Speaker A
Y Combinator — это акселератор, из которого вышли больше сотни компаний, дороже миллиарда долларов. И только что YC вложился в 230 стартапов. И две трети из них про AI.
Разбор 230 стартапов акселератора Y Combinator: почему обёртки над ChatGPT почти не встречаются, и куда уходят деньги в эпоху AI-агентов.
Key Takeaways
- Обёртки над ChatGPT для обычных пользователей — редкость среди стартапов YC
- Конкурентное преимущество смещается от кода к маркетингу, дистрибуции и доступу к данным и клиентам
- Наиболее перспективны решения, которые выполняют работу целиком, а не предоставляют инструмент
- Аудитория новых продуктов всё чаще — сами AI-агенты
What the video covers
- Y Combinator вложился в 230 стартапов, две трети из которых связаны с AI
- Из 230 компаний лишь 8 создают AI-приложение для обычного человека
- Код перестал быть конкурентным преимуществом: собрать продукт может почти каждый благодаря кодинг-агентам
- Выигрывает тот, у кого есть деньги на маркетинг
- Самая большая группа (почти треть) — агенты и софт под конкретный бизнес
- Примеры: агент для сервиса ремонта техники, бухгалтерские фирмы и страховщик, где работу делают агенты
- Стартапы продают готовый результат (отчётность, полис, диагноз), а не инструмент, что сложнее скопировать
- Часть стартапов ориентирована на аудиторию из AI-агентов: банковские карты, почта, облачные компьютеры для агентов
- Компания Oration обещает снизить стоимость AI в 100 раз, обучая маленькую модель на примерах большой
- Дешёвый домашний робот за менее 2000 долларов ориентирован на использование агентами через API
Chapters
- 00:00Введение: 230 стартапов Y Combinator
- 00:52Почему код больше не преимущество
- 01:54Опыт автора и роль маркетинга
- 02:48Где обёртки: анализ групп компаний
- 04:00Агенты для бизнеса: ремонт, бухгалтерия, страхование
- 06:04Аудитория — AI-агенты и их инфраструктура
- 07:53Снижение стоимости AI и робот-домохозяйка
Full Transcript — Download SRT & Markdown
Speaker A
GPT, да? Чат для фитнеса, чат для рецептов, чат для вообще всего. И я, если честно, сам так думал. Но мы прошлись по каждой компании. И вот у скольких из них основной продукт - это AI приложение для обычного человека. По
Speaker A
Если ты строишь или внедряешь AI, ты, наверное, думаешь: а что там, сотни каких-то обёрток на ChatGPT, да? Чат для фитнеса, чат для рецептов, чат для вообще всего. И я, если честно, сам так думал. Но мы прошлись по каждой компании. И вот у скольких из них основной продукт — это AI-приложение для обычного человека? По нашему подсчёту — восемь из 230. Тогда за что Y Combinator платит?
Speaker A
Зачем продавать робота, который складывает одежду дешевле 2.000 долларов? И что из этого взять себе?
Speaker A
Сегодня я покажу, почему твой код больше не преимущество. Зачем два AI-основателя покупают клинику? Почему целевая аудитория многих стартапов — AI-агенты? Зачем продавать робота, который складывает одежду дешевле 2000 долларов? И что из этого взять себе?
Speaker A
огромной компании. Сразу скажу, я где-то угадал, а где-то ошибся. Я и сам запускал AI приложение в двадцать третьем году генератор контента в двадцать четвёртом AI планеer. И у них были десятки тысяч пользователей. И в чём была проблема? Мне максимально не
Speaker A
Начнём с того, чего я вообще ожидал от этих стартапов. У меня было две гипотезы. Первая: что там одни простые штуки, не какие-то мегасложные проекты, те самые обёртки над ChatGPT, какие-то решения простых бытовых вопросов. Вторая: что решают деньги на маркетинг, а капитал идёт в огромные компании. Сразу скажу: где-то я угадал, а где-то ошибся.
Speaker A
посчитал, что почти у каждой пятой компании в наборе всего один основатель. В среднем за 5 лет такое было меньше, чем у каждой десятой. И он сам связывает это с кодинг агентами. То есть, на мой взгляд, сам код - это уже не
Speaker A
Я и сам запускал AI-приложение: в 2023-м генератор контента, в 2024-м AI-планер. И у них были десятки тысяч пользователей. И в чём была проблема? Мне максимально не хватало денег именно на маркетинг. Собрать продукт теперь может почти каждый. Поэтому выигрывает тот, у кого есть деньги на маркетинг.
