元記事
記事タイトル
Turn consulting service into a product: Dana Snyder’s story
掲載サイト
The Builder Media
著者
Felix Sterling
出演者・創業者
Dana Snyder
公開日
2026年7月18日
元記事URL
https://www.thebuildermedia.com/no-code-platform-solo-consultant/
この記事で紹介されているDana Snyderは、米国の非営利団体に、毎月継続して寄付を受け取る仕組みを指導してきたコンサルタントです。
彼女は、従来1万2,000〜1万8,000ドルで提供していたコンサルティングの知識を、「Monthly Giving Builder」というAIツールへ変えました。現在は年間499ドルで提供されていると本人のインタビューで説明されています。(thebuildermedia.com )
売上や有料利用者数は公開されていません。そのため、この記事は大きな売上を達成した成功事例というより、専門家が自分の知識を、労働時間に依存しない商品へ変えた事例として取り上げます。
3分で要約
Danaは、非営利団体向けに、毎月の継続寄付を増やす方法を教えてきました。
非営利団体が安定して活動するには、単発の寄付だけでなく、毎月決まった金額を寄付する支援者を増やす必要があります。
しかし、小規模な団体には専任のマーケティング担当者がいません。
寄付プログラムの名前をどうするか。いくらの寄付を求めるか。どんなメールを送るか。支援者へ何を報告するか。
考えるべきことは多い一方、高額なコンサルタントを雇える団体は限られます。
Danaも、従来は顧客ごとに同じ質問をし、同じ順序で状況を整理し、個別の計画を作っていました。
そこで、これまで使ってきた5段階のコンサルティング手順をオンラインツールへ移しました。
利用者が団体の目的、支援者、現在の寄付状況などを入力すると、Monthly Giving Builderが質問をしながら、継続寄付プログラムの名称、方針、訴求文、実行計画を作ります。公式サイトでも、利用者が包括的な月額寄付計画を作り、段階的に実行できるツールだと説明されています。(positiveequation.com )
Danaにはプログラミング経験がありませんでした。
それでもReplitのAI開発機能を使い、約6か月かけてサービスを構築しました。現在もPositive Equationの常勤社員は本人1人で、講演や高額サービスを残しつつ、小規模団体向けの商品をツールで提供しています。
主要な収益モデル
中心となる収益は、Monthly Giving Builderの年間利用料です。
売上は次の式で考えられます。
有料団体数 × 年間利用料
本人の説明では、従来の高額なコンサルティングを、年間499ドルのAIツールへ変えています。
単価だけを見れば、大幅な値下げです。
しかし、個別コンサルティングでは、顧客が増えるたびに面談、調査、資料作成が必要です。年間499ドルのツールなら、100団体へ提供しても、本人が100社分の面談をする必要はありません。
一方、高額な個別支援を廃止したわけではありません。
Danaは現在も、個別相談、講演、研修、マスターマインドなどを提供しています。ツールは、高額サービスを買えなかった小規模団体を受け持つ入口商品です。(positiveequation.com )
つまり、
低価格のAIツール
→研修やコミュニティー
→個別コンサルティング
という階段を作れます。
開始コスト
この事業で最初に必要だったのは、独自のAI技術ではありません。
Danaがすでに持っていたコンサルティングの手順、質問項目、判断基準、文章例が土台です。
開発にはReplitのAIツールを使い、約6か月かけて仕組みを作りました。
店舗や在庫は必要ありませんが、開始コストが完全にゼロというわけではありません。
AI開発ツール、サーバー、決済、メール配信、セキュリティ対策などの費用がかかります。また、AIが不適切な提案をした場合に備え、出力内容を検証する必要があります。
ただし、最初から完成したSaaSを作る必要はありません。
質問フォームと生成AIを組み合わせ、利用者へ計画書を返す半自動サービスから始められます。
必要スキル
最も重要なのは、プログラミングではありません。
自分の仕事を、他人が再現できる手順へ分解する力です。
専門家は、顧客の話を聞くと無意識に判断しています。
この団体には名前づくりが必要。
この顧客には寄付額の設計が必要。
この場合はメールよりイベントを優先する。
こうした判断が本人の頭の中にあるだけでは、ツールにできません。
質問、選択肢、条件分岐、出力形式へ変換する必要があります。
さらに、AIが作った文章をそのまま正解とせず、専門家としてどこまで自動化し、どこから人が確認するかを決める力も欠かせません。
他人が見落としていたポイント
他人は、コンサルティングを「専門家が顧客と話す仕事」と見ていました。
しかし、Danaは、その中で何度も繰り返している手順を見ていました。
顧客ごとに事情は異なります。
それでも、最初に聞く質問、整理する情報、検討する順序、作成する成果物には共通部分があります。
