評価額600億ドルのRampはなぜ急成長を続けるのか ― CEOが語る「成果を売る」経営とAI支出管理
ポッドキャスト「Joe Lonsdale」に、法人カードと経費管理のRampを率いるEric Glyman氏が出演しました。Rampは、年換算売上(ランレート)が20億ドル超で、成長率は年100%超、しかも昨年より今年のほうが速いペースだと同氏は説明しています。従業員は、約2,000人です。動画のタイトルは「6年で600億ドル企業を築く」とされています。
対談で一貫していたのは、「顧客が得をする設計にすれば、事業も伸びる」という考え方です。本稿では、創業の経緯、AI支出という新しい市場、小さなチームを軸にした組織運営、政府支出への見方を整理します。
1. 創業の原点 ― 「インセンティブ」への問題意識
1-1. 前身のParibusとCapital Oneでの経験
Glyman氏は、共同創業者のKarim Atiyeh氏とともに、Rampの前にParibusというサービスを立ち上げています。購入した商品が後で値下がりした場合、店舗が差額を返金する制度を利用するもので、Gmailの受信箱から領収書を読み取り、返金を申請する仕組みでした。同氏はこれを「先史時代のAIエージェント」と表現しています。2015年5月にサービスを開始し、約1年後にCapital Oneへ売却しました。
大手金融機関の中で学んだことは、組織内のインセンティブのずれです。ある部門はカードの利用額を増やそうとし、別の部門は利益率を高めようとしていました。ポイントの価値を訴える部門がある一方で、ポイントを改悪する部門もあったといいます。
1-2. 顧客の声から生まれた着想
顧客にポイントと現金還元のどちらがよいかを尋ねると、多くが「口座にもっとお金がほしい」と答えたそうです。使っていない100ドルのサブスクリプションを解約できれば、1ドルの還元よりはるかに大きな利益になります。
そこでGlyman氏は、「顧客が支出を減らすことを助ける」カードやソフトウェアを作れないかと考え始めました。「顧客の側に立つ金融機関」を作るという構想が、Rampの出発点です。また、従業員5万人規模の組織で官僚主義がどう進むかを見たことが、後の高速な経営につながったとも述べています。
2. 「お金を動かす生産性の会社」
2-1. 経費精算と請求書処理の無駄
Rampは、自社を「たまたまお金を動かす生産性の会社」だと位置づけています。例として挙げたのが経費精算です。カードで決済すると紙の領収書が出て、別のシステムに内容を手入力し、上司が1か月後に確認し、さらに別の拠点で審査され、最終的な照合までに1〜2か月かかります。請求書の支払いも、契約の有無、取引先の真偽、二重払いの確認、費用の配分など、50ほどの工程がありうるといいます。
同氏は、決済そのものは簡単で、難しいのは、「官僚主義と時間を減らすこと」だと説明します。銀行は「お金を売る」業態でしたが、Rampは、「時間を売る」ことを目指してきました。推論ができるAIによって、工程のデジタル化にとどまらず、プロセス自体の再設計ができるようになった、というのが同氏の見方です。カードをタップすれば経費が終わり、請求書は支払期限の最終日に正しく支払われる、という形です。
2-2. 削減効果の拡大
創業当初、平均的な企業の支出削減幅は年約2%でした。現在は、Rampを使う典型的な企業で年7〜12%の削減ができていると同氏は述べています。米国企業の平均的な利益率が8%であることを踏まえれば、大きな数字だと強調しました。
効果の測定は金額だけではありません。契約の継続状況、交渉で下げられたコスト、ポリシー違反でブロックした支出を追跡し、さらに顧客のカレンダーをもとに、Rampの画面で費やされる時間も測っています。ソーシャルメディアのように利用時間を伸ばすのではなく、「Rampから顧客を早く解放すること」を目標にしているそうです。
3. 「製品」ではなく「成果」を売る
3-1. AIが後押しした事業拡大
同氏は、多くの企業が「カードや車、パソコンという製品を売る」考えにとどまり、本来売るべきは成果だと語ります。「この製品を使えばあなたの事業は良くなる」と相手の目を見て言えることが重要で、他社のツールのほうが優れているなら、それで構わないとも述べています。
