この記事についてClaude（Anthropic）との共同編集により作成されました。
要約
- 模倣コストは確かに崩壊した。ただし崩壊したのは「動いて見えるものを作る」コストであって、「壊れず・漏れず・運用に乗り続ける」コストではない
- 構文的に正しいコードは95%超なのに、セキュリティ合格率は2年間55%前後で横ばい。重複コードは81%増、リファクタ率は21%から3.8%へ落ちた
- クローンは今のところ市場を奪っていない。App Storeの新規供給は30%増えたが、ダウンロード総数の伸びは3%
- もっと怖い数字がある。AIネイティブ製品のリテンションは総崩れで、GRRの中央値は40%だった
- 差別化の源泉は「何をするか」から「どこに座っているか」へ移った。強いのはワークフロー埋め込み・規制の吸収・責任の引き受け・課金モデルの非対称性
- 弱いのは技術的な模倣困難性とブラックボックス性。データの独自性も条件付きでしか効かない
以前の記事で「ありふれたアプリが溢れるほど、ニッチ分野の専門知識が武器になる」と書いた。あの記事は「AIが最頻値を出力する装置だから、最頻値から遠い場所に価値が残る」という論理で立てたもので、今も筋は変わっていないと思っている。
ただ、あの記事は前提をひとつ、確認せずに使っていた。模倣コストが崩壊したという前提を、測定値で確かめていなかった。バイブコーディングで誰でも数時間でアプリが作れるようになった、という話は事実として流通しているが、じゃあ実際に何がどれだけ下がったのかは調べていなかった。
今回はそこを調べ直した。結論から書くと、崩壊したのは一部だけだった。そして「何が残るのか」の地図は、想像していたよりずっと具体的に描けた。
なお本記事は情報提供が目的で、法的助言ではない。特許・営業秘密・規制対応を実行する前には弁理士や弁護士に相談してほしい。
結論を先に
模倣コストは確かに崩壊した。ただし崩壊したのは動いて見えるものを作るコストであって、壊れず・漏れず・監査に耐え・業務に乗る状態を維持するコストではない。測定されたデータはむしろ後者が悪化していることを示している。
したがって独自性の源泉は移動した。プロダクトが何をするか（What）から、プロダクトがどこに座っているか（Where）へ。
以下、順に根拠を並べていく。
前提の検証1 — 確かに下がった側
まず下がった側から。ここは印象と実測が一致している。
用語の起源は Andrej Karpathy の2025年2月2日のツイートで^1、本人は後に「シャワー中の思いつきの使い捨てツイート」と振り返り、より真面目な後継語として “agentic engineering” を推している。それでも Collins 英語辞典は2025年11月に “vibe coding” を Word of the Year 2025 に選んだ^2。
ツールの規模は本物だ。Cursor（Anysphere）は2025年6月時点で ARR $500M・評価額 $9.9B、2026年には ARR $2B・評価額 $50B での調達交渉が報じられている^3。ARR は Annual Recurring Revenue（年間経常収益）の略で、サブスク型の売上を年換算したもの。直近の月額課金の合計を12倍した数字だと思えばいい。Lovable は8か月で ARR $100M に到達し、2026年6月には週100万件の新規プロジェクトが生成されている。
供給も実際に爆発した。App Store の新規アプリは2025年に約60万件（前年比30%増）、2026年上半期だけで56万件^4。Apple は2025年11月に、クローンアプリ対策で審査ガイドラインを改訂している。
ここまでは想像どおりだった。問題は次の節だ。
前提の検証2 — 下がっていない側（こちらが重要）
動くコードのコストは下がったが、安全なコードのコストは下がっていない。 ここが今回いちばん効いた発見だった。
- Veracode（2026年3月更新）: 150以上のモデル（GPT-5.x / Gemini 3 / Claude 4.5–4.6 を含む）で検証したところ、構文的正しさは95%超なのに、セキュリティ合格率は約55%で2年間ほぼ横ばいだった^5。つまり「動くコード」と「安全なコード」は完全に分離した
- GitClear（2026年、6.23億行を分析）: ブロック重複が81%増、リファクタリングは変更行の21%（2022年）から3.8%へ低下、エラー隠蔽構文が47%増、2週間チャーンが15%増^6
- Apiiro（2025年9月、ベンダー調査なので要注意）: 構文エラーは76%減・ロジックバグは60%減の一方、権限昇格経路が322%増、アーキテクチャ設計欠陥が153%増^7
- DORA 2025（約5,000名）: 90%がAIを利用し80%超が生産性向上を報告。ただしスループットは正の相関、デリバリー安定性は負の相関で、これは2024年から2年連続^8。DORAの総括は “AI doesn’t fix a team; it amplifies what’s already there.”
