執筆者：朗瀚威 WillこちらはYC W26シリーズ分析の第5弾です。前回はAIプログラミングツールと「Claude Code for X」（12社）を解説しましたが、今回は開発チェーンのもう一方—コード完成後のすべて：運用、テスト、ワークフロー自動化、エージェント開発基盤について、22社を取り上げます。コードは始まりに過ぎない前回はAIが「コードを書くこと」をどう変えるかを語りました。しかし、コードを書くことはソフトウェア開発の一部に過ぎません。コード完成後には、デプロイ、運用、監視、テスト、バグ修正、ワークフロー自動化など、人の手を必要とする工程が続きます。YC W26の22社は、これら「コードを書き終えた後」の各工程をすべてAIエージェントに任せることに取り組んでいます。深夜3時の本番環境アラート？IncidentFoxはあなたが寝ている間に自動でログを調査し、根本原因を特定し、修復スクリプトを準備します。あなたは起きてレビューと承認を行うだけです。ユーザーがバグを発見？Lucentは24時間体制で会話のリプレイを自動で確認し、ユーザーよりも早く問題を見つけ出します。Excelの承認フローを自動化したい？Bubble Labなら一言で完結。この22社は4つのグループに分かれます：AI運用/SRE（5社）、AIテスト/QA（2社）、AIワークフロー自動化（7社）、エージェント開発基盤（8社）。結論：すぐに持ち帰れる判断4つ1、IncidentFoxはこれら22社の中で最も完成度の高い製品です。2人の元Robloxエンジニア（1億+日次アクティブのインフラ支援経験者）が開発、オープンソース、300以上のプリセット統合、1日未満で展開可能です。差別化の核は「AIによるログ分析」ではなく、「技術スタックを自動で認識し、統合を自動生成」する点です。最も面倒な接続作業を省略します。2、AI運用（5社）とAIテスト（2社）が共同で行うのは、「コード品質保証」を人手集約からエージェント集約へ変えることです。従来の運用監視、バグ調査、回帰テストには多くのエンジニア時間が必要でした。これら7社の狙いは、エージェントが人よりも早く問題を発見し、根本原因を特定し、24/7休まず働くことです。3、ワークフロー自動化（7社）は最も多様で、かつユーザー層も広いグループです。共通点は「コードを書かない人でもAIを使って仕事を自動化できる」ことです。RamAInはコンピュータビジョンであらゆるソフトを操作し、Bubble Labは一言で自動化フローを作成、Jinbaはチャットを使った企業ワークフローの自動化を実現します。このグループは開発者向けではなく、すべての知識労働者を対象としています。4、エージェント開発基盤（8社）は最も「メタ」なグループです。エージェントを作るためのツールを提供します。Emdashはオープンソースのエージェント開発環境、OvershootはAIビジュアルアプリケーションプラットフォーム、GlueはエージェントUI設計キャンバスです。これらは、エージェントの数が爆発的に増えたときに必要となるインフラの基盤となるものです。サブカテゴリー1：AI運用/SRE—IncidentFox、Mendral、Corelayer、Sonarly、Lucent5社は同じ目的を異なる側面から追求しています：AIで運用エンジニアを置き換える。IncidentFox公式リンク：AI SREエージェント—自動でトリアージ、調査、修復を行い、Slackに常駐。コアデータ：オープンソース（Apache 2.0）、GitHubスター数420+、300以上のプリセット統合、Kubernetes/AWS/Grafana/Prometheus/Datadog/PagerDuty/GitHub対応。ビジネスモデル：オープンソースのコア＋エンタープライズ版（セキュアサンドボックス、認証代理、多チーム管理）。展開時間は1日未満。チームのハイライト：Jimmy Wei—Roblox元（1億+日次アクティブのインフラ支援）、Meta FAIRで多方対話AI研究、コーネルCS出身。Long Yi—Robloxのインフラチーム出身（DBインフラ、1億+日次アクティブ支援）。二人は一人はAI開発、もう一人は運用担当と補完的。競合/リスク：PagerDuty、Incident.io（資金調達5千万ドル超）、Datadog、ServiceNowなどもAI運用に進出。