Ulasan mendalam Hari Demo YC W26: Kebenaran kewirausahaan dari 200 perusahaan, Copilot telah mati, Agen AI mengambil alih secara menyeluruh

Judul asli: What I Learnt From 199 Pitches at the YC W26 Demo Day
Penulis asli: Rathin Shah, Ex-founder of Spenny
Terjemahan asli: Deep潮 TechFlow

Deep潮 Panduan: Ini bukan laporan pengamatan Demo Day yang sederhana. Setelah mendengarkan 199 presentasi secara langsung, penulis mengungkapkan logika dasar dari startup AI saat ini dengan data dan kasus: mengapa 60% perusahaan all in AI, mengapa konsep copilot hampir menghilang, mengapa yang paling cepat mendapatkan pendapatan adalah pendiri yang menjual kembali ke perusahaan lama mereka.

Yang lebih penting, dia menunjukkan risiko fatal di balik jalur yang tampaknya populer, serta bidang kosong yang diabaikan semua orang tetapi berpotensi melahirkan legenda berikutnya.

Saya mengikuti YC 2026 Winter Demo Day. 199 perusahaan. Berikut adalah seluruh pengamatan saya: data, pola, dan segala yang perlu diketahui jika Anda adalah pendiri masa depan.

Pelajaran Inti untuk Pendiri

Tentang Pernyataan Pasar/Masalah

1. AI bukan kategori produk, melainkan infrastruktur. 60% batch adalah AI native. Selain itu 26% adalah AI enabled. Hanya 14% tanpa AI. Masalahnya bukan “Apakah kamu pakai AI?” melainkan “Apa yang AI-mu lakukan yang tidak bisa dilakukan model dasar langsung dari kotak?”

2. Menggantikan, bukan membantu. Tema utama adalah “AI pekerja”, bukan copilot, bukan asisten. Kata kunci selalu “kami menggantikan secara end-to-end [peran manusia mahal]”, dengan harga yang hanya sebagian kecil dari gaji orang tersebut. Copilot adalah bantuan. Agent adalah aksi. Industri sudah maju.

3. Temukan “Claude Code” di bidangmu. Setiap profesi memiliki output terstruktur yang bisa dihasilkan AI saat ini: kontrak, file CAD, model keuangan, rencana operasi, spesifikasi. Cari profesi dengan tarif per jam 100-500 USD, alat sudah ada 10-30 tahun, dan memiliki langkah verifikasi yang jelas. Bidang luas: perencanaan pajak, teknik sipil, konsultasi manajemen, uji klinis, penyusunan paten, produksi musik.

4. Pertimbangkan model layanan. Sekitar 20% batch membangun perusahaan layanan berbasis AI (hukum, rekrutmen, akuntansi, asuransi), dengan biaya berdasarkan hasil tetapi menikmati margin perangkat lunak. Mereka menunjukkan pertumbuhan pendapatan tercepat di batch. Pola: mulai dari layanan → dapatkan pendapatan dan data → rilis otomatisasi → upgrade menjadi platform.

5. Dominasi B2B. AI agent menggantikan pekerja pengetahuan B2B. 87% adalah B2B. Hanya 14 perusahaan yang berorientasi konsumen (sekitar 7%). Kemampuan AI saat ini membuka alur kerja bisnis yang sempurna. Ini peluang bagus, tetapi perusahaan legendaris di batch ini kemungkinan besar adalah yang berbeda: perusahaan eksplorasi uranium, hotel di bulan, koboi robot, perusahaan obat parasit.

6. Bangun data flywheel. Setiap interaksi pelanggan harus membuat produkmu lebih baik. LegalOS dilatih dengan 12.000 aplikasi visa → 100% tingkat persetujuan. Secara sempurna meningkat seiring setiap perekrutan. Tanpa data flywheel, kamu hanya pembungkus.

