リスク・対策

AIプロダクトのデモは感動的だが、モデルを差し替えた瞬間に品質が静かに崩れ、誰も気づけない。原因は品質を測る仕組み（Eval）の不在だ。評価データセット・指標・回帰テストの三層、沈黙の劣化、目視確認の限界、Eval資産の移管可能性という品質DDの観点を整理する。

従来SaaSの粗利率80〜90%という常識は、AI SaaSでは通用しない。使われるたびにGPU・トークンという売上原価が発生し、スケールが赤字を拡大させるからだ。トークン原価の構造、定額課金×従量原価の罠、リトライ等の隠れコスト、1リクエスト原価でのLTV/CAC再計算を整理する。

カスタマーサポートをAIに置き換えた事業では、チャットボットの誤回答（ハルシネーション）が顧客に与えた損害の賠償責任は事業者に帰属し、買い手は事業ごと承継する。海外の賠償事例、免責規約の限界、ログ・ガードレール・保険という法務DD項目を整理する（法的助言ではなくDD論点の整理）。

自社専用にファインチューニングしたモデルは、動いていても引き渡せるとは限らない。「重み」の所在、学習レシピと環境の再現性、ベースモデルの商用条項、学習データの来歴という4つの盲点と、四点開示と再学習リハーサルの実務を移管DDの観点で整理する（法的助言ではなくDD論点の整理）。

CursorやCopilotが生成した事業コードは誰のものか。AI介在でM&Aの知財表明保証の前提が揺らぐ。著作権保護の不確実性、学習データ由来の権利侵害リスク、AIツールの規約と権利移転、表明保証・補償への反映を技術と法務の境界で整理する（法的助言ではなくDD論点の整理）。

観測SaaS（Datadog・Sentry）は運用品質の証であると同時に隠れたコスト爆発源だ。ホスト・座席・取り込み量が掛け合わさる課金構造、カーディナリティ爆発、年間コミットとオーバーレージ、移管時のダッシュボード喪失と再計装をバリュエーション視点で整理する。

商用LLM API契約には交渉で勝ち取った特別単価・コミット割引・レート上限・データ特約が紐づき、買収という契約者の変更で維持される保証はない。支配権変更条項、データ取り扱い特約の引き継ぎ、ファインチューニング済みモデルの帰属、再交渉後コストでの原価率評価とクロージング条件化を整理する。

ベクトルDB（Pinecone・Qdrant等）に溜めた埋め込みは差別化資産になり得るが、同時に負債にもなる。資産か負債かを分けるのはデータの出自と再生成可能性だ。埋め込みモデルへのロックイン、元データの保全、権利関係と個人情報という潜在負債、資産性と負債性を分けて評価するDDを整理する。

「AI搭載SaaS」は強固な堀を持つ事業も薄いラッパーも等しく覆い隠す。中核機能がLLMに乗るSaaSを信用格付けのようにスコアリングする5軸（中核性・参入障壁・データ資産・スイッチングコスト・プロバイダー独立性）と格付けレンジ、買い手によるプレミアム検証、売り手による堀の可視化を整理する。

CI/CDは本番環境への最短経路だ。パイプラインのシークレットは本番を操作する強権限を持ち、設定不備は侵入経路になる。シークレット台帳と権限スコープ、退職者のadmin残存、ワークフロー権限とインジェクション、サードパーティアクションのサプライチェーン、自己ホストランナー、買収後の一斉ローテーションを整理する。