「AIスタートアップのトレンド：Y Combinatorの最新バッチからの洞察」
Insights from the latest batch of Y Combinator on AI startups trends
最新のAIを活用して構築されている企業の種類
有名なシリコンバレーのスタートアップアクセラレータであるY Combinator（YC）が、最近2023年冬のコホートを発表しました。予想通り、269社中80社（約31%）がAIを自己申告しています。実際の数値はあくまで参考ですが、AIを活用するスタートアップはYCのコホートの重要な一部になっていることは明らかです。
この記事では、このバッチから20〜25のスタートアップを分析し、特にLLMs（大規模言語モデル）を活用しているスタートアップの傾向を把握しました。これらの傾向は、彼らが問題を特定する方法、解決策へのアプローチ、彼らが正しく行っていること、およびアプローチの潜在的なリスクにわたります。
しかし、トレンドに入る前に、テック企業（大きなものでも小さなものでも）がAIから価値を生み出すための一般的なフレームワークから始めましょう。
AIの価値チェーン
最近のテックニュースを追っている方なら、AIに関するコンテンツが爆発的に増えており、このニュースが広範な状況にどのように組み入れられるのかを常に理解するのは難しいでしょう。簡略化されたフレームワークを使用して考えてみましょう。
AIは非常に広範な用語で、予測が可能な回帰モデルから物体を識別できるコンピュータビジョン、そして最近ではLLMs（大規模言語モデル）までのさまざまな技術を含んでいます。この議論では、特に最近OpenAIがChatGPTを一般公開し、企業間でAIの競争が始まったLLMsに焦点を当てます。
AIを活用するテック企業は、通常、次のいずれかのレイヤーで運営しています：
- インフラストラクチャ — これにはハードウェアプロバイダ（例：GPUを製造するNVIDIA）、コンピュートプロバイダ（例：クラウド上で処理能力を提供するAmazon AWS、Microsoft Azure、Google Cloud）、AIモデル/アルゴリズム（例：LLMsを提供するOpenAI、Anthropic）、AIプラットフォーム（例：モデルのトレーニングをサポートするTensorFlow）が含まれます。
- データプラットフォーム/ツールレイヤー — これには、AIアプリケーションのためにデータの収集、保存、処理を可能にするプラットフォーム（例：クラウド上のデータウェアハウスを提供するSnowflake、統一された分析プラットフォームを提供するDatabricks）が含まれます。
- アプリケーションレイヤー — これは、AIを特定のアプリケーションに活用しているすべての企業（スタートアップ、中〜大規模のテック企業、ネイティブではないテック企業など）にまたがります。
現在の市場の状況と、過去の類似の状況（クラウドコンピューティング市場など）での展開を考えると、インフラストラクチャとデータプラットフォームレイヤーは、比較的商品化されたオファリングを持つ数社に収束する可能性が高いです。例えば：
- ハードウェアプレーヤーの中で、NVIDIAは現在のリーダーです（彼らの株価は2023年に3倍になりました）が、これからどの企業が追いつくのか見極める必要があります。
- コンピュート市場は既に収束しており、AWS、Azure、Google Cloudが市場の3分の2を占めています。
- AIアルゴリズムレイヤーでは、OpenAIはGPTモデルで強力な立場を築きましたが、GoogleのDeepmind/Google Brain、Facebook Lambda、Anthropic、Stability AIなどの資金力のあるプレーヤーと競争力のある市場です（詳細な分析はこちらをご覧ください）。ここで注意すべき2つのポイントがあります：i）これらのほとんどの企業は同じデータセットにアクセスできます。そして、1つの企業が新しい有料データセット（例：Reddit）にアクセスした場合、競合他社もアクセスする可能性が高いです。ii）GPTモデルはアルゴリズムレイヤーに位置していますが、ChatGPT製品はアプリケーションレイヤーに位置しています。
この商品化への道筋を考慮すると、これらのレイヤーで運営する企業は2つの可能な道を進むことができます：
