自分のチームが気に入っている道具を作ったとしよう。どこよりも速く、すっきりしている。技術者の創業者の多くは、それだけで最大級の顧客も取れると考える。

Databricksは、この考えを試すのにちょうどいい例だ。その歩みを見ると、優れた製品はエンジニアの関心を集めるが、契約書への署名までは運んでくれない。

この記事のポイント

  • 大企業は、リスクや審査、既存の取引先との相性、会社の持続力で選ぶ。技術の質はその1つにすぎない。
  • 転機は、Microsoft Azureのファーストパーティサービスになったこと。顧客の既存のクラウド請求に載り、Microsoftの営業担当の目にも入った。
  • パートナー経由の販売は、届く範囲とリスクの両方をもたらす。複数のクラウドと自前の営業でリスクを抑えたが、届くのは入口までだ。顧客に使い続けてもらえるかが残る。

良いコードだけでは大口契約は取れなかった

技術者の創業者の多くは、いちばん良い製品が企業向け市場を制すると信じている。速く、すっきりして、賢いものを作れば、Fortune 500の企業が見つけてくれる、という考えだ。

Databricksは、この考えを試す好例だ。同社はUCバークレーのAMPLabでの研究から生まれた。創業者らは、この10年でもっとも広く使われたデータ処理エンジンの1つ、Apache Sparkを作った。

技術の質だけで大口契約が取れるなら、Databricksは楽に進んだはずだ。実際はそうならなかった。

創業初期のDatabricksは、技術の先行を大企業との大きな契約に変えるのに苦労した。共同創業者の話では、転機は販売の経路にあった。

エンジニアリングは強いままだった。同社は、巨大企業の営業チームを通じて売り始めた。

この動きが、この話の残りを形づくる。企業向けソフトでは、スタートアップがどこまで届くかは、何を作るかと同じくらい、どの販売網を使うかに左右される。

Databricksの転機は技術ではなく販売経路だったという要点を示す。補足は3点ある。UC Berkeley AMPLab発で、Apache Sparkを生んだ技術力がある。それでも初期は大型の企業契約に結びつかなかった。巨大企業の営業チームを通じて売り始めたことが転機になった。

図1:技術の優位だけでは大型契約に届かなかった

「良い製品が勝つ」という思い込み

この考えは一見もっともだが、大企業の買い方は違う。契約書に署名する人は、ソフトを試す人であることがまれだ。

エンジニアは、速さ、設計、できることで道具を評価する。買い手も同じ物差しだと思い込む。

多くのチームが「はい」と言う必要がある

購入は、いくつもの部署を通る。それぞれが自分の問いを持ち、速さに関する問いはほとんどない。

  • 調達部門:新しい取引先か。すでに契約はあるか。
  • 法務:契約で何を約束することになるか。
  • セキュリティ:セキュリティとコンプライアンスの審査を通るか。
  • 財務:いくらかかり、予算にどう収まるか。
  • アーキテクチャ審査:いま動かしているシステムに合うか。

次の表は、創業者が強調することと、買い手の問いがどれだけ離れているかを示す。

創業者が強調すること買い手の問い
速いクエリ、優れた設計この会社は5年後もあるか
オープンソースの勢いセキュリティ審査を通るか
開発者の熱意新しい取引先か
機能の計画今の取引先と合うか
単価の安さ午前3時に誰へ電話するか

若い会社がリスクに見える理由

若いスタートアップは、表の左側では高く評価され、右側では低く評価される。調達チームから見れば、新しい取引先は手間とリスクが増えることを意味する。

新たな基本サービス契約が要る。新たなセキュリティ質問票も要る。見守る取引先も1社増える。

小さな会社を選び、その会社があとで倒れたらどうなるか。CIOは、その選択の理由を説明しなければならない。実績のある会社を選んだ場合は、まず説明を求められない。

だから、技術で先行しても契約に結びつかないことが多い。 Sparkの人気は、エンジニアの間でDatabricksの信用を高めた。

しかし、銀行の取引先審査を短い道のりで通る助けにはならなかった。リスク委員会に安全な会社だと見せることもできなかった。

すでにある信頼を借りる

Databricksは、エンジニアリングへの大きな投資を続けた。大口顧客を呼び込んだ変化は、製品が買い手に届く経路にあった。

顧客を1社ずつ口説いて信頼を積む道を、同社はやめた。すでにある信頼を借りたのだ。これがこの記事の中心的な主張になる。

企業向けソフトでは、経路がコードと同じくらい重みを持つことが多い。

巨大企業の営業力に乗る

Databricksの道筋は、Azure Databricksで変わった。外部の製品としてMicrosoftのクラウドの隣に並ぶ形はとらず、Microsoft自身のクラウドの一部として売られた。

