ステージ5：AIがプロダクトを再形成するとき、最もレアなマチュリティレベル

ステージ5は、AIが業務の効率を高めるだけでなく、企業が売るものそのものを変革する唯一のマチュリティレベルだ。業務の効率ではなく、プロダクト自体を。

2026年において、ほとんどの企業はそこにいない。2028年においても、多くの企業はまだそこに到達していないだろう。それは失敗ではない。ステージ5が意味を持つ前に、ステージ3と4で真の構造的要件が存在しなければならないことを反映している。Stanford HAIの2026 AI Index Reportでは、世界の企業AI投資が2025年に5,817億ドルに達し前年比130%増となったが、投資額だけではステージ5の成果は生まれない。以前のステージでの基礎的な作業がそれをもたらす。

しかしステージ5が何を必要とするかを理解することで、ステージ1から4で行う投資がなぜ重要かが明確になる。それらは単なる業務改善ではない。ほとんどの既存企業がアクセスできないカテゴリーの競争優位の前提条件だ。

この記事は、3〜5年の競争ポジショニングを考えているCEOとプロダクトリーダー向けだ。業務ロードマップとしてではなく、戦略的文脈として。マチュリティの旅の早い段階にいるなら、まずAIマチュリティ5ステージの全体像から始めてほしい。

ステージ5の実態

主要データ：AIネイティブプロダクトの競争現実

• AIネイティブスタートアップは2025年の生成AIの市場収益の63%を占め、前年の36%から増加。既存ソフトウェア企業がAIに適応して得る1ドルに対して約2ドルを獲得（Menlo Ventures、State of Generative AI in the Enterprise 2025）
• 少なくとも60のAIネイティブプロダクトが既にARR 1億ドルに到達。2026年末までに少なくとも50のAIネイティブビジネスがARR 2億5千万ドルに到達し、いくつかは10億ドル超えが見込まれる（Bessemer Venture Partners、2025年）
• エンタープライズAI投資は2023〜2025年に17億ドルから370億ドルへ21倍成長。AIスタートアップは2025年に898億ドルのグローバルVCを集め、資金調達企業のわずか18%に過ぎないにもかかわらず全VCの34%を占めた（Menlo Ventures / Bessemer、2025年）

ステージ5を定義する最も明確な方法は、除去可能性のテストによるものだ。

ステージ3とステージ4では、AIを取り除いてもビジネスは継続する。効率は落ちる。収益は下がるかもしれない。しかしプロダクトは依然として存在し、コアバリューのいくらかを提供する。

ステージ5では、AIを取り除くとプロダクトが存在しなくなる。劣化した形ではない。まったく存在しなくなる。

2025〜2026年からの具体的な例。

CursorはAIが機能ではなくプロダクトそのものであるコードエディタだ。AIのペアプログラミング、コード生成、文脈を理解した編集がなければ、CursorはテキストエディタだAIなしに存在しない価値提案がAIにある。

JasperとCopy.aiはコンテンツ生成プラットフォームだ。プロダクトはAIが生成したコンテンツだ。AIなしにはプロダクトは存在しない。

Otter.aiはミーティングを自動的に文字起こしして要約する。ミーティングインテリジェンスがプロダクトだ。AIなしでは録音ツールに過ぎない。

これらの例に共通することに注目してほしい。AIはAIなしでも存在できるワークフローを強化しているのではない。AIがワークフローそのものだ。ユーザーはAIのアウトプットへのアクセスを購入しており、自分でアウトプットを生成するのを助けるツールを購入しているのではない。

多くのAI機能をCRM（顧客関係管理）プラットフォーム全体に追加したSalesforceと対比してみてほしい。しかしCRM自体（レコードシステム、パイプライン管理、連絡先データベース）はEinsteinなしでも、低下はするが実際のレベルで機能する。EinsteinをオフにしたSalesforceは劣ったプロダクトだ。AIなしのCursorはメモ帳の代替品だ。