ただしIncidentFoxの差別化は「自動生成された統合」—他ツールは数週間かけて手動でシステムに接続する必要があるが、IncidentFoxはコードベースと過去事故履歴を分析し、自動で統合を生成。その他のポイント：SOC2準拠。調査は隔離コンテナ内で行われ、エージェントは秘密鍵を見られない。Claude Codeプラグインも提供し、個人開発者も利用可能。IncidentFoxの核心洞察は：AI運用ツールの失敗原因はモデルの性能不足ではなく、統合の深さにある。あなたの決済チームが自社開発のKafkaパイプラインを使い、インフラチームが自社のデプロイシステムを持ち、MLチームが自社モデルサービスを運用していると、汎用AIツールは接続できない。IncidentFoxはコードと事故履歴を分析し、必要な統合を自動で発見・生成し、人間は承認だけ行えば良い。Chris LuはツイートでIncidentFoxを「AI SREエンジニアが自動で本番事故を修復」と表現。これは運用エンジニアにとって福音であり脅威でもある。Mendral（月間アクセス9,000）はAI DevOpsエンジニアを目指す。IncidentFoxの「事後修復」と異なり、Mendralは日常運用—継続的インテグレーション、デプロイ管理、環境設定など日々の作業を自動化。Corelayer（月間アクセス4,000）は「データ駆動のAI監視エンジニア」。問題の推測ではなく、指標とログを自動で関連付ける。Sonarly（2,000アクセス）は本番アラートAIエンジニア。アラートの分類、重複排除、関連付けに特化し、重要なアラートだけに人の注意を向けさせる。Lucent（16,000アクセス）は会話の録画を見てバグを検出するAI。コードからではなく、ユーザー体験から問題を見つける。AIが24/7で会話録画を監視し、遅延やエラー、異常な流れを自動検出し、SlackやLinearにバグを作成、再現手順も付与。創業者のAlisa Raeの物語も興味深い：オーストラリア出身、教育テック企業を立ち上げて売却、MagicBriefの2号社員（後にCanvaに買収）、Atlassianでリッチテキストエディタを担当。最初のYC申請は不採用だったが、「共同創業者を見つけるべき」と助言され、ソロで挑戦し資金調達2百万ドルを獲得、2回目の申請で採択。30社以上のYC企業に採用され、創業者の声：「最初の週で見たことのない7つのバグを発見」「最初の週で回収」94％のユーザーはバグを報告せずに離脱—これがLucentの存在理由。これら5社の共通点は：運用エンジニアの多くの時間は「問題の修正」ではなく、「問題の発見」に費やされていること。複数の監視システムから信号を関連付け、ログを調査し、最近のデプロイ変更を確認—この調査に平均80％の時間を費やす。AIエージェントは全データソースを同時に秒単位で関連付け、「問題発見」の時間を数時間から数分に短縮。サブカテゴリー2：AIテスト/QA—Canary、Ashr2社がAIテストに取り組む。Canaryは「あなたのコードベースを理解する最初のAI QAエンジニア」。キーワードは「コード理解」—一般的なテストツールではなく、まずコードのロジックを理解し、ターゲットを絞ったテストケースを生成。従来のAIテストツールは実コードと乖離しがち。公式リンク：Ashrはエージェントによるマルチモーダルテストを自動化。マルチモーダルとは、テキストだけでなく画像、動画、音声なども対象。AIアプリの多様化に伴い、テストツールも多モーダル対応が必要に。サブカテゴリー3：AIワークフロー自動化—RamAIn、Bubble Lab、Jinba、Ressl AI、EigenPal、Carson、Crow最も広範な層を対象とし、ユーザーは開発者ではなく、すべての自動化を必要とする人々。RamAIn公式リンク：「世界最速のエージェント搭載コンピュータ」—AIに人のように操作させる。ブラウザとデスクトップ間でデータを移動。コアデータ：3.5万/月アクセス、既に調達、保険、医療、金融チームが利用。数日で展開完了。チームのハイライト：IIT Delhiの学生2人—CEO ShouryaはMcKinseyで企業AIプロジェクト、Genoshi（AIスタジオ、ブートストラップで6桁収益）、FIDE国際チェス2118点のプレイヤー、インド代表として17か国の大会に出場。