AIだけで運営できる事業とできない事業──経営者が知るべき分岐点

こんにちは、ひでです。

LINE登録2,331人、月13万円程度の売上、開発3日でリリース。

そのサービスの運営者が毎日やっているのは、「PayPayグルメで予約を1件バイトに頼む」だけです。

あとはAI自動運営で回している。

「AIで開発はできるようになった。でも事業の運営まで本当にAIに任せられるのか？」というのは、ここ半年、いろんな経営者から聞かれる質問です。

答えはイエスです。

ただし条件があります。

その条件と、経営者が手放してはいけない判断軸を整理します。

AI自動運営が現実になった──Dine Tokyoが見せた事業構造

「開発をAIで」から「運営までAIで」への移行は、もう実例で始まっています。

直近で話題になったのが、東京の少人数食事会マッチング「Dine Tokyo」というサービスです。

数字を整理します。

LINE登録2,331人、月13万円程度の売上を4ヶ月運営、開発はClaude CodeとCodexで3日でリリース。

これだけだと「個人のサイドプロジェクト」に見えるかもしれません。

でも構造を見ると、注目すべきポイントが詰まっています。

このサービス、運営者がやっているのは「PayPayグルメで予約バイトに発注するレストラン予約」だけです。

それ以外、つまり広告生成・LINEナーチャ・CSマニュアル更新・ABテストの離脱フロー判定までを、ほぼAIが回しています。

具体的には、広告は日次でクリエイティブをAIが生成し、CPAが良いものを残して新しい案を出す。

離脱しそうなユーザーには、診断結果と職業データを基にパーソナライズしたメッセージが飛ぶ。

CSのマニュアルはコードベースから自動更新される。

並べてみると、人がやっているのが本当にレストラン予約だけ、というのが見えてきます。

これは「ツールを並べただけ」ではなく、「経営判断以外のオペレーションをAIに渡す」という構造設計です。

この構造はDine Tokyoだけのものではなく、規模もレイヤーも違う場所で同時多発的に起きています。

AI自動運営の最前線──個人ソロから年$1.8Bまで

AI自動運営は実験ではなく、もう「成立している」ビジネスモデルが複数あります。

個人ソロ運営（Pieter Levels／HeadshotPro）

Pieter Levelsさんはオランダの個人開発者で、Photo AI・Interior AI・Nomad Listを並行運営しています。

年商は約$3〜3.5M（約4.5〜5億円）、従業員ゼロ。

Photo AIは2025年11月時点で月$138K（約2,000万円）、Interior AIに至っては「AIロボットが100%回している」と本人が言い切っています。

これが個人一人の数字です。

判断コストが限りなくゼロに近い。

組織論的に、ここが一番大きな示唆だと思います。

Danny PostmaさんのHeadshotProも近い構造で、ピーク時の月商は$300K（約4,500万円）。

CSと返金処理を完全自動化していて、本人が2週間休暇を取ってもビジネスは止まりません。

2025年12月のクリスマス休業中もオートリプライと自動返金で運営が続いていたそうです。

AIタレント・配信ビジネス（Neuro-sama／紡ネン）

Vedalさんが開発したAI VTuber「Neuro-sama」は、2026年1月時点でTwitch有料サブ162,459人と世界1位。

Twitchサブ数からの試算で月収$400K超（約6,000万円）。

LLM＋音声合成＋Live2Dで、配信中のトーク・歌唱・ゲームプレイ判断まで全部AIが生成します。

日本でも株式会社Pictoriaの「紡ネン」が、2024年11月にYouTubeチャンネル登録10万人を突破。

日本のAI VTuberとして初の到達でした。

企業スケール（Medvi／Base44）

Matthew GallagherさんのMedviは、フルタイム社員が本人と弟の2人のみ。

GLP-1（減量薬）のテレヘルスサービスで、サイト構築・問診・マーケ・購買フローをAIが回します。

売上は2025年実績$401M（約600億円）、2026年予測$1.8B（約2,700億円）。

規制が必要な医療インフラ部分は外部パートナーに任せ、自社は顧客接点とAIだけを持つ薄い構造で回しているのが要点です。

ただし2026年2月にMedviはFDAから警告状を受領、広告での誇張表現も問題になっています。

規制が絡む領域でAI運営をスケールさせるとき、例外処理の設計が追いつかないと何が起きるかという意味でも示唆的なケースです。

イスラエルのMaor Shlomoさんが立ち上げたBase44は、自然言語でWebアプリを生成するプラットフォーム。

創業から6か月でWixに$80M（約120億円）で売却。

外部資金ゼロ・10名未満チームで、単独株主のままEXITしました。

並べると、AI自動運営は「特殊な実験」ではなく、月13万円から年$1.8Bまでレイヤーごとに既に成立しているのが見えてきます。

ただし「うちもできる」と突っ込む前に、向き不向きがあります。

ここが経営判断の分かれ目です。

AI自動運営が成立するビジネスモデルの条件

「AIで回るかどうか」は、業種より構造で決まります。

ここが経営判断のキモです。

向いているのは、デジタル×繰り返し構造の事業です。

具体的には次のような業態です。

• マッチング・予約・問い合わせ受付（LINE・チャット起点）
• SaaS・サブスクのオンボーディングとCS
• 情報配信・コンテンツ生成（ニュース、画像、教材）
• IP運用（AIキャラ・AIタレント）
• 画像・動画・テキスト生成サービス