ステージ5はその境界線のSalesforce側ではなく、Cursor側に立つことを意味する。

AIプロダクト閾値（AI-As-Product Threshold）

組織がステージ4（AI強化の業務）からステージ5（AIネイティブプロダクト）に移行したかどうかを判断するための診断フレームワーク。AIプロダクト閾値には3つの基準がある。基準1（除去可能性テスト）：AIをプロダクトから取り除くと、単に機能ではなくプロダクトのコアバリューが消滅する。基準2（独自データのモート）：プロダクトがユーザーインタラクションを通じて、競合他社が同じ基盤モデルにアクセスしても複製できないデータを蓄積している。基準3（改善フライホイール）：すべてのユーザーインタラクションが時間とともにAIを実質的に改善するトレーニングシグナルを生成し、自己強化的な競争優位を生み出す。3つすべての基準を満たすプロダクトは閾値を超えている。基準1を満たすが基準2と3を満たさないプロダクトは閾値にはいるが、持続可能なステージ5ポジショニングに必要な耐久性を欠いている。

「AIネイティブスタートアップは2025年の企業向け生成AI市場収益の63%を占め、前年の36%から増加し、既存プロダクトにAIを重ね合わせている既存企業の1ドルに対して約2ドルを獲得している。『機能としてのAI』と『プロダクトとしてのAI』のプロダクトレベルの違いは、収益レベルの違いにもなりつつある。」（Rework、Menlo Ventures 2025に基づく）

ステージ5が強いる取締役会レベルの問い

ステージ3またはステージ4の企業にとって、AIは競争上の武器だ。業務を速くし、プロダクトを良くし、顧客を幸せにする。

ステージ5を検討している企業にとって、問いは異なる。そしてより不快だ。

「AI能力がコモディティになったとき、すべての競合他社が同じモデルに同じ価格でアクセスできるとき、私たちのプロダクトの差別化された価値は何か？」

この問いはすでに現実だ。2022年には、AIでブログ記事を生成できることは驚異的だった。2025年には、それは限りなくゼロに近い限界コストで数十のプロダクトで利用できる基本的な能力だ。「AIコンテンツ生成」を中心に競争上のモートを構築したチームは、その能力が普遍化するにつれてそのモートが侵食されるのを発見した。

ステージ5は、取締役会の問いへの答えが「同じモデルにアクセスすることでAI競合他社が複製できないものを持っている」である場合にのみ持続可能だ。

2つの守りやすい答えは、独自データとフィードバックループだ。

独自データ。 プロダクトが競合他社がアクセスできないデータを蓄積している。Gongは何百万ものB2Bセールスコールの録音を持っている。Veevaはファーマ顧客からの臨床試験データを持っている。これらのデータセットは、ファインチューニングやRAG（検索拡張生成）に使用され、汎用モデルでは到底及ばないAIアウトプットを生み出す。ただし、独自データをモートとするには何年もの蓄積、そのデータを共有するための顧客の信頼、そしてステージ5でアドバンテージになる前にステージ4でそれを使用するインフラが必要だ。

プロダクトフィードバックループ。 すべてのユーザーインタラクションが次のユーザーのためにAIを改善する。ユーザーがAIのアウトプットを修正すると、その修正がモデルのファインチューニングやプロンプト最適化にフィードバックされる。ユーザーが一貫して特定のアウトプットを他より好む場合、その好みはトレーニングシグナルになる。これがAIネイティブプロダクトをAI強化プロダクトと区別するフライホイールだ。しかしそれにはステージ3での計測、ステージ4でのデータパイプライン、そして実際の本番使用からしか得られないボリュームが必要だ。

どちらのモートも構築に何年もかかる。ステージ3インフラなしに「ステージ5の野心」を発表する企業は、到達する道がない目的地に資本を費やしている。

企業がステージ5に到達する方法

ステージ5は選択する戦略ではない。ステージ3と4で正しく構築することで得る目的地だ。

その道には3本の柱がある。

柱1：独自データの蓄積。 プロダクト内のすべてのインタラクションがデータを生成する。問いは、それを収集し、ラベル付けし、AIトレーニングの優位性を生み出す方法で構造化しているかどうかだ。ステージ3のほとんどの企業はこれを意図的に行っていない。データを生成しているが、戦略的アセットとして扱っていない。ステージ5に到達する企業は、ステージ5ではなくステージ3の時点でプロダクトデータをAIトレーニング素材として扱い始めた。

柱2：独自データでのファインチューニングまたは学習モデル。 汎用LLM（大規模言語モデル）は誰もがアクセスできる。独自データでファインチューニングされたモデルはあなただけが利用できる。ファインチューニングには十分なラベル付きデータ、エンジニアリング投資、明確な品質フィードバックループが必要だ。出発点ではなく、柱1と2が18〜24カ月動いた後のアウトプットだ。

