Y Combinator（YC）baru-baru ini mengumumkan Requests for Startups (RFS) Edisi Musim Panas 2026, yang mencantumkan arah yang secara khusus ingin ditekuni oleh para pendiri startup pada musim ini. Dari topik yang diajukan YC kali ini, peluang startup tidak lagi sekadar “menambahkan chatbot dalam produk yang sudah ada”, dan juga bukan membuat alat AI lain yang membantu orang menulis email, merapikan rapat, atau menghasilkan presentasi.
YC lebih menaruh perhatian pada: bagaimana AI mengubah pengetahuan internal perusahaan, penyerahan layanan profesional, rantai pasokan semikonduktor, manufaktur perangkat keras, pertanian, layanan medis, elektronik satelit, serta pertahanan anti-drone yang lebih kompleks pada tingkat sistem.
Dengan kata lain, startup AI sedang bergeser dari “meningkatkan efisiensi kerja individu” menjadi “membangun ulang organisasi dan proses industri”. Jika sebuah perusahaan sejak hari pertama berdiri adalah AI-native, produk yang dijualnya mungkin bukan lagi sekumpulan perangkat lunak, melainkan layanan yang telah direkonstruksi oleh AI, sebuah sistem operasi perusahaan, bahkan kemampuan rantai pasokan yang baru.
YC Dari indikator terdepan menjadi indikator tertinggal?
Ming X ian, partner dari Five Capital, baru-baru ini menerbitkan laporan kunjungan ke Silicon Valley dan menyoroti adanya titik balik kunci yang muncul di ekosistem startup AI saat ini: Y Combinator (YC), yang dulu dipandang sebagai penentu arah tren startup, setelah kecepatan iterasi AI meningkat tajam, kemungkinan sedang perlahan berubah dari “indikator terdepan” menjadi “indikator tertinggal”.
( Meningkatkan output dengan AI atau menurunkan biaya? Efisiensi seratus kali tidak menghasilkan pendapatan seratus kali, tapi tidak ada yang berani menyerukan stop di Silicon Valley )
Pada bulan Maret tahun ini, ketika Meng X ian duduk di barisan penonton acara YC W26 batch Demo Day, ia meletakkan pulpen setelah presentasi perusahaan kelima. Alasannya bukan karena perusahaan-perusahaan itu tidak cukup berusaha, melainkan topiknya terlalu mirip. Di lebih dari 100 perusahaan pada batch ini, sekitar 80% semuanya mengerjakan agent vertikal, misalnya membantu pengacara merapikan dokumen, membantu customer service mendistribusikan ticket, atau membantu HR menyaring CV.
Jika topik-topik ini ditempatkan pada Oktober tahun lalu, mungkin masih akan membuat investor merasa “cukup punya ide”. Namun pada tahun 2026, ketika Claude Code beralih dari alat untuk pengembang menjadi antarmuka yang hampir bisa digunakan semua orang, dan Opus 4.6 makin menurunkan ambang batas untuk vibe coding hingga ke lantai, banyak agent vertikal yang belum membangun penghalang bisnis ternyata tidak lagi terasa langka seperti dulu. Seorang engineer biasa, bahkan mungkin hanya perlu waktu seminggu akhir untuk menyalin produk yang serupa.
Hal ini juga menimbulkan tantangan bagi sistem batch YC yang sebelumnya menjadi kunci keberhasilan. Dari pendaftaran, penyaringan, masuk inkubasi, hingga penyempurnaan dan kemudian roadshow Demo Day, ritme YC dirancang untuk dunia yang relatif stabil, dengan perubahan produk dan pasar yang cenderung lambat. Tetapi dengan kecepatan iterasi AI saat ini, 5 bulan sudah cukup untuk mengalami beberapa kali pergeseran paradigma. Ketika kemampuan model, alat pengembangan, dan kebiasaan pengguna terus ditulis ulang dengan cepat, begitu sebuah ide startup memasuki alur batch, saat roadshow dipublikasikan, ide tersebut mungkin sudah berubah dari lini depan menjadi konsensus—bahkan menjadi lautan merah.
Yang menarik, Requests for Startups (RFS) untuk satu musim terbaru YC sebenarnya juga berusaha menanggapi perubahan ini. Pada RFS Musim Panas 2026, YC secara tegas menekankan bahwa AI tidak lagi sekadar sebuah fitur, melainkan mulai menjadi dasar bagi perangkat lunak, layanan, perangkat keras, bahkan dunia fisik.
