著者：出海去インキュベーター
創業のゲームルールは完全に変わった。
Y Combinator（YC）が最新に発表した2026年春の「創業リクエストフォーム（RFS）」から、明確なシグナルが読み取れる。AIネイティブ（AI-native）はもはや単なるマーケティング用語ではなく、次世代の巨大企業を構築するための基本的な論理となっているのだ。現在のスタートアップは、かつて「揺るがない」と考えられていた分野に、より速く、より低コストで挑戦できるようになった。
今回のYCは、ソフトウェアにとどまらず、産業システムや金融の基盤、政府のガバナンスにも注目しています。もしあの前回のAIブームが「コンテンツ生成」に関するものであったとすれば、次の波は「複雑な問題の解決」と「物理世界の再構築」についてのものとなるでしょう。
YCが現在注視し、投資を希望している10の主要分野を以下に示します。
1. プロダクトマネージャー向け「カーソル」（Cursor for Product Managers）
過去数年間で、Cursor や Claude Code などのツールがコード作成の方法を劇的に変えてきました。しかし、この繁栄はより本質的な問題を隠しています。コードを書くことは手段であり、本当に重要なのは「そもそも何を造るべきか」を理解することなのです。
現在、製品開発のプロセスは依然として「石器時代」にとどまっている。われわれが頼りにするのは断片的なユーザーインタビュー、定量的に測定が難しい市場からのフィードバック、そして数え切れないほどのJiraの作業票である。このプロセスは人的作業に極めて依存しており、多くの断層を抱えている。
市場は、プログラマがカーソルを使って補助されるように、プロダクトマネージャーを補助するAIネイティブシステムを緊急に必要としています。こうしたツールを想像してみてください。すべての顧客インタビューレコーディングやプロダクト使用データをアップロードし、それに「我々は次に何をすべきか？」と尋ねるのです。
それはあなたに曖昧なアドバイスをただ与えるだけでなく、完全な機能のアウトラインを出力し、具体的な顧客のフィードバックによって決定の妥当性を論証します。さらに、それはUIプロトタイプを直接生成し、データモデルを調整し、具体的な開発タスクを分解してAIコーディングエージェントに実行させることが出来ます。
AIが徐々に具体的なコード実装を引き受けるにつれて、「製品の定義」の能力はかつてないほど重要になるだろう。われわれは、「ニーズの発見」から「製品の定義」までの閉環を打通できるスーパー・ツールを必要としている。
2. 次世代AIネイティブヘッジファンド（AI-Native Hedge Funds）
20世紀の80年代、少数のファンドがコンピュータを使って市場を分析し始めたとき、ウォールストリートはそれを馬鹿にした。しかし今や、クオンツ（数理）トレーディングは標準装備となっている。もしあなたが今さらこの転換点に気づいていないなら、次のレナissanceテクノロジーズやブリッジウォーター・アソシエイツを逃すかもしれない。
この波の機会は、AIを「外部拡張」して既存のファンド戦略に追加するのではなく、ゼロからAIネイティブな投資戦略を構築することにある。
既存の巨大なクオンツファンドは膨大なリソースを持ってはいるが、コンプライアンスとイノベーションのバランスを取る中で彼らの対応はあまりに遅い。今後のヘッジファンドは、AIエージェントの群れによって駆動されるだろう——それらは人間のトレーダーのように、24時間体制で10-K財務報告書を精査し、決算発表の電話会議を監視し、SECの文書を分析し、複数のアナリストの意見を統合して取引を行うことができる。
この分野において、真のアルファ収益は、AIに投資決定を深く委譲するというリスクを取る新参者企業のものです。
3. サービス企業のソフトウェア化への転換（AIネイティブエージェンシー）
これまで、デザイン会社や広告代理店、法律事務所を問わず、すべてのエージェンシー（Agency）モデルは一つのジレンマに直面していた。それは「スケーラビリティ（拡大可能性）の難しさ」である。なぜなら、彼らが販売しているのは「人件時間」であり、利益率が低く、成長には採用に依存せざるを得ないからだ。
