デモは滑らかで解約率も低い。しかし中核のAIが自社の強みなのか、海外大手のAPIを呼んでいるだけなのかは、コードを読み開発者に会わないと見えません。財務・法務DDでは、この技術とAI固有の問いに答えられません。

見落としたまま億単位の買収に進むのか、技術の目利きを一度入れるのか。その分かれ道を、実例の恐さとともに押さえます。

テックDDはアーキテクチャ・AI固有・コード品質・セキュリティ・インフラ原価・組織キーパーソン・規制の7領域を見ます。各領域を緑・黄・赤の信号機で示し、経営が判断できる形にします。

買い手が最初に確認すべき論点は、チェックリストにして初回から持ち込めます。相手のペースで説明を受けて終わらないための準備です。

参入障壁(moat)が本物か、基盤モデルへの依存構造、学習に使うデータの権利、モデル更新時の品質検証(eval)体制。ここがAI SaaSの価値を左右します。薄いラッパーか本物かを、デモではなく中身で見分けます。

サンプル案件では、薄いラッパーではないものの単一モデル依存と学習利用の規約グレーが残り、黄信号となりました。

AI SaaSは推論コストが粗利を左右します。サンプル案件では推論原価ARR比23%、基盤モデルの価格が30%上がると粗利は約7pt悪化しました。単一依存×抽象化層なしがこのリスクを増幅します。

コード側では静的解析の重大度、テストカバレッジ、コミット集中（バス係数）を数字で見ます。サンプル案件はコミットの71%がCTOに集中し、検索パイプラインはバス係数1の赤信号でした。

発見事項は、価格調整材料・表明保証や誓約で守るもの・PMIで是正するものに振り分けます。サンプル案件では価格調整材料4件から▲0.8〜1.4億円のレンジを算定根拠つきで提示しました。

報告書は読んで終わりでなく、SPA交渉の論点整理とPMI 100日プランの初版になります。内製すると約2.5人月・約500万円相当かかる調査です。