買収候補のAI SaaSの決算書を眺めていて、「SaaSなんだから粗利は80%くらい出るはず」という前提で収益モデルを組み立てていないでしょうか。ところが実際に原価の内訳を開いてみると、売上原価の中に見慣れない大きな塊がある。基盤モデルのAPI利用料です。プロダクトが使われるほど、つまり売上が伸びるほど、この費用も比例して膨らむ。従来のSaaSなら限界費用ほぼゼロで積み上がるはずの粗利が、AI SaaSでは想像より薄い。この構造を掴まないまま買収後の事業計画を引いてしまうと、統合初年度で「思っていた利益が出ない」という事態になりかねません。
やっかいなのは、その推論コストの単価を対象会社が握っていない点です。基盤モデルの価格は提供元が決めます。値下げが続く局面もあれば、上位モデルへの移行を促す形で実質的な値上げが起きることもある。単一の提供元に依存し、切り替えの逃げ道を持たない会社ほど、この価格改定が粗利を直撃します。ここでは、推論原価がARRに占める重さ、基盤モデルの価格が動いたときに粗利がどれだけ振れるか（感応度）、そして買収価格にどう織り込むかを、架空のサンプル案件の数値を通して具体的に読み解きます。買収検討の初期段階で「この案件はDDが要るか」の見立てから相談したい方は、AIテックデューデリジェンスのサンプル報告書もあわせてご覧ください。
AI SaaSの売上原価には何が積み上がっているのか
まず、従来型SaaSとAI SaaSで原価の顔ぶれがどう違うかを押さえます。サーバー費やサポート人件費は両者に共通しますが、AI SaaSにはユーザーの操作1回ごとに外部へ支払う変動費がのしかかります。売上に連動して増える費用なので、規模を拡大しても粗利率が改善しにくい。ここが「SaaSなのに粗利が薄い」の正体です。
| 原価の項目 | 中身 | 売上との連動 |
|---|---|---|
| 基盤モデルAPI費（推論コスト） | 入力・出力トークンへの従量課金。回答生成のたびに発生 | 利用量にほぼ比例。最大の変動費 |
| リランカー・埋め込み処理 | 検索精度を上げる再ランク付けや、文書のベクトル化にかかる計算資源 | クエリ数に連動 |
| ベクタDB・検索インフラ | 埋め込みベクトルの保管と近傍検索。索引が大きいほど費用増 | データ量・同時実行数に連動（準変動） |
| 一般的なクラウド費 | アプリ実行、DB、ストレージ、監視など | 半固定。従来SaaSと同様 |
読むときの勘所は、売上原価を「固定に近い部分」と「利用量に比例する部分」に分けることです。比例部分が大きいほど、成長しても粗利率が伸びにくく、しかも外部価格の変動に弱い。決算書の売上原価が一行でまとまっている場合は、この内訳を対象会社に開示してもらい、トークンコストが月いくらか、それがARRの何%かを必ず確認します。ここが見えないと、買収後の収益性は推測でしか語れません。
サンプル案件で推論原価と粗利の感応度を測る
数値で見た方が早いので、AIテックDDのサンプル案件（架空のコンタクトセンター向けRAG型SaaS「ツギテCS」）の原価構造を追います。サンプル案件では事業規模はARR 1.84億円。売上原価のうち推論原価がARR比23%を占め、金額にすると月次のトークンコストは約350万円でした。基盤モデルAPI費を除いた一般クラウド費が月約120万円。推論原価23%に、サポートや索引運用などその他の売上原価12%を加えて控除すると、粗利率はおよそ65%という推計になります。SaaSとしては、決して高くはない水準です。
問題は、この65%が基盤モデルの価格に大きく左右される点です。トークン単価が動いたときに推論原価と粗利がどう振れるかを、サンプル案件の前提で整理したのが次の表です。
| 基盤モデルの価格変動 | 推論原価（ARR比） | 粗利率 | 現状との差 |
|---|---|---|---|
| ▲30%（値下げ） | 16.1% | 71.9% | ＋6.9pt |
| 現状 | 23.0% | 65.0% | 基準 |
| ＋30%（値上げ） | 29.9% | 58.1% | ▲6.9pt |
サンプル案件では、基盤モデルの価格が＋30%動くと粗利率は65.0%から58.1%へ、約7pt悪化します。逆に値下げが続けば71.9%まで改善する余地もある。ここで大切なのは、この振れ幅が対象会社の努力とは無関係に、提供元の価格改定ひとつで起きるという点です。買収後の事業計画で粗利65%を前提に置くなら、少なくとも「＋30%で58%まで落ちうる」というシナリオを併記しておかないと、計画そのものが片側だけを見た楽観になります。実際の案件では価格改定の方向も幅も断定できないため、こうしたレンジで幅を持たせて評価するのが実務的です。
なぜ単一モデル依存が価格改定リスクを増幅するのか
同じ価格改定でも、その影響を受け流せる会社と、まともに食らう会社があります。分かれ目は、基盤モデルの切り替えやすさです。サンプル案件のツギテCSは、基盤モデルを海外大手1社のAPIに単一依存しており、しかもアプリと外部モデルの間に抽象化層（モデルを差し替え可能にする共通インターフェース）を持っていませんでした。DD上はこれを発見事項F-01（単一基盤モデル依存×抽象化層なし）として、価格調整材料に位置づけています。
