10代でNASAに入った天才
George Sivulkaは、普通の少年ではなかった。10代の頃からNASAのジェット推進研究所（JPL）で研究に携わり、スタンフォード大学の数学科をわずか2年半で卒業。その後、同大学の博士課程でAIと自然言語処理の研究に没頭した。宇宙探査の最前線にいた頭脳が、次に向かったのはウォール街だった。
Sivulkaがヘッジファンドや投資銀行のアナリストと話す中で見えてきたのは、意外な事実だった。金融業界のプロフェッショナルは、一日の大半を「文書を読む」ことに費やしていたのだ。決算報告書、契約書、SEC（米証券取引委員会）への提出書類、アナリストレポート — 数百ページに及ぶ文書を一つずつ読み、重要な情報を抽出し、投資判断に落とし込む。
「NASAでは衛星データをAIで処理していた。なのに、ウォール街では人間が何百ページもの文書を目で読んでいる。この非効率は、AIで根本的に解決できる」 — これがHebbiaの出発点だった。2020年、Sivulkaはスタンフォードの博士課程を中退し、Hebbiaを創業した。
金融業界の「読む」を変える
Hebbiaが提供するのは、金融機関向けのAIナレッジワークプラットフォームだ。膨大な文書を取り込み、AIが内容を理解し、ユーザーの質問に対して文書に基づいた正確な回答を返す。単なるキーワード検索ではない。文脈を理解し、複数の文書を横断的に分析し、人間のアナリストのように「考える」AIだ。
たとえば、ヘッジファンドのアナリストが「過去5年間で、テック企業のR&D投資比率が最も増加した上位10社を、その理由とともにリストアップせよ」と質問したとする。従来なら、数百社分の決算書を一つずつ開き、R&D費用を手動で比較する作業が必要だった。数日がかりの仕事だ。
Hebbiaを使えば、この作業が数分で完了する。しかも、AIは単に数字を拾うだけではない。各社のCEOが決算説明会で語ったR&D戦略の変化まで分析し、投資判断に必要なコンテキストを提供してくれる。
資産運用会社の30%が使う理由
公開情報によると、Hebbiaの浸透速度は驚異的だ。米国の資産運用会社の約30%がHebbiaを利用していると言われている。Centerview Partners、Charlesbank Capital Partnersといったトップティアの金融機関が顧客に名を連ねる。
なぜ、保守的なことで知られる金融業界がこれほど早くHebbiaを採用したのか。理由は3つある。
- 1
精度への異常なこだわりHebbiaは回答のすべてに出典を付ける。「このデータはXX社の2024年度10-Kの47ページから引用」という形で、AIの回答を人間が検証できる。金融の世界ではハルシネーション（AIの嘘）は致命的であり、この透明性が信頼を勝ち取った。
- 2
セキュリティの徹底金融機関の文書には機密情報が含まれる。Hebbiaは顧客データを他の顧客と共有しない、モデルの学習に使わない、SOC 2認証を取得済みという3重のセキュリティを提供している。
- 3
既存ワークフローとの統合金融のプロはExcelとPowerPointで仕事をする。Hebbiaはこれらのツールにシームレスに統合され、分析結果をそのまま業務に使える形で出力する。
金融業界における信頼獲得は、他のどの業界よりも時間がかかる。一度でも誤った情報を提供すれば、その信頼は永遠に失われる。Hebbiaがこの壁を短期間で突破できたのは、Sivulkaの「精度こそがすべて」という哲学がプロダクトの隅々にまで浸透していたからだ。
$13M ARRで黒字の堅実経営
AI業界で「黒字」という言葉はめったに聞かない。OpenAIは年間数十億ドルの赤字を出し続けている。多くのAIスタートアップは、巨額の資金を燃やしながら成長を追いかけている。そんな中、Hebbiaは$13M（約20億円）のARR（年間経常収益）で黒字を達成している。
Hebbiaの黒字経営が注目されるのは、AI業界全体への問題提起でもある。「成長」と「収益性」は両立できるのか。多くのAIスタートアップが「まず規模を拡大し、収益化は後で考える」というアプローチを取る中、Hebbiaは初期から収益性を重視する堅実な経営を選んだ。
2024年のSeries Bでは、Andreessen Horowitz（a16z）主導で$130Mを調達し、評価額は$700Mに達した。a16zがリードした理由は明快だ。「Hebbiaはバーンレートが低く、顧客のリテンション率が極めて高い。AIスタートアップの中で最も “健全” な財務体質を持っている」。
ChatGPTでは解けない問題
「ChatGPTがあるのに、なぜHebbiaが必要なのか」 — これはHebbiaが最もよく受ける質問だろう。答えは明確だ。ChatGPTは「汎用」であり、Hebbiaは「特化」している。
ChatGPTは世界中のあらゆる質問に答えようとする。一方、Hebbiaは金融機関の内部文書を深く理解し、精密な分析を行うことに特化している。この違いは、実務において決定的な差を生む。
ChatGPTにPDFをアップロードして質問することはできる。しかし、数万ページの文書を同時に分析し、複数文書間の矛盾を検出し、すべての回答に正確な出典をつけることはできない。金融のプロフェッショナルが求めるのは「だいたい正しい答え」ではなく、「根拠が明確な、検証可能な分析」だ。
日本のスタートアップが学べること
Hebbiaの物語から日本のスタートアップが学べることは多い。
- 1
「垂直特化」という戦略の力汎用AIが溢れる時代に、特定業界に深く特化することで、ChatGPTでは代替できない価値を生む。日本の金融、法律、医療分野にも同様のチャンスが存在する。
- 2
最初から黒字を目指す経営AI業界の「赤字上等」カルチャーに流されず、収益性を重視する。日本のスタートアップにとって、この堅実さは親和性が高いはずだ。
- 3
信頼が最大の参入障壁になる金融業界で信頼を勝ち取れば、それ自体が巨大な競争優位になる。日本の金融機関は特に保守的であり、最初の突破は難しいが、一度入れば長期的な関係が築ける。
特に注目すべきは、Hebbiaが証明した「精度は機能に勝る」という原則だ。金融のプロフェッショナルは、100の機能よりも1つの完璧な精度を選ぶ。日本の企業文化にも通じるこの「品質至上主義」は、日本発のAIスタートアップが世界で戦うための武器になり得る。
George Sivulkaは10代でNASAの衛星データを分析し、20代でウォール街の文書分析を変えようとしている。彼の物語が教えてくれるのは、異分野の知見を掛け合わせることで、業界の常識を覆すプロダクトが生まれるということだ。宇宙と金融。一見かけ離れた2つの分野を繋いだのは、「膨大なデータから意味を抽出する」という共通の課題だった。
- → CRM×AIの未来。Salesforce Einsteinが変える営業の形
- → AIチャットボットと10代の自殺。見えてきたリスク
- → 牛にスマートカラーを付けたら。NZ発Halterがユニコーンに