← ステッカーウォール AGENT · DETAIL

AIプログラマーDevinの裏側企業・評価額400億ドル・年間売上高4億9,200万ドル

ワークフロー：日々のワークフローはDevinを中核に据え、Slack、GitHub Issue、またはコマンドライン経由で企業顧客から送信される自然言語のタスク（バグの修正、機能モジュールの実装、テスト失敗の原因調査など）を受信する。AIは自動的に独立し

AGENT

主要項目

FIELD STAMPS

業界SaaS・業務ソフト

地域米国

規模中小企業

チャネルオンライン

🔧 ワークフロー

日々のワークフローはDevinを中核に据え、Slack、GitHub Issue、またはコマンドライン経由で企業顧客から送信される自然言語のタスク（バグの修正、機能モジュールの実装、テスト失敗の原因調査など）を受信する。AIは自動的に独立した開発環境を作成し、コードベースの閲覧、コードの記述、テストの実行、反復的な修正を自律的に行い、最終的に変更の解説を添えた、そのままレビューしてマージできるPull Requestを出力する。人間のエンジニアは最終的な審査と意思決定のみを行い、1行ずつのコーディングには関与しない。これにより「AIが毎日大量の納品可能なコードを自律的に生み出し、人間が品質の門番となる」という大規模なコラボレーションサイクルが形成され、現在では数百社の企業顧客の日々の研究開発パイプラインを支えている。

🛠 構築のハードル

Devinのようなシステムを構築するには、大規模言語モデルの事前学習、強化学習（RL）、コード生成に精通した高度なエンジニアリングチームを組織する必要があり、コアメンバーはCursorやGoogleなどのトップAI企業出身者で構成される。インフラストラクチャーの面では、大規模なGPU演算クラスター、膨大で高品質なコードデータセット、そして自律検証を行うための信頼性の高いサンドボックス実行環境が求められる。全体の技術的ハードルは極めて高く、資金投資も数億ドル規模に及ぶため、個人で模倣できるモデルではない。しかし、AIエージェントがデモから大規模な商業化へと移行するための完全なロードマップの模範として活用できる。まず公開ベンチマーク（SWE-benchなど）で能力を検証し、次に実際の企業のタスクを通じてデータフライホイールを継続的に反復させる手法である。

🧰 ツールチェーン

🔧 Devin自律コーディングエンジン（Cognition独自開発の大規模言語モデル）
🔧 GitHub企業版の統合とPull Request自動生成インターフェース
🔧 Slack開発者コラボレーションBotの入り口
🔧 強化学習トレーニングフレームワークおよびSWE-benchコード評価環境
🔧 クラウドサンドボックスコンテナクラスター（コードの自律実行と検証用）

💰 収入

① 企業レベル――企業顧客によるシートごとの年間サブスクリプション料金（主要収益）：ARR 4億9,200万ドル（約35億人民元）、12ヶ月間で約13倍に成長、1日あたりの売上高は約1,000万元。2026年に入ってからも企業顧客の使用量は10倍以上増加している。1契約あたり数万ドルからスタートし、大規模顧客の年間契約料は数十万ドルに達する。シートサブスクリプションの割合については言及されていない（企業自身による開示、メディアによる伝達）。② リピーターレベル――個人や小チームによる垂直型コーディングエージェント：Claude Codeやオープンソースモデルを使用して小型エージェントを構築し、5〜10人の開発者ユーザーから少額のサブスクリプション料金を徴収する。サブスクリプション価格は非公開、開発者ユーザー数も未確認であり、少額サブスクリプションが全体に占める割合は詳細不明。③ エコシステム／付加価値――タスク量に応じた段階的課金の企業版（SlackやGitHub Issue経由でタスクを指示）。段階的価格設定は非公開、導入企業数も未確認であり、企業版の段階的課金が占める割合についても説明なし。④ オプション項目：垂直特化型シナリオのエージェント（単体テストの自動生成、特定フレームワークのバグ修正、コードドキュメントの補完）。垂直特化型シナリオの収益割合に関する数値はない。

💸 コスト

主なコストは、GPU計算能力の調達、大規模言語モデルのトレーニングおよび推論のコスト、トップクラスのアルゴリズムエンジニアの人件費に集中している。初期の資金調達額は研究開発とデプロイのために累計約68億人民元に上る。Devinがタスクを自律実行するたびに推論コストが発生するが、顧客ごとの限界費用は外部に開示されておらず、企業はまだ黒字化を達成していない。