AIは、この方針の大きな加速要因でした。同氏によれば、Rampは、GPT-3が研究用の製品だった頃から利用していました。当時は算術もできなかったAIが、現在は数学者が解けなかった問題を解く段階にあると振り返っています。
3-2. Brexとの違い
ホストから、かつてスタートアップ向けカードで先行していたBrexとの違いを問われると、同氏はインセンティブの設計を挙げました。ポイントや倍率で顧客を引きつける仕組みは、新しい顧客層に届いたものの、企業にとって最善の設計と顧客にとって最善の設計は一致していなかったという見方です。
Rampが重視したのは次の2点です。
顧客と同じものを望むこと。月次の収益が減っても、顧客の財務が健全になるなら歓迎する
「何を売れるか」ではなく「顧客が何を望み、何が顧客を良くするか」を問うこと
3-3. 市場のシェアはまだ小さい
現在、Rampの利用企業は、8万5,000社超で、農場、非営利団体、ロケット企業、製造業、医療まで幅広い業種に及びます。それでも米国の法人カード取引に占める比率は約3%にとどまり、「残りの97%がこれから」だと同氏は語ります。また、多くの企業は預金にほとんど利息を得ておらず、売掛金の回収という難題も残っています。
4. AI支出の管理という新しい市場
4-1. 世界のAI推論支出は1年で約5倍に
Glyman氏が最も力を込めたのが、AI支出の急拡大です。1年ほど前、世界の主要ラボにおける推論への支出は年約300億ドルでした。現在の推計は、測り方によって年1,500億〜1,700億ドルとされます。米国の事務職・バックオフィス人件費は年約8兆ドルで、AI支出はその約2%に相当し、この1年で約5倍になったと説明しています。
同氏は、知識経済の企業が売上の10%を「思考」に使うのは不自然ではなく、むしろ低いかもしれないと見ています。
4-2. 管理が難しい支出
従来の支出管理は、採用した人材と取引先との契約という、比較的予測しやすい2種類が中心でした。AIは次の点で異なります。
成長の速度が、他の支出カテゴリーとは桁違いに速い
チャットよりも、複数のエージェントが作業を分担する「エージェント型」が支出の70〜80%を占めると同氏は述べており、コストが指数関数的に増えやすい
ラボ側には、最も賢いAIを作る競争の中で、安価なモデルへ顧客を誘導する動機が乏しい
4-3. 「Router」:1ドルのモデルを1セントに
こうした問題に対してRampが投入したのが、質問の難易度に応じて安価なモデルへ振り分ける「Router」です。同氏は、1ドルかかる質問でも、1セントのモデルで答えられる場合があると説明しています。導入は数行のコードを変えるだけで5分未満、平均で推論コストを40%削減できるといい、急速に成長しているとしています。開発の責任者は、Rampに21歳になる前に入社したViral氏だそうです。
同氏は、Rampが支出全般で行ってきたことを、AI支出にも適用したい考えです。なお、多くの顧客企業にはソフトウェアエンジニアが1人もいないため、AIを売り込むのではなく、「カードをタップすれば経費が完了する」といった形で背景に組み込む方針だと説明しました。
5. 小さなチームで巨大組織を動かす
5-1. 採用:ひとりずつ水準を上げる
人材について同氏は、優れた人は優れた人と働きたがると述べます。2019年の創業期から、「次の採用が前より優れている」状態を目指し、競技数学やコンピュータサイエンスの大会出身者など、若くして突出した成果を出した人を集めました。Viral氏は、14歳でiPhoneのショートカットアプリを作ったと紹介しています。
約2,000人規模の現在でも、内定を出す前に、共同創業者のKarim Atiyeh氏、Colin氏、そして、同氏自身がプロフィールを確認し、入社1週目には全員と会うといいます。これは「あなたが欲しかったからここにいる」と伝え、問題が起きたときに経営陣へ気軽に声をかけられる関係を作るためです。
5-2. 8〜12人を超えたらチームを分ける
同氏が強調するのは、チームが8〜12人になったら分割するというルールです。担当領域を明確にし、決定の結果に責任を持たせる形です。20〜30人に「合意しろ」と求めるのが、生産的なチームを非生産的にする最短の方法だという見方です。
開発側の運営は、製品の段階で変わります。
未発売の製品(ゼロから1):
多くの研究開発メンバーがここに属する。少人数に目標を与えて一定期間任せる、社内に多数のスタートアップがあるような状態規模拡大(1から10、10から100):
