米国カリフォルニア州サンマテオのTwin1 AIが、シードラウンドで2,000万ドル(約32億円)を調達し、ステルス状態から事業を公開しました。同社が売り込むのは、社員一人ひとりの知識と判断の癖を写し取った「デジタルツイン」です。法律事務所や金融機関ではすでに1年以上使われており、知識労働者がこなす連絡業務の3〜5割を肩代わりしていると同社は説明します。
※1ドル159円換算
社内の平均値ではなく、個人の文脈を残す
企業向けAIの多くは、社内文書をまとめて読み込ませ、誰が聞いても同じ答えを返す形をとります。Twin1が置いた出発点はその逆です。共同創業者でCEOのLewis Z. Liu氏は、知識を持つ組織では人間こそが知識の最小単位であり、AIの役目は個人の専門性を平均化することではなく、増幅してつなぐことだと述べています。
そのためツインは、利用者のメール、会議の記録、文書、社内システムといった日々の業務文脈を土台にして、継続的に更新されるモデルとして育ちます。動く場所も専用画面ではありません。Slack、Microsoft Teams、Outlook、Gmail、Google Drive、SharePointといった、すでに仕事が行われているツールの内側で応答します。
権限を6層で挟み、見せてよい相手にだけ答える
個人の知識を代理で話すAIは、便利さと同じだけ情報漏れの不安を抱えます。Twin1はここに6層の制御を重ねました。ルールベースの判定とAIによる判定を組み合わせ、人と人のやり取り、人とAIのやり取りの両方に適用する構造です。
制御に使われるのは、企業のポリシー、元の権限設定から引き継いだアクセス範囲、そして人間による承認の3つです。どのデータをツインに読ませるか、どの同僚が問い合わせてよいかを決めるのは利用者本人で、権限のない相手には情報が出ない設計になっています。金融や法務のように、誰が何を見てよいかが契約で細かく決まっている業種を最初の顧客に選んだのは、この部分を作り込んだからだと考えられます。
分身同士をつなぐ「Twin Network」
個々のツインの上には、Twin Networkと呼ぶ調整レイヤーが置かれています。ツインが適切な相手を見つけ、権限を踏まえた形で知識を集め、チーム間で仕事を引き渡すための仕組みです。人間の判断を飛び越えて勝手に動くのではなく、あくまで本人の統制下に置く点が強調されています。
企業向けにはMCP(Model Context Protocol)サーバーも用意されました。他社のAIエージェントや社内アプリが、個別のツインやネットワーク全体から統制された文脈を取り出し、それを踏まえて動けるようにするための窓口です。提供形態もSaaSのほか、シングルテナントやプライベートクラウドを選べるようにしており、特定のモデルや基盤事業者に依存しない構成を打ち出しています。
顧客は法律事務所と金融、創業陣はEigen出身
Twin1は今回の公開までに、法務、金融サービス、エネルギーの分野で1年以上の運用実績を積んでいます。名前が挙がっている顧客は、法律事務所のLinklaters、Orrick、Dechert、金融機関のCustomers Bank、エネルギー企業のAegis Energyです。Orrickは顧客であると同時に、今回のラウンドに戦略的出資者としても加わりました。
創業は2025年で、Lewis Z. Liu氏、Tom Cahn氏、Huiting Liu氏、Jonathan Budd氏の4人が立ち上げました。このうち3人は、ロンドンで文書AIを手がけたEigen Technologiesの出身です。Eigenは8,000万ドル(約127億円)超を調達した後、2024年にSirionLabsへ売却されており、当時の出資者の一部が今回も名を連ねています。
ラウンドはBessemer Venture Partners、Tribeca Venture Partners、Aramco Venturesが共同でリードしました。調達した資金は、サンマテオとロンドンの人員拡充、販売とマーケティング、製品開発に充てられます。Liu氏は業界メディアの取材に対し、400社を超える見込み顧客への対応を進めており、企業向け製品に続いて小規模な事務所や個人向けのセルフサービス版も用意する考えを示しています。
まとめ
Twin1 AIの2,000万ドルは、社内の知識をまとめて学習させる従来型のエンタープライズAIとは別の賭けに向かった資金です。知識を個人に紐づけたまま扱い、権限の壁を越えないことを前提に他人やAIエージェントへ渡す。この設計が正しければ、専門職の仕事のうち連絡や照会に費やされていた時間が目に見えて減ります。1年以上の実運用と、法律事務所という要求水準の高い顧客を先に確保している点は、机上の構想と比べれば手堅い出発点だと言えます。
※画像はイメージです
