.svg)
注目ベンチャー紹介：Rosetic
2026
.
10
.
11
Written by Issei Kusano
今回の注目ベンチャーの紹介は、Roseticです。
Roseticは、業務要件からデータモデル、システム構成、API、コード、テストまで、企業向けソフトウェア全体を一貫して生成するAIソフトウェア開発プラットフォームです。LLMだけにコード生成を任せるのではなく、独自の決定論的な生成基盤とLLMを組み合わせることで、複雑な業務システムでも一貫性・追跡性・品質を保ちながら開発を自動化することを目指しています。
Rosetic
サービス／プロダクト概要
- 仕様書、機能一覧、簡単な文章などで記載された業務要件を入力すると、AIとの追加のやり取りを通じて要件を整理し、詳細なPRD（Product Requirements Document）／System Modelを作成。その内容を基に、データモデル、システム構成、データベース、REST API、UI、業務ロジック、コードまでを一貫して生成するAIソフトウェア開発プラットフォーム。単にコードを補完・生成するのではなく、システム全体の構造を定義してから開発を進める点を特徴としている。
- 実際のデモでは、簡単な事業概要を入力すると、AIが最大5つの追加質問を行い、主要機能・サブ機能、データベース、UI設計、初期コードまでを一連の流れで生成。また、各画面・機能・コードが、どの要件やユースケースを基に作られたのかを確認できるため、元の業務要件から実装までの追跡性を確保できる。
特徴・提供価値
- Rosetic最大の特徴は、LLMにシステム全体を自由に生成させるのではなく、決定論的な仕組みとLLMを組み合わせたHybrid Architectureを採用している点。データベース、システム構成、REST API、コードの基本構造などは独自のテンプレートやルールに基づき決定論的に生成し、LLMは業務ロジックなど限定された小さなタスクに利用する。これにより、LLMによる誤生成やシステム全体の不整合、技術的負債を抑え、企業向けの大規模・長期運用システムにも対応できる品質を目指している。
- システム開発前に詳細なPRD／System Modelを作成し、それをプロジェクト全体の「正」として管理する。要件、データモデル、コードなどのどこかに変更が加わると関連箇所にも反映され、各コードがどの要件から生成されたのかを追跡できる。従来の生成AI開発で起こりやすい「要件と実装が徐々にずれていく」問題を抑えられる点が、企業システム開発における大きな提供価値となっている。
- OpenAI、Google Gemini、Anthropic Claudeなど複数のLLMを利用可能で、ユーザー自身のAPI Keyを使用するBYOK（Bring Your Own Key）方式を採用。Rosetic自体は特定のLLMに依存せず、システム構成や要件を管理する上位の開発基盤として機能し、用途に応じて最適なLLMを利用する考え方となっている。
- FINRA、HIPAA、GDPR、SOC 2 Type 2など、規制産業で必要となる要件をあらかじめテンプレートに組み込むことで、標準的な部分については準拠したシステムを生成できる設計。また将来的には、企業自身が独自テンプレートを作成し、社内の開発標準、命名規則、セキュリティ要件、業界固有ルールなどを一度定義すれば、その後のシステム開発に自動適用できる仕組みも計画している。
- マイクロサービスやKubernetesを利用する複雑な分散システムにも対応する設計。コードテンプレートの上位にある「System Components」レイヤーが、ユーザー要件からREST API、gRPC、複数サービスなど適切なシステム構成を判断し、それに合わせてコードを生成する。現在は、コード生成前にシステム構成を図で確認・変更できるアーキテクチャ可視化機能も開発している。
- 将来的には、COBOLなどの既存システムを解析し、単純に別言語へ置き換えるのではなく、既存の業務ロジックや機能を維持しながら、最新のアーキテクチャとして再構築するLegacy Modernizationにも注力する。Roseticはこれを「構造は異なるが機能的には同等なシステム」への変換と位置付けており、既存コード解析・取り込み機能は2027年の提供を予定している。