成長指標を1つ決める(例:週10%、月20%の成長)。同時に、満足度の低下や遅延などの「カウンター指標」を置き、悪化したら新機能の開発を止めて改善する
さらに、結果の指標だけでなく、結果につながる入力(行動)を管理します。エンジニアなら出荷した数や顧客と話した回数です。同氏は、スーパーボウルに勝つために「今日は勝つ練習をしよう」と言っても意味がなく、筋トレやスプリントなど具体的な練習に落とすのと同じだと例えています。
5-3. AIが調整コストを下げる
同氏は、組織が大きくなるほど調整コストが増えるという点を重視しています。AIはこのコストを下げる大きな機会であり、大企業が対応できれば「最良の出来事になりうる」とも述べました。小さなチームを機能させるには、現場の状況を把握できる優れたテレメトリー(計測の仕組み)が前提になるといいます。
6. Ramp Economics Lab ― 米国経済のリアルタイム地図
Rampは、集計した支出データをramp.com/dataで公開する「Ramp Economics Lab」を運営しています。同氏は、消費者は、AmazonやZillowで価格を比べられるのに、企業の多くは、同業他社がSalesforceにいくら払っているかも知らず、「手探りの状態」だと指摘します。そこで集計情報を共有し、自社の価格が他社と比べてどうかを分かるようにしたといいます。
AI導入の動向も追えます。同氏によれば、米国勢調査局の統計では、昨年初めにAIへ支出している企業は約5%でしたが、現在は約20%です。Rampには、どの企業がOpenAIやAnthropicに支払っているか、ライセンス数や利用の深さまで見えています。法人決済の約1%がRampを通っているため、統計的に意味のある精度で把握できるといいます。
データは売らず、公開するときは全員に同時に公開する方針だとも明言しました。また、仕訳の元データが精緻になれば、承認者・部門・拠点まで追跡できるため、会計不正も難しくなるという見方を示しています。
7. 政府支出と「1兆ドルのバックオフィス」
Rampは、数千の市、州、観光局、電力会社などにも使われています。同氏は、無駄や不正の多くは「可視性の欠如」から生まれると見ています。カード、経費、監査、照合、支払いがそれぞれ別のシステムになっていると、一部の情報しか見られません。これらを1つにまとめれば全体像が見え、さらに「領収書を取引に紐づけるだけの専任者は必要か」という問いが立てられるようになります。
同氏は、これを「1兆ドル規模のバックオフィス」問題と呼び、人間の潜在能力を下回る仕事に約1兆ドル分の労働が使われていると述べました。財務や会計の訓練を受けた人が、資本配分や街づくりといった判断に時間を使えるようになるのが理想です。
ホストが米国防総省の監査に触れると、同氏は、同省のカード支出だけで年100億〜120億ドル規模であり、過去の監査を5〜6回失敗していると述べました。民間企業ならありえないことだ、という認識です。
8. 楽観論の根拠
最後に、Glyman氏は長期の視点から楽観を語りました。
出身はラスベガスで、100年前は住民が約500人、同氏の生まれた頃は40万〜50万人、大学進学のために街を出た頃は約200万人でした。街が作られていく様子を見て育ったため、「ものを作る」ことが自然な選択肢だったといいます。
AIについては、4年前のGPT-3は算術ができず、「strawberryにRはいくつあるか」にも答えられなかったと振り返ります。今は、200年の間に人類が解けなかった数学の問題を解く水準に達しました。その進歩が、治療法のない病気や交通事故による死などの問題の解決に向かえば、世界は「少なくとも、はるかに面白くなる」と述べています。一方で、「賢さ」を自分の価値としてきた人にとって、知性が安価になることは、アイデンティティをめぐる難しい問いになるとも指摘しました。
オススメ記事
興味があれば、日本語AI・データプロジェクト
プロジェクト名: Project Octahedron（Handshake AI）
内容: 日本語の言語・AIタスクベースの作業を行うコントリビューター（作業者）向けプロジェクト
対象者: 日本語が堪能な方&英語の読み書きができる方
報酬単価: 承認された日本語タスク1つにつき $30
作業時間: 1タスクあたり平均 約1時間