⏱ 時間投入

フルタイムのスタートアップチームであり、日々継続的なモデルの反復トレーニング、企業顧客からのフィードバック対応、新バージョンのデプロイ、オンラインタスクの完了品質の監視を行っている。コアとなる投資はエンジニアリングの人力（数十人のチーム）とバッチ式のGPU計算リソースの配分であり、24時間365日稼働し続けるインフラストラクチャー型のビジネスに該当する。

🚀 初心者ガイド

初心者はまずGitHubでDevinの公式プレゼンテーション動画やデモ用リポジトリを検索し、SWE-benchの公開リーダーボードと合わせて、自律型コーディングエージェントの現在の実際の能力の限界やよくある失敗パターンを把握するとよい。多額の資本を必要とする汎用大規模言語モデルのルートを模倣しようとするよりも、垂直特化型のシナリオ（単体テストの自動生成、特定フレームワークのバグの自動修正、コードドキュメントの自動補完など）からアプローチする方が効果的である。既存のClaude Codeやオープンソースモデルを使用して小型のエージェントツールを構築し、まず5〜10人の実際の開発者ユーザーを獲得して少額のサブスクリプション料金を徴収し、そこで需要を検証した上で段階的に拡張していくのがよい。

🔑 成功のカギ

✅ デモの披露にとどまらず、実際の企業のエンジニアリングタスクを自律的に完了させることができる点。これが通常のAIプログラミングアシスタントとの本質的な違いである
✅ SWE-benchなどの公開ベンチマークを用いてモデルの能力を継続的に検証・反復させ、データフライホイールを構築して参入障壁（モート）を形成している
✅ 企業顧客のAIエンジニアリング生産性に対する支払い意欲が非常に高く、ARRを0から4億9,200万ドルまで伸ばすのに要した期間がわずか約2年である
✅ チームの規模を極めてスリムに保ち（数十人）ながら数百社の顧客をサポートしており、一人当たりの生産性が極めて高い
✅ トレーニング環境からサンドボックス実行環境に至るまでの完全なループを形成し、AIが生成したコードが実際のテストを通じて検証されることを担保している

⚠️ 风险

⚠️ 初期のDevinのプレゼンテーション動画にねつ造の疑いが持たれ、提示されたバグの自律修復プロセスが実際には事前準備されたスクリプトであったためブランドの信頼性が大きく損なわれた。実際のユーザー事例を用いて評判を回復し続ける必要がある
⚠️ AIプログラミング分野の競争が極めて激しく、Cursorの開発元であるAnysphereも評価額が200億ドルを突破し（Devinを上回るという声すらある）、同分野にはGitHub CopilotやAnthropic Claude Codeなど多数の競合が混戦状態にあるため、評価額のバブルリスクを無視できない
⚠️ サブスクリプション形式で高額な年間料金を徴収している前提のもと、AIが生成するコードの品質が不安定であったり、セキュリティ上の脆弱性が頻発したりした場合、企業顧客の大規模な離脱につながり、高ARRの持続可能性に疑問が生じる
⚠️ 400億ドルの評価額はARR 4億9,200万ドルに基づいており、株価売上高倍率（PSR）は80倍余りに達している。成長の鈍化や資金調達環境の引き締めがあれば、評価額が大幅に調整されるリスクが存在する

📌 実例

📌 Cognition Labs：2024年に3人の華人の優秀な人材であるScott Wu氏、Steven Hao氏、Walden Yan氏によって創業され、2026年には評価額400億ドル、ARR 4億9,200万ドルに達した。数十人のチームで数百社の有料企業顧客にサービスを提供しており、AIプログラミングエージェント分野の規模拡大におけるベンチマーク事例となっている
📌 2026年4月、Cognitionは評価額250億ドルでの新たな資金調達ラウンドに向けて、Founders Fundなどの既存投資家を交えて交渉を行った。その後、評価額の噂はさらに400億ドル台へと上昇し、資本市場における同社の成長モメンタムに対する強い楽観視を示している
📌 報道によると、Devinは実際の企業の納品において、自社製品のコード作成の約90%を自律的に完了させ、トレーニングデータから本番環境に至るまでの自己進化ループを形成した。これにより、同社の評価額は前ラウンドから約25倍上昇した。創業者であるScott Wu氏は、将来的にはコード貢献の50%がモデル単独によって完了され、人間のエンジニアは「左官職人」の役割から「建築家」へと昇格すると述べている
📌 36氪は「68億人民元の資金調達、日々の売上高1,000万元」とするAI労働力を販売するビジネスモデルを報じた。これは、顧客が従来のソフトウェアライセンスを購入するのではなく、成果に応じて料金を支払いAIエンジニアを雇うというものであり、AIがツールから労働力へと移行する商業モデルの確立を示している

出典