a16z ビッグ・アイデア2026：パート1

著者: a16z New Media 編集: Block unicorn

投資家として、テック業界の隅々まで深く掘り下げ、将来のトレンドに乗ることが我々の仕事である。投資家の仕事です。そのため、毎年12月には投資チームを招待し、ハイテク企業が来年取り組むと思われる大きなアイデアを1つ共有してもらうことにしています。

本日は、インフラストラクチャー、グロース、バイオ＋ヘルス、スピードランの各チームの視点をご紹介します。明日は他のチームが何をシェアするのかお楽しみに。

インフラ

Jennifer Li: How Startups Can Navigate the Chaos of Multimodal Data

非構造化、マルチモーダルデータは、常に企業が直面する最大のボトルネックであり、最大の未開拓の宝である。どの企業も、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浸かっている。モデルはより賢くなり続けているが、入力データはますます混沌としてきており、その結果、 RAG システムは失敗し、エージェントは気づかないうちにコストのかかる方法で失敗し、重要なワークフローは依然として手作業のQAに大きく依存している。今日のAI企業が直面している制約は、データのエントロピーです。今日、企業知識の80%が存在する非構造化データの世界では、鮮度、構造、信憑性が衰え続けています。

だからこそ、非構造化データを理解する千載一遇のチャンスがあるのです。企業は、マルチモーダルなデータをクレンジングし、構造化し、検証し、管理する継続的なアプローチを必要としています。契約分析、オンボーディング・プロセス、クレーム処理、コンプライアンス、顧客サービス、調達、エンジニアリング検索、セールスイネーブルメント、分析パイプライン、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・ワークフローなど、アプリケーション・シナリオは至る所にある。文書、画像、ビデオから構造を抽出し、競合を解決し、パイプラインを修正し、データを新鮮で検索可能な状態に保つプラットフォームを構築する新興企業は、企業の知識とプロセスの王国への鍵を握っています。

Joel de la Garza: Artificial Intelligence Is Bringing Cybersecurity Recruitment Back to Life

過去10年間、最高情報セキュリティ責任者（CISO）は最大の問題に直面してきました。CISO)は、過去10年間のほとんどで、採用における最大の難題に直面してきました。2013年から2021年の間に、サイバーセキュリティの求人数は100万人未満から300万人に増加した。これは、セキュリティ・チームが、誰も毎日やりたがらない、ログのレビューなどの退屈な第一レベルのセキュリティ業務を行うために、熟練したエンジニアを大量に雇用しているためである。問題の根本は、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することによって、この退屈な作業を生み出していることである。つまり、チームはすべての情報をレビューする必要があり、これが誤った人手不足を生み出している。これは悪循環です。

2026年までに、AIはこのサイクルを断ち切り、サイバーセキュリティ・チームの反復的なタスクの多くを自動化することで、雇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誰でも、作業の半分は自動化によって簡単に解決できることを知っているが、作業が山積みになると、何を自動化する必要があるのかを判断するのが難しくなる。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ことができるネイティブの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、脆弱性を修正することに解放される。

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、インフラへの最大の打撃は、外部企業からではなく、内部からやってくるでしょう。2026年までに、インフラへの最大の打撃は、外部の企業からではなく、企業内部からもたらされるでしょう。私たちは、予測可能で低同期の「ヒューマンスピード」トラフィックから、再帰的で、バースト的で、大規模な「エージェントスピード」ワークロードへと移行しつつあります。

今日の企業のバックエンドは、人間のアクションとシステムのレスポンスの比率が1:1になるように設計されています。それは、5000のサブタスク、データベースクエリ、内部APIコールの再帰的なファンアウトをミリ秒単位でトリガーする、単一のエージェントベースの「ゴール」に対してアーキテクチャ的に準備されていません。エージェントがコードベースをリファクタリングしたり、セキュリティログを修正しようとするとき、それはユーザーのようには見えない。従来のデータベースやフローリミッターにとっては、DDoS攻撃のように見えるのです。

2026年のエージェントのために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」なインフラストラクチャの台頭を目の当たりにするでしょう。次世代インフラは、「雷鳴の群れ」をデフォルトの状態と見なす必要がある。コールドスタート時間は短縮され、レイテンシー変動は大幅に減少し、同時実行限界は指数関数的に増加しなければならない。ボトルネックは、超並列実行におけるルーティング、ロック、状態管理、ポリシーの実施といった調整である。最終的に勝つことができるのは、ツール実行の大洪水に対処できるプラットフォームだけです。

ジャスティン・ムーア：クリエイティブなツールはマルチモーダルへ

私たちは今、AIでストーリーを語るための構成要素を手に入れました、音楽、画像、動画です。

ジェネレーティブなスピーチ、音楽、画像、動画です。しかし、1回限りのクリップを超えるものについては、必要なアウトプットを得るのに、多くの場合、時間がかかり、フラストレーションが溜まります。