- Stack Overflow 2025調査（49,009名）: AI利用は78.5%、しかし高く信頼していると答えたのは3.1%^9。最大の不満は「ほぼ正しいが微妙に違う」で66%
生産性の実測についても書いておく。ここは誠実に両方向を出す必要がある。
GitHub出資の Peng et al.（2023年、95名、グリーンフィールドの HTTP サーバ課題）では55.8%の高速化が出た^10。一方 METR（2025年7月）は、100万行超・22kスター超の実リポジトリで熟練OSSメンテナ16名・246課題を対象に、19%遅くなったという結果を出した^11。しかも本人たちは事前に24%速くなると予測し、事後にも20%速かったと信じていた。
ただしこの19%を単独で引用すると誤読になる。METR は2026年2月の続報で、2025年後半のデータでは復帰した開発者で18%の改善、新規参加者で4%の改善を報告している（いずれも信頼区間はゼロを跨ぐ）^12。METR自身がこの18%を “very weak evidence” と呼び、選択バイアスを理由に実験デザインを作り直すと表明した。「19%遅い」は2025年時点・成熟コードベースでの点推定であって、法則ではない。
クローンは実際に市場を奪ったのか
ここが個人的にいちばん意外だった。奪っていない、というのが今のところの観測である。
Sora 2 の iOS 公開（2025年10月）直後、十数本の偽アプリが数日で出現し、削除までに約30万インストール・$16万超の売上を得た^13。これはクローン経済の最良の記録例だが、内容はプロダクトの代替ではなく利用者の誤認の収穫であり、寿命は数週間だった。
そして全体の数字はこうなっている。
| 指標 | 変化 |
|---|---|
| App Store 新規アプリ供給 | 2025年に約60万件（30%増） |
| ダウンロード総数 | 2025年3%増、2026年半ばまで2%増 |
供給は30%増えたのに、需要は3%しか増えていない。 クローンが既存プロダクトのユーザーを奪ったのではなく、単に選びにくい山が高くなっただけ、という読み方が自然になる。
Base44 の創業者 Maor Shlomo（Wix に約 $80M で売却）の言葉が業界の実感を代表している^14。
我々が出すどの機能も、数週間か数か月で競合にコピーされると分かっている。堀を持つのは難しい。
彼が堀として挙げるのは、DB・認証・ユーザー管理・分析・エージェント連携といった見えない配管のほうだ。
それより怖い数字
クローンより怖い数字が別にある。リテンション（顧客の定着）だ。
数字を出す前に、ここから頻出する略語を整理しておく。
| 略語 | 正式名 | 意味 |
|---|---|---|
| ARR | Annual Recurring Revenue | 年間経常収益。サブスク売上の年換算 |
| ACV | Annual Contract Value | 年間契約額。顧客1社あたりの年間の契約金額 |
| GRR | Gross Revenue Retention | 総収益維持率。既存顧客の売上が1年後にどれだけ残ったか。解約とダウングレードだけを見るので、定義上100%を超えない |
| NRR | Net Revenue Retention | 純収益維持率。GRR にアップセルや利用増による増額を足したもの。新規顧客がゼロでも成長できていれば100%を超える |
要するに GRR は「どれだけ失わなかったか」を、NRR は「失った分を既存顧客の増額で埋めた上でどうだったか」を見る指標になる。NRR が120%なら、新規獲得を完全に止めても年2割成長する状態を意味する。
ChartMogul の2025年調査（ARR $25万超の約3,500社）によると、B2B SaaS の NRR 中央値は82%、B2C は49%、そしてAIネイティブ企業は GRR 40% / NRR 48% だった^15。GRR 40% というのは、既存顧客からの売上の6割が1年で消えたという意味になる。AIネイティブの GRR は1月の27%から9月に40%へ改善しているが、これは「観光客」が抜けた結果とされている。価格帯で激変するのも特徴で、月 $250 超のAI製品は GRR 70% / NRR 85%、月 $50 未満は 23% / 32% しかない。
別の調査では違う数字が出ている。SaaS Capital の2025年調査では、ACV $25K–50K 帯の NRR 中央値は約102%（上位四分位111%、下位97%）^16。2021年に常識だった120%からは大きく後退したが、82%とはかなり離れている。
標本もコホート定義も違うので、この2つを平均してはいけない。ただしどちらを取っても結論は同じで、AIネイティブ層には現時点でロックインが存在しない。