Microsoftは2017年後半にAzure Databricksを発表し、2018年に一般提供が始まった。マーケットプレイスへの掲載でも、共同ブランドのプレスリリースでもなかった。Azureのファーストパーティサービスだった。

つまり、Microsoftが自社サービスとして販売し、請求し、サポートした。

この違いは見落としやすい。だが、思う以上に大きい。

Databricksが左から右へ顧客に届く流れを示した図。DatabricksはMicrosoft Azureのファーストパーティサービスになり、Microsoftが販売・請求・サポートを担う。そこから経路は2つに分かれる。経路(a)では、顧客が今使っているクラウドの請求にそのまま載るため、新しい取引先の登録が要らず、図2で示した調達の問いが解消する。経路(b)では、Microsoftの営業担当が顧客に提案する。どちらの経路も大企業の顧客につながる。

図3:Azureのファーストパーティサービスとして顧客に届く仕組み

「ファーストパーティ」で何が変わるのか

ファーストパーティのサービスは、顧客がすでに使っている購買の流れにそのまま収まる。ゆるい提携では、新しい取引先の登録という手間を顧客が負う。

多くのスタートアップが、大手クラウドとの「提携」を発表する。実際は、スライドのロゴとマーケットプレイスへの掲載だけのことも多い。次の表は、そうした形とファーストパーティサービスを比べたものだ。

項目ゆるい提携・掲載ファーストパーティ
請求別請求か経由請求既存のクラウド請求に載る
契約済みの支出算入されないか一部のみ算入できる
調達新しい取引先の審査既存の取引先との関係
サポート事業者が単独で対応クラウド事業者の支援の一部
営業の動機担当者にはほぼない担当者の成績になる

どの行も、取引が遅れる原因を1つずつ取り除く。

  • 請求:財務チームが、新しい支払先を登録しなくて済む。
  • 契約済みの支出:大企業は、複数年のクラウド契約を結ぶことが多い。すでに約束した金額に算入できるサービスなら、予算の話はぐっと短くなる。使いきれないかもしれない契約分を、顧客が消化する助けにもなりうる。
  • 調達:顧客は、すでにMicrosoftと契約している。Microsoftのサービスを1つ足すのは、おおむね設定の選択だ。取引先探しを一からやり直すことにはならない。

たとえば、電話とインターネットを1社に払っている家庭を考えてみよう。その請求にテレビのプランを足すのは、すぐ決められる。まったく新しい会社と契約すれば、書類も確認も増える。

いちばん大きいのは営業の動機

この取引でいちばん目立たない特徴が、いちばん大きな意味を持つかもしれない。Microsoft自身の営業担当が、これを売って成績にできたことだ。

MicrosoftのアカウントエグゼクティブがAzure Databricksで成績を得られると、顧客の技術責任者をすでに知っている営業担当が、この話を持ち出す理由を持つ。

若い会社には、そんな営業部隊は雇えない。これだけ多くの顧客と深い関係を築くには、何年もかかる。

この取引が成り立つのは、双方が足りないものを得られるからだ。

  • クラウド事業者にとって:分析やAIの仕事は、計算能力とストレージを大量に使う。強力なデータ基盤があれば、その仕事が自社クラウドに集まる。使われた分は、Azureの売上になる。
  • スタートアップにとって:届く範囲、信用、購買手続きの近道が手に入る。知らない会社に迷う大口の買い手も、主力のクラウド事業者のサービスなら承認しやすいかもしれない。

むずかしいところ

こうしたことは、自然には起きない。パートナーの営業部隊は大きくて忙しく、ほかの製品も多く売っている。注目を集めるには、地道な努力が続く。

その努力は、たいてい4つに分かれる。

  1. 研修:パートナーの担当者が、製品の機能、対象の顧客、良い案件の見分け方を知る必要がある。説明できない製品を、担当者が持ち出すことはまずない。
  2. 共同のアカウント計画:一緒に狙う顧客を、スタートアップとパートナーで決める。誰が何を担当するかも決める。
  3. 現場での共同営業:ソリューションアーキテクトなど、スタートアップの専門家が、顧客との会合にパートナーの担当者と同席する。会合はパートナーが取り、専門家が技術面の説明をする。
  4. 担当者への価値の証明:営業担当者は、目標の達成に役立つものに集中する。スタートアップは、自社の製品が案件をまとめ、クラウドの利用を増やすことを示し続ける必要がある。

