AIプロダクトの売上は順調に伸びている。なのに、営業やマーケに回せる予算は思ったほど増えない。
そんな感覚に、心当たりはありませんか。
原因を、使い方の下手さや無駄打ちに求めたくなります。でも、AIプロダクトにはもっと構造的な理由があります。
粗利率が、伝統的なソフトウェアより低いのです。
この記事は、その粗利の低さが、なぜ営業への投資を静かに縛るのかを解き明かすレポートです。ここで営業への投資と書くのはGTM、つまりGo To Market、作った製品を市場へ届けて売り切るまでの一連の活動のことを指します。
推論コスト、粗利、CAC回収。この三つが一本の線でつながっていることを、数値例を交えて追っていきます。
先に断っておくと、AI税という言葉は、この記事の比喩です。正式な用語ではありません。
でも、比喩と侮れないほど、この税は営業の設計を実際に動かします。
粗利とは「一顧客が生む回収原資」
まず、粗利という言葉を揃えておきます。粗利とは、売上から、その売上を届けるのに直接かかった費用を引いた残りのことです。
ソフトウェアの世界では、この粗利率がとても高いのが常識でした。一度作ったものを、追加費用ほぼゼロで何度でも売れるからです。
いわゆる build once, sell many、一度作って何度も売るという性質ですね。二人目の顧客に売るとき、上乗せでかかる費用がほとんどない。
だから伝統的なSaaSの粗利率は高く、著名VCのAndreessen Horowitz（a16z）は60〜80%以上という水準を挙げています。
この粗利が、なぜ営業の話につながるのか。ここが今日の出発点です。
粗利は、一人の顧客が生んでくれる回収原資だと考えてください。次の顧客を獲る費用も、家賃も、開発費も、最後はこの粗利の中から払います。
つまり粗利が縮むと、同じ売上でも、次の一手に回せるお金が減るのです。
もう少し噛み砕きます。粗利率80%の会社が100万円売れば、手元に残って次に使えるのは80万円です。
粗利率50%なら、同じ100万円でも残るのは50万円だけ（数値は説明用の仮定です）。売上という看板は同じでも、そこから戦いに使える原資は、粗利率のぶんだけ目減りしているわけです。
この一段が、今日ずっと効いてきます。
なぜAIの粗利は構造的に低いのか
AIプロダクトが伝統SaaSと決定的に違うのは、一回のリクエストごとに費用がかかる点です。
利用者がAIに何かを尋ねるたび、その裏でモデルを動かす計算が走ります。この計算にかかる費用が、推論コストです。
推論とは、学習済みのモデルに入力を与えて答えを出させる処理のこと。この処理は、使われるたびにクラウドの計算資源を消費します。
ここが build once, sell many の崩れどころです。二人目に売るときも、その人が使うぶんだけ費用が上乗せされていく。
a16z は2020年の時点で、この違いを指摘していました。AI企業の粗利は50〜60%にとどまり、クラウドの計算資源に売上の25%以上を費やす、と。
そして重要なのは、彼らが製品やGTMの工夫だけではこの問題を完全には解けないかもしれない、と述べている点です。値付けや売り方の改善では消しきれない、構造的な性質だという見立てです。
実測データも、この見立てと整合します。ICONIQ Capital が約300社を調べた2026年1月のレポートでは、AIプロダクトの粗利率の平均は2024年が41%、2025年が45%でした（いずれも実績値です）。
2026年は52%へ改善すると見込まれていますが、これは予測値であって、確定した数字ではありません。
改善の傾向はある。それでも、伝統SaaSの80〜90%という水準には、まだ距離があります。
差別化しても、粗利の壁は残る
では、自前のモデルを持てば粗利は守れるのでしょうか。データを見るかぎり、答えは単純ではありません。
ICONIQは、製品の差別化タイプ別にも粗利を集計しています。既存モデルを使うアプリ層は33%から45%へ、自前モデルを持つ企業は34%から49%へ、その中間のバランス型は39%から53%へ、それぞれ改善していく見通しです。
改善の幅こそ違え、どのタイプも伝統SaaSの水準には届いていません。差別化の仕方を変えても、推論コストという重力からは逃げ切れない、ということです。
コストの重心は、スケールで動く
もう一段、踏み込みます。AIの粗利には、事業が大きくなるほどコストの中身が変わる、という厄介さがあります。
伝統SaaSでは、規模が大きくなるほど粗利は改善しやすい。固定費を薄く広く分散できるからです。
AIは、そう単純ではありません。ICONIQの内訳データ（対象202社）を見ると、製品の段階が進むほど、人材コストの比率は下がり（32%から26%へ）、逆にモデルの推論コストの比率は上がっています（20%から23%へ）。