AI bukan lagi cuma fitur, melainkan asumsi dasar di tingkat perusahaan dan industri
Pada RFS Musim Panas 2026, YC menyatakan bahwa AI tidak lagi hanya menjadi satu fitur dalam sebuah produk, melainkan mulai menjadi dasar baru bagi perangkat lunak, layanan, chip silikon, dan dunia nyata. Kalimat ini sebenarnya menegaskan fokus utama daftar kali ini: startup AI tidak bisa berhenti di “menghubungkan model ke dalam produk”, melainkan perlu memikirkan ulang apakah pekerjaan, perusahaan, dan industri yang semula ada seharusnya ditulis ulang.
Karena itu, topik-topik dalam RFS kali ini relatif sedikit yang berupa imajinasi startup gaya consumer app semata. Lebih tepatnya, YC tidak sedang mencari aplikasi AI berikutnya yang meledak karena UI dan trafik, melainkan memfokuskan perhatian pada bidang-bidang yang selama ini sulit diubah total oleh perangkat lunak.
Misalnya, layanan profesional sebelumnya sangat bergantung pada tenaga kerja dan pengalaman proses; pengetahuan perusahaan berserakan di Slack, email, ticket layanan, dan rapat; rantai pasokan semikonduktor masih banyak bergantung pada koordinasi manual; iterasi manufaktur perangkat keras di Amerika Serikat jauh lebih lambat daripada di Shenzhen; pertanian masih bergantung pada penyemprotan pestisida dalam skala luas; dan pertahanan drone menghadapi masalah struktural di mana biaya pihak penyerang jauh lebih rendah dibanding pihak bertahan.
Semua ini bukan masalah yang bisa diselesaikan hanya dengan menambahkan chatbot. Masalah-masalah ini membutuhkan AI dimasukkan ke dalam proses, data, perangkat keras, rantai pasokan, dan sistem pengambilan keputusan, sehingga menjadi bagian dari cara kerja seluruhnya.
Dari menjual perangkat lunak ke menjual hasil: perusahaan layanan AI-native
Pada RFS, partner YC Gustaf Alströmer mengusulkan arah “AI-Native Service Companies”, yang kemungkinan merupakan kunci untuk memahami pergeseran startup AI putaran baru.
Dalam beberapa tahun terakhir, sebagian besar startup AI membuat copilot, yakni membantu orang menyelesaikan pekerjaan lebih cepat. Mereka menjual perangkat lunak, dan pengguna tetap perlu mengoperasikan alat, menilai hasil, serta menyelesaikan penyerahan. Tapi YC sekarang tertarik pada langkah berikutnya: perusahaan tidak lagi hanya menjual alat, melainkan langsung menjual layanan.
Ini berarti pelanggan tidak perlu membeli perangkat lunak AI untuk melatih karyawan mereka, melainkan langsung menyerahkan pekerjaan seperti perantara asuransi, akuntansi, perpajakan, audit, kepatuhan, administrasi medis, dan lain-lain kepada perusahaan AI-native untuk diselesaikan. Dalam konteks ini, perangkat lunak berubah menjadi alat produktivitas internal, bukan barang utama untuk dijual ke luar.
Perubahan ini sangat penting. Karena pasar layanan jauh lebih besar daripada pasar perangkat lunak, dan banyak layanan profesional memang sudah dikelola dengan sistem outsourcing oleh perusahaan. Jika perusahaan AI-native mampu menyelesaikan pekerjaan dengan biaya lebih rendah, kecepatan lebih tinggi, dan kualitas lebih stabil, maka yang diserangnya bukan hanya SaaS—melainkan seluruh struktur biaya industri layanan.
Otak perusahaan: bottleneck otomatisasi AI perusahaan bukan kurangnya model, melainkan pengetahuan internal
Poin lain adalah “Company Brain”. Partner YC Tom Blomfield berpendapat bahwa bottleneck terbesar untuk otomatisasi AI perusahaan tidak lagi kemampuan model, melainkan domain knowledge. Setiap perusahaan memiliki banyak pengetahuan kunci yang tersebar di kepala karyawan, email lama, rangkaian diskusi Slack, ticket layanan pelanggan, dan basis data. Perusahaan bisa beroperasi karena manusia kira-kira tahu kepada siapa harus bertanya jika ada suatu hal, proses mana yang punya pengecualian, dan keputusan mana yang sebenarnya tidak tertulis dalam dokumen resmi.
