10代でNASAに入った天才

ジョージ・シヴルカは、普通の少年ではなかった。12歳のころ、彼は物を発火させるほど強力なレーザーを自作していた。15歳のある雪の日、ニューヨークのコロンビア大学構内にあるNASAゴダード宇宙研究所（GISS）まで歩いて押しかけ、警備員に追い返された後も研究者の連絡先を自力で調べて電話し、研究室長との2時間に及ぶ対話を勝ち取った。翌年、高校在学中にNASA GISSのインターンに選ばれ、地雷探知のための電磁波散乱シミュレーション研究に取り組んだ。スタンフォード大学では数学の学位をわずか2年半で取得し、物理加速器研究所（SLAC国立加速器研究所）での研究員を経て、同大学の博士課程でAIと神経科学の研究に没頭した。物理現象のデータをシミュレーションで読み解いていた頭脳が、次に向かったのはウォール街だった。

シヴルカ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。

決定的な気づきは、投資銀行に勤める友人の姿から生まれた。彼女は400ページに及ぶSEC提出書類から、数個の答えを探すだけのために何時間も費やしていた。シヴルカは博士課程の研究で培ったトランスフォーマー（大規模言語モデルの基盤技術）を使い、週末で「Ctrl+F（キーワード検索）の進化版」とも呼べるブラウザ拡張機能を試作した。友人に試してもらった瞬間、彼女の顔が変わった。「コンピューターが自分の仕事をやってのけた」という、ある種の衝撃の表情だった。「NASAでは膨大なデータをシミュレーションで処理していた。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、シヴルカ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

“ChatGPT以降、AIプロダクトに起きる最大の変化を紹介する。マトリックスの世界へ。”

Hebbia公式（@hebbia）2024年3月の投稿より（日本語訳）

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。

Hebbiaの仕組み、3つのレイヤー
01 データ取り込み
SEC提出書類、決算資料、契約書、ニュース記事など、あらゆる文書をプラットフォームに取り込み。
02 AI分析
自然言語で質問すると、AIが複数文書を横断的に分析。根拠となる箇所を引用しながら回答を生成。
03 ワークフロー統合
分析結果をExcelやPowerPointに自動出力。既存の業務フローにシームレスに統合。

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。

資産運用会社トップ50の30%が使う理由

“世界最大級のファンドのCTOや投資家に数十人単位で聞き取りをした。全員が口を揃えて、AIを十分に活かしきれていないと語る。Hebbiaは業界知識があるからこそ、その企業に合ったAIの使いどころを見つけて実装できる。”

Hebbia公式（@hebbia）2024年4月の投稿より（日本語訳）

Hebbiaの浸透速度は驚異的だ。AUM（運用資産残高）上位50社の資産運用会社のうち約30%がHebbiaを導入している（2024年時点）。Centerview Partners、Charlesbank Capital Partnersといった金融機関が顧客に名を連ねる。

30%
AUM上位50社の導入率
1億3,000万ドル（202億円）
Series B調達額
7億ドル（1,085億円）
評価額（2024年7月）

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。

  • 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、シヴルカの「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。

AI業界で希少な黒字経営

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1,300万ドル（約20億円）のARR（年間経常収益）で黒字を達成している（2024年6月時点）。

Hebbiaのビジネスモデル、なぜ黒字なのか
高単価
エンタープライズ契約
金融機関向けの年間契約。一社あたりの契約額が大きく、少数の顧客でも高い収益を確保
+
低CAC
口コミ主導の営業
金融業界は狭いコミュニティ。一社の成功事例が口コミで広がり、営業コストを抑制

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7月のSeries Bでは、Andreessen Horowitz（a16z）主導で1億3,000万ドル（約202億円）を調達し、評価額は7億ドル（約1,085億円）に達した。Index Ventures、Google Venturesも出資している。創業当初にシヴルカの最初の支援者となったピーター・ティールも、このラウンドに名を連ねている。ティールは22歳のシヴルカとAIと哲学をめぐって何時間も対話した末にHebbiaへのプレシード（創業初期の超初期投資）小切手を書いた。OpenAIやAnduril（防衛テックスタートアップ）と並ぶ、ティールが出資した数少ない企業の一つだ。

ChatGPTでは解けない問題

“金融を支配する単独のLLMは存在しない。Hebbiaの金融サービス・ベンチマークは、主要なLLMを600以上の業務で試している。文脈が重く戦略的なモデリングではo3とGPT-5が先行し、文書からのデータ抽出ではGPT-4.1とClaude Opusが優れていた。”

Hebbia公式（@hebbia）2025年9月の投稿より（日本語訳）

Hebbiaへの問いで最も多いのが、「ChatGPTがあるのに、なぜHebbiaが必要なのか」というものだ。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。

10,000+
同時処理可能ページ数
100%
出典付き回答率
数分
従来数日かかる分析を

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、それ自体が巨大な参入障壁になる。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。

シヴルカは15歳でNASAの扉を自力でこじ開け、16歳から地雷探知の電磁波研究に取り組んだ。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。電磁波シミュレーションと金融文書解析。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。

起業家への示唆

  • 1
    週末プロトタイプが事業の起点になるHebbiaは博士課程の研究を応用した「週末のブラウザ拡張機能」から始まった。法律学生や金融アナリストが使い始めた反応を見て確信を得た。完成度より、リアルな反応を早く得ることが先だ。
  • 2
    顧客の「驚愕の顔」を初期仮説の代わりにするシヴルカは友人の顔が変わった瞬間に参入を決めた。市場調査より、実在する一人が「これは自分の仕事を変える」と感じる反応こそが、PMF（製品と市場の適合）の手がかりになる。
  • 3
    異分野の専門性こそが参入障壁になる電磁波シミュレーション研究者が金融文書解析に参入したように、本業とは異なる領域の深い知見が、既存プレイヤーには作れないプロダクトを生む。自分の専門性が「よそ者の視点」になる領域を探すことが、次のスタートアップの出発点になる。

※本文中の円換算は1ドル=155円で計算した参考値です。為替レートにより実際の金額は変動します。