a16z『2026年の重大構想：第一部』

記事の著者：a16z New Media
記事の翻訳：Block unicorn

投資家としての私たちの責任は、テクノロジー業界のあらゆる側面を深く理解し、未来の発展トレンドを把握することです。したがって、毎年12月に、私たちは投資チームを招待し、彼らが考えるテクノロジー企業が来年解決すべき重要なアイデアを共有してもらいます。

今日は、インフラ、成長、生物+健康、Speedrunチームからの見解を共有します。明日、他のチームの共有もお楽しみに。

インフラ

Jennifer Li：スタートアップがマルチモーダルデータの混乱をどう乗り越えるか

非構造化でマルチモーダルなデータは、企業が直面する最大のボトルネックであり、同時に未開発の最大の宝の山でもあります。すべての企業は、PDF、スクリーンショット、ビデオ、ログ、電子メール、半構造化データの海に沈んでいます。モデルはますます賢くなっていますが、入力データはますます混乱しており、これがRAGシステムの故障を引き起こし、エージェントは気づきにくく高コストな方法で失敗し、重要なワークフローは依然として手動の品質検査に大きく依存しています。AI企業が直面する制約は、現在のデータエントロピーです：非構造化データの世界では、新鮮さ、構造性、真実性が持続的に減少しており、現在80%の企業知識がこれらの非構造化データに存在しています。

このため、非構造化データを整理することは千載一遇の機会となります。企業は、マルチモーダルデータをクリーンアップ、構築、検証、管理するための持続的なアプローチを必要としており、これにより下流のAIワークロードが実際に機能することを保証します。適用シナリオは至る所にあります：契約分析、オンボーディングプロセス、請求処理、コンプライアンス、カスタマーサービス、調達、エンジニアリング検索、営業支援、分析パイプライン、そして信頼できるコンテキストに依存するすべてのエージェントワークフロー。文書、画像、ビデオから構造を抽出し、対立を解決し、パイプラインを修正するか、データの新鮮さと検索可能性を維持するプラットフォームを構築できるスタートアップが、企業知識とプロセスの王国の鍵を握っています。

Joel de la Garza：AIがサイバーセキュリティの採用を再生させる

過去10年間、最高情報セキュリティ責任者（CISO）が直面してきた最大の課題は採用でした。2013年から2021年にかけて、サイバーセキュリティの職の空きは100万未満から300万に増加しました。これは、セキュリティチームが多くの技術に精通したエンジニアを雇い、毎日退屈な一次セキュリティ作業、例えばログのレビューを行わせているためです。誰もこの仕事をやりたがりません。問題の根源は、サイバーセキュリティチームがすべてを検出できる製品を購入し、この煩雑な作業を生み出していることです。つまり、彼らのチームはすべての情報をレビューする必要があり、これが逆に偽の労働力不足を引き起こしています。これは悪循環です。

2026年までに、AIはこのサイクルを打破し、サイバーセキュリティチームの多くの反復作業を自動化することで採用のギャップを埋めるでしょう。大規模なセキュリティチームで働いたことがある人は誰でも、半分の作業は自動化で簡単に解決できることを知っていますが、作業が山積みになると、どの作業を自動化すべきかを特定するのが難しくなります。セキュリティチームがこれらの問題を解決するのを助けるネイティブAIツールは、最終的に彼らが本当にやりたいこと、つまり悪者を追い詰め、新しいシステムを構築し、脆弱性を修正するための時間を確保できるようにします。

Malika Aubakirova：ネイティブエージェントインフラが標準になる

2026年までに、最大のインフラの衝撃は外部企業からではなく、企業内部から来るでしょう。私たちは、予測可能で低並行の「人間の速度」のトラフィックから、再帰的で突発的かつ大規模な「エージェントの速度」のワークロードに移行しています。

今日の企業のバックエンドは、1:1の人間の操作とシステムの応答比率のために設計されています。ミリ秒単位で5000のサブタスク、データベースクエリ、内部API呼び出しをトリガーする単一のエージェント「ターゲット」の再帰的なファンアウトに対するアーキテクチャは整っていません。エージェントがコードベースを再構築したり、セキュリティログを修正したりしようとすると、それはユーザーのようには見えません。従来のデータベースやレートリミッターにとって、それはDDoS攻撃のように見えます。