つまり実際に起きているのは「クローンにユーザーを奪われる」ではなく、そもそも誰も定着していないだった。競合を見る前に、自分の解約率を見たほうがいい、という話になる。
差別化要因の地図
ここから「じゃあ何が残るのか」に入る。調べた範囲を12要素に整理して、AI時代に強まるか弱まるかで並べた。★は現時点の実効的な強度。
| # | 要素 | 強度 | AI時代の方向 | 構築に要する時間 | 主な崩れ方 |
|---|---|---|---|---|---|
| 1 | ワークフロー埋め込み・システムオブレコード | ★★★★★ | ↑ | 年単位 | プラットフォーム所有者に横取りされる |
| 2 | 規制・認証の吸収 | ★★★★☆ | ↑（ただし減価する） | 6〜18か月＋費用 | 自動化で参入費用が下がる |
| 3 | 説明責任・賠償・信頼 | ★★★★☆ | ↑↑ | 年単位・実績依存 | 一度の重大事故で消える |
| 4 | 埋め込まれた判断（暗黙知・業務ルール） | ★★★★☆ | ↑ | 年単位 | 人材流出、業界標準化 |
| 5 | カウンターポジショニング（課金モデル） | ★★★★☆ | ↑ | 設計次第で即 | 既存企業が痛みを飲んで追随 |
| 6 | スイッチングコスト（組織的） | ★★★★☆ | →（技術面は↓） | 年単位 | 業務そのものが変わる時 |
| 7 | ネットワーク効果 | ★★★★☆ | → | 年単位 | 分野が根本的に代替される |
| 8 | 評価基盤（evals）と失敗事例の分類体系 | ★★★☆☆ | ↑ | 1〜3年 | 業界共通ベンチマークの出現 |
| 9 | 運用由来の独自データ | ★★★☆☆ | → | 年単位 | モデル汎化がデータ優位を追い越す |
| 10 | 流通・バンドル・デフォルト配置 | ★★★☆☆ | ↑（ただし借り物） | 交渉次第 | プラットフォーム方針変更 |
| 11 | 法的独占（特許・ライセンス） | ★★☆☆☆ | → | 1〜3年 | 適格性否認、迂回設計、フォーク |
| 12 | 技術的模倣困難・ブラックボックス | ★☆☆☆☆ | ↓↓ | — | 蒸留・出力観察・数週間の追随 |
上位と下位の顔ぶれが、直感とかなりズレていた。技術的な模倣困難性が最下位で、規制対応と責任の引き受けが上位にいる。
強い堀を4つ
1. ワークフロー埋め込み / システムオブレコード
業務の実行そのものの中に入っていると、離脱コストが「データ移行」ではなく「業務のやり直し」になる。Menlo Ventures はこれを2つに分けて整理していて、この分類は実務的に使える^17。
- 防御的な堀: 規制、コンプライアンス、ライセンス、管轄固有ルール。汎用参入者がショートカットできないもの
- 生成的な堀: 蓄積データ、顧客横断シグナル、ワークフロー被覆範囲の拡大
最良の公開証拠は Figma の S-1 だ^18。ネットドル継続率（NRR）132%（2025年3月）、ARR $10K 超の顧客のグロス継続率（GRR）96%、MAU 1,300万のうち約3分の2が非デザイナーで約30%が開発者、76%が2製品以上を利用、大型契約の70%が Professional プランの一人のユーザーから発生している。
キャンバスは複製できても、PMとエンジニアとマーケターが既にその同じファイルにいる状態は複製できない。これがワークフロー埋め込みの正体だと思う。
（Figma の数値は S-1 の二次解説経由なので、重要な意思決定に使うなら原文の届出書で確認してほしい。）
2. 規制・認証の吸収
これは排他性ではなく時間と資本で効く堀だ。誰でも取れるが、誰もが待てるわけではない。
| 制度 | 管轄 | 費用 | 期間 |
|---|---|---|---|
| SOC 2 Type II | 米国（事実上グローバル） | $20K–40K | 6–12か月 |
| ISO 27001 / ISMS | グローバル | SOC 2 同等、附属書A 93統制 | 6–12か月 |
| FedRAMP（Rev 5） | 米国連邦 | Moderate $250K–750K | 12か月以上 |
| ISMAP | 日本政府調達 | ¥300万–1,000万、約1,100統制、毎年フル再監査 | 6–12か月 |
| ISMAP-LIU | 日本（低リスク） | 監査 ¥100–250万、約340統制 | 4–8か月 |
| JIIMA認証 | 日本（電子帳簿保存法） | 有料 | 審査3–4か月、有効期間3年 |
| SaMD承認 | 日本（PMDA） | 高額・臨床エビデンス要 | 複数年 |
ただしこの堀は減価している。Vanta / Drata / Secureframe などの自動化で SOC 2・ISO の費用は30–50%下がった。FedRAMP 20x は半年で100件超の認証を出し（従来は年50件未満）、審査待ちを5週間未満に圧縮している^19。先行期間を流通に変換しないと、堀は溶けて消える。