4つ目は、いちばん軽く見られやすい。提携を結んだだけでは、営業担当者は振り向かない。 注目は、担当者1人ずつ、四半期ごとに、改めて勝ち取るものだ。

まねしにくい理由

外から見ると単純だが、2つの条件がそろわないと成り立たない。どちらかが欠けると、ファーストパーティの契約は実現しにくく、実現しても成果が出にくい。

  • 製品がパートナーに本物の利用をもたらすこと:製品が計算とストレージの利用を大きく増やせば、クラウド事業者は得をする。インフラをあまり使わない小さなツールでは、売る理由がずっと弱くなる。
  • スタートアップが深い依存を受け入れること:ファーストパーティのサービスになると、エンジニアリングで深く結びつく。計画もパートナーと一緒に決め、パートナーの好意が続くことにも頼る。この取引に抵抗を覚える創業者もいるし、そのためらいは筋が通っている。

主導権を握るのは誰か

巨大企業の営業チームを通じて売れば、製品は多くの顧客へすばやく届く。同時にその巨人への依存も生まれ、巨人はその依存を逆手に取れる。

主なリスクは、他社のカタログの1項目になってしまうことだ。顧客がその製品を「Azureの分析のやつ」と思うようになれば、ブランドはパートナーのものになる。

パートナーには、顧客の求めるものも見える。どの処理が増え、どの価格を顧客が受け入れるかも分かる。競合製品を作るために、パートナーが必要とする情報だ。

パートナー経由の販売で得るものとリスクを左右に並べた比較図。左の「得るもの:顧客への到達力」には、既存のクラウド請求に載ることと大手の営業網を使えることを挙げる。右の「リスク:パートナーへの依存」には、他社カタログの一品目になりブランドをパートナーに握られること、顧客の需要をパートナーに見られることを挙げる。下段には、Databricksがリスクを抑えた手段として、複数のクラウドで動かすことと自社の営業チームを持ち続けることの2つを示す。

図4:パートナー経由の販売で得るものと抑えるべきリスク

Microsoftは自社のデータ製品を作った

Microsoftは、Databricksと競合する製品を実際に作った。Azure Synapse Analyticsは2019年に登場した。

Microsoft Fabricは2023年に発表され、データエンジニアリング、データウェアハウス、分析を、Microsoftが持つ1つの基盤にまとめた。

どちらの製品も、少なくとも一部はDatabricksの売るものと重なる。提携が失敗したという意味ではない。Azure Databricksは、Azureのファーストパーティサービスのままだった。

ただ、この提携には緊張が最初から組み込まれている。自社の製品を売ってくれるパートナーは、自社製品を押すかどうかも毎年決める立場にある。利害が一致するのは、自社製品より多くのクラウド利用を生む間だけだ。

AIにも同じ緊張がある

AI市場にも、同じ緊張がある。ReplitがAnthropicとの協業をやめたとき、大手モデル提供企業の上で事業を築く会社が、その依存を見直すことがあると分かった。

この種の提携で誰が力を持つのかは、2つの問いで考えやすくなる。

  • 顧客との関係を持つのは誰か。 エンドユーザーがログインする側の会社が、たいてい強い立場に立つ。
  • 代わりのきかない下の層を提供するのは誰か。 その提供元は、少なくとも代替が現れるまでは条件を決められる。

どちらかの答えが変われば、力関係も変わる。

Databricksはどうリスクを下げたか

Databricksは、パートナーのカタログの1項目にならないよう、いくつかの手を打った。次の表は、それぞれのリスクに対して同社が何をしたかを対応させたものだ。

リスクDatabricksの対応
1つのクラウドに頼るAWSとGoogle Cloudでも稼働
パートナーが顧客を握る自前の企業向け営業を維持
製品が代替可能に見えるオープンソースと公開された形式
パートナーが競合を作る顧客が名指しで求めるブランド

オープンソースの取り組みには、Spark、Delta Lake、MLflowがある。のちにはUnity Catalogもオープンソース化した。これらのプロジェクトには、2つの役割がある。

  • 基盤を持ち運べると感じさせる。 顧客が囲い込まれる不安をやわらげる。
  • 特定のクラウドの外に、コミュニティとブランドを育てる。 顧客がDatabricksを名指しで求めれば、パートナーにも提供し続ける理由が残る。

