DatadogのAI勢いは決算で試される

DatadogはAIを追い風にGoogle Newsで再び注目を集めているが、8月6日の決算発表はより厳しい試金石となる。投資家は、自律運用、AI監視、最近の製品投入が、持続的な顧客支出につながっている証拠を求めている。

同社は、第1四半期に前年同期比32%の売上高成長を報告した後、この試験に臨む。また、DASHカンファレンスでは100を超える機能を発表し、Bits AIエージェント群も拡充した。この組み合わせにより、Datadog株をめぐる成長ストーリーは強まっている。

しかし、製品数だけで商業的な成功が証明されるわけではない。Datadogは、顧客がより多くのモジュールを導入し、ワークロードを拡大し、予測可能な利用を生み出していることを示す必要がある。Dynatrace、Cisco傘下のSplunk、Grafana Labs、Elastic、そして新興のAIネイティブ監視ベンダーに対する立場も守らなければならない。

したがって、中心となる争点は単一四半期の予想を上回る。Datadogは、オブザーバビリティがより広範なクラウド、セキュリティ、開発者向けプラットフォーム内の機能となる前に、AI運用のコントロールレイヤーになることを目指している。

決算前にDatadogがGoogle Newsへ戻った理由

Datadogの最近の勢いは、測定可能な事業成長と、それに続く異例に幅広いAI製品の拡充に支えられている。

Datadogは第1四半期の売上高が10億600万ドルとなり、2025年の同時期から32%増加したと報告した。四半期売上高が初めて10億ドルを超え、AIをめぐるストーリーの土台はより強固になった。

同社は同四半期に3億3,500万ドルの営業キャッシュフローと2億8,900万ドルのフリーキャッシュフローを生み出した。Datadogは多額の投資を続けながら、サブスクリプション事業からなおキャッシュを創出しているため、これらの数値は重要だ。

大口顧客も拡大を続けた。Datadogは3月末時点で、年間経常収益が少なくとも10万ドルの顧客を約4,550社抱えていた。これは1年前の約3,770社から21%の増加に当たる。

Datadogのquarterly resultsで確認できるこれらの結果は、次回の決算発表に向けた財務上の基準線を設定した。同時に、経営陣が次に示すべき内容への期待も高めた。

第2四半期について、Datadogは売上高を10億7,000万ドルから10億8,000万ドルと見込んだ。このレンジは前年同期比29%から31%の成長を示唆していた。同社は第1四半期の実績を受けて、通期見通しも引き上げた。

このガイダンスにより、8月の決算発表への要求はより高くなった。企業は控えめな予想を上回っても、長期的なストーリーを変えずに済むことがある。Datadogは好調な四半期に続き、成長が引き続き幅広く再現可能かどうかを説明しなければならない。

6月の製品イベントは、期待をさらに高めた。Datadogは、自律的なインシデント検知、ソフトウェアリリース、セキュリティ、コスト管理、AIエージェント、運用ワークフローにまたがる100以上の機能を発表した。

その拡充の中心にあるのがBits AIだ。DatadogはBits AIを、問題を調査し、承認された運用アクションを実行するエージェント群と説明している。こうしたアクションには、テスト、修復、コード分析、インシデント対応などが含まれる。

同社はまた、組織によるClaude Code、Cursor、GitHub Copilotなどのコーディングエージェントの利用状況を監視するAgent Consoleも導入した。エージェントの活動を、成果、導入状況、パフォーマンス、支出と結び付けるよう設計されている。

この転換により、Datadogは従来のダッシュボードを超える。オブザーバビリティソフトウェアは通常、システムの挙動を表すログ、メトリクス、トレースといったテレメトリーを収集する。Datadogは現在、自社プラットフォームにそのデータを解釈させ、行動させようとしている。

この野心こそが、現在の注目を説明している。Google Newsで見られるストーリーは、単にDatadogがAI機能を追加したというものではない。同社は、AIによって既存の運用データの価値が高まると主張している。