EU AI Act を差別化の柱に据える賭けは、長期化した。2026年5月の Digital Omnibus 政治合意で、附属書III の高リスク義務が2026年8月から2027年12月へ16か月延期された^20。
3. 説明責任・賠償・信頼
高リスク領域で顧客が買っているのは機能ではなく責任を取る主体である。
最も雄弁な指標は Damien Charlotin の AI Hallucination Cases データベースで、2026年8月時点で世界1,846件の裁判所判断が、AI由来の虚偽内容への依拠を認定している^21。著者自身、これは係争化しなかった分を除外した数だと注記している。
だからこそ賠償の引き受けが営業兵器になった。Microsoft の Copilot Copyright Commitment は、有償顧客の第三者著作権責任を引き受ける。医療・法務・金融・セキュリティでの防御資産は、監査証跡・認証姿勢・保険や補償の枠・名前のある責任者・複数年の無事故記録であって、いずれも機能ではない。
4. 埋め込まれた判断
Stanford Law の2026年論文（Mandal & Sinha）は、垂直AIの堀を強度順に5段階で並べている^22。
- ワークフロー / UX（低）
- 垂直特化のハーネスとカスタムツール（中）
- 組み込みコンプライアンス（中〜高）
- “The Brain” — 独自データ駆動のオペレーティングシステム（高）
- 埋め込まれた判断 — 実務家の専門性を意思決定ロジックに符号化したもの（最高）
流通・技術力・オペレーション効率は「オペレーショナルな堀」に分類され、単独では堀にならない補助要素とされている。
UIをクローンしても死ぬ理由がここにある。UIが符号化しているのはハッピーパスだけだからだ。
ハッピーパス（happy path）はソフトウェアテストの用語で、例外もエラーも起きず、想定どおりに最初から最後まで進むシナリオを指す。入力は正しく、権限は足りていて、ネットワークは切れず、相手のシステムも生きている、という前提の一本道。デモで見せられるのも、スクリーンショットに写るのも、たいていこれだ。
そして業務システムの価値の大半は、その外側にある。管轄固有ルール、支払者ごとの例外、承認チェーン、20年物の下流システムが要求するエクスポート形式、「3年目に分かったがこの項目はこの顧客層では意味が違う」といった蓄積は、ハッピーパスには一切現れない。画面を見てコピーできるのは、いちばん簡単な部分だけということになる。
a16z の Joe Schmidt の表現が分かりやすい^23。「100件の法務レッドラインをエージェントに通した会社は、その問題の形を内在化している」。彼はラボが取る領域を “Yellow Brick Road”（単純・水平）、スタートアップの生存圏を “the Rest of Oz”（垂直・多段・規制下）と呼んでいる。
これは前回のニッチ論と同じ場所を指している。当時は「AIの学習データが薄いから」という説明をしたが、より正確には「運用しないと発生しない例外の蓄積だから」のほうが近い。
番外 — カウンターポジショニング
見落としていたのがこれだった。Hamilton Helmer の 7 Powers のうち、AI時代に最も強まったのはカウンターポジショニングというのが複数の分析の一致点になっている。定義は「既存企業が自社を傷つけずには真似できないビジネスモデルを、新規参入者が採ること」。
具体例は課金モデルだ。AIネイティブは成果課金・従量課金を採れるが、既存 SaaS はシート課金の収益を食わずには追随できない。Simon-Kucher は、投資家によるシート課金モデルの再評価で SaaS/ソフトウェア企業が時価総額2兆ドルを失ったとしている^24。
ここは「調べる」より「設計する」領域だ。技術ではなく損益構造の非対称性を作る話なので、模倣困難性が構造的に担保される。
破れた堀
反証側も同じくらい重要なので並べる。
| 事例 | 主張された堀 | 結末 |
|---|---|---|
| Chegg | 独自Q&Aコーパス＋ブランド | 破れた。 株価99%下落、購読者50万超を喪失。コーパスが破壊者の燃料だった |
| Stack Overflow | Q&Aのデータネットワーク効果 | 破れた。 月間質問数が2008年水準へ。衰退はChatGPT以前に始まっていた |
| Jasper | AIコピーライティングの先行者 | 破れた。 2022年の $1.5B 評価から内部評価切り下げ、CEO交代 |
| Cursor vs GitHub Copilot | 既存側が最良の流通を持っていた | 挑戦者が勝った。 VS Codeのフォークが2025年1月に ARR $100M（マーケ費ゼロと報道） |
| Abridge vs Epic | 専門特化 vs システムオブレコード所有者 | 進行中。 専門特化側の堀が既存企業のプラットフォーム＝借り物の堀 |