ビジネスモデル：エンタープライズ向け—レガシーシステム、デスクトップアプリ、Webポータル間のデータ自動移動。ERP＋サプライヤーポータル、保険ブローカー、電子カルテ＋ラボポータル、収益管理などがターゲット。競合/リスク：AnthropicのComputer Use、OpenAIのOperatorが最大の脅威。RamAInの差別化は「特定インターフェース上で事前学習」—汎用CUA（スクリーンショット→ビジュアルモデル→意思決定→繰り返し）は高コスト・遅く・不安定だが、RamAInはまずインターフェースを学習し自動化。さらに「自己修復」能力—UIが変わっても崩れない。従来のRPAの致命的弱点を克服。Bubble Lab（1.9万/月）—「一度のプロンプトで永続的自動化」。繰り返し作業を一言で自動化フローに変換。Zapierよりシンプルに、「何を自動化したいか」を記述するだけ。Jinba（1.7万/月）—「チャットであらゆる企業ワークフローを自動化」。チャットUIから承認、データ流通、システム連携をトリガー。Ressl AI（1.7万/月）—ERP/CRM設定エージェント。SalesforceやSAP導入後の設定・カスタマイズは大規模な工程。AIエージェントで自動化。EigenPal（0.9万/月）—企業向けAIドキュメントワークフロー。CarsonはデスクトップAI作業空間（詳細はOpenClawで解説済み）。Crow（2.5万/月）は「チャットでアプリを操作」—SaaSにAIチャット層を追加し、ユーザーはUI操作を学ばずにタスク完了。7社の共通点：AIプログラミングは「コードを書くハードル」を下げるが、多くの仕事はそもそもコード不要。既存ツールをつなぎ、繰り返し作業を自動化することが求められる。このグループは「ノーコード自動化」を実現。サブカテゴリー4：エージェント開発基盤—Emdash、Overshoot、Cardboard、Glue、Sila、Valgo、SideKit、Wideframeエージェント作成者向けのツール群。Emdash（2.3万/月）—オープンソースのエージェント開発環境。60,000+ダウンロード、GitHubスター2430。複数エージェントの並列実行、任意モデル提供者対応。前回の1 codeと似るが、オープンソース・モデル非依存性を重視。公式リンク：Overshoot（1.6万/月）—AIビジュアルアプリ構築プラットフォーム。多モーダルモデルの普及に伴い、「画像を見るAIアプリ」の需要が急増。Cardboard（0.7万/月）—エージェント用動画編集ツール。自動でカット、結合、字幕・エフェクト追加。従来は専門スキルと高価なソフトが必要だったが、「エージェントに望む効果を伝える」だけで動画制作を簡易化。Glue—エージェントUI設計キャンバス。AIエージェントにフロントエンドが必要な場合に設計支援。可視化操作パネルの需要増に対応。Sila—エージェント間通信基盤。複数エージェントの協働において情報伝達を担う。Valgo（0.3万/月）—自律システムのアルゴリズム安全性検証。SideKit（0.2万/月）—モバイルアプリ展開のワンストップソリューション（少数派の非AI企業）。Wideframe—動画編集AIコラボ。22社まとめいくつかの観察点：第一、AI運用（5社）は最も成熟したグループ。IncidentFoxはオープンソース、300以上の統合、SOC2準拠。これは偶然ではなく、運用はAIの価値を最も証明しやすい場面の一つ。修復時間は数時間から数分に短縮され、効果が明確。第二、ワークフロー自動化（7社）は、最大の競合は既存の自動化ツール—Zapier、Make、n8n。AIの導入でこれらのツールは「より賢く」なるが、既存ツールもAI機能を急速に拡充中。7社は、Zapier（評価額超50億ドル）に勝つために、ニッチな市場を狙う必要がある。第三、エージェント基盤（8社）は最も長期的な賭け。現状エージェントの数は少なく、インフラの価値も見えにくいが、エージェント経済が爆発すれば（Fintechの例ではSpongeが銀行口座を開設）、ツール群は次のクラウドインフラ級のチャンスとなる。第四、これら22社はすべてB2B。シリーズ全体と同様に—YC W26は徹底したB2Bバッチ。AIツールは企業や開発者に販売され、消費者向けではない。中国チームへの示唆第一、中国のAI運用需要は巨大。字節、阿里、腾讯、美团のインフラ規模は米国と比べて遜色なく、しかしAI化は進んでいない。