオに焦点を当てているが、いずれも業界で従来標準化が難しかった中核的な能力を、システムを通じて持続的に呼び出し可能な資産として蓄積している。Harveyが蓄積するのは法的判断と業界知識、Fartherはアドバイザーの顧客関係と税務最適化能力、Adyenはマーチャントの商品データ、プロトコル適合、決済能力である。
これはまさに、マイクロソフトCEOサティア・ナデラが言うところのトークン資本である：AIの長期的価値は、単発のタスク実行だけでなく、人間の判断、知識、ワークフローを構造化してシステムに留め、継続的な相互作用の中で自己反復可能な資産を形成することにある。
1.9億ドルのARRと4.6億ドルの計算コスト：Harveyの持続不可能な規模のゲーム
Harveyは、現在の垂直型AIの波の中で最も評価額が高く、成長が著しいサンプルの一つであり、このロジックの可能性とジレンマが最も集中して表れている。
自社で汎用モデルを持たないこの法律プラットフォームは、法律事務所の中核的ワークフローへの深いカスタマイズにより、5ヶ月間（2025年8月から2026年1月）でARRを1億ドルから1.9億ドルに引き上げ、評価額は110億ドルに達した。これは、垂直型プラットフォームは汎用大規模モデルの下位競争に参加する必要は全くなく、業界のタスクを真に理解し、高価値ユーザーの日常業務シナリオを再構築できれば、強力な商業化能力を構築できることを示している。
しかし、華やかな財務数字の背後には、膨張し続ける計算リソースの請求書がある。
公開データによると、Harveyの月間トークン使用量は当初の約1兆から12〜13兆に増加した。100万トークンあたり3ドルと推定すると、年換算の理論推論コストは4.68億ドルに上る。現在、このコストは大手割引やプロンプトキャッシングなどの技術で一時的に抑えられているが、依存するコスト構造は、補助金が縮小されればすぐに請求書が跳ね返ることを意味する。このような財務圧力の下では、ARRの成長は実際のキャッシュフローに転換するのが極めて難しく、むしろ常に規模による反動のリスクに直面する。
この背後には、AIネイティブアプリケーションが避けて通れないコストのパラドックスがある：製品が人気になればなるほど、推論コストが増加する。従来のSaaSの限界コストはほぼゼロだが、法律のような長いコンテキストと高い推論密度を必要とするシナリオでは、複雑なタスクのたびに実際の計算リソースが消費される。そのため、自社モデルの開発は、技術的な選択肢からコストに迫られた必然的な選択へと変わった。
現在、Harveyは専有モデルのポストトレーニング戦略を推進しており、Applied Computeと深く協力して、オープンソースのベースモデル（GLM-5.1など）を法律業界向けに特殊な微調整を行っている。両者の最新の技術開示によると、ポストトレーニングされた専有モデルは、Harveyが独自に構築した法律エージェントベンチマーク（LAB）において、ルーブリック合格率が0.853から0.913に向上し、GPT-5.5 xhighを超え、Opus 4.8 Maxに迫っている。
コスト面の圧縮も顕著である。評価モデルをフロンティアモデルからGPT-5 Miniに変更し、複数の評価基準を一括処理することで、評価コストは40〜100倍圧縮された。これは、Harveyがより低コストで評価サイクルを継続的に反復できることを意味し、独自の評価システム自体が、蓄積可能な競争資産となっている。
さらに注目すべきは、パフォーマンス向上の背後で起こっている変化である。出力の完全性、数値の正確性、文書のトレーサビリティ、幻覚抑制の各主要な行動に定量化可能な改善が見られる。トレーニング中に、モデルがツールを呼び出す回数は減少し続けているが、各呼び出しはより精度が高く、総トークン消費も減少している。つまり、モデルは特定のツール環境で効果的に機能する方法を学習しており、大量の法律タスクを通じて蓄積されたこの行動パターンは、モデルパラメータ自体よりも外部に複製されにくい。
Harveyの事例は、垂直型AIプラットフォームの競争基盤がより深いところに移行していることを示している。ワークフローの設計と顧客関係は重要だが、オープンソースモデルのポストトレーニング能力と制御権、独自の評価システムとデータ生成能力、マルチエージェントアーキテクチャと推論コストの最適化が、新たな差別化の源泉になりつつある。
Fartherの脱組織化：伝統的な大手ブローカーのアドバイザーへの拘束を打ち破る
Harveyが大規模な専門サービス機関内部の提供コストを圧縮したとすれば、ウェルスマネジメントプラットフォームFartherは、中核人材が伝統的な巨大組織の引力から脱出する方法を示している。
