OpenAI · Notion · Vercel · Stripe · Brex · Airtable
「プロンプトのユニットテスト」から出発し、eval + observability + prompt playground までフルセット化。創業者 Ankur Goyal は Impira を Figma に売却済み——AI-native 企業への分配経路を初手で持っている。
トラック全景 · OPC ATLAS
AI Eval & Observability：Agent 時代に最初に立ち上がった企業向けの確実な需要
Braintrust が $36M ARR。LangChain には LangSmith が無料同梱。残された余地はどこか。
Eval と Observability は、AI 領域でもっとも「企業が黙って払う」に近いカテゴリだ。2024 年の Agent 本番投入ラッシュ以降、Fortune 500 はどこも同じ悩みを抱えている——デモは動くが本番で壊れ、原因がわからない。2026 年時点で横軸の勝者はほぼ確定した：Braintrust、LangSmith、Arize Phoenix、Langfuse の 4 社が $10-50M ARR レンジを分け合っている。だがその下の縦軸——法務 eval（引用検証）、医療 eval（臨床安全）、Agent eval（マルチステップ軌跡採点）——はほぼ白紙。横軸で 19 番目の汎用 tracing ツールを作る余地はもうないが、特定縦軸で 50 社 × $30K の eval ビジネスは $1.5M ARR の堅実な事業として完全に成立する。
01 · 2026 年市場の現状
市場は明確に層別化されている。(1) トレース + ダッシュボード層：LangSmith は LangChain に標準同梱（ARR ~$10M+、LangChain 利用者のデフォルト）、Langfuse はセルフホスト + SOC2 で OSS 勝者（GitHub 1 万 star 超、クラウドで ARR ~$5M+）、Arize は OSS の Phoenix を導線にエンタープライズ版へ送る形（累計調達 $70M+、ARR ~$30M 業界推定）。(2) Eval 先行層：Braintrust は 2025 年に ~$36M ARR を突破、公表顧客に OpenAI、Notion、Vercel、Stripe、Brex、Airtable。「プロンプトに対するユニットテスト」をオフライン eval として展開している。(3) 特化層：Patronus AI（$17M シリーズ A、ハルシネーション Lit Tests）、Comet Opik（OSS eval + tracing 統合）、Weights & Biases Weave（CoreWeave 傘下、WandB に無料同梱）。2026 年の三大潮流：(a) 横軸各社が Agent 軌跡評価と tool-use 採点に一斉に向かっており、Agent 側ではまだ勝者不在；(b) 課金が per-trace から per-eval-run + per-seat へ移行中、eval を切り口にする方が筋がいい；(c) 縦軸 TAM は巨大かつ未占有——病院は LangSmith を買わない、HIPAA 準拠で臨床ドメインレーターを抱えた臨床安全 bench を求めている。
02 · 注目企業
ARR ~$10M+ / 10 万 + 開発者
もっとも import される LLM フレームワーク内に標準同梱、配布そのものが堀。langchain 使用者の事実上のデフォルト observability。「十分使える」だけで勝つポジション。
ARR ~$30M（業界推定）
もとは表形式 ML 向け observability。2023 年に LLM へ大きく舵を切った。OSS の Phoenix を漏斗にエンタープライズ版へ送る構造。伝統的 Fortune 500 顧客に強い。
GitHub 1 万 + star / ARR ~$5M+
セルフホスト可能な OSS LLM observability。クラウドを信用しない工程チームのデフォルト。SOC2 + ISO 27001、EU・規制業界の本命。
Lit Tests / ハルシネーション検出
Meta 出身研究者 Anand Kannappan、Rebecca Qian らが創業。切り口はハルシネーション + RAG 正答性のプリビルトテスト群。エンタープライズのコンプラ部門へ販売、工程チームの土俵で戦わない。