2026年のエージェント向けシステムを構築することは、コントロールプレーンを再設計することを意味します。私たちは「エージェントネイティブ」インフラの台頭を目の当たりにするでしょう。次世代のインフラは、「驚群効果」（thundering herd）をデフォルト状態として扱わなければなりません。コールドスタート時間は短縮され、遅延の変動は大幅に減少し、並行制限は倍増しなければなりません。ボトルネックは調整にあります：大規模な並行実行におけるルーティング、ロック、状態管理、ポリシー実行の実現。これに伴うツールの実行の洪水に対応できるプラットフォームだけが最終的に勝利を収めるでしょう。

Justine Moore：クリエイティブツールがマルチモーダルに進化

私たちは今、AIを使って物語を語るための構築モジュールを手に入れました：生成音声、音楽、画像、ビデオ。しかし、一度きりの断片を超えるコンテンツを得ることは、しばしば時間がかかり、イライラすることが多く、さらには不可能なこともあります。特に、伝統的な監督レベルの制御に近づきたいときには。

なぜ私たちはモデルに30秒のビデオを与え、それを参考画像と音声で作成した新しいキャラクターがそのシーンを続けるようにできないのでしょうか？あるいは、異なる視点からシーンを観察するためにビデオを再撮影したり、動作を参考ビデオに合わせたりすることはできないのでしょうか？

2026年は、AIがマルチモーダルに進化する年です。モデルにあらゆる形式の参考コンテンツを提供し、それを利用して新しいコンテンツを創作したり、既存のシーンを編集したりできます。私たちはすでにKling O1やRunway Alephなどのいくつかの初期製品を目にしています。しかし、まだ多くの作業が必要です。モデル層とアプリケーション層の両方で革新が求められています。

コンテンツ制作はAIの最も強力な応用シナリオの一つであり、さまざまなアプリケーションシナリオや顧客層をカバーする多くの成功した製品が登場することを期待しています。表情パックの制作者からハリウッドの監督まで。

Jason Cui：AIネイティブデータスタックの進化

過去1年間、データ企業はデータの取り込み、変換、計算などの専門分野から、バンドルされた統一プラットフォームへと移行してきました。「現代のデータスタック」の統合が進んでいます。例えば、Fivetran/dbtの合併やDatabricksなどの統一プラットフォームの継続的な台頭です。

エコシステム全体が明らかに成熟しているにもかかわらず、私たちは真のAIネイティブデータアーキテクチャの初期段階にいます。私たちは、AIがデータスタックの複数の段階を変革し続ける方法に興奮しており、データとAIインフラが密接に結びついていることを認識し始めています。

以下は、私たちが注目しているいくつかの方向性です：

• データがどのように従来の構造化データと共に高性能ベクトルデータベースに流入するか

• AIエージェントが「コンテキストの問題」をどのように解決するか：正しいビジネスデータのコンテキストとセマンティックレイヤーに継続的にアクセスし、データと対話し、これらのアプリケーションが複数の記録システムで常に正しいビジネス定義を持つことを保証する強力なアプリケーションを構築する

• データワークフローがよりエージェント化され、自動化されるにつれて、従来のビジネスインテリジェンスツールやスプレッドシートがどのように変わるか

Yoko Li：私たちがビデオの中に入る年

2026年までに、ビデオはもはや私たちが受動的に見るコンテンツではなく、私たちが本当にその中にいることができる空間のようになります。ビデオモデルは最終的に時間を理解し、以前に表示した内容を記憶し、私たちの操作に反応し、現実世界の信頼できる一貫性を維持できるようになります。これらのシステムはもはや数秒の断片的な映像を生成するだけではなく、キャラクター、オブジェクト、物理効果を十分な時間維持し、行動に意味を持たせ、その結果を示すことができるようになります。この変化は、ビデオを絶えず進化するメディアに変えます：ロボットが練習し、ゲームが進化し、デザイナーがプロトタイプを作成し、エージェントが実践を通じて学ぶ空間です。最終的に提示されるのは、ビデオクリップのようではなく、生き生きとした環境であり、知覚と行動の間のギャップを埋め始める環境です。私たちは初めて、自分たちが生成したビデオの中にいると感じることができます。