Fartherは、独立系アドバイザー（RIA）向けのテクノロジープラットフォームであり、モルガン・スタンレー、メリルリンチ、UBS、ゴールドマン・サックスなどの巨大企業を去ったウェルスアドバイザーを積極的に採用している。伝統的なフルサービスブローカー制度では、アドバイザーは低い歩合と重い中核・バックオフィスの管理的負担を強いられることが多い。Fartherのアプローチは、アドバイザーを直接プラットフォームに受け入れ、これまで大規模組織が独占してきたバックオフィス能力を単一の統一プラットフォームに統合することである。高い歩合に加えて、タックスロスハーベスティング、ダイレクトインデクシング、プライベートマーケットへのアクセス、コンプライアンス審査、文書管理をすべて内蔵している。公式データによると、税務インテリジェンスアルゴリズムだけで、顧客に対して税引後1〜3%の投資リターン改善をもたらす。
このモデルは、資本市場からも強力な裏付けを得ている。2026年5月、FartherはGeneral Atlanticが主導する1.5億ドルのシリーズDラウンドを完了し、ユニコーンの仲間入りを果たした。現在、その管理資産規模は2300億ドルを超え、これにはゴールドマン・サックスのプライベートウェルス部門から引き抜いた、150億ドルの管理資産を握るスター銀行チームも含まれている。独立系ウェルスアドバイザーの継続的な流入は、伝統的な大手ブローカーが依存してきたシステムへの拘束が効力を失いつつあり、組織から独立して活動することがもはや少数派の選択肢ではないことを示している。
Harveyは法律事務所内部の専門提供効率の向上に注力する一方、Fartherはゼロから独立したプラットフォームを構築し、アドバイザーが伝統的な大手ブローカーに依存せずに同等以上のバックオフィス能力を得られるようにした。両者のアプローチは異なるが、専門サービスの生産方法を再定義している。このプラットフォームの支援により、ダイレクトインデクシングやプライベートマーケットなど、従来は大規模組織の超高純資産（UHNW）部門に限定されていた複雑な投資ツールが、独立系アドバイザーにも容易に活用できるようになり、専門家個人の業務範囲が大幅に拡大した。
従来のSaaSは、記録や保存などの浅いレベルのプロセス自動化しか処理できず、意思決定や調整といった複雑な実行を分担することはできなかった。しかし、マルチエージェントアーキテクチャに基づくAIネイティブシステムは、管理的実行と非標準的な論理判断の間にある曖昧な領域（コンプライアンス審査、パーソナライズされた文書作成、資産配分の提案など）を引き受けるのに自然に適合している。これらは従来、バックオフィスチーム全体の協力を必要としていた業務であり、現在はシステムによって迅速に処理されつつある。
過小評価されているマーチャント側：Agentic Commerceの取引クローズ
エージェンティックコマースの議論は熱を帯びているが、現在の世論の注目はほぼ消費者側に独占されている。つまり、AIアシスタントがどのようにユーザーに代わって商品を検索し、価格を比較し、自動的に注文するかということである。それに比べて、マーチャント側の実際のフィードバックははるかに冷徹である。
ウォルマートのAIネイティブチェックアウト（Instant Checkout）におけるコンバージョン率は、現在、従来のクリック遷移方式の3分の1に過ぎない。また、完全にShopifyのAIチェックアウトシステムに統合されたマーチャントの割合は、2026年時点でも限定的である。AIが需要を活性化してから実際の取引完了に至るまでには、明らかな断絶が存在する。
断絶が生じる理由は、エージェント取引がシステムエンジニアリングだからである。ユーザーの意図を理解することは第一歩に過ぎず、需要を収益に変換するには、在庫確認、税計算、不正防止リスク管理、履行、資金決済の全チェーンのサポートが必要であり、これらの能力は現在、マーチャントのローカルシステムにしっかりと固定されている。同時に、UCP、ACP、AP2、Agent Pay、Visa Tokenizationなど、複数のエージェント決済プロトコルが併存し、相互に互換性がないため、マーチャントには一つ一つ適応する動機もなければ、技術の断片化によるコストを負担する余裕もない。
Adyenはこれに対応してAdyen Agenticを発表し、3層のモジュール式APIを通じて、取引チェーンのさまざまな段階をカバーしている。
Agentic Feed：マーチャントの商品カタログ、価格、リアルタイム在庫データを、主要なAIプラットフォームに標準化された形式で配信する。
Agentic Cart：マーチャントの既存のチェックアウト、税務、履行、注文管理システムを、対話型コマースの基盤に接続する。
Agentic Payments：エージェント主導の取引における本人確認、ネットワークリスク管理、マルチチャネル資金決済を処理する。
マーチャントが一度統合すれば、Adyenは異なるAIエージェントプラットフォームやプロトコル間を翻訳し、市場の状況が変わるたびにベースシステムを再構築する必要はない。
エージェンティックコマースのエコシステムでは、フロントエンドのAIラボや会話型インターフェースがユーザーの意図やトラフィックをインターセプトするかもしれないが、実質的な価値変換、取引の成立、資金のクローズは、依然としてマーチャント側のインフラに大きく依存している。競争の激しいフロントエンド入口に比べて、マーチャント側のシステム化された統合サービスは、むしろ安定した課金可能な基盤インフラとして定着する可能性が高い。
