- Y Combinator telah mengumpulkan ide-ide yang mereka harap lebih banyak dicoba oleh para pendiri, lalu membagikannya dengan judul Request for Startups (RFS)
- Seiring AI memantapkan diri bukan sekadar fitur sederhana melainkan teknologi fondasi, mereka mengungkap 15 ide startup yang akan membangun ulang software, layanan, dan semikonduktor serta memperluas AI ke dunia fisik
- Daftar ini bukan keseluruhan investasi YC, tetapi jika Anda sebelumnya sudah tertarik pada ide-ide di bawah ini, Anda bisa menjadikannya sebagai keyakinan tambahan bahwa YC berpikir sama
Pertanian rendah pestisida berbasis AI
- Pertanian modern bergantung pada bahan kimia, tetapi residu pestisida menyebar ke makanan, kualitas air, dan tanah, sementara kekhawatiran terhadap risiko kesehatan jangka panjang glifosat terus meningkat
- Gulma dan hama beradaptasi terhadap bahan kimia yang ada sehingga efektivitasnya menurun, dan petani memakai lebih banyak bahan kimia tetapi biaya naik serta pendapatan turun, menciptakan lingkaran setan
- AI kini memungkinkan identifikasi gulma dan hama individual secara real-time, biaya sensor dan kamera menurun, dan robotika memungkinkan penanganan presisi pada tingkat tanaman individual, bukan seluruh ladang
- Solusi berbasis mikroba, peptida, dan RNA telah mencapai tingkat yang dapat menggantikan seluruh kelas bahan kimia sintetis, serta memungkinkan rekayasa tanaman agar dapat mempertahankan diri dan bersaing dengan gulma
- Perusahaan yang mampu mengurangi penggunaan pestisida hingga 90% sambil menanam lebih banyak pangan berpotensi menjadi perusahaan penentu generasi
Perusahaan layanan AI-native
- Model AI berkembang cukup cepat hingga mampu menangani pekerjaan kompleks melampaui rekayasa, mengikuti alur evolusi dari layanan menjadi SaaS, lalu menjadi AI copilot
- Pada 2023~2025 sebagian besar startup membangun alat yang membantu pekerjaan manusia, tetapi tahap berikutnya adalah perusahaan AI-native yang menjual layanannya sendiri, bukan software
- Total belanja layanan beberapa kali lebih besar daripada belanja software, dan karena banyak layanan sudah lebih dulu di-outsourcing, penggantian dengan produk AI-native relatif mudah
- Area yang sangat diminati: broker asuransi, akuntansi, pajak, audit, compliance, dan administrasi kesehatan
Layanan kesehatan personal berbasis AI
- Dengan memanfaatkan agent harness seperti Claude Code, dimungkinkan menganalisis tes diagnostik, pemindaian genom, data EHR, dan informasi wearable untuk memberi saran kesehatan yang dipersonalisasi
- Biaya sequencing genom turun lebih cepat daripada Hukum Moore, dan beragam alat diagnostik baru memungkinkan deteksi dini sinyal kesehatan
- Biaya pembuatan terapi gen n-of-1 turun tajam, dan melalui vektor pengiriman seperti mRNA dimungkinkan merancang serta mengirim obat yang dipersonalisasi, sementara FDA juga makin terbuka terhadap prosedur semacam ini
- Data dan kecerdasan yang melimpah diperkirakan memungkinkan peningkatan akurasi penilaian risiko penyakit pasien dan demokratisasi akses terhadap pengobatan penyakit serius
Company Brain (otak perusahaan)
- Hambatan terbesar otomatisasi AI kini bukan lagi performa model melainkan pengetahuan domain, karena seluruh know-how inti perusahaan tersebar di email, Slack, tiket dukungan, database, dan lain-lain
- Yang dibutuhkan bukan sekadar pencarian atau chatbot dokumen, melainkan peta hidup tentang cara perusahaan beroperasi, seperti bagaimana refund diproses, bagaimana pengecualian harga diputuskan, atau bagaimana incident ditangani
- Diperlukan komponen primitif baru yang mengekstrak, menyusun, dan menjaga pengetahuan dari sumber yang tersebar agar tetap mutakhir, lalu mengubahnya menjadi file skill yang bisa dijalankan AI
- Company Brain berfungsi sebagai lapisan yang hilang antara data mentah perusahaan dan otomatisasi AI yang tepercaya, serta menjadi infrastruktur yang dibutuhkan semua perusahaan
Pertahanan anti-swarm drone
- Disebutkan kasus swarm drone murah buatan Iran yang menyerang pusat data AWS, menyoroti belum adanya kesiapan pertahanan terhadap swarm drone terkoordinasi berjumlah ribuan
- Satu rudal Patriot berharga 3 juta dolar, sementara satu drone FPV 500 dolar, sehingga keunggulan biaya sepenuhnya ada di pihak penyerang
- Sistem pertahanan anti-drone saat ini merupakan struktur yang padat dan terpecah, dengan radar, kamera, jammer, interceptor, dan personel berbinokular yang beroperasi tanpa keterhubungan
