システム・技術

SaaS売却で技術的負債が値引きされるのは、買い手が「今動いているか」ではなく「明日から機能を足せるか」を見ているため。依存ライブラリのEOL、テストの不在、環境構築の属人化が、買い手の負担する将来工数として価格から差し引かれる構造を分解する。

アプリ売却の査定額は署名鍵の所在で決まる。鍵を失った事業が「時限付き資産」に変わる構造、Play App Signingの有無で分かれるAndroid、証明書が移管されないiOSのApp Transferを、売り手の確認手順と買い手のDD観点から整理する。

コードは薄いのに競合を上回るAIプロダクトの競争優位は、試行錯誤の末にたどり着いた「プロンプト」という暗黙知に宿る。問題はそれが一人の頭の中にしか体系的に存在しないこと。不可視性と属人化の構造、移管できないことによる価値毀損、文書化・バージョン管理・帰属というDDの実務を整理する。

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。

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。