DevOpsチームなしでグローバル規模を実現する2つのスタートアップ
APAC の AI スタートアップが DevOps 人材不足という構造的課題に対し、Vercel などのプラットフォームを活用してインフラチームをゼロにすることでスケーリングを実現する新しい運用モデルの事例と背景を詳述している。
キーポイント
DevOps 不在によるスケーリング成功事例
Leonardo.AI と Relevance AI は、それぞれ毎日 450 万枚の画像処理や自律型エージェント実行を担う巨大なインフラを維持しながらも、専任の DevOps チームを持たずに事業を拡大している。
APAC の人材不足と資本流入のミスマッチ
オーストラリアやシンガポールには AI スタートアップへの巨額の投資が殺到する一方、高コストかつ希少な DevOps 人材の確保が困難であり、これがスタートアップのランウェイを圧迫している。
プラットフォーム依存による運用効率化
両社は Vercel の REST API や v0 などのツールを活用し、インフラ構築やデプロイを自動化することで、エンジニアを製品開発に集中させ、組織の重りを軽くしている。
インフラ管理から製品開発へのリソースシフト
Vercelの導入により、エンジニアはインフラの構築や維持管理から解放され、専ら独自モデルの開発と改善に集中できるようになりました。
DevOpsチーム不要なグローバルスケールの実現
両社とも専用オペレーションチームを持たず、プラットフォームが自動でプロビジョニング、スケーリング、観測性を処理することで、数百万ユーザー規模での継続的なリリースを可能にしています。
AIネイティブスタートアップの成功モデル
急速な成長とリソースの制約の中で勝つのは、最大のオペレーションチームを持つ企業ではなく、製品構築に時間を費やした企業となっています。
影響分析・編集コメントを表示
影響分析
この記事は、AI スタートアップ業界における「インフラ運用の民主化」がもはやトレンドではなく生存戦略であることを示唆しています。DevOps 人材の深刻な不足を背景に、プラットフォーム依存型の開発モデルが標準化されることで、スタートアップの資金効率とスピードが劇的に向上する未来像を描いています。
編集コメント
DevOps チームを置かずに大規模 AI サービスを運用する事例は、インフラ管理の負担を軽減し製品開発にリソースを集中させるための重要な示唆を含んでいます。特に人材不足が深刻化する APAC 地域において、この「プラットフォーム依存」モデルは今後のスタートアップ成長の鍵となるでしょう。
Leonardo.AIは世界中の都市で毎日450万枚以上の画像を処理し、Relevance AIのエージェントはタイムゾーンを超えて自律的に動作し、Salesforce、HubSpot、Slack、その他数十のシステムに途切れることなくアクセスしています。どちらの企業も専任のDevOpsチームを置いていません。
これは見落としではなく、意図的な運用モデルです。
APACのスタートアップエコシステムは、このモデルが定着しつつある理由を如実に示しています。この地域ではAIネイティブのスタートアップが急増しており、『オーストラリアのスタートアップ資金調達状況報告書』によれば、オーストラリアだけでも1,000社以上が活動中です。一方、シンガポールでは昨年設立された新規スタートアップの約3分の1がAIを焦点としていました。
スタートアップは資金は調達できるが、DevOps人材は見つからない
AI分野には数十億ドル規模のベンチャーキャピタルがAPACに流入しています。オーストラリアだけでも、2025年にAIネイティブのスタートアップへ10億ドル以上が投資されました。シンガポールは84億ドルを集め、地域全体の75％を占めています。
資金はあります。しかし、インフラの専門人材はいません。オーストラリアでDevOpsエンジニアを1人採用するコストは15万ドル以上、採用までに数ヶ月を要し、見つけられる場合に限られます。IDCの調査によると、APAC地域の組織の60〜80％がIT人材の確保に苦労していると報告しています。
従業員15名のスタートアップにとって、この計算は（資金の）滑走路を3ヶ月短縮することを意味します。ツール類、オンコール対応の負荷、そして製品開発からエンジニアを引き離す機会費用を考慮すると、真のコストは人件費をはるかに超えます。だからこそ、企業はよりリーンな状態を保ちながら製品リリースを加速できるインフラへと展開するケースが増えているのです。
2つのオーストラリアのスタートアップは、より早く採用することでこの問題を解決したのではありません。そもそも採用する必要をなくすことで解決したのです。
Relevance AI
50,000のエージェント、インフラチームはゼロ
シドニーに本拠を置くRelevance AIは、セールスおよびマーケティングチームが既存のツール上でAIエージェントを実行できるプラットフォームを構築しています。同社のエージェントはSalesforce、HubSpot、Slackなどのシステムを自律的に駆動し、リード選別、カスタマーサポート、アウトバウンドワークフローを処理します。
同社の製品の特徴は、エージェントの幅広い能力にあります。ワークフロー自動化に留まらず、Relevance AIは（ランディングページなどの）Web体験を構築し、テストし、本番環境へプッシュすることも、一切の人的介入なしに行えます。このプロセスは驚くほどシンプルで、各ステップでVercelのREST APIを利用しているのです。
v0 Power Hourのイベントでは、Relevance AIのScott Hendersonがv0上で同様のエージェントを構築し、数回クリックするだけでグローバルにデプロイしました。
Leonardo.AI
1日450万枚の画像、手動プロビジョニングはゼロ
Leonardo.AIは、ゲーム開発者がAIでカスタムビジュアルアセットを生成するツールとして始まりました。その後、アーティスト、マーケター、クリエイティブプロフェッショナル向けにサービスを急速に拡大。現在このプラットフォームは、毎日450万枚以上の画像を処理しています。
同社の急成長は、初期のインフラの限界をすぐに超えました。2023年初頭、Leonardo.AIは10万人以上の登録者と、さらに20万人のウェイティングリストを抱えていました。アプリのビルド時間は常時10分以上、適切にキャッシュされていないページの読み込みには60秒かかり、障害も頻発。エンジニアリングチームはメディア出力の改善ではなく、インフラ管理に時間を奪われていました。
指標
Vercel導入前
Vercel導入後
ビルド時間
10分以上
2分
ページ読み込み時間
60秒（キャッシュなし）
約3秒
製品ローンチサイクル
数ヶ月
2週間
これらの数字が示すのは、単なる速度向上以上のものです。それは、インフラ管理から完全に解放されたチームの姿です。Vercelがプロビジョニング、スケーリング、オブザーバビリティを自動的に処理するため、以前はインフラの構築と監視に追われていたエンジニアは、今では自社の独自モデルの改良に時間を注げています。
Vercel ObservabilityがFluid Computeのパフォーマンスをリアルタイムで可視化することで、ユーザーが気づく前に問題を捕捉。高トラフィック時でも、一切の手動介入なしにグローバルなスケールが自動的に実現します。
勝利を収める運用モデル
Leonardo.AIとRelevance AIに共通するのは、業界や製品ではなく、その運用モデルです。両社とも、専任のインフラチームを置かずに、グローバル規模で運営し、数百万人のユーザーにサービスを提供し、継続的にリリースを重ねています。プラットフォームがそのレイヤーを処理するため、エンジニアはその必要がないのです。
これはAIネイティブのスタートアップにとって、標準となりつつあります。こうした企業が急速に成長し、リーンな体制を維持する中で、勝ち残るのは最大の運用チームを持つ企業ではなく、製品そのものの構築に時間を費やした企業となるでしょう。
続きを読む
原文を表示
Leonardo.AI processes more than 4.5 million images every day across cities worldwide, and Relevance AI's agents run autonomously across time zones, touching Salesforce, HubSpot, Slack, and dozens of other systems without pause. Neither company has a dedicated DevOps team.
That's not an oversight. It's an operational model.
