Ramp が適用型 AI ソリューション「Applied AI Solutions」を発表
Ramp は、AI トークン支出が急増する一方で実効性が示せていない企業課題に対し、自社の財務知能システムを基盤とした「Applied AI Solutions」を発表し、ツールと業務成果のギャップ解消を目指す。
キーポイント
AI 投資対効果の乖離
Ramp の顧客データによると、2025 年 1 月以来 AI トークン支出が 13 倍に増加している一方、CFO の 87% が重要視するも成果を報告できるのはわずか 21% に留まっている。
社内財務知能の成功事例
Ramp 自社の財務チームは、GL 勘定を意味層に変換しポリシーと接続する「Finance Intelligence」により、高度な判断業務を AI エージェントに委譲し、人件費を大幅に削減している。
文脈の欠如という課題
多くの企業で財務コンテキストが取得履歴や属人的ルールに散在しており、単なるデータ整理ではなく「事業内部からの理解」が必要とされている。
影響分析・編集コメントを表示
影響分析
この記事は、企業が AI に巨額の投資を行っても「実装の壁」によって成果が出ないという普遍的な課題を浮き彫りにしており、単なるツール導入から業務プロセスそのものの再構築（Applied AI）への転換が不可欠であることを示唆しています。Ramp が自社の成功事例を製品化することで、AI 支出の透明性と ROI 確保のための新たなベンチマークを提供する可能性があります。
編集コメント
AI 支出が爆発的に増加する中、単なるツール導入ではなく「業務文脈の理解」をどう AI に埋め込むかが成否の分かれ目となる本質的な洞察です。Ramp のような決済・財務プラットフォーム企業が、自社の内部最適化事例を外部製品として公開するのは、業界全体の成熟度を示す重要なサインと言えます。
企業内の AI 支出は加速しています。Ramp の 70,000 社以上の顧客全体において、AI トークンへの支出は 2025 年 1 月以来 13 倍に増加 しました。CFO の 87% が AI を重要と述べている一方で、測定可能な成果をもたらしたと報告しているのはわずか 21% に過ぎません¹。大企業にとって、これはもはや実験の段階ではありません。AI トークンは主要な経費となり、リターンを示すための圧力が高まっています。
先行している企業は、単により多く支出しているだけではありません。ツールと運用上のインパクトの間のギャップを埋めるために、AI を展開する方法そのものを根本的に変えています。それが私たちが Applied AI Solutions を構築した目的です。
ここに至るまでの経緯
Ramp 自身の財務チームは、本番環境における AI エージェントに高度に依存しています。現在「Finance Intelligence（財務インテリジェンス）」と呼んでいるものは、Ramp の運用方法に対応するセマンティックレイヤーです：会計勘定を運用上の意味に変換し、ポリシーをそのソースと接続し、財務リーダーが重要な決断を下すために今や頼りにしているレポートロジックを提供しています。
このレイヤーは、資本計画、差異分析、取締役会報告、財務クローズを処理するエージェントを動かします。これらは以前には、シニア財務担当者の判断と、複数のシステムにわたる手動照合が必要だった業務です。その結果、当社の規模と複雑さレベルで運営している企業で予想される人員数のごく一部で、財務チームは回っています。
顧客との対話でも同様の課題を聞きました。あらゆる財務組織において最も重要な文脈が、一度に一つの場所に統合されたことはありませんでした。買収を通じて継承された勘定科目一覧、最後の再編成後に誰も更新しなかった承認閾値、あるいは二人の頭の中にしか存在しない 2021 年のベンダーコーディングルールなどです。それは人々の中にあり、例外ログの中にあり、静かにポリシー化されていったメールスレッドの中にありました。これを解決するには、単にデータをきれいにすることだけでは不十分です。内部からビジネスを理解する必要があります。
私たちが社内で構築したものと、顧客が求めていたものが同じ結論を指していたため、Ramp の Applied AI Solutions チームを立ち上げました。それ以来、AI ラボも同様の方向に進み、テンプレート、コネクタ、パートナーエコシステムへの実装に巨額の投資を行ってきました。この変化は驚きではありません。ボトルネックはモデルではなく、データとビジネスの文脈をエージェントが読み取り可能にするために必要な、地道な事前作業でした。
Applied AI Solutions とは
Ramp のエンジニアが貴社の財務チームに常駐し、Ramp プラットフォーム上にカスタムソリューションを構築します。当チームは本番環境レベルのインフラ上でこれらのソリューションを展開し、組織全体での持続的な導入を推進するためのコード化されたベストプラクティスを提供します。年間 2,000 億ドル以上を 7 万社以上の企業で処理する中で、財務プロセスが常にどこで破綻するか、月末処理がどこで停滞するか、そして真のレバレッジ（効果）がどこに隠れているかを理解してきました。このドメインにおける専門知識がすべてのエンゲージメントの基盤となっています：
- チームと構造化された調査プロセスを実行し、運用状況、システム、課題、および期待される成果を理解します。
- データが存在するあらゆる場所を接続します：ERP システム、データウェアハウス、クラウドストレージ、紙ベースのワークフローなどです。
- 貴社のビジネスが実際にどのように運営されているかを意味的に記述する「Finance Intelligence Layer（財務インテリジェンスレイヤー）」を作成します。断片化されたデータは、整理されたオブジェクトと特性のセットへと変換されます。
- ビジネス KPI に紐づくエージェント型ワークフローを構築・展開し、ビジネスの既存エコシステムへの読み書きを行います。
Ramp はモデルに依存しません（model-agnostic）。私たちは財務タスクに対して継続的にモデルをベンチマークし、パフォーマンス、コスト、および大規模運用で成功した実績に基づいて、各本番ワークフローを最適なモデルへルーティングします。特定のモデルやプロバイダーにロックされることはなく、最先端の技術が進展するにつれて、貴社のために展開するソリューションもそれに応じて進化していきます。
私たちの目標は、常にアジリティ（俊敏性）を維持することです。一つのワークフローを選び、深く掘り下げて、数週間で本番環境で動作するものをリリースします。チームが私たちが共に構築したもののオーナーシップを引き継ぎ、その最初のデプロイがその後のすべての基盤となります。
最終的な成果物は企業によって異なります。AI ネイティブなインターフェースを望むチームもあれば、すでに使用しているツール内でエージェントを実行したいと考えるチームもあります。また、引き渡し後に完全なオーナーシップを持ちたいチームもあれば、システムが成長する過程で私たちが近くにいることを望むチームもあります。私たちはどちらのケースにも対応して設計されています。
もっと詳しく知りたいですか？
Ramp はこの能力を自社のために何年もかけて構築してきました。Applied AI Solutions は、その能力をお客様にお届けする方法です。組織内で AI を活用して成果にどう影響を与えるかについて、一緒に議論しましょう。
Ramp はあらゆる規模の企業が情報に基づいた意思決定を行えるよう支援することに専念しています。私たちは厳格な 編集ガイドライン に従い、コンテンツが高基準を満たし維持されることを保証しています。
原文を表示
AI spend within firms is accelerating. Across Ramp’s 70,000+ customers, AI token spend has increased 13x since January 2025. While 87% of CFOs say AI is critical, only 21% report it has delivered measurable results¹. For large enterprises, this is no longer an experiment. AI tokens have become a major expense, and the pressure to show returns is mounting.