- Cursor、Lovable、DevinなどのAI開発ツールとの違いは、個別のコード生成や開発作業だけでなく、業務要件からシステム全体の設計・構造を管理することにある。例えばDevinが、既存の開発環境の中でコード作成、修正、デバッグなどを行う「AIエンジニア」に近いのに対し、Roseticはより上流からシステム全体を設計・生成する開発基盤という位置付け。そのため両者は必ずしも完全な代替関係ではなく、Roseticでシステム全体の設計・初期コードを生成し、その後の個別の修正や開発作業をDevinのようなAIエージェントが担うなど、異なるレイヤーで共存することも考えられる。※共存部分は両製品の役割からの整理。
- 生成したコードは、Formatting、Lint、命名規則、Securityなど複数のStatic Code Analysisを通して品質を確認。SonarQubeとLLMを組み合わせて問題箇所を検出し、修正案も提示する。現在は、コード生成→検証→修正までを自動で完結する機能を開発しており、単なるコード生成ではなく、品質保証までを含めた開発工程全体の自動化を目指している。
ビジネスモデル
- 基本はユーザー単位のSaaS型サブスクリプションで、現在は1ユーザーあたり月額$40からの価格をPrivate Betaで検証中。LLM利用料をRosetic側で上乗せするのではなく、ユーザーがOpenAI、Gemini、Claudeなど自身のAPI Keyを利用するBYOK方式を基本としている。
- 初期の主要ターゲットは、中小規模のSoftware Development Services／SI企業。AIによって従来の「エンジニア人数を増やすことで売上を伸ばす」モデルが変化する中、少ない人員で高品質なシステムを開発できる生産性向上ツールとして提供する。現在、こうした開発会社を中心に約2,600社がWaitlistに登録しているが、現時点では順次Private Betaへ招待している段階であり、まだ全社が有償顧客化しているわけではない。
- 将来的には複数ユーザー向けEnterprise License、アプリケーションHosting、複数LLMを組み合わせたCredit提供なども収益機会として検討。個人エンジニアやStartupから導入を広げつつ、より長期的には大企業での利用拡大を狙うLand-and-Expand型の展開が想定される。
なぜ今この会社なのか
- ChatGPTやCursor、Devinなど生成AIを活用したソフトウェア開発が急速に普及する一方、LLMに大規模なシステム全体を直接生成させる場合、設計の一貫性、誤生成、セキュリティ、要件との追跡性、技術的負債などが課題になりやすい。特に企業向け・規制産業向けシステムでは「コードが生成できること」だけでなく、「なぜそのコードが生成され、要件や規制に沿っているか」を管理できることが重要となる。Roseticは、LLMだけに依存せず、要件・アーキテクチャ・データモデルを一貫して管理することで、この企業システム開発特有の課題を解決しようとしている。
- またSI／Software Development Services業界では、AIによる開発生産性向上によって、従来の人月・人数を中心としたビジネスモデルへの圧力が強まっている。Roseticは、AIを単なるエンジニア支援ツールとして使うのではなく、要件整理から設計・実装・品質確認まで開発工程全体を効率化することで、SIerがより少ないリソースで多くの案件を開発できる基盤になることを狙っている。
顧客・競合・パートナー
- ターゲット顧客： 当初は、Cognizant、TCS、EPAMのような企業と同種のSoftware Development Services／SI企業を主要ターゲットとしており、加えて個人エンジニア、Startup、大企業にも対象を拡大しており、Fortune 500企業とも設計パートナー候補として会話を進めている。
- 競合： Lovable、Cursor、DevinなどのAI Coding／AI Software Engineer系サービス。ただしRoseticは、これらがLLMを中心にコードや個別タスクを生成・実行するのに対し、業務要件からデータモデル、アーキテクチャ、API、コードまでシステム全体を管理・生成する点を差別化ポイントとしている。特に、長期間運用する企業システム、規制対応が必要なシステム、大規模な分散システムを主要な適用領域としている。
こちらの記事に対するお問い合わせやMTGの依頼などはこちらのアドレスからお気軽にご連絡ください。
info@tgvp.vcTGVPは米国を中心としたスタートアップ企業とTOPPANグループの連携を推進しております。