今回は、世界最大のアクセラレーターであるY Combinatorの2026年冬バッチに採択されていた200社のスタートアップに注目しました！
特にAIという文脈ではアメリカのスタートアップマーケットにどのようなトレンドが来ているのか、小林と萩谷による分析・解説をお届けします！
多様化するAIスタートアップとYC採択企業に見られる変化
小林：今回はY Combinatorの最新バッチを見ていこうという回ですが、まず全体として感じたのは、やはりAIの比率が高いという点とユースケースの細分化がかなり進んでいるという点ですね。医療や法律のような王道領域に加えて、「そこにそんな課題があったのか」と思うようなニッチな領域まで踏み込んでいる。さらに、既にプレイヤーが存在する領域でもマーケットの大きさを前提に後発が成立しているのが特徴的だと感じています。
萩谷：同感ですね。AIを活用した事業の数が増えているだけでなく、課題の切り取り方自体がかなり細かくなっている印象があります。日本だとまだ王道領域が中心で「AI × 既存産業」のような形が多いですが、海外はもっと解像度が高くてそもそも新しい課題を見つけにいっている感じがあります。
小林：今回の採択社数は約200社で過去最多ということですが、AI比率は60%程度で、前のバッチの90%近い状態からは少し落ち着いています。一方で、C向けは5%程度しかなく、ほぼB向け中心の構成になっているのも印象的です。この偏りは、やはり市場の成熟度を反映しているように見えます。
萩谷：そうですね。B向けは課題が明確で、導入の意思決定も比較的合理的に進むのでプロダクトが成立しやすい。一方で、C向けはそもそもユーザーがAIをどのように使うかの理解がまだ追いついていないので、プロダクトとして成立させる難易度が高いと思っています。
小林：今回のバッチ全体を見ていて、3つの観点で整理すると理解しやすいと感じています。1つ目がAIの普及によって新たに生まれた課題に対するアプローチ、2つ目がAIネイティブな事業者の台頭、3つ目がリアル領域への実装です。この3つで見ると、単なる事例の羅列ではなく構造的な変化として捉えられるなと思っています。
AIが新たに生み出した課題とその持続性
小林：1つ目の論点として、AIの普及によって生まれた新たな課題を解くビジネスについてどう考えるかですが、個人的には賞味期限が短いのではないかという感覚があるというのが正直なところです。例えばプロンプトエンジニアリングのように、一時期は重要視されてもモデルの進化によって価値が薄れるケースもあるので、この領域に過度に依存するのはリスクがあるのではないかと。
萩谷：その懸念は理解できますが、現状を見るとAIの精度がまだ100%ではない以上、どうしても解決しきれない領域が残っているとも思います。ハルシネーションやセキュリティの問題、そしてラストワンマイルの品質担保といった領域ですね。実際に企業がAIを導入してみると、最後の詰めの部分で人が介在せざるを得ないケースが多いです。
小林：確かにこの2〜3年で実運用が進んだことで、単なる一時的な問題ではなく「構造的に残る課題」が見えてきたという側面はありますよね。PoC段階では成立していたものが、本番運用で詰まるというケースが顕在化してきた。
萩谷：そうですね。PoCではうまくいくけど本番で使えないというのはよくある話で、そのギャップをどう埋めるかが今の大きなテーマです。人で補うのか、ツールで補うのか、あるいは仕組みとして解決するのか、その最適解を探しているフェーズだと思います。
小林：ただ、それが長期的に残るかどうかは別問題で、領域ごとに見極める必要がありますよね。今は需要があるけれど、モデルの進化によって解消される可能性もある。
萩谷：まさにその通りで、短期的な需要と長期的な持続性を分けて考える必要があります。少なくとも現時点ではニーズは強いですが、10年後も同じ構造かどうかは不透明です。
QA領域の再定義と上流工程へのシフト
小林：具体的な事例として、AIが書いたコードに対するQuality Assurance（以下、QA）の領域は非常に象徴的だと思っています。AIによってコード生成が加速した結果、むしろ検証負荷が増えているという逆転現象が起きています。
萩谷：そうですね。AIがコードを書くことで開発速度は上がる一方で、それが正しく動くかどうかを人間が確認しなければならないので、別の意味で負荷が増えています。ここに対するソリューションとしてQAの領域が再注目されています。
萩谷：最近話を聞いて面白いと思ったのが、「AI for QA」と「QA for AI」という2つの概念です。前者は既存のQA業務をAIで効率化するもの、後者はAIそのものの品質を担保するもので、特に「QA for AI」は新しい領域ですね。AIを前提としたシステムに対して品質保証を行うためには、AIの特性を理解したチームが必要になります。単なるテストではなく「どのモデルを使うべきか」「どの程度のリスクが許容されるか」といった設計レベルの判断が求められます。
小林：さらに踏み込むと、コード自体が本質なのかという問いもありますよね。コードはあくまでアウトプットであって、より重要なのはその上流にある設計や業務理解ではないかと。
萩谷：まさにそこが本質だと思います。コードは手段でしかなく、重要なのは業務やワークフローをどう設計するかです。その意味で、品質保証も上流工程にシフトしていく流れがあると感じています。
データ不足とアノテーションの進化
小林：もう一つの事例として、アノテーション領域の進化も興味深いです。特に日常会話データを収集する動きが出てきているのは象徴的だと思います。
萩谷：オンライン上のデータが枯渇しつつあるという話はよく聞きますね。既存のデータは取得コストも高いので、新たに生成する必要が出てきている。
小林：ユーザーに会話をさせて、そのデータを整形してモデル企業に提供するという仕組みですが、正直なところ、どれくらいの量が必要なのか、そしてそれが継続的に必要なのかはまだ見えない部分があります。
萩谷：そこは大きな論点ですね。日常会話といっても、国や年代、性別などで大きく異なるので、どの粒度でどれだけ集める必要があるのかは不透明です。
小林：また、そもそもそのデータがどの程度プロダクトの価値に寄与するのかも含めて、まだ仮説段階にある印象です。モデルの進化によって不要になる可能性もありますし。
萩谷：一方で、ニーズが明確になれば日本でも成立する余地はあります。どこまでスケールするかは、モデル企業側の需要次第という側面が大きいですね。
B向け偏重とC向けの可能性
小林：全体としてC向けが5%しかないというのはやはり気になるポイントです。
萩谷：現状ではB向けの方が圧倒的にやりやすいですね。課題が明確で、導入のROIも説明しやすい。一方でC向けは、そもそもユーザーが何に価値を感じるかがまだ定まっていません。
小林：ただ、パーソナルAIのような領域が立ち上がってくると、一気に状況が変わる可能性はあると思っています。個人のAIが自律的に動き、他のAIと連携するような世界観です。
萩谷：その場合、ユーザーはAIを直接操作するというよりも、結果だけを受け取る形になるので、UXのハードルは下がりますよね。そこまで行けばマスにも広がる可能性があります。
小林：結局のところ、C向けは一つの成功事例が出るかどうかが重要で、それがトリガーになって市場が一気に立ち上がる構造だと思います。
萩谷：現時点ではまだその手前ですが、ポテンシャルとしては大きい領域なので、引き続き注視していく必要がありますね。
今回の内容はポッドキャストでも配信しておりますので、詳細の内容を知りたい方はぜひ音声でもお聞きください！