なぜ、モデルに30秒のビデオを送り、参照画像とサウンドから作成した新しいキャラクターでシーンを演じ続けさせることができないのでしょうか？あるいは、シーンを別の角度から見ることができるようにビデオを撮り直したり、アクションを参照ビデオと一致させたりすることはできないのでしょうか？

2026年は、AIがマルチモダリティに移行する年です。モデルにあらゆる種類の参照コンテンツを与え、それを使って新しいコンテンツを作成したり、既存のシーンを編集したりすることができる。我々はすでにKling O1やRunway Alephのような初期の製品を見てきましたが、まだやるべきことはたくさんあります。

コンテンツ作成は、AIにとって最も有害なアプリケーションシナリオの1つであり、絵文字メーカーからハリウッドの監督に至るまで、幅広いアプリケーションシナリオと顧客セグメントにわたって、成功する製品が数多く登場すると期待しています。

ジェイソン・キュイ：AIネイティブ・データスタックの進化は続く

この1年で、データ企業はデータの取り込み、変換、計算といった専門分野に注力することから、バンドルされた統合プラットフォームへとシフトしています。バンドルされた統一プラットフォームへの移行に伴い、「モダン・データ・スタック」の統合が進んでいる。その例として、Fivetranとdbtの合併や、Databricksのような統合プラットフォームの継続的な台頭が挙げられます。

エコシステム全体は明らかに成熟していますが、私たちはまだ真にAIネイティブなデータアーキテクチャの初期段階にいます。我々は、AIがデータスタックの複数の部分を変革し続ける方法に興奮しており、データとAIインフラが表裏一体になっていることに気づき始めている。

以下は、私たちが強気でいる方向性の一部です：

• 従来のベクトルデータベースと並んで、高性能な構造化データベースにデータがどのように流れ込むか。

• AIエージェントが「コンテキストの難問」を解決する方法：ビジネスデータの正しいコンテキストとセマンティック層に一貫してアクセスし、たとえばデータと対話する強力なアプリケーションを構築し、それらのアプリケーションが複数の記録システムにわたって常に正しいビジネスを行えるようにする。定義

• データ・ワークフローがよりエージェントベースで自動化されるにつれて、従来のBIツールやスプレッドシートはどのように変わっていくのか

。李容子：私たちがビデオに歩を進めた年

2026年までには、動画は受動的に見るものではなく、実際にいることができる空間のようなものになるでしょう。ビデオモデルは最終的に、時間の意味を理解し、すでに見せたものを記憶し、私たちの行動に反応し、現実世界の信頼できる一貫性を維持できるようになるでしょう。これらのシステムは、数秒間の散乱した画像を生成するだけでなく、キャラクター、オブジェクト、物理的効果を、行動の意味を理解し、その結果を示すのに十分な時間持続させることができる。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して学ぶことができる空間である。最終的に提示されるのは、ビデオクリップというよりも、知覚と行動のギャップを埋め始める、生きた環境のようなものだ。私たちは初めて、自分たちが生成しているビデオの中にいるような気がした。

成長

サラ・ワン

2026年までの企業ソフトウェアにおける真の破壊的変化は、記録システムがついにその優位性を失うということです。人工知能は、意図と実行の間の距離を縮めつつあります。モデルは現在、運用データを直接読み書きし、推論することができ、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ーエンジンへと変貌させます。推論モデルとエージェントワークフローの最新の進歩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、エンドツーエンドのプロセスを予測、編成、実行できるようになります。インターフェイスは動的なエージェントレイヤーへと変化し、従来の記録システムは一種の汎用的な永続レイヤーとして後景に退いていきます。

アレックス・イマーマン：バーティカルにおける人工知能は、情報検索と推論から多人数でのコラボレーションへと進化する

人工知能は、ソフトウェアのバーティカルにおいて前例のない成長を推進しています。前例のない成長。ヘルスケア、法律、不動産の各企業は、わずか数年で年間経常収益（ARR）が1億ドルを超えました。この進化は、適切な情報を見つけ、抽出し、集約するという情報検索から始まります。2025年には、Hebbiaが財務諸表を分析してモデルを構築し、Basis がシステム間のスプレッドシートを調整し、EliseAIがメンテナンスの問題を診断して適切なベンダーを派遣するという推論機能がもたらされます。

2026年までに、多人数コラボレーションモデルが解禁されるでしょう。垂直産業のソフトウェアは、ドメイン固有のインターフェース、データ、統合から利益を得ています。しかし、垂直型産業の仕事は、本質的に多人数による共同作業である。エージェントが労働力を代表するのであれば、彼らは協力する必要がある。買い手と売り手から、テナント、コンサルタント、ベンダーに至るまで、各当事者は異なる権限、ワークフロー、および垂直業界ソフトウェアだけが理解できるコンプライアンス要件を持っています。