決算発表では、顧客が支出を増やすほど強くこの主張に同意しているかどうかが明らかになる。

AIワークロードはDatadogが対応できる課題を拡大している

AIアプリケーションは運用上の変数を増やし、オブザーバビリティベンダーに、モデルプロバイダーでは解決できない複雑性を管理する機会を与えている。

従来のクラウドアプリケーションは、欠陥のあるコード、ネットワーク遅延、過負荷のインフラ、利用できない依存関係によって障害を起こす可能性がある。AIアプリケーションでは、モデル、プロンプト、ベクトルデータベース、エージェント、外部ツールにまたがる追加の障害点が生まれる。

チームは、複数のモデルプロバイダー間でリクエストを振り分けることもできる。この選択は柔軟性を高める一方で、レイテンシー、容量、品質、コストを単一システム全体で追跡することを難しくする。

Datadog独自の2026年調査によると、観測対象となった組織の69%が少なくとも3つのモデルを利用していた。同社はまた、本番環境のモデルリクエストの約5%が失敗したと報告している。

同社のAI engineering dataによれば、その失敗のほぼ60%は容量制限に関連していた。Datadogは、本番環境で大規模言語モデルを運用する数千社の顧客から得た匿名化済み利用データを分析した。

こうした調査結果はDatadogのプラットフォームに基づくものであり、市場全体を中立的に調査した結果として扱うべきではない。それでも、Datadogが収益化できる位置にある運用上の課題を示している。

モデルの知能は、レート制限、過負荷のサービス、失敗したツール呼び出しを防ぐものではない。有能なエージェントであっても、周囲のアプリケーションに十分な容量や可視性がなければ、壊れた顧客体験を生み出し得る。

AIワークロードは大量のテレメトリーも生成する。各モデルリクエストには、プロンプト、応答、タイミング情報、トークン消費量、取得したコンテキスト、安全性チェック、他サービスへの呼び出しが含まれる可能性がある。

このデータはDatadogに機会をもたらす。同社はモデルとのやり取りを観測しつつ、それをすでにプラットフォームに保存されているインフラ、アプリケーション、データベース、ネットワーク、セキュリティ情報と結び付けられる。

これがDatadogのAIによる勢いを支える仕組みだ。同社は基盤モデルでOpenAI、Anthropic、Googleと競争する必要はない。企業が複雑な本番システム全体にそれらのモデルを導入するほど、Datadogは恩恵を受ける。

機会は社内開発にも広がる。コーディングエージェントはソフトウェアの作成や変更をより速く行えるが、組織はその成果が信頼性を高めているかどうかを理解する必要がある。

DatadogのAgent Consoleは、その管理上の課題に対応する。製品は、どのチームがコーディングエージェントを使い、どのようなタスクを実行し、その活動が支出とどう関係するかを示すことを目的としている。

これによりDatadogは、AI導入と運用上の説明責任の間に位置付けられる。企業が自律エージェントを本番システムのように扱うなら、エージェントが何を試み、何を変更したかの記録が必要になる。

Datadogはまた、過去のテレメトリーを利用して自社エージェントにより多くのコンテキストを与えられる。インシデントエージェントは、現在のエラー、過去のデプロイメント、サービスの依存関係、以前の修復試行を調べられる場合、より有用になる。

これは潜在的なデータ優位性を生む。単独のAIアシスタントでもアラートを要約できるかもしれないが、そのアラートの背景にある運用記録へアクセスできなければ価値は限られる。

Datadogはすでに、多くの顧客向けにその記録を収集している。同社の課題は、新たなセキュリティやガバナンス上の問題を生まずに、アクセスを信頼できる行動へ変換することだ。

したがって、同社のAI機会には二つの側面がある。Datadogは顧客のAIシステムを監視できる一方、自社の監視プラットフォーム内にAIエージェントを配置することもできる。

