# PRISM — 市場・競合分析

---

## 1. 市場規模【仮説・要精査】

| 区分 | 定義 | 概算 |
|---|---|---|
| TAM | 国内プロジェクト管理ツール市場 | 約 900億円 |
| SAM | 40〜200名の技術系企業（約2.8万社） | 約 140億円 |
| SOM | 3年後の目標シェア（0.6%） | 約 8,000万円 |

※ 数値は公開統計からの粗い推計であり、事業計画策定時には精査が必要。
※ 元企画では SAM を「20〜200名・約4.5万社・180億円」としていたが、`03_business_model.md` の感度分析で20名規模は単価が成立しないことが判明したため、下限を40名に引き上げて再計算した。

### 隣接市場（将来的な拡張先）

| 市場 | 規模【仮説】 | PRISMからの距離 |
|---|---|---|
| プロセスマイニング（国内） | 約 120億円 | Phase 3 で直接侵入 |
| RPA / 業務自動化（国内） | 約 1,200億円 | Phase 4 で「提案付きRPA」として侵入 |
| ナレッジマネジメント | 約 400億円 | F-12 ナレッジカードで部分的に侵入 |

**注目点：PRISMは「プロジェクト管理ツール市場」だけを見ていると市場が小さい。**
Phase 3・4 で入っていくプロセスマイニング＋業務自動化市場のほうが1桁大きい。
**プロジェクト管理は入口であって、事業の本体は業務自動化にある**という位置づけが正しい。

---

## 2. 競合マップ

### 直接競合（プロジェクト管理ツール）

| | Jira / Backlog | Notion / Asana | Redmine | **PRISM** |
|---|---|---|---|---|
| 進捗データの入手 | 人間が入力 | 人間が入力 | 人間が入力 | **AIが自動推定** |
| 3階層への翻訳 | ✗ 手作業で集計 | ✗ | ✗ | **◎ 自動** |
| 属人化の可視化 | ✗ | ✗ | ✗ | **◎ バス係数算出** |
| プロセス分解 | ✗ | ✗ | ✗ | **◎ マイニング+提案** |
| 自動化への接続 | △ 外部連携 | △ | ✗ | **◎ 提案→実装** |
| 現場作業の扱い | ✗ 開発特化 | △ | ✗ | **◎ 開発+現場を統合** |
| 導入負荷 | 高（設計必要） | 中 | 高 | **低（繋ぐだけ）** |
| 価格 | 中〜高 | 中 | 無料（自社運用） | 中 |

### 間接競合

| カテゴリ | 例 | PRISMとの関係 |
|---|---|---|
| BIツール | Tableau, Looker, Power BI | データは取れるが「翻訳」しない。ダッシュボードは自作。**共存可能** |
| プロセスマイニング専業 | Celonis, UiPath Process Mining | 大企業向け・高価格・ERP前提。**中堅にはオーバースペック** |
| エンジニア生産性計測 | LinearB, Swarmia, Jellyfish | GitHubから自動収集する点は同じ。ただし**個人の生産性を測る方向**に進んでおり、PRISMとは思想が正反対 |
| AI議事録・要約 | tl;dv, Circleback, Notta | 非構造データを構造化する点は共通。ただし単一ソース（会議）に限定 |
| ノーコード自動化 | Zapier, Make, n8n | 自動化の実行はできるが「何を自動化すべきか」を教えてくれない。**PRISMの提案の下流として組み込める** |

### 最も注意すべき競合：LinearB / Swarmia 系

**同じ「GitHubから自動収集」という手段を採りながら、目的が真逆。**

| | Swarmia / LinearB | PRISM |
|---|---|---|
| 主な計測対象 | 個人・チームの生産性（DORA指標等） | 案件の詰まりと待ち |
| 見せる相手 | エンジニアリングマネージャー | 開発者・PM・経営層の3階層 |
| 個人スコア | **算出する（中核機能）** | **算出しない（意図的に実装しない）** |
| 現場作業 | 対象外 | 対象に含む |
| 自動化提案 | なし | 中核 |

→ **競合というより「反面教師」として使える。** 「あれは監視ツールになりがちだが、PRISMは違う」という説明が営業上そのまま武器になる。
→ 逆に危険なのは、これらが日本市場に本格参入し「AI × 自動収集 = 監視」という認識が市場に先に定着すること。**PRISMの初期メッセージで「監視しない」を明言し続ける必要がある。**

---

## 3. 差別化の防御可能性（moat）

| 差別化要素 | 模倣困難性 | 理由 |
|---|---|---|
| Zero-Input アーキテクチャ | **中** | 技術的には模倣可能。ただし既存ツールは「入力前提」のデータモデルを捨てられない（自己破壊になる） |
| 3階層自動翻訳 | 中 | プロンプト設計とUIの積み上げ。真似できるが手間 |
| **訂正学習の蓄積** | **高** | 顧客ごとの訂正履歴＝独自データ。時間でしか買えない |
| **プロセスマイニングの業種テンプレート** | **高** | 「受託開発 × 現場作業」混在型の標準プロセス知識。導入社数に比例して強くなる |
| 「監視しない」というブランド | 中 | 一貫性を保てば強い。ただし1度でも個人スコアを実装したら失う |

**最大の moat は訂正データとプロセステンプレートの蓄積。** 初期顧客を早く増やすことが直接 moat になる構造。

---

## 4. なぜ今なのか（Why Now）

1. **LLMの実用化** — 非構造データ（Slackの雑談、議事録）から状態を推定することが、2023年以前は不可能だった。この技術的前提が変わったことが、本企画の成立条件である。
2. **推論コストの下落** — 大量のログを毎日読む構造は、2024年時点の単価では成立しなかった。小型モデルの高性能化と価格低下が Zero-Input を経済的に可能にした。
3. **人手不足の構造化** — 少人数で多くを回すことが例外でなく常態になった。
4. **API経済の成熟** — 主要業務ツールがAPIを持ち、データ収集の技術的障壁が下がった。
5. **可視化ツールの飽和と失望** — 「見える化したが変わらなかった」経験が市場に蓄積し、「見える化の次」への需要が生まれている。

### タイミングリスク

- **窓は広くない。** ①〜④は競合にも同じく開いている前提条件。差がつくのは⑤の「失望」を正しく突けるかどうか。
- 大手（Atlassian 等）が同機能を後付けする可能性は高い。ただし前述のとおり**自社の課金モデル（入力を前提としたワークフロー）を否定することになる**ため、動きは鈍いと見る。
- **勝ち筋は「中堅の技術系企業 × 開発と現場の混在」という、大手が最後に来るセグメントで先に moat を作ること。**

---

## 5. 顧客が既に払っているコスト（置き換え原資）

PRISM の価格を正当化する原資は、新規予算ではなく既存の無駄にある。

| 現状のコスト | 12名規模での月額換算【仮説】 |
|---|---|
| 週報・日報・進捗入力（1人30分/週） | 約 12万円（時給3,000円換算） |
| 進捗確認の会議・聞き回り（PM 5時間/週） | 約 6万円 |
| 経営報告資料の作成（月8時間） | 約 2.4万円 |
| 手戻り（見積修正2回目など） | 約 5万円 |
| **合計** | **約 25万円/月** |

対して PRISM Standard は 12名 × 1,500円 = **1.8万円/月**。

→ **削減原資は十分にある。** 営業上はこの表を先に見せるのが最も速い。
→ ただし「時間が減ったこと」を顧客が実感・計測できないと、この論理は稟議で通らない。だから **削減時間の自動集計（F-14 の副産物）は営業機能でもある**。