| SAP | システムオブレコード＋データ重力 | 持ちこたえた。 2027年の期限を突きつけられて、なお59% |
Chegg は特に分かりやすい。独自コーパスとブランドを持っていたのに、2025年Q2売上は前年同期比36%減、2025年10月に人員の45%（388名）を削減、株価は99%下落し、約145億ドルの時価総額が消えた^25。コーパスは破壊者の学習データだった。
Stack Overflow も同じ形で、月間質問数は2014年ピークの20万超から2025年末に5万未満（2008年の開設時水準）まで落ちた^26。最終的にコーパスは OpenAI へのライセンスで現金化されたが、それはレント（賃料）であって堀ではない。
レントは再交渉される。2026年7月、Google がAI学習アクセスの終了を社内検討しているとの WSJ 報道で、Reddit株は約9%下落した。2年ごとに、しかも自分のトラフィック源でもある相手と結び直す必要のあるものは、契約であって堀ではない。
データの独自性について
懐疑側の正典は今も a16z の “The Empty Promise of Data Moats”（2019年）だ^27。要旨は、いわゆるデータネットワーク効果の大半は単なる規模効果の誤称で、真のネットワーク効果はノード間の相互作用を要する、というもの。NFX 自身の分類でもデータネットワーク効果は16種中11位で、「VCが信じたがるほど強くない」と明記されている^28。
それでも効くデータの型は4つに絞られる。
- 運用しないと発生しない排出データ — 採用/却下された差分、解決済みチケット、消し込み済み仕訳。スクレイプもライセンスもできない
- 結果ラベル付きのリアルタイム・フィードバックループ — その修正は効いたか、その請求は通ったか
- 人手評価セット（evals） — モデル改善の関門を握る、再現が高価な資産
- 静的コーパス — 最弱。まさにライセンスされるかスクレイプされて消えた側
そして著作権では守れない。Getty v. Stability AI（英高等法院、2025年11月）で裁判所はモデルの重みは学習画像の複製物ではないと判断し、Getty は学習に関する請求を取り下げた^29。Bartz v. Anthropic の $1.5B 和解^30 も、対象は「海賊版の取得」であって学習や出力ではなく、先例的拘束力はない。独自データセットは、契約とアクセス制御、適法かつ文書化された来歴、ソース自体の独占性で守るものだ。
ライセンス変更は堀ではない
ここは記録が明確に否定的だった。
| 企業 | 施策 | 結果 |
|---|---|---|
| Elastic | SSPL/ELv2（2021-01） | AWSが OpenSearch をフォーク（3か月後） |
| HashiCorp | BSL 1.1（2023-08） | 数週間で OpenTofu フォーク、2026年までに約1,000万DL |
| Redis | RSALv2/SSPL（2024-03） | Valkey フォーク。大企業の約83%が Valkey を検証・稼働 |
| MongoDB | SSPL（2018） | 唯一の成功例。ただし効いたのは Atlas というサービスの堀 |
Elastic は2024年に AGPLv3 を復活させたが、フォークの採用は戻らなかった。学術研究でも、再ライセンスはベンダー支配的プロジェクトのコントリビュータ多様性をほとんど変えなかったとされている^31。RedMonk は、再ライセンスがベンダーの財務結果を改善した証拠はないとしている。
ライセンス変更は一度きり・撤回不能な収益化レバーであって、堀ではない。
特許は日本のほうが通る
日本市場で作っているなら、ここは知っておく価値がある。
米国では PTAB が2024年の審判で審査官の §101 拒絶を88.6%支持しており、出願人の勝率は約11.4%^32。決定的なのは Recentive Analytics v. Fox（CAFC, 2025年4月）で、汎用の機械学習を新しいデータ環境に適用するだけでは、MLモデル自体の改良が開示されていない限り不適格とされた^33。AIスタートアップの最頻出クレーム形である「LLMを業界Xに適用」を直撃している。
一方、日本には Alice がない。適格性は「自然法則を利用した技術的思想の創作」という定義から流れ、ソフトウェアはソフトウェアとハードウェア資源との協働により情報処理が具体的に実現されていれば適格になる。JPO は学習済みモデルをソフトウェア型発明として明示的に受け入れている^34。
| 米国 | 日本 | |
|---|---|---|
| 適格性のハードル | 高い（Alice + Recentive） | 低い |
| コスト | 起草・提出 $10,000–20,000+ | 登録まで概ね ¥35万–80万 |
