最近はAI搭載をうたうSaaSが増え、「とりあえずAIがあれば良さそう」と感じる場面も多くなりました。ただ、大企業や日本企業の現場では、セキュリティや統制、運用の説明が難しく、導入後に止まってしまうケースも少なくありません。SaaSをAI前提で検討する際に押さえておきたい実務視点を整理し、SaaS選定でのプロンプトの例を以下に提示します。

また、Atlassian Rovoを例に、現場で使い続けられるAIの条件を考えていきます。

SaaS検討時に使う

AI向け評価プロンプト（完全版・Enterprise / AI前提）

SaaSを検討する際、以下の観点で日本企業（特に大企業）が中長期で利用できるかを評価してください。

1. 事業・ガバナンス視点（継続性）

創業者・経営陣の国籍／経歴／過去のEXIT
投資会社・ラウンド履歴（戦略投資か財務投資か）
過去5年の売上・ARR成長推移
黒字化状況・資金枯渇リスク
買収リスク／買収後のプロダクト継続性

評価視点
→ 3年後・5年後も「普通に使えている」可能性が高いか

2. セキュリティ・コンプライアンス

SOC2（Type I / II）
ISO27001
FedRAMP（対応有無・レベル）
GDPR / DPA
Trust Centerの有無と内容の具体性
日本企業向けセキュリティ資料の出しやすさ

評価視点
→ 情シス・監査・法務で止まらないか

3. プロダクト思想・成熟度

IT部門向けか、現場主導か
単機能SaaSか、業務横断を前提としているか
AIが
- 補助（検索・要約）
- 判断（提案・優先度付け）
- 実行（自動化・エージェント）
  のどこまで踏み込んでいるか
AIが運用コストを下げる設計か、設定を増やす設計か

4. 機能評価（表面的比較を避ける）

機能一覧（公式ベース）
他社との比較
実際に使われる機能／死蔵されやすい機能
権限・ロール設計の柔軟性
API / Webhook / 連携の現実的制約

5. ユースケース・運用視点

想定ユースケース（理想）
日本企業での実ユースケース
導入初期／定着期／拡張期での使われ方
利用部門拡大時の摩擦
解約理由（可能なら）

6. 導入企業の質

導入社数だけでなく
- 業種
- 規模
- IT成熟度
ロゴ掲載企業が本当に使っているか
SI主導か、プロダクト主導か

7. コスト・契約条件

初期費用・最低契約期間
課金体系（ユーザー／機能／イベント／AI）
AI機能は標準かオプションか
値上げ履歴・頻度
解約時のデータエクスポート可否

8. 内製 vs SaaS 判断

内製した場合の
- 開発コスト
- 運用コスト
- 属人化リスク
SaaSを選ぶことで
- 考えなくてよくなること
- ブラックボックス化する部分

9. AIアーキテクチャ／独自フレームワーク

AIは後付けか、プロダクト中核か
独自AIフレームワークの有無
（ルーティング／評価／ガードレール）
利用しているLLM
- OpenAI / Anthropic / Google / OSS 等
マルチLLM対応か、ベンダーロックインか
モデル切替時の影響
プロンプト管理・評価（versioning / A/B / ログ）
顧客データの学習利用有無（opt-out可否）

10. Enterprise利用適性

Enterpriseプランは価格だけか、機能的に別物か
SSO / SCIM / RBAC の粒度
監査ログ（AI利用含む）
データ保持期間・リージョン選択
Private / Dedicated / VPC 対応
SLA / サポート体制（日本対応）
情シス承認フローへの耐性

11. 大企業 × AI で詰まりやすい点

AIの誤回答・幻覚への設計
人レビュー前提か、自動実行前提か
業務ログ・監査との相性
現場裁量と統制のバランス
「AIが説明できない」問題への対処

Atlassian（Rovo）を例にした具体評価

Rovoの中核：Teamwork Graph

Jira / Confluence / JSM 等に分散した人・課題・ドキュメント・履歴・関係性をグラフとして保持する基盤
単なる検索やRAGではなく仕事の文脈そのものを構造化
- Atlassian Rovoでレビューを先回りする：レビュアーの思考を再現するAI活用の新しいユースケース
  - https://help.innoov.io/ja/articles/13204919

重要な構造