Blucor — Strategy Draft · May 2026

Road to
$5 Billion

3事業のアップセル展開で2031年に$680M ARRを達成し、$5–7Bを目指す成長戦略のたたき台。

01

Market Opportunity

3つの市場、$230B （約33兆円）の機会

Market 1 — Hiring Automation

$55B

US blue-collar hiring market

約8兆円

企業が採用に支払うコストの総額。
$2,750/hire × 25% turnover × 80M workers。
← Series Aデックと同定義。

Market 2 — Trust & Verification

$40B

Background check market 2032

約5.8兆円

$15.5B（2024）→ $39.6B（2032）。
Equifax Work Number: $2B/yr の既存市場。
Checkr: $5.75B評価額で証明済み。

Market 3 — Alternative Credit Data

$135B

Alternative data market 2030 forecast

約19.6兆円

$14B（2024）→ $135B（2030）、CAGR 63%。
銀行・住宅ローン会社が雇用・収入データを
与信判断のAPIとして購入する市場。

Target Population
（市場の土台）

80M

US blue-collar workers

Market 1&2 の対象人口。
製造・建設・輸送・農業・鉱業など
US ブルーカラー全体（BLS定義）。

45M

Credit-invisible Americans

Market 3 の対象人口。
FICO不足で銀行・ローンから排除。
ブルーカラー・移民層に集中。

02

Revenue Architecture — 2031

3つの収益ストリーム

1

Market 1 · $55B

Hiring Automation

Launch 2026

5,000社 × blended $70K ARPU
成果報酬 $5,500/hire + 月額SaaSサブスク

$350M

ARR 2031 · 51%

2

Market 2 · $40B

Trust & Verification

Launch 2028

雇用主API・ワーカーサブスク60万人
Enterprise Premium + B2B2C
← 最高マージンストリーム

$250M

ARR 2031 · 37%

3

Market 3 · $135B

Financial Data API

Launch 2028

約120金融機関パートナー
（銀行・住宅ローン・Fintech）
← 最高マルチプル領域（20x+）

$80M

ARR 2031 · 12%

Total ARR 2031

$680M

Valuation Range 2031

$5–7B

$680M ARR × 7.5–10×（公開市場水準）

Gross Margin

85%+

03

Growth Strategy — 案B

3市場が同時進行で積み上がる

P1 Hiring Automation

P2 Trust & Verification

P3 Financial Data

Year	ARR	Key Driver	Revenue Mix	Valuation（年末時点）
2026	$2M	Daikin USA・Itochu USA・TTS 本格稼働	1: 100%	$20M–$40M $2M ARR × 10–20×（AI SaaS seed水準）
2027	$8M	SMB拡大。B1が単独でQ2T3の第1ステップを担う	1: 100%	Series A（$80M pre）
2028	$35M	T&V独立課金（2）+ Financial Data FCRAパイロット（3）	1:91 / 2:6 / 3:3%	Series B（$500M+）
2029	$121M	3事業フル稼働。Financial Data 銀行パートナー確立	1:79 / 2:17 / 3:4%	$1B+ valuation
2030	$310M	Financial Data 銀行・住宅ローン会社へ拡大。3事業スケール	1:65 / 2:27 / 3:8%	$3–5B 圏内
2031	$680M	3事業確立。B3の金融データAPIが高マルチプルを牽引	1:51 / 2:37 / 3:12%	$5–7B 7.5–10×ARR

04

Benchmarks — 3 Markets

先行事例：3市場それぞれの証拠

Market 1 · Hiring Automation $55B

Company	Valuation
Paradox（AI採用）	$1.2B
Eightfold AI	$2B
ShiftKey（医療）	$2B
Instawork	~$1B

Blucorは採用自動化SaaSとして参入。
$4,500/hireの成果報酬モデルで差別化。

Market 2 · Trust & Verification $40B

Company	Valuation
Checkr	$5.75B
First Adv + Sterling	$2.2B（統合）
HireRight	$1.65B
Truework	~$480M（買収）

