Y Combinator 日本語図鑑

事業概要

プロダクト

• アプリの稼働ログやAPI通信を受け取り、攻撃の兆候を判定する。
• リクエスト単位で呼び出し頻度や改ざんの痕跡を照合する。
• 攻撃と判定した通信をその場で遮断し、遮断記録を返す。
• コードを変更せず既存の実行環境に常駐させ、監視を開始する。
• 検知した攻撃の種別と時刻を一覧で出力する。

技術アーキテクチャ（推定）

• 顧客アプリの実行ログとAPI通信を、常駐エージェント経由で取得するとみられる。
• クラウドやコンテナの構成情報も連携し、実行環境の前提を把握すると推定される。
• 通信の系列を名寄せし、正常時の振る舞いとの差分を照合するとみられる。
• 判定は機械学習とルール群を併用し、攻撃種別ごとに危険度を付けると推定される。
• 検知結果と遮断履歴を保管し、管理画面とAPIで顧客に返すとみられる。

収益モデル

• 保護対象のアプリ単位またはホスト単位の月額課金とみられる。価格は非公開。
• 通信量や保護対象数に応じた従量課金を併用する可能性がある。価格は非公開。
• 導入設計や運用代行を案件単位で受託する形態も想定される。価格は非公開。

差別化

• 稼働中の攻撃ログが蓄積され、検知規則の精度が導入先ごとに上がる。
• コード改修なしで入るため、既存の開発工程を変えずに居座れる。
• 遮断判断をアプリ内部で完結させ、外部装置への依存を減らせる。

日本展開時のリスク

• 機密通信の扱いについて、保管場所と委託先の説明を求められる。
• 既存の監視基盤やログ基盤との重複を嫌い、導入審査が長引く可能性がある。
• 通信を止める製品のため、誤遮断時の責任分界が導入の障壁となる。
• 国内の代理店やシステム構築事業者を通じた販売網がなく、商流確保が課題となる。
• セキュリティ予算は年単位で組まれ、月額の新規支出に通りにくい。

日本での競合

• 国内のセキュリティ市場は大手ベンダーとシステム構築事業者の組合せが中心。
• トレンドマイクロやFFRIは端末・サーバ保護で強い基盤を持つ。
• ラックは監視運用を担い、企業の常時監視の受け皿になっている。
• 稼働中アプリの攻撃を自動遮断する専業は国内で確認できない。
• 参入には既存監視との連携と誤遮断の説明責任が要る。

主要プレイヤー

• トレンドマイクロ — セキュリティソフト。
• FFRI — セキュリティ研究と製品。
• ラック — セキュリティ監視と診断。

事業概要

プロダクト

• テスト内容を平文で記述して登録する。
• エージェントがログイン、OAuth、ワンタイムパスワードを入力し操作する。
• GitHubのプルリクエスト作成ごとにテストを自動実行する。
• 本番環境を定期巡回し画面遷移の破損を検出する。
• 画面画像と録画、再現手順付きの不具合報告を返す。
• 回帰不具合と操作上の問題をコードレビュー前に提示する。

技術アーキテクチャ（推定）

• 顧客のウェブ・モバイルアプリとGitHubリポジトリを入力源とする。
• GitHub連携と画面操作エージェントで画面要素と遷移を取得する。
• 平文のテスト記述を操作手順に変換し、認証情報を注入して実行する。
• 画面画像と操作ログを比較し、差分を不具合候補として採点する。
• 結果を録画と再現手順にまとめ、報告として保存・配信するとみられる。

収益モデル

• 開発企業が月額または実行回数に応じて料金を支払う形とみられる。
• チーム単位の席課金や同時実行数の追加課金も想定される。
• 価格は非公開。

差別化

• 平文の記述からテストを生成し保守を不要にする点。
• プルリクエスト単位で実行し開発の流れに常駐する。
• 認証フローの自動処理を蓄積した操作知識。
• 本番監視とテスト実行を同じ記述で回す構成。

