AI生成物を見比べるDesign Arenaを運営するIntelligenceが、790万ドルのシード資金を調達した。利用者は複数モデルの出力から好みの案を選び、引き換えに優れた生成結果を得る。その選択の蓄積を、モデル企業が評価や改善に使うデータとして販売するのが同社の事業だ。Index Venturesによると、年間経常収益（ARR）は6カ月で500万ドルから6000万ドルへ増えた。正解を自動採点しにくいデザイン分野で、人間の「好み」を継続的に集める仕組みを事業の中心に置いている。
790万ドル調達と、6カ月で12倍になったARR
Index Venturesは2026年8月3日、Intelligenceの790万ドルのシードラウンドへの参加を公表した。TechCrunchによると同社がラウンドを主導し、Conviction、A*、Valkyrieなども出資した。共同創業者はGrace Li氏とKamryn Ohly氏で、2025年にはHarvard Universityのコンピューター科学専攻の学生だった。
出発点は、2人がハッカソンで作ったAIゲームエンジンである。モデルは動くゲームを生成できたが、見た目や遊び心には人がすぐ気づく違和感が残った。そこで同じ指示への生成結果を並べ、利用者に好みを選んでもらう実験を作った。友人がRedditに投稿すると一晩で数千人が訪れ、利用者はベンチマークを見るより、複数モデルを横断して良い出力を得る道具として使い始めたという。
Index Venturesの投資発表は、Design Arenaが550万人に利用され、ARRを6カ月で500万ドルから6000万ドルへ伸ばし、10人のチームで黒字化していると説明する。ARRは現在の継続収入を1年分に換算する指標であり、すでに6000万ドルを売り上げたという意味ではない。顧客数や契約期間、売上の集中度は開示されていない。それでも、消費者向けの無料サービスが短期間で企業向け収益につながったという数字は、このラウンドで最も目を引く材料だ。
同社の説明通りなら、ARRは半年で12倍になった計算になる。Intelligenceはすでにデザインの外へも対象を広げている。Prediction Arenaでは、AIモデルに実際の資金を使って予測市場で取引させ、現実の出来事を予測できるかを試す。評価対象を実利用の中へ置くという発想は、Design Arenaと共通する。
無料の「A対B」が企業向けデータに変わる
Design Arenaでは、利用者がプロンプトと生成物の種類を選ぶと、4つのモデルが同じ指示へ回答する。モデル名を隠したまま2案ずつ見せ、勝者同士と敗者同士の比較、最後の順位決定まで計5票を集める。各票は同じ重みで勝率とBradley-Terryモデルの計算に入り、4モデルの順位が決まる。ブランド名を伏せるため、知名度による先入観を抑えながら出力そのものを比べられる。
利用者が得るのは、ウェブサイトや画像、動画、ゲームなどを一つの画面から複数モデルへ作らせ、良い案を選べる体験だ。モデルを評価するためだけに投票する必要はない。欲しい成果物を探す行為が、そのまま比較データを生む。この設計により、Intelligenceは評価用に用意した固定問題ではなく、現実の用途、指示、選択結果を連続して集められる。
同じプロンプトを与えるため、比較は表示された出力への選好に絞られる。半面、この順位は価格や応答時間に加え、データ保持と安全性まで含む総合的な調達評価ではない。企業が順位をモデル選定へ使うなら、自社の用途に必要な条件を別に確かめる必要がある。
企業側は、その流れに自社モデルを参加させ、利用者が実際に何を選んだかを改善材料にできる。TechCrunchの取材に対しLi氏は、立ち上げ直後に大手AI研究所との最初の契約が決まったと説明した。Index VenturesはGoogleがGemini 3の公開前テストに使ったとしている。OpenAIやThinking Machines Lab、xAI、Metaも評価に利用したという。事業モデル上は、無料利用者が増えるほど比較対象とプロンプトを増やせる。Intelligenceはそのシグナルを企業へ販売し、6000万ドルARRに達したと説明するが、両者の因果を判断できる顧客数や契約構成は開示していない。
一つの首位より、地域・用途ごとの好み
人間の票を集めても、全員に共通する「最高のモデル」が自動的に決まるわけではない。University of Chicagoの研究者が2026年4月に発表した論文は、Chatbot Arenaの利用者1万3383人のうち、25回以上比較した115人を分析した。Bradley-Terry方式で作った個人別順位と全体順位のSpearman相関は平均0.043にとどまり、57%の利用者では0.1未満だった。ELO方式でも平均は0.432で、個人の選択と集約順位には大きな幅があった。
この研究が扱ったのはテキスト応答であり、Design Arenaの順位を直接検証したものではない。ただし、同じ一対比較と集約ランキングを使うサービスにとって、利用者の違いを平均値へ畳み込む問題は無視できない。デザインなら、目的と利用地域、業界により、評価される配色や情報量、レイアウトが変わる。全体首位を示すだけでは、特定の顧客が欲しい答えを外すことがある。
Li氏はTechCrunchに対し、ログイン情報を基に大陸別や時系列で嗜好の変化を追えると説明している。集約ランキングの弱点は、企業向け事業では別の価値に変わり得る。どのモデルが総合首位かではなく、どの用途の誰が、どの出力を選ぶかまで分けられれば、モデル企業は改善対象を具体化できるからだ。Intelligenceが蓄積するデータの価値は、票数の多さと同時に、この切り分けを再現できるかで決まる。
成長と引き換えに増すデータ責任
Design Arenaが2026年6月7日に更新したプライバシー通知は、プロンプトなどの入力、生成された出力・画像・動画をAI技術提供者と共有する場合があると記している。提供先は評価とベンチマーク、モデルの改善・開発に使い、学習へ利用する場合もある。Design Arenaは共有前にユーザー名やメールアドレスなどを除く措置を取るが、利用者がプロンプトや画像に書き込んだ個人情報までは取り除けない場合がある。
つまり、便利なモデル比較画面と企業向けデータ収集は同じ操作から生まれる。利用者が機密情報や第三者の個人情報を入力すれば、その内容がモデル提供者へ渡る可能性がある。無料で複数モデルを試せる利便性を保つには、共有範囲を分かりやすく示し、利用者が送ってよい情報を判断できる状態が欠かせない。
評価の代表性にも限界がある。Design Arenaは全票を同じ重みで扱い、フィルタリングや編集調整をしない。メインのグラフから比較50件未満のモデルを外し、通常は200件前後に達するまで暫定値と表示するが、投票者の地域や用途が偏れば順位もその構成を反映する。票数の増加と、企業が必要とする利用者層を十分に含むことは別の条件である。
IntelligenceはPrediction Arenaまで評価対象を広げたが、790万ドルの使途は公開していない。一方で、6000万ドルARRの顧客構成、更新率、解約率もまだ分からない。人間の好みをモデル改善へ戻す事業が長く続くかは、契約更新の数字と、地域・用途を分けても評価結果が安定するかによって確かめられる。