Speaker A
Самая большая группа - это агенты и софт под какой-то конкретный бизнес. Часто суперскучный. И это почти треть набора.
Speaker A
Почему почти каждый? Потому что есть кодинг-агенты, типа Claude Code и Codex. И это не только моё ощущение. Инвестор Джаред Хейман посчитал, что почти у каждой пятой компании в наборе всего один основатель. В среднем за пять лет такое было меньше, чем у каждой десятой. И он сам связывает это с кодинг-агентами. То есть, на мой взгляд, сам код — это уже не преимущество. Не у них, ни у тебя, ни у меня.
Speaker A
буквально та самая обёртка над обычной лалэмкой. Модель плюс телефон, почта, расписание и история ремонтов. Так что обёртки есть. Тут я угадал. Только их покупает сервис по ремонту стиралок, а не обычный человек. Ну вот вопрос.
Speaker A
Тогда где вообще обёртки, которых мы ждали? Мы разложили все 230 компаний по группам. Как думаешь, какая группа самая большая? Если не приложение для людей, то, наверное, инструменты для разработчиков, да? Их там всего 11. Самая большая группа — это агенты и софт под какой-то конкретный бизнес. Часто суперскучный. И это почти треть набора.
Speaker A
перестроить всю её работу под AI. Об этом дальше. Компания называется Radle, и их реально всего двое. Проблема в том, что врачей, которые читают снимки, не хватает. Если верить RedLe, их хватает только на пять снимков из шести. Логично же продавать
Speaker A
Очень классный пример: Bernard и его сотрудники делают агентов для сервисов по ремонту техники. Вот, допустим, у тебя сломалась стиралка, ты звонишь в сервис, трубку берёт агент, ставит диагноз, подбирает запчасти. И всё это до того, как мастер вообще выехал. Если упростить, это буквально та самая обёртка над обычной LLM: модель плюс телефон, почта, расписание и история ремонтов. Так что обёртки есть. Тут я угадал. Только их покупает сервис по ремонту стиралок, а не обычный человек.
Speaker A
страховщик, у которого модель сама оценивает риск. Она читает документы, смотрит спутниковые снимки и даже Instagram клиента. По их словам, цену страховки она называет меньше, чем за минуту, когда в классических фирмах на это уходят недели. По нашему подсчёту, таких фирм в наборе примерно каждое
Speaker A
Ну вот вопрос. Простого агента для такого сервиса, я думаю, можно собрать буквально за пару вечеров. Да, без их истории ремонтов, конечно. Тогда на чём такие компании будут зарабатывать?
Speaker A
Почему? Всё очень просто. Они считают, что компании тратят на услуги во много раз больше, чем на софт. И это очень крутой ход. Простого агента можно скопировать за пару вечеров, но клинику или бухгалтерию с живыми клиентами так уже не скопируешь. То есть клиент тут
Speaker A
И самую странную штуку мы нашли в нише медицины. Два человека покупают клинику и хотят перестроить всю её работу под AI. Об этом дальше. Компания называется Radle, и их реально всего двое. Проблема в том, что врачей, которые читают снимки, не хватает. Если верить Radle, их хватает только на пять снимков из шести. Логично же продавать таким клиникам софт, да, какой-нибудь AI, который помогает врачу. Но они просто покупают клинику и перестраивают её под агентов.
Speaker A
подписывайся. А как агент вообще работает в обычной фирме, где куча старых программ? Вот ZOM, например, берёт на себя рутину финансовых компаний, типа проверки подозрительных платежей. Их агенты работают за компьютером, как обычный сотрудник, нажимают кнопки в тех же программах и
Speaker A
И это не одна такая странная история. Rillet — это целые бухгалтерские фирмы, где работу внутри делают агенты. А Florin — это страховщик, у которого модель сама оценивает риск. Она читает документы, смотрит спутниковые снимки и даже Instagram клиента. По их словам, цену страховки она называет меньше чем за минуту, когда в классических фирмах на это уходят недели. По нашему подсчёту, таких фирм в наборе примерно каждая десятая. Причём YC сам об этом просил. Весной они выложили список того, во что хотят вложиться, и там прямо есть пункт про компании, которые вместо инструмента просто делают работу.