日本展開時のリスク

• 認証情報と利用者データを預かるため情報管理基準の説明が要る。
• 既存のテスト自動化製品からの置き換えには移行費用がかかる。
• 本番環境への自動操作は障害時の責任分界の合意が前提となる。
• 国内の開発現場は受託とSIer経由が多く、販売チャネルが限られる。
• 月額の妥当性を示す導入効果の定量データが未公開である。

日本での競合

• 国内にはウェブとアプリの自動テスト製品が複数存在する。
• AutifyとMagicPodが記録再生型とAI支援で先行する。
• SHIFTやバルテスは受託型の品質保証を大企業に提供する。
• 平文記述から操作を生成する形は国内でまだ一般的でない。
• プルリクエスト連動の常駐型は空白に近い。
• 認証を伴う本番操作は導入審査の壁になりやすい。

主要プレイヤー

• Autify — ノーコードでE2Eテストを作成・実行。AIがUI変更に追随。
• MagicPod — モバイルとWebのE2Eテスト自動化。月39,800円から。
• SHIFT — 品質保証の受託とテスト設計。

事業概要

プロダクト

• 会議の録音、Slackの会話、Claudeの履歴を取り込む。
• 会話から決定事項、担当者、期限を抽出し、記憶として構造化する。
• 質問に対し、過去の会議と会話を根拠にした回答を返す。
• 会議前に関連する過去の議論と未決事項を要約して渡す。
• 業務エージェントに検索窓口を提供し、記憶を参照させる。

技術アーキテクチャ（推定）

• 会議ツール、Slack、Claudeの履歴を各サービスのAPI経由で取得するとみられる。
• 会議音声は音声認識で文字起こしし、発話者ごとに整形するとみられる。
• 会話から決定事項と人名・日付を抽出し、重複を名寄せして記憶に分ける。
• 抽出した記憶を埋め込みベクトルと属性情報に変換し、検索基盤へ保存する。
• 利用者の権限に合わせて検索結果を絞り、根拠箇所付きで返すとみられる。

収益モデル

• 法人顧客が記憶基盤の利用に対し、チーム単位の月額料金を支払う形態と推定される。価格は非公開。
• 利用人数や連携数に応じた段階課金、または個別見積もりの年額契約が想定される。

差別化

• 利用が続くほどチーム固有の記憶が蓄積し、乗り換えコストが高まる。
• 会議、チャット、エージェントをまたぐ記憶の一元化が構造的な違い。
• 権限管理付きの検索を基盤側で担い、日常業務の入口を握る。

日本展開時のリスク

• 会議録音では参加者の同意取得と社内規程の整備が欠かせない。
• 機密情報を扱うため、保存場所と監査ログの説明が導入条件になる。
• 国内の会議ツールやグループウエアとの連携対応が導入の壁になる。
• 相見積もりや導入前検証に時間がかかる商習慣が販売を遅らせる。
• 海外送金と為替変動への懸念が月額価格の妥当性を左右する。

日本での競合

• 国内では会議録とチャットを別々のツールで管理する運用が多い。
• 議事録は国内の会議サービスや文字起こし事業者が担っている。
• 情報共有はグループウエアや顧客管理ツールが近接領域にある。
• 業務エージェント向けの共有記憶を掲げる直接の同型は見当たらない。
• 参入には主要ツールとの連携と機密情報の管理体制が鍵になる。

主要プレイヤー

• Chatwork — チャットとタスク管理のビジネスツール。
• Backlog — 課題管理とWikiを備えたプロジェクト管理。

事業概要

プロダクト

• 利用者は複製したいPostgreSQLデータベースを指定する。
• システムは元データベースの複製を六秒で作成する。
• 作成した複製をエージェントの検証作業に渡す。
• エージェントは本番環境に触れず複製上で変更を試せる。
• データベースの規模にかかわらず同じ手順で複製する。