- 最初の道は、自社のオファリングをレイヤーを横断して強化することです。最近のM&A活動が証拠です。データプラットフォームレイヤーのデータウェアハウジング会社であるSnowflakeは、Neevaを買収して検索機能を強化し、またLLMsを企業向けに応用する可能性を拓くことを目指しています。データプラットフォームレイヤーの分析プラットフォームであるDatabricksは、AIアルゴリズムレイヤーのMosaicMLを買収し、”generative AI accessible for every organization, enabling them to build, own and secure generative AI models with their own data”を実現するための取り組みを行っています。
- 2つ目の道は、アプリケーションレイヤーに進出することです。ChatGPTはその典型的な例です。OpenAIの強みはAIアルゴリズムレイヤーにありましたが、消費者向け製品の発売により、彼らは数十年ぶりにGoogle Searchに真の競争相手となりました。
AIとLLMsから生み出される将来の価値の大部分は、アプリケーションレイヤーで生まれるでしょう。これには新しいスタートアップを設立することによって生み出される価値も含まれます。それが私たちをY Combinatorに導きます。
Y Combinator (YC) の仕組み
まずはY Combinator（YC）についての簡単な説明から始めましょう。ほとんどのYCの企業は非常に早い段階にあります。バッチの52％はアイデアだけで受け入れられ、77％はYCの前に収益がゼロでした。
YCはかなり厳選されています（受け入れ率は2％未満です）が、主に大量に取り組んでいます：
- 2023年には2つのバッチで300以上の企業に投資し、2022年には600以上の企業に投資しました
- 企業は標準の取引（7％の株式のための125,000ドルの資金）を受けます
- YCはスタートアップに多くのメンターシップを提供し、YCの卒業生、投資家など、多くの人々のネットワークへのアクセスも提供します
- したがって、YCが成功するためには、巨大なヒット商品が数点あれば十分です（エンジェル投資と同様）、そしていくつかの卒業生は非常に成功しています
これらすべてを言いたいのは、YCは、AIを活用して立ち上がったばかりのスタートアップ市場の現状と機会を的確に示す「代表的な」リストです。それでは、大きなトレンドについて詳しく見ていきましょう。
AIスタートアップのトレンド
1. 特定の問題と顧客に焦点を当てる
スタートアップは、特定の問題に焦点を当てた顧客をターゲットにしています。つまり、「汎用」のAIソリューションは少なくなっています。
その一例がYuma.aiで、この企業はShopifyの商人を支援することに特化しています。商人は顧客の要求や懸念に対処するのに苦労しています（デモはこちらでご覧いただけます）。Yuma.aiは大規模な言語モデル（LLMs）を活用して、ナレッジベースからの応答の自動生成を行います。Speedyという別のスタートアップは、マーケティングコンテンツを生成する時間がない中小企業（SMB）をサポートすることに特化しています。Havenは、物件管理業者の約50％の対応を自動化することを目指しています。OfOneは、大規模なファストフードドライブスルーをターゲットにし、注文処理を自動化して収益性を高めることを支援します。
これらの例では、狭い問題領域と顧客に焦点を絞り、その文脈でLLMsを活用しています。
2. 既存のソフトウェアとの統合
GPT / LLMsを単に取得してUIを通じて公開するだけでなく、いくつかのスタートアップは、顧客が既に使用している既存のソフトウェアと統合することでさらに一歩踏み込んでいます。
その一例がLightskiで、この企業はSalesforceなどの顧客関係管理（CRM）ソフトウェアと統合することに特化しています。彼らの目標は、顧客がSlackを介して自然言語のメッセージを送信するだけでCRMを更新できるようにすることで、ユーザーインターフェースの階層を経由する必要性をなくすことです。Yuma.aiはヘルプデスクソフトウェアへのワンクリックインストール機能を提供し、LLMsのパワーを顧客独自のナレッジベースと組み合わせて、サービスエージェントのための下書きの応答を生成します。
