a16z《2026 年重大構想：第一部分》

作者：a16z New Media 翻訳：Block unicorn

投資家として、私たちの役割はテクノロジー業界のあらゆる角落を深く理解し、未来の発展傾向を掴むことです。したがって、毎年12月には投資チームを招き、彼らが考える次年度に解決すべき重要なコンセプトを共有してもらっています。

本日は、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。明日の他のチームの発表もお楽しみに。

インフラ

Jennifer Li：スタートアップはマルチモーダルデータの混乱をどう制御するか

非構造化・マルチモーダルデータは企業が直面する最大の障壁であり、未開発の宝庫でもあります。各社はPDF、スクリーンショット、動画、ログ、電子メール、半構造化データの海に沈んでいます。モデルはますますスマートになっていますが、入力データはますます混乱し、これがRAGシステムの故障や、代理の見えにくく高コストな失敗、重要なワークフローの人的検査への依存を引き起こしています。AI企業の制約は今や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、真実性が継続的に衰退しており、現状の企業知識の80％はこれらの非構造化データに存在しています。

したがって、非構造化データの整理は非常に貴重な機会となっています。企業は、下流のAIワークロードが真に機能するように、多モーダルデータを継続的に清掃、構築、検証、管理する手法を必要としています。適用範囲はあらゆる場面に存在：契約分析、オンボーディング、クレーム処理、コンプライアンス、カスタマーサポート、購買、エンジニアリング検索、販売支援、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代理ワークフロー。文書、画像、動画から構造を抽出し、矛盾を解消し、パイプラインを修復し、データの新鮮さと検索性を維持できるプラットフォームを構築できるスタートアップは、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はネットセキュリティの採用を再生させる

過去十年の大部分、最高情報セキュリティ責任者(CISO)が直面した最大の課題は採用でした。2013年から2021年までに、サイバーセキュリティ職の空席は100万未満から300万へと増加しました。これは、多くの技術に精通したエンジニアを雇用し、日常的にログのレビューなど退屈な一次セキュリティ作業に従事させていたためです。問題の根源は、セキュリティチームがあらゆるものを検知できる製品を購入し、そのために煩雑な作業を生み出していることにあります。これにより、すべての情報を検査する必要が生じ、結果的に虚偽の労働力不足を引き起こすという悪循環になっていました。

2026年までに、AIはこの循環を打破し、多くの反復作業を自動化することで採用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のある人なら、半分の仕事は自動化で簡単に解決できることを知っていますが、山積みの仕事の中でどれを自動化すべきか判断するのは困難です。これらの課題を解決できるネイティブAIツールは、最終的に彼らが本当にやりたいことに手を使えるようにします：悪党の追跡、新システムの構築、脆弱性の修復。

Malika Aubakirova：ネイティブ代理インフラは標準装備となる

2026年、最大のインフラの衝撃は外部企業ではなく、企業内部から起こるでしょう。私たちは予測可能で低並列の「人間の速度」トラフィックから、再帰的で突発的かつ巨大規模の「代理の速度」ワークロードへと移行しています。

現在の企業バックエンドは、1:1の人間操作とシステム応答比率を前提に設計されています。それは、ミリ秒単位でトリガーされる単一代理の「ターゲット」に対して、5000のサブタスク、データベースクエリ、内部API呼び出しの再帰的分岐を想定していません。代理がコードベースを再構築したり、安全ログを修復しようとすると、見た目はまるでユーザーではありません。従来のデータベースやレートリミッターから見れば、これはDDoS攻撃のように見えます。

2026年の代理向けシステム構築は、コントロールプレーンの再設計を意味します。私たちは「代理ネイティブ」インフラの台頭を目の当たりにするでしょう。次世代インフラは、「サンダリングハード」（thundering herd）効果をデフォルトとみなす必要があります。コールドスタート時間の短縮、遅延の変動の大幅な削減、高並列性の倍増が求められます。瓶頸は調整にあります：大規模並列実行においてルーティング、ロック、状態管理、ポリシー実行を実現することです。これらの課題に対応できるツール実行の洪水に耐えうるプラットフォームだけが最終的に勝ち残るでしょう。

Justine Moore：クリエイティブツールはマルチモーダルへ

私たちは今、AIを使ったストーリーテリングの構築モジュールを持っています：生成的音声、音楽、画像、動画です。しかし、単一の断片を超えるコンテンツにおいて、必要な出力を得るには時間と労力がかかり、特に従来のディレクター級のコントロールに近づく場合は不可能に近いです。