柱3：使われるほど改善されるプロダクト内AI。 プロダクトが使われれば使われるほど実質的に良くなる。ユーザーはこの改善を実感し、それをプロダクト固有のものとして認識する。これにより、ワークフローへの慣れだけではない乗り換えコストが生まれる。「AIは私のビジネスと私の好みを知っており、そのコンテキストを別の場所で再構築するには1年かかる」という状態だ。それが構造的なモートだ。

3本の柱すべてがステージ4インフラを基盤として必要とする。リアルタイムデータパイプラインがフィードバックループを供給する。API接続された運営システムが修正と好みを取り込む。オブザーバビリティにより時間の経過とともにモデルパフォーマンスを監視できる。この基盤なしにステージ5に飛びつこうとする企業は、道を作らずに目的地への投資をしている。

ステージ5へのSaaS特有の道

SaaS企業にとって、ステージ5には特定の形がある：AIトレーニングの優位性としてのプロダクトテレメトリだ。

ユーザーがプロダクト内でとるすべてのアクションがシグナルを生成する。どの機能をどのような順序で使用するか。どこで離脱するか。どのAIアウトプットを受け入れ、編集し、拒否するか。何を検索して見つからないか。どの画面にどれだけ時間を費やすか。

ステージ3では、このテレメトリはプロダクトアナリティクスに使われる：どの機能がリテンションを高めるか、どのオンボーディングステップが離脱を引き起こすか、どこでユーザーが混乱しているか。標準的なプロダクトインテリジェンスの作業だ。

ステージ5では、このテレメトリはトレーニングシグナルでもある。ユーザー行動のパターンが、各ユーザー、各役割、各業界セグメントにとって「良い」ものが何かをAIが理解するのを助ける。AIが実際のプロダクト内の行動からより多くを学ぶほど、ユーザーが求める前に何が必要かをより正確に予測できる。このテレメトリループがSaaS全体のビジネスモデルをどう変えるかについては、AIがSaaSオペレーティングモデルを再形成する方法を参照してほしい。

これによりフライホイールが生まれる：より良いAIがより多くの使用を促し、より多くの使用がより良いトレーニングシグナルを生み、より良いシグナルがAIを改善する。フライホイールの各イテレーションがプロダクトを置き換えるのを徐々に難しくする。

しかしこのフライホイールは、プロダクトがステージ3でシグナルをキャプチャするよう計測されており、ステージ4でファインチューニングに供給するデータパイプラインが設定されており、プロダクトチームがユーザー行動データをレポーティングの入力ではなく戦略的なAIアセットとして扱っている場合にのみ機能する。

ステージ5に飛びつくリスク

野心的な企業はステージ3と4の基盤が整う前に「AIファーストプロダクト戦略」を宣言し、ステージ5の能力に多額の投資をしたくなる。

パターンはこうだ。ステージ2の企業が、好意的な報道を受けたAIネイティブプロダクト機能を競合他社が発表するのを見る。経営幹部が「会社はAI企業になる必要がある」と決断する。AI Product VPを採用する。カスタムモデル構築を委託する。コアプロダクト作業からAI機能開発にエンジニアリングリソースを再配分する。

18カ月後：カスタムモデルに必要なトレーニングデータが不足していた。データインフラが整っていなかったのでAI機能が不安定だ。エンジニアリングの注意がシフトしたのでコアプロダクトに技術的負債が蓄積した。顧客はプロダクトが良くなったのか単に変わったのか混乱している。AI Product VPは離職した。

これはステージ3の実行なしのステージ5の野心だ。コストが高く、そして一般的だ。

診断の問い：「ステージ3での完全な本番デプロイがあり、適切なインフラの意思決定がなされ、複数のユースケースが本番で稼働しているか？」答えがノーなら、ステージ5への投資は時期尚早だ。まだ存在しない基盤の上に構築しようとしている。

ステージ5のガバナンス：AIが規制上のエクスポージャーになるとき

ステージ3と4では、AIガバナンスは業務上および法律上の機能だ。ステージ5では、製造物責任の問いになる。

EU AI Act。 EU AI Actの下では、「高リスク」に分類されるAIシステム（与信スコアリング、採用決定、教育評価、法執行、医療機器）は実質的なコンプライアンス要件に直面する：技術文書、適合性評価、人間による監視義務、EUデータベースへの必須登録。ステージ5のプロダクトが人々に関する重要な決定を行う場合、EU AI Actが適用される。