7. Jangan bangun pembungkus AI umum. “AI untuk segalanya” kalah dari “AI menggantikan posisi dengan gaji tahunan 80 ribu dolar tertentu”. Fokus pada industri yang tidak menarik. Kesempatan terbaik ada di industri yang tidak akan kamu promosikan di acara koktail.

8. Ketidakhadiran konsumen adalah sinyal peluang. Tidak ada perusahaan edukasi. Tidak ada media sosial konsumen. Tidak ada kesehatan mental/fitness. Tidak ada teknologi pemerintah. Secara historis, kategori dengan dana paling sedikit menghasilkan pengembalian luar biasa terbesar. Pendiri yang memecahkan AI native entertainment, social, atau education akan menguasai seluruh kategori.

9. Hardware kembali. 18% dari batch memiliki komponen hardware (robot, drone, perangkat wearable, teknologi luar angkasa). Ini peningkatan signifikan dibanding batch sebelumnya. Perusahaan produk nyata yang didirikan alumni SpaceX/Tesla adalah yang paling berbeda di batch ini.

Tentang Saluran Distribusi

10. Saluran distribusi adalah prasyarat, bukan ide setelahnya. 60% dari 15 perusahaan teratas mendapatkan pelanggan melalui jaringan pendiri atau jaringan YC. Jika 20 pelanggan pertama kamu harus “mengetahui saluran distribusi”, berarti kamu salah memilih pasar.

11. Mantan pemberi kerja adalah pasar pertama kamu. Strategi GTM utama (sekitar 35% B2B): pendiri yang sudah lama di industri, keluar, lalu menjual kembali jaringan mereka. Kartu nama mereka adalah saluran distribusi.

12. Saluran akuisisi PE sangat diremehkan. Ressl AI dan Robby secara independen menemukan bahwa PE yang mendukung akuisisi sangat membutuhkan alat peningkatan profit. Satu transaksi PE = 50-200 cabang.

13. Pilih pasar yang sudah memiliki jaringan distribusi. Perusahaan yang berjuang GTM hampir selalu yang membangun produk dulu lalu bertanya “Bagaimana cara menjualnya”. Pemenang bertanya “Siapa yang sudah bisa saya hubungi, dan apa yang mereka butuhkan secara mendesak?”

Tentang Tim

14. Kecocokan pendiri-pasar adalah prediktor tercepat untuk kecepatan pendapatan. Pendiri yang benar-benar mengerjakan pekerjaan yang ingin mereka otomatisasi bisa transaksi dalam beberapa hari. Yang lain butuh berbulan-bulan. Proximitty (70 juta USD ARR dalam kurang dari 3 minggu): CEO adalah konsultan risiko bank McKinsey. Corvera (3,3 ribu USD MRR dalam 4 minggu): CEO menjalankan merek CPG.

15. Hubungan co-founder adalah benteng perlindunganmu. 46% dari batch adalah tim 2 orang. Tim terkuat bekerja sama selama bertahun-tahun: mantan rekan kerja, teman sekelas, saudara, co-founder berulang. Jika kamu belum pernah merilis sesuatu bersama co-founder, kamu belum memverifikasi bagian terpenting dari kewirausahaan.

16. Pengetahuan bidang lebih penting dari gelar. Pendiri paling meyakinkan adalah yang pernah mengalami masalah secara langsung: dokter gigi yang membangun AI bedah, kepala teknik mesin yang membangun alat mekanik, pengacara kebijakan AI. “Perusahaan besar sebelumnya” adalah dasar, bukan faktor diferensiasi.

Tentang Presentasi

17. Penutup yang gila sangat penting. Ketika 199 perusahaan melakukan presentasi dalam satu hari, kamu harus menjadi yang mereka bicarakan saat minum. “Oscar AI pertama akan lahir di Martini.” “Kamu bisa pesan hotel bulan di 2032.” Buat visi kamu konkret, dapat dibuktikan, dan dikutip.