なぜモデルに30秒の動画を入力し、それを参考にした画像や音声で新キャラクターを演じさせ続けることができないのでしょうか？あるいは、シーンを異なる角度から再撮影し、動きと参考動画を一致させることはできないのでしょうか？

2026年はAIのマルチモーダル化の年です。あらゆる形式の参考コンテンツをモデルに提供し、新規作成や既存シーンの編集に利用できます。すでにKling O1やRunway Alephなどの初期製品が登場していますが、まだ多くの革新が必要です——モデル層とアプリケーション層の両方で。

コンテンツ制作はAIの最も破壊的な応用例の一つです。多くの成功例が登場し、絵文字作成者からハリウッド監督まで、多彩な適用範囲と顧客層をカバーする見込みです。

Jason Cui：AIネイティブデータスタックの継続的進化

過去一年、データ企業がデータ取り込み・変換・計算といった専門分野から、一体型の統合プラットフォームへと移行し、「モダンデータスタック」の統合が進んでいます。例えば、Fivetranとdbtの合併や、Databricksなどの統合プラットフォームの台頭です。

エコシステム全体は明らかに成熟していますが、私たちは未だ真の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。AIがデータスタックの複数の側面を絶えず変革していることに興奮しており、データとAI基盤がますます不可分になりつつあることを認識し始めています。

私たちが期待する分野は以下の通りです：

• データは従来の構造化データとともに高性能なベクトルデータベースに流入するのか
• AI代理は「コンテキストの難題」をどう解決するか：正しいビジネスデータのコンテキストとセマンティクス層に継続的にアクセスし、データとの対話や複数の記録システムで常に正しい定義を持つ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代理化・自動化されるにつれ、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はどう変わるのか

Yoko Li：動画に進む一年

2026年には、動画は受動的な視聴コンテンツから、私たちが本当に没入できる空間へと変わるでしょう。動画モデルは最終的に時間を理解し、すでに示した内容を記憶し、私たちの操作に応答し、現実世界と同じような信頼性の高い一貫性を維持します。これらのシステムは、数秒の断片を生成するだけでなく、キャラクターや物体、物理的効果を長時間維持し、行動に意味を持たせ、その結果を示すことが可能になります。この変化により、動画は絶えず進化するメディアとなり、ロボットが練習したり、ゲームが進化したり、デザイナーがプロトタイプを作成したり、代理が実践的に学習できる空間へと変わります。最終的に見えるのは、ただの動画断片ではなく、活気に満ちた環境、知覚と行動の間の溝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動画の中に入り込む感覚を得るのです。

成長

Sarah Wang：記録システムは主導権を失う

2026年までに、企業ソフトウェアの真の破壊的革新は、記録システムが最終的にその主導権を失うことにあります。AIは意図と実行の距離を縮めています：モデルは今や直接操作データを読み書き推論でき、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エンジンへと変貌させています。推論モデルと代理ワークフローの最新進展により、これらのシステムは応答だけでなく、予測、調整、エンドツーエンドのプロセス実行も可能になっています。インターフェースは動的代理層に変わり、従来の記録システムは後退し、普遍的な永続層となります——その戦略的優位性は、従業員の日常業務を実行する代理環境を完全にコントロールする側に譲渡されるでしょう。

Alex Immerman：垂直業界のAIは情報検索と推論から多人数協働へ

AIは垂直業界ソフトウェアの飛躍的成長を促進しました。医療、法律、不動産の企業は、わずか数年で年間定期収益(ARR)を1億ドル超に達成しています；金融や会計も追随します。この進化はまず情報検索から始まり、正しい情報を見つけ、抽出し、要約することです。2025年には推論機能が導入され、Hebbiaは財務諸表を分析しモデルを構築、Basisは異なるシステム間で試算表を照合、EliseAIはメンテナンス問題を診断し適切なベンダーを派遣します。

2026年には、多人数協働モードが解放されるでしょう。垂直業界ソフトウェアは特定領域のインターフェース、データ、統合の恩恵を受けています。ただし、垂直業界の仕事は基本的に複数者の協働です。代理が労働力を代表する場合、それらは協働する必要があります。買い手と売り手、テナント、コンサルタント、サプライヤー、それぞれが異なる権限、ワークフロー、コンプライアンス要件を持ち、それらを理解できるのは垂直業界ソフトウェアだけです。

今や各関係者は独立してAIを使用し、その結果、引き継ぎの段階で権限の欠如が生じています。購買契約のAI分析は、CFOと通信してモデルを調整しません。AIのメンテナンスも、現場のスタッフがテナントに約束した内容を知らないままです。多人数協働の変革は、利益関係者間の調整にあります：タスクを専門家にルーティングし、コンテキストを維持し、変更を同期させることです。取引相手のAIは定められたパラメータ範囲内で交渉し、不均衡な部分をマーキングして人間の承認を得ます。上級パートナーのマークは、全社システムの訓練に使用されます。AIが実行するタスクは、より高い成功率で完了します。

