元サポート窓口の2人が作ったAda、$1.2B評価と6.4B会話のAIカスタマーサポート

Adaは、企業のカスタマーサポート会話をAI agentで自動化するカナダ・Torontoのプラットフォームだ。

公式は550以上のenterprise AI agentの導入、64億件の顧客interaction処理、84%の自動解決率、99.9%の稼働率を掲げる。出典

問い合わせに答えるだけでなく、API・Code・MCPツールを通じて返品や再予約といった業務そのものを自社システム上で実行する点を特徴とする。出典

「答えを返すのは簡単な部分で、本当に難しいのはその先の作業だ」。共同創業者のMike Murchisonは、顧客対応の価値は会話ではなく、その後に残る作業を終わらせられるかで決まると語っている。出典

サポート窓口で見た矛盾

MurchisonとDavid Haririは、Adaを始める前に自分たちでcustomer service agentとして働いた。

7つのサポートチームに入り、企業が大きくなるほど顧客と話す頻度が下がるという共通の矛盾に突き当たった。出典

AI-nativeという初期の選択

2014年に2人が始めた別のスタートアップは、成長とともにサポート需要へ対応しきれなくなった。

その経験から2016年にAdaを創業し、人間のseatではなくAIモデルを中心に据えるAI-nativeな設計を最初から選んだ。

Murchisonは「customer service teamsの手にAIを渡せば、より多くの顧客を助け、より多くを解決できると気づいた」と述べている。出典

レイオフと記録的な1年

2020年4月、Adaはパンデミックによる不確実性の中で従業員の23%にあたる36人を削減した。出典

それでも同年、数百ブランドの15億件以上の顧客interactionを自動化した。

$1.2B評価とagenticへの転換

2021年5月、AdaはSpark Capitalが主導しTiger Globalが参加する$130MのSeries Cを発表し、企業価値$1.2Bに達した。出典

2026年9月にはAda Computerを発表し、agentがAPI・Code・MCPツールで業務を実行する層をplatformへ加えた。出典

今のAda

現在のAdaは、会話の自動化からagentによる業務の完了へ軸足を移している。

公式は350以上のグローバル企業と64億件のinteraction処理を掲げ、Reasoning Engine™がdecide・act・check・decideのループを回すと説明する。出典

AdaのPMFは、顧客対応の量が増えても質を落とせない大企業のサポート組織にある。

公式は350以上のグローバル企業と64億件のinteraction処理を掲げ、金融・ecommerce・旅行・gamingなどの高頻度業務で自動解決を成立させている。出典

人を増やさずに問い合わせを処理したい需要に、seat課金ではなくconversation課金で応える点が刺さる。

参入障壁は、enterpriseのシステムへ接続するintegrationと、業界ごとのpolicyをcodeで表現して安全に実行する運用知見にある。

AIUC-1をCX企業として最初に取得し、85カ国超で運用してきた実績が後発の追随を難しくする。出典

ネットワーク効果は弱めだ。

顧客が増えても顧客データを横断共有する構造ではなく、強くなるのはconnectorと運用benchmarkの蓄積である。

同種の効果は競合も持ちやすく、単独の防御にはなりにくい。

対象は、問い合わせ量が多く複数システムをまたぐ中堅〜大企業のcustomer experience組織。

金融、ecommerce、旅行、gaming、SaaS、通信、保険などで、まず1つの定型業務の自動完了を狙うチームに向く。出典

単純なFAQ対応だけを求める小規模チームには過剰になりやすい。

第一に、2016年からAI-nativeで設計し、人間向けのseatではなくモデル中心にplatformを組んだこと。出典

第二に、回答ではなく業務の完了を価値として定義し、API・Code・MCPツールで自社システムを操作できるようにしたこと。出典

第三に、customer storyと認証で導入の証拠を揃えたことだ。出典

2020年4月の従業員23%削減は、急成長期でも需要変動への脆さが残ることを示す。出典

agentに書き込み権限を渡す設計は誤操作・権限逸脱・説明責任のリスクを伴い、価格非公開のため費用対効果を比較しにくい。

業界や言語ごとに同じ自動解決率を再現できるかは未検証だ。

enterpriseのdirect salesを主軸に、customer story、G2のLeader評価、AWS Competency、AIUC-1認証といった第三者の裏づけを重ねる。出典

まず1つの定型タスクをagentに完了させる導入から始め、チャネルと書き込み業務を段階的に広げるland-and-expandを取る。出典

主要チャネル: enterprise sales, customer stories, content marketing, events, partner ecosystem

AI customer supportの価値は回答の自然さではなく、顧客の用事を最後まで終わらせられるかで測られる。

行動権限を渡すほど、権限設計と監査の作り込みが導入の可否を分ける。

日本では、敬語と電話対応、業界固有のpolicy、監査ログの要求が前提になる。

まずagent assistやtriageで品質とhandoffを検証し、個人情報の扱いを固めたうえで、返品・予約変更のような書き込み業務へ段階的に広げるのが現実的だ。