9月30日、Stripeが東京で開催した「Stripe Tour Tokyo 2026」に参加しました。今年はStripeが日本に上陸して10年目です（Stripeのプレスリリース）。私が参加したのは、招待制の「Startup CxO Lunch」です。メインステージのイベントも聴きに行きましたが、それは別の記事で書きます。
私は前の会社でSaaSを提供していました。そのときからStripeを使っています。今のKafkaiの決済もStripeです。
Kafkaiは先週、Ver.4を公開したばかりです。お客様のAIエージェントがMCPでKafkaiに接続し、検索データを取りにくる仕組みです。AIエージェントが「使い手」や「買い手」になる話は、まさに今の私たちの関心ごとです。このテーマには特に期待して参加しました。
ランチセッションは2部構成で、その後にネットワーキングタイムがありました。順にご紹介します。
（データは記憶とメモを頼りに掲載しているため、間違いがあるかもしれません。ご容赦ください。）
冒頭の問い ―AI主導型経済で、スタートアップは何をすべきか―
冒頭で、Stripeから1つの問いが示されました。「AI主導型経済で成功するために、スタートアップは何をすべきか」です。
Stripeによると、エージェンティックコマース（AIエージェントが人の代わりに買い物や取引をすること）の市場は、2030年までに5兆ドル規模になる見込みです。日本円で約750兆円です。この数字は、McKinseyのレポートにある「世界で3〜5兆ドル」という予測の上限と同じです。Stripeは2026年を「転換点」と位置づけていました。AIが自ら行動し、ツールを立ち上げ、取引まで実行し始めたからです。
そのうえで、参加者に3つの問いを持ち帰ってほしいという話がありました。
- AI主導型経済で、自社をどう位置づけるか
- プロダクトにAIをどう組み込むか
- 社内でAIをどう活用するか
第1部 Stripeが見ているAI経済の3つのトレンド
第1部は、Stripe本社のデータ＆AI責任者Emily Glassberg Sandsさんと、決済・リスク・サポート部門のグローバル責任者Kevin Millerさんのディスカッションです。モデレーターはAPACのスタートアップ事業を統括するHayley Hopwoodさんでした。
Emilyさんによると、Stripeは世界のGDPの約2%を処理しています。Stripeが2026年2月に公開した2025年の年次書簡では、2025年の総取扱高は1.9兆ドルで、世界のGDPの約1.6%とされています。AI経済に限ると、その割合はずっと大きくなります。StripeのAI企業向けページによると、Forbes AI 50の88%以上がStripeを使っています。この立場から見える3つのトレンドが紹介されました。
トレンド1 会社をつくる人が一気に増えた
2026年のStripeの新規登録は、前年比で50%増えています。しかも、すぐに消える会社ではありません。2026年に登録した事業は、同じ時期で比べると、前年の事業の約1.5倍の収益を上げています。この傾向は2025年から続いていて、年次書簡でも「2025年に参入した企業は、2024年の企業より約50%速く成長している」と書かれています。以前は、起業するには開発者である必要がありました。今は、アイデアがあれば誰でも事業をつくれます。
トレンド2 定額制から従量課金・成果課金へ
従来のSaaSは、利用が1件増えても追加コストがほぼゼロでした。AIの製品は違います。推論（インファレンス）のたびに、LLMのコストが発生します。そのため、年額や月額の定額制から、使った分だけ払う従量課金へ移る動きが進んでいます。事業によっては、成果に応じて払う成果課金も増えています。Stripeが課金基盤のMetronomeを買収したのも、この流れへの対応だという説明でした。
トークンに価値があるため、不正の形も変わりました。以前の不正は、決済の時点で起きていました。今は、登録時や無料トライアル開始時に起きることが多いそうです。StripeのRadarは、決済だけでなく、顧客そのものを審査するように進化しました。その顧客には、人間とAIエージェントの両方が含まれます。
トレンド3 「誰が買うか」が変わった
インターネットの歴史の中で、これまでは人が人から買っていました。今は、エージェントが人から買う、エージェントがエージェントから買う、人がエージェントから買う、とあらゆる組み合わせが生まれています。Emilyさんは、これには経済インフラの作り直しが必要だと話していました。
「エージェント対応」とは何か
Kevinさんの話は、エージェンティックコマースの現場に踏み込んだものでした。
従来のチェックアウトは、人がフォームに入力する前提で設計されています。Stripeは数週間前、エージェント向けのプロトコルに対応したチェックアウトを公開しました。このプロトコルは、StripeがOpenAIと共同開発し、2025年9月に公開したAgentic Commerce Protocol（ACP）です。エージェントが加盟店のサイトを訪れると、フォームに入力する代わりにAPIへ切り替えられます。まだ初期段階ですが、フォーム入力に比べてコンバージョンが40%ほど高いという初期データがあるそうです。Kevinさんは、大きな流れとして「できる限りAPIとAPIの取引に移ること」を挙げていました。
