元記事
記事タイトル
Quitting his job with no plan and hitting $14.5k MRR with a hybrid agency
掲載サイト
Indie Hackers
著者
James Fleischmann氏
創業者
Adithyan Ilangovan氏（AI Podcasting）
公開日
2026年3月3日
元記事URL
Indie Hackersの記事
AI Podcastingは、ポッドキャスト収録後の編集、音声処理、ショーノート、SNS用クリップ、配信、プロモーションまでをまとめて請け負う制作会社です。
元記事時点の売上は月1.45万ドルのMRR。料金は週1本、月4エピソード程度で月2,500〜3,000ドルが中心でした。創業者によれば、当初はほぼすべて人力で行っていた工程を、2〜3カ月かけて理解した後、約80％までAI・ソフトウェアで自動化しています。
現在の公式サイトでは、標準プランは月4,000ドル。月4本の制作に加え、編集、ショーノート、クリップ、配信、プロモーションなどを一括で提供しています。公式自身もサービスを「約80％AI、20％人間による仕上げ」と説明しています。
売上や自動化率などは創業者本人へのインタビュー・公式発表をもとにした数字であり、第三者による監査済みの数値ではありません。
3分で要約
創業者は動画エンジニアリングを学び、スタートアップやParamount Studiosで技術・プロダクトに関わっていました。
ChatGPT登場後、「これから大きく変わる」と考えて会社を辞め、最初はAIを使ったプロダクトを作ります。
しかし本人の表現では、
「良い技術プロダクトは作った。しかし、良いビジネスではなかった」
という結果に終わりました。
そこで次は、ソフトウェアを作るのをやめます。
ポッドキャスターが収録後に行っていた、
編集。
音声調整。
文字起こし。
ショーノート。
SNS用クリップ。
公開作業。
プロモーション。
といった仕事を、まず全部人間が代行しました。
2〜3カ月間、実際に自分たちでその面倒を経験します。
その後、
「これはAIでできる」
「ここは自動化すると品質が落ちる」
を一工程ずつ分け、Python、OpenAI API、FFmpegなどを使った内部ツールを構築。
最終的に、工程の約80％を自動化しました。
ここで普通なら、
「AIポッドキャスト編集SaaSを月99ドルで売ろう」
と考えそうです。
しかし、そうしませんでした。
顧客には引き続き月数千ドルの制作代行サービスとして売ります。
変えたのは販売価格ではなく、自社内部の原価です。
これが今回の事例の重要なところです。
主要な収益モデル
元記事時点の構造を単純化すると、
収益＝月額契約社数×2,500〜3,000ドル＋追加作業料－人間による制作・確認人件費－AI/API利用料－動画・音声処理インフラ費－ソフトウェア費－顧客対応費－営業費
となります。
現在は標準料金が月4,000ドルまで上がっています。
通常の制作会社なら、顧客が2倍になれば編集者もほぼ2倍必要になります。
売上と人件費が一緒に増える。
しかしAI Podcastingは、最初に人力でサービスを作った後、繰り返し工程を自動化しました。
創業者は、
約80％が自動化できた。それが基本的に自分たちのマージンになる
という趣旨で説明しています。
厳密には、80％自動化＝粗利80％という意味ではありません。
API代やインフラ費、人間によるチェック、営業・管理費もかかります。
それでも、
顧客が感じる価値を下げず、サービス提供原価だけを下げる
方向にAIを使っていることは重要です。
開始コスト
この事例で面白いのは、最初から自動化システムを作らなかったことです。
創業者にはエンジニアリング能力があります。
だから、本来なら最初にプロダクトを作れてしまう。
実際、最初はそうして失敗しています。
次の事業では逆に、
まず売る。
人力で納品する。
繰り返す。
その後で自動化する。
という順番に変えました。
したがって初期投資で重要なのは、大量の開発費ではありません。
最初の数社を人力で処理できる最低限のツールと、自分の時間です。
そして売上が生まれてから、その売上を使って内部システムを作る。
自動化は事業開始コストではなく、利益率改善投資として後から行う。
この順番なら、誰も欲しがらない業務を高速処理するシステムを作ってしまうリスクを減らせます。
必要スキル
このモデルで最も重要なのは、AIの使い方ではありません。
業務を分解する能力です。
たとえば「ポッドキャスト編集」という仕事を一塊で見れば、
AIにできるか、人間にしかできないか。
の二択になります。
しかし実際には、
無音部分の処理。
音声調整。
文字起こし。
タイトル候補生成。
ショーノート作成。
短尺候補抽出。
サムネイル制作。
最終的な文脈確認。
クライアント固有の好み。
などに分けられます。
この単位まで分けると、
機械に渡す工程と、人間が残る工程を別々に設計できる。
そしてもう一つ重要なのが、顧客の好みを蓄積する能力です。
公式サイトでも、長く仕事をするほど顧客の声、スタイル、基準を学び、説明が少なくても仕上がりが好みに近づくとしています。
つまり20％残した人間作業も、毎回ゼロから行うのではありません。
顧客理解そのものが蓄積していきます。
他人が見落としていたポイント
AIが普及すると、多くの人は、
「何をAI商品として売れるか」
を考えます。
AI議事録。
AI動画編集。
AI記事制作。
AIエージェント。
しかし、AI製品は競争も激しい。
完全自動化できるものほど、他社も自動化できます。
創業者自身も、100％自動化できるものは競争が激しくなり、最終的には基盤となるAI企業に取り込まれていく可能性があると話しています。