- Teknologi yang dibutuhkan: interceptor berkapasitas besar yang dapat melumpuhkan lebih dari 50 unit dengan satu platform, software yang mengintegrasikan semua sensor dan alat pertahanan secara real-time, serta sarana pertahanan non-kinetik seperti aerosol yang mencemari rotor atau streamer yang menjerat swarm
- Pertahanan drone semakin mirip pengoperasian sistem terdistribusi real-time daripada pengoperasian persenjataan, dan perusahaan pemenangnya akan lebih mirip Cloudflare daripada Raytheon
Antarmuka software dinamis
- Software konvensional memberikan antarmuka yang sama kepada semua pengguna; bahkan personalisasi Netflix pada dasarnya masih memakai layout yang sama dan hanya berbeda pada gambar
- Pendekatan yang selama ini di software enterprise hanya dilakukan oleh forward deployed engineer untuk kustomisasi per pelanggan kini mencapai tahap di mana coding agent dapat menyediakannya untuk tiap individu pengguna
- Pengguna akan dapat mengustomisasi antarmuka secara radikal, misalnya klien email terlihat sebagai daftar tugas untuk satu pengguna dan sebagai kalender acara untuk mahasiswa
- Di masa depan, perusahaan software akan mendistribusikan primitive bersama dan pengguna mengubah antarmuka akhirnya; untuk itu perlu memikirkan ulang seluruh stack delivery software
- Ada pertanyaan seperti apakah source code harus didistribusikan agar dapat diakses coding agent pengguna, apakah hanya frontend yang dapat diubah, atau middleware juga bisa dimodifikasi
Komponen elektronik luar angkasa
- Roket yang dapat digunakan ulang dari SpaceX dan Stoke Space diperkirakan sangat meningkatkan kapasitas pengiriman barang ke luar angkasa
- Khususnya ada pasar besar untuk chip inferensi di luar angkasa, yang memerlukan optimasi tertentu pada massa, panas, dan radiasi
- Ditujukan bagi mereka yang berpengalaman merancang chip di SpaceX atau NVIDIA
Rantai pasok hardware
- Di Shenzhen, proses dari desain hingga pembuatan komponen fisik baru hanya memakan satu hari, sedangkan di AS proses yang sama memerlukan beberapa minggu
- Alasan China unggul adalah jaringan pemasok yang padat, turnaround cepat, dan koordinasi erat antara desain dan produksi
- Beberapa startup sudah membangun sebagian solusi, seperti Hlabs(W26) untuk pembuatan aktuator dan Prototyping.io(P26) untuk konversi komponen mekanik dalam beberapa hari, tetapi stack penuh masih belum ada
- Tertarik pada startup yang dapat memproduksi komponen dengan sangat cepat, memungkinkan iterasi hardware yang cepat, dan mengintegrasikan desain, manufaktur, serta logistik secara erat
Kapabilitas industri luar angkasa
- Tertarik pada pengembangan kapabilitas industri di Bulan dan luar angkasa, khususnya ekstraksi bahan mentah seperti silikon, aluminium, besi, dan titanium melalui elektrolisis
- Juga teknologi 3D printing struktur kompleks dari regolith cair; di Bulan hal ini lebih efisien daripada di Bumi karena tidak memerlukan struktur penopang
Chip inferensi untuk workflow agent
- Sebagian besar chip AI dirancang untuk inferensi model “masukkan prompt → keluarkan respons”, tetapi agent bekerja dalam struktur loop yang melibatkan pemanggilan tool, percabangan, backtracking, dan pemeliharaan konteks lintas puluhan langkah
- GPU saat ini pada workload seperti ini hanya mencapai utilisasi puncak 30~40%, dengan pola burst yang berpindah antara pemanggilan model yang memory-bound, penggunaan tool yang I/O-bound, dan orkestrasi yang CPU-bound
- NVIDIA telah mengakuisisi Groq seharga 20 miliar dolar, dan Google membangun TPU v7 khusus inferensi, tetapi desain untuk loop agent itu sendiri—seperti context switching cepat, speculative decoding native, dan memori yang menjaga KV cache di seluruh execution graph—masih belum ada
- Insight utama Groq bukanlah chipnya, melainkan compiler yang menjalankan chip tersebut; ini adalah masa langka ketika dibutuhkan talenta yang memahami baik arsitektur chip maupun cara eksekusi agent
Penantang SaaS
- Meski coding AI memicu narasi kiamat SaaS dan investor memangkas triliunan dolar dari kapitalisasi pasar software, justru ini menjadi peluang terbesar bagi startup dalam 10 tahun terakhir
- AI menurunkan biaya produksi software hingga 10~100 kali, menghapus moat SaaS legacy yang terbentuk dari jutaan baris kode selama puluhan tahun
- Spektrum serangannya mencakup: mengkloning produk yang ada lalu menjualnya dengan harga 1/10, mendesain ulang workflow secara fundamental dengan AI-native, membundel 10 solusi SaaS point menjadi satu suite, atau mengganti produk 50.000 dolar per seat dengan alternatif open source lalu memonetisasi melalui layanan dan hosting
