2026.08.08第182号

1人ユニコーンはゼロ、売上100万ドルの1人企業は2倍に

1人ユニコーンはまだ存在しませんが、売上100万ドルの1人企業は2年で2倍に増えました。成功談の証拠を4つの等級に分けて検証します。

ビジネス

1人ユニコーンはまだゼロ、売上100万ドルの1人企業は2倍に

2025年5月、AnthropicのCEOダリオ・アモデイは「従業員がたった1人の10億ドル企業が2026年に登場する」と予言しました。その確率は70〜80%だと断言したのです。その2026年もすでに半分が過ぎましたが、中間成績はどうでしょうか。1人ユニコーンは、まだゼロです。

ところが最近、ウォール・ストリート・ジャーナルが興味深い記事を出しました。予言にはなかった現実が、決済データに表れていたのです。年商100万ドルを超える「従業員0人の会社」が、この2年で2倍に増えたという内容でした。1,000万ドルを超えた企業は3倍近くに達しています。10億ドル規模の1人企業はまだ現れていませんが、売上100万ドルの1人企業はずっと身近な存在になったのです。

この数字をどこまで信じるべきでしょうか。今回のサイクルで真に変わったのは、1人企業の成功そのものではなく、その成功談を第三者が検証できるデータが揃ってきた点にあります。私はこのデータを、改ざんの難しさに応じて4つの等級（1〜4段）に分類してみました。

1人で始めた企業の年商1,000万ドル、AI以前にも存在しました

2008年に遡ってみましょう。カナダ・バンクーバーのマーカス・フリンドは、マッチングサイト「Plenty of Fish」を1人で運営していました。2003年に新しいプログラミング言語の勉強を兼ねて2週間で作ったサイトでしたが、2007年まで従業員は文字通り0人でした。2008年の売上は約1,000万ドル（韓国ウォン換算で約140億ウォン）に達し、利益率は50%を超えていました。それでいて労働時間は週10時間余りでした。フリンドは2015年、この会社をMatch Groupに5億7,500万ドルの現金で売却しました。外部からの投資を一度も受けていなかったため、株式の100%を単独で保有したままでした。

そこにAIはありませんでした。彼が使ったのは、アドネットワークやオンライン決済、数台のサーバーといった当時のインターネットインフラだけです。つまり、1人で立ち上げた企業が年商1,000万ドルに達した事例は、AI以前にもありました。20年前から可能だったことであり、ただ極めて稀だったにすぎません。

では、AIが変えたものは何でしょうか。私は規模ではなく頻度だと見ています。Stripeの集計によると、年間10万ドル以上を稼ぐ米国の専業ソロプレナーは、2010年代前半の250万人台から2023年には約400万人へと増加しました。フリンドのように1人でサービスを立ち上げ運営する事例は以前から存在しました。AIは今や、コードの記述、広告コピーの作成、顧客対応など、多岐にわたる職務の作業を支援してくれます。これが1人企業を始めるコストを引き下げているのだと考えられます。ただし、先述した長期的な増加トレンドのすべてをAIの効果だけで説明することはできません。

そして、こうした本物の事例の隣には、常にそれ以上の偽物の事例が横行していました。米連邦取引委員会（FTC）は2023年、「AIが収益を保証する」と謳い、Amazon自動化ストアへの投資金2,200万ドルを集めた事業者「Automators AI」を提訴しました。2024年2月、運営者らは資産を手放し、Eコマースのコーチング業界から永久追放されました。さらに示唆深いのは、FTCがこうした「自動化収益」を謳う業者への摘発をシリーズのように続けている事実です。昨年も同様の手口を使った業者が新たに提訴されました。

本物と偽物が入り混じってきたこの20年の共通点は一つです。成功談の証拠として、本人の発言や売上画面のキャプチャが頻繁に使われてきた点です。画面のキャプチャだけでは、売上の真偽を確かめることは困難です。しかし今回は、決済会社や研究者が集計した客観的な数字と照合できるようになりました。