| 期間 | First Office Action まで16–20か月 | 早期審査で一次通知まで約3か月 |
ただし特許は手法を公開してしまう（18か月公開）ことに注意がいる。米国では §101 で無効化されうる権利と引き換えに、レシピを競合に渡すことになる。秘匿できる学習・チューニング手法は特許にしないほうがいい。
実際、営業秘密はAI領域で最強のIPメカニズムとされている。モデルの重み、学習データのキュレーション手順、チューニングのレシピ、評価セット、システムプロンプト、そして「何が失敗したか」というネガティブ・ノウハウ。不正競争防止法の三要件（秘密管理性・有用性・非公知性）の証跡は、特に秘密管理性が「後から」作れないので、早めに整えておく必要がある。
なおシステムプロンプトの法的保護は未確立で、OpenEvidence v. Pathway Medical が「プロンプトインジェクションによる抽出は営業秘密侵害か、許されるリバースエンジニアリングか」を争っているが、判断は出ていない^35。プロンプトは守れない前提で設計するのが安全だと思う。
見落としがちな「減価の確認」
調べていていちばん背筋が寒くなったのが、この3つの問いだった。
- 上記の堀のうち、3年後も同じ強度で残るものはどれか
- AI移行エージェントが顧客のデータと設定を競合へ1日で移せるようになったら、何が残るか
- 顧客がUIを見なくなり、エージェント経由でしか触らなくなったら、何が残るか
3番が特に重い。複数の分析が同じ結論に達している。人間がUIを見なくなれば、UIベースの差別化の価値はゼロになり、調整レイヤーを握った者が顧客を握る。
2番についても、Databricks、Snowflake、Microsoft、Salesforce、Palantir がすでにAI移行ツールを出荷していて、数か月の移植を数日に、時に無料で圧縮している。競合のロックインへの直接攻撃だ。
ただし救いもある。移行の本当の障害はデータではない。Precisely/ASUG の SAP 調査（2025年11月）では、2027年の ECC 期限がありながら、S/4HANA への完全または部分移行を終えた企業は59%にとどまる^36。障害の上位は業務プロセス変更49%、カスタマイズ44%、組織的抵抗37%だった。ベンダー主導・期限付き・潤沢な予算の10年がかりの移行が、まだ6割である。いずれもLLMが移行してくれるものではない。
検証できなかった点
信頼して使う前に確認したほうがいいものを挙げておく。
- NRRの中央値が食い違う（SaaS Capital 約102% vs ChartMogul 82%）。標本・定義が異なるので平均してはいけない
- AI移行エージェントがスイッチングコストを実際にどれだけ下げたか、定量研究は存在しない。本テーマ最大のエビデンス欠落点で、現状はベンダー資料しかない
- 「AIで作られたアプリのうち何%が実収益に到達したか」という数字は存在しない。Lovable は5,000万プロジェクトという分母は公表するが、放棄率・アクティベーション率・作成者収益は一切公表していない。この種の割合を引用しているソースは信用しないほうがいい
- 「Teaアプリはバイブコーディング製」は誤りの可能性が高い。広く流布しているが一次証拠がなく、アプリはKarpathyの造語より前に公開されている。事例として使わないほうがいい
- Apiiro の数値はベンダー調査で、方法論・標本定義・信頼区間の公表がない。方向性は Veracode / GitClear と整合するが、独立再現はされていない
- Cursor の ARR・評価額は報道ベースで監査済みではない
- Helmer 本人による AI 時代の 7 Powers 改訂は存在しない。本記事の再解釈はすべて第三者によるもの
- 「distribution is the moat」に一次資料の正典は見つからなかった。格言として流通しており、見つかったのは反論のほうだった
まとめ
調べる前は「模倣コストが崩壊したので差別化が難しくなった」という一枚の話だと思っていた。実際には二枚に分かれていた。
動いて見えるものを作るコストは崩壊した。壊れず・漏れず・運用に乗り続けるコストは、むしろ上がっている。
そして市場で起きていたのは、想像していた「クローンに奪われる」ではなく、「そもそも誰も定着しない」だった。供給は30%増えたのにダウンロードは3%しか増えず、AIネイティブ製品の GRR は40%しかない。
残る差別化は、プロダクトが何をするかではなく、どこに座っているかで決まる。業務の実行の中にいるか。制度が競合の入口を塞いでいるか。顧客の代わりに何のリスクを引き受けているか。既存企業が自社を傷つけずには真似できない課金構造になっているか。
ここまでは主に企業スケールの話で、そのままでは個人開発には持ち込めない。ISMAPも賠償引受もシステムオブレコードも、一人では手が届かない。