そこでAI Podcastingは逆を選びました。
顧客にAIを操作させません。
顧客は音声や動画を渡すだけ。
完成品が返ってくる。
AIは商品ではなく、工場の中に隠れています。
この違いは大きい。
顧客が欲しいのは、
「AIで編集できること」
ではありません。
「収録ボタンを止めた後の仕事を、自分がやらなくていいこと」
です。
だから、AIで作業時間が10分の1になっても、顧客価値まで10分の1になるわけではない。
他人は「AIで何を売るか」を見ていた。しかし、この事業者は、すでに高いお金が払われている人力サービスの裏側へAIを入れれば、価格を壊さずに原価だけを下げられることを見ていました。
日本ならどう応用できるか
日本でも「AI代行業」を新しく作る必要はありません。
むしろ候補になるのは、すでに企業が毎月お金を払っている業務です。
採用広報。
議事録整理。
営業資料作成。
物件情報登録。
EC商品登録。
レポート作成。
請求書情報整理。
広告レポート。
顧客向け定例報告。
こうした仕事を、
最初からAIツールとして売らない。
まず「全部こちらでやります」という業務代行として売る。
そして内部で、
受領。
分類。
下書き。
転記。
チェック。
納品。
を分解する。
そのうち70〜80％を自動化できても、顧客への請求を自動化率に合わせて下げる必要はありません。
顧客が買っているのが「作業時間」ではなく「仕事が終わること」だからです。
特に、最後の確認に業界知識や文脈判断が残る業務は相性が良いでしょう。
完全自動化しにくいことが、むしろ参入障壁になる。
7つの勝ち筋フィルター
① 他人が見落としている切り口があるか
評価：★★★★★
AIそのものを商品化せず、既存の高単価サービスの内部原価削減へ使っています。
「AIだから安く売る」の逆です。
② 古くからある市場か
評価：★★★★★
動画編集、制作代行、アウトソーシングという既存市場です。
顧客へ新しい行動を教育する必要がありません。
③ 小さく始められるか
評価：★★★★★
最初は一人、人力、既存ツールで始められます。
独自システムは顧客獲得後で構いません。
④ 在庫を持たずに済むか
評価：★★★★★
物理在庫はありません。
主な投入資源は人間の作業時間とソフトウェアです。
⑤ ストック収益になるか
評価：★★★★★
月4本などの月額契約モデルです。
元記事時点でも月1.45万ドルのMRRで運営されていました。
⑥ 粗利益率は高いか
評価：★★★★☆
業務の約80％を自動化できれば、人力代理店より高い利益率を狙えます。
ただし品質確認、API、インフラ、顧客対応は残るため、SaaS並みの限界原価とは考えないほうがよいでしょう。
⑦ 再現性はあるか
評価：★★★★☆
「人力で売る→工程を理解する→裏側だけ自動化する」という順番は多くの業務代行へ応用できます。
一方、品質基準を明確にできない仕事や、毎回完全に異なる仕事では自動化率を上げにくくなります。
どうなったら失敗するのか
最大の死亡条件は、売れる前に自動化することです。
創業者自身、最初に技術プロダクトを作って約6カ月を失ったと振り返っています。
二つ目は、AIでできるようになったから価格を下げることです。
競合より半額。
さらに半額。
となれば、自動化によって得た利益率をすべて顧客へ渡すことになります。
三つ目は、100％自動化へ固執することです。
最後の20％に品質、ブランド理解、判断、安心感が集中しているなら、そこを消すと商品の価値まで落ちます。
四つ目は、顧客ごとに完全カスタムなフローを作ることです。
10社に10種類の内部システムを作れば、顧客が増えるほど保守が重くなります。
共通80％＋顧客固有20％
くらいに寄せられる業務を選ぶ必要があります。
早期に確認したいKPI
見るべき数字は、月額単価、1案件当たり人間作業時間、自動化率、API・インフラ原価、修正回数、顧客継続率などです。
その中でも最も重要なのは、
最も重要なKPI＝顧客1社あたり月間粗利益÷人間作業時間
です。
AIで作業時間を減らしても、修正が大量に戻ってくれば意味がありません。
月3,000ドル売上があり、人間が毎月30時間必要なのか。
5時間で済むのか。
ここに、このモデルの経済性が表れます。
最初に取り組むアクション
最初に売る最小の商品
AIツールを作りません。
まず、
一つの定型業務を月額で「全部代行するサービス」
として売ります。
対象業務も一つに絞ります。
最初の顧客候補
すでにその仕事を社員、外注、フリーランスへ毎月依頼している企業です。
「AIに興味がある企業」ではなく、すでに人件費を払っている企業を狙います。
最初の集客方法
顧客候補10社へ、
「この仕事は、毎月誰が何時間かけてやっていますか」
と聞きます。
そのうち一社へ、まず人力で代行する有料テストを提案します。
AIの説明は営業の主役にしません。
投入する費用と時間の上限
2カ月、顧客3社、自動化開発費5万円以内。
最初の1カ月は可能な限り人力で処理します。
同じ作業が3回以上繰り返された工程だけ自動化します。
継続または撤退を判断する基準
3社へ有料提供し、最低2社が翌月も同じ価格で継続すること。
そのうえで、3カ月以内に納品品質を落とさず、人間作業時間を初月から50％以上削減できるかを確認します。
できなければ、業務選定か自動化対象が間違っています。
逆に半分以下まで削減できたら、そこで初めてさらに自動化へ投資する。
この事業の本質は、AIでポッドキャストを編集することではありません。すでに顧客がお金を払っている人力サービスを先に売り、その裏側だけを自動化して、顧客価値を維持したまま自社の原価を下げることです。
コメント