Rilletはなぜ「会計×AI」で$1B評価を獲得できたのか？技術とアーキテクチャの解説

プレスリリース要約

• 資金調達の概要: RilletはシリーズCラウンドで1億ドルの資金調達を実施し、評価額10億ドルのユニコーン企業へ到達。過去1年間で3回目の資金調達となり、累計調達額は2億ドルを突破。
• 主要投資家: ICONIQが主導し、Sequoia、a16z（Andreessen Horowitz）、Bain Capital Ventures、Oak HC/FT、Creandum 等が参加。
• 事業実績と急成長: ARR（年間定常収益）は急増しており、エンタープライズ領域およびARR 1,000万ドル〜1億ドル規模のLate-stage企業での導入が急加速。
• 資金の使途: 「Accounting Superintelligence」の構築に向け、バックエンドインフラの増強、マルチエージェント基盤の開発加速、およびプロダクト・エンジニアリング組織の採用強化に充当。

出典元：Rillet プレスリリース

Rilletの技術的差別化点：3つのコアアーキテクチャ

単なる「LLMの外付け（Wrapper）」ではなく、自社設計の時系列DBを基盤としたAIネイティブな総勘定元帳（General Ledger）を構築した点に最大の強みがあります。

• AI-Native General Ledger（AIネイティブ総勘定元帳）
  • 概要: NetSuite等の既存ERPにAPI接続するのではなく、Immutable（不可変）な時系列Event Storeを備えた独自の総勘定元帳をゼロから構築。
  • メリット: AIエージェントがAPIレイテンシなしで内部状態に直接アクセスし、リアルタイムで仕訳・消込・状態更新を実行可能。
• Deterministic × Probabilisticのハイブリッド設計
  • 概要: 1円のズレも許されない「会計ロジック」と、曖昧さを許容する「LLM推論」を境界文脈（Bounded Context）で完全分離。
  • メリット: 複式簿記の貸借一致や税額計算は100%決定論的コードで処理し、勘定科目分類や照合のみを確率的AIエージェントに任せることでハルシネーションを排除。
• 監査可能性（Auditability）を担保したマルチエージェント基盤
  • 概要: 契約書解析・銀行消込・異常検知など、単一タスクに特化した小型エージェント群による分散並列処理を採用。
  • メリット: 各エージェントの推論過程とプロンプト履歴がすべて構造化ログとして保存され、公認会計士や監査法人が100%事後追跡可能。

従来型会計AI（LLM Wrapper）とRilletの比較

技術者が押さえておくべき「AI×会計システム」構築のQ&A

Q1. なぜ既存のERP（SAPやNetSuite）にLLMを連携するだけでは不十分なのですか？

既存ERPのデータベース構造は「人間が手動でデータを入力・確認すること」を前提に設計されています。外部からAPI経由でLLMを接続する場合、APIのレイテンシ、データ不整合のリスク、複雑な監査ログ追跡の難易度が障害となります。AIが自律的に高速動作するには、時系列かつImmutableなデータ構造を持つネイティブな総勘定元帳が不可欠です。

Q2. LLMのハルシネーション（誤情報出力）による誤記帳はどう防いでいますか？

AIエージェントが出力する判断には「確信度スコア（Confidence Score）」が付与されます。スコアが設定された閾値を下回った場合、処理は自動確定されず「要確認」としてHuman-in-the-Loop（人間の専門家による確認画面）へ回されます。人間が修正したデータは、コンテキストとしてAIに即座にフィードバックされます。

まとめ：エンジニア視点で見るRilletの示唆

Rilletのユニコーン到達は、「最新のLLMモデルを使ったから」ではなく「ドメインの厳格さに合わせてソフトウェアの境界線を正しく設計したから」達成されたものです。

• API外付けの限界を認識する: 既存システムにAIを被せる（Wrapper）だけでは、データ整合性とパフォーマンスの壁にぶつかる。
• 決定論（コード）と確率論（AI）を分離する: ミスが許されない業務では、計算・検証ロジックをプログラマブルに保ち、コンテキスト解釈のみをAIに委ねる。
• ドメイン駆動設計（DDD）への回帰: 会計という古代から続くドメインを理解し、AI時代に合わせてデータモデル（GL）から再構築したことこそが最大の技術的参入障壁になっている。