証拠には等級がある：改ざんコスト順の4段階

私は1人企業の成功談の証拠を4つの等級に分けて捉えています。基準はシンプルです。その数字を偽造するのにどれだけのコストがかかるかです。下の段へ進むほど改ざんコストが跳ね上がり、それだけ信頼性が高くなります。

unicon 第1段、自己申告。 スクリーンショットやSNSでの実績公開、そしてランレート¹がここに該当します。ウォール・ストリート・ジャーナルの記事で代表例として取り上げられたPolsiaを見てみましょう。創業者のベン・ブロカは昨年12月に1人で会社を始め、有料顧客1万人、年換算売上1,000万ドルを達成したと語っています。印象的な数字です。しかし、この1,000万ドルは直近の実績に12を掛けたランレートにすぎません。記事には、顧客が増えるほどAIの使用料がかさんで赤字に陥ったため、無料の中国製オープンソースモデルへ乗り換えたという記述もあります。年換算売上だけでなく、AIの使用料を差し引いて利益が残っているのかも併せて見極める必要があります。もう一つ注目すべき点があります。Polsiaの製品は「AIが会社を代わりに運営してくれるプラットフォーム」であり、ブロカ自身が自らの1人運営こそが製品の証明だと主張している点です。成功談の主人公が、その成功談を売る会社の創業者であるという構造です。ベンチャーキャピタルから3,000万ドルを調達している点も、元手ゼロの神話とは毛色が異なります。詐欺だと決めつけたいわけではありません。第1段の証拠は、まさに第1段の重みとして受け止めようということです。

第2段、決済データ。 この6月にStripeが発表したレポート『ソロプレナーの時代』がこれに当たります。冒頭で触れた「2倍、3倍」はこのレポートの数字ですが、アンケート調査ではなく、Stripeの決済ネットワークを実際に通過した資金の集計です。当事者が投稿した画面キャプチャよりもはるかに検証性の高いデータです。ただし、統計の限界も確認しておく必要があります。米センサス局が2022年に集計方法を変更したためです。それまでは売上が一定水準を超える個人事業主を自動的に「雇用企業」へ再分類していましたが、この慣行が廃止されたことで、上位区分の1人企業数が統計上で跳ね上がりました。急増分の一部は、新たに成長したのではなく、ようやく正しくカウントされるようになった結果です。Stripeもレポートの中でこの限界を自ら認めています。もちろん、このデータがStripeで決済を受け取った事業者のみを対象にしているという限界もあります。それでも、本人が口頭で明かした数字ではなく、決済会社の記録に残る客観的な数字である点は確かです。

第3段、第三者データ。 当事者でも利害関係者でもない側が測定した数字です。ハーバード・ビジネス・スクールとINSEADの研究陣がこの6月に発表したワーキングペーパー²『AIネイティブ企業』がその代表例です。スタートアップ約5万社を外部の人材データと紐付けて分析したところ、AIを製品に組み込んだ企業は、同業種・同時期の他社に比べて従業員数が25%少なくなっていました。より広い標本では12%でした。にもかかわらず、企業価値はほぼ同等でした。特に新入社員とマネージャーの比率がそれぞれ約15%低くなっていました。元データの対比はさらに鮮明です。Yコンビネーターの標本において、AIスタートアップの平均人数は13人、比較対象群は42人でした。「より少ない人員で同等の価値を生む」という方向性自体は、第三者が計測した数字によっても裏付けられているのです。行政データの動向も一致しています。米国の情報セクターにおける新規事業の申請件数は1年で45%近く増えましたが、従業員を雇用すると回答した割合は全産業の中で最も急激に落ち込みました。

第4段、価格。 第三者が直接デューデリジェンスを行い、自らの資金を投じた数字、すなわち買収価格です。イスラエルの開発者マオル・シュロモが1人で開発を始めたアプリビルダー「Base44」は、ローンチから半年でWixに8,000万ドルの現金で買収されました。買収価格は、当事者による売上の主張よりもはるかに確実な根拠です。買い手は実地調査を経て実際に対価を支払い、判断を誤れば自らが損失を被るからです。もっとも、買収価格がその事業の長期的な成功まで保証するわけではありません。しかし、成功談を信じることと、その成功談に8,000万ドルを賭けることとは、まったく次元の異なる行為です。