教訓は単純だ。販売の提携は出だしを助けるが、それだけでは長期の計画にならない。 Databricksのやり方は、初期の導入にパートナーの届く力を使い、その導入を自社の顧客関係に変えることだった。

企業向けを狙うAIベンダーへの教訓

AI企業はいま、同じ販売手法を使い、しかも速く動いている。直販と、大手クラウド経由の販売を、同時に進めるやり方だ。

Anthropicは、その一例だ。上場前のAnthropicの売上を扱った別のAutognosisの記事は、モデル提供企業が大口の買い手に届く2つの道を説明している。

直販と、AWS BedrockやGoogle Cloudなどのクラウド基盤を通じた販売だ。

モデルの作り手が、なぜ販売の一部をクラウド事業者に渡すのか。Databricksと同じ理由だ。買い手もクラウドも、この仕組みから欲しいものを得られる。

次の表は、それぞれが何を得るかを示す。

当事者望むことクラウド経由の利点
企業の買い手信頼できる取引先から買う新規取引先の審査が要らない
企業の買い手約束済みの資金を使う購入をクラウド支出に算入できる
クラウド事業者自社基盤の利用を増やすAIの処理が自社の計算資源で動く

双方が得をすると、同じ型が繰り返されやすい。新しい世代の製品でまた現れた理由も、これで説明しやすい。

AIスタートアップが早くから備えられること

Databricksの例を見ると、クラウド経由の販売は、最初の設計から考えておくほうがよさそうだ。あとから付け足す部品にはしない。具体的には、次のようになる。

  1. クラウド経由で買いやすい。 クラウドのマーケットプレイスに、顧客の約束済み支出に算入される形で掲載する。価格は、クラウドの調達チームがすでに扱っている単位にする。
  2. パートナーの営業が使える。 デモ、手引き、見込み案件の確認リストをそろえる。専門家が同席しなくても、パートナーの営業担当者が製品を紹介できる。
  3. パートナーの担当者を支える専門家がいる。 ソリューションアーキテクトや、案件を横から支える営業が、パートナーの紹介を契約に変える手伝いをする。
  4. 利用量がはっきり分かる。 製品がパートナーのクラウドにどれだけの計算とストレージの利用をもたらすかを追う。この数字が、パートナーの注目度を左右する。
  5. 最初から直販チームを持つ。 小さくてもよい。顧客の知識と関係が、社内に残る。

集中の落とし穴

この方法には、代償がある。会社は目を引く売上を報告しながら、ごく少数の巨大顧客か、1つの経路に頼っていることがある。

主なリスクは次のとおりだ。

  • 顧客の集中:売上の多くを少数の顧客が占めると、1社を失うだけで四半期全体が傷む。
  • 経路の集中:1つのクラウドが案件の大半をもたらす場合、そのパートナーが動機を変えたり競合モデルを出したりすると、見込み案件が一気に減りうる。
  • 離れられるプラットフォーム顧客:ベンダーのモデルの上に築いた会社は、条件や性能が変われば提供元を替えられる。Replitの件がそれを示した。

見出しの大きな売上額は、こうした弱点を何も教えてくれない。 顧客別、経路別に分けて初めて見えてくる。

流通が勝者を決めるとき

もう1点ある。ただし条件つきだ。競合するモデルやデータ基盤の性能が、あるタスクでほぼ並んでいるとき、買い手は技術だけで選ぶ理由が薄れる。

その場合、どちらが少し優れているかより、どちらが買いやすいかが重みを持つかもしれない。能力が大きく跳ね上がれば、市場が組み替わる可能性は残る。

ほぼ並んでいるかどうかはタスクによって違い、この節では測っていない。この主張が成り立つのは、製品が本当に近い場合に限られる。

販売の型でも解けない課題

大手パートナーの営業チームは、製品を顧客の入り口まで連れていける。ただ、顧客をつなぎとめられるかどうかは、製品と自社の人にかかっている。

友人にレストランを薦められた場面を思い浮かべてほしい。薦められれば、一度は席に着ける。もう一度行くかどうかは、料理の味しだいだ。

この節の要点を示す図。要点は「販売経路で入口には立てるが、契約を続けてもらえるかは製品しだいだ」という1文である。補足が2行あり、1つ目は大手の販売網が広げるのは到達範囲であって継続利用は約束されないこと、2つ目は契約を続けてもらうには顧客が製品を使い続ける必要があることを述べている。