製造物責任。 プロダクトがAIであれば、プロダクトの欠陥はAIの欠陥だ。幻覚、バイアスのかかったアウトプット、誤った推奨は単なるカスタマーサポートの問題ではなく、潜在的な製造物責任の申し立てだ。ステージ5では、法務チームとプロダクトチームがAIアウトプット品質のプロダクト安全機能としての共同所有権を持つ必要がある。

大規模なバイアス。 AIが毎時何千もの人々に関する決定を行う場合、モデルのバイアスが大規模で差別的なアウトカムを生む。特定の人口集団を体系的に優先しない採用ツール。不均一な影響をもたらす与信ツール。特定の患者集団でパフォーマンスが低下する診断ツール。ステージ5のガバナンスには、内部での抜き打ち検査だけでなく、高リスクなAIアウトプットに対する定期的なサードパーティ監査可能なバイアステストが必要だ。

取締役会レベルのリスク所有権。 ステージ5の企業の取締役会はAIリスクの明示的な監視が必要だ。これは通常、AIリテラシーを持つ取締役会小委員会、AIリスクエクスポージャーに関する定期報告、そして重大なAIインシデントに対する経営から取締役会へのエスカレーションパスを意味する。EU AI Actのガバナンス要件はヨーロッパ企業に対してこの方向に押し進める。米国の規制ガイダンスにも同様の期待が生まれつつある。

正直な結論：多くの読者はステージ2〜3に注力すべき

100〜2,000人の従業員を持つ企業のCEOまたはCTOとしてこれを読んでいるなら、ステージ5は2026年の業務優先事項ではない。

優先事項はステージ1から2への正しい移行：適切な測定を伴う一つの適切に管理されたパイロット。次にインフラの意思決定を正しく行ったステージ2から3への移行と、維持できる本番デプロイ。そして最も価値の高い機能でのステージ3から4への統合の組織的な作業だ。

ステージ5を理解することが重要なのは、なぜ投資しているかが明確になるからだ。単に効率化ツールを購入しているのではない。データの基盤、インフラ、フィードバックループを構築しており、それが最終的にAIを業務だけでなくプロダクトの差別化要因にする。ステージ3で構築するすべてのラベル付きデータセット。ステージ4で計測するすべてのフィードバックループ。正しくガバナンスを行うすべての本番AIワークフロー。これらがステージ5の材料だ。

Rework分析： AIネイティブ企業の成長パターンに基づくと、AIネイティブプロダクトでARR 1億ドルを突破する企業は一貫した構造的歴史を共有している：ステージ3でプロダクトテレメトリをトレーニングシグナルとして計測し、ステージ4でのモデルファインチューニング前に独自データパイプラインを構築し、フィードバックループをエンジニアリングタスクではなくプロダクト戦略として扱った。2023年から2025年のエンタープライズAI投資の21倍成長が競争を激化させたが、データとインフラの参入障壁も高めた。2026年に発表されるAIネイティブプロダクトは初日から独自データモートを明確に示す必要がある。「AIを追加する」はもはや競争戦略ではない。「競合他社がアクセスできないデータを持っている」がそれだ。

ステージ5に到達する企業は振り返り、ステージ2とステージ3で行った具体的な決断がそれを可能にした瞬間だったと指摘するだろう。行動する前に測定する規律。ツールをサイロ化する代わりにインフラを共有する決断。壊滅的なインシデントなしにスケールできるようにしたガバナンス投資。

ステージ5はレアだ。それを可能にする作業はそうではない。

それはステージ2から始まり、時計はすでに動いている。

次に読むべきもの

ステージ3から4へ：ScaledからIntegratedへでステージ5が構築される組織的およびアーキテクチャ上の作業を理解してほしい。

AIマチュリティの5ステージで各ステージ間の移行基準を含む完全なマチュリティモデルを確認してほしい。

AIリスクレジスター：追跡すべき事項でステージ5の製造物責任エクスポージャーが必要とするガバナンスインフラを確認してほしい。

関連記事：

• 18カ月CEOのAIアジェンダ：ステージ5の基盤を構築する近期的な業務ロードマップ
• SaaS AIマチュリティステージ：SaaS特有のマチュリティとこのモデルとの対応関係
• AIトランスフォーメーション対デジタルトランスフォーメーション：なぜステージ5がこれまでのいかなるトランスフォーメーションの波とも本質的に異なるか