AIで人を置き換えない道を選んだCrestaが、$100M ARRに届くまで

Crestaは、コンタクトセンターの通話とチャットをAIでリアルタイムに分析し、有人エージェントの応対をその場で支援するCXプラットフォームだ。

トップ実績者の会話パターンを学習して全員へ配り、仮想エージェントによる自動応対までを一つの基盤で提供する。

2017年にスタンフォード大学AIラボから生まれ、2026年にARR $100Mへ到達した。出典

2017年6月、スタンフォード大学AIラボの博士課程にいたZayd Enamは、研究チームのミーティングで成果を発表した直後、指導教員に呼び止められた。

「These are amazing results. Do you want to keep writing papers on this or do you want to start a company?（この結果は素晴らしい。論文を書き続けたいか、会社を始めたいか）」と問われ、Enamは1週間後に同学のTim Shiとともに中退してCrestaを立ち上げた。出典

3人目はスタンフォードの教授だった

スタンフォードAIラボでCrestaを共同創業したのは、EnamとShi、そして教授のSebastian Thrunだった。出典

ThrunはGoogleの自動運転プロジェクトとUdacityを立ち上げた人物で、研究の延長にある技術を事業へ持ち出す役割を担った。

2018年にはIntuitを最初の顧客とし、リアルタイムのAgent Assistにtransformerベースのモデルを投入している。出典

研究から製品までの距離を、創業チーム自身が短くしていた。

数字から会話へ

Enamは当時の営業支援の考え方を、「What the worst salespeople do is that they just try to sell the most expensive plan（下手な営業は一番高いプランを売ろうとするだけだ）」と語り、相手の用途を聞き出して最適な提案をする行動をAIで再現しようとした。出典

初期の営業では、一人会社に賭けたがらないIntuitから断られ、同社でインターンとして働きながら製品を試し、5か月後に顧客契約を取った。出典

「置き換え」ではなく「増強」

Crestaは一貫して、AIで人を減らすのではなく、有人エージェントを強くする方向を選んできた。

2021年8月にはGoogleのContact Center AIを共同創業したPing Wuを迎え、Enamは「We're in the early innings of market momentum, and Ping is an all star who will act as a force multiplier for our team（市場の勢いは始まったばかりで、Pingはチームの力を何倍にもする存在だ）」と述べた。出典

2023年にWuがCEOに就任し、Enamは創業者として製品と技術の側に軸足を移した。出典

$100M ARRへ

資金調達と成長は速かった。

2021年3月にSequoia主導で$50Mを調達し累計は約$76M、2022年3月にTiger Global主導のSeries C、2024年11月にはWiLとQIA主導で$125MのSeries Dを実施して累計調達額は$270Mを超えた。出典

Series Dの時点で、同社は「この2年間でARRをほぼ4倍、顧客数をほぼ2倍にした」と説明している。出典

そして2026年、CrestaはARR $100Mの突破を公表した。出典

研究の成果を、顧客の会話データで磨き続けた9年だったと言える。

刺さる相手は、大量の問い合わせを抱えながら離職率が高いコールセンターとCX組織だ。

新人の立ち上がりに時間がかかり、トップ実績者の会話ノウハウが個人に閉じている状態では、応対品質がばらついて売上と解約率に直結する。

Crestaは通話中に最適な返答を提示し、トップの行動パターンを全員へ広げる。出典

Agent Assistの導入事例ではCSATが平均15%改善し、立ち上がり時間が3分の1、週あたり3〜5時間の反復作業を削減したと説明されている。出典

参入障壁の中心は、実会話データから学習した行動モデルと、それを運用に落とす統合の深さだ。

顧客の通話・チャットログで学習した勝ちパターンは、導入企業ごとに最適化されるため、後発が同じ品質を短期間で再現しにくい。出典

加えて、CRMやナレッジベース、ワークフォース管理との統合とオープンAPIが、既存環境を壊さずに組み込める設計になっている。出典

弱い。

会話支援の品質は導入企業ごとのデータで決まり、利用者が増えるほど個々の応対が直接良くなる構造ではない。

ただし導入企業が増えるほど業種別のベンチマークとインサイトが厚くなり、Cresta Insightsのような横断的な分析機能の価値が高まるため、間接的な規模の利益は働く。出典

大量の問い合わせを扱う金融、保険、通信、小売、旅行、Healthcare、Automotiveのコンタクトセンターが主な対象だ。

とくに、Fortune 500規模でエージェント数が多く、応対品質と離職率の改善が経営課題になっている組織に向く。出典

逆に、問い合わせ量が少ない小規模事業者や、公開価格で即日導入したい個人用途には向かない。出典

第一に、研究から事業へ持ち出すチームを最初から組んだこと。

スタンフォードAIラボの研究者に加え、UdacityやGoogleで事業を動かしたSebastian Thrunが加わり、研究と事業の両輪が揃った。出典

第二に、現場の会話データを使って勝ちパターンを学習し、全員に配るという成果の出し方を最初から定めたこと。出典

第三に、「人を置き換える」のではなく「人を増強する」という立ち位置を保ち、既存のコンタクトセンター基盤と共存するオープンAPIの設計を選んだことだ。出典

第一に、公開価格を持たないエンタープライズ前提の商売であり、導入判断に時間がかかる。

デモと個別見積りが前提で、セルフサーブの裾野を取り込みにくい。出典

第二に、対象がコールセンターというIT投資の意思決定が慎重な領域で、景気後退時には予算が削られやすい。

第三に、ARR $100M到達後も、汎用LLMを使ったCX製品やコンタクトセンターベンダー自身のAI機能との競争が強まる。

ARRや顧客維持率の詳細は外部検証が限られる。出典

エンタープライズ営業とパートナー連携が中心だ。

FirstsourceやTELUS Digital、AtentoといったBPO・コンタクトセンター運用企業と組み、顧客基盤へ入り込む。

加えてNY Metsのようなブランド案件や、業種別の導入事例を前面に出したコンテンツとイベントで認知を積み上げる。出典

製品は、Agent AssistからAI Agent、品質管理、インサイトへと広げ、既存顧客へのアップセルで単価を伸ばす設計になっている。出典

主要チャネル: content, seo, partnerships, events, paid, enterprise_sales

研究の成果を事業にするとき、最初から研究者と事業家を同じチームに置くと立ち上がりが速い。

CrestaはスタンフォードAIラボの研究者2人に、Udacityを立ち上げた教授を加えて出発した。出典

また、AIの価値を「人を減らすコスト削減」ではなく「人の成果を上げる増強」と定義すると、現場の抵抗が減り、導入の合意が取りやすい。

ARR $100Mという結果は、その立ち位置の一つの答えだ。出典

日本では、コールセンターの人材不足と離職率の高さが長年の課題で、新人教育のコストが重い。

トップオペレーターの会話ノウハウを学習して全員へ配る支援は、研修と品質管理の置き換えとして刺さりやすい。

商談では、日本語の通話品質と言葉づかいのナレッジ整備、個人情報の取り扱いと国内データ保管を前面に出すと、稟議が通りやすくなると考える。出典