Tentang Apa yang Harus Dihindari

18. Hindari infrastruktur agent yang tidak berbeda. 8-10 perusahaan membangun monitoring/test/kompresi agent. Penyedia model dasar akan membangun ini secara native. Jika deskripsi kamu “[Alat DevOps yang ada] tapi untuk AI agents”, itu zona bahaya.

19. Hindari layanan AI native tanpa data pelindung. Pendapatan tercepat tetapi paling lemah pertahanannya. Teknologi inti bisa diduplikasi dalam beberapa minggu. Perusahaan tradisional akan mengadopsi AI dalam 12-18 bulan. Tanpa data eksklusif atau distribusi tertanam, bentengnya tipis.

20. Hindari pembungkus workflow yang dikomersialisasi. AI untuk tugas yang jelas, GPT-5 mungkin akan melakukan hal yang sama secara native dalam 6 bulan.

Di Tempat

199 presentasi. Startup baru dari oven YC memiliki aroma khas. Semangat, energi tinggi, tidak pernah membosankan.

Beberapa momen tak terlupakan:

Satu startup mempromosikan hotel pertama di bulan, dengan undangan dari Gedung Putih dan surat niat senilai 500 juta dolar

Koboi robot menggunakan drone otonom untuk menggembalakan sapi

Satu perusahaan demo AI secara real-time menghasilkan deck presentasi mereka sendiri

Satu perusahaan memperbesar gambar satelit ke Teheran, Iran (ruang menjadi hening)

Pendiri Martini menutup dengan “Oscar AI pertama akan dimenangkan Martini!”, kalimat ini membuat investor entah menggelengkan kepala atau mengeluarkan cek

Area demo hardware penuh suara: robot, drone, mikroskop dengan protein biologi, radar kendaraan. Barang fisik nyata yang bisa disentuh. Ini bukan sekadar dashboard SaaS batch.

Setelah mendengarkan 199 presentasi, kamu tidak lagi melihat perusahaan tunggal, tetapi pola-pola. Berikut temuan saya.

Angka Makro

Jumlah perusahaan: 199

Model bisnis:

· B2B: 174 (87%)

· B2C: 14 (7%)

· B2B2C: 11 (6%)

Jenis produk:

· Software murni: 163 (82%)

· Hardware + software: 24 (12%)

· Hardware murni: 12 (6%)

Klasifikasi AI:

· AI native (AI adalah produk): 120 (60%)

· AI enabled (alur kerja + AI): 52 (26%)

· Non-AI: 27 (14%)

Daya tarik:

· Perkiraan ARR median: sekitar 50-100 ribu USD

· Perkiraan pertumbuhan median: sekitar 30-50% MoM

· Perusahaan ARR > 1 juta USD: sekitar 5%

· Tanpa pendapatan: sekitar 50%

Industri utama: Perangkat lunak B2B (59%), industri (15%), kesehatan (10%), fintech (8%), konsumen (4%).

Hanya 14 perusahaan berorientasi konsumen, dan resmi YC hanya mengklasifikasikan 7 sebagai “konsumen”. Sisanya adalah produk konsumen yang berlabel perusahaan, masuk kategori B2B, kesehatan, atau fintech.

Sepuluh Topik Utama

1. AI Agent Menggantikan Fungsi Kerja Sepenuhnya

Tema utama.

Bukan copilot, melainkan pengganti total.

· Beacon Health menggantikan staf administratif yang diberi otorisasi sebelumnya

· Perfectly menggantikan perekrut secara end-to-end

· Lance menggantikan front desk di lebih dari 50 hotel Marriott/Hilton/Hyatt

· Mendral (co-founder Docker) menggantikan insinyur DevOps

· Canary menggantikan QA

Framework “copilot” menurun dari sekitar 4% presentasi awal tahun ini ke 1% di W26.