技術アーキテクチャ（推定）

• 複製元は顧客が指定するPostgreSQLデータベースとみられる。
• 顧客の接続情報を用いて元データベースへ直接接続すると推定される。
• 行単位の論理コピーではなく記憶領域の複製を用いるとみられる。
• 複製先はエージェントごとに払い出し、検証用に接続させると推定。
• 複製環境は不要になった時点で破棄するとみられる。
• 機密データの隔離方法や権限分離の実装は非公開。

収益モデル

• 収益モデルは非公開で、利用企業から利用料を得る形と推定される。
• 課金単位は月額か従量かを含め非公開。
• 価格、無料枠、最低契約期間はいずれも非公開。

差別化

• 大規模なデータベースを六秒で複製する速度が主要な差異。
• エージェントの検証工程に複製環境を組み込む利用形態を狙う。
• 複製運用の知見が蓄積すれば調整の優位が生じる可能性がある。
• 直接の同型が少なく、先行事例を作れる余地がある。

日本展開時のリスク

• 個人情報を含むデータベースの複製は保管要件の確認が要る。
• 本番データの複製には企業の稟議と権限管理の整備が要る。
• 国内クラウド事業者の管理サービスとの調達競争がある。
• 六秒の性能が国内の通信・保存環境でも出るかは未確認。
• 価格が非公開で費用対効果を判断しにくい。

日本での競合

• 国内にPostgreSQL複製を専業で提供する同型は見当たらない。
• クラウド事業者が管理データベースと複製機能を提供している。
• 国内の開発基盤市場ではクラウド大手の存在感が大きい。
• エージェント向けの複製環境は空白が大きい。
• 機密データの扱いと調達審査が参入時の壁になる。
• 直接競合が少ない一方、市場の立ち上がりは不確実である。

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。

事業概要

プロダクト

• SNS各社の公開動画を収集し、字幕と発話をテキスト化して保存する。
• ブランドの既存資料や過去投稿を読み込み、語調と訴求軸を学習する。
• 指定カテゴリの動画を横断視聴し、流行と競合の訴求を抽出する。
• クリエイター候補を視聴履歴と反応率から順位付けして提示する。
• 投稿後に再生数と反応の推移を取り込み、要因を分解して返す。

技術アーキテクチャ（推定）

• 取得元はSNS各社の公開投稿、ブランドの社内資料、配信実績とみられる。
• 各社が公開する取得手段や収集処理で定期的に取り込み、音声と字幕を抽出する。
• 抽出した発話は文字起こしし、話題と訴求と評価の単位に分けて索引化する。
• ブランド資料との照合で語調や禁止表現を判定し、投稿案の採点に使う。
• 結果は対話形式で返し、判断の根拠となった動画を併記すると推定される。

収益モデル

• 大手消費財ブランドのマーケティング部門が月額で契約する形とみられる。
• 席数や対象ブランド数に応じた段階課金の可能性がある。価格は非公開。
• 代理店が手作業で受託する分析業務の置き換えを課金根拠に置く。

差別化

• 動画を実際に視聴して蓄積した内容索引が資産になる。
• ブランド固有の文脈を学習するほど提案精度が上がる構造。
• 調査から立案までを一つの対話画面に集約し、常用を促す。
• 代理店の手作業単価を基準に価格を設定できる。

日本展開時のリスク

• 各SNSの利用規約と機械的な取得の可否が事業の前提になる。
• 投稿者や映り込む人物の肖像と個人情報の扱いに制約がある。
• 国内ブランドは代理店経由の稟議が中心で、直接販売が難しい。
• 広告主の予算は代理店手数料と一体で、価格比較が起きにくい。
• 既存の投稿分析ツールや配信基盤との重複を説明する必要がある。

日本での競合

• 国内はインフルエンサー施策を代理店と専門会社が担う構造。
• 大手ブランドのSNS運用は広告代理店と制作会社が握る。
• 投稿の計測や分析は各社が部分機能として提供している。
• 動画を視聴して立案まで行う同型製品は確認できない。
• 参入には代理店との協業か、直販での信頼獲得が要る。