- Bukan menargetkan hal mudah seperti alat manajemen proyek, melainkan dianjurkan menyerang codebase berskala 10 juta baris yang selama puluhan tahun nyaris tak tertembus, seperti software desain chip, ERP, sistem kontrol industri, dan manajemen rantai pasok
- Perusahaan software besar generasi sebelumnya lahir dengan mengganti on-premise ke cloud; generasi berikutnya akan lahir dengan mengganti SaaS legacy menjadi software AI-native
Software untuk agent
- Triliun pengguna internet berikutnya bukan manusia melainkan AI agent, dan saat ini agent berjalan lambat serta tidak stabil di atas software untuk manusia yang berbasis klik tombol
- Agent membutuhkan antarmuka yang dapat dibaca mesin seperti API, MCP, CLI, bukan antarmuka visual seperti form, tombol, atau dashboard
- Agar agent dapat menemukan tool baru, mendaftar, dan langsung memakainya secara terprogram, dibutuhkan dokumentasi yang sangat menyeluruh dan sistem harus bekerja tanpa campur tangan manusia
- Semua kategori utama software yang ada perlu dibangun ulang untuk agent, dan ini akan muncul bukan dari perusahaan lama yang sekadar menambahkan dukungan agent, melainkan dari startup yang merancang agent sebagai warga kelas satu
Startup yang ingin menjual ke perusahaan raksasa
- Dulu praktik umum adalah startup menjual ke startup lain, tetapi setelah kemunculan AI kini terbuka akses bahkan ke perusahaan raksasa sekelas Fortune 100
- AI mengubah tiga hambatan: para pengambil keputusan di perusahaan besar secara aktif mencari tim yang bisa memecahkan masalah inti dengan AI, tim kecil dapat membangun produk canggih untuk enterprise dalam hitungan bulan, dan para pemimpin perusahaan besar sadar sendiri akan kebutuhan untuk beradaptasi
- Dalam 3 tahun terakhir, perusahaan YC kerap menandatangani kontrak jutaan dolar pada batch atau tahun pertama mereka, dan kasus ketika pelanggan pertama adalah salah satu perusahaan terbesar di dunia pun sudah umum
- Cara lama berupa stealth mode selama 3 tahun untuk menyamai fitur produk yang ada telah berakhir; kini tim 2~3 orang bisa meluncurkan produk yang dipakai perusahaan Fortune 10 bahkan sebelum mendirikan badan hukum
Rantai pasok semikonduktor 2.0
- Satu chip AI terdepan diproduksi melalui sekitar 1.400 tahap proses, melewati lebih dari 12 negara, dan memerlukan 5 bulan untuk selesai, namun rantai pasok ini masih dikelola dengan spreadsheet, SAP, dan telepon
- Pada 2021, chip 300 dolar menyebabkan mobil senilai 50.000 dolar tidak bisa diproduksi sehingga 210 miliar dolar nilai kendaraan gagal dibuat; perusahaan hanya tahu pemasok langsung mereka dan sama sekali tidak punya visibilitas ke tier 2 dan 3
- Advanced packaging milik TSMC saat ini menjadi bottleneck terbesar dalam AI compute, dengan NVIDIA menguasai lebih dari 60%, memori HBM sudah penuh dipesan hingga 2026, dan kontrol ekspor berubah tiap kuartal
- Berkat CHIPS Act, fab baru di Arizona, Texas, Ohio, dan New York sedang dibangun, tetapi tiap fab itu perlu membangun rantai pasoknya hampir dari nol
- Hampir tidak ada tooling yang memadai untuk pelacakan alokasi real-time, pemantauan risiko multi-tier, atau compliance ekspor; karena perlu pemahaman mendalam soal alokasi wafer dan kendala packaging, ini adalah peluang startup, bukan sekadar fitur di dalam SAP
Sistem operasi AI untuk enterprise
- Perusahaan AI-native terbaik merekam semua rapat, melacak semua tiket, dan menangkap semua interaksi pelanggan sehingga seluruh perusahaan dapat di-query
- Dengan ini perusahaan dapat beralih dari open loop—baru memeriksa hasil beberapa minggu setelah keputusan dibuat—ke closed loop, di mana sistem memantau, membandingkan, dan menyesuaikan situasi saat ini
- Tim yang menerapkannya mampu memangkas waktu sprint menjadi setengah dan melipatgandakan jumlah rilis
- Saat ini untuk membangun ini dibutuhkan pekerjaan integrasi yang melelahkan dengan menghubungkan Slack, Linear, GitHub, Notion, rekaman panggilan, dan lain-lain menggunakan glue code kustom
- Masih belum ada produk yang menghubungkan semua konteks ke satu lapisan kecerdasan tunggal untuk menandai saat engineering membangun hal yang salah atau menghasilkan spesifikasi yang akan dijalankan agent; ini adalah peluang membangun lapisan penghubung yang mengubah output perusahaan menjadi loop perbaikan diri
1 komentar
Ini muncul setiap kuartal.
Memang saat Requests for Startups YC - Summer 2025 pun AI sudah banyak,
tetapi sejak tahun ini rasanya penerapan AI semakin mendekati area vertikal dan enterprise.