つまり、スケールするほど推論が支配的なコスト要因になっていく。ICONIQ自身が、そう結論づけています。
ここから導かれる示唆は、意外に鋭いものです。長期の粗利で勝てるかどうかは、値付けの強さではなく、どのモデルを選ぶか、処理をどう振り分けるか、インフラをどれだけ効率化できるかで決まる、と。
言い換えると、コストを削る技術力そのものが、成長の武器になったということです。
この構造は、予算配分にも表れます。同レポートでは、高成長の企業ほど研究開発費の多くをAIへ振り向けており、その比率は約57%（全体平均は約38%）に達しています。
稼ぐための投資が、そのままコスト構造の重さにもなる。ここに、AIプロダクトのジレンマがあります。
この違いは、事業計画の立て方まで変えます。伝統SaaSなら、成長すれば粗利は勝手に良くなる、という前提で計画を引けました。
AIでは、その前提が使えません。規模が大きくなるほど、粗利をむしろ意識して守りにいく必要があるのです。
粗利がGTMを縛る仕組み＝CACペイバック
ここまでの話を、営業の数字に接続します。鍵になるのが、CACペイバックという指標です。
CACとは顧客獲得コスト、一人の顧客を獲るのにかかった営業・マーケ費用のことです。CACペイバックは、そのCACを何ヶ月で回収できるかを表します。
定義はこうです。回収は売上そのものではなく、粗利から行うのが原則です。
CACペイバック（月）＝ CAC ÷（月次の売上 × 粗利率）
例）CAC = 10万円、1顧客あたりの月次売上 = 1万円（どちらも固定）
粗利80%: 10万 ÷ (1万 × 0.80) = 12.5 ヶ月
粗利50%: 10万 ÷ (1万 × 0.50) = 20.0 ヶ月
※数値はすべて説明用の仮定です
見てほしいのは、CACも売上も一円も変えていないのに、粗利率が下がっただけで回収が約6割も伸びる点です。
一般に、CACペイバックは12ヶ月を切るのが健全の目安とされます（Wall Street Prep）。
先ほどの例では、粗利80%なら目安に近いのに、50%になった瞬間に大きく超えてしまいます。
RevOpsの実務家 Jeff Ignacio も、同じCAC・同じ売上でも粗利80%なら12.5ヶ月、50%なら約20ヶ月と、この効きを数値で示しています。
そして回収が伸びれば、その間の運転資金も余計に要ります。彼の試算では、必要なランウェイ（手元資金が尽きるまでの期間）は12〜18ヶ月から18〜24ヶ月へと膨らみます。
売上だけを見ていると、この危うさは見えません。売上は伸びていてCACも変わっていないのに、なぜか資金が先に細っていく。
その正体が、粗利で割ったペイバックです。回収を売上で測るか粗利で測るかで、同じ事業がまるで違う顔に見えます。
粗利の1ポイントは、遠い決算書の話ではありません。次の顧客をいつ獲れるかという、営業の現場の話です。
同じ売上でも、営業に回せる原資は減る
ここで、AI税という比喩の意味がはっきりします。推論コストは、売上のたびに天引きされる見えない税のようなものだ、という比喩です。
天引きされた後の残りが、次の成長に使えるお金です。粗利率が低いほど、この天引きは大きくなります。
具体的に、仮の数値で比べてみます。あくまで説明用の想定です。
月商1000万円のAIプロダクトと、同じく月商1000万円の伝統SaaSを並べてみます。
| 項目 | 伝統SaaS（粗利80%） | AIプロダクト（粗利50%） |
|---|---|---|
| 月次売上 | 1,000万円 | 1,000万円 |
| 粗利（回収原資） | 800万円 | 500万円 |
| 次の獲得に使える余力 | 大きい | 小さい |
売上は同じ1000万円でも、回収原資は800万円と500万円。同じ看板の売上が、使える力では1.6倍もちがうわけです。
この差は、二つの経路で営業に効いてきます。
一つは、獲得のスピード。回収原資が小さいほど、同じ数の顧客を獲るのに時間がかかり、アクセルを踏みにくくなります。
もう一つは、許容できるCACの上限です。粗利が薄いと、高い獲得単価には耐えられません。
だから、単価の高いチャネルから、静かに手を引くことになります。AIプロダクトのGTMを、伝統SaaSと同じ感覚で予算を組むと合わないのは、このためです。
具体的に見てみます。許容できるCACの上限を、回収12ヶ月ぶんの粗利と決めるとします。
1顧客あたり月次売上が1万円なら、粗利80%では月8千円×12＝9.6万円まで、50%では月5千円×12＝6万円までしか出せません（数値は説明用の仮定です）。
同じ回収基準でも、AIプロダクトが張れる獲得単価は、伝統SaaSの6割強にとどまります。弾の値段の上限そのものが、粗利で決まっているのです。
