横断レポート · 53事例を集計
「失敗を乗り越えた」は半分だけだった——AIアプリ53事例の"失敗談"を全部読んで分類した結果
公開
個人開発の成功事例には、たいてい「失敗談」のセクションがある。AI Dev Cases も同じで、53件すべての事例に failureNote(失敗・苦労の透明性欄)を必ず書いている。だが読者はここを漠然と「苦労話」として読んでいないだろうか。53件全部を1件ずつ読み、4つのカテゴリに分類してコードで集計したところ、実は「失敗を乗り越えて成功した」という定番の物語に当てはまるのは半分以下だった。残りは物語ではなく、今の成功についた"割り引いて読むべき注意書き"だ。
集計方法:
content/cases/index.tsの全53事例(2026-09-16時点、failureNote記載率100%)を対象に、各事例のfailureNoteを次の4分類に人手で分類し、そこから先の件数・比率・中央値の計算はscripts/reports/failure-patterns.tsが行った(分類の根拠はスクリプト内のコメントに全件残してある)。数字はすべて集計スクリプトの出力と一致する。
failureNoteを4つに分けて集計する
- ①先に別プロダクトで複数回失敗してから今回当てた(例: 前作が鳴かず飛ばずだった、〇本作って全部失敗した)
- ②同一プロダクトが当初伸びず、停滞・方向転換を経て伸びた(例: 最初の半年〜数年は数字が動かなかった)
- ③失敗談ではなく、今の成功についた持続性・倫理・データ精度等のリスク開示(例: バイラル依存で息切れしうる、数字は自己申告、セキュリティ事故があった)
- ④上記のどれにも当たらない(個人的な原体験や幸運によるexitなど)
| カテゴリ | n | 構成比 |
|---|---|---|
| ①別プロダクトでの失敗 | 13 | 25% |
| ②同一プロダクト内の停滞・転換 | 12 | 23% |
| ③リスク開示(失敗談ではない) | 24 | 45% |
| ④その他 | 4 | 8% |
発見: 「失敗を乗り越えた」型はちょうど半分(①+②=25/53, 47%)。もう半分(③=24/53, 45%)は失敗談ではない
①と②を合わせた「失敗・停滞を経ての成功」型は25件(47%)。ほぼ同数の24件(45%)は、実は失敗談ですらなく、今の成功の持続性・データの信頼性・倫理/規制/セキュリティに関する「注意書き」だった。件数はほぼ同数で割れている。
①の具体例: GlowUpは本人いわく「約10本のアプリを出して全て失敗」した後にヒットを出した。3AKは18歳になるまでに5回事業に失敗し、6回目の挑戦で初めて実弾になった。こうした「本文に具体的な失敗回数が書かれている」事例は他にもSnag(45本の反復)、Sprout(本人いわく"4度の創業者")など計5件ある。
②の具体例: Senjaは最初の6ヶ月MRRが$0のままだった。Poppy AIは100万人YouTube観客を持ちながら約6ヶ月売れず、顧客セグメントを定義し直してから離陸した。
③の具体例(失敗談ではない): PolsiaのARRは本人申告のラン・レートで検証済みの売上ではないという懐疑が公になっている。QUITTRは急成長の裏で、60万人超のユーザーの機微データを露出させるセキュリティ事故を起こした。BetterPicは「買収前提のディールで、誰でも$20万のコミットは出せない」というそもそも再現できる人が限られるという注意書きだった。
読者が明日やること: 「他の個人開発者も何十回も失敗している、自分もまだ大丈夫」と失敗談だけを拾い読みするのは正しい読み方の半分でしかない。同じ比重で、その事例の"注意書き"(③)を読むべきだ。③に分類された24件の多くは、「この数字は自己申告で独立検証がない」「このモメンタムは一時的で長続きしない構造」「この成功は特殊な資本・人脈・時運がないと再現できない」のいずれかを含む。失敗談を読んで勇気をもらうのと同じ熱量で、注意書きを読んでリスクを引き算する——それがこのDBの53件を横断して初めて見える読み方だ。
注意(分類の限界): 1件のfailureNoteに複数の要素が混在する場合(例: 失敗談と注意書きが両方書かれている)は、本文で最も支配的なテーマ1つを採用した。分類は自由記述の解釈を伴うため、境界事例の判断に幅がありうる(分類基準と全件の判定根拠は
scripts/reports/failure-patterns.tsのコメントに残し、誰でも検証・異議可能な形にしてある)。
全件分類表
前半で見た4分類の全53件の内訳と、追加で見えた2つの発見をここに置く。数字はすべてcontent/cases/index.tsをコードで全件走査した生データで、記事中の数字と一字一句一致する(検算は誰でもnpx tsx scripts/reports/failure-patterns.tsで再現可能)。
発見2: ①(別プロダクトで失敗した経験者)は、②(同一プロダクトで我慢した人)より当てた後の立ち上がりが4倍以上速い
