
2026/03/06 2:43
**Launch HN:** **Vela(YC W26)– 複雑なスケジューリングを支援するAI**
RSS: https://news.ycombinator.com/rss
要約▶
日本語訳:
Vela – AI駆動のマルチパーティー・マルチチャネルスケジューリング
Velaは、メール、SMS、WhatsApp、Slack、電話、および応募者追跡システム(ATS)など数十のコミュニケーションチャネルにわたる複雑なスケジューリングを自動化するAIエージェントプラットフォームです。文脈ヒントを読み取り、カレンダーを確認し、最適な時間を提案し、フォローアップし、自動的に再予約を行うことで、手作業での調整の往復を排除します。
主要機能とデータサイエンス
- Velaは「次の金曜日」「午後3時に明日」などの時間的自然言語表現から構造化された制約を抽出し、リアルタイムのカレンダー状態と照合して解決します。
- 役割別応答遅延、人口統計別チャネル好み、フォローアップタイミング曲線、および提案すべき時間オプション数などを捉える行動データセットを構築し、これらのデータがスケジューリング戦略を継続的に洗練します。
- プラットフォームはチャネル間でのアイデンティティ統合(例:メールアドレスと電話番号またはニックネームの照合)に取り組み、共有デバイスから返信が来た場合にはコンテキストをマージします。
初期トラクション
Gobhanu と Saatvik の兄弟は YC Winter ’26 で Vela を立ち上げました。最初のクライアント(人材派遣会社)はわずか10分でオンボードし、現在では数百件の候補者-クライアント面談をほぼ手間なく管理しています。ケーススタディは
https://tryvela.ai/case-studies/ で閲覧でき、デモ動画は YouTube にあります。
現状の焦点と将来のニーズ
Vela は既に有料エンタープライズ顧客向けに稼働していますが、タイムゾーンの衝突、直前キャンセル、連鎖的な再予約などのエッジケースはまだ発生します。創業者はマルチエージェント調整、クロスチャネル会話型AI、および実世界制約満足度に関する専門家からのフィードバックを積極的に求めており、システムの改善に取り組んでいます。
ユーザーと企業へのインパクト
- ユーザー:メールスレッドが減少し、自動生成されたZoomリンク、手間のかからない再調整。
- 企業:手作業労力の削減、候補者体験の向上、予約戦略を洗練するデータ駆動型洞察。
本文
Launch HN: Vela (YC W26) – 複雑なスケジューリングを解決するAI
30点(Gobhanu 4時間前)| 隠す | 過去 | お気に入り | 34件のコメント
はじめまして、HN!
私たちは兄弟の Gobhanu と Saatvik です。
現在開発中のプロダクトは Vela(https://tryvela.ai)で、
複数の関係者・複数チャネルにわたるスケジューリングを AI エージェントが自動で処理します。
スケジューリングは「メール」だと見せかけた制約満足問題です。
2人、1つのタイムゾーン、1チャネルなら簡単ですが、
入力が複数チャネルにわたる自然言語で構成され、
制約が途中で変化し、かつ社会的ダイナミクス(正式な定義は存在しない)を含むと、
本格的な制約満足問題になります。
「もしスケジューリングだけが自動で行われたら?」
例えば、採用担当者が1通のメッセージを送るだけで、
5人の候補者、3名のハイヤーマネジャー、2つのタイムゾーンにわたる全インタビューが
自動予約・確認・更新されます。
リンクを共有したり往復する必要はなく、
誰も 20 通メールで何時間も費やすことはありません。
「正しい招待状が、適切なタイミングで、実際に使っているチャネル上に届く」―これが Vela の設計思想です。
Vela はどのように動作するか
- メール・SMS・WhatsApp・Slack・電話 など、既存のコミュニケーションツールに埋め込むだけで
- コンテキストを読み取り、カレンダーを確認し、時間帯を提案
- 人が応答しなかったらフォローアップし、
- 状況が変わったら再予約も自動実行
既にある顧客事例
最初のクライアントは 採用エージェンシー。
8 年近くスケジューリングソリューションを探し続けていた企業で、
以下のような課題がありました。
| 課題 | 具体例 |
|---|---|
| 多数の候補者・クライアント間のインタビュー管理 | 数百件/月、各側に別々のメールスレッドが必要 |
| ダブルブッキング防止 | Zoom アカウントを個別に用意 |
| スケジュール変更時の連鎖影響 | 1 件の再調整が他 4 件へ波及 |
| メディア混在 | 候補者は SMS で返信、メールから始まったスレッド |
Vela は 10 分 のオンボーディングだけでこれらを解決しました。
データ問題:最も難しい課題
スケジューリング行動は人種・業界・役職により大きく異なります。
- C‑suite(経営層)は数時間以内にメールで返信し、正式な 3 つの提案を期待する。
- ロジスティクス担当トラックドライバーは「y tm wrks」のような非公式な SMS を不定期に送る。
失敗はパースではなく、誤ったインタラクションパターンを適用して会話が終了することです。
そこで私たちは 数千件の実際のやり取りから行動データセットを構築しています:
- 役職別応答遅延
- デモグラフィック別チャネル嗜好
- フォローアップタイミング曲線
- 決断麻痺に至るまで提案するオプション数
このようなデータは市場には存在しません。
エージェント設計の核心:マルチチャネル状態管理
- 同一人物の統合
- SMS で返信したがメールから始まったスレッド → ID を統合
- コンテキスト結合
- 電話番号とメールは直接的にマッピングできない。
- テキストでニックネーム使用、共有デバイスによる誤認識がある。
- 時間感覚 NLU
- 「来週の金曜日」=「月曜から数えて 5 日後」か「木曜から数えて 6 日後」か
- 曖昧さ解消
- 不確定な情報は Vela が質問。
- 誤りのリスクが高い場合にだけ質問を行う判断は、状況次第。
実際運用中のフィードバック
- 既にエンタープライズ顧客で稼働中
- それでも毎回予期せぬケースが発生し、改善に活かしています。
- 詳細はサイトの ケーススタディ をご覧ください。
デモ
YouTube のデモをご覧いただけます:
https://www.youtube.com/watch?v=MzUOjSG5Uvw
ご意見・フィードバックをお待ちしています
- マルチエージェント調整に関わった経験がある方
- 多チャネル会話 AIで実務化した方
- 複雑な現実世界ドメインの制約満足問題に取り組んだ方
皆さまからのコメントを楽しみにしています!