多人数協働とマルチエージェント協働の価値が高まるにつれ、変換コストも増大します。私たちは、これまで実現できなかったネットワーク効果を持つAIの応用を見るでしょう：協働層が競争の壁となるのです。

Stephenie Zhang：代理向けに設計され、人間向けではない

2026年までに、人々は代理を通じてネットワークと交流し始めるでしょう。過去に人間の消費を最適化してきたものは、代理の消費にとってはもはや同じ重要性を持ちません。

長年、私たちは予測可能な人間行動の最適化に努めてきました：Google検索結果の上位表示、Amazonの検索結果のトップ、そして短く凝縮した「TL;DR」で始まる。高校時代、私はニュースの授業を履修し、「5W1H」を使った記事の書き方を学び、読者を引きつける導入部を作ることを学びました。人間の読者は、5ページ目の隠された価値ある深い見解を見落とすかもしれませんが、AIはそうしません。

この変化はソフトウェアの世界にも及びます。アプリの設計は人間の視覚とクリック要求に応えることを目的としていましたが、検索と解釈をAIが担うことで、ビジュアルデザインの理解の重要性は次第に低下しています。エンジニアはGrafanaのダッシュボードを見つめる必要はなくなり、AIシステムの信頼性エンジニア(SRE)はリモートテレメトリーデータを解釈し、Slackで分析結果を公開します。営業チームはCRM(CRM)をめくる必要もなく、AIがパターンや要約を自動抽出します。

私たちはもはや人間のためにコンテンツをデザインしません。AI向けにコンテンツを最適化します。新しい最適化目標はビジュアル階層ではなく、機械読み取り性です——これにより、私たちの制作方法やツールの使い方が変わります。

Santiago Rodriguez：AIアプリのKPI「スクリーンタイム」の終焉

過去15年間、スクリーンタイムは消費者と企業のアプリの価値提供を測る最良の指標でした。私たちはNetflixのストリーミング時間、医療電子カルテのユーザーエクスペリエンスにおけるマウスクリック回数（効果的な利用の証明）、さらにはChatGPTで費やした時間を主要なパフォーマンス指標とするパラダイムの中で生きてきました。結果志向の価格設定モデルに移行し、これにより供給者とユーザーのインセンティブが完全に調整されると、スクリーンタイムレポートは廃止されるでしょう。

実践例もあります。私がChatGPTでDeepResearchのクエリを実行しても、ほぼスクリーンタイムゼロで大きな価値を得られることがあります。Abridgeが医師と患者の会話を奇跡的にキャプチャし、自動的に次のアクションを行うとき、医師はほとんどスクリーンを見る必要がありません。Cursorがエンドツーエンドのアプリを完全に開発したとき、エンジニアは次の開発サイクルを計画しています。Hebbiaが公開資料数百に基づいてプレゼン資料を作成するとき、投資銀行家たちはやっと一眠りできるのです。

これに伴うユニークな課題もあります：アプリの単一ユーザー課金モデルにより、投資収益率(ROI)の測定方法がより複雑になります。AI(AI)アプリの普及は、医師の満足度、開発者の効率、財務分析の福祉、消費者の幸福感を向上させます。ROIを最も簡潔に説明できる企業は、競合を凌駕し続けるでしょう。

生物＋健康

Julie Yoo：健康の月間アクティブユーザー(MAU)

2026年には、新たな医療顧客層が焦点となります：「健康の月間アクティブユーザー」。

従来の医療システムは主に三つのユーザ層にサービスを提供してきました：(a)「患病の月間アクティブユーザー」：需要変動が大きくコストも高い人々；(b)「患病のデイリーアクティブユーザー」：例として長期重症患者；そして©「健康な若年層アクティブユーザー」：比較的健康で医療機関にあまり行かない人々です。健康な若年層は、患病の月間・日次アクティブユーザーに変わるリスクに直面していますが、予防医療はこの変化を緩やかにします。しかし、治療を重視した医療払い戻しシステムは予防を報酬しないため、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ません。

今や、「健康な月間アクティブユーザー」層が出現しています：彼らは患っていませんが、定期的に自身の健康状態をモニタリング・理解したいと考え、かつ最大の消費者層の一部となっています。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複数の企業が、この層向けの定期サービスを提供し始めると予測しています。