どちらの道筋も、同じ要件に左右される。顧客は、より多くの運用データと、本番環境に対するより大きな権限をDatadogに委ねなければならない。

Datadogはオブザーバビリティをアクションレイヤーへ変えようとしている

戦略的な競争は、Datadogの統合型アクションレイヤーと、監視が専門ツール間で分断されたままとなる市場との間で繰り広げられている。

Datadogは、インフラ監視、アプリケーションパフォーマンス、ログ、ユーザー体験、ネットワークデータ、セキュリティシグナルを一つのインターフェースに集約することで地位を築いた。同社の新製品は、この統合戦略を拡張している。

同社の年次報告書は、ランド・アンド・エクスパンドモデルを説明している。顧客は一つの製品から始め、利用量を増やし、クラウド環境の規模が拡大するにつれて追加モジュールを導入できる。

このモデルは大きな拡大をもたらしてきた。Datadogは2025年末時点で約32,700社の顧客を抱え、1年前の約30,000社から増加した。

年末時点で、少なくとも10万ドルの年間経常収益を生み出す顧客は約4,310社だった。Datadogのannual filingによると、これらの顧客は年間経常収益全体の90%を占めた。

同じ提出書類によると、少なくとも100万ドルの年間経常収益を生み出す顧客は603社だった。Datadogの直近12カ月のドルベース純収益維持率は約120%だった。

純収益維持率は、既存顧客グループからの経常収益を1年前の収益と比較する。100%を上回る結果は、そのグループ内での拡大が解約や縮小を上回ったことを示す。

自律運用は接続されたデータに依存するため、AIエージェントはこのモデルを強化し得る。アプリケーションエラーを確認できても、インフラ、最近のコード変更、セキュリティイベントを調べられない修復エージェントの価値は限られる。

DatadogはDASH 2026で、こうした境界をまたいで動作するエージェントファミリーとしてBits AIを提示した。同社は、検知、インフラ、コード、リリース、テスト、データ分析向けのエージェントを発表した。

Bits Agent Builderでは、顧客が特定の運用ワークフロー向けエージェントを作成することもできる。Datadogによると、これらのエージェントは顧客が定めた管理の範囲内で、インシデントの解決、レポートの作成、標準の適用を行える。

DASH product launchは、この戦略がダッシュボードにチャットボットを追加することとどう異なるかを示している。Datadogは、自社プラットフォームが問題を発見するあらゆる場所にエージェントを組み込みたい考えだ。

例えば、ソフトウェアリリースによってデータベースのレイテンシーが増加したとする。従来の監視ツールはエンジニアにアラートを出し、エンジニアはその後、デプロイメント、トレース、データベースメトリクスを確認する。

アクション志向のプラットフォームなら、遅延とリリースを結び付け、関連する証拠を収集し、ロールバックを推奨し、承認済みの対応を実行できる。これにより、インシデント時の引き継ぎを減らせる。

ただし、この価値は統合の深さに左右される。ログ、アプリケーション監視、セキュリティ、インシデント管理に別々のツールを使う顧客は、一つのエージェントに十分なコンテキストを与えられない可能性がある。

そのためDatadogは、購入者に対してより多くの運用業務を自社プラットフォームに集約するよう促している。同時に競合各社も、統合型オブザーバビリティとAI支援運用の独自バージョンを打ち出している。

Dynatraceは長年、自動検出と因果分析を重視してきた。CiscoはSplunkのオブザーバビリティおよびセキュリティデータを、はるかに大きなネットワーキングおよびエンタープライズソフトウェアの基盤と結び付けられる。

Grafana LabsとElasticは、柔軟なデータアーキテクチャやテレメトリーに対するより大きな制御を求める組織に訴求している。オブザーバビリティデータの生成と送信のためのオープン標準であるOpenTelemetryも、独自の収集方式への依存を低減する。

これらの代替手段がDatadogの優位性を消し去るわけではない。しかし、AI支援運用を競争のない市場として扱うことは、同社にはできない。

勝者は、最も多くのエージェントを発表する企業では決まらない。顧客がすでに信頼しているデータと、信頼できる推奨を結び付けるプラットフォームがどれかにかかっている。

AIの勢いがなお証明していないこと

Datadogは自社プラットフォームへの需要を示してきたが、自律型エージェントが独立した持続的な成長エンジンになることは、まだ証明していない。

第一の不確実性は、導入の深さだ。製品は一般提供を開始しても、顧客の日常業務の中核になるとは限らない。

Datadogは、プラットフォーム全体で多くのAI機能をリリースしている。投資家がなお必要としているのは、どれだけの顧客がそれらを継続的に利用しているのか、そしてその利用が契約拡大につながっているのかを示す、より明確な証拠だ。