2. “Claude Code” di bidang X

Claude Code dan Cursor membuktikan AI berbasis agen efektif untuk kode. Pendiri W26 sedang menerapkan pola yang sama ke setiap profesi dengan output terstruktur:

· REV1 untuk insinyur mekanik (gambar 3D→2D)

· Avoice untuk arsitek (spesifikasi, dokumen)

· Synthetic Sciences untuk penelitian ilmiah

· Maywood untuk bankir investasi

· Alt-X untuk underwriting properti (langsung di Excel)

· Cardboard untuk editing video

Mango Medical menghasilkan rencana operasi dalam beberapa menit, bukan hari.

3. Layanan Profesional Berbasis AI Native (“Bisnis layanan, ekonomi perangkat lunak”)

Bukan membangun alat untuk perusahaan yang sudah ada, melainkan membangun perusahaan AI yang bersaing dengan mereka:

Empat firma hukum AI (Arcline, General Legal, Vector Legal, LegalOS)

· Agen rekrutmen AI (Perfectly)

· Akuntansi AI (Balance)

· Asuransi broker AI (Panta)

· Konsultasi kebijakan AI (Fed10, didirikan tiga mantan pengacara lobi)

Panta secara tegas mengatakan: “Ini adalah bisnis layanan dengan ekonomi perangkat lunak.” Biaya berdasarkan hasil, beroperasi dengan margin perangkat lunak karena AI melakukan 80% pekerjaan manusia 20%. Arcline memiliki lebih dari 50 klien startup. LegalOS memiliki tingkat persetujuan visa 100%.

Alasan pesimis: manusia dalam loop membatasi margin ke 60-80%. Tanggung jawab nyata. Masalah benteng: jika teknologi inti adalah “LLM + prompt bidang + review manusia”, apa yang mencegah duplikasi? Jawaban baru: mulai dari layanan → rilis otomatisasi → upgrade menjadi platform. Layanan adalah wedge; perangkat lunak adalah benteng.

4. Infrastruktur Era Agent

Setiap lapisan tumpukan teknologi sedang dibangun ulang untuk agent:

· Agentic Fabriq = “Okta untuk Agent”

· Sponge (mantan kepala keamanan Stripe) = infrastruktur keuangan untuk agent

· Moda/Sentrial = Datadog untuk keandalan agent

· Salus = pengaman runtime

· 21st (1,4 juta pengembang) = komponen React UI prioritas AI

Zatanna mengubah SaaS sebelum LLM menjadi basis data yang dapat dicari oleh agent

Risiko: penyedia model dasar membangun ini secara native. Lapisan ini sekitar 30% dari kompetisi yang tumpang tindih, membuktikan bahwa ini sangat padat.

5. AI Vertikal di Industri “Tidak Menarik”

ROI terbesar di industri yang diabaikan teknologi:

· Zymbly otomatisasi dokumen perawatan pesawat (5 menit per perbaikan, dokumen 45 menit)

· GrazeMate membangun koboi robot, drone otonom untuk menggembalakan sapi. Saat mereka presentasi, kamu tidak bisa tidak tertawa. Kedengarannya konyol sampai kamu tahu pendiri besar di peternakan 6000 ekor sapi.

· OctaPulse untuk visual komputer di budidaya ikan

· Squid mengatasi perencanaan jaringan listrik (760 miliar USD per tahun tidak efisien, masih pakai spreadsheet)

Pendiri ini sangat mendalami bidangnya. Pendiri Scout Out adalah generasi keempat di industri konstruksi. Pendiri LegalOS besar di firma keluarga imigrasi (mulai dari usia 12 tahun, lebih dari 10.000 jam). Pendiri Zymbly adalah kepala perawatan pesawat Virgin Atlantic. Kesempatan terbaik ada di industri yang tidak akan kamu promosikan di acara koktail.

