На демо-дне YC W26 выступили 199 компаний. После участия, анализ данных выявил текущую ситуацию в сфере AI-стартапов.

Первое впечатление — доля компаний, связанных с AI. 60% участников — AI-родные, 26% — использующие AI, и лишь 14% — без использования AI. То есть AI уже не является отдельной категорией, а превратился в инфраструктуру. Однако здесь есть важный нюанс. Нужно смотреть не просто на «использование AI», а на то, «как реализовать то, что было невозможно с помощью традиционных моделей».

Если рассматривать структуру бизнес-моделей, то 87% — B2B, всего 7% — B2C. Эта явная диспропорция показывает, что современные AI-технологии оптимизированы для замены знанийых работников. Интересно, что большинство компаний стремятся к полной автоматизации задач, а не просто к помощнику-ко-пилоту. AI-агенты заменяют человека полностью, а не помогают ему.

Данные о доходах также вызывают интерес. Медиана предполагаемого годового повторяющегося дохода (ARR) — около 50-100 тысяч долларов, темпы роста — 30-50% в месяц. Однако только 5% компаний имеют годовой постоянный доход свыше 1 миллиона долларов, около 50% еще не получают дохода. То есть большинство находятся на ранней стадии.

Что общего у самых быстро монетизирующихся компаний? Это то, что основатели продают «своим бывшим работодателям». Proximity достигла 700 тысяч долларов ARR за менее чем 3 недели. Corvera — 33 тысячи долларов в месяц за 4 недели. Они не искали клиентов, а уже имели клиентскую сеть.

Это также связано с каналами распространения. Среди 15 наиболее быстро растущих B2B-компаний 60% получили первых клиентов через сеть основателей или YC. Компании, испытывающие трудности с выходом на рынок, почти всегда сначала создают продукт, а потом думают, «как его продать». Успешные же начинают с вопроса: «Кому я могу достучаться и что им нужно прямо сейчас».

Доля аппаратных решений также вызывает интерес. 18% участников используют аппаратное обеспечение, что значительно больше по сравнению с предыдущими партиями. Роботы, дроны, носимая электроника, космические технологии — физические продукты возвращаются.

Структура основателей тоже заметна. 46% — команды из двух человек. Самое распространенное — не «хакер + продажник», а два технических соучредителя с разными компетенциями. Самые успешные — те, кто имеет глубокий опыт в своей отрасли. Например, стоматолог создает AI-планирование операций, а специалист по авиаобслуживанию разрабатывает автоматизированные документы. Это не индустрия «коктейльных вечеринок», а глубокие, ниши сферы.

Также важен вопрос построения «цикла данных». LegalOS обучалась на 12 000 заявках на визу и достигла 100% уровня одобрения. Разница между компаниями, которые используют взаимодействие с клиентами для улучшения продукта, и теми, кто просто создает инструмент, — в этом.

Есть и заметные пробелы. Нет компаний, связанных с образованием. Нет потребительских социальных сетей. Почти нет правительственных технологий. Это парадоксально, но именно в тех областях, где меньше всего денег, скрыт потенциал для максимальной отдачи в будущем.

И напоследок — паттерны, ведущие к неудаче. Не дифференцированные агентские инфраструктуры опасны. 8–10 компаний создают одинаковые функции мониторинга, тестирования и сжатия, в то время как основные поставщики моделей интегрируют их нативно. AI-сервисы без собственных данных слабо защищены. Универсальные рабочие процессы, обернутые в оболочку, — скоро будут заменены нативной реализацией тех же функций GPT-5 за несколько месяцев.

Пять общих черт самых быстро растущих компаний: продают не инструменты, а результаты. Основатели заранее выстраивают отношения с клиентами. Начинают взимать плату с первого дня. Клиенты находятся в отчаянном положении. MVP — необычно простое.

Из данных этих 199 компаний видно, что в эпоху AI самое важное — не технологические инновации, а глубокое понимание проблем, наличие клиентской сети и возможность накапливать данные. Наступила эпоха, когда просто «AI-обертка» уже недостаточно для выживания.