Checkrは「採用前1回限り」。Blucorは
採用後もデータが育つ双方向モデル。

Market 3 · Alternative Credit Data $135B

Company	Valuation
Nova Credit	$800M
Argyle	$100M+ 調達
Finicity	$825M（Mastercard）
Pinwheel	$500M

上記はペイロール接続・口座データ。
Blucorは就業行動データで差別化。

$5B

2030 Milestone

$680M ARR × 7.5–10× = $5–7B。公開市場水準のmultipleでも$5Bを超えるのがBlucorの設計。Checkrモデル（Market 2）× Nova Creditモデル（Market 3）の両方で高マルチプルが成立する領域を持つ唯一の企業。採用自動化（Market 1）で収集した行動データを、Trust & Verification（Market 2）と Alternative Credit（Market 3）に二重に売るのが構造的優位。

05

Hiring Plan — 2026 → 2031

300人で$680M ARR。AI時代の10倍効率組織

Revenue Per Employee（RPE）ベンチマーク

Cursor

$5.0M

Blucor 2031

$2.2M

Anthropic

$1.8M

Salesforce

$530K

Sierra / Harvey

$330K

従来SaaS中央値

$283K

BlucorはSierra/Harveyの6–7倍を狙い、Cursorの44%。B2/B3のAPI事業（少人数×大型契約）が高効率を牽引。

AI-native の組織設計

＋多めに採る:
Forward-Deployed Eng（OpenAI 0→50）/ Eval Eng / AI Research

−少なめ・不要:
SDR（PLG＋AIで代替）/ Tier1サポート（自社製品）/ Middle Mgmt（flat構造）

最終構成: Eng 21% / GTM 65% / Ops 14%（B2/B3 APIが少人数高効率）

Year	ARR	期末HC	純増	RPE	構成（Eng/GTM/Ops）	主要採用ターゲット
2026	$2M	7	+7	$286K	4 / 2 / 1	Founding 7人: CTO・Platform Eng・AI Product Lead + Head of Sales + Head of Ops
2027	$8M	16	+9	$500K	10 / 5 / 1	初のEnterprise AE×2・FDE×1・Founding Marketer
2028	$35M	42	+26	$833K	19 / 18 / 5	B2/B3 Founding Eng×5・FDE×3・Finance/Legal/Recruiting 各1名立ち上げ
2029	$121M	91	+49	$1.33M	31 / 49 / 11	CFO・GC採用（IPO準備開始）・AE/FDE拡大・AI Research立ち上げ
2030	$310M	166	+75	$1.87M	44 / 104 / 18	IPO本格準備・Finance 5名・Legal 4名確立・国際展開（日本）
2031	$680M	300	+134	$2.27M	64 / 200 / 36	IPO準備、欧州拡張、3事業フル稼働

06

Hiring Detail — 職種別ヘッドカウント

各年度の職種構成を分解する

Function / Role	2026 $2M · 7人	2027 $8M · 16人	2028 $35M · 42人	2029 $121M · 91人	2030 $310M · 166人	2031 $680M · 300人
ENGINEERING / AI ＝ 4 → 10 → 19 → 31 → 44 → 64（上限値で計算・1人10倍効率前提）
B1 Hiring Automation Eng	1	5	8	10	13	10–20
B2 Trust & Verification Eng	—	—	3	8	12	10–15
B3 Financial Data Eng	—	—	2	4	6	3–8
Platform / Infra / Data	1	2	3	4	6	3–8
AI Research / Eval Eng ★AI-native	—	1	1	2	3	2–5
AI Product Lead / PM ★AI-native	1	1	2	3	4	5
Eng Mgmt / VP Eng	1	1	含む	含む	含む	2–3
GO-TO-MARKET ＝ 2 → 6 → 18 → 49 → 104 → 200
Head of Sales → Enterprise AE	HoS×1	2	7	18	35	60
Forward-Deployed Eng / SE ★AI-native	—	1	3	12	28	50
Customer Success	—	1	3	9	20	35
API Developer Relations（B2/B3）	—	—	2	5	12	20
Marketing / Brand / Content	1	1	2	4	6	20
RevOps / Sales Enablement	—	—	1	1	3	15
OPS / G&A ＝ 1 → 1 → 5 → 11 → 18 → 36（IPO前2030年にFinance5人・Legal4人へ拡充）
Head of Operations / BizOps	1	1	1	1	2	3
Finance / Accounting	外注	外注	1	3	5	8
People / Recruiting	—	—	1	2	2	6
Legal / Compliance（FCRA等）	外注	外注	1	3	4	6
IT / Security	—	—	1	2	4	8
Executive Office / Chief of Staff	—	—	—	—	1	5