この違いは重要である。一部のAI機能は、大きな追加収益を生み出さずに顧客維持を支えられる。既存製品を改善しても、顧客全体の支出額はほぼ変わらない可能性がある。

第二の不確実性は信頼性に関わる。インシデント対応には、一般的な職場向けアシスタントとは異なる基準が求められる。

不正確な要約は時間を無駄にする。誤った本番環境でのアクションは、サービスを停止させ、データを露出させ、あるいはインシデントの本来の原因を見えにくくする可能性がある。

Datadogは、顧客が自動化アクションにガードレールを設定できるとしている。しかし同社は、チームが実環境でのテスト後にエージェントへ意味のある権限を付与することを証明しなければならない。

人間による承認はリスクを抑えられるが、削減できる時間も小さくなり得る。完全な自律性は潜在的な価値を高める一方で、誤った判断がもたらす影響も大きくする。

第三の不確実性はデータ量とコストにある。AIシステムはより多くのテレメトリーを生み出すが、顧客がすべてのシグナルを無期限に保存したいとは限らない。

組織はすでにログをフィルタリングし、保持期間を調整し、データを低コストのストレージへ移している。プロンプト、トレース、評価、エージェントのアクションによって収集量が増えるため、AIワークロードはこうした判断をさらに難しくし得る。

これはDatadogの従量課金型拡大モデルに緊張関係を生む。データ量の増加は収益を支え得る一方で、予測しにくい請求額は顧客をサンプリングや代替ストレージへ向かわせる可能性がある。

第四のリスクはプラットフォーム競争から来る。クラウドプロバイダーはすでに、インフラデータ、モデルサービス、顧客関係を掌握している。

Amazon Web Services、Microsoft Azure、Google Cloudは、AIアプリケーションが稼働する環境と監視機能を統合できる。モデルプロバイダーも、自社のトレーシング、評価、安全性ツールを改善できる。

Datadogは、クラウドやモデルをまたいで価値を保つ必要がある。顧客が複数のプロバイダーを利用する場合には中立性が役立つが、より限定的な導入ではバンドル型の代替手段で十分に見える可能性がある。

競争は下位層からも生じる。オープンソースおよびオープンスタンダードのツールにより、エンジニアリングチームはすべてのシグナルを一つの商用プラットフォームに置かず、独自のオブザーバビリティシステムを組み立てられる。

この方法には、より多くの社内専門知識が必要となる。それでも、制御性、可搬性、あるいは特定のデータ経済性を重視する大企業を引き付ける可能性がある。

第五の不確実性は、AI機会における集中度である。Datadogは、業界最大級の企業を含むAIネイティブ企業からの強い需要について説明してきた。

これらの顧客は急成長し得るが、その利用量も急激に変化し得る。Datadogは、最大顧客に関する見通しに追加的な保守性を織り込んでいることを認めている。

したがって健全なAI論には二つの要素が必要となる。AIネイティブ企業が拡大を続けること、そして従来型企業がより多くのAIアプリケーションを本番環境へ投入することだ。

第二のグループは特に重要である。企業導入は、少数の急成長するモデル企業やインフラ企業を超えて需要を広げることができる。

決算は、その拡大が起きているかを明らかにするはずだ。成長が限られた顧客層に異例なほど依存したままであれば、総収益が力強いだけではすべての疑問に答えられない。

投資家は、製品に関する主張と検証済みの成果も分けて考えるべきだ。Datadogは自社エージェントが重要なワークフローを自動化できるとしているが、顧客導入とパフォーマンスのデータのほうが、より強い試金石となる。