Speaker A
ведь многие стартапы делают своей целевой аудиторией не нас, то есть не людей, не бизнесы, их целевая аудитория другие агенты.
Speaker A
Почему? Всё очень просто. Они считают, что компании тратят на услуги во много раз больше, чем на софт. И это очень крутой ход. Простого агента можно скопировать за пару вечеров, но клинику или бухгалтерию с живыми клиентами так уже не скопируешь. То есть клиент тут платит за готовый результат: отчётность сдали, снимок прочитали, полис выдали. И для клиента это обычная услуга, только большую часть работы делают агенты.
Speaker A
телефон, а Machine Zero компьютер в облаке. Ну а платит за всё это кто агентов запускает, естественно. По нашему подсчёту, каждая четвёртая в наборе, ну точнее, почти каждая четвёртая компания в нашем наборе строит что-то для самого AI. Инфраструктуру для
Speaker A
Кстати говоря, если хочешь посмотреть на все эти 230 компаний, табличка лежит у меня в Telegram. Ссылка в описании. Переходи, подписывайся.
Speaker A
Да и чем больше агентов, тем больше этот счёт. И мне кажется, что очень многие компании гоняют каждую рутинную задачу через самую дорогую модель просто потому, что так проще. И вот тут как раз есть оркестра, компания, которая обещает срезать этот счёт в 100 раз. Их идея
Speaker A
А как агент вообще работает в обычной фирме, где куча старых программ? Вот Zomma, например, берёт на себя рутину финансовых компаний, типа проверки подозрительных платежей. Их агенты работают за компьютером, как обычный сотрудник: нажимают кнопки в тех же программах, и никаких интеграций. Это, кстати, реально очень классно. Zomma говорит, что агенту нужны инструкция и логин, буквально как новичку в первый рабочий день. Но если агент работает как сотрудник, ему нужна почта, телефон и даже своя банковская карта.
Speaker A
Дальше они записывают, как дорогая модель решает твои задачи. И по этим примерам доучивают маленькую. То есть маленькая модель - это как стажёр, который сидит рядом со старшим специалистом и учится на его работе.
Speaker A
И по итогу это странная штука, ведь многие стартапы делают своей целевой аудиторией не людей и не бизнесы, а других агентов. Кто аудитория новых стартапов: человек или AI? Y Combinator на это отвечает прямо: следующий триллион пользователей интернета — это будут AI-агенты. Agent Card выпускает для агентов банковские карты, чтобы они сами платили за что-то в интернете. AgentMail даёт им почту и телефон, а Machine Zero — компьютер в облаке. Ну а платит за всё это, естественно, тот, кто агентов запускает.
Speaker A
дешевле, поэтому они и обещают, что счёт упадёт в 100 раз, ну или в сотни раз.
Speaker A
По нашему подсчёту, почти каждая четвёртая компания в нашем наборе строит что-то для самого AI: инфраструктуру для агентов, данные для обучения моделей, чипы и сервисы, которые делают AI дешевле, и вот это вот всё. Но самое понятное для бизнеса здесь — это счёт за модели. Каждый ответ модели стоит денег. И чем больше агентов, тем больше этот счёт. Мне кажется, что очень многие компании гоняют каждую рутинную задачу через самую дорогую модель просто потому, что так проще.
Speaker A
робот, который убирается дома и даже складывает одежду. Runch пишет, что похожий робот Neo стоит около 20.000 долларов, а этот меньше двух. Зачем продавать робота так дёшево? И это очень хороший вопрос. Сейчас на него отвечу.
Speaker A
И вот тут как раз есть Oration, компания, которая обещает срезать этот счёт в сто раз. Их идея простая: на какой-то узкой задаче маленькая модель может работать уже не хуже большой. Мне вся эта тема близка, я сам немного обучал маленькую модель. Давай на понятном языке. Допустим, ты подключаешь Oration. Это, по сути, одна строчка в настройках. Дальше они записывают, как дорогая модель решает твои задачи, и по этим примерам доучивают маленькую. То есть маленькая модель — это как стажёр, который сидит рядом со старшим специалистом и учится на его работе. Потом его проверяют на примерах, которые он ещё не видел. И только если стажёр справляется не хуже, задачи переходят на него. Это очень важно, потому что модель часто классно работает, пока не встретит какой-то редкий случай. Стажёр стоит сильно дешевле, поэтому они и обещают, что счёт упадёт в сто раз, ну или в сотни.