★AI-native ロール
FDE / Eval / AI Researchは従来SaaSにない、効率を押し上げる中核職種

B2/B3立ち上げ（2028）
Founding Engを8人投入。GTMはB1のAEがB2をクロスセル、初の専属AEは2029から

不採用ポジション
SDR / Tier 1 Support / Middle Mgmt — AIエージェント・PLG・flat構造で代替

07

Funding Model — 運用コスト・調達シミュレーション

初年度から黒字転換。$5M Seed → $12M Series A（2027年）で加速。

年次OpEx ＆ Net FCF

年度	年商	人件費	非人件費	総OpEx	Net FCF
2026	~$1.2M	$0.64M	$0.34M	$0.98M	+$0.2M ✦
2027	~$5.0M	$2.90M	$0.75M	$3.65M	+$1.35M
2028	~$21.5M	$7.0M	$2.63M	$9.63M	+$11.9M
2029	~$78M	$15.2M	$5.40M	$20.6M	+$57M
2030	~$216M	$27.1M	$10.55M	$37.7M	+$178M

✦ 2026年（$2M ARR）から黒字転換。P07ヘッドカウント × $500/人/月ツール費用で再計算。従来SaaSが$100–150M ARRまで赤字を続けるのに対し、7人リーン体制で初年度から黒字。Series A資金は成長投資に全額充当。

調達シミュレーション

ラウンド	時期	ARR	調達額	Pre-money	希薄化
Seed	2026年末	$2M	$5M	$35M	12.5%
Series A	2027	$8M	$12M	$80M	13.0%
Series B ※戦略的	2028	$35M	$25M	$500M	~5%
Growth	2030	$310M	$200M	$1.5B	11.8%
IPO	2031	$680M	$400M	$5.1B	7.3%

Series B $25M の用途：M&A弾薬（競合・技術買収）／競合参入への防衛資金／Tier 1 VCとの関係構築。FCF黒字のため運転資金としては不要。2028年末の手元現金 ~$31M に加え、戦略的オプションを確保。

~39%

創業者持ち分（IPO後・B含む・エンジェル35%込）

~41%

創業者持ち分（Bスキップ・エンジェル35%込）

黒字転換ARR

$2M

従来SaaS $100–150M

黒字までの調達

$12M

従来SaaS $100–200M+

IPO時人員

300人

従来SaaS 800–1,500人

累計調達額

$642M

（Seed+A+B+Growth+IPO合計）

08

Annual Deep-Dive 2026 — Seed調達・B1立ち上げ

2026年：$2M ARR への積み上げとコスト構造

売上の積み上がり（ARR四半期推移）

Q1（現在地）

$0.17M

Q2（Daikin・大口開拓）

$0.40M

Q3（採用ランプ）

$0.90M

Q4（年末目標）

$2.0M

顧客構成（年末・55社）

Tier	社数	ARPU	ARR
Enterprise（Daikin・Itochu等）	5	$220K	$1.1M
Mid-Market	10	$55K	$0.55M
SMB	40	$12K	$0.35M
合計	55	~$45K	$2.0M