成長

Sarah Wang：記録システムが主導権を失う

2026年までに、企業ソフトウェア分野の真の破壊的変革は、記録システムが最終的にその主導権を失うことです。AIは意図と実行の間の距離を縮めています：モデルは現在、操作データを直接読み取り、書き込み、推論できるようになり、ITサービス管理（ITSM）や顧客関係管理（CRM）システムを受動的なデータベースから自律的なワークフローエンジンに変えています。推論モデルとエージェントワークフローの最新の進展が蓄積されるにつれて、これらのシステムは応答するだけでなく、予測し、調整し、エンドツーエンドのプロセスを実行することができるようになります。インターフェースは動的なエージェントレイヤーに変わり、従来の記録システムは舞台裏に退き、一般的な持続層となります------その戦略的優位性は、従業員の日常使用を真に掌握するエージェント実行環境を持つ側に譲渡されます。

Alex Immerman：垂直産業におけるAIの情報検索と推論からの進化

AIは垂直産業のソフトウェアに前例のない成長をもたらしました。医療、法律、不動産の企業は、わずか数年で1億ドルを超える年間定期収入（ARR）を達成しました；金融や会計業界も続いています。この進化はまず情報検索から始まりました：正しい情報を見つけ、抽出し、要約すること。2025年には推論機能がもたらされました：Hebbiaは財務諸表を分析しモデルを構築し、Basisは異なるシステム間で試算表を調整し、EliseAIはメンテナンスの問題を診断し、適切なベンダーを派遣します。

2026年にはマルチユーザー協力モードが解放されます。垂直産業のソフトウェアは特定の分野のインターフェース、データ、統合から恩恵を受けます。しかし、垂直産業の仕事は本質的に多者協力です。エージェントが労働力を代表する場合、協力が必要です。買い手と売り手、テナント、コンサルタント、ベンダーのすべての側には異なる権限、ワークフロー、コンプライアンス要件があり、これらは垂直産業のソフトウェアでしか理解できません。

現在、各側が独立してAIを使用しているため、引き継ぎプロセスで権限が欠如しています。調達契約を分析するAIは、モデルを調整するためにCFOとコミュニケーションを取りません。メンテナンスAIは、現場のスタッフがテナントに約束したことを知りません。多者協力の変革は、利害関係者間の調整にあります：タスクを機能専門家にルーティングし、コンテキストを維持し、変更を同期します。取引相手のAIは、設定されたパラメータ内で交渉し、非対称な部分を人工的にレビューのためにマークします。シニアパートナーのマークは、会社全体のシステムをトレーニングするために使用されます。AIが実行するタスクは、より高い成功率で完了します。

マルチユーザー協力とマルチエージェント協力の価値が向上するにつれて、転換コストも増加します。私たちは、AIアプリケーションがこれまで実現できなかったネットワーク効果を目にするでしょう：協力レイヤーが堀となります。

Stephenie Zhang：人間のためではなくエージェントのために設計する

2026年までに、人々はエージェントを通じてネットワークと対話し始めます。これまで人間の消費のために最適化されていたものは、エージェントの消費にはもはや同じ重要性を持たなくなります。

長年にわたり、私たちは予測可能な人間の行動を最適化することに取り組んできました：Googleの検索結果で上位にランクインし、Amazonの検索結果で目立ち、短く簡潔な「TL;DR」で始めることです。高校時代、私はニュースの授業を受け、先生から「5W1H」を使ってニュースを書くように教わり、特集記事は読者を引き込む魅力的な冒頭で始めるべきだと教えられました。人間の読者は第5ページに隠された価値のある洞察に満ちた議論を見逃すかもしれませんが、AIはそうではありません。

この変化はソフトウェアの分野にも表れています。アプリケーションの設計は人間の視覚とクリックのニーズを満たすために行われ、最適化は良好なユーザーインターフェースと直感的な操作フローを意味します。AIが検索と解釈の作業を引き継ぐにつれて、視覚デザインの理解における重要性は次第に低下しています。エンジニアはもはやGrafanaのダッシュボードを見つめることはなく、AIシステムの信頼性エンジニア（SRE）はテレメトリデータを解釈し、Slackで分析結果を発表できます。営業チームはもはや顧客関係管理システム（CRM）を苦労して探す必要はなく、AIが自動的にパターンと要約を抽出できます。