図5:販売網が開くのは入口までである

最初の契約は始まりにすぎない

Databricksは使った分だけ料金を取る。多くのAIモデル提供企業も同じ課金方式だ。この方式では、契約を結んでも、入ってくる収益はそれほど多くない。

お金が入るのは、顧客がその製品でより多くの作業をこなしてからだ。

最初の契約は小さいことが多い。試験導入や、ひとつのチームの作業だけという場合もある。

収益が伸びるのは、使い方がほかのチームや別の作業へ広がったときだけだ。

使い方が広がるかどうかを決めるもの

パートナーの役目は、最初の契約が結ばれるとほぼ終わる。その先の成長は、パートナーの手が届かない3つの要素で決まる。

  • 本番での性能:試験導入は、整ったデータと前向きなユーザーで動くことが多い。実際の導入では、雑多なデータ、厳しい稼働率の約束、疑い深いチームが待っている。ここで力不足の製品は広がらない。
  • カスタマーサクセス:次の使い道を見つけ、次のチームを教育し、顧客が離れる前に問題を直す人が要る。この仕事は、提供企業自身の社員が担う。
  • 利用量の伸び:使った分だけ払う料金体系では、最初の契約のあとの成長は、既存顧客がもっと使うことで生まれる。パートナーが最初の作業を連れてくることはできる。しかし、その後の作業は製品しだいだ。

3つの層、3つの役割

Databricksの話は、3つの層に分けて見られる。それぞれの層には、ほかの2つにはできない役割がある。

次の表は、各層が何を受け持ち、どこで限界を迎えるかをまとめたものだ。

層できることできないこと
製品技術の評価担当者を納得させる調達を通す、経営層に届く
販売網買い手に届き、調達を通す最初の契約後に顧客をつなぎとめる
利用顧客を維持し、広げる弱い販売網や製品の穴埋め

どれかの層が弱いと、成長は決まった形で止まりやすい。

  • 製品は強いが販売網が弱い:開発者には好まれるが、企業向けの収益は伸びない。
  • 販売網は強いが利用が弱い:試験導入ばかり積み上がり、その後に離れる顧客が多い。
  • 利用は強いが特定のパートナーに頼りきり:そのパートナーが戦略を変えるまでは持ちこたえる。

次の契約の前に問いたいこと

ここで挙げる手順は、どれもうまくいくと決まっているわけではない。上の理屈から導いたもので、自社の数字と照らして確かめられる。

  1. Fortune 500の買い手は、今この製品をどう購入するのか。 新規取引先の審査が必要なら、その壁は次の新機能より重いかもしれない。
  2. マーケットプレイスへの掲載で、顧客は実際に買えるのか。 目立つことより、パートナー経由で請求でき、顧客の確約した支出に数えられることのほうが大事だ。
  3. パートナーが設けた商談を、誰が勝ち取るのか。 パートナーの営業担当は、提供企業を会議の場に連れていける。契約をまとめるのは、たいてい提供企業自身の専門担当だ。
  4. 収益のどれだけが、ひとつの顧客やひとつの経路に乗っているのか。 その割合を時系列で追うと、頼りすぎがリスクになる時期が見えてくる。
  5. 販売後の仕事にも、新規顧客の獲得と同じだけ本気で予算を付けているか。 カスタマーサクセスと本番での信頼性が、パートナーの紹介を長続きさせるかを決める。

ちょっと立ち止まって

この話は、よくある思い込みを揺さぶる。最高の製品が勝つ、という思い込みだ。

あなたの組織が最近導入した大きなツールを思い出してほしい。それは最良の選択肢だったから選ばれたのだろうか。それとも、いちばん買いやすかったからだろうか。

何かをつくる側なら、問いを逆にしてみてもいい。

自社のチームよりも遠くまで製品を運べる営業チームは、誰のところにあるだろうか。そのパートナーが計画を変えたとき、顧客はそれでもあなたの製品を選んでくれるだろうか。

中央に「企業の購入判断」を置き、5つの承認部門がそれぞれの問いで審査する様子を示した関係図。調達は新しい取引先か既存の契約先か、法務は契約で何を約束するか、セキュリティはセキュリティ・コンプライアンス審査を通るか、財務は費用はいくらで予算に収まるか、アーキテクチャ審査は今の社内システムに合うかを問う。中央には、契約に署名する人と試用する人はほとんどの場合別人だと書かれている。端には、速度や設計の良さは評価要素の1つにすぎないと添えられている。

図2:大企業の購入では複数の部門が承認する(出典:記事本文)