もう1つ印象に残ったのは、今も大きな課題として残っている点です。エージェントが「何を買えるのか」を見つける、ディスカバリーの問題です。MCPNaviというサイトも、エージェントがデータを取り込めるように立ち上げました。まだ完全に問題解決までは至りませんが、ご興味があればご覧ください。(そもそもなんでMCPNaviを立ち上げたかということに興味があるばこちらももそうぞ)
エージェント経由の取引は、まだ全体のごく一部です。ただ、ここ4週間ほどで消費者の行動が目に見えて変わり始め、週ごとに伸びているそうです。Kevinさんは、3〜4年後には取引の大半にエージェントが関わると見ていました。
Stripe社内のAI活用「Kai」
Emilyさんは、Stripe社内のナレッジAI基盤「Kai」も紹介しました（LangChainの事例記事）。名前は日本語の「改善」から取ったそうです。構成要素は3つです。
（実は弊社も社内で「Kai」という内部システムがあります。「Kafkai」からの略称です。）
- ハーネス Stripeの業務に合わせて作り込んだ、エージェントの実行環境。
- ツールへのアクセス 使う人と同じ権限で、SalesforceやJiraなどの社内外ツールにアクセスできる。接続にはMCPサーバーを使う。
- 共有スキル 各部門の「AIアーキテクト」が作り、品質を保証するスキル。評価と監視の仕組みで品質を維持している。
公開から数週間で、ほぼ全社員が毎週使うようになりました。今では社員の95%が毎週、多くは毎日使っています。社内のデータ分析の大半は、データアナリストではなくエージェントが実行しているそうです。
最後に「今日起業するなら何をするか」という質問がありました。答えは2人とも似ていました。誰も良い解決策を出していない面倒な課題を選ぶ。良いハーネスを用意して、速く改善を回す。決済などの基盤は既製品に任せて、動くプロダクトをできるだけ早く顧客に見せる。毎日のように顧客と話し、フィードバックを受ける。Kevinさんは「サイクルが週や月ではなく、日単位になった」と話していました。
第2部 VCパネル「AIとお金の次の10年」
第2部のテーマは「AIとお金の次の10年 ―起業家が今動くべき理由―」です。登壇者はHeadline Asia創業パートナーの田中章雄さんと、Coral Capitalプリンシパルの嘉陽ティファニーさん。モデレーターはStripeでスタートアップと投資家の連携を担当する北村元哉さんでした。
Headlineはドイツで始まったVCで、今は欧州、米国、南米、アジア、日本で投資しています。運用資産は日本円で6,000〜7,000億円規模だそうです。Coral Capitalは東京とサンフランシスコを拠点に、約150社に投資しています。
事前に質問は用意されていました。2人の希望でフリーディスカッション形式になりました。
VCの仕事もAIで変わった
ティファニーさんは「ファンドもビジネスなので、AIでかなり変わった」と話しました。以前はインターンや採用で行っていた投資先の発掘（ソーシング）は、今はエージェントが担っています。リサーチにはClaudeなどを使います。以前はシリーズB以降でなければ割に合わなかったイグジットのモデリングも、今はシード期の会社で試せるようになったそうです。
田中さんのHeadlineは、さらに先を行っていました。社内に約22名のソフトウェア開発チームがあります。「Searchlight」という仕組みを10年以上運用しています。約220のデータソースから、ウェブ上の約700万のサービスを24時間監視し、伸びている会社を見つけます。創業者から声がかかる前に、こちらから会いに行けるわけです。この仕組みが見つけた、年間売上1億円に満たなかった会社が、4年後の今は約120億円規模になった事例もあるそうです。
デューデリジェンスでもAIを使っています。ただし、最終判断は人間が必要だという点で2人は一致していました。田中さんの表現がわかりやすかったです。「人間の先輩が、AIの後輩に仕事を教える」段階だそうです。センスのある人のやり方を教えないと、AIはごく一般的な結論しか出さないからです。
ここで繰り返し出てきたのが、独自データの重要性です。一般的なLLMに同じ質問をすれば、誰にでも同じ答えが返ってきます。Headlineは、約1万社分のデューデリジェンス用データを集めた専用ソフトウェアを作り、よくできている会社とそうでない会社を比較できるようにしているそうです。
AIに置き換えられる会社、置き換えられない会社
ある業界カンファレンスで、主催者が「Anthropicの登場で、ポートフォリオ企業が全部なくなるかもしれない」と真顔で話していたそうです。北村さんがこの話を紹介し、そういう危機感を持っているかとパネリストに聞きました。
