1. Startup Fact Sheet
- 企業名（HP URL）: OpenSnow（https://opensnow.com）
- 本社所在地 / 創業年: コロラド州拠点の完全リモートチーム / 2011年
- Founder: 公式FAQでは Joel Gratz と Andrew Murray を創業者と記載。Bryan Allegretto は公式には Partner 表記ですが、有力な二次情報では立ち上げ初期の中心人物として描かれています
- 資金調達ステージ・累計額: 外部エクイティ調達は未確認。CEO インタビューでは、借入・エクイティ調達なしの顧客資金ベース運営と説明
- 年間収益: 未確認
- ユーザー数: 公式には `millions of outdoor enthusiasts` 規模。二次情報では `50万人規模の熱狂的コミュニティ` とも表現されています
- 主要プロダクト: スキーヤー・アウトドア愛好家向けの山岳気象予報サービス。PEAKS、PEAKS Snow、PEAKS Avy、AI Overview などを展開
- 収益モデル: 年額サブスクリプション。Base Individual $49.99 / Base Family $89.99 / Premium Individual $99.99 / Premium Family $179.99
2. Founder Story & Founder-Market Fit
OpenSnow の起源は、山の天気を汎用予報では読み切れないという、創業者自身の切実な不満にあります。
OpenSnow の創業メンバー表記にはソース差があります。公式FAQでは Joel Gratz と Andrew Murray が 2011年に OpenSnow を作ったとされる一方、MIT Technology Review Japan では Joel Gratz と Bryan Allegretto が事業立ち上げの中心として描かれています。したがって、Bryan Allegretto も創業初期の事業形成に深く関わった中核人物として捉えるのが自然です。
Bryan Allegretto は公式ニュース記事では OpenSnow の Partner として紹介され、MIT Technology Review Japan では Joel Gratz と並ぶ立ち上げの当事者として描かれています。このズレ自体が、OpenSnow が単なる法人登記上の創業者だけでなく、予報コミュニティを育てた実務側の中心人物によって伸びた事業であることを示しています。
一方の Andrew Murray は、OpenSnow の公式記事では `Technical Founder & Meteorologist` と表記されており、Joel Gratz のインタビューでも「共同創業者であり、主要なWeb開発者」と説明されています。つまり OpenSnow は、表に立つ予報やコミュニティ形成の軸だけでなく、技術基盤を作る共同創業者が初期からいたことで、単なる個人メディアで終わらず、プロダクトとして伸びたと考えてよいと思います。
Founder-Market Fit が強いと感じる理由は、主に3つあります。
1. 自分自身がユーザー: Joel Gratz も Bryan Allegretto も、深い雪を追いかける当事者として「本当に役に立つ予報」が何かを身体で知っていました。 2. ドメイン専門性: 気象学の学位と、山岳環境での実際の観察経験を組み合わせた独自の知見がありました。 3. コミュニティへの根ざし: 地元スキー愛好家のコミュニティに属しており、信頼関係がすでにありました。
3. この事業をもう少し深く見る
#### 1. 何が課題で、どう解いたか
課題の本質：汎用モデルは「山」を理解していない
Weather.com や AccuWeather のような大手気象サービスは、10〜25km四方のグリッド単位でデータを処理します。しかし山岳地形では、谷の向き、標高差、地形による風の収束といった要素によって、数百メートルの違いで降雪量が大きく変わります。つまり、同じスキー場の中でも「どの斜面やどのコース周辺に、より良い雪がつきやすいか」という判断は、汎用モデルでは原理的に難しいのです。
スキーヤーにとって予報の失敗は深刻です。飛行機、宿、リフト券を合わせると数十万円規模のコストがかかるスキー旅行で「外れ予報」をつかまされることは、単なる不便ではなく、金銭的損失にもつながります。
OpenSnow の解法：専門知識をAIに内包させた「山の物理学」
2025年12月から本格展開された独自AIモデル PEAKS は、この問題を技術的に解決する試みです。
- 解像度: 通常の 10〜25km 級モデルを、3km 級の高解像度予報へ変換
- 考え方: 過去の嵐から学び、通常の気象モデルを山岳地形に合わせて補正する
- 精度改善: 公式説明では、降水 +42%、気温 +82%、風速 +72% の改善
OpenSnow の予報は、まず PEAKS が各地点・各標高帯の予報データを作り、そのうえで各地域の専門予報士が `Daily Snow` で「今回の嵐ではどの斜面が有利か」「どの標高帯で雪質が保たれやすいか」といった実務的な読み解きを加える構造になっています。
