Dustは「個人のAI」からチームで共有するagent基盤へどう転換したか

Gabriel HubertとStanislas Poluは、2023年にDustを始める前から、LLMを新しいmodel会社ではなく、仕事の進め方を変えるproduct layerとして見ていました。

Hubertらは「operating software that lets smart teams do better work together」を掲げ、社内情報の混乱を解く方向へ出発します。出典

創業：モデルではなく仕事の層へ

当初のDustは、LLMを会社に後付けするのではなく、AI-nativeな会社として作ることを選びました。

Product Constitutionでは、人を置き換えるのではなくaugmentする方針を明文化し、チームの文脈に合わせたsoftwareを目指しています。出典

転機：万能chatから専門agentへ

次の転機は、単一の万能assistantではなく、SalesやEngineeringなどの仕事ごとに専門agentを作る設計でした。

Stanislas Poluは、専門agentを複数組み合わせると品質と導入の両方を改善できると振り返っています。出典

成長：個人の便利さを共有資産にする

2023年の€5M seed、2024年の$16M追加調達と$1M超ARRの報告を経て、Dustはagentを個人の実験から社内で共有するplatformへ広げました。出典

現在：multiplayer AI

2026年のSeries B発表では、3,000超の組織と300,000のagentを掲げ、個人のAI活用をチームの協働へ変える構想を打ち出しています。出典

ここから見えるDustの勝ち筋は、最新モデルを追うことだけではなく、権限・共有・改善を仕事の流れに埋め込むことです。

Dustが刺さるのは、個人向けchatではなく、部署をまたぐ反復業務をAI agentへ移したいチームです。

公式には、agentがcompany knowledgeとtoolsを使い、共有workspaceで人と協働する設計を掲げています。出典

モデル選択やRAGの細部を売るのではなく、Sales・Support・Engineeringなど現場の担当者が自分の業務にagentを作り、組織へ共有できる点が導入理由になります。

70%の月間アクティブユーザーが週次で使うという同社の報告は、単発の試用を越えた利用の兆候です。出典

Dustの障壁は、単一モデルの性能ではなく、社内データ・権限・agent・利用ログを一つの運用面に蓄積することです。

複数部署のagentが共有されるほど、移行コストと組織固有のworkflow知識が増えます。出典

ネットワーク効果は中程度です。

ユーザー同士が直接つながるmarketplace型ではありませんが、誰かが作ったagentをチームで再利用でき、利用データから改善が回るため、workspace内の共有密度が価値を押し上げます。出典

AIを試すだけでなく、部署横断の業務を継続運用したい中堅・大企業が中心です。

特にSales、Support、HR、Engineering、RevOpsのdomain expertがagentを作り、ITやsecurityが権限を管理する組織に合います。出典

第一は、専門agentを複数組み合わせることです。

公式発表は、ひとつの万能agentより特定タスクに集中したagent群が有効だと説明しています。出典

第二は、モデル非依存とデータ権限を同じplatformで扱うことです。

顧客が用途ごとにモデルを選び、管理者がdata・tool・agentの権限を統制できます。出典

最大のリスクは、agentを作る現場の運用負荷です。

共有agentは初期設定だけで完成せず、knowledgeの鮮度、権限、評価、改善を継続する担当者が必要です。

公式も「people in control」を前提にしています。出典

また、creditやmodel利用量に応じた費用は、利用が深くなるほど予算管理を難しくします。

Enterpriseの料金がcustomである点も、比較時に要確認です。出典

Dustはcontentとproduct educationでAI導入の論点を提示し、free/proのself-serveとEnterprise salesを併用しています。

seed時点では「smart teams」のoperating softwareとして問題設定を広く置き、Series Aでは専門agentと導入実績を、Series Bではmultiplayer AIと組織展開を前面に出しました。出典

この拡張は、個人の便利ツールから全社基盤へ単価を上げられる一方、導入支援とsecurity要求が増えるトレードオフを持ちます。出典

主要チャネル: content, community, productLedGrowth, salesLed, partnerships

AI SaaSの差別化は、モデルの呼び名よりも「誰が、どのデータに、どの権限で、どのworkflowを実行するか」を製品化できるかで決まります。

Dustのように専門agent・共有・監査を同じ面に置けば、個人の生産性を組織の再利用可能な資産へ変えられます。出典

日本で展開するなら、社内文書だけでなく、稟議・品質保証・顧客対応の承認フローまで含めたagent運用が鍵です。

特に権限継承と監査ログを日本企業の部門構造に合わせ、現場が作ったagentを情報システム部門が安全に承認できる導線を先に整えるべきです。

これはDustのenterprise設計から導ける仮説です。出典