6. Kebangkitan AI/Robot Fisik

18% dari batch memiliki komponen hardware:

· Remy AI dan Servo7 membangun robot gudang yang belajar dari demonstrasi manusia (80% gudang belum otomatis)

· Origami Robotics membangun tangan robot

· RoboDock, MVP yang dipasang dalam 60 hari, mendapatkan kontrak Waymo senilai 100.000 USD

· Fort (tiga mantan insinyur Tesla) melacak kekuatan latihan, Whoop/Oura masih belum mampu

· Pocket mengirim lebih dari 30.000 unit, pendapatan tahunan 27 juta USD

Area demo hardware adalah bagian paling hidup hari itu.

7. Pertahanan dan Keamanan Nasional

Milliray (tiga PhD dari Oxford/Saint Andrews) membangun radar deteksi drone untuk NATO (penjualan batch: 470.000 USD)

Seeing Systems membangun drone serang AI untuk Royal Marines Inggris

DAIVIN! membangun peralatan selam tanpa tank untuk pasukan khusus AS

Anggaran pertahanan besar, kontrak panjang, reputasi bisa dipindahkan ke bisnis.

8. Data sebagai Benteng

Ketika semua orang memiliki model dasar yang sama, data eksklusif adalah pertahanan utama:

· Shofo: basis data indeks video terbesar di dunia

· Human Archive: dari mahasiswa Stanford/Berkeley, pindah ke Asia, mengumpulkan data dari ribuan keluarga untuk robot humanoid

· LegalOS: 12.000 aplikasi visa sukses → 100% tingkat persetujuan

Polanya: setiap interaksi pelanggan membuat produk lebih baik. Tanpa data flywheel, kamu hanya pembungkus.

9. Teknologi Keras dan Luar Angkasa

Presentasi paling berani. GRU Space sedang membangun hotel bulan pertama sebelum 2032. Saat mereka presentasi, ruangan terbagi: setengah menganggap mereka gila, setengah percaya mereka bisa melakukannya. Surat niat senilai 50 juta USD, undangan Gedung Putih, lebih dari 1 miliar tampilan. Beyond Reach Labs membangun array tenaga surya sebesar lapangan sepak bola di orbit (kebutuhan daya meningkat 500 kali sebelum 2030). Terranox menggunakan AI untuk menemukan deposit uranium (penemuan tunggal bernilai 200 juta - 700 juta USD).

Ditto Biosciences mungkin argumen paling kreatif: parasit berevolusi menghasilkan protein yang mengendalikan sistem imun manusia selama jutaan tahun. Ditto menggunakan AI untuk mengenali dan merancang imunoterapi mereka sendiri. Evolusi sudah menyelesaikan masalah, mereka hanya membaca jawabannya.

10. Riset dan Ilmu Pengetahuan Berbasis AI

Talking Computers meluncurkan tim ilmuwan AI (ARR lebih dari 1 juta USD)

Aemon (kembar, menerbitkan makalah di ICLR/EMNLP sebelum 20 tahun) menciptakan rekor dunia dengan komputasi kurang dari 10 USD di masalah matematika NP-hard, mengalahkan Google DeepMind

Ndea, co-founder dari Zapier dan pencipta Keras, secara tegas membangun AGI yang mampu inovasi

Pola dari 429 Pendiri

Demografi:

· Sekitar 60% imigran/internasional

· 86% pria, 14% wanita

· Universitas top: Berkeley (sekitar 45), Stanford (sekitar 35), MIT (sekitar 20), Waterloo (sekitar 15)

· 55% belajar CS; 45% tidak belajar

Latar belakang:

· Sekitar 30% dari perusahaan besar sebelumnya

· Sekitar 25% pernah berwirausaha

· Sekitar 12% dari keuangan/trading sebelumnya (Citadel, Jane Street, Jump)

· Hanya SpaceX sekitar 12 pendiri, sebagian besar membangun hardware dan aerospace

Tim:

46% adalah tim 2 orang, 15% tunggal

Prototipe paling umum: dua pendiri dengan keahlian berbeda (sekitar 35%), bukan “hacker + sales” klasik

