30人で$10K MRR。Lancerが「提案数」ではなく「会話が始まった数」で売る理由
Upwork向けAIエージェントの成長から考える、AI SaaSで「利用量」より顧客成果に近い指標を料金軸にする設計
30人で$10K MRR。Lancerが「提案数」ではなく「会話が始まった数」で売る理由
AIを使ったSaaSの料金は、作る側の都合で決めると「月1,000クレジット」「生成100回」「AIトークン○○件」のようになりがちです。
ただ、ユーザーが欲しいのは生成回数ではありません。営業ツールなら商談、採用ツールなら候補者、制作ツールなら完成物です。
Upwork向けAIエージェントのLancerは、このズレをかなり分かりやすく料金に反映しています。公式pricingページでは、他社がproposal数やjob scan数、AI token数で課金するのに対し、Lancerは「実際に相手との会話が始まった数」を軸にすると説明しています。
FounderのIvan Nedelkovski氏は、2026年7月29日のIndie Hackers取材で、ローンチ約2カ月後に30人の有料ユーザー、約300ドルのARPUで$10K MRRへ到達したと話しています。
このケースで見るべきなのは成長速度だけではありません。
AI SaaSは、どこまで顧客の成果に近いところで料金を取れるのか。
Lancerの料金設計は、この問いを考える材料になります。
「AIを動かした回数」は、ユーザーにとって成果ではない
LancerはUpwork上の求人を探し、条件に合う案件を絞り込み、提案文を作り、応募を自動化するサービスです。
もし提供者側の処理量だけを見るなら、検索した求人件数、生成したproposal数、AI処理回数などを課金軸にできます。実装上も計測しやすい指標です。
しかしユーザーからすると、100件応募して誰からも返事が来なければ、その100件に大きな価値はありません。
現在のLancerはproposal送信をUnlimitedとして扱いながら、Pay-Per-Leadでは「conversation started」、つまり相手から反応があり会話が始まった状態を価値の単位にしています。
料金設計を考えるとき、価値までの距離はこんな順番で考えられます。
AI token消費 → 生成 → 実行 → 相手の反応 → 商談 → 契約 → 売上
左に行くほど提供者が制御しやすく、右に行くほど顧客価値に近くなります。
ただし、売上そのものを課金対象にすると、営業担当者の能力や価格交渉などSaaS側では制御できない要素まで背負うことになります。
Lancerが置いた「会話が始まる」は、その中間です。単なるAI処理より成果に近い一方で、契約成立よりはプロダクト側で観測・改善しやすい。
現在の料金も「会話」を中心にしている
Lancerの現行pricingページでは、Pay-Per-Leadが月99ドルで、四半期15 leadsを含み、それを超えると1件19ドル。Unlimitedは月333ドルと案内されています。
料金自体は今後変わる可能性がありますが、重要なのは金額より構造です。
低ボリュームのユーザーは、成果が発生した分だけ追加負担する。高ボリュームのユーザーは定額へ移る。
公式ページでは、Pay-Per-LeadからUnlimitedへ90日以内にアップグレードする割合が33%とも表示されています。これはLancer自身の公表値なので第三者検証された数字ではありませんが、「まず成果ベースに近い入り口で試し、利用量が増えたら定額へ移す」という導線が明確です。
ここで面白いのは、安いプランを機能制限版にしていないことです。AI cover letterやproposal送信自体はUnlimitedとして提供し、料金差を成果量や支援内容へ寄せています。
AI SaaSでよくある「高いプランほどAI回数が増える」とは違う設計です。
成果課金に近づけるほど、セットアップ品質が重要になる
Founder interviewでは、UnlimitedプランにDone-For-You setupを入れた経緯も説明されています。
ユーザー自身で設定したcampaignは、Upwork上で強いprofileを持つ人でも成績が悪いことがあった。一方、Lancer側が設定すると結果が改善したため、最初は全員に支援していました。しかし運用負荷が大きくなり、最終的に高価格帯の専用機能へ移したといいます。
これはAI SaaSにとって重要な話です。
成果に近い指標で売るほど、「ユーザーが設定を間違えたから成果が出ませんでした」で済ませにくくなります。
プロダクトだけでなく、初期設定、テンプレート、推奨値、オンボーディングまで含めて成果のばらつきを小さくする必要があります。
AIエージェント型プロダクトでは、セットアップ支援そのものがARPUを上げる有料機能になる可能性があります。
最初の$10K MRRは、1人の紹介者から大きく伸びた
Lancerの初期Distributionも特徴的です。
Founderは自分のagency時代にUpworkを使い、そこで感じた反復作業を自動化するためにLancerの原型を作りました。友人に使ってもらったところ最初の週から顧客獲得につながり、その後Upwork coachとつながります。
Indie Hackers取材では、この1人のcoachがaffiliateになり、初期$10K MRRの大部分を生み出したと説明されています。
つまり最初から広告を広く回したわけではありません。
すでに理想顧客から信頼されている人を1人見つけた。
その後はUpwork coachやcontent creatorのaffiliateを増やし、無料サービスUpworkMRR、精密なcold outreach、LinkedIn contentなどへチャネルを増やしています。
これは初期Distributionとして強い一方、リスクもあります。最初の売上が1人のaffiliateに大きく依存すると、その関係が切れたときに成長が止まります。さらにLancerはUpworkという外部プラットフォームに依存するサービスでもあります。
初期は集中して突破し、手応えを得た後にチャネルを増やす。この順番が重要です。
最初のbeta userで「売れるか」ではなく「結果が出るか」を見た
Founderは2026年9月のLinkedIn投稿で、最初のbeta userだったNikola氏について、初週に66% open rate、22% reply rate、11% close rate、2件のprojectを獲得したと紹介しています。その翌週に有料ユーザーへ転換したともしています。
これらはFounder自身の公表値で、第三者監査された数字ではありません。ただ、初期検証の順番は参考になります。
「この機能が欲しいですか？」と聞くだけではなく、実際の理想顧客のアカウントで動かし、返信が来るか、案件につながるかを見る。
AIエージェントのように成果が実行環境へ依存するプロダクトでは、アンケートより実運用の方が強い検証になります。
個人開発で真似するなら、料金表より先に「価値の階段」を書く
Lancerの$99や$333という価格を真似しても意味はありません。
真似できるのは、課金対象を決める順序です。
まず、自分のプロダクトでユーザーがお金を払う最終理由を書きます。
次に、そこへ至るまでの行動を左から並べます。
たとえばコンテンツ生成ツールなら、
生成回数 → 公開本数 → 閲覧 → クリック → 問い合わせ → 売上
営業支援なら、
検索件数 → 候補抽出 → 送信 → 返信 → 商談 → 契約
その中から、プロダクト側が十分に影響でき、正確に計測でき、ユーザーも価値だと理解できる地点を探します。
そこが、利用量課金より一段強い料金軸になる可能性があります。
まとめ
Lancerは、ローンチ約2カ月で30 paying users、約$300 ARPU、$10K MRRに到達したとFounderが説明しています。
しかし、より参考になるのは料金の考え方です。
proposalを大量に送ったことではなく、会話が始まったことに価値を置く。成果が設定品質に左右されるなら、オンボーディング自体を商品にする。最初は強いaffiliateに集中し、手応えが出た後にDistributionを増やす。
AI SaaSでは、API原価をそのまま料金表へ写すのではなく、顧客が「使ってよかった」と感じる瞬間まで、課金軸をどこまで近づけられるかを考えた方がいい。
Lancerは、その設計をかなり明確に見せている事例です。