全てB1（採用自動化）。B2・B3の収益化は2027年以降。日系US法人が中心。

コスト構造（年間・実態ベース）

カテゴリ	年換算	主な内訳
社員給与（5名）	$0.56M	C-suite + Ops + Sales + AI PL + 業務委託
Deel エンジニア費用	$0.08M	Jan $2K→Apr $12K（Daikin立ち上げ後増加中）
SaaS・AI ツール	$0.05M	~$4.2K/mo（年払いツールは÷12で平準化）
出張・営業活動	$0.10M	日米往復・顧客訪問（Ramp + Mercury実績）
候補者獲得広告	$0.03M	Google Ads ~$2.7K/mo（安定）
法務・会計・コンプライ	$0.05M	SingerLewak + Vanta + 保険
その他（保険・雑費）	$0.02M	Hartford 保険・税務等
総OpEx（実態）	~$0.89M	モデル値 $2.63M の34%
年商推計	$0.15M→$2M	現MRR $10.5K → Q4 $2M ARR目標
Net FCF（通期平均）	+$0.2M	年間平均ARR ~$1.1M − OpEx $0.89M。Seed = 生存でなく成長投資

Seed $5M 調達（2026年末）：$35M pre / $40M post・希薄化12.5%。2027年の採用ランプを資金面で先行支援し、$8M ARR達成後のSeries A（$12M / $80M pre）へつなぐ。

09

Annual Deep-Dive 2027 — 自動セールス稼働・B2バンドル開始

2027年：$8M ARR への積み上げとコスト構造

売上の積み上がり（ARR四半期推移）

Q1

$3.5M

Q2（自動セールス）

$5.0M

Q3（非日系展開）

$6.5M

Q4（年末目標）

$8.0M

事業別ARR構成（年末）

Business	ARR	シェア	備考
B1 Hiring Automation	$7.4M	93%	180社、ARPU $41K
B2 Trust & Verification	$0.6M	7%	B1バンドル + Worker Sub 2,000人
B3 Financial Data	$0	0%	FCRA対応準備中（収益化は2028〜）
合計	$8.0M	100%

自動セールス（Phase 3）が2027年Q2に稼働。月間新規：Enterprise 2社 + Mid-Market 5社 + SMB 15社ペースが確立。

コスト構造（年間）

カテゴリ	金額	主な内訳
Eng 人件費（10人）	$2.00M	前年比+7人採用（B1深化・B2開発着手）
GTM 人件費（5人）	$0.75M	AE×2追加・FDE×1・CS×1追加
Ops 人件費（1人）	$0.15M	Head of Operations
AIインフラ・クラウド	$0.30M	処理量ベース（スクリーニング件数×単価）
S&M（非人件費）	$0.15M	カンファレンス・コンテンツ・Ads
ツール・SaaS	$0.10M	16人 × $500/月（$6K/人/年）
外部法務・会計	$0.20M	契約弁護士 + 外部会計
総OpEx	$3.65M	P08モデルと整合（P07ヘッドカウント基準）
年商推計	~$5.0M	ARR年初〜年末の中間値
Net FCF	+$1.35M	自走黒字。Series A資金は成長に温存

2027年末キャッシュポジション：Seed $5M（'26末）+ FCF +$0.2M（'26）+ Series A $12M（'27）+ FCF +$1.35M（'27）= ~$18.5M。
2027年は完全自走黒字。Series A資金は2028年の大規模採用・B2/B3立ち上げに全額温存。

10

2 · Market 2 · $40B Trust & Verification

なぜCheckrを超えられるか

Checkr（競合・ベンチマーク）

$5.75B 評価額（2021年）

設立2014年 → ユニコーン2019年 → $5.75B（7年）

雇用主がワーカーを「調べる」一方向モデル
ワーカーはスコアを受け取るだけ（関与なし）
採用後の継続データなし = スコアが成長しない
売上 $800M+（2025年）、顧客10万社超