私たちはもはや人間のためにコンテンツを設計するのではなく、AIのためにコンテンツを設計します。新しい最適化の目標は視覚的階層ではなく、機械可読性です------これが私たちの創作方法や使用するツールを変えるでしょう。

Santiago Rodriguez：AIアプリケーションにおける「スクリーンタイム」KPIの終焉

過去15年間、スクリーンタイムは消費者と企業アプリケーションの価値提供を測る最良の指標でした。私たちは、Netflixのストリーミング再生時間、医療電子カルテのユーザー体験におけるマウスクリック数（効果的な使用を証明するため）、さらにはChatGPTで費やす時間を重要業績評価指標（KPI）としているパラダイムの中で生活してきました。結果に基づく価格設定モデルに向かう中で、供給者とユーザーのインセンティブを完璧に調整できるこのモデルは、まずスクリーンタイムの報告を廃止するでしょう。

私たちはすでに実践でこれを目にしています。私がChatGPTでDeepResearchクエリを実行しているとき、スクリーンタイムがほぼゼロでも、私は大きな価値を得ることができます。Abridgeが医師と患者の対話を魔法のようにキャッチし、自動的にフォローアップを実行する際、医師はほとんどスクリーンを見なくても済みます。Cursorが完全なエンドツーエンドのアプリケーションを開発する際、エンジニアは次の機能開発サイクルを計画しています。そして、Hebbiaが数百の公開文書に基づいてプレゼンテーションを作成する際、投資銀行家はついにぐっすり眠ることができます。

これは独特の課題をもたらします：アプリケーションの単一ユーザー料金モデルは、より複雑な投資収益率（ROI）の測定方法を必要とします。AIアプリケーションの普及は、医師の満足度、開発者の効率、財務アナリストの幸福感、消費者の幸福感を向上させます。最も簡潔にROIを説明できる企業が競争相手を超え続けるでしょう。

生物 + 健康

Julie Yoo：健康な月間アクティブユーザー（MAU）

2026年までに、新しい医療顧客群が焦点となります：「健康な月間アクティブユーザー」です。

従来の医療システムは主に三つのユーザー群にサービスを提供しています：(a)「病気の月間アクティブユーザー」：需要が変動しやすく、費用が高い人々；(b)「病気のデイリーアクティブユーザー」：長期的な集中治療が必要な患者；および(c)「健康な若年アクティブユーザー」：比較的健康で、医療機関に行くことが少ない人々。健康な若年アクティブユーザーは、病気の月間アクティブユーザー/デイリーアクティブユーザーに転換するリスクに直面しており、予防的ケアがこの転換を遅らせることができます。しかし、治療を重視した医療報酬システムは治療を奨励し、予防を優先していないため、積極的な健康診断やモニタリングサービスは優先されず、保険もこれらのサービスをほとんどカバーしていません。

今、健康な月間アクティブユーザー群が登場します：彼らは病気ではありませんが、定期的に自分の健康状態をモニタリングし、理解したいと考えています------そして、彼らは消費者群の中で最大の割合を占める可能性があります。私たちは、AIネイティブのスタートアップや既存企業のアップグレード版を含む企業が、このユーザー群にサービスを提供するための定期的なサービスを提供し始めると予測しています。

AIが医療サービスのコストを削減する可能性、予防に特化した新しい健康保険商品の登場、消費者がサブスクリプションモデルの費用を自己負担する意欲が高まる中で、「健康な月間アクティブユーザー」は医療テクノロジー分野で次の大きな潜在顧客群を代表します：彼らは持続的に関与し、データ駆動で、予防に重点を置いています。

Speedrun（a16z内部の投資チームの名称）

Jon Lai：世界モデルが物語の領域で輝く

2026年、AI駆動の世界モデルは、インタラクティブな仮想世界とデジタル経済を通じて物語の語り方を根本的に変えるでしょう。Marble（World Labs）やGenie 3（DeepMind）などの技術は、テキストプロンプトに基づいて完全な3D環境を生成し、ユーザーがゲームのようにそれを探索できるようにしています。クリエイターがこれらのツールを採用するにつれて、新しい物語の形式が登場し、最終的には「生成的マインクラフト」に進化する可能性があります。プレイヤーは「筆を作成し、私が触れたものをすべてピンクに変える」といった指示を出すことができます。