垂直プラットフォームの懸念：モデルメーカーの浸透とトークンコストの再構築
低価格の汎用ツール市場が飽和するにつれて、大規模モデルプラットフォームが低単価のサブスクリプションに依存するビジネスロジックは、徐々に脆弱性を示し始めている。Webページの要約やメールの下書き作成などの汎用機能が簡単に代替可能になったとき、垂直プラットフォームはビジネス結果をより重視する高価値顧客へと収斂しなければならない。しかし、高価値の業界に向かえば向かうほど、アプリケーション層が直面する競争環境は複雑になる。
プレッシャーの一つは、モデルメーカーのビジネス境界の積極的な拡大である。OpenAIとAnthropicは、単なるAPI卸売業者にとどまらず、フロントラインエンジニアリングチーム（FDE）を通じて中核顧客の現場に直接入り込んでいる。2026年4月、OpenAIは260億ドルの資産を持つCustomers Bankと提携し、エンジニアチームが銀行に駐在し、ローカルデータを使用して融資審査や口座開設のエージェントを開発した。Anthropicは金融IT大手のFISと協力し、FDEチームをその内部システムに組み込み、マネーロンダリング防止ツールを開発し、FISが多数の銀行にサービスを提供するチャネルを活用して、銀行業務の最も深い部分に直接アクセスしている。
この現場協力モデルは、モデル大手がインフラチャネルを利用して、高障壁業界の内部ビジネスプロセスを直接学習し複製していることを示している。
もう一つのプレッシャーは、持続不可能なトークン価格設定ロジックである。現在、ほとんどのフロンティアベースモデルのトークンは、実際には補助金後の赤字価格で販売されている。エンタープライズ向けマルチエージェントアーキテクチャの高頻度呼び出しに伴い、大手の補助金が終了すれば、外部のフロンティアAPIに完全に依存する垂直プラットフォームの計算リソース請求書は維持できなくなる。
このプレッシャーは、推論需要の増大に伴いさらに拡大する。何百もの24時間稼働するエージェントがバックグラウンドで高頻度に相互作用する場合、計算リソースへの需要は指数関数的に増加するが、ASMLの露光装置のような極めて長い製造サイクルを持つ物理的制約により、基盤となるハードウェアサプライチェーンは急速に追いつくことができない。ほとんどの日常業務にとって、すべてのタスクにフロンティアモデルを使用すること自体が、深刻なリソースのミスマッチである。
これこそが、HarveyがApplied Computeと協力し、専用テストセット、独自評価システム、人手によるアノテーションパイプラインを構築しなければならない真の理由である。垂直プラットフォームは単に製品を作っているのではなく、高難度のコストエンジニアリングを行っている：各タスクのトークン消費を精密に測定し、どの中間ステップを低コストのオープンソース小型モデルに振り分けられるか、どの重要な判断に高価格のフラッグシップモデルを呼び出す必要があるか、そして人手によるレビューをどこで介入させるべきかを明確にする。
このような背景の中で、単なる洗練されたワークフローインターフェースだけでは、もはや持続的な競争優位性を提供するのは難しい。バックエンドのコストエンジニアリングを極限まで追求することが、垂直型AIプラットフォームが長期的に存続するための重要なテーマである。
結語：市場の希少性は、再び産業チェーンの最上流へ
汎用大規模モデルが水道や電気のように手に入るようになると、AIアプリケーション層の価値は産業チェーンの最上流と最末端に集中し始める。
この段階において、業界の希少属性は消えていない。最上流には依然として、アルゴリズムで標準化できない核心がある。顧客の信頼、複雑な非標準的判断、実務家の経験に隠された非構造化知識などである。最末端にはマーチャントネットワークがあり、商品データ、コンプライアンスチェーン、決済チャネルを担っている。垂直プラットフォームの実際の意義は、これらの高価値主体の専門経験を、持続的に蓄積可能なトークン資本に変換することにある。
これにより、アプリケーション層の競争ロジックは現実路線に回帰しつつある。過去10年間、ソフトウェア業界を支えてきた「規模の物語」は、計算リソースコストと物理的なサプライチェーンの硬直的な制約の前で効力を失い始めている。
新しいサイクルにおいて、アプリケーション層企業の存続は、緻密なコストと計算リソースの裁定取引に依存する。モデル価格競争の終息と計算リソース制限の下で、アプリケーションプラットフォームはコストとパフォーマンスの間で最適解を見つけなければならず、資本の注入に頼り続けることはできない。
大規模モデルメーカーはより大きな計算リソースとフロントラインエンジニアリングチームを持つが、機敏な垂直プラットフォームと独立した専門家にとって、最もユニークな競争優位性は依然として、自身が蓄積した専門的な暗黙知を、ベースモデルメーカーが複製できないシステム資産に変換することにある。幅広いトラフィック競争を避け、高価値生産主体のビジネスクローズを優先的に満たすこと、これこそが垂直型AIが大規模モデルのコモディティ化時代に長期存続するロジックである。