19% perusahaan setidaknya memiliki satu pendiri dengan gelar PhD

Bagaimana mereka bertemu: sekitar 35% sesama mahasiswa, sekitar 25% mantan rekan kerja, sekitar 15% co-founder berulang, sekitar 10% keluarga/saudara

Menjadi pendiri dengan keahlian bidang adalah cerita paling meyakinkan: Adrian Kilian (dokter gigi → AI bedah Mango Medical), Robbie Bourke (20 tahun di industri penerbangan → Zymbly), Pamir Ehsas (penasihat hukum luar OpenAI → Arcline), Conor Jones (bertahun-tahun di jaringan listrik nasional → Squid).

Beberapa pengamatan:

Pengetahuan mendalam bidang + kemampuan membangun teknologi co-founder = perusahaan terkuat di batch

Tim paling sukses biasanya pernah membangun dan menjual perusahaan bersama, atau bekerja sama di perusahaan yang sama menyelesaikan masalah yang sama.

31% perusahaan setidaknya memiliki satu pendiri dengan gelar PhD atau peneliti, terutama di bidang kesehatan/bioteknologi, teknologi keras, dan infrastruktur AI.

Bagaimana mereka menemukan pasar

B2B (88% dari batch)

「Saya pernah mengalami masalah ini」 (sekitar 40%): pola paling kuat. Pendiri End Close menghabiskan 6 tahun di Modern Treasury mengelola pembayaran lebih dari 1 triliun USD. Pendiri Squid di jaringan listrik selama bertahun-tahun. Mereka tidak perlu menemukan pelanggan, mereka adalah pelanggannya.

「Saya membangun platform yang akan digantikan」 (sekitar 20%): Mendral dari Docker. Ilmuwan ML TikTok membangun Perfectly. Mereka paham arsitektur dan tahu di mana AI menciptakan lonjakan.

「50 kali sprint percakapan」 (sekitar 15%): penemuan sistematis. Ressl AI melakukan lebih dari 50 percakapan farmasi sebelum coding. Ressl AI mulai dari konsultasi, menemukan transaksi dengan pekerjaan paling “lem” (glue).

「Prediksi infrastruktur」 (sekitar 15%): argumen berbasis hipotesis. “Jika agent ada, mereka perlu otentikasi” → Agentic Fabriq. Risiko: membangun untuk masa depan 2-3 tahun.

「Penelitian → Komersialisasi」 (sekitar 10%): CellType (profesor Yale + Google DeepMind). Co-founder Valgo benar-benar menulis buku teks sistem kritis keamanan.

B2C (7% dari batch)

「Saya adalah pengguna」 (sekitar 50%): Pendiri Fort kecewa dengan perangkat wearable. Pendiri Doomersion menonton video pendek dan belajar bahasa, lalu menggabungkan keduanya.

「Konversi format」 (sekitar 25%): perilaku lama + media baru. Pax Historia: kecintaan terhadap game strategi + AI menggantikan sejarah.

「Wedge hardware」 (sekitar 25%): produk fisik menciptakan data yang tidak bisa diduplikasi perangkat lunak.

Pelajaran utama: Tidak ada perusahaan sukses dari hackathon atau “kalau kita pakai AI untuk…” brainstorming. Setiap perusahaan berasal dari pengalaman pribadi yang mendalam atau penemuan pelanggan yang obsesif.

Bagaimana mereka menemukan saluran distribusi

Data sangat jelas: jaringan pendiri adalah mekanisme pertumbuhan tercepat untuk perusahaan B2B. 60% dari 15 perusahaan teratas mendapatkan pelanggan pertama melalui jaringan pendiri atau YC.

Model B2B:

「Jual ke mantan atasan/sejawat」 (sekitar 35%): tiga mantan lobi dari Fed10, kartu nama mereka adalah saluran distribusi.

「YC sebagai peluncur」 (sekitar 25%): Cardinal melakukan outbound ke lebih dari 40 perusahaan YC, Palus Finance dalam beberapa minggu menandatangani 33.