これらの統合は、ChatGPTのようなボックス外のLLMアプリケーションでは簡単に解決できない新しいユースケースの解放に大きく貢献しています。
3. 他のAI技術との組み合わせでLLMsを活用する
スタートアップは、LLMsと組み合わせてコンピュータビジョンや予測などの他のAI技術を使用することで、差別化された製品を作り出すことを探求しています。
その一例がAutomatで、顧客は自動化したい繰り返しのChromeプロセスのビデオデモを提供します。Automatは、画面録画に適用されるコンピュータビジョン技術と、人間の自然言語入力を活用して、必要な自動化を作成します。Persana AIという別のスタートアップは、CRMデータの統合と公開されているデータを活用して、セールスチームにとっての潜在的なホットリードを予測します。それから彼らは、個々のリードに対してパーソナライズされたアウトバウンドメッセージの下書きを作成するためにLLMsを使用し、その個人に関する利用可能なカスタムデータを活用します（デモはこちらでご覧いただけます）。
これらのスタートアップは、さまざまな技術の組み合わせを取り入れることで、一般的なLLMアプリケーションとの差別化を図っています。
4. LLMのカスタマイズ
多くのスタートアップは、ユーザーの過去のデータと言語スタイルに基づいたカスタマイズオプションを提供しています。これにより、顧客が使用するLLMモデルをカスタマイズすることができます。
たとえば、中小企業（SMB）がマーケティングコンテンツを生成するのを支援するプラットフォームであるSpeedyは、顧客とのブランディングワークショップを実施しています。これらのワークショップから得られる洞察は、モデルにフィードされ、Speedyは各ビジネスの独自の声とブランドアイデンティティを生成されたコンテンツに取り込むことができます。同様に、Yuma.aiは前のヘルプデスクチケットからの執筆スタイルを学ぶことに焦点を当てています。これらのやり取りで使用されるパターンや言語を分析することで、Yuma.aiは確立されたスタイルに合致する下書きの応答を生成し、顧客とのコミュニケーションに一貫性と個別性をもたらします。
5. クリエイティブなユーザーインターフェース
スタートアップが活用し始めている最も過小評価されている要素の1つは、独自で有用なUIインターフェースを構築することです。現在の多くのLLM製品（chatGPT、Bardなど）はこの点で優れていません。特定のユースケースにカスタマイズされたこれらのインターフェースは、顧客に新たな価値を提供し、既存の製品の使用の難しさからまだ採用していないユーザーを引き込むことができます。
Typeは興味深い例です。彼らは柔軟で高速なドキュメントエディタを構築しました。ユーザーは書きながらcmd + kを押すことで強力なAIコマンドを素早く利用することができます。TypeのAIはドキュメントの文脈を理解し、書くごとに提案を適応させ、スタイルを学習します（デモはこちらでご覧いただけます）。
他の興味深い例として、LightskiはCRM情報の更新にSlackをインターフェースとして使用し、Persana AIはLinkedInページ上でのアウトバウンドドラフトへの簡単なアクセス手段としてChrome拡張機能を使用しています。
6. 高情報量、高精度なユースケース
バッチ内のいくつかのスタートアップは、大量の情報を処理し、洞察の発見において高い精度を要求する特定のユースケースに焦点を当てています。
SPRXは、給与計算および会計システムからデータを直接取り込み、IRSの要件を満たす正確なR&Dクレジットを計算します。
ヘルスケアの世界では、Fairway HealthはLLMを使用して、長い医療記録を分析し、患者が特定の治療の対象となるかどうかを評価するという、かなり手動的なプロセスに効率をもたらしています。これにより、保険会社はより効率的になり、消費者にとってもストレスの少ない体験が提供されます（デモはこちらでご覧いただけます）。
AiFlowは、数百のドキュメントから引用文とデータを取り出すためにLLMを使用し、プライベートエクイティファームがデューデリジェンスを行うのを支援しています。