共通点は3つあります。

アウトプットがデジタルで再現可能なこと、ユーザー対応が定型化できること、意思決定の8割を「データを見れば判断できる」レベルに落とせること。

Dine TokyoもLevelsの事業も、ここに当てはまっています。

経営者の仕事が「例外に集中すること」になっているのが分かると思います。

逆に、AIに渡しきれない領域もはっきりあります。

• 医療や法務の「最終判断」（規制と責任の問題）
• エンプラ営業・大型契約交渉（信頼と関係性の構築）
• 採用面談（人を見る目はまだAIには無理です）
• クリエイティブの方向性決定（ビジョンや美意識）
• ピボットや撤退の経営判断

たとえば採用でいうと、僕は面談の前に候補者のLinkedInをAIに分析させて、質問リストまで作らせます。

ただ面談そのものは絶対に自分でやる。

ここを混ぜると事故ります。

「AIが優秀だと判断した人」を採ってみて、チームにはまらなかった、という話は周囲でも聞くので。

AI自動運営で、経営者が手放してはいけない「最後の1%の判断」

AI自動運営の本質は「全部AIに渡す」ではなく「経営者の判断密度を上げる構造設計」です。

オペレーションをAIに渡すと、経営者の時間は何に向かうか。

顧客と話す時間、競合の動きを読む時間、次の打ち手を決める時間、そして「やめる判断」をする時間です。

僕も、資料作成やレポート集計に8時間使っていた頃には戻れません。

あの時間で自分が何を生み出していたかを考えると、正直、恐ろしいくらいです。

「丸投げ」と「構造設計して委任」は全然違います。

丸投げは、ツールを入れて「これで自動化です」と言って放置する状態。

構造設計して委任するというのは、「どこまでAIに任せ、例外が来たら誰が拾い、KPIが落ちたら何を見直すか」を先に決めておく状態です。

後者はオペレーションをAIに渡しても、経営判断の手綱は経営者が握っています。

Dine Tokyoの運営者がやっているレストラン予約も、Medviが外部パートナーに任せる医療インフラも、「ここは人間が握る」というラインを明確に引いているからこそ、残りをAIに渡せています。

AIは社員の代わりではなく、経営者の参謀。

判断するのは最後まで自分の仕事です。

とはいえ、この構造設計を甘く見ると痛い目に遭うパターンがあります。

AI自動運営でよくある3つの失敗パターン

AI万能論で突っ込むと、ほぼこの3つのどれかで止まります。

1つ目は、ツールを入れただけで「自動運営」と思い込むケース。

CSツール・広告ツール・分析ツールを並べただけでは、運営は自動化されません。

データの流れと意思決定のロジックが繋がっていないと、結局のところ毎日人がダッシュボードを見て対応する羽目になります。

「自動化した」と言いながら、実は工数がツール管理に移動しただけ、というのが典型です。

2つ目は、例外処理を想定せずに人が不在になるパターン。

AIは想定内の処理は得意ですが、想定外のクレームや法的リスクが絡む問い合わせが来たときに、誰がどのタイミングで拾うかを決めていないと炎上します。

「24時間自動運営」と謳って、深夜のクレームに翌昼まで気づかない、みたいな事故は何度も見ました。

3つ目が、一番やらかしやすいです。

うちでも、初期に作った自動化フローが急成長に耐えられず、3か月くらいCSが地獄になった時期がありました。

構造を全部組み直すことになって、そこでようやく根本原因を潰せました。

何が起きたかというと、月10万円のフェーズで回っていた構造が、月1,000万円のフェーズだと破綻したんです。

ユーザー数が10倍になれば、例外パターンも10倍以上に増える。

成長フェーズで構造が追いつかなくなるケース、これが3つ目です。

立ち上げ時のAI構造は「成長したら作り直す前提」で組むのが正解です。

失敗パターンが分かれば、最初の1手が変わってきます。

今すぐAI自動運営に移行する3ステップ

完璧な設計図を待つより、1領域だけ動かす方が早いです。

ステップ1は、自社のオペレーションを書き出して「定型／半定型／非定型」に分類することです。

広告クリエイティブ、CS一次応答、レポート集計、議事録、競合調査あたりは大抵「定型〜半定型」に入ります。

ここがAIに渡せる候補です。

ステップ2は、最初の1領域だけAIに渡すこと。

全部一度にやろうとすると、設計が雑になって失敗3パターン全部踏みます。

広告だけ、あるいはCSの一次応答だけ、というレベルで切り出して、3か月運用してみる。

Dine Tokyoも最初から全部を回そうとはしていません。

ステップ3は、「例外が来たとき誰が判断するか」を先に決めること。

これが抜けていると、せっかくAIに任せても結局担当者がスマホを見続けることになります。

例外の判断者、エスカレーションのライン、KPIの監視責任者をシートに書き出してから運用を始めると、走り出してから事故りにくくなります。

AI自動運営は「楽になる手段」ではなく「判断密度を上げる選択」

AI自動運営を「人件費削減」の話だと思っている経営者は、本質を取り逃がしています。

本質は、経営者の時間を意思決定に再配分するための投資です。

Dine Tokyoの運営者も、Levelsさんも、Medviも、AIに渡したのはオペレーションで、自分は次の打ち手と方向性に集中している。

彼らに共通するのは「判断するスピード」と「やめるべきものを早く見極める力」です。

オペレーションを手放した分、判断は速くなる。

判断が速くなれば、PMFまでの距離は縮まる。

スタートアップにとってこれ以上のレバレッジはありません。

逆に言うと、AIを入れても判断密度が変わらないなら、投資が成功していません。

来週から1領域、自社のオペレーションを切り出して渡してみる。

それが最初の意思決定です。

AIを試さずに「うちには合わない」と決めつけるのが、一番もったいない。

合わない領域はある。

でも合う領域は必ずある。

その見極めそのものが、経営判断です。