ティファニーさんは、その危機感は全体としてあると答えました。ただし、日本は物事の変化がとても遅い国です。影響がはっきり表に出るまで、米国より時間がかかります。家電量販店で今もFAXが普通に売られているのは、おそらく日本くらいです。それでも、安全というわけではありません。「2年間何も起きなかったから、自分の業界は安全だ」と考えるのは、間違った安心感だとティファニーさんは話しました。
では、淘汰されない会社とはどんな会社か。ティファニーさんによると、危ないのは見た目だけを作っている「薄い」サービスです。SaaSでもEコマースでも同じです。Claude Codeで1週間頑張れば置き換えられる層ではなく、その下に根を張っている会社は長持ちします。たとえば、ライセンス、独自のサプライチェーン、コミュニティなど、面倒で手間のかかるものを持っている会社です。ただし、それでも賞味期限は無限ではない、とも付け加えていました。
田中さんは、既存のソフトウェア企業の強みを2つ挙げました。1つは、使い慣れたUI/UXです。もう1つは、顧客基盤とそのデータです。この強みで、一定の時間は稼げます。その間に、どれだけ速くAIネイティブな事業を出せるかが勝負になる、という見方でした。
田中さんは、投資先からスピンアウトした会社の話もしていました。人間とAIエージェントが同じ組織図の中で働く、小さなチーム向けの「会社のOS」を作っている会社です。15年前は業界1位だったものの、今は3〜4人で細々と運営されていた会社がこれを試しました。すると約1か月半で、同じカテゴリーで日本1位に戻ったそうです。今は5人ほどで、同業の50人規模の会社と同じ規模の事業を動かしていると話していました。
ソロプレナーとVCの存在意義
次の問いは、ソロプレナー（1人で起業する人）です。AIがあれば、1〜2人で年間数十億円を稼ぐ会社が作れると言われています。そうなると、VCの存在意義はどこにあるのでしょうか。
ティファニーさんは、限られた資金と人材で会社を作れるようになるのは間違いない、と話しました。一方で、Base44やLovableのように少人数で急成長した会社も、一定の規模になると数百人の組織になっています。世代を代表するような会社を作るには、ソロではまだ難しい。むしろM&Aで買収される形が増えるのではないか、という見方でした。
田中さんは「VCの立場で言ってはいけない発言」と前置きして、こう話しました。2〜3人で年商100億円の会社を作り、大きなキャッシュフローを生んでいるなら、無理に上場する必要はない。昔は小さな規模のものが多かった「ライフスタイルビジネス」が、ユニコーン級の規模で作れるようになるかもしれない。IPOやM&A以外の、もう1つの起業のあり方です。ティファニーさんも、ブートストラップ（外部資金に頼らない経営）で成長できるなら、VCから調達する必要はないと同意していました。
会場には、ソロで防衛テック関連のメッセージアプリを作っている起業家の方もいました。数年前までは「防衛テックでは投資対象にならない」と言われていたものの、最近は風向きが変わったそうです。
私たちKafkai技研も、外部資金に頼らず小さなチームで事業を続けてきた会社です。VCの方から「VCだけが唯一の道ではない」という言葉を聞けたのは、少しうれしい驚きでした。
言葉は、もう海外に出ない理由にならない
国ごとの違いについて、田中さんはこう指摘しました。以前の日本の起業は、米国勢が来ない「ガラパゴス」な国内市場で陣地をつくるモデルが主流でした。しかし、ライセンスで守られていない消費者向けサービスなら、AIがその壁を簡単に越えてしまいます。「言葉は、グローバルをやらない理由にならなくなった」という言葉が印象的でした。国内だけで大丈夫だと思っていると、ガラケーがiPhoneに置き換えられたように、海外勢に一気にやられるリスクがあります。
ティファニーさんも、ローカライズの壁が低くなったと話していました。以前は日本語のサイトや日本向けの機能を作るのが大変でした。今はすぐにできてしまいます。日本市場に集中するなら、顧客企業のワークフローにどこまで深く入り込めるかを考える必要があります。
田中さんは、日本のデジタル赤字にも触れました。AWS、OpenAI、Googleなど、会場の多くの会社が海外に払っている金額は、海外から稼いでいる金額より大きいはずです。円安が進む中、AI時代に外貨を稼げるサービスをもっと日本から作ってほしい、という呼びかけでした。
エージェンティックコマースとステーブルコインは、いつ日常になるか
ティファニーさんによると、海外の起業家の周りでは、オフィスの日用品をエージェントに買わせている人がすでにいるそうです。どの商品、どのサイト、いくらまでなら自動で決済してよいか、というガードレールを自分で設定しています。ただし、今はまだ2つのハードルがあります。技術的なハードルと、心理的な安心感です。今エージェントで買い物をする人は、価格にあまり敏感でない、つまり「高くても便利ならいい」人が多いそうです。この2点は1〜2年で改善するだろう、という見方でした。