ユーザーから見ると、雪量や気温、風、雪線などの予報データがまずあり、その上に地域予報士のコメントが重なる二層構造です。つまり、AI が出した予報値だけを見ることもできますし、それをどう解釈すべきかという人のコメントも併せて見ることができます。アプリ上の予報そのものを毎回人が全面的に上書きしているというより、AI が広く細かい予報を出し、人がそれを滑り手の意思決定に使える形へ翻訳している、と理解すると分かりやすいと思います。
さらに重要なのは、この人の解釈がモデル改善の外側に置かれていないことです。PEAKS の公式説明では、2024-2025 シーズンに社内予報士が試験版を使い、そのフィードバックでモデルを磨いたとされています。つまり OpenSnow は、`モデルが予報を出す → 予報士が地域文脈で解釈する → その知見が後からモデル改善に戻る` という二層の学習ループを持っています。ここが、単なる予報APIの再包装ではない OpenSnow の価値です。
この構造を支える人員の質も見逃せません。公式には OpenSnow 全体で `11-person team` とされる一方、`Daily Snow` には Joel Gratz、Bryan Allegretto、Sam Collentine、Alan Smith、Zach Butler、Sean O'Neil など複数の実名予報士が地域別に並んでいます。
正確な専任予報士数は公開されていませんが、少なくとも少数のコアチームだけでなく、地域ごとの専門家ネットワークを組んで運営していると考えるのが自然です。結局のところ、この仕組みの品質は「モデルの性能」だけでなく、「誰が読み解くか」「その読み手をどれだけ維持できるか」に大きく依存します。
#### 2. 収益モデルの作り方
OpenSnow のビジネスモデルは、4段階で進化してきました。
- 趣味・無料メール期（2007〜2011年）: まずは完全無料で配信し、雪を追う人たちの信頼を積み上げた。
- 広告モデル期（2011〜2013年）: 事業化の初期段階では、広告収益で収益化の実験を始めた。
- フリーミアム期（2013〜2021年ごろ）: 基本無料を保ちつつ、一部機能を低価格で課金し、課金習慣を育てた。
- サブスクリプション集中期（2021年〜現在）: 年額課金を中心に据え、ユーザーとの利益をそろえる方向へ寄せた。
現在の価格体系は Base Individual $49.99 / Base Family $89.99 / Premium Individual $99.99 / Premium Family $179.99 の4プランです。価格は高額ではない一方、年額課金なので、季節ごとの再訪がそのまま継続率に効きやすい構造になっています。
さらに Family プランを用意することで、個人の趣味アプリにとどまらず、家族や友人単位で継続しやすい設計にしています。
季節性リスクの克服も重要な論点です。 冬季偏重のサービスは、どうしても利用頻度が季節に左右されます。OpenSnow が山岳アクティビティ全般へ用途を広げているのは、単発課金ではなく年額課金を成立させるうえで理にかなっています。
#### 3. データ戦略と競争優位の土台
OpenSnow の競合優位性（Moat）は、3層構造で説明できます。
第1層：専門技術の深さ PEAKS モデルに組み込まれた「山岳気象のドメイン知識」は、汎用的なAIモデルでは到達しにくい領域にあります。これは単なるデータ量の問題ではなく、「山の物理学を理解した人間が設計した特徴量」による部分が大きいと考えられます。
第2層：コミュニティと信頼 37人のメーリングリストから始まり、後に 50万人規模の熱量あるコミュニティと表現されるまで広がった点は、単なる配信規模ではなく、「予報を信じて行動を決める」関係が積み上がってきたことを示しています。スキーヤーにとって OpenSnow は、当たるか外れるかで旅行体験が変わる判断材料であり、信頼そのものが資産になります。
第3層：Human-in-the-Loop の非スケーラビリティ 地域担当予報士による手書き解説は、大手企業が ROI の観点から「やらない」選択をしやすい領域です。OpenSnow はここに投資し続けることで、アルゴリズムだけの競合が模倣しにくい差別化を維持しています。
#### 4. 競合と比べた強み
- ターゲットの違い: Weather.com や AccuWeather が万人向けなのに対し、OpenSnow はスキーヤーや登山者のような山の利用者に深く寄せている。
- 予報の細かさ: 汎用サービスが 10〜25km 級の粗い単位で見るのに対し、OpenSnow は PEAKS により 3km 級まで解像度を上げている。
- ローカル知見の有無: 汎用サービスには地域専任の解説者が前面に出ないが、OpenSnow には地域予報士の `Daily Snow` がある。
- 季節性への対処: 冬の降雪予報だけに閉じず、山岳アクティビティ全体へ用途を広げることで、年額課金を維持しやすい構造を作っている。
- 収益モデルの違い: 汎用サービスが広告中心なのに対し、OpenSnow はサブスクリプション中心へ寄せている。
- 利益の向き先: 広告モデルでは広告主との整合が強くなりやすい一方、OpenSnow は有料会員に価値を返す設計を取りやすい。
4. この事例から学べる5つのこと
OpenSnow のストーリーから、ニッチ特化の専門サブスクリプションを立ち上げるうえでの、より一般的な事業原則を抽出してみます。医療AIへの具体的な転用は、次のセクションで改めて整理します。