国内の監視システム（阿里的ARMS、字节のAPMPlus）はDatadogのようにAI機能を積極的に推進していない。もし「中国版IncidentFox」を作るチームがあれば—国内主要監視システムに接続し、中国語ログ解析や国内技術スタックに対応すれば、市場は存在する。第二、中国の自動化には特有の場面がある—DingTalkとFeishu。これらは中国企業の主要な仕事入口だが、自動化能力はまだ初級段階。もし「DingTalk/Feishu内のAIワークフロー自動化」（JinbaのSlack対応のような）を作るチームがあれば、新プラットフォームをゼロから作るよりも早く普及できる。第三、中国にはエージェント開発ツールの空白がある。米国ではEmdash、Glue、Silaがエージェント開発の各段階を担うが、中国には同等のツールは未登場。国内エージェント開発者が増えれば、市場は拡大。持ち帰れる判断1、AI運用の最大の課題はモデルの性能ではなく、統合の深さ。IncidentFoxの「自動生成統合」戦略は、すべての企業AIツール開発チームが学ぶべき。いくらAIが賢くても、顧客システムに接続できなければ何もできない。2、「ノーコード自動化」は独立した品目になりつつある。RamAIn（3.5万/月）、Bubble Lab（1.9万）、Crow（2.5万）のアクセス数は、需要の実在を示す。これらは開発者向けではなく、すべての知識労働者向け。市場規模は開発者ツールの10倍以上。3、エージェント基盤は「長期的に正しいが短期的には儲からない」方向性。2010年のクラウドインフラと同じで、当時はアプリが少なくインフラ過剰に見えたが、爆発的にアプリが増えた後、インフラが最も儲かる層になった。エージェント基盤も同じ道をたどる可能性。4、これら22社と前回の12社を合わせて、DevToolsのセクターは合計34社となり、W26最大のセクター。これは、AIが最初に「ソフトウェアの作り方」を変え、その次に他業界へと広がる事実を反映している。開発者ツールはAIの「本塁打」だ。
コードを書き終えた後、AIが引き継いだもの：YC W26の運用/テスト/自動化/エージェント基盤 22社の全解体
執筆者：朗瀚威 Will
こちらはYC W26シリーズ分析の第5弾です。前回はAIプログラミングツールと「Claude Code for X」（12社）を解説しましたが、今回は開発チェーンのもう一方—コード完成後のすべて：運用、テスト、ワークフロー自動化、エージェント開発基盤について、22社を取り上げます。
コードは始まりに過ぎない
前回はAIが「コードを書くこと」をどう変えるかを語りました。しかし、コードを書くことはソフトウェア開発の一部に過ぎません。コード完成後には、デプロイ、運用、監視、テスト、バグ修正、ワークフロー自動化など、人の手を必要とする工程が続きます。
YC W26の22社は、これら「コードを書き終えた後」の各工程をすべてAIエージェントに任せることに取り組んでいます。
深夜3時の本番環境アラート？IncidentFoxはあなたが寝ている間に自動でログを調査し、根本原因を特定し、修復スクリプトを準備します。あなたは起きてレビューと承認を行うだけです。ユーザーがバグを発見？Lucentは24時間体制で会話のリプレイを自動で確認し、ユーザーよりも早く問題を見つけ出します。Excelの承認フローを自動化したい？Bubble Labなら一言で完結。
この22社は4つのグループに分かれます：AI運用/SRE（5社）、AIテスト/QA（2社）、AIワークフロー自動化（7社）、エージェント開発基盤（8社）。
結論：すぐに持ち帰れる判断4つ
1、IncidentFoxはこれら22社の中で最も完成度の高い製品です。2人の元Robloxエンジニア（1億+日次アクティブのインフラ支援経験者）が開発、オープンソース、300以上のプリセット統合、1日未満で展開可能です。差別化の核は「AIによるログ分析」ではなく、「技術スタックを自動で認識し、統合を自動生成」する点です。最も面倒な接続作業を省略します。
2、AI運用（5社）とAIテスト（2社）が共同で行うのは、「コード品質保証」を人手集約からエージェント集約へ変えることです。従来の運用監視、バグ調査、回帰テストには多くのエンジニア時間が必要でした。これら7社の狙いは、エージェントが人よりも早く問題を発見し、根本原因を特定し、24/7休まず働くことです。