「Open source」 (sekitar 10%): 21st memiliki 1,4 juta pengembang, efektif hanya untuk infrastruktur.

「Saluran akuisisi PE」 (sekitar 8%): satu transaksi = 50-200 cabang.

「Outbound sistematis」 (sekitar 15%): daftar pembeli terbatas dengan masalah yang terukur.

「Produk wedge」 (sekitar 7%): fokus sempit, ekspansi ke mana-mana.

B2C: produk adalah saluran distribusi. Doomersion dalam 2 minggu mendapatkan 15.000 unduhan, tanpa pemasaran berbayar. Pax Historia membangun puluhan ribu DAU, pertumbuhan organik. Pendiri hardware bertaruh bahwa keberadaan fisik menciptakan word of mouth.

Pengalaman terbesar: perusahaan yang kesulitan GTM hampir selalu yang membangun produk dulu lalu bertanya “Bagaimana cara menjualnya”. Pemenang bertanya “Siapa yang sudah bisa saya hubungi, dan apa yang mereka butuhkan secara mendesak?”, lalu membangun itu.

Analisis Presentasi Hebat

Tujuh komponen membedakan presentasi yang mengesankan dari yang kabur:

1. Hook

Tiga prototipe efektif:

Data mengejutkan: “Membawa obat ke pasar membutuhkan 500.000 hari. Kami ingin mengubahnya menjadi 5 hari” (Rhizome AI)

Reframing: “Setiap file yang kamu unggah menggunakan protokol tahun 1974” (Byteport)

“Ini adalah masalah saya”: “Saya menghabiskan 6 tahun membangun rekonsiliasi di Modern Treasury, mengelola 1 triliun USD” (End Close)

2. Masalah (spesifik, bukan umum)

“Setengah waktu teknisi dihabiskan untuk dokumen” (Zymbly) lebih baik dari “mengotomatisasi alur kerja backend”.

3. Tim (kalimat kredibilitas singkat)

“Andrea menulis baris kode pertama Docker” (Mendral). “Tim kami menciptakan standar MPIC yang melindungi setiap koneksi HTTPS di internet” (Crosslayer Labs).

4. Pasar (tak terhindarkan, bukan cuma besar)

“Permintaan daya satelit: meningkat 500 kali sebelum 2030” (Beyond Reach Labs). Presentasi pasar terkuat menjelaskan mengapa ini saatnya dan mengapa ini tak terhindarkan, bukan cuma TAM besar.

5. Daya Tarik (kecepatan > angka mutlak)

“3,3 ribu USD MRR dalam 4 minggu” (Corvera) mengalahkan “ARR 100 ribu USD” tanpa kerangka waktu.

6. Wawasan Unik

“Parasit berevolusi menghasilkan protein yang mengendalikan sistem imun manusia. Kami membacanya” (Ditto Bio). “Perusahaan asuransi tidak bisa menilai sistem otonom karena data klaim historis tidak ada” (Valgo).

7. Penutup Gila

“Oscar AI pertama akan lahir di Martini.” “Pesan hotel bulan di 2032” (GRU Space).

Presentasi kabur: “AI untuk [industri]” umum, tim dengan latar belakang dan masalah tidak terkait, dan (yang utama) tanpa penutup gila.

Tumpang tindih Kompetisi: Banyak Investasi YC

Sekitar 30% perusahaan di batch memiliki kompetitor langsung. Hanya sekitar 5% yang menghadapi kompetisi tinggi sesungguhnya.

Tumpang tindih tinggi: Kompresi konteks LLM (Token Company vs. Compressr), dokumen hukum medis (Wayco vs. Docura Health), data robot (Human Archive vs. Asimov).

Sedang: Hukum startup (Arcline vs. General Legal vs. Vector Legal), AI SRE (IncidentFox vs. Sonarly), monitoring agent (Sentrial vs. Moda), otorisasi sebelumnya (Ruma Care vs. ClaimGlide vs. Beacon Health).