Eval + tracing 統合
MLOps 老舗の Comet が 2024 年に投入し自社の縄張りを守る一手。無料 + OSS、Comet 既存 5 万 + ユーザーへの配布力。横軸の中で最も防御的。
WandB 利用者には無料同梱
WandB の LLM observability。2025 年に親会社が CoreWeave に約 $1.7B で買収された。WandB に無料同梱というバンドルは独立ツール側にとってもっとも致命的な打ち手。
ARR ~$2M / 9 万 + 開発者
プロキシ型 observability——SDK 不要、1 行で導入。インディー開発者向けの価格、黒字、小チーム、コミュニティ評価が高いダークホース。
03 · 参入前の青信号と赤信号
🟢 青信号・参入候補
縦軸の業界専門家にすぐ声をかけられる
法務：引用検証ができる元弁護士を呼べる。医療：トリアージ安全性を採点できる臨床医を呼べる。営業：アウトリーチ品質を採点できる SDR マネージャを呼べる。横軸ツールの弱点はドメインレーター不在——そこがあなたの入口になる。
Agent 軌跡を読める工程出身
深夜 2 時に LangGraph のマルチステップ Agent をデバッグした人なら分かる——痛みは「プロンプトを記録したい」ではなく「ステップ 4 で登録していないツールを幻覚した、なぜ」だ。マルチステップ軌跡評価は未解決領域、次の $50M+ ARR 枠が空いている。
DevTools を売れる、または工程ブランドがある
Eval の意思決定者は技術側：工程責任者が評価、セキュリティが通し、財務が払う。PLG は実際にボトムアップで使われている場合のみ機能する。「XYZ for AI evals」を名乗った瞬間に負け——切り口は欠けた機能であって、カテゴリではない。
🔴 赤信号・まだ早い
横軸 LLM tracing の 19 番目を作っている
LangSmith は LangChain 同梱で無料。Braintrust は AI-native のロゴを押さえた。Arize は Fortune 500 を守る。Langfuse は OSS 圏を取った。横軸の trace + dashboard には隙間がもうない、撤退すべき。
差別化が「安い」だけ
インディー価格の底は Helicone が押さえている。CoreWeave は Weave を WandB 利用者に無料配布したばかり。eval で価格勝負は死亡フラグ——上はエンタープライズ束ね売り、下は OSS で挟まれる。
90 日以内に Fortune 500 のデザインパートナーを取れない
エンタープライズ eval はデザインパートナーシップ経由でしか売れない、コールドメールではない。あなたのネットワークで 90 日以内に Fortune 500 のロゴが $50K パイロットに署名できないなら、2 年滑走路の算数が合わない。
04 · 3 つの入り口
縦軸 eval bench（法務 / 医療 / Agent）
ドメイン専門家 + 工程共同創業者、シード前 $1M+
Agent 軌跡評価ツール
Agent 本番経験のある工程主導チーム
コンプラ + 監査ログ切り口
元セキュリティ/コンプラ責任者 + 技術共同創業者
05 · 相性が良い起業家タイプ
06 · 次に読むもの
読むべき記事
- AI Engineering（Chip Huyen 2025 新刊） O'Reilly
- Your AI Product Needs Evals（業界必読） Hamel Husain
- The State of LLM Evaluation 2025 Braintrust
フォロー先
- Ankur Goyal (Braintrust CEO) @ankrgyl
- Hamel Husain（eval 教程の著者） @HamelHusain
- Eugene Yan（eval 長文の著者） @eugeneyan
関連トラック
- AI コーディング / DevTools買い手が大きく重なる——Cursor/Codeium を買う工程チームは LangSmith/Braintrust も買う。GTM 経路を再利用できる。
- AI セキュリティ / Red Team同じ買い手（工程/セキュリティ）、別の角度。Eval は正しさ、Red Team は敵対性。両方束ねる戦い方が最強。
- Legal AI最大の縦軸 eval 機会——引用検証は法律 AI の最大の未解決問題。