4つの等級をすべて確認したなら、最後に分布を見なければなりません。Stripeの集計によると、2025年における上位10%のソロ創業者の最初の6カ月間の売上は、中央値の61倍に達していました。同じ時期にスタートしても、上位層と中央値の間にはそれほど巨大な格差が存在するということです。記事に登場する人々も、この分布のまったく異なる位置に立っています。LaunchDarklyの最高製品責任者（CPO）出身のクレア・ヴォーは、10万人が利用する製品で今年7桁（100万ドル単位）の利益を見込みながらも、「世間はAIの使いやすさを過大評価し、私がここに至るまでに払った努力を過小評価しています」と語ります。その対極にいるのが、Verizonで20年近く勤務した後に独立し、AIを活用した1人コンサルティングを立ち上げたサミル・アフマドです。AIを事業計画やマーケティングの参謀役として駆使したものの、わずか数カ月で事業を畳み、現在は会社員に戻っています。上位層の天井が引き上げられたのは事実ですが、中央値付近にいる人々の現実は今なお厳しいままです。

成功談が商品となる国で

このように証拠を等級に分けて見極める作業が最も求められているのは、韓国だと私は考えています。SNSを開けば「月収1,000万ウォン」や「元手ゼロ起業」の実績アピールが溢れ返り、その画面の多くが有料講座の決済ページへと直結しています。成功談が検証された証拠としてではなく、販売される商品として流通する市場がすでに形成されているのです。こうしたビジネスが成立する条件について、私は2023年に論文としてまとめたことがありますが、そこには3つの要素が必要です。売る側だけが知る情報の非対称性³、取り残されることへの恐怖（FOMO）、そして検証手段を持たない情報弱者層です。この3つが揃った瞬間、成功談はそれ自体が収益モデルと化します。先月の屋根部屋の開発者編で触れた「夢の販売業」の骨格も、まさにこれでした。

韓国では、企業統計登録簿と標本調査を組み合わせた公的な実態調査を参照できます。韓国の中小ベンチャー企業部による実態調査基準で、国内の1人創造企業は116万2,529社に達し、1年で15.4%増加しました。成長そのものは本物です。しかし平均値を見ると、1社あたりの年間売上高は2億6,640万ウォン、当期純利益は3,620万ウォンにとどまります。月割りにすれば300万ウォン水準です。代表者の平均年齢は55.1歳で、起業動機の第1位は「より高い所得」（40.0%）でした。調査の平均値から浮かび上がるのは、代表は50代、起業前の職場勤務期間は約16年、月間の純利益は約300万ウォンという現実です。SNSで見かける「20代が月1,000万ウォンを自動化」といった事例を、1人企業全体の姿として受け止めるわけにはいかない理由がここにあります。もっと稼ぎたいという意欲自体は健全な原動力ですが、まさにその心理こそが「成功売り」が狙いを定める標的でもあります。SNSに流れる成功談と統計上の平均値との間にある落差こそが、成功を売る人々が商売のネタにしている領域なのです。

Oswarldの視点

率直に言えば、私自身もこの統計に含まれる人間です。2020年から1人コンサルティング会社を運営しているため、国内に116万社ある1人創造企業の一つであるわけです。その当事者として、2023年に搾取ビジネスに関する論文を執筆した際に導き出した結論があります。この手の商売を成り立たせているのは、露骨な嘘というよりも情報の非対称性です。売る側は成功談を一つ用意するだけで済みますが、買う側がその話を検証しようとすれば多大な時間と専門知識を要します。確認する側の負担がこれほど大きい限り、成功神話を売りつける人々も後を絶ちません。

Exploitation Business: Leveraging Information AsymmetryThis paper investigates the “Exploitation Business” model, which capitalizes on information asymmetry to exploit vulnerable populations. It focuses on businesses targeting non-experts or fraudsters wh

arxiv.org

これまでGTM戦略を策定してきた経験から見ても、今回の等級分けの意義はここにあります。決済データや買収価格のように第三者が計測した客観的な数字が存在すれば、成功談の検証に費やす時間と専門知識のハードルは下がります。情報の非対称性が縮小すれば、搾取ビジネスが生み出す利益から真っ先に削られていきます。金融市場に開示制度が整備されたことで仕手筋の活動余地が狭まったのと同様に、質の高いデータはそれ自体が消費者を保護する防壁として機能するのです。

したがって、私の結論は単なる懐疑論ではありません。私はこのトレンド全体が偽物だとは考えていません。改ざんが困難な第2段から第4段の証拠が、1人企業の売上分布の底上げを実際に証明しているからです。ただし、客観的に確認できる実際の規模は、常に成功神話が語る規模よりも小さく、そのギャップを巧みに売る人々が存在します。今後、1人企業の成功談を目にしたときは、ぜひ一つだけ問いかけてみてください。「この数字は、第何段階の証拠なのか」と。もし第1段の証拠だけを提示しながら金銭の支払いを求めてくるのであれば、その人が売っているのは事業のノウハウではなく、単なる作り話にすぎません。