主要プレイヤー

• ユーザーローカル — AIチャットボットとアクセス解析。
• ブレインパッド — データ分析の支援。

事業概要

プロダクト

• 社内文書、チャット履歴、業務ツールの操作記録を入力として取り込む。
• 重複する知識を名寄せし、業務ごとの文脈に整理して保存する。
• 実行手順を再利用できるワークフローとして記録し、次の実行に渡す。
• 過去の実行結果を検索し、根拠付きでエージェントへ返す。
• 社内ツールの接続設定と権限を一元管理し、各エージェントに配る。

技術アーキテクチャ（推定）

• 顧客の社内文書、チャット、業務ツールの操作記録を接続経由で取得するとみられる。
• 外部連携はAPI接続を基本とし、対応する業務ツールを広げるとみられる。
• 取得した情報を名寄せ・正規化し、エージェント向けの文脈に変換するとみられる。
• 実行手順と成果物を保存し、検索と再利用のための索引を付けるとみられる。
• 社内の権限に応じて参照範囲を制御し、各エージェントへ配信するとみられる。
• 応答生成には外部の大規模言語モデルを併用するとみられる。

収益モデル

• チーム単位の月額課金が想定されるが、価格は非公開。
• エージェント数や実行量に応じた従量課金の可能性があるが、未確認。
• 導入設計や接続支援を別途提供する可能性があるが、未確認。

差別化

• チームの実行履歴が蓄積するほど、再利用できる知識が増える。
• 社内ツール接続と権限管理を握り、日常業務の導線に入り込む。
• 単発の会話ではなく、業務手順と成果物を資産として残す。
• 直接の同型が少なく、導入先ごとの業務文脈を先に押さえられる。

日本展開時のリスク

• 社内情報のアクセス権限と監査ログの設計が導入の前提になる。
• 既存のグループウェアや基幹システムとの接続仕様の調整に時間がかかる。
• エージェントの実行結果を誰が承認するかの運用設計が必要になる。
• 情報の保管場所と越境移転に関する社内規程への適合が問われる。
• 導入効果を金額で説明する資料が商談で求められやすい。

日本での競合

• 国内にはAIエージェントの共通記憶を専業で提供する同型が見当たらない。
• 社内情報共有はサイボウズやChatworkが担い、需要の受け皿は存在する。
• 顧客接点や業務データ基盤ではセールスフォースなど大手が強い。
• エージェント基盤はクラウド大手の提供が進み、機能の取り込みが起きやすい。
• 導入時は既存システム接続と権限設計が壁になり、受託開発に近づきやすい。
• 直接の同型がない一方、単独カテゴリとしての認知形成が必要になる。

主要プレイヤー

• Chatwork — チャットとタスク管理のビジネスツール。
• サイボウズ — グループウェアと業務アプリ。
• Salesforce Japan — 営業支援と顧客管理のクラウド。

事業概要

プロダクト

• チャットで業務の指示と対象ツールを指定して依頼する。
• 内蔵連携かHTTP APIかMCP経由で外部ツールを読み書きする。
• 必要なら画面を生成し、一括処理や計算はコード実行で賄う。
• APIの無いサイトは実ブラウザー操作で入力と取得を行う。
• 定時や条件のトリガーで同じ処理を継続的に実行する。
• 実行ログと結果をチャット上に返し、修正指示で再実行する。

技術アーキテクチャ（推定）

• 顧客の業務システムの認証情報と対象データを連携設定から取得するとみられる。
• API、MCPサーバー、ブラウザー操作の三経路で外部ツールに接続する。
• 指示文を解釈して実行手順と使用ツールを選択する構成と推定される。
• 数値処理や一括更新はクラウドのサンドボックスでコードを走らせる。
• 生成した画面は都度出力し、実行状態はクラウド側で保持するとみられる。
• 複数モデルを切り替えて推論し、連携先の仕様変更に追随する。

収益モデル

• 法人が利用者数に応じた月額で契約する形態が想定される。価格は非公開。
• 実行量に応じた従量課金や上位プランの追加も考えられる。価格は非公開。
• 連携構築や導入支援を個別案件として受託する形態も想定される。