では、一人で作っている側には何が残るのか。 それは次回に書く。自分に向けた話でもあるので、少し痛いところまで書くつもりでいる。
参考文献
- Karpathy の初出ツイート (2025-02-02) https://x.com/karpathy/status/1886192184808149383
- Collins Word of the Year 2025 https://blog.collinsdictionary.com/language-lovers/collins-word-of-the-year-2025-ai-meets-authenticity-as-society-shifts/
- Cursor（Contrary Research） https://research.contrary.com/company/cursor
- App Store 供給過多 https://www.techspot.com/news/113213-apple-app-store-inundated-low-quality-vibecoded-apps.html
- Veracode Spring 2026 GenAI Code Security https://www.veracode.com/blog/spring-2026-genai-code-security/
- GitClear, Maintainability Gap (2026) https://www.gitclear.com/the_ai_code_quality_maintainability_gap
- CSA, AI-Generated Code Vulnerability Surge (2026) https://labs.cloudsecurityalliance.org/research/csa-research-note-ai-generated-code-vulnerability-surge-2026/
- DORA 2025 https://cloud.google.com/blog/products/ai-machine-learning/announcing-the-2025-dora-report
- Stack Overflow 2025 調査（The Register 経由） https://www.theregister.com/2025/07/29/coders_are_using_ai_tools/
- Peng et al. (2023) https://arxiv.org/abs/2302.06590
- METR RCT (2025-07-10) https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
- METR 続報 (2026-02-24) https://metr.org/blog/2026-02-24-uplift-update/
- Sora クローン群 https://www.emarketer.com/content/sora-copycats-expose-growing-app-store-scam-economy
- Base44 創業者インタビュー https://www.aol.com/articles/vibe-coding-startups-face-big-060944200.html
- ChartMogul, SaaS Retention: The AI Churn Wave https://chartmogul.com/reports/saas-retention-the-ai-churn-wave/
- SaaS Capital, retention benchmarks https://www.saas-capital.com/blog-posts/what-is-a-good-retention-rate-for-a-private-saas-company/
- Menlo Ventures, Software Finally Gets to Work (2026-04) https://menlovc.com/perspective/software-finally-gets-to-work-the-opportunity-in-vertical-ai/
- Figma S-1 解説 https://www.mostlymetrics.com/p/figma-ipo-s1-breakdown
- FedRAMP 20x 進捗 https://www.fedramp.gov/2025-07-30-fedramp-20x-four-months-in-and-authorizing/
- EU AI Act Digital Omnibus による延期 https://www.gibsondunn.com/eu-ai-act-omnibus-agreement-postponed-high-risk-deadlines-and-other-key-changes/