| カテゴリ | n | 中央値MRR | 到達速度中央値($/月, speed n) |
|---|---|---|---|
| ①別プロダクトでの失敗 | 13 | $62,500 | $9,400(n=11) |
| ②同一プロダクト内の停滞・転換 | 12 | $30,000 | $2,152(n=10) |
| ③リスク開示(失敗談ではない) | 24 | $40,354 | $6,944(n=17) |
| ④その他 | 4 | $165,834 | $35,714(n=3) |
①の到達速度中央値($9,400/月)は②($2,152/月)の約4.4倍。中央値MRRも①($62,500)が②($30,000)の2倍以上ある。これは「①のほうが優れている」という話ではなく、①は"今回のプロダクトの立ち上げ"より前に、別のプロダクトで既に授業料を払い終えているため、今回の数字(periodMonths)は"当て方を知っている人が実際に当てるまでの時間"だけを測っていると解釈するのが妥当だ。②は同じ授業料をこのプロダクトの中で払っている分、当てるまでの期間が長く出る。
読者が明日やること: 今のプロダクトが半年〜1年伸びていないなら、「このプロダクトを我慢強く磨き続ける」(②型)か「学びを持って次のプロダクトに移る」(①型)かの二択がある、とこのデータは示している。どちらが正しいかは一概には言えないが、①型のほうが"当たった後"の速度は数字上速い。
発見3: ①(別プロダクトで失敗)のうち、具体的な失敗回数が本文にある事例は既出5件(GlowUp/3AK/Snag/Sprout/Jungle)
回数の幅は「4度」(Sprout)から「45本」(Snag)まで大きく、「何回失敗すれば当たるか」に決まった数字はない。ただし共通するのは、失敗のたびにプロダクトを畳んで次に移る決断の速さで、TypingMindやReelFarmのように「伸びない前提の事業を早期に手放した」ことが次の成功の前提になっている事例が①には多い。
全53件の分類表(mrrUsd降順)
| # | アプリ | カテゴリ | MRR(正規化USD) | slug |
|---|---|---|---|---|
| 1 | Cal AI | ③リスク開示 | $4,167,000 | cal-ai |
| 2 | Kaching Appz | ①別プロダクトでの失敗 | $1,000,000 | kaching |
| 3 | Polsia | ③リスク開示 | $833,000 | polsia |
| 4 | Coconote | ①別プロダクトでの失敗 | $558,000 | coconote |
| 5 | Pingo AI | ④その他 | $500,000 | pingo-ai |
| 6 | Poppy AI | ②同一プロダクト内の停滞・転換 | $400,000 | poppy-ai |
| 7 | Halo AI | ①別プロダクトでの失敗 | $300,000 | halo-ai |
| 8 | Base44 | ④その他 | $291,667 | base44 |
| 9 | Stella | ③リスク開示 | $275,000 | stella |
| 10 | BetterPic | ③リスク開示 | $270,000 | betterpic |
| 11 | Sprout | ①別プロダクトでの失敗 | $250,000 | sprout |
| 12 | QUITTR | ③リスク開示 | $250,000 | quittr |
| 13 | Curator.io | ③リスク開示 | $200,000 | mike-hill |
| 14 | nomadtable | ③リスク開示 | $166,667 | nomadtable |
| 15 | Postiz | ③リスク開示 | $145,000 | postiz |
| 16 | Zigpoll | ②同一プロダクト内の停滞・転換 | $125,000 | zigpoll |
| 17 | GlowUp | ①別プロダクトでの失敗 | $100,000 | glowup |
| 18 | Jungle | ①別プロダクトでの失敗 | $92,000 | jungle |
| 19 | TripBFF | ③リスク開示 | $83,000 | tripbff |
| 20 | Senja | ②同一プロダクト内の停滞・転換 | $83,000 | senja |
| 21 | TypingMind | ①別プロダクトでの失敗 | $62,500 | typingmind |
| 22 | Pep AI | ①別プロダクトでの失敗 | $60,000 | pep-ai |
| 23 | Viktor Seraleev(30本超のアプリ群) | ②同一プロダクト内の停滞・転換 | $60,000 | seraleev |
| 24 | Social Wizard | ③リスク開示 | $60,000 | social-wizard |