AIはこのジレンマを打破しています。
新世代の代理店は、もはや顧客にソフトウェアツールを売り込むのではなく、自分たち自身がAIツールを活用し、100倍の効率で結果を生み出し、最終製品を直接販売するようになる。つまり：
設計会社は契約を結ぶ前からAIを使って一連のカスタマイズされたソリューションを生成し、伝統的な競合企業を圧倒することができる。
広告代理店はAIを使って高品質な映画レベルの動画広告を制作でき、高額な現地撮影を行う必要がなくなる。
法律事務所は、複雑な法的文書の作成を数週間ではなく数分で完了させることができます。
将来のサービス企業はビジネスモデルにおいてソフトウェア企業に似てくるだろう。ソフトウェア企業の高い粗利益と無限のスケーラビリティを備えるのである。
4. ステーブルコイン由来の金融サービス（Stablecoin Financial Services）
ステーブルコイン（Stablecoins）は急速に世界金融の重要なインフラストラクチャになってきているが、その上に構築されるサービス層はいまだ荒野のままである。GENIUSやCLARITYなどの法案が進展する中、ステーブルコインはDeFi（分散型金融）とTradFi（従来型金融）の交差点に立っている。
これは巨額な規制回避とイノベーションの機会です。
現在、ユーザーは「規制に合致したが収益性が低い伝統的な金融商品」と「高収益だが高リスクな暗号資産」の間で単一選択を強いられることが多い。市場には中間的な形態が求められている。それは、安定通貨を基盤に構築され、規制に合致しつつDeFiの利点を備えた新しいタイプの金融サービスである。
より高い利回りを提供する貯蓄口座や、トークン化された現実世界の資産（RWA）、あるいはより効率的な国際送金インフラなど、今こそこの2つの平行世界をつなぐのに最適な時期です。
5. 古い産業システムの再構築：現代金属工場（Modern Metal Mills）
人々が「アメリカの再産業化」について語るとき、しばしば労働力コストに注目し、部屋の象である伝統的な産業システムの設計が極めて非効率的であるという事実を見過ごす。
アメリカのアルミニウムや鋼管の調達を例に挙げると、納期が8週間から30週間かかるのはごく普通のことです。これは労働者が怠けているからではなく、生産管理システム全体が何十年前に設計されたものだからです。こうした老朽化した工場では、「生産量」と「稼働率」を追求するために、スピードと柔軟性を犠牲にしています。さらに、高エネルギー消費も大きな問題であり、工場側は現代的なエネルギー管理システムを欠いていることが多いです。
再構築の機会は熟しています。
AI駆動型の生産計画、リアルタイムの製造実行システム（MES）、現代的な自動化技術を活用することで、納期を大幅に短縮し、利益率を高めることができます。これは単に工場をより速く動かすということではなく、ソフトウェアで定義された製造プロセスにより、地元での金属生産をより安く、柔軟で、利益の高いものにすることです。これは産業基盤を再構築するための鍵となります。
6. 政府治理のAIアップグレード（AI for Government）
第一波のAI企業は、企業や個人がフォームを記入する速度を驚くほど速くしてしまったが、こうした効率は政府機関に直面すると突然止まってしまう。大量のデジタル申請は結局、印刷して手作業で処理しなければならない政府のバックエンドに集約してしまうのだ。
政府機関は、迫りくるデータの洪水に対処するためにAIツールを緊急に必要としています。エストニアのような国はすでに「デジタル政府」の原型を示していますが、この論理は世界中で展開される必要があります。
政府にソフトウェアを販売することは確かに難しいが、その分、報酬も大きい。一度目の顧客を獲得すれば、高い顧客ロイヤルティと大きな拡大可能性が得られることが多いのだ。これは単なるビジネスチャンスだけでなく、社会の運営効率を高める公益的な行為でもある。
7. 物理作業のリアルタイムAI指導（AI Guidance for Physical Work）
「マトリクス」でネオがチューブを差し込み一瞬でカンフーを習得するシーンを覚えているだろうか？現実版の「スキルインジェクション（技能注入）」がやってくる。その媒体は脳機インターフェースではなく、リアルタイムAI指導である。
