← 2026-03-18 の一覧へ戻るホーム
**Launch HN：Kita（YC W26） 新興国における信用審査の自動化**

2026/03/18 4:46

**Launch HN：Kita（YC W26） 新興国における信用審査の自動化**

RSS: https://news.ycombinator.com/rss

元のHacker News記事へ ↗
要約▶

日本語訳：

Kitaは、従来のクレジットインフラが弱く、借り手が汚れたPDF・画像・スクリーンショットを提出する新興市場において、貸し手の信用審査ワークフローを自動化する大規模言語モデルエージェントを使用しています。
既存のOCRやドキュメントAIツールは、このような非標準化データに苦労し、遅く費用がかかる手作業レビューを強いるため、誤りが発生しやすいです。
Kitaのビジョン・ランゲージモデルエージェントは、50種類以上の文書タイプを解析し、詐欺の可能性をフラグ付けし、アンダーライティングシグナルを抽出し、クロスドキュメントチェック、歴史的データベース照会、および市場固有の詐欺ルールによって情報を検証します。
このシステムはモデル非依存であり、各貸し手のデータを用いて言語モデルをハイパーローカルな信用サインに微調整し、文書レベルの洞察を返済結果と結び付けて詐欺検出とリスク評価を継続的に改善します。
2025年には世界で13.3兆ドルが融資され、その90％は文書レビューを伴い、Kitaが対処する問題の規模を示しています。
創業者（Carmel & Rhea）は、特にドキュメントAI、詐欺検出、フィンテックインフラストラクチャーで経験のあるコミュニティからのフィードバックを歓迎します。
Kita Captureは貸し手向けの最初の無料トライアル可能な文書インテリジェンス製品です；https://portal.usekita.com/ でお試しください。
Kita Credit Agentは、WhatsAppとメールを通じて借り手フォローアップを自動化し、起源時に不足している文書を収集します。
デモ動画がワークフローを示しています：https://www.youtube.com/watch?v=4-t_UhPNAvQ。

クイックチェックリスト

  • ✔ 主要なポイントすべてが反映されています。
  • ✔ 元のテキストで述べられていること以上の推論はありません。
  • ✔ 主旨が明確、簡潔、理解しやすいです。
  • ✔ 曖昧または混乱を招く表現は残っていません。

本文

こんにちは、HNコミュニティの皆さん！
私たちはKita（https://www.usekita.com/）を創業したカーメルとレアです。Kitaでは、VLM（Vision‑Language Models）を使って新興市場における貸付業者のクレジット審査プロセスを自動化しています。

フィリピンやメキシコなど多くの新興国では、クレジットインフラが脆弱で、オープンファイナンスはまだ初期段階にあります。信用情報機関も信頼性が低い状況です。そのため、貸付申請を行う際には、借り手からの書類提出によって返済能力を評価する必要があります。書類はPDF・紙文書の画像・スクリーンショットなどあらゆる形式で提出されますが、これらの市場における金融書類は標準化が進んでおらず、貸付業者が信頼できるテンプレートも存在しません。

既存のOCRやドキュメントAIツールは、こうした多種多様で散らばったリアルワールド文書に対して機能不全を起こします。一般的なツールは、検証・詐欺検知・リスク抽出といった貸付特有のワークフローには対応できていません。その結果、クレジットチームは手作業でレビューに頼ることになり、審査が遅く、コストも高く、エラーが発生しやすくなっています。

私たちは大学時代からの親友です。卒業後、レアはカーメルをフィリピンへ招きました。そこでフィンテックオペレーターと直接話す中で、「書類ベースの審査が最大の痛点だ」と聞かされました。そこで私たちは一緒に開発を始め、利用可能なOCR・ドキュメントAIツールを試しましたが、いずれも実際に貸付業者が受け取る散らばった文書では失敗してしまいました。抽出自体はできても、構造化された金融データや詐欺チェックを提供できませんでした。

問題は思っていたより大きく、インドネシア・メキシコ・フィリピン・南アフリカ、さらには米国に至るまで、ほとんどの貸付は「文書を見て判断する」クレジットアナリストによって行われています。2025年には世界中で13.3兆ドル相当の融資が行われ、その90％以上が文書レビューを伴うものでした（先進国でも同様です）。