この懐疑的な基準は戦略を否定するものではない。戦略を信頼できるものにするために必要な証拠を示すものだ。

決算では製品拡大と顧客支出を結び付ける必要がある

次回の報告では、DatadogのAI発表を顧客拡大、維持、そして信頼できる成長見通しと結び付ける必要がある。

第一のシグナルは、Datadogが示したレンジに対する第2四半期の収益である。そのレンジを上回る実績は、第1四半期の強さが夏まで続いたという見方を補強するだろう。

その成長の構成は、見出しとなる数字と同じくらい重要だ。投資家は、AIネイティブ顧客、従来型クラウドワークロード、大企業アカウントにおける利用の変化に耳を傾けるべきだ。

幅広い成長は、Datadogが二つのサイクルから恩恵を受けているという主張を強める。クラウド移行が継続する一方で、AIが運用需要の新たな層を生み出している。

狭い範囲の成長であれば、同社は少数の大口顧客における利用変化により大きくさらされる。また、四半期ごとの比較も予測しにくくなる。

第二のシグナルは大口顧客数だ。Datadogの年間経常収益10万ドルの顧客層は、3月末時点で約4,550社に達した。

このグループの継続的な成長は、より多くの顧客が限定的な導入を超えて拡大していることを示す。また、Datadogのプラットフォーム統合戦略も支える。

100万ドル規模の顧客に関する経営陣のコメントは、追加の文脈を与えるだろう。こうしたアカウントは複数の製品を利用し、複数のチームにまたがってDatadogを接続する可能性が高い。

第三のシグナルは製品導入である。Datadogは複数製品を利用する顧客の割合を定期的に報告しており、これはプラットフォーム戦略が深まっているかを示す。

最も有用な更新は、一般的な複数製品の導入と、AI監視、Bits AI、セキュリティ、またはエージェントワークフローによって特に促進された導入を分けるものだろう。

投資家は、すべての製品について個別の収益額が示されることを期待すべきではない。ただし、どの機能が拡大や新規顧客の意思決定に影響しているのかを経営陣が説明することは期待すべきだ。

第四のシグナルは顧客維持である。2025年末時点で約120%だったDatadogのネットリテンション率は、既存顧客が全体の支出を増やしたことを示していた。

安定または改善する比率は、ワークロードの成長と製品導入が最適化の取り組みを上回っているという見方を支える。悪化すれば、顧客がより選別的になっていることを示すだろう。

第五のシグナルは通期見通しだ。Datadogは第1四半期後にガイダンスを引き上げており、期待にはすでにより強い業績が織り込まれていることを意味する。

さらなる引き上げは短期的な需要への信頼を強めるだろう。予想据え置きも、特に経営陣が保守的なアプローチを維持するなら、なお妥当であり得る。

下方修正や異例に慎重な説明は、現在の勢いに疑問を投げかけるだろう。その場合、投資家は問題が一社の顧客から来たのか、より広範な最適化なのか、AI導入の鈍化なのかを見極める必要がある。

予定されている報告は、DASHに続くものであるため特に重要だ。経営陣は、将来のリリースについて語るだけでなく、新たなエージェント機能に対する初期の顧客反応を論じられるようになった。

初期のフィードバックだけで持続的な事業が確立されるわけではない。しかし、顧客が自律的なアクションを試しているのか、テレメトリー収集を拡大しているのか、あるいは製品を任意の実験として扱っているのかは明らかにできる。

最良の証拠は、導入と財務上の拡大を組み合わせたものだろう。Bits AIを追加しながら、ログ、アプリケーション監視、セキュリティ、ワークフロー自動化の利用も増やす顧客は、プラットフォーム価値を示している。

利用量を変えずに付属のアシスタントを有効化する顧客は、より弱い証拠しか提供しない。どちらの活動も顧客維持を改善し得るが、財務面での意味合いは異なる。

Datadogは、研究開発支出がこれらの製品をどう支えているのかも説明しなければならない。同社はDASHで、収益のおよそ30%を一貫して研究開発に投じていると述べた。