- AI Hallucination Cases データベース https://www.damiencharlotin.com/hallucinations/
- Stanford Law, Defensible Moats for Vertical AI Application Companies (2026-06) https://law.stanford.edu/wp-content/uploads/2026/06/Defensible-Moats-for-Vertical-AI-Application-Companies-in-a-New-Competitive-Landscape.pdf
- a16z, Avoiding Death on the Yellow Brick Road (2026-05-27) https://a16z.com/avoiding-death-on-the-yellow-brick-road/
- Simon-Kucher, Deepening Defensibility (2026-05-19) https://www.simon-kucher.com/en/insights/deepening-defensibility-moats-agentic-era
- Chegg https://www.forbes.com/sites/petercohan/2025/10/29/chegg-stock-down-99-learn-whether-ai-45-layoffs-make-chgg-a-buy/
- Stack Overflow の衰退 https://blog.pragmaticengineer.com/stack-overflow-is-almost-dead/
- a16z, The Empty Promise of Data Moats https://a16z.com/the-empty-promise-of-data-moats/
- NFX, Network Effects Manual https://www.nfx.com/post/network-effects-manual
- Getty v. Stability AI 判決 (2025-11) https://www.judiciary.uk/wp-content/uploads/2025/11/Getty-Images-v-Stability-AI.pdf
- Bartz v. Anthropic 和解最終承認 https://authorsguild.org/news/court-grants-final-approval-anthropic-copyright-settlement/
- OSS 再ライセンスの実証研究 (arXiv 2411.04739) https://arxiv.org/pdf/2411.04739
- PTAB §101 統計 (2024) https://patentdocs.org/2025/08/25/ptab-101-appeal-stats-for-2024-the-more-things-stay-the-same-the-worse-they-remain/
- Recentive v. Fox 解説 https://www.omm.com/insights/alerts-publications/client-alert-federal-circuit-rules-on-101-eligibility-of-ai-machine-learning-patents/
- JPO AI 関連発明の事例集 https://www.jpo.go.jp/e/system/laws/rule/guideline/patent/ai_jirei_e.html
- 営業秘密と AI（OpenEvidence v. Pathway） https://hh-law.com/blogs/blog-intellectual-property-litigation-protection-and-prosecution-dtsa-ai-artificial-intelligence-lawyers/trade-secrets-artificial-intelligence-ai-openevidence-v-pathway-medical-inc-prompt-injection-attacks/
- SAP S/4HANA 移行調査 (2025-11) https://www.prnewswire.com/news-releases/new-research-reveals-sap-s4hana-migration-momentum-despite-ongoing-automation-challenges-302603235.html