この記事のポイント（30秒で読める）
- 元Notion CTO・元Stripeの機械学習エンジニアが創業したRowspaceが、世界最大級のVC（ベンチャーキャピタル）Sequoia Capital主導で5000万ドル（約75億円）を調達した
- 投資ファンドが長年蓄積した「整理されていないデータ」をAIで統合し、投資判断の精度を根本的に変えるプラットフォームを開発
- 日本企業にとっての示唆：「眠っているデータ」こそが最大の競争優位になる時代が来ている
何が起きたか
2026年2月25日、サンフランシスコのAIスタートアップRowspaceが非公開の開発期間を経て表舞台に登場し、5000万ドル（約75億円）の資金調達を発表した。初期段階（シード）と成長段階（シリーズA）の2回に分けた調達で、両ラウンドともApple・Google・Airbnbなどに初期投資した実績を持つSequoia Capitalが主導。シリーズAにはEmergence Capitalも共同リードとして参加した。
注目すべきは創業者の経歴だ。CEOマイケル・マナパット氏は、決済大手Stripeで数十億件の取引を処理する機械学習システムを構築し、その後NotionのCTOとしてAI機能の拡張を主導した人物。COOイーボ・リン氏はUberのコーポレートデベロップメント（M&A・戦略投資）責任者やBinanceの財務リーダーを歴任。2人はMIT大学院時代の同窓だ。
出資にはStripe、Basis Set Ventures、Convictionのほか、金融業界に精通するエンジェル投資家も名を連ねる。
Rowspaceは何をするのか
一言でいえば、投資ファンドが何十年もかけて蓄積した「散らばったデータ」をAIで一つにつなぎ、投資判断に使えるようにするプラットフォームだ。
プライベートエクイティ（PE＝未公開株投資ファンド）やヘッジファンドは、膨大なデータを持っている。過去の投資案件の資料、会計システム、CRM（顧客管理）、メール、プレゼン資料。しかしその多くはバラバラのシステムに散在し、形式も統一されていない。
Rowspaceはこれらのデータソースを横断的に接続する。具体的には以下のようなシステムと連携する。
- データウェアハウス（大規模データ格納基盤）：Snowflake、AzureSQL
- CRM：Salesforce、DealCloud
- 文書管理：SharePoint、バーチャルデータルーム（機密文書の共有用クラウド）
- ファンド管理：Allvue、WSO
重要なのは、Rowspaceは顧客のデータを自社に持ち出さないこと。処理はすべて顧客のクラウド環境内で行われる。金融機関にとってデータの外部流出は致命的なリスクだが、この設計なら導入のハードルが大きく下がる。
出力はRowspace独自のインターフェースだけでなく、ExcelやMicrosoft Teamsなど、チームが日常的に使うツールにも組み込める。
ChatGPTとは何が違うのか
マナパット氏はこう説明する。
「Anthropicなどの基盤モデルは、”最後の一歩”のタスクには優れている。しかし、ファンドが数十年分のデータから微細なパターンを見つけ出し、投資判断に活かすような包括的な金融分析には対応できない」
（Fortuneより）
つまり、汎用AIが「質問に答える」のに対し、Rowspaceは「質問すべきことを見つける」ことに特化している。過去の投資パターン、ポートフォリオのリスク、クレジット分析など、人間が何日もかけて行っていた分析をAIが事前に処理する。
すでに大手が使っている
正式ローンチ前の非公開開発期間中に、すでに約10社の大手投資ファンドが顧客になっている。各社の年間契約額は7桁ドル（100万ドル＝約1.5億円以上）。数千億ドル規模の資産を運用するPEファンドやクレジットファンドが名を連ねる。
なぜ重要か──日本の経営者が注目すべき3つの理由
理由1：「汚いデータ」問題は日本企業のほうが深刻
Rowspaceが解決しようとしている「散在するデータ」の問題は、日本企業にも当てはまる。むしろ日本のほうが深刻だ。
紙の稟議書、Excel管理の顧客リスト、個人のPCに眠る提案書。日本の中小企業では、貴重な業務データが「人の頭の中」と「バラバラのファイル」に分散している。ベテラン社員が退職すれば、そのナレッジも消える。
Rowspaceの事例は、「データを整理する」のではなく「散らばったまま活用する」という発想の転換を示している。
理由2：AIの本当の価値は「答え」ではなく「問い」
ChatGPTが登場して3年。多くの企業が「AIに質問して答えをもらう」使い方をしている。しかしRowspaceが示したのは、AIの真価は「人間が気づかない問いを見つけること」にあるという方向性だ。
Sequoiaのパートナー、アルフレッド・リン氏はこう語る。
「私たちが今、すべての投資先に求めているのはプロダクトの速度だ。速度が競争優位を生む」
（Fortuneより）
データから「問い」を自動生成し、意思決定の速度を上げる。これがSequoiaが5000万ドルを賭けた理由だ。
理由3：「データを外に出さないAI」が主流になる
Rowspaceの設計思想は、顧客環境内で処理を完結させること。これはAI導入において日本企業が最も懸念する「データ流出リスク」への回答だ。
2026年のAIトレンドとして、「SaaS型（データを預ける）」から「オンプレミス処理型（データは手元に残す）」へのシフトが加速している。セキュリティに敏感な日本企業にとって、この設計は導入の決め手になりうる。
どう活かすか──明日からできる3つのアクション
アクション1：自社の「散在データ」を棚卸しする
まず、自社のデータがどこに散らばっているか把握しよう。
- 顧客情報：Excel？CRM？名刺管理アプリ？
- 過去の案件資料：共有フォルダ？個人PC？紙？
- 財務データ：会計ソフト？スプレッドシート？
「うちにはデータがない」は思い込みだ。10年やっていれば、必ず蓄積がある。それが整理されていないだけだ。
アクション2：「データを外に出さないAIツール」を探す
Rowspaceは大手ファンド向けだが、同じ思想のツールは中小企業向けにも増えている。選定基準は以下の3つ。
- データが自社環境に残ること（クラウドでもVPC（仮想プライベートクラウド）内処理など）
- 既存ツール（Excel、Slack等）と連携できること
- 導入に大規模なデータ整理が不要なこと
アクション3：「ベテランの知見」をデータ化する習慣をつくる
Rowspaceが金融データでやっていることを、自社で小さく始める方法がある。
- 営業会議の議事録をAIで要約・蓄積する
- 成約・失注の理由を定型フォーマットで記録する
- 「なぜこの判断をしたか」をメモとして残す習慣をつくる
今はAIツールがなくても、データさえ溜まっていれば後から活用できる。逆に、データがなければどんなAIも無力だ。
元ソース：
