Y Combinator 日本語図鑑

事業概要

プロダクト

• 利用企業は複数モデルへの接続情報を一か所に登録する。
• 送信文と許可条件を照合し、利用可能なモデルへ振り分ける。
• モデル別の利用回数と費用を集計し、予算超過を通知する。
• 通信内容を学習用データとして蓄積し、モデル改善に回す。
• 管理画面でモデルごとの許可と拒否を設定できる。

技術アーキテクチャ（推定）

• 顧客のアプリから送信される推論要求と利用設定を取得する。
• 公開されたモデル仕様と顧客の許可リストを照合し、接続先を決める。
• 要求内容を正規化し、機密情報の有無を判定するとみられる。
• 利用履歴を蓄積し、モデル別の費用と応答品質を集計するとみられる。
• 蓄積した通信を学習データに変換し、モデル改善へ戻すとみられる。
• 管理画面とAPIで設定・履歴・請求情報を提供するとみられる。

収益モデル

• AI予算を持つ企業が、モデル接続と利用管理に月額または従量で支払う形とみられる。
• 価格は非公開。
• モデル提供者からの手数料収入の有無は未確認。

差別化

• 通信履歴を学習データへ変える仕組みが利用の蓄積を生む。
• オープンソース化で導入企業の運用に深く入り込む。
• モデル横断の利用管理を一つの窓口に集約する。
• 創業者はAutoGPTの成長と自動運転シミュレーションを経験。

日本展開時のリスク

• 外部モデルへの送信データの社内規程整備が導入の前提になる。
• 個人情報や営業秘密の越境移転に関する説明責任が生じる。
• 国内クラウド各社の既存契約が導入の障壁になり得る。
• オープンソース運用の内製体制がない企業では導入が重い。
• 利用量に応じた費用が読みにくく、予算管理の効果を示しにくい。

日本での競合

• 国内にモデル振り分け専業の直接の同型は未確認。
• クラウド各社がモデル接続と利用管理の機能を提供する。
• 企業向け生成AI基盤には国内事業者が参入している。
• 調達はクラウド契約と一体で進むことが多く、単独導入の壁は高い。
• データ持ち出しの審査が導入可否を左右する。

主要プレイヤー

• Amazon Web Services — クラウド基盤。国内リージョンで提供。
• Google Cloud — クラウド基盤とデータ分析。
• Microsoft Azure — クラウド基盤と業務アプリ。