3、ワークフロー自動化（7社）は最も多様で、かつユーザー層も広いグループです。共通点は「コードを書かない人でもAIを使って仕事を自動化できる」ことです。RamAInはコンピュータビジョンであらゆるソフトを操作し、Bubble Labは一言で自動化フローを作成、Jinbaはチャットを使った企業ワークフローの自動化を実現します。このグループは開発者向けではなく、すべての知識労働者を対象としています。
4、エージェント開発基盤（8社）は最も「メタ」なグループです。エージェントを作るためのツールを提供します。Emdashはオープンソースのエージェント開発環境、OvershootはAIビジュアルアプリケーションプラットフォーム、GlueはエージェントUI設計キャンバスです。これらは、エージェントの数が爆発的に増えたときに必要となるインフラの基盤となるものです。
サブカテゴリー1：AI運用/SRE—IncidentFox、Mendral、Corelayer、Sonarly、Lucent
5社は同じ目的を異なる側面から追求しています：AIで運用エンジニアを置き換える。
IncidentFox
公式リンク：
AI SREエージェント—自動でトリアージ、調査、修復を行い、Slackに常駐。
コアデータ：オープンソース（Apache 2.0）、GitHubスター数420+、300以上のプリセット統合、Kubernetes/AWS/Grafana/Prometheus/Datadog/PagerDuty/GitHub対応。
ビジネスモデル：オープンソースのコア＋エンタープライズ版（セキュアサンドボックス、認証代理、多チーム管理）。展開時間は1日未満。
チームのハイライト：Jimmy Wei—Roblox元（1億+日次アクティブのインフラ支援）、Meta FAIRで多方対話AI研究、コーネルCS出身。Long Yi—Robloxのインフラチーム出身（DBインフラ、1億+日次アクティブ支援）。二人は一人はAI開発、もう一人は運用担当と補完的。
競合/リスク：PagerDuty、Incident.io（資金調達5千万ドル超）、Datadog、ServiceNowなどもAI運用に進出。ただしIncidentFoxの差別化は「自動生成された統合」—他ツールは数週間かけて手動でシステムに接続する必要があるが、IncidentFoxはコードベースと過去事故履歴を分析し、自動で統合を生成。
その他のポイント：SOC2準拠。調査は隔離コンテナ内で行われ、エージェントは秘密鍵を見られない。Claude Codeプラグインも提供し、個人開発者も利用可能。
IncidentFoxの核心洞察は：AI運用ツールの失敗原因はモデルの性能不足ではなく、統合の深さにある。あなたの決済チームが自社開発のKafkaパイプラインを使い、インフラチームが自社のデプロイシステムを持ち、MLチームが自社モデルサービスを運用していると、汎用AIツールは接続できない。IncidentFoxはコードと事故履歴を分析し、必要な統合を自動で発見・生成し、人間は承認だけ行えば良い。
Chris LuはツイートでIncidentFoxを「AI SREエンジニアが自動で本番事故を修復」と表現。これは運用エンジニアにとって福音であり脅威でもある。
Mendral（月間アクセス9,000）はAI DevOpsエンジニアを目指す。IncidentFoxの「事後修復」と異なり、Mendralは日常運用—継続的インテグレーション、デプロイ管理、環境設定など日々の作業を自動化。
Corelayer（月間アクセス4,000）は「データ駆動のAI監視エンジニア」。問題の推測ではなく、指標とログを自動で関連付ける。
Sonarly（2,000アクセス）は本番アラートAIエンジニア。アラートの分類、重複排除、関連付けに特化し、重要なアラートだけに人の注意を向けさせる。
Lucent（16,000アクセス）は会話の録画を見てバグを検出するAI。コードからではなく、ユーザー体験から問題を見つける。AIが24/7で会話録画を監視し、遅延やエラー、異常な流れを自動検出し、SlackやLinearにバグを作成、再現手順も付与。