Namun agent AI tidak bisa mengandalkan “ingatan” yang kabur seperti itu. Agar AI benar-benar masuk ke otomatisasi perusahaan, perusahaan membutuhkan lapisan dasar baru yang merapikan pengetahuan yang terpecah menjadi peta cara kerja perusahaan yang bisa diperbarui dan bisa dieksekusi.
YC menekankan bahwa ini bukan alat pencarian perusahaan, dan bukan juga chatbot dokumen; melainkan sistem yang bisa membuat AI memahami “bagaimana perusahaan beroperasi”. Misalnya, bagaimana menangani pengembalian dana, bagaimana menentukan pengecualian harga, bagaimana melakukan eskalasi insiden kecelakaan rekayasa, bagaimana customer service merespons sesuai situasi yang berbeda. Ketika proses-proses ini sudah distukturkan, barulah AI bisa mengeksekusi pekerjaan dengan aman dan konsisten.
Inilah juga tempat startup AI mulai menjadi lebih sulit—dan juga lebih bernilai. Benteng pertahanan di masa depan mungkin bukan hanya model atau antarmuka, melainkan siapa yang mampu mengubah pengetahuan implisit suatu organisasi atau industri menjadi proses yang bisa dijalankan oleh AI.
Sistem operasi AI perusahaan: membuat perusahaan dari open loop menjadi closed loop
Mirip dengan Company Brain, partner YC Diana Hu mengusulkan “The AI Operating System for Companies”. Ia mengamati bahwa perusahaan AI-native terbaik sudah membuat seluruh perusahaan menjadi bisa di-query: setiap rapat, setiap ticket, setiap interaksi dengan pelanggan, setiap keputusan produk—semuanya bisa dipahami dan digunakan melalui sebuah lapisan intelligence.
Hal ini akan mengubah perusahaan dari open loop menjadi closed loop. Dalam perusahaan tradisional, biasanya mereka membuat keputusan terlebih dahulu, lalu memeriksa hasilnya beberapa minggu kemudian; tetapi perusahaan AI-native bisa terus memantau apa yang benar-benar terjadi, membandingkannya dengan status target, lalu menyesuaikan eksekusi dari belakang.
Masalahnya, untuk melakukan hal ini saat ini diperlukan pekerjaan integrasi yang besar. Slack, Linear, GitHub, Notion, rekaman rapat, sistem customer service, dan berbagai alat internal semuanya harus dihubungkan. Karena itu, YC berpendapat bahwa peluang startup terletak pada membangun lapisan koneksi: semua jejak pekerjaan yang dihasilkan di dalam perusahaan secara otomatis berubah menjadi data yang bisa dipahami, dipikirkan ulang, dan dieksekusi oleh AI. Ini bukan dashboard lain, melainkan sistem lapisan dasar yang membuat perusahaan membentuk lingkaran perbaikan diri.
Perangkat lunak generasi berikutnya mungkin bukan untuk digunakan manusia, melainkan untuk agent
YC kali ini juga mengusulkan “Software for Agents”. Inti asumsi arah ini adalah: ke depan, di internet akan ada banyak AI agents yang menggantikan manusia untuk melakukan riset, pembelian, mengelola CRM, mengoperasikan alat, dan menyelesaikan tugas. Tetapi perangkat lunak saat ini masih dirancang untuk klik dan penggunaan oleh manusia. Manusia butuh form, tombol, dan dasbor; agent membutuhkan API, MCP, CLI, dokumen yang bisa dibaca mesin, serta proses registrasi, otorisasi, dan penggunaan yang bisa diprogram.
Karena itu, ketika semua orang membuat agent, peluang yang lebih besar mungkin adalah membangun perangkat lunak untuk agent. Perangkat lunak ini tidak lagi menganggap manusia sebagai satu-satunya pengguna, melainkan memandang agent sebagai warga kelas satu.
Ini juga berarti logika desain produk untuk SaaS tradisional mungkin perlu ditulis ulang. Dahulu perusahaan perangkat lunak berusaha merancang antarmuka pengguna yang lebih baik; ke depan perusahaan perangkat lunak mungkin harus merancang sekaligus antarmuka untuk manusia dan antarmuka untuk agent—bahkan dalam skenario tertentu, antarmuka yang bisa dibaca mesin akan lebih penting daripada UI manusia.
AI coding menurunkan biaya perangkat lunak, sementara SaaS lama justru menjadi target serangan
Dalam “SaaS Challengers”, partner YC Jared Friedman menyebutkan bahwa pasar sedang mendiskusikan apakah AI coding akan mengakhiri SaaS. Bagi perusahaan perangkat lunak yang sudah ada, ini mungkin kabar buruk; tetapi bagi startup baru, justru bisa menjadi peluang sekali dalam satu dekade.