この取り組みは迅速なリリースを支えるが、継続的な実行力の試練も生む。製品は最終的に、収益成長、競争上の差別化、または業務効率を強化しなければならない。

8月の報告ですべての議論が決着するわけではない。しかし、製品への意欲と顧客行動が同じ方向へ進んでいるかを示すことはできる。

上昇相場に裏付けがあるかを決める三つのシグナル

収益の広がり、エージェント導入、顧客拡大が、DatadogのAIの勢いがニュースサイクルを超えて持続するかを決める。

第一のシグナルは収益の広がりだ。Datadogには、AIネイティブ顧客からの需要と並行して、従来型企業からの継続的な成長が必要である。

この組み合わせは、幅広い技術転換を支えるインフラとしての同社の立場を強化する。また、急速に変化する少数顧客の支出への依存も低減する。

経営陣が業界、企業規模、ワークロードの種類をまたぐ強さを強調するなら、AI論はより持続的になる。コメントが一つの主要アカウントに集中するなら、集中リスクが依然として最大の懸念となる。

第二のシグナルは実際のエージェント利用だ。Datadogは調査から自律的な検知とアクションへ移行しているが、製品発表は始まりの段階にすぎない。

市場が必要としているのは、顧客がそれらのエージェントを本番環境で利用しているという証拠だ。有用な指標には、稼働中の導入、反復的なワークフロー、顧客拡大、承認済みの是正アクションが含まれる。

Datadogは、人間がどこに関与し続けるのかも説明すべきだ。推奨、承認、自律的な実行の明確な境界は、購入者が運用リスクを評価する助けとなる。

意味のある導入は、オブザーバビリティがアクションレイヤーになりつつあるという見方を支える。限定的なテストにとどまれば、顧客が依然としてAIエージェントを主にアシスタントと見ていることを示すだろう。

第三のシグナルは、大口顧客の継続的な拡大である。Datadogのビジネスモデルは、顧客が初期導入後にワークロードと製品を追加するとき、より強固になる。

年間経常収益10万ドルの顧客層の成長は、プラットフォーム統合が続いていることを示す。安定したリテンションは、顧客が新たなAIデータを他の領域におけるより深い削減で相殺していないことを示すだろう。

これらの指標は、Google Newsでの短期的な注目よりも優れた検証となる。見出しは決算前の期待を捉えられるが、その期待に財務的な裏付けがあるかを決めるのは、継続的な顧客行動である。

開発者と運用チームにとっても、同じシグナルは実務的な問いに答える。Datadogは信頼される自動化システムになりつつあるのか、それとも依然として主に問題を調査する場所なのか。

AI運用を評価するチームは、Datadogが権限、監査証跡、失敗したアクション、ツール横断のコンテキストをどう扱うかに注目すべきだ。発表されたエージェント数よりも、こうした詳細のほうが重要になる。

また、インシデントと運用判断の背景にある論拠も保存すべきだ。検索可能なエンジニアリングナレッジベースは、設計コンテキスト、ランブック、過去の調査を保持することで、テレメトリーを補完できる。

企業の購入者は、より広い選択に直面する。Datadogへ統合すれば、エージェントはより接続されたデータへアクセスできる一方、モジュール型スタックはより大きな制御性と可搬性を提供し得る。

どちらの道も運用作業をなくすわけではない。判断は、Datadogの自動化が、より深いプラットフォーム依存を正当化するほど調査と調整を削減するかにかかっている。

Datadogは、信頼できる勢いを持って決算を迎える。足元の力強い成長、拡大する大口アカウント、多額のキャッシュ創出、そしてAI運用に向けた明確な製品戦略を備えている。

未解決の課題は、コンバージョンです。同社は、顧客が新たなAI機能を継続的な利用、より広範な契約、そして信頼できる本番ワークフローへと結び付けていることを示す必要があります。

8月6日のレポートでは、次の3つのシグナルを順に注視してください。幅広い売上高成長、本番環境におけるエージェント導入、大口顧客の継続的な拡大です。これらは、今回の上昇が持続的な事業運営上の変化を反映しているのか、それとも期待が証拠を先行しているのかを示すでしょう。