The startup ecosystem in APAC is a clear example of why this model is taking hold. AI-native startups are surging across the region: over 1,000 are building in Australia alone, according to the State of Australian Startup Funding Report. Meanwhile, nearly a third of Singapore's new startups last year were focused on AI.
Startups can find capital, but not DevOps talent
Billions in AI venture capital are flowing into APAC. In Australia alone, more than $1 billion was invested in AI-native startups in 2025. Singapore attracted $8.4 billion, accounting for 75% of the region's total.
The money is there. The infrastructure talent is not. A single DevOps engineer in Australia costs $150K+, takes months to close, and that's only if you can find one. Sixty to 80 percent of APAC organizations report difficulty filling IT roles, according to IDC.
For a 15-person startup, that math means shortening the runway by three months. Factor in tooling, on-call overhead, and the opportunity cost of pulling engineers off product work, and the true cost extends well beyond the salary line. That's why companies are increasingly deploying on infrastructure that keeps them lean and accelerates their ability to ship.
Two Australian startups didn't solve this problem by hiring faster; they solved it by not needing to hire at all.
Relevance AI
50,000 agents, zero infrastructure team
Relevance AI, based in Sydney, builds a platform that lets sales and marketing teams run AI agents across their existing tools. Their agents run autonomously across systems like Salesforce, HubSpot, and Slack, handling lead qualification, customer support, and outbound workflows.
What makes their product distinct is the broad capabilities of their agents. Beyond workflow automation, Relevance AI can craft a web experience (like a landing page), test it, and push it to production, all without human intervention. The process is surprisingly simple: they use the Vercel REST API for each step.
During a v0 Power Hour, Scott Henderson from Relevance AI built a similar agent in v0 and deployed it globally with a few clicks.
Leonardo.AI
4.5 million images a day, zero manual provisioning
Leonardo.AI started as a tool for game developers to generate custom visual assets with AI. It expanded quickly to serve artists, marketers, and creative professionals. The platform now processes more than 4.5 million images every day.
Their early growth quickly exceeded the limits of their original infrastructure. In early 2023, Leonardo.AI had over 100,000 sign-ups and 200,000 more on the waitlist. App build times regularly exceeded 10 minutes. Pages that weren't properly cached took 60 seconds to load. Outages were common, and the engineering team spent cycles managing infrastructure rather than improving media output.
Metric
Before Vercel
After Vercel
Build times
10+ minutes
2 minutes
Page load times
60 seconds (uncached)
~3 seconds
Product launch cycle
Months
2 weeks
Those numbers represent more than speed. They represent a team that stopped managing infrastructure entirely. Vercel handles provisioning, scaling, and observability automatically, so the engineers who used to build and babysit infrastructure now spend their time iterating on proprietary models.
With Vercel Observability providing real-time visibility into Fluid compute performance, issues get caught before users notice them. Global scale happens automatically, even during high-traffic periods, without a single manual intervention.
The operational model that wins
What Leonardo.AI and Relevance AI have in common isn't their industry or their product; it's their operating model. Both companies run at a global scale, serve millions of users, and ship continuously, all without dedicated infrastructure teams. The platform handles that layer, so their engineers don't have to.
This is becoming the default for AI-native startups. As these companies grow faster and continue to hire lean, the ones that win won't be the ones with the biggest ops teams. They'll be the ones who spent their time building a product instead.
Read more
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み