Blucor Checker（差別化）

双方向 Trust Layer

採用→就業→次の採用でスコアが育ち続ける

ワーカーがスコアを「持ち歩く」→ 転職のたびに優位に
就業実績・スキル・評価が蓄積 = データ資産
雇用主は検証APIで即時参照 + 採用自動化と連携
スコアが高いほど良いオファーが来る → ロック効果

Revenue — Employer Side

・チェック1件あたり $5–15
・API サブスクリプション（月次）
・採用自動化バンドル割引

Revenue — Worker Side

・基本スコア：無料（プール拡大）
・スコア詳細 + スキル認証：月額 $5–10
・プレミアムバッジ（業種別資格連携）

Network Effect

ワーカー増 → スコア精度向上
→ 雇用主が使い始める
→ ワーカーがスコアを求める
→ プラットフォームが唯一解に

11

3 · Market 3 · $135B Alternative Credit Data

信頼スコアを金融インフラとして売る

The Problem — 45M Americans locked out

米国の4,500万人がFICOスコア不足で金融サービスから排除されている。ブルーカラー・移民・ギグワーカーに集中。

彼らは「働いていないのではなく、記録されていない」だけ。Blucorは採用・就業フローでその記録を作っている唯一のプレイヤー。

Blucorの信頼スコアが解く

→ 銀行口座の開設（収入安定性の証明）

→ 消費者ローンの与信判断

→ 住宅ローン（Fannie Mae/Freddie Mac対応）

→ 保険料算定・家賃審査

Benchmarks — この領域の先行事例

Company	Model	Valuation / Exit
Argyle	雇用データAPI → 金融機関。Fannie Mae認定。	$100M+ 調達
Nova Credit	代替信用データCRA。Chase・PayPal契約。	$800M
Pinwheel	ペイロールAPI → 収入検証。銀行向け。	$500M
Truework	雇用・収入検証。住宅ローン大手8社が顧客。	~$480M（Checkr買収）
Finicity	オープンバンキングデータ → 金融機関。	$825M（Mastercard買収）

Blucorの差別化

上記すべてが「ペイロール接続」か「既存銀行口座データ」を使う。Blucorは就業前後のリアル行動データ（応答率・出勤率・定着率）を持つ唯一のソース。FICOもArgyleも取れないデータ。

Alternative Data TAM

$135B by 2030

Credit-Invisible Americans

45M people

Equifax Work Number (既存覇者)

$2B /yr revenue

12

Discussion

議論すべき論点

Q1 — チェッカーの切り出し

Checker事業を同一会社で持つか、別会社（子会社 or スピンオフ）にするか。Checkrが独立して$5.75Bになった事実を踏まえると、どちらが高いバリュエーションを引き出せるか。

Q2 — Checker APIローンチのタイミング

Series A後（2027年）にChecker APIパイロットを開始するか、Series B（2028年）まで待って現在のEnterprise基盤でPMFを完全確立してから入るか。速さ vs 確実性のトレードオフ。

Q3 — ワーカーB2Cの価格設計

ワーカーは月額いくら払えるか。無料 → 有料転換率はどう設計するか。スコアが高いと良い仕事が来る → 課金動機は作れるが、ブルーカラーワーカーのサブスク感度は未検証。

Q4 — 日本 vs US 上場

2031年に$5Bを達成するには、US NASDAQが現実的。タイミーは東証で$1.2B止まり。YCバックのAI企業としてNASDAQ上場を目指すシナリオと、M&A exit（Recruit Holdings等）を比較する必要がある。

Q5 — 事業1の成長精度

2026年$2M → 2027年$15MのARR成長（7.5x）は、Daikin・伊藤忠の本格稼働だけでは届かない可能性がある。SMB拡大とUS pilotをどのタイミングで並行させるかがボトルネック。

Q6 — Checkerの先行データソース

信頼スコアの精度は初期データ量に依存する。日本の採用フローから蓄積するデータだけで、US市場でCheckrに対抗できるスコア精度に達するには何人のワーカーデータが必要か。

13

Road to$5 Billion