KitaはVLMベースのエージェントを用いて、乱れた金融ファイルから詐欺検知・引受シグナル抽出までを自動化します。現在、PDF・スキャン・写真・スクリーンショットなど50種類以上の文書タイプに対応しています。パイプラインは低品質な入力を補正し、構造化金融データを抽出し、以下で検証します。

  • 文書間クロスチェック
  • 履歴データベースとの照合
  • 市場固有の詐欺検知

アーキテクチャのベースとなるVLMはモデル非依存で、各市場ごとにローカライズされた貸付シグナルを学習した言語モデルを同時にトレーニングしています。新しいモデルが登場するたびにベース層が強化され、新規市場が追加されるほど全体のスタックが向上します。文書レベルのシグナルと返済結果をリンクさせることで、詐欺検知・リスク評価は継続的に改善されます。

Kita Capture は貸付業者向け初のドキュメントインテリジェンス製品です。
さらに Kita Credit Agent をローンオリジネーション時にWhatsAppやメールで借り手へフォローアップを自動化し、欠落書類を収集して申請完了までサポートします。

ドキュメントAI、詐欺検知、フィンテックインフラに携わった経験がある方はぜひご意見をいただければ幸いです。ご覧いただきありがとうございます！

同じ日のほかのニュース

一覧に戻る →

2026/03/18 3:59

**スラグの十年**

## 日本語訳 --- ## 要約 Slug アルゴリズムのライブラリは十周年を迎え、パブリックドメインに移行しました。これにより開発者はライセンス費用から解放され、強力な GPU‑direct テキストレンダリングが提供されます。2016 年秋に開発され、2017 年中頃に *JCGT* に論文が掲載され、その直後に Slug ライブラリのバージョン 1.0 が公開されました。 **主要な技術的進歩** - **ダイナミック拡張（Dynamic Dilation）**：MVP 行列とビューポート寸法を用いて頂点シェーダで半ピクセル外側に自動拡張を計算します（式 \(d = \frac{s^3t + s^2\sqrt{u^2+v^2}}{u^2+v^2-s^2t^2}\)）。これにより不要なパディングが排除され、エッジは鮮明に保たれます。 - **バンド分割最適化の削除**：ピクセルシェーダを簡素化し、バンドデータサイズを 4 つの 16‑bit コンポーネントから 2 に半減します。 - **アダプティブスーパーサンプリングの廃止**：ダイナミック拡張がエイリアシングを処理するため、追加コードはほぼ読み取り可能な文字だけに効果がありました。 - **絵文字レンダリングの簡素化**：レイヤーごとのループから独立したグリフレイヤリングへ切り替え、頂点数オーバーヘッドを削減しました。 これらの変更は、2016 年代のコンソールでの頑健性と高速化、高品質なアンチエイリアス出力（任意のスケールやパースペクティブ）を実現し、新しい GPU への保守性も向上させることを目的としていました。 **業界採用** Slug は C4 Engine のテキストエンジン、後に Radical Pie 方程式エディタで活用されました。Activision、Blizzard、id Software、2K Games、Ubisoft、Warner Brothers、Insomniac、Zenimax などの主要ゲームスタジオや、Adobe などの非ゲーム企業もライブラリを使用しています。 **パブリックドメイン状態** 特許 #10 373 352（2019 年に付与）は 2026 年 3 月 17 日からパブリックドメインへ譲渡されました。USPTO に Form SB/43 が提出され、料金が支払われたため、すべてのコードが自由に利用可能です。参照用頂点シェーダとピクセルシェーダは GitHub 上で MIT ライセンスされています。 **影響** 開発者は Slug の GPU‑direct レンダリングとダイナミック拡張を、ゲーム、アプリケーション、あるいは任意のグラフィックスソフトウェアにライセンス料なしで統合できます。簡素化されたシェーダは開発時間とリソース消費を削減し、パブリックドメイン公開によりコミュニティによる貢献が促進され、技術のさらなる洗練が期待されます。 ---