SaaS sebelumnya bisa membangun parit pertahanan karena biaya pengembangan perangkat lunak tinggi—dan startup baru beranggotakan lima orang tidak mungkin dengan cepat menulis ulang Salesforce atau sistem perusahaan besar. Tetapi ketika AI coding menurunkan biaya produksi perangkat lunak 10 hingga 100 kali, penghalang yang terbentuk dari akumulasi jutaan baris kode dan bertahun-tahun penambahan fitur di masa lalu mungkin menjadi tidak lagi sulit ditembus seperti dulu.
YC mendorong para pendiri startup untuk tidak hanya memulai dari alat manajemen proyek yang sederhana, melainkan menantang sistem yang lebih kompleks, lebih mahal, dan selama ini dianggap sulit diganggu. Contohnya perangkat lunak desain chip, ERP, sistem kontrol industri, dan manajemen rantai pasokan. Fokusnya bukan “menyalin SaaS lama lalu menurunkan harga”, melainkan menggunakan arsitektur produk AI-native untuk memikirkan ulang alur kerja itu sendiri. Jika perangkat lunak sejak hari pertama sudah mengasumsikan agent AI akan ikut berpartisipasi dalam eksekusi, produk tersebut tidak harus tampak seperti SaaS masa lalu.
Antarmuka perangkat lunak dinamis: pengguna menjadi engineer deployment sendiri
Dalam “Dynamic Software Interfaces”, YC mengusulkan perubahan lain dalam desain perangkat lunak: dulu semua orang memakai satu set antarmuka yang sama, paling banyak hanya menyesuaikan tema, layout, atau rekomendasi konten; tetapi setelah coding agent matang, pengguna mungkin bisa sangat mengubah perangkat lunak yang mereka gunakan.
Misalnya, sama-sama email client: ada yang mungkin ingin agar tampil seperti daftar tugas, ada yang ingin seperti kalender, sementara yang lain ingin menjadikannya langsung sebagai sistem pelacakan pelanggan. Dalam praktiknya, kustomisasi seperti ini dulu membutuhkan forward deployed engineer dari enterprise software; ke depan, coding agent mungkin memungkinkan pengguna melakukan sendiri.
Ini akan memaksa perusahaan perangkat lunak untuk memikirkan ulang cara penyerahan. Ke depan, perusahaan mungkin tidak hanya menyerahkan produk yang tetap, melainkan menyerahkan seperangkat primitives yang bisa dirakit ulang oleh agent. Antarmuka akhir dari perangkat lunak mungkin tidak lagi sepenuhnya ditentukan oleh pengembang, melainkan dihasilkan bersama oleh pengguna dan agent.
Dari pertanian, layanan medis hingga pertahanan: AI mulai masuk ke dunia fisik
Dalam daftar YC kali ini, juga ada beberapa topik yang mengarah ke dunia fisik.
Dalam bidang pertanian, YC mengajukan “AI for Low-Pesticide Agriculture”. Arah ini bukan membuat platform informasi pertanian, melainkan menggabungkan visi AI, sensor berbiaya rendah, kamera, robot, dan bioteknologi agar pertanian lepas dari siklus “semakin sering menyemprot semakin banyak pestisida, tapi efeknya makin lama makin buruk”.
Dalam bidang medis, YC menaruh perhatian pada “AI Personalized Medicine”. Seiring biaya untuk teknologi seperti sekuensing gen, diagnosis yang dipersonalisasi, perangkat wearable, dan terapi seperti mRNA turun, agent AI berpeluang membantu menganalisis data kesehatan individu, sehingga saran medis dan terapi bisa menjadi lebih personal.
Dalam bidang pertahanan, YC mengusulkan “Counter-Swarm Defense”. Drone berbiaya rendah memberi pihak penyerang keunggulan biaya yang sangat besar, sehingga pola tradisional yang menggunakan rudal mahal untuk mencegat drone murah tidak masuk akal. Karena itu, YC ingin mencari sistem pertahanan baru yang dapat menghadapi kawanan drone, termasuk penggabungan sensor, pencegatan berkapasitas tinggi, pertahanan non-kinetik, bahkan metode serangan terhadap sistem otonom drone itu sendiri.
Topik-topik ini bersama-sama menunjukkan bahwa startup AI sedang meninggalkan sekadar aplikasi layar, dan mulai menangani masalah persepsi, kontrol, biaya, dan keselamatan di dunia fisik.