7. データがシロ化された、エンタープライズ向けのBYOD製品
消費者とは異なり、エンタープライズはデータの使用と共有について制御を求めています。彼らはベースラインの製品に独自のデータ（BYOD）を持ち込み、シロ化された環境で製品をカスタマイズしたいと考えています。
CodeCompleteのアイデアは、メタでGitHub Copilotを使用しようとしたときに、データプライバシーの考慮により内部でのリクエストが拒否されたときに最初に浮かびました。CodeCompleteは今や、顧客独自のコードベースに適応されたAIコーディングアシスタントツールであり、より関連性の高い提案を提供します。モデルは直接オンプレミスまたは顧客独自のクラウドに展開されます。
同様に、ヘッジファンド向けのAIコパイロットであるAlphaWatch AIは、外部データソースと安全なプライベートデータの両方を活用するカスタムLLMを顧客が使用できるようにします。
モートリスク
AIスタートアップが多数登場しているのを見るのは確かに興奮します。これにより、個々の消費者や組織がより効果的になることができます。これらの製品は、生産性と問題解決の効果を飛躍的に向上させるでしょう。
ただし、これらのスタートアップの中には、長期的なモートの欠如が潜在的なリスクとなるものもあります。これらのスタートアップのステージと限られた公開情報のため、それについての詳細な分析は難しいですが、長期的な競争力を持つかどうかを疑問視することは難しくありません。例えば：
- あるスタートアップが、GPTのようなベースのLLMを活用し、ヘルプデスクソフトウェアに統合して知識ベースや執筆スタイルを理解し、ドラフトの応答を生成することを前提として構築されている場合、ヘルプデスクソフトウェアの巨大な企業（Zendesk、Salesforceなど）がこの機能をコピーして製品スイートの一部として提供することを防ぐものは何ですか？
- あるスタートアップが、コンテンツ生成を支援するテキストエディタのクールなインターフェースを構築している場合、Google Docs（既に自動ドラフト機能を試験している）やMicrosoft Word（既にCopilotツールを試験している）がそれをコピーすることを防ぐものは何ですか？さらに一歩進めて、彼らが25%劣る製品を提供し、既存の製品スイートとのセットで無料で提供することを防ぐものは何ですか？（例：Microsoft TeamsがSlackのシェアを奪う）
モートを持たない企業は現状でも成功する可能性があり、彼らが行うことの性質上、その特性を持つ企業は、機能の追加と人材の観点から魅力的な買収対象となるでしょう。ただし、これらの初期のアイデアを大きな成功に変えたいと考えているスタートアップにとって、モートの構築は重要です。
明確なアプローチの1つは、AIを特徴とした問題領域を解決する完全な製品を構築することです（既存の問題領域の上に付加されるAI専用の製品ではなく）。
例えば、Pair AIは、Tiktokのような形式でより魅力的なコースを作成するクリエイターの助けに焦点を当てており、AIの機能（対話型のQ&Aなど）を提供しています。KURUKURUは、コミックを作成するための3Dエンジンを開発しており、キャラクターの作成に関するいくつかのAI機能を持っています。
別のアプローチは、製品の提供を強化することです（AI機能から問題領域に対するより広範な製品へ移行する）。データの統合、BYODモデル、カスタマイズの可能性、他のAI技術との組み合わせなど、上記のトレンドを併用することで、製品の価値を高めることができます。
この市場は急速に進化しており、これらのスタートアップがどのように展開していくかを見るのは興味深いことです。YCのW23コホートに頑張ってもらいましょう！
お読みいただきありがとうございました！この記事が気に入った場合は、Unpackedニュースレターに登録していただくことをご検討ください。そこでは、現在のテックやビジネスのトピックについて、週ごとに詳細な分析を掲載しています。Twitterでも@viggybalaをフォローしていただければと思います。よろしくお願いします、Viggy。
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