差別化

• 連携先の数と接続手順の蓄積が乗り換えコストになる。
• 継続稼働する定型業務を握ると置換が難しくなる。
• 画面生成とコード実行を同じ実行基盤で賄う構成。
• 複数モデルを差し替えられ性能向上を吸収できる点。

日本展開時のリスク

• 顧客の業務データと認証情報を預かる責任分界の設計。
• 個人情報保護法と社内規程に沿った権限管理の実装。
• 基幹系や国内SaaSとの接続コネクタが限られる点。
• 実行誤りによる更新事故への補償と監査証跡の整備。
• 月額の妥当性を示せず決裁が下りにくい可能性。

日本での競合

• 国内は業務フロー自動化と定型作業自動化が別々に存在する。
• 定型的な連携はノーコード連携サービスが担っている。
• 反復作業の自動化は国内RPA製品が大企業に浸透している。
• 複数ツールを横断し判断も行う同型は見当たらない。
• 生成AIの業務利用は大手のシステム会社経由の提案が中心。
• 参入には国内SaaS接続と監査対応の作り込みが要る。

事業概要

プロダクト

• 製造現場の業務を担うAI従業員を提供する事業。
• 入力は生産計画や作業指示、設備と在庫の記録とみられる。
• 入力した数値を照合し、作業の割当や進捗の差異を算出するとみられる。
• 結果は現場向けの作業指示や異常の通知として返すと推定される。
• 機能の内訳、導入手順、連携先の仕様は公開されていない。

技術アーキテクチャ（推定）

• 顧客の製造実行システムや基幹系から生産・在庫データを取得するとみられる。
• 連携はAPI接続か書類の取り込みが中心になると推定される。
• 設備の稼働記録や作業ログは現場端末経由で集める可能性がある。
• 取得したデータを名寄せ・正規化し、工程間の差異を照合するとみられる。
• 照合結果を言語モデルで解釈し、次の作業指示に変換すると推定される。
• 処理結果は既存の業務画面や通知経由で提供されるとみられる。

収益モデル

• 製造事業者が現場オペレーションのAI従業員の利用に対価を払う形とみられる。
• 課金単位が月額か利用量かは非公開。
• 価格は非公開。

差別化

• 現場の業務手順を学習したデータが蓄積されるほど置換が難しくなる。
• 生産管理システムとの接続が深いほど導入後の切り替え費用が上がる。
• 公開情報が乏しく、現時点で構造的な優位は確認できない。

日本展開時のリスク

• 生産管理システムとの接続仕様が非公開で、連携の可否を判断できない。
• 製造現場の設備は独自仕様が多く、データ取得の前提が整わない恐れがある。
• 工程の判断を外部のAIに委ねる際の責任分界が不明確。
• 国内製造業は既存の生産管理製品への投資が大きく、追加費用の妥当性が問われる。
• 導入効果を示す実績が公開されておらず、現場の合意を得にくい。

日本での競合

• 国内に製造オペレーション向けAI従業員の同型サービスは確認できない。
• 生産管理や現場の業務支援は国内ベンダーが長く供給してきた領域。
• 製造業向けのデータ基盤や検査自動化では国内に複数の事業者が存在する。
• 機能が非公開のため、直接の競合の有無は確定できない。
• 既存の生産管理システムとの接続可否が参入の主要な壁になる。
• 導入費用と効果の説明が現場の稟議を通るかの分かれ目になる。

事業概要

プロダクト

• MCPやチャット接続経由の利用セッションを取り込む。
• 利用者の質問、エージェントの判断、操作手順を記録する。
• 複数モデルと実行環境で定型の操作を自動再生する。
• 失敗した手順や途切れた操作を検出して一覧にする。
• 分析結果をMCP経由で社内の開発エージェントに渡す。
• 修正候補の製品反映までを同じ画面で扱う。

