1人で1500億円の会社を作れるかは、目指す物差しで決まる:起業の勉強会で、会場の答えは真っ二つに割れた

起業の勉強会だった。講師が問いかけた。1人で時価総額1500億円の会社を作れるか。

会場の答えは、真っ二つに割れた。

作れると答えた人は、AIで作業が減る話をした。もう一方の人は、投資家が付ける値の話をした。

どちらの話にも、筋は通っていた。では、どちらが正しかったのか。

1500億円は、為替ひとつで10億ドルの線の上にも下にも来る

まず、1500億円という数字を外貨で測り直してみる。

1500億円は、1ドル110円なら約13.6億ドル。ユニコーン(評価額10億ドル以上の会社)の線を、3割あまり超える。

1ドル150円なら、約10億ドルで線ちょうど。為替が動くだけで、同じ会社が線の上にも下にも来る。

会社の中身は、何も変わっていない。動いたのは、外の前提だけだ。

ふだん、時価総額は会社の大きさや実力を表す物差しとして扱われる。

中身は、売上や利益の実績だけではない。成長の見込みと投資家の期待を、多く含む数字だ。

値を付けるのは、会社の外にいる投資家である。他人が値を付ける数字は、為替のような外の前提でも動く。

ユニコーンの呼び名は、米国の投資家アイリーン・リーが2013年11月、TechCrunchへの寄稿で広めた。

リーの集計では、2003年以降に創業した米国のソフトウェア企業で、評価額10億ドルを超えた会社は39社。ベンチャー投資を受けた企業の約0.07%、1538社に1社の割合だった。

それほど珍しい線を、1人で越えられるのか。

アルトマン発言と、しぼむ期待

OpenAIのCEOサム・アルトマンは、AIの普及で、1人の起業でも超大規模な企業に育ちうる、という趣旨の発言をしている。

発言は、未来の予測だ。予測は、確かめられる事実と分けて、見立てとして読む。

AIを提供する会社の経営者が、AIで育つ少人数の会社を語っている。話し手の立場も、見立ての横に書き添えておきたい。

追い風は、確かに吹いている。クラウドを借りれば、物理サーバーの購入はゼロで済む。

大規模言語モデル(LLM、文章を作るAIの本体)も、API(外から機能を呼び出す窓口)で使える。

ただし、同じ追い風は競争相手にも吹く。APIの費用と規制への対応は、1人に集まる。

少人数の成功例として、よく挙がるのがWhatsAppだ。

Facebook(現Meta)は2014年2月、WhatsAppの買収を発表した。金額は約160億ドル。月に4億5000万人以上が使うサービスだった。

ごく少人数の体制で、数億人の利用者を抱えていた。

それでも、働く人は1人ではなかった。いちばんよく引かれる成功例でさえ、複数の人が支えていた。

1人の会社は強みか、割引の理由か

1人であることは、投資家の目にどう映るか。

投資家は、1人の会社を割り引いて見る。創業者が病気になれば、事業は止まるからだ。

創業者1人に事業が懸かる危うさを、投資家はキーパーソンのリスクと呼ぶ。

ここに、問いのカラクリがある。時価総額を目標に選んだ時点で、答えの半分は投資家の手に移る。

1人の起業家が、自分では動かせない数字を追うことになる。どれだけ作業を減らしても、割引を決めるのは他人だ。

評価額を物差しに選ぶなら、キーパーソンのリスクを減らす手が要る。結局は人を雇い、組織を作ることになる。

利益や裁量を物差しに選ぶなら、1人であることが強みになる。評価額は、目標から外せばよい。

追い風と壁を同じ表に並べると、結論は人によって割れる。壁の重さは、創業者が目指す物差しで変わる。

AIで運営の大部分を回す会社が当たり前になれば、割引が小さくなる見込みもある。

時価総額は投資家の見積もりで決まります。評価額を目指すなら1人は割引の理由になり人を雇います。利益や裁量を目指すなら1人が強みになります

目標の数字は、誰が値を付けるかで分ける

自分の目標も、同じ目で点検できる。今日からの手順は四つ。

最初に、事業の目標にしている数字を書き出す。

数字ごとに、自分の行動で決まるか、他人の評価で決まるかの印を付ける。

他人の評価で決まる数字には、値を付ける人の名前を書く。時価総額なら投資家だ。

大きな発言を引用するときは、話し手の立場を添える。AIに立場ごとの見立てを語らせれば、一つの発言を複数の目で読める。

次の文面のかっこの中を、自分の目標に書き換えれば使える。

(例:1人で時価総額1500億円の会社を作る)という目標を検討します。
次の立場ごとに、目標への見立てを三行で述べてください:(例:投資家、同じ市場の競合、1人で起業した経営者)
最後に、目標の数字が誰の評価で決まるかを一行で書いてください。

会場が割れた本当の理由

作れると答えた人は、自分の手で減らせる作業の量を見ていた。

もう一方の人は、他人が付ける値を見ていた。

同じ問いに、二つのグループは別の物差しで答えていた。あの勉強会で割れたのは、答えではない。物差しだった。

出典

拙著『GoogleのAI NotebookLM 意思決定の強化書』の3章4節に、立場ごとの見立てをAIに語らせ、自分の結論への反証を探す方法を書きました。読むと、大きな言葉を誰の立場の見立てとして受け取り、何を自分で確かめるかを決められます。

同じ資料を見ているのに、なぜ結論が割れるのか。

GoogleのAI NotebookLM 意思決定の強化書 表紙

『GoogleのAI NotebookLM 意思決定の強化書』

前提が結論を決める。意思決定を根拠、前提、結論の三層に分け、前提を対象、目的、制約、評価基準の四つで言葉にする本です。

読み終えたとき、手元に残るもの

  • 意思決定の設計図になる前提リスト
  • 資料を事実、意見、噂、ゴミに仕分けるFORT
  • 同じ物差しで比べる選択肢表と採点表
  • 始める条件と止める条件を書いた決定書

NotebookLMは2026年7月にGemini Notebookへ名称が変わりました。本の手法は、使うAIの種類を問いません。

Amazonで見る

著者プロフィール・お問い合わせ