#### 1. 「個人の痛み」が最初の出発点になる Joel が「パウダーを逃した悔しさ」から動き始めたように、自分自身が強く感じた問題は、市場調査以前の PMF の手がかりになります。特にニッチ市場では、創業者がそのコミュニティに属していること自体が競争優位になり得ます。
#### 2. 小さく始めて、深く刺さるところまで磨く OpenSnow は 37人の小さなリストから出発し、後には 50万人規模の熱量あるコミュニティ、さらに公式には `millions` 規模の利用者に届くサービスへ育ちました。重要なのは、最初から広く取ることではなく、狭い市場で「これがないと困る」と言われる水準まで磨くことです。
#### 3. 収益モデルは「信頼が先、課金が後」 広告中心から年額サブスクリプションへ移れたのは、先に信頼を積み上げていたからです。信頼の蓄積なしに早い段階で課金だけを強めると、コミュニティとの関係は細くなりやすいでしょう。
#### 4. 季節性や使用頻度の低さはプロダクト拡張で補える 冬だけで使う道具は、どうしても年間で見ると解約されやすくなります。だからこそ、コアユーザーの隣接ニーズへ広げて、年額課金に見合う接点を増やす発想が重要になります。
#### 5. 価格設定は「ユーザーの意思決定の大きさ」に連動する スキー旅行は数十万円のコストがかかる「大きな意思決定」です。そのリスクを減らすツールへの年100ドルは、「安い保険」として受け止められやすくなります。自分のプロダクトが「どの大きさの意思決定」を支援しているかを明確にすることで、適正な価格帯が見えてきます。
5. この事例を医療AIに引き寄せて考える
OpenSnow は一見すると医療とは遠いサービスですが、医療AIの起業を考えるうえでは意外なほど学びの多い事例です。大事なのは「スキー向けの天気アプリ」という表面的な違いではなく、どの種類の判断を支えようとしていたのか、そしてそのために何を作り直したのか、という点です。
#### 1. 汎用予測では支えきれない判断がある
OpenSnow が向き合った本質は、山の天気が難しいことそのものではありません。ユーザーが本当に欲しいのは「今日はどこへ行くべきか」という意思決定に耐える精度です。医療AIでも同じで、重要なのはAIが一般論として賢いことではなく、診断、トリアージ、治療選択のような、間違えたときの影響が大きい判断に使える粒度まで落とし込めるかどうかです。
#### 2. 問題を深く分かっている人が設計に入る必要がある
OpenSnow では、気象学の知識だけでなく、実際に雪を追いかける当事者の感覚がプロダクト設計に入っています。医療AIで言えば、医師とエンジニアが並ぶだけでは足りません。診療現場のどこで判断が詰まり、何が見落としにつながるのかという暗黙知に直接触れられる体制が必要です。
#### 3. 本当の価値は「予測を判断に変える層」にある
OpenSnow では、PEAKS が予報データを出し、地域予報士が `Daily Snow` でそれを解釈します。これは医療AIに置き換えると、モデル出力に専門医レビュー、導入先の運用ルール、例外時の判断基準を重ねる構造に近いです。単にモデルを配るだけではなく、その出力を現場で使える判断へ翻訳する層こそが、模倣されにくい強みになります。
#### 4. Human-in-the-Loop は確認工程ではなく学習工程である
OpenSnow は、予報士がコメントするだけで終わらず、そのフィードバックをモデル改善にも戻しています。医療AIでも、専門医が最後に確認するだけでは弱く、どの症例で迷ったのか、どこで補正が必要だったのかを継続的にモデルと運用へ戻せるかどうかが差になります。
#### 5. 信頼は「行動を委ねられるか」で決まる
OpenSnow の予報が強いのは、ユーザーが移動先や滞在先を決める判断を委ねられるからです。医療AIでも、病院や医師が実際にワークフローへ組み込むには、「参考になる」だけでは足りません。「この出力を前提に次の行動を選べる」と思われる水準まで信頼を積み上げる必要があります。
#### 6. 最初の市場は狭く深く取る方が強い
OpenSnow は巨大市場に薄く広がるのではなく、雪を追う少数だが切実なユーザーに深く入り込む仕組みを作りました。医療AIでも、最初から全診療科を狙うより、特定診療科、特定疾患、特定施設群で「この現場では不可欠」と言われるところまで入り込む方が、結果として強い事業になりやすいです。
#### 7. 医療AIで設計すべきものは、モデル単体ではない
したがって、医療AIへの転用で最も重要なのは、診療科特化モデルを作ることそのものではありません。本当に重要なのは、`間違えたときの損失が大きい判断を支えられるだけの解像度`、`現場の暗黙知に触れられる創業・運営体制`、`専門家レビューを学習ループへ戻す仕組み`、そして `小さな専門家コミュニティから信頼を積む戦略` を一体で設計することです。OpenSnow の強みは、AIを使ったことではなく、意思決定の仕組みそのものを作り直した点にありました。医療AIでも、この発想はそのまま通用すると思います。
参考情報 - MIT Technology Review Japan — The Snow Gods - OpenSnow 公式サイト - OpenSnow FAQ: Our Story - OpenSnow Pricing 2025-2026 - OpenSnow Careers