創業者のAlisa Raeの物語も興味深い：オーストラリア出身、教育テック企業を立ち上げて売却、MagicBriefの2号社員（後にCanvaに買収）、Atlassianでリッチテキストエディタを担当。最初のYC申請は不採用だったが、「共同創業者を見つけるべき」と助言され、ソロで挑戦し資金調達2百万ドルを獲得、2回目の申請で採択。30社以上のYC企業に採用され、創業者の声：「最初の週で見たことのない7つのバグを発見」「最初の週で回収」94％のユーザーはバグを報告せずに離脱—これがLucentの存在理由。
これら5社の共通点は：運用エンジニアの多くの時間は「問題の修正」ではなく、「問題の発見」に費やされていること。複数の監視システムから信号を関連付け、ログを調査し、最近のデプロイ変更を確認—この調査に平均80％の時間を費やす。AIエージェントは全データソースを同時に秒単位で関連付け、「問題発見」の時間を数時間から数分に短縮。
サブカテゴリー2：AIテスト/QA—Canary、Ashr
2社がAIテストに取り組む。
Canaryは「あなたのコードベースを理解する最初のAI QAエンジニア」。キーワードは「コード理解」—一般的なテストツールではなく、まずコードのロジックを理解し、ターゲットを絞ったテストケースを生成。従来のAIテストツールは実コードと乖離しがち。
公式リンク：
Ashrはエージェントによるマルチモーダルテストを自動化。マルチモーダルとは、テキストだけでなく画像、動画、音声なども対象。AIアプリの多様化に伴い、テストツールも多モーダル対応が必要に。
サブカテゴリー3：AIワークフロー自動化—RamAIn、Bubble Lab、Jinba、Ressl AI、EigenPal、Carson、Crow
最も広範な層を対象とし、ユーザーは開発者ではなく、すべての自動化を必要とする人々。
RamAIn
公式リンク：
「世界最速のエージェント搭載コンピュータ」—AIに人のように操作させる。ブラウザとデスクトップ間でデータを移動。
コアデータ：3.5万/月アクセス、既に調達、保険、医療、金融チームが利用。数日で展開完了。
チームのハイライト：IIT Delhiの学生2人—CEO ShouryaはMcKinseyで企業AIプロジェクト、Genoshi（AIスタジオ、ブートストラップで6桁収益）、FIDE国際チェス2118点のプレイヤー、インド代表として17か国の大会に出場。
ビジネスモデル：エンタープライズ向け—レガシーシステム、デスクトップアプリ、Webポータル間のデータ自動移動。ERP＋サプライヤーポータル、保険ブローカー、電子カルテ＋ラボポータル、収益管理などがターゲット。
競合/リスク：AnthropicのComputer Use、OpenAIのOperatorが最大の脅威。RamAInの差別化は「特定インターフェース上で事前学習」—汎用CUA（スクリーンショット→ビジュアルモデル→意思決定→繰り返し）は高コスト・遅く・不安定だが、RamAInはまずインターフェースを学習し自動化。
さらに「自己修復」能力—UIが変わっても崩れない。従来のRPAの致命的弱点を克服。
Bubble Lab（1.9万/月）—「一度のプロンプトで永続的自動化」。繰り返し作業を一言で自動化フローに変換。Zapierよりシンプルに、「何を自動化したいか」を記述するだけ。
Jinba（1.7万/月）—「チャットであらゆる企業ワークフローを自動化」。チャットUIから承認、データ流通、システム連携をトリガー。
Ressl AI（1.7万/月）—ERP/CRM設定エージェント。SalesforceやSAP導入後の設定・カスタマイズは大規模な工程。AIエージェントで自動化。
EigenPal（0.9万/月）—企業向けAIドキュメントワークフロー。CarsonはデスクトップAI作業空間（詳細はOpenClawで解説済み）。Crow（2.5万/月）は「チャットでアプリを操作」—SaaSにAIチャット層を追加し、ユーザーはUI操作を学ばずにタスク完了。
7社の共通点：AIプログラミングは「コードを書くハードル」を下げるが、多くの仕事はそもそもコード不要。既存ツールをつなぎ、繰り返し作業を自動化することが求められる。このグループは「ノーコード自動化」を実現。
サブカテゴリー4：エージェント開発基盤—Emdash、Overshoot、Cardboard、Glue、Sila、Valgo、SideKit、Wideframe
エージェント作成者向けのツール群。