おわりに

予言された1人ユニコーンはまだ誕生していませんが、売上100万ドルの1人企業が2倍に増えたのは決済データが証明する紛れもない事実です。証拠には等級があります。自己申告、決済データ、第三者データ、買収価格の順に改ざんは難しくなります。成功談が商品として売買される市場において、この4つの等級は分析ツールであると同時に、何より大切なお金を支払う前に立ち止まって確認すべき基準となります。

読者さんが最近目にした成功談の中で、最も怪しいと感じた事例は何段目で引っかかりましたか？引っかかったポイントとともに、5段目として追加したい検証基準があればコメントでお聞かせください。

💬 お寄せいただいた事例は、次号の紙面に反映させていただきます。 📨 成功談の広告にうんざりしている同僚がいらっしゃいましたら、ぜひこの記事をシェアしてください。

あなたの視点が次の号をつくります

この号で最も共感した点、あるいは違う経験をした点はどこですか。

参考資料と関連リンク

主要出典

The Wall Street Journal, “The Rise of Million-Dollar Companies With Just One Employee”, 2026. ··· 本日の記事の出発点です。ブロカ、ヴォー、アフマドの3人の事例が、メーターの上限と下限を過不足なく示しています。
Stripe Economics, “The Age of the Solopreneur”, 2026.6. リンク ··· 「2倍、3倍」および61倍というべき乗則の一次情報源です。センサス局の測定方式の変更に言及した箇所まで読み通してこそ、バランスの取れた理解が得られます。
Kim, H. & Koning, R., “AI-Native Firms”, Harvard Business School Working Paper 26-090, 2026. リンク ··· 「従業員25%減で企業価値は同等」の元論文です。新入社員とマネージャー層が真っ先に姿を消していく組織構造の分析が白眉です。
Ahn, K., “Exploitation Business: Leveraging Information Asymmetry”, arXiv:2310.09802, 2023（2024年改訂）. リンク ··· 韓国セクションの骨格となった私（アン・グァンソプ［安光涉］）の論文です。情報の非対称性とFOMOがいかに搾取ビジネスとして組み上げられるかを論じました。査読前のプレプリントである点をご留意の上でお読みください。
FTC, “FTC Action Leads to Ban for Owners of Automators AI E-Commerce Money-Making Scheme”, 2024.2. リンク ··· 「AI収益保証」詐欺に対する判決記録です。神話が膨らむとき、その影で何が育つのかを克明に物語っています。

背景知識

Chafkin, M., “And the Money Comes Rolling In”, Inc., 2009.1. リンク ··· 2008年当時のフリンドを取り上げた人物ルポです。AIが存在しなかった時代の「従業員0人、年商140億ウォン」の実態を直接確認できます。
韓国の中小ベンチャー企業部、「2025年 1人創造企業実態調査」, 2026.4. ··· 韓国の1人企業116万社を網羅した公式統計です。SNSのタイムラインではなく、まずここから確認すべきです。

あわせて読みたいバックナンバー

著者 アン・グァンソプ（Oswarld） は世宗大学校兼任教授、INLEVEL9 戦略コンサルタントです。経歴、研究、著書、最近の活動は著者紹介で更新しています。最近の活動 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

📝 用語解説

각주

ランレート（run rate）：直近1カ月や四半期の実績に12や4を掛けて、年間売上高のように換算した数値です。成長の初速を示すには便利ですが、最も業績が良かった時期を基準に据えると、実際の年間売上よりも過大に見積もられる傾向があります。 ↩
ワーキングペーパー（working paper）：学術誌による査読（ピアレビュー）をまだ通過していない研究草稿です。最新のデータをいち早く把握できる利点がある反面、最終的な結論が後から修正される可能性がある点には留意が必要です。 ↩
情報の非対称性（information asymmetry）：取引の当事者間で、一方のみが重要な情報を握っている状態を指します。中古車の売り手だけがその車の欠陥を知っている状況が古典的な例であり、市場の失敗を引き起こす代表的な要因として挙げられます。 ↩