| 25 | FaceKit | ③リスク開示 | $50,000 | facekit |
| 26 | ReelFarm | ①別プロダクトでの失敗 | $47,000 | reelfarm |
| 27 | Laper | ③リスク開示 | $40,708 | laper |
| 28 | Puff Count | ④その他 | $40,000 | puffcount |
| 29 | Bank Statement Converter | ③リスク開示 | $40,000 | bank-statement-converter |
| 30 | Once | ②同一プロダクト内の停滞・転換 | $33,000 | once |
| 31 | SimpleClaw | ③リスク開示 | $30,000 | simpleclaw |
| 32 | Profit AI | ②同一プロダクト内の停滞・転換 | $30,000 | profit-ai |
| 33 | Leadmore AI | ②同一プロダクト内の停滞・転換 | $30,000 | leadmore |
| 34 | Snag | ①別プロダクトでの失敗 | $30,000 | snag |
| 35 | Pushscroll | ③リスク開示 | $30,000 | pushscroll |
| 36 | Launch Fast | ③リスク開示 | $30,000 | launch-fast |
| 37 | Momego | ②同一プロダクト内の停滞・転換 | $30,000 | momego |
| 38 | Live Tourney | ②同一プロダクト内の停滞・転換 | $30,000 | live-tourney |
| 39 | HabitKit | ①別プロダクトでの失敗 | $28,000 | habitkit |
| 40 | ToneAdapt | ③リスク開示 | $25,000 | toneadapt |
| 41 | Stagetimer | ②同一プロダクト内の停滞・転換 | $25,000 | stagetimer |
| 42 | Wrestle AI | ③リスク開示 | $22,000 | wrestle-ai |
| 43 | StoryShort | ①別プロダクトでの失敗 | $20,000 | storyshort |
| 44 | Prayer Lock | ③リスク開示 | $20,000 | prayer-lock |
| 45 | Superpower ChatGPT | ③リスク開示 | $20,000 | superpower-chatgpt |
| 46 | ScreenshotOne | ②同一プロダクト内の停滞・転換 | $20,000 | screenshotone |
| 47 | Feynman AI | ④その他 | $19,000 | feynman-ai |
| 48 | Lancer | ③リスク開示 | $19,000 | lancer-app |
| 49 | 3AK | ①別プロダクトでの失敗 | $17,000 | 3ak |
| 50 | Cat on Chair | ③リスク開示 | $16,000 | cat-on-chair |
| 51 | SiteGPT | ②同一プロダクト内の停滞・転換 | $13,000 | sitegpt |
| 52 | Floga | ③リスク開示 | $10,000 | floga |
| 53 | aiCarousels | ③リスク開示 | $5,000 | aicarousels |
この記事の使い方(playbook)
- 事例ページの「失敗・苦労」欄を読むとき、まず①②③④のどれに当たるか自問する
- ①③の場合(別プロダクトでの失敗歴 / 今の成功へのリスク開示)は、それを「勇気づけの物語」ではなく「引き算すべき条件」として読む
- 自分のプロダクトが伸び悩んでいるなら、②型(同一プロダクトを磨き続けた事例)の期間・打ち手を先に参考にする
- ①型を選ぶ(見切りをつけて次に行く)なら、"何を学んで畳んだか"を明文化してから次に着手する(本文にある5件は全員それができている)
- 数字の裏の"注意書き"(③)を軽視しない——特にデータ検証・セキュリティ・持続性に関わるものは、真似る前に必ず確認する
もっと深く見たい人へ
この分解は氷山の一角。月商$5,000〜$400万超のAIアプリ53件超を、収益・成長速度・カテゴリ・集客手法・失敗パターンで横断比較できるデータベースを作っています。
👉 全事例を収益順・成長速度順で見る 👉 今回名指しした事例の全データ: GlowUp / 3AK / Senja / Poppy AI / QUITTR / Polsia / BetterPic
集計スクリプト: scripts/reports/failure-patterns.ts(数字はすべてこのスクリプトの出力から取っています)