ステーブルコインについて、田中さんは「日常で本当に使われているのは、日本でも米国でもなく南米とアフリカだ」と話しました。自国通貨を持つこと自体がリスクになる国では、最初からドル建てで持つほうが合理的です。Headlineの投資先には、ステーブルコインをベースにした南米のネオバンクがあり、約100万の事業者がメインの銀行口座のように使っているそうです。
ネットワーキングで一番多かった質問は「MCPって何ですか」
セッションの後はネットワーキングでした。銀行、旅行予約アプリ、チケットプラットフォーム、AIの基盤モデルを研究する会社など、さまざまな方とお話ししました。
Kafkaiを紹介するときは、毎回同じ説明をしました。Kafkaiは、自社サイトや競合サイトの検索データを集めて、お客様がお使いのAIエージェントにMCPで渡すサービスです。
いちばん多かった質問は、MCPについてでした。ある銀行の方は、「MCPは、AIがいろいろなサービスにつながるための標準規格ですよね」と、正しく理解されていました。そのうえで、「調べたいサイトの側にMCPサーバーが立っていないと、分析できないのですか」と質問されました。答えは「いいえ」です。MCPサーバーを立てているのはKafkaiの側です。調べたいサイトの側では、何も準備する必要はありません。ドメインさえわかれば、自社サイトでも競合サイトでも調べられます。この点は、Ver.4の公開記事でも詳しくご説明しています。
どなたと話しても、課題は同じでした。データは、頑張れば無料ツールでもある程度は取れます。問題は、それを読んで「では何をすればいいのか」を判断する人がいないことです。結局、外部のコンサル会社やSEO会社に頼むことになります。私たち自身も小さな会社なので、この状況はよくわかります。Kafkaiは、データを集める部分をKafkaiが、読んで判断する部分をお客様のAIエージェントが担う形で、この課題に取り組んでいます。
旅行予約アプリを運営する会社の方からは、「そこまではまだ自動化できていない。自動化できないか相談したい」という声がありました。たとえば、毎週水曜日に検索順位の変動を確認し、順位が一定以上下がった記事を修正して、WordPressに再投稿する。こうした流れは、お使いのエージェントの定期実行の機能を使えば組めます。ただし、私たちとしては、公開前の最終判断は人間が行うことをおすすめしています。
Stripeのアカウントチームの方とも話しました。Kafkaiでは、クレジットを前払いで購入し、1回の操作ごとにクレジットを消費する仕組みをStripeで運用しています。第1部でEmilyさんが話していた「定額制から従量課金へ」という流れは、私たちが実際に選んできた方向と同じです。
Kafkaiにとっての3つの持ち帰り
この日の話を、Kafkaiの立場で整理すると、持ち帰ったことは3つあります。
1つ目は、エージェントに「フォームではなくAPI」を渡すことです。 Kevinさんは、エージェントがフォームに入力する代わりにAPIで決済すると、コンバージョンが上がると話していました。Kafkai Ver.4の考え方も同じです。人がダッシュボードを操作する代わりに、エージェントがMCPでKafkaiを直接呼び出します。人間向けの画面をエージェントに操作させるより、エージェント向けの入口を用意するほうが確実です。
2つ目は、エージェントに「見つけてもらう」ことが課題として残っている点です。 エージェントが何を買えるかを見つけるディスカバリーは、まだ大きな課題だという話でした。これは、AIに自社の商品やサービスを見つけてもらうための取り組み、つまりLLMOと同じ問題です。買い手がエージェントになっても、まず見つけてもらえなければ始まりません。この点は、kafkai.aiの記事「AIが「おすすめ」する時代 ―御社の商品ページは、AIの選考を通過できるか―」でも書きました。あと、弊社の新しい取り組みの1つとして、MCPNaviというリストをつくっています。AIエージェントに取り入れるMCPを簡単にみつかるようにするためです。
3つ目は、「薄いレイヤー」への警告は自分たちにも当てはまることです。 AIの上に画面を1枚かぶせただけのサービスは、Claude Codeで1週間あれば置き換えられます。Kafkaiの強みは、画面ではなくデータと、特許を取得した4Cフレームワークによる分類にあると考えています。第2部で繰り返し出てきた「独自データがなければ、AIは誰にでも同じ答えを返す」という指摘は、私たちがVer.4で賭けたことそのものです。
まとめ
Stripeの登壇者も、VCの2人も、同じことを言っていました。変化の単位が、月や週から日に変わったということです。そして、AIに任せる範囲が広がるほど、独自のデータと人間の最終判断の価値が上がります。
招待してくださったStripe Japanの皆さま、登壇者の皆さま、ネットワーキングでお話しした皆さま、ありがとうございました。
Kafkaiをお使いのAIエージェントにつないでみたい方は、Claudeへの接続方法、ChatGPTへの接続方法をご覧ください。
