SaaSは本当に死ぬのか？――「30兆ドル知識労働」を狙うAIエージェントの本質
TuringのCEOであるJonathan Siddharthは、ポッドキャストで「PCの前で行われる知識労働（digital knowledge work）は約30兆ドル規模」という前提から議論を組み立てました。
そして、彼の問題提起は明確です。AIの進歩を阻んでいるボトルネックは、もはや計算資源や“インターネットを食べる”データ量ではなく、人間の知能（専門性）そのものに移ってきた──という見立てです。
以下では、発言を軸に「なぜSaaSが揺らぐのか」「企業はどこで勝負すべきか」を、具体例つきで整理します。
1. 「30兆ドルの知識労働」を4次元で分解する
Siddharthは、知識労働を“4次元マトリクス”として捉えます。
業界（金融、医療、製造など）
機能（開発、営業、経理、人事など）
役職/ロール（CFO、FP&A責任者、会計責任者…）
ワークフロー（取締役会資料作成、月次締め、審査、見積…）
ポイントは、「会社＝機能の集合」「機能＝人（ロール）の集合」「人＝ワークフローの集合」とまで分解し、“自動化すべき最小単位（セル）”を定義したことです。これにより、AIは、職種の抽象論ではなく「この画面で、この資料を読み、このツールで、この判断をし、この出力を作る」という粒度で語れるようになります。
2. 4つの柱：マルチモーダル×推論×ツール×コード
彼の仮説はシンプルです。
「マルチモーダル、推論、ツール利用、コーディングの4つを極めれば、PC上の仕事はだいたいできる」。
2-1. “靴を買う”は、実は「業務フローの縮図」
番組内の例が象徴的です。「AIに靴を買わせる」だけでも、
記憶（足のサイズ、好み、予算、配送先）
画面理解（商品画像、レビュー、販売者の信頼性）
計画立案（質問→探索→比較→購入）
ツール操作（EC、拡張機能、決済、配送設定）
が要ります。つまり“簡単な用事”ほど、4本柱が全部必要になる。逆に言えば、ここを突破できるAIは、企業の業務フローにも横展開できます。
2-2. コードが要る理由
「レビューの新しさに重みをつける」「評価の傾きを見る」など、意思決定を自動化するには、小さな分析コードが効いてきます。Siddharthの言い方を借りれば、AIが“行動する”には、推論だけでなく“計算して検証する力”が欠かせない。
3. AGIのボトルネックは「人間の知能」になった
従来は「計算資源とデータ」が勝負でした。しかし、今は、インターネット由来の“易しいデータ”は取り尽くし、モデルは実務に必要な推論連鎖を学ぶデータが不足している。そこで、Turingは、投資銀行家、医師、弁護士などの専門家を巻き込み、現実に近い環境を再現してデータを作る──いわばデータ工場（data factory）を拡張する、と語ります。
実際、同社はフロンティアモデル開発企業向けのデータ提供で知られ、資金調達で評価額が報じられています。
また、彼が紹介したOpenAIの「GDPval」は、“実務で作られる成果物（アーティファクト）”を前提に、AIの経済価値を測ろうとする評価枠組みです。これは「業務ができる」とは何かを、ベンチマークの外側（仕事の現場）に戻して定義し直す試みだと言えます。
4. 「SaaSは死ぬ」— 2つの意味
Siddharthの“spicy take（辛口見解）”は、SaaSが揺らぐ理由を2つに分けます。
4-1. カスタムソフト開発コストが下がる
AIアプリ開発の難易度が下がり、社内のエンジニアが自社用ツールを作りやすくなる。すると「汎用SaaSを買う理由」は薄れます。
ここで重要なのは、企業の業務は“微妙に違う”という事実です。LLMは、この“微妙な差分”に強い。結果として、SaaSの強みだった「作るのが難しいから買う」が崩れやすい。
4-2. UI中心のSaaSは、エージェント時代に設計負けする
これまでのSaaSは、「人がメニューを辿りGUIで操作する」前提でした。ところが、ツール呼び出し型エージェントが普及すると、UIではなく、API・データ層が主戦場になります。
彼が描く未来像は、採用（ATS）すら「エージェントに話すだけ」で回り、裏側では“候補者DBの状態”だけが維持される、というものです。ここではSaaSが担ってきた“操作画面”の価値が相対的に下がります。
5. 企業への示唆：守りは「データ層」、攻めは「学習速度」
SaaS企業にとっての現実的な打ち手は、次の2点に集約されます。
System of Record（正のデータ）を握る：
「UI＋DB」のうち、価値が残るのは、DB側。データの整合性・権限・監査・履歴が強い企業ほど、エージェント時代でも中核に居座れます。学習速度（Learning Rate）を上げる：
モデルが“現場で壊れる”パターン（PDF表がページ跨ぎで読めない、出力がプレゼンになると崩れる等）を早く発見し、評価→データ化→改善のループを回せる組織が強い。これは「AI導入でP/Lが変わらないのはモデルのせいではなく、ラストマイル設計が難しい」という彼の見立てとも整合します。
結論
「SaaSが死ぬ」とは、ソフトウェアが不要になる話ではありません。むしろ逆で、仕事が“ワークフローのセル”まで分解され、そこにAIが入り込むことで、ソフトウェアは増殖します。
ただし、その中心は“画面”から“データとエージェント”へ移る。30兆ドルの知識労働市場をめぐる次の競争は、ここから始まります。