さらに厄介なのは、この税が使われるほど重くなる点です。熱心に使う優良顧客ほど推論コストがかさみ、粗利を押し下げることがあります。
伝統SaaSでは、ヘビーユーザーは追加費用ゼロの優等生でした。AIでは、同じ人が原価のかかる顧客になり得ます。
だから使い放題の定額プランは、AIプロダクトでは危うさをはらみます。使うほど儲かる設計ではなく、使うほどコストも回収できる値付けが要る、という話です。
同じ売上目標でも、獲得に使える弾は少なく、値段の上限も低い。その前提で設計する必要があります。
では、GTMの設計をどう変えるか
粗利が構造的に低いなら、打ち手は三つに整理できます。粗利そのものを守る、獲得コストを下げる、そして拡大で伸ばす、です。
- 粗利を守る：モデル選定・振り分け・インフラ効率で原価を下げる
- CACを下げる：営業が張り付かないセルフサーブの比率を上げる
- 拡大で伸ばす：新規獲得より、既存顧客の利用拡大で粗利を積む
まず、粗利を守る側から。ここはもう営業だけの話ではありません。
ICONIQが示したとおり、長期の粗利はモデル選定・振り分け・インフラ効率で決まります。安いモデルで足りる処理を、高いモデルに流していないか。
具体的には、定型的な分類や要約は軽いモデルへ、本当に難しい推論だけを重いモデルへ振り分ける、といった設計です。同じ機能でも、裏側の振り分け方ひとつで原価は変わります。
こうしたコスト設計が、そのまま成長の余力を左右します。原価を削るエンジニアリングが、いまやGTMの一部になった、と捉えるほうが実態に合います。
次に、GTMの組み替え。ここで効くのが、獲得より回収の設計です。
a16z が言うように、GTMの最適化だけでこの構造問題を完全に解くことはできないかもしれません。だとしても、できることはあります。
一つは、CACの低いチャネルの比率を上げること。営業が張り付かなくても入口を通れる、セルフサーブ型の獲得です。
その計測の考え方はセルフサーブと営業の併走｜PLGの計測設計にまとめています。
もう一つは、獲得ではなく拡大で伸ばすこと。新規を追うより既存顧客の利用を広げるほうが、CACをかけずに粗利を積めます。
この現実解はエンタープライズAIにPLGは効くのか｜獲得ではなく「拡大」を自律化するで掘り下げました。
そして、これらを判断するには、粗利とCACをセグメントごとに見る土台が要ります。全社の平均だけを見ていると、どのセグメントが薄利でどこが厚利かが見えません。
マーケ・営業・CSを一本の数字でつないで単位経済を運用する考え方はRevOps入門｜マーケ・営業・CSを一本の数字でつなぐで整理しています。
CACを下げるもう一つの地道な道は、サイトに来た人を取りこぼさないことです。同じ広告費でも、入口の転換率が上がれば実質のCACは下がります。
その入口の行動を、個人情報を集めずに測る層としては、Cookieを使わない解析ツールを置く選択肢もあります。私たちのStrideもその位置づけで、どのページで離脱しているかや流入元ごとの転換を見られますが、測れるのは匿名の行動までで、個人特定やスコアの書き戻しはCRM側の役割だと割り切っています。
最後に、前提の不確かさにも触れておきます。推論の単価は、モデルの改良でこの先下がるかもしれません。
一方で、使われる量が増えれば、総額はむしろ膨らむかもしれない。どちらに転ぶかは、正直まだ読めません。
だから、いずれ安くなるはず、を計画の前提に置くのは危険です。
いまの粗利で回る設計にしておいて、安くなったら余力として受け取る。この順番のほうが、事業は倒れません。
まとめ：粗利は、営業戦略の与件になった
この記事の主張を一つにまとめると、こうなります。AIプロダクトでは、単位経済とGTMが、粗利率という一本の線で固く結ばれている、ということです。
推論コストが粗利を削り、粗利がCAC回収を縛り、回収の速さが次の獲得の余力を決める。この連鎖は、気合いや工夫だけでは断ち切れません。
だから、まず自社の粗利率を正確に知ることです。平均だけでなく、スケールしたときにどう動くかまで。
そのうえで、CACペイバックを粗利で割って見る癖をつける。売上で割った甘い数字ではなく、回収原資で割った本当の数字を、意思決定の基準に置いてください。
そしてもう一つ。粗利を守る仕事を、財務やインフラの担当だけに任せないことです。
どのモデルで動かすか、どのプランで売るか、どのチャネルで獲るか。その一つひとつが、粗利を通じて営業の弾数に跳ね返ってきます。
AI税は、避けられない税かもしれません。でも、税率を知って予算を組む会社と、知らずに組む会社では、一年後の体力がまるで違います。
粗利は、もう財務だけが見る数字ではありません。営業に何発の弾を持たせられるかを決める、GTMの与件なのです。