Speaker A
Почему тогда так дёшево? Идея в том, что каждый робот у клиента собирает данные, на которых потом учатся их роботы. Чем больше роботов людей, тем больше данных.
Speaker A
Получается, каждая задача, которую твой агент хорошо сделал, может стать материалом для твоей собственной дешёвой модели. И это, на мой взгляд, очень крутая штука. Запомни этот момент, мы вернёмся к нему чуть позже.
Speaker A
Combinator четверть набора - это уже физический мир. Роботы, заводы, энергия, оборона. Так раньше ещё спросил инвесторов, кого в наборе обсуждают больше всего. И все девять компаний, которые они назвали, про железо, роботов или вычисления. Помнишь Хйна, который считал компании с одним основателем? Он
Speaker A
Но всё это пока софт. В этом наборе есть ещё и робот, который убирается дома и даже складывает одежду. Runway пишет, что похожий робот Neo стоит около 20 000 долларов, а этот меньше двух. Зачем продавать робота так дёшево? Это очень хороший вопрос. Сейчас на него отвечу.
Speaker A
маленьким командам достаётся сильно-сильно меньше. Ну давайте теперь более приземлённо, что из этого взять себе. Я бы взял три вещи. Первое, продавать стоит результат. Как Redли со своей клиникой или те же бухгалтерии.
Speaker A
Этот робот называется Nori. Компания говорит, что за шесть недель после запуска его продали больше чем на 440 000 долларов. Для железа это реально много. Почему тогда так дёшево? Идея в том, что каждый робот у клиента собирает данные, на которых потом учатся их роботы. Чем больше роботов у людей, тем больше данных. Поэтому и цена такая. И вот это тот момент, который я просил запомнить: у Oration дешёвая модель учится на задачах агента. Та же идея, только в физическом мире. И роботы — это уже вооб
Speaker A
Второе, стоит сохранять всё, что делают твои агенты. Что спросил клиент, что агент ответил, где он ошибся. Это очень важно, потому что конкурент уже не скопирует твой опыт, донастройку, обработку случаев, которые супер неочевидны. Ну и третье, если делаешь какой-то софт, стоит делать его так,
Speaker A
чтобы им мог пользоваться агент. Сейчас это уже, думаю, очевидно, да? Кнопки нажимать агент умеет. Мы это видели у ZOMМа, но Yinator прямо пишет, что агентам нужен простой вход через API или MCP.
Speaker A
Так за что Y Cominator на самом деле платит? За то, чтобы AI сам делал работу от звонков в сервисе до клиники, которую Redle перестраивают под агентов, и за всё, что ему для этого нужно: карту, компьютер, свою дешёвую модель, ну и за
Speaker A
роботов. И там всего восемь стартапов, у которых основной продукт - это AI приложение для людей. То есть я никуда не делся. Мне кажется, что он просто в основном ушёл внутрь бизнеса и снаружи его не видно. Что с моими гипотезами,
Speaker A
обёртки есть, но то, что там одни какие-то простые банальные штуки, тут я точно ошибся. Те самые девять компаний, которые обсуждают инвесторы - это буквально железо, роботы и вычисления.
Speaker A
Это вообще не простые штуки. А вот то, что деньги идут в огромные компании, похоже, так и есть. За третий квартал двадцать шестого года всего 27 компаний забрали примерно треть всех венчурных денег мира, а это около 50 млрд долларов. Но если ты внедряешь и я ию у
Speaker A
себя, стоит начать с простого вопроса: какую работу у тебя можно отдать агентам? Вот и всё. Следующий набор Y Cominator покажут в декабре, и его мы тоже с вами разберём, если вам понравился этот ролик. Конечно же, это, если честно, экспериментальный формат,
Speaker A
поэтому, если вам зашло, обязательно поставьте лайк и напишите об этом в комментариях, чтобы я знал и продолжал что-то делать подобное. Спасибо за просмотр.
Topics:Y CombinatorAI-стартапыAI-агентыобёртки над ChatGPTмаркетингстартапыкодинг-агентыавтоматизация бизнесастоимость AIинвестиции