Emdash（2.3万/月）—オープンソースのエージェント開発環境。60,000+ダウンロード、GitHubスター2430。複数エージェントの並列実行、任意モデル提供者対応。前回の1 codeと似るが、オープンソース・モデル非依存性を重視。
公式リンク：
Overshoot（1.6万/月）—AIビジュアルアプリ構築プラットフォーム。多モーダルモデルの普及に伴い、「画像を見るAIアプリ」の需要が急増。
Cardboard（0.7万/月）—エージェント用動画編集ツール。自動でカット、結合、字幕・エフェクト追加。従来は専門スキルと高価なソフトが必要だったが、「エージェントに望む効果を伝える」だけで動画制作を簡易化。
Glue—エージェントUI設計キャンバス。AIエージェントにフロントエンドが必要な場合に設計支援。可視化操作パネルの需要増に対応。
Sila—エージェント間通信基盤。複数エージェントの協働において情報伝達を担う。
Valgo（0.3万/月）—自律システムのアルゴリズム安全性検証。SideKit（0.2万/月）—モバイルアプリ展開のワンストップソリューション（少数派の非AI企業）。Wideframe—動画編集AIコラボ。
22社まとめ
いくつかの観察点：
第一、AI運用（5社）は最も成熟したグループ。IncidentFoxはオープンソース、300以上の統合、SOC2準拠。これは偶然ではなく、運用はAIの価値を最も証明しやすい場面の一つ。修復時間は数時間から数分に短縮され、効果が明確。
第二、ワークフロー自動化（7社）は、最大の競合は既存の自動化ツール—Zapier、Make、n8n。AIの導入でこれらのツールは「より賢く」なるが、既存ツールもAI機能を急速に拡充中。7社は、Zapier（評価額超50億ドル）に勝つために、ニッチな市場を狙う必要がある。
第三、エージェント基盤（8社）は最も長期的な賭け。現状エージェントの数は少なく、インフラの価値も見えにくいが、エージェント経済が爆発すれば（Fintechの例ではSpongeが銀行口座を開設）、ツール群は次のクラウドインフラ級のチャンスとなる。
第四、これら22社はすべてB2B。シリーズ全体と同様に—YC W26は徹底したB2Bバッチ。AIツールは企業や開発者に販売され、消費者向けではない。
中国チームへの示唆
第一、中国のAI運用需要は巨大。字節、阿里、腾讯、美团のインフラ規模は米国と比べて遜色なく、しかしAI化は進んでいない。国内の監視システム（阿里的ARMS、字节のAPMPlus）はDatadogのようにAI機能を積極的に推進していない。もし「中国版IncidentFox」を作るチームがあれば—国内主要監視システムに接続し、中国語ログ解析や国内技術スタックに対応すれば、市場は存在する。
第二、中国の自動化には特有の場面がある—DingTalkとFeishu。これらは中国企業の主要な仕事入口だが、自動化能力はまだ初級段階。もし「DingTalk/Feishu内のAIワークフロー自動化」（JinbaのSlack対応のような）を作るチームがあれば、新プラットフォームをゼロから作るよりも早く普及できる。
第三、中国にはエージェント開発ツールの空白がある。米国ではEmdash、Glue、Silaがエージェント開発の各段階を担うが、中国には同等のツールは未登場。国内エージェント開発者が増えれば、市場は拡大。
持ち帰れる判断
1、AI運用の最大の課題はモデルの性能ではなく、統合の深さ。IncidentFoxの「自動生成統合」戦略は、すべての企業AIツール開発チームが学ぶべき。いくらAIが賢くても、顧客システムに接続できなければ何もできない。
2、「ノーコード自動化」は独立した品目になりつつある。RamAIn（3.5万/月）、Bubble Lab（1.9万）、Crow（2.5万）のアクセス数は、需要の実在を示す。これらは開発者向けではなく、すべての知識労働者向け。市場規模は開発者ツールの10倍以上。
3、エージェント基盤は「長期的に正しいが短期的には儲からない」方向性。2010年のクラウドインフラと同じで、当時はアプリが少なくインフラ過剰に見えたが、爆発的にアプリが増えた後、インフラが最も儲かる層になった。エージェント基盤も同じ道をたどる可能性。
4、これら22社と前回の12社を合わせて、DevToolsのセクターは合計34社となり、W26最大のセクター。これは、AIが最初に「ソフトウェアの作り方」を変え、その次に他業界へと広がる事実を反映している。開発者ツールはAIの「本塁打」だ。