Ruang angkasa, perangkat keras, dan rantai pasokan semikonduktor juga dimasukkan ke peta startup AI
RFS Musim Panas 2026 YC juga memasukkan ruang angkasa, rantai pasokan perangkat keras, dan semikonduktor ke dalam daftar prioritas. Dalam arah ruang angkasa, YC fokus pada space electronics, khususnya inference chips di luar angkasa. Dengan meningkatnya kemampuan roket reusable untuk mengirim objek ke luar angkasa, kebutuhan komputasi di luar angkasa juga akan meningkat, sementara chip perlu didesain ulang untuk batasan seperti berat, pendinginan, dan radiasi.
Dalam rantai pasokan perangkat keras, YC berpendapat bahwa kecepatan iterasi perusahaan perangkat keras di Amerika masih jauh tertinggal dibanding Shenzhen. Masalahnya bukan hanya pada rantai pasokan itu sendiri, melainkan kecepatan iterasi antara desain, produksi, logistik, dan pengadaan komponen. Perusahaan yang bisa membuat tim perangkat keras menyelesaikan desain dan pembuatan prototipe lebih cepat, kemungkinan menjadi infrastruktur dasar bagi startup perangkat keras generasi berikutnya.
Dalam rantai pasokan semikonduktor, YC menunjukkan bahwa sebuah chip AI canggih perlu melewati sekitar 1,400 tahap proses manufaktur, melintasi belasan negara, dan memakan waktu berbulan-bulan untuk diselesaikan. Namun manajemen rantai pasokan masih sangat bergantung pada spreadsheet, SAP, dan telepon. Untuk advanced packaging, HBM, kontrol ekspor, serta risiko pemasok berlapis, semuanya membutuhkan alat manajemen real-time yang baru.
Semua arah ini bukan “aplikasi AI” dalam arti tradisional, tetapi justru lebih dekat dengan bottleneck nyata yang akan dihadapi industri AI berikutnya: komputasi, perangkat keras, rantai pasokan, kecepatan manufaktur, dan kemampuan penerapan di dunia nyata.
Isyarat yang benar-benar diungkapkan oleh RFS Musim Panas 2026 YC
Isyarat yang benar-benar diungkapkan oleh RFS Musim Panas 2026 YC adalah bahwa medan utama startup AI sedang bergeser dari “alat kecil di lapisan aplikasi” menuju “rekonstruksi lapisan dasar industri”.
Ini tidak berarti bahwa consumer AI tidak punya peluang, dan juga tidak berarti alat-alat kecil tidak bisa menjadi produk yang bagus. Namun setidaknya dari daftar YC ini, arah startup yang paling mendapat sorotan sudah bukan lagi sekadar membuat aplikasi AI yang mudah dipresentasikan, mudah viral, dan mudah disalin, melainkan masuk ke wilayah yang prosesnya rumit, datanya tersebar, tanggung jawab penyerahan besar, pengetahuan industri dalam, bahkan melibatkan perangkat keras dan dunia fisik.
Hal ini juga membuat “AI-native” memiliki definisi yang lebih jelas. Perusahaan AI-native bukan menambahkan chatbot ke sudut kanan bawah situs web, dan juga bukan sekadar menghubungkan LLM ke proses lama. Ia harus, sejak awal, mendesain ulang cara kerja diselesaikan, cara pengetahuan disimpan, bagaimana perangkat lunak digunakan oleh agent, bagaimana layanan diserahkan, serta bagaimana perusahaan membentuk lingkaran perbaikan diri.
Jika gelombang startup AI sebelumnya berlomba pada siapa yang bisa paling cepat membungkus model menjadi produk, maka gelombang berikutnya mungkin berlomba pada siapa yang bisa menyisipkan AI ke tempat di mana industri benar-benar berjalan. Artinya, AI companies yang benar-benar bernilai di masa depan mungkin tidak menjual sebuah alat, melainkan sebuah kemampuan perusahaan yang baru: ia dapat memahami proses, mengeksekusi pekerjaan, mengintegrasikan data, menanggung hasil, dan mengubah sistem kompleks yang sebelumnya hanya bisa dipertahankan oleh pengalaman manusia menjadi infrastruktur yang memungkinkan AI ikut beroperasi.
Artikel ini mengumumkan 15 jenis arah startup baru yang ingin diinvestasikan oleh YC untuk Musim Panas 2026: startup AI bukan menyisipkan Chatbot ke dalam produk. Yang pertama kali muncul di 鏈新聞 ABMedia.