AIが医療サービスコストの削減に潜在的な可能性をもたらし、予防に焦点を当てた新しい健康保険商品が登場し、消費者も自費のサブスクリプションを選択する傾向が強まる中、「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の次なる大きな潜在顧客層となるでしょう：彼らは継続的に参加し、データに基づき、予防に重きを置いています。

Speedrun（a16z 内部の投資チーム名）

Jon Lai：世界モデルはナラティブ分野で大躍進

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、ナラティブのあり方を根本的に変革します。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き、完全な3D環境を生成し、ユーザーはまるでゲームの中にいるかのように探索できます。クリエイターがこれらのツールを採用すれば、新たなナラティブ形態が出現し、最終的には「生成的マインクラフト」へと進化し、プレイヤーが協力して大規模で絶えず進化する宇宙を創造できます。これらの世界はゲームメカニクスと自然言語プログラミングを融合させることも可能で、例として、「画筆を作って、触れたすべてをピンクに変える」などの指示を出せます。

この種のモデルは、プレイヤーとクリエイターの境界を曖昧にし、ユーザーがダイナミックに共有される現実の共創者となることを促します。この進化は、相互に連関した生成的多元宇宙を生み出し、ファンタジー、ホラー、アドベンチャーなどの異なるジャンルが共存します。これらの仮想世界では、デジタル経済が盛んになり、クリエイターは資産を作り、初心者を指導し、新しいインタラクティブツールを開発し収入を得られます。娯楽以外にも、これらの生成世界はAIエージェント、ロボット、さらには汎用人工知能（AGI）の訓練用の豊富なシミュレーション環境となります。したがって、世界モデルの台頭は、新たなゲームの登場だけでなく、創造性と経済の新境地を示唆しています。

Josh Lu：「私の元年」

2026年は「私の元年」となるでしょう：その時、製品は大量生産ではなく、あなたに合わせてカスタマイズされるようになります。

私たちはすでにこの傾向をあちこちで目にしています。

教育分野では、AlphaschoolのようなスタートアップがAIチューターを構築しています。これらは各学生の学習進度や興味に適応し、個々の子供に最適な教育を提供します。何万ドルもの個別指導費をかけずとも、これほどのきめ細やかな配慮は不可能でした。

健康分野では、AIがあなたの生理特性に合わせた毎日の栄養サプリメント、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は記者やクリエイターがニュースや番組、ストーリーを再構成し、あなたの興味や好みに完全に合わせたパーソナライズされた情報フローを作り出すことを可能にします。

20世紀最大の企業が成功した理由は、一般消費者を見つけたからです。

次の世紀の最大の企業は、一般消費者の中の個人を見つけることによって勝利を掴むでしょう。

2026年、世界はもはやすべての人のためではなく、あなたのために最適化され始めるのです。

Emily Bennett：最初のネイティブAI大学

私は、2026年に最初のネイティブAI大学の誕生を目撃すると予測しています。これは、AIシステムを核にゼロから構築された機関です。

過去数年、大学はAIを採用して評価や指導、コース編成に試みてきました。しかし今、より深層のAI、すなわちリアルタイムに学習し自己最適化する適応型学術体系が登場しています。

想像してください、そのような機関では、コース、コンサルティング、研究協力、さらには建築運営までも、データフィードバックループに応じて絶えず調整されます。時間割は自己最適化され、読書リストは毎晩更新され、新しい研究に応じて自動的に書き換えられます。学習経路も、各学生の進度や状況に合わせてリアルタイムに調整されます。

すでに兆候が見られます。アリゾナ州立大学（ASU）とOpenAIの全校連携により、教育と行政管理を含むAI駆動の数百のプロジェクトが生まれています。ニューヨーク州立大学（SUNY）は、AIリテラシーを一般教育の要件に取り入れました。これらはより深い展開の基盤です。

AIネイティブ大学では、教授は学習の設計者となり、データ管理やモデル調整を担当し、学生に機械推論を疑う方法を指導します。

評価方法も変わります。検出ツールや剽窃禁止令はAI意識評価に置き換えられ、学生のスコアはAIを使ったかどうかではなく、その使い方に基づきます。透明で戦略的な運用が禁止を凌駕します。

あらゆる業界でAIシステムの設計・管理・協働を行う人材の採用が進む中、この新たな大学は、AIシステムの調整に長けた卒業生を育成し、急速に変化する労働市場を支援する訓練拠点となるでしょう。

このAIネイティブ大学は、新しい経済の人材エンジンとなります。

それでは、今日はここまで。次のパートでお会いしましょう。お楽しみに。