白い-collarの仕事がAIによって置き換えられるかどうかを一日中議論するよりも、むしろAIが青い-collarの仕事にどのように力を与えているかを見てみるべきだろう。現場サービス、製造業、医療介護などの分野において、AIは直接「手を動かす」ことはできないが、「見る」ことと「考える」ことはできる。
想像してみてください。スマートグラスを装着した作業員が設備を修理しており、AIはカメラを通じてバルブを認識し、彼の耳元で直接「その赤いバルブを閉じて、3/8インチのレンチを使ってください。その部品は摩耗しているので交換が必要です」と言います。
多モーダルモデルの成熟、スマートハードウェア（スマートフォン、イヤホン、メガネ）の普及、そして熟練労働力の不足、この3つの要因が重なって、こうした大きな需要を生み出しました。既存企業向けのトレーニングシステムの提供であれ、まったく新しい「スーパーブルーカラー」労働力プラットフォームの構築であれ、ここには大きな想像の余地があります。
8. 言語の制約を突破する空間大規模モデル（Large Spatial Models）
大規模言語モデル（LLM）はAIの爆発を後押ししましたが、その知性は「言語」が説明できる範囲に限定されています。汎用人工知能（AGI）を実現するためには、AIは物理的な世界と空間的関係を理解しなければなりません。
現在のAIは、幾何学や3D構造、物理的な回転などの空間的なタスクを処理する際に依然として不器用です。これは、物理世界と相互作用する能力に制限をもたらしています。
我々が探しているのは、大規模空間推論モデル（Large Spatial Models）を構築できるチームです。このようなモデルは幾何学を言語の附属物としてではなく、第一原理として扱うべきです。AI が物理的構造を本当に理解し設計できるようにする者は、次の OpenAI レベルの基盤モデルを築く機会を得ます。
9. 政府詐欺狩人のデジタル軍火庫
政府は世界最大の買い手であり、毎年数万億ドルを支出しているが、一方で詐欺による損失も甚大である。米国のメディケア（公的医療保険）だけでも、不適切な支払いにより毎年数百億ドルが失われている。
米国の「虚偽請求法（False Claims Act）」は、民間の市民が政府の代わりに詐欺行為を行った企業を提訴し、回収された資金の一部を受け取ることを許可しています。これは詐欺行為への対処において最も効果的な手段の一つですが、現在のプロセスは非常に原始的です。すなわち、告発者が法律事務所に情報を提供し、法律事務所が何年もかけて書類を手作業で整理するという流れです。
我々はこれのために特別に設計されたスマートシステムを必要としている。それは単なるダッシュボードではなく、混乱したPDFを自動的に解析し、複雑な空殻会社構造を追跡し、断片的な証拠を訴訟可能な文書にまとめ上げるAI探偵なのである。
詐欺の回収速度を10倍に速めることができれば、あなたはただ巨大な商業帝国を築くだけでなく、納税者に数十億ドルの損失を挽回することができる。
10. LLM の訓練を簡単にしよう（Make LLMs Easy to Train）
AIが熱狂的な注目を集めているにもかかわらず、大規模モデルのトレーニングの経験は依然としてひどいものである。
開発者たちは毎日、壊れたSDKと戦い、数時間かけて起動直後にクラッシュするGPUインスタンスをデバッグしたり、オープンソースツールに致命的なバグを発見したりしています。TB級のデータを扱う際の地獄のような作業も、言うまでもありません。
クラウドコンピューティングの時代にDatadogやSnowflakeが生まれたように、AIの時代にもっと良い「シャベル（道具）」が緊急に必要とされている。我々は以下のようなものを必要としている：
完全抽象化されたトレーニングプロセスのAPI。
超大規模データセットを簡単に管理できるデータベース。
機械学習研究のために設計された開発環境。
「ポストトレーニング」（Post-training）やモデルの専門化がますます重要になるにつれて、こうしたインフラは今後のソフトウェア開発の基盤となるだろう。