顧客が買っているのは、Danaと1時間話すことではありません。
自分たちの状況を整理し、何を、どの順番で実行すればよいか分かることです。
この共通部分をツールへ移せば、専門家本人が働いていない時間にも価値を提供できます。
さらに、利用者から集まる質問やつまずきが、ツール改善の材料になります。
顧客が増えるほど、専門家の知識が整理され、商品そのものも強くなります。
日本ならどう応用できるか
日本でも、専門家が同じ質問と資料作成を繰り返している分野は多くあります。
たとえば、
- 店舗閉鎖の手続き
- 月次決算の早期化
- 銀行借入の比較
- 補助金申請の事前診断
- ホテルの収益改善
- 新規取引先の審査
- 小規模事業者の資金繰り計画
などです。
ただし、税務、法律、医療などは、AIが個別判断を行うと問題になる場合があります。
最初は結論を断定するツールではなく、
必要な情報を集め、抜け漏れを確認し、専門家へ相談する前の準備を終わらせるツール
として設計する方が安全です。
たとえば店舗閉鎖なら、店舗名、閉店日、契約状況を入力すると、電気、水道、ガス、賃貸借、設備、在庫、従業員に関するタスクを自動作成するサービスが考えられます。
利用者が何をすべきか整理するところまでは自動化し、法的判断や個別交渉は専門家へつなぎます。
5つの勝ち筋フィルター
① 中央値か、外れ値か
評価：★★★★★
AIチャット自体は珍しくありません。
しかし、自分が高額で提供していた専門サービスの手順を、特定業界向けのツールへ変えた点が外れ値です。
AIを売ったのではなく、専門家の判断順序を商品にしています。
② 古くからある市場か
評価：★★★★★
非営利団体は以前から、寄付の獲得や支援者との関係づくりに費用を使っています。
新しい需要を作る必要はありません。
高額なコンサルティングを購入できなかった層へ、低価格の商品を提供しています。
③ 期待値1以上のサイコロを何度も振れるか
評価：★★★★★
最初はフォームと生成AIだけで小さく検証できます。
質問、対象顧客、料金、成果物を変えながら何度も試せます。物理的な設備や在庫も残りません。
ただし、誤った助言によって顧客へ損害が出る分野では、責任範囲を明確にする必要があります。
④ 粗利益率は高いか
評価：★★★★★
一度仕組みを作れば、顧客数と同じ割合で専門家の作業時間は増えません。
主な原価は、AI利用料、サーバー、保守、顧客対応です。
ただし、利用者ごとに人間が成果物を修正し始めると、再びコンサルティング業へ戻ります。
⑤ 再現性はあるか
評価：★★★★☆
同じ質問、判断、資料作成を繰り返す専門サービスなら応用できます。
一方、専門家本人の経験や直感に依存し、顧客ごとに対応がまったく違う仕事は、簡単にはツール化できません。
まず、仕事の共通部分を見つけられるかが条件です。
どうなったら失敗するのか
最大の死亡条件は、生成AIを置いただけの相談チャットにすることです。
一般的な質問に一般的な回答を返すだけなら、利用者はChatGPTを直接使えます。
次に危険なのが、すべての顧客へ対応しようとすることです。
業種、規模、目的が違う顧客を一つのツールに入れると、質問も回答も曖昧になります。
また、AIが作った計画を専門家の保証付きであるかのように見せると、誤解やトラブルにつながります。
自動化する範囲と、人間による確認が必要な範囲を明示する必要があります。
早期に確認したいKPI
確認すべき数字は、利用開始率、質問の完了率、計画書の完成率、実行項目の完了率、有料化率、継続率です。
特に重要なKPIは、作られた計画のうち、利用者が実際に一つ以上実行した割合です。
計画書を作って満足されるだけでは、継続利用につながりません。
最初に取り組むアクション
最初に売る最小の商品
自分が繰り返し行っている相談業務から、一つの成果物だけを切り出します。
たとえば、店舗閉鎖の日付と契約状況を入力すると、担当者別の閉店タスクリストが完成するサービスです。
最初の顧客候補
その業務を現在、表計算、メール、担当者の記憶で管理している中小企業です。
高額なコンサルタントを依頼するほどではないが、失敗すると困る企業を狙います。
最初の集客方法
最初は5社へ質問フォームを渡し、手作業で成果物を返します。
どの質問が理解されないか、どこで追加確認が必要になるかを記録します。
同じ修正が繰り返されると分かった部分から自動化します。
投入する費用と時間の上限
検証期間は2か月。顧客は5社。初期費用は5万円以内とします。
独自のAIモデルや大規模な管理画面は作らず、フォーム、生成AI、表計算、既存のノーコードツールを使います。
継続または撤退を判断する基準
5社中3社以上が成果物を実務で使い、月額または年間料金を払う意思を示せば継続します。
毎回、専門家による長時間の修正が必要になる場合は、自動化する範囲をさらに狭くします。
利用者がChatGPTへ直接質問した場合との違いを説明できなければ、専門知識が十分に商品へ組み込まれていません。
この事業の本質は、AIでコンサルタントを置き換えることではありません。専門家が何度も繰り返してきた判断手順を、本人が働いていない時間にも利用できる資産へ変えることです。
コメント