2026/03/18 5:23

**仕事を成し遂げる：メタプロンプティング・コンテキストエンジニアリング・スペック駆動型開発システム**

## 日本語訳: **GSD（“Get Shit Done”）** は、Claude Code、OpenCode、Gemini CLI、Codex、Copilot、および Antigravity など複数の AI コーディングランタイムを統合する軽量メタプロンプトフレームワークであり、コンテキストロット（文脈劣化）を緩和し、信頼性の高いコード生成を実現します。 インストールは `npx get-shit-done-cc@latest` で行い、ランタイムごとにグローバルまたはローカル設定（例：`--claude --global`、`--opencode --local` 等）を選択します。 コアワークフローは一連のコマンドによって駆動されます: - `/gsd:new-project` （プロジェクトスケルトン作成） - `/gsd:discuss-phase`、`/gsd:plan‑phase`、`/gsd:execute‑phase`、`/gsd:verify‑work`、`/gsd:complete‑milestone`、`/gsd:new‑milestone` - `/gsd:quick`（アドホックタスク）でオプションフラグ `--discuss`、`--research`、`--full` を付与可能。 各フェーズは構造化ファイル（`PROJECT.md`、`REQUIREMENTS.md`、`ROADMAP.md`、`STATE.md`）と XML 形式の計画を生成し、Git に対してアトミックにコミットします。コミットは `feat(08‑02): add email confirmation flow` のようなパターンに従い、正確な bisect と明瞭な履歴が保証されます。 GSD は研究者・計画者・実行者・検証者という 4 人のエージェントを調整し、メインコンテキストウィンドウ（≈30–40 %）を新鮮に保ちつつ数千行のコードを生成します。 設定は `.planning/config.json` に格納され、ユーザーは `mode`、`granularity`、`workflow.research`、`git.branching_strategy` およびモデルプロファイル（`quality`、`balanced`、`budget`）を指定できます。また、`.env` やシークレット・キー等の機密ファイルを保護する deny リストも用意されています。 本プロジェクトは MIT ライセンスで公開されており、OpenCode、Gemini CLI、および Codex 用のコミュニティポートが存在します。Amazon、Google、Shopify、Webflow のエンジニアに信頼されており、最小限の “ロールプレイ” オーバーヘッドを重視しています―数個のシンプルなコマンドで複雑なワークフロー管理を抽象化します。 今後のアップデートではエージェントオーケストレーションの拡張、クイックモードフラグの洗練、および設定オプションの強化を目指しています。ワークフローを簡素化しツールング・オーバーヘッドを削減することで、GSD は個人開発者および企業にとって開発サイクルの高速化とコード品質の向上を実現できます。

2026/03/18 3:37

Python 3.15 のJIT（Just‑In‑Timeコンパイラ）が再び順調に進んでいます。

## Japanese Translation: (すべての主要ポイントを取り入れています):** CPython 3.15/3.16 JIT プロジェクトは、初期段階でパフォーマンスマイルストーンを達成しました。macOS AArch64 上では、JIT が tail‑calling インタプリタより約11〜12 %高速であり、x86_64 Linux では標準インタプリタを約5〜6 %上回っています。また、パフォーマンステストは幅広い結果を示しています。`unpack_sequence` マイクロベンチマークを除けば、約20 %の遅延から100 %以上の速度向上まであります。 主な技術的進歩には次が含まれます： - **トレース記録**：単一の「tracing」命令とデュアルディスパッチテーブルを使用し、インタプリタの肥大化を削減。Linux 上では約6 %遅延から約1〜2 %高速に改善しました。 - **参照カウントの除去**：分岐除去最適化で、命令ごとのオーバーヘッドを削減し、貢献者にとって有益な学習機会を提供します。 JIT チームは 2025 年に主要スポンサーを失いましたが、コミュニティの監督によって努力が継続しています。コア貢献者には Savannah Ostrowski、Mark Shannon、Diego Russo、Brandt Bucher、Hai Zhu、Zheaoli、Tomas Roun、Reiden Ong、および Donghee Na が含まれます。中間レベルの貢献者数は 2 人から 4 人に増加しました。 Savannah の 4 台のマシンで毎日 JIT を実行し、パフォーマンスフィードバックを提供し、回帰を検出し、新しい最適化を検証します。スプリント計画（Cambridge コア スプリント）は、CPython 3.15 で 5 %高速な JIT、3.16 では 10 %、フリースレッディングサポートの追加、および JIT の各段階で活躍するメンテナーを 2 人ずつ確保することを目指しています。 これらの進歩により CPython は競争力を維持し、より広いコミュニティ参加を促進し、フリースレッディングなど将来の機能への土台を築いています。