技術アーキテクチャ（推定）

• 接続先のMCP、チャットアプリ、CLIから対話と操作の記録を取得するとみられる。
• 各AIクライアントの設定を介し、API経由でセッションを収集する。
• 取得した記録を正規化し、利用者の意図とエージェントの行動に分解する。
• 複数モデルと実行基盤で同じ操作を再実行し、成否を照合する。
• 評価結果を保存し、MCP経由で開発エージェントに返す構成と推定される。
• 製品側の変更履歴と評価結果を紐付けて提供するとみられる。

収益モデル

• 製品企業が利用状況の分析と評価に対して対価を支払う。
• 法人向けの定額契約とみられるが、価格は非公開。
• 課金単位の詳細と最低契約期間は未確認。

差別化

• エージェント経由の操作記録と評価結果が資産になる。
• 計測、評価、修正を同じ接続規格でつなぐ。
• 複数モデルと実行環境の差分を継続して測れる。
• 製品の変更と評価結果を対応付けて蓄積できる。

日本展開時のリスク

• 会話記録に個人情報が含まれやすく、保管と説明の設計が要る。
• MCPの国内普及は初期段階で、導入対象が限られる。
• 国内の製品分析ツールと予算を取り合う可能性がある。
• 自動修正を製品へ反映する際の承認手続きが重い。
• 国内の販売代理店や導入支援体制は未確認。

日本での競合

• 国内にエージェント経由の利用分析を行う専業は見当たらない。
• 製品利用分析ではReproやKARTEが国内で先行する。
• 両社は画面操作の分析が中心で、接続経由の利用は対象外とみられる。
• 会話型接続の普及が進めば、空白は縮小する。
• 導入では個人情報の取り扱いと社内承認の設計が壁になる。
• 直接の同型はなく、参入余地は接続規格の広がりに依存する。

事業概要

プロダクト

• 顧客のバックテスト用シミュレーション条件と計算量を受け取る。
• 複数クラウドのCPU・GPU在庫と単価を照合し、配置先を決める。
• 並列実行のクラスタを構成し、ジョブを分割して投入する。
• 実行結果と計算コストを顧客に返す。
• 強化学習の追加学習やバッチ推論にも同じ手順を適用する。

技術アーキテクチャ（推定）

• 顧客のジョブ定義とデータはAPI経由で受け取るとみられる。
• 複数クラウドの在庫・単価・空き状況を各社APIから取得すると推定。
• 資源の単価と性能を正規化し、配置先を決める調度計算を行うとみられる。
• ジョブを分割し、各クラウド上に短命のクラスタを構成すると推定。
• 実行ログと課金情報を集約し、利用者別に保存・提供するとみられる。

収益モデル

• 量的取引会社が並列シミュレーションの実行時間に対して支払う。
• 課金単位は計算資源の従量か案件単位とみられるが、価格は非公開。
• クラウド間の価格差を原資にした仲介型の収益と推定される。

差別化

• 複数クラウドの単価と空き状況を跨いだ調度ノウハウの蓄積。
• 金融の並列シミュレーションに特化した実行手順の知見。
• 調達先を増やすほど原価を下げられる供給網の設計。

日本展開時のリスク

• 金融機関の計算基盤は与信・監査・説明責任の要件が重い。
• 顧客データを海外クラウドへ置く際の契約・越境移転の整理が必要。
• 国内の取引所・証券会社との接続要件や商習慣の確認が要る。
• 既存のクラウド契約や社内基盤との併用による調達の壁。
• 小規模チームのため運用体制と障害対応の担保が問われる。

日本での競合

• 国内のGPUクラウドはさくらインターネットや大手3社が供給する。
• いずれも自社資源の提供が中心で、他社資源の横断調度は限定的。
• 量的取引向けの並列シミュレーション特化型は国内で確認できない。
• 金融向けは監査・データ所在の要件が参入障壁になる。
• 直接の同型が不在なぶん、実績づくりが先行条件となる。

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。
• さくらインターネット — 国内データセンターのクラウド。