抽象化層がないと何が起きるか。値上げされても、より安いモデルへ乗り換える判断が技術的に重くなります。プロンプトも出力の後処理も特定モデルの挙動に合わせて作り込まれているため、乗り換えには再チューニングと再評価（eval）の作業が丸ごと発生する。つまり「値上げが嫌なら逃げればいい」が事実上できず、価格改定をそのまま粗利で受け止めるしかない構造です。感応度表の＋30%シナリオが、そのまま現実味を帯びます。
| 観点 | 抽象化層なし（サンプルの現状） | 抽象化層あり（是正後） |
|---|---|---|
| 値上げへの対応 | 乗り換え困難。粗利で受け止める | 別モデルへ切り替えて影響を緩和できる |
| 乗り換えの作業量 | プロンプト再設計・後処理改修・再評価が丸ごと発生 | 共通インターフェース経由で切り替え、評価は回帰evalで担保 |
| 交渉上の立場 | 提供元に価格の主導権 | 複数候補を持ち、価格比較の余地 |
この構造を是正する打ち手が、抽象化層の導入です。サンプル案件では、モデル差し替えを可能にする共通インターフェースの実装と、切り替え時の品質を担保する評価の整備をあわせて、是正費用を1,200〜1,800万円と見積もりました。買収後にこの投資を入れれば、価格改定への感応度そのものを下げられます。逆に手を打たなければ、粗利は基盤モデル提供元の価格政策に人質を取られ続けます。
読み取った収益性リスクを買収価格にどう反映するか
ここまでの読みを、買収価格やバリュエーションにつなげます。やってはいけないのは、感応度の悪いシナリオだけを取り出して機械的に減額することです。価格がどちらへどれだけ動くかは誰にも断定できません。だからこそ、単一の数字ではなくレンジで扱い、根拠を添えて交渉のテーブルに載せるのが筋の通ったやり方です。
具体的には、次の3点を分けて整理します。第一に、抽象化層導入のような是正費用は買収後に必ず出ていく現金なので、価格に織り込むかクロージング前の売り手負担（誓約事項）にするかを選ぶ。第二に、価格改定で粗利が数pt動くエクスポージャーは、収益予測に幅を持たせる形で反映する。片側の楽観値ではなく、感応度の上下を織り込んだレンジで事業計画を引きます。第三に、これらはあくまで技術者観点からの論点提示であり、最終的な価格や契約条件の判断は財務・法務の専門家と組んで決めるという役割分担を明確にしておく。DDが提示するのは「何を、いくらの幅で、なぜ懸念するか」の材料であって、効果を保証するものではありません。
この整理ができていれば、対象会社の粗利65%という数字を額面どおり受け取るのではなく、「単一モデル依存という前提つきの65%であり、是正に1,200〜1,800万円、価格改定で±7pt振れる」という立体的な理解のうえで、価格交渉にも統合計画にも臨めます。
よくある質問（FAQ）
推論原価がARRの何%を超えたら要注意ですか
一律の閾値はありません。サンプル案件では推論原価ARR比23%で粗利65%という水準でしたが、重要なのは絶対値よりも「単価を自社で下げられる余地があるか」です。同じ23%でも、抽象化層があって安いモデルへ移れる会社と、単一依存で逃げ場のない会社ではリスクが違います。比率とあわせて、モデルの切り替えやすさ、リランカーや索引の最適化余地をセットで確認してください。
対象会社が推論コストの内訳を開示してくれない場合は
売上原価が一括表示で、トークンコストが見えないケースは珍しくありません。その場合はDDの中で、コードと課金データから利用パターンを推計し、月次トークンコストとARR比を復元します。サンプル案件でも、コード精読と面談を通じて推論原価23%・月約350万円という数値を組み立てました。開示が薄いこと自体が、原価管理の成熟度を測る材料にもなります。
基盤モデルの価格改定リスクは買収価格を下げる根拠になりますか
交渉材料のひとつにはなりますが、単純な減額の口実にするものではありません。感応度はレンジで示し、抽象化層導入の是正費用（サンプル案件では1,200〜1,800万円）のように根拠のある数字とあわせて提示するのが実務的です。価格に織り込むか、売り手の是正を条件にするか、統合後の投資として自社で負担するかは選択肢であり、最終判断は財務・法務と組んで決めます。DDはその判断材料を揃える役割です。
抽象化層を入れれば価格改定リスクはなくなりますか
ゼロにはなりませんが、和らげられます。抽象化層があれば値上げ時に別モデルへ切り替える選択肢が持て、提供元への交渉力も生まれます。ただし切り替え後の品質を担保する回帰評価（eval）の整備が前提です。サンプル案件の是正見積1,200〜1,800万円には、この評価整備の工数も含めて考えています。感応度を下げる投資として、買収後100日計画に組み込む価値があります。
「SaaSだから粗利は高いはず」という前提のまま、推論コストの重さと価格改定リスクを見落としたまま値付けするのは避けたいところです。買収候補のAI SaaSについて、推論原価のARR比や基盤モデル依存の構造をどう読むか、この案件にDDが必要かの見立てからでも壁打ちにどうぞ。AIテックデューデリジェンスでは、サンプル報告書で調査の深さと納品の形を確かめていただけます。