Apa artinya ini: YC menaruh taruhan pada pasar, bukan perusahaan. Tiga firma hukum startup = pasar nyata dan besar cukup untuk beberapa pemenang. Dua perusahaan yang tampak sama di Demo Day bisa berbeda total di seri A. Perusahaan paling berbeda tidak tumpang tindih: Terranox, Zymbly, GrazeMate, Ditto Bio. Dalam setiap kasus, keahlian bidang pendiri adalah benteng perlindungan.

Ketidakhadiran yang Jelas

· Perusahaan edukasi nol

· Teknologi pemerintah nol

· Media sosial konsumen nol

· Kesehatan mental/fitness nol

· Hampir tidak ada pasar

· Hampir tidak ada crypto murni (blockchain sebagai saluran, bukan produk utama)

· Konsumen di titik terendah dalam sejarah (total 14 perusahaan, hanya 7 resmi diklasifikasi)

Industri naik dari 3,6% di W24 ke 14,1% di W26, naik 4 kali lipat.

“Peralihan atom vs bit” di dalam YC adalah nyata.

Interpretasi terbalik: Komposisi W26 adalah snapshot dari hal yang saat ini bisa didanai, bukan yang akan bernilai 10 tahun lagi. Perusahaan legendaris yang hilang di batch ini adalah yang pendiriannya di bidang konsumen dan sosial, yang akan datang dalam 2-3 batch lagi, setelah kemampuan AI mereka menyamai ambisi mereka.

Apa yang Berpotensi Gagal

Infrastruktur agent yang tidak berbeda. 8-10 perusahaan membangun monitoring/test/kompresi agent. Penyedia model dasar akan membangun ini secara native. Pembeli perusahaan menganggap ini standar.

Layanan AI native tanpa data pelindung. Pendapatan tercepat tetapi paling rentan. Teknologi inti bisa diduplikasi dalam beberapa minggu. Perusahaan tradisional akan mengadopsi AI dalam 12-18 bulan. Tanpa data eksklusif atau distribusi tertanam, bentengnya tipis.

Penjualan hubungan untuk pendiri teknologi tunggal. Konstruksi, asuransi, pengiriman: jika tidak ada yang bisa bicara bahasa di lokasi kerja, akan stagnan.

AI “untuk [industri]” tanpa kedalaman bidang. Tanda: deskripsi dimulai dengan “kami menggunakan LLM canggih…” bukan masalah spesifik pelanggan.

Teknologi mendalam jangka panjang tanpa pendapatan. Secara konsep benar, tetapi gagal karena membakar uang.

Pembungkus workflow komersial. AI tugas tunggal, GPT-5 mungkin akan melakukan hal yang sama secara native dalam 6 bulan.

Lima ciri perusahaan tercepat

1. Jual hasil, bukan alat

2. Pendiri sudah punya hubungan pelanggan sebelum produk ada

3. Mulai dari hari pertama, langsung bayar: tanpa lapisan gratis, tanpa pilot

4. Pelanggan putus asa, bukan penasaran (Proximitty: bank dengan utang buruk > 2 miliar USD; Ruma Care: klinik yang ditolak klaim 150.000 USD)

5. MVP sangat sederhana: mereka fokus pada hasil, bukan arsitektur

Perbedaan antara “luncurkan dan belajar” dan “bangun dan harap” adalah tempat sebagian besar kegagalan batch ini akan terjadi.

Masa depan penuh semangat! Membangun belum pernah semudah ini.

Link asli

Klik untuk mengetahui posisi BlockBeats dalam perekrutan

Selamat bergabung dengan komunitas resmi BlockBeats:

Telegram langganan: https://t.me/theblockbeats

Telegram diskusi: https://t.me/BlockBeats_App

Akun resmi Twitter: https://twitter.com/BlockBeatsAsia