このようなモデルは、プレイヤーとクリエイターの境界を曖昧にし、ユーザーを動的に共有された現実の共同創造者にします。この進化は、ファンタジー、ホラー、冒険などの異なるジャンルが共存する相互に関連する生成的マルチバースを生み出す可能性があります。これらの仮想世界では、デジタル経済が繁栄し、クリエイターは資産を構築したり、新人を指導したり、新しいインタラクティブツールを開発したりすることで収入を得ることができます。エンターテインメントを超えて、これらの生成的な世界は、AIエージェント、ロボット、さらには汎用人工知能（AGI）を訓練するための豊富なシミュレーション環境となるでしょう。したがって、世界モデルの台頭は、新しいゲームタイプの出現を示すだけでなく、新しい創造的メディアと経済の最前線の到来を予告します。

Josh Lu：「私の元年」

2026年は「私の元年」となります：その時、製品はもはや大量生産されることはなく、あなたに合わせてカスタマイズされます。

私たちはこの傾向をあらゆる場所で目にしています。

教育分野では、Alphaschoolのようなスタートアップが、各学生の学習進度や興味に合わせて適応するAIメンターを構築しています。これにより、各子供は自分の学習ペースや好みに合った教育を受けることができます。各学生に数万ドルの指導料をかけずに、このレベルの注意を払うことは不可能です。

健康分野では、AIがあなたの生理的特徴に基づいてカスタマイズされた毎日の栄養補助食品の組み合わせ、運動プラン、食事プランを設計しています。コーチやラボは不要です。

メディア分野でも、AIはクリエイターがニュース、番組、ストーリーを再構成し、あなたの興味や好みに完全に合ったパーソナライズされた情報フローを作成することを可能にします。

前世紀の最大の企業が成功した理由は、普通の消費者を見つけたからです。

次世紀の最大の企業は、普通の消費者の中の個人を見つけることで勝利を収めるでしょう。

2026年、世界はもはやすべての人のために最適化されることはなく、あなたのために最適化され始めます。

Emily Bennett：第一のネイティブAI大学

私は、2026年に第一のネイティブAI大学が誕生することを予測しています。これは、AIシステムを中心にゼロから構築された機関です。

過去数年、大学はAIを評価、指導、カリキュラムの調整に適用しようと試みてきました。しかし、今現れているのは、リアルタイムで学習し自己最適化することができるより深いAIです。

このような機関では、コース、コンサルティング、研究協力、さらには建物の運営がデータフィードバックループに基づいて継続的に調整されることを想像してみてください。カリキュラムは自己最適化されます。読書リストは毎晩更新され、新しい研究が出現するたびに自動的に書き換えられます。学習パスはリアルタイムで調整され、各学生の学習進度や実際の状況に適応します。

私たちはすでにいくつかの兆候を目にしています。アリゾナ州立大学（ASU）とOpenAIの全校協力は、教育と行政管理をカバーする数百のAI駆動プロジェクトを生み出しました。ニューヨーク州立大学（SUNY）は、AIリテラシーを一般教育要件に組み込むことを決定しました。これらはすべて、より深い展開の基盤です。

AIネイティブ大学では、教授たちは学習のアーキテクトとなり、データ管理、モデル調整を担当し、学生に機械推論を疑問視する方法を指導します。

評価方法も変わります。検出ツールや盗作禁止令は、AI意識評価に取って代わられ、学生の評価基準はAIを使用したかどうかではなく、AIをどのように使用したかになります。透明性と戦略的な利用が禁止に取って代わります。

あらゆる業界がAIシステムを設計、管理、協力できる人材を採用しようと努力している中で、この新しい大学は、AIシステムの調整に精通した卒業生を育成するための訓練基地となります。急速に変化する労働市場を支えるためです。

このAIネイティブ大学は、新経済の人材エンジンとなるでしょう。

今日はここまでです。次の部分でお会いしましょう。お楽しみに。 ```