The companies that are pulling ahead are not just spending more. They’re fundamentally changing the way they deploy AI to close the gap between tools and operational impact. That's what we built Applied AI Solutions to do.
How we got here
Ramp’s own finance team is highly reliant on AI agents in production. What we now call “Finance Intelligence” is a semantic layer mapped to how Ramp operates: GL accounts translated into operational meaning, policies connected to their sources, and reporting logic that our finance leaders now rely on to make high-stakes calls.
That layer powers agents that handle capital planning, variance analysis, board reporting, and financial close: work that previously required senior finance judgment and manual reconciliation across multiple systems. As a result, our finance team runs with a fraction of the headcount you'd expect for a company operating at our level of scale and complexity.
We heard the same issues when talking to our customers. The most important context in every finance org was never unified in one place. A chart of accounts inherited through acquisitions, approval thresholds no one updated after the last reorganization, or vendor coding rules from 2021 that lived in two people's heads. It was in the people, the exception logs, the email thread that quietly became policy. Solving that requires more than clean data. It requires understanding the business from the inside.
What we built internally and what customers were asking for pointed to the same conclusion, which is why we started Ramp’s Applied AI Solutions team. Since then, we’ve watched the AI labs arrive at the same place, investing heavily in implementation: templates, connectors, partner ecosystems. That shift isn’t a surprise. The bottleneck was never the model but the painstaking upfront work that has to happen to make data and business context legible to agents.
What Applied AI Solutions is
Ramp engineers embed inside your finance team to build bespoke solutions on top of the Ramp platform. Our team deploys these solutions on production-grade infrastructure and brings codified best practices to drive lasting adoption across your organization. Processing $200B+ annually across 70,000+ businesses, we’ve seen where finance consistently breaks, where month-end stalls, and where the real leverage hides. That domain expertise shapes every engagement:
- We run a structured discovery process with teams to understand operations, systems, pain points, and desired outcomes.
- We connect data wherever it lives: ERPs, data warehouses, cloud storage, paper-based workflows, and more.
- We create the Finance Intelligence Layer that semantically describes how your business actually runs. Fragmented data becomes a set of organized objects and characteristics.
- We build and deploy agentic workflows tied to your business KPIs, reading and writing into the business’s existing ecosystem.
Ramp is model-agnostic. We continuously benchmark models against real finance tasks, routing each production workflow to the best one based on performance, cost, and what we’ve seen work at scale. You’re never locked into a single model or provider, and as the frontier moves, what we deploy on your behalf moves with it.
Our aim is to always stay agile: we pick one workflow, go deep, and ship something that runs in production in weeks. Your team takes ownership of what we built together, and that first deployment becomes the foundation for everything that follows.
The end result looks different for every company. Some teams want an AI-native interface; others want agents running inside the tools they already use. Some teams want full ownership after handoff, others want us close as the system grows: we’re built for both.
Want to learn more?
Ramp spent years building that capability for itself. Applied AI Solutions is how we bring it to you. Let’s talk about how to move the needle with AI in your org.
Ramp is dedicated to helping businesses of all sizes make informed decisions. We adhere to strict
to ensure that our content meets and maintains our high standards.
関連記事
Vercel Connect：エージェントが外部サービスに安全にアクセスするための新機能
Vercel は、環境に長期シークレットを保存せず、スコープ限定の短期トークンをランタイムで取得する「Vercel Connect」を発表した。これにより、Slack や GitHub などの外部サービスへのエージェントからのアクセスが安全になる。
カスタムエージェントハネスの構築方法
LangChain は、タスクに適切なコンテキストやデータ、環境を接続することで有用なエージェントを構築するにはカスタマイズが重要であると説明し、モデルがツールを呼び出してループ処理を行うエージェントの核心について解説している。
Anthropic が Claude を活用したセルフサービスデータ分析を可能にする方法
Anthropic は、自社の AI モデル「Claude」を活用することで、技術者以外のユーザーもデータ分析を自己完結で実行できる仕組みを提供している。これにより、組織内のデータ活用が加速する。
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