今日、各当事者は独立してAIを使用しており、その結果、引渡しプロセスにおける権限委譲が不足しています。売買契約を分析する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とることはありません。メンテナンスAIも、現場スタッフがテナントに何を約束したかを知らない。マルチパーティーコラボレーションの変化は、関係者間の調整にある：機能的専門家へのタスクのルーティング、コンテキストの維持、変更の同期。取引相手のAIは確立されたパラメータ内で交渉し、人間によるレビューのために非対称性にフラグを立てる。シニアパートナーのフラグは、会社全体のシステムを訓練するために使用される。AIが実行するタスクは、より高い成功率で完了する。

複数人、複数エージェントによるコラボレーションの価値が高まるにつれ、変換コストも高まるだろう。私たちは、AIアプリが実現できなかったネットワーク効果を目にすることになるでしょう：コラボレーションレイヤーは堀になるでしょう。

Stephenie Zhang: Designing for Agents, Not Humans

2026年までに、人々はエージェントを通してウェブと対話するようになるでしょう。人間が消費するために最適化されていたものは、もはやエージェントが消費するために同じように重要ではなくなります。

何年もの間、私たちは、Googleの検索結果で上位に表示されること、Amazonの検索結果で上位になること、そして短く簡潔な「TL;DR」から始まることなど、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。高校時代、ジャーナリズムの授業を受けたが、そこで先生は「5W1H」を使ってニュースを書き、特集記事は説得力のある冒頭で読者を引き込むべきだと教えてくれた。おそらく人間の読者は、5ページ目に隠された非常に価値のある洞察に満ちた説明を見逃すだろうが、AIは見逃さない。

このシフトはソフトウェアにも反映されている。アプリはもともと、人間の視覚やクリックのニーズを満たすように設計されており、最適化とは、優れたユーザーインターフェースと直感的な操作の流れを意味する。検索と解釈をAIが担うようになり、視覚的なデザインは理解する上であまり重要ではなくなりつつある。エンジニアはもはやGrafanaダッシュボードとにらめっこする必要はない。AIシステム信頼性エンジニア（SRE）は遠隔測定データを解釈し、Slackで分析を公開できる。営業チームは、顧客関係管理（CRM）システムを探し回る必要がなくなり、AIが自動的にパターンとサマリーを抽出できるようになりました。

私たちはもはや、人間のためではなく、AIのためにコンテンツを設計しているのです。

新しい最適化の目標は、もはや視覚的な階層ではなく、機械による可読性です。

サンティアゴ・ロドリゲス：AIアプリにおける「スクリーンタイム」KPIの終わり

過去15年間、スクリーンタイムは、AIアプリの価値を提供するための最良の指標でした。過去15年間、スクリーンタイムは、コンシューマおよびエンタープライズアプリケーションで価値を提供するための最良の指標でした。私たちは、Netflixのストリーミングの長さ、ヘルスケアEHRのユーザーエクスペリエンスにおけるマウスクリック数（効果的な使用の証明として）、あるいはChatGPTに費やされた時間さえも、重要なパフォーマンス指標として使用されるパラダイムの中で生きてきました。プロバイダーとユーザーのインセンティブを完全に一致させるアウトカムベースの価格設定モデルに向けて、私たちはまずスクリーンタイムの報告から離れることになるでしょう。

私たちはすでにこのことを実際に目にしています。ChatGPTでDeepResearchクエリを実行すると、スクリーンタイムがほとんどゼロであっても、非常に大きな価値が得られます。Abridgeが医師と患者の会話を魔法のようにキャプチャし、フォローアップを自動化すると、医師はほとんど画面を見る必要がなくなります。カーソルが完全なエンド・ツー・エンドのアプリケーションを開発すれば、エンジニアは次の機能開発サイクルを計画する。また、Hebbiaが何百もの公開文書に基づいてプレゼンテーションを作成すれば、投資銀行家はようやく安眠できるようになる。

このため、アプリのシングルユーザー率には、より洗練された投資収益率（ROI）の測定が必要になるというユニークな課題があります。人工知能（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、金融アナリストの幸福度、消費者の幸福度を向上させるだろう。ROIを最も簡潔な方法で明示できる企業は、競合他社を凌駕し続けるでしょう。

Bio + Health

Julie Yoo: 健康的な月間アクティブユーザー数（MAU）

2026年までに、「健康的な月間アクティブユーザー」という新たなヘルスケア顧客層が脚光を浴びるでしょう。

従来の医療制度は、次の3つの主要な利用者グループにサービスを提供している：(a)「病気の月次利用者」：ニーズが変動し、高額な費用がかかる利用者、(b)「病気の日次利用者*」：例えば、長期集中治療が必要な患者、(c)「健康な若年層利用者*」：比較的健康で、ほとんど医療を求めない利用者。健康で、めったに診察を求めない。健康な若いアクティブ・ユーザーは、月・日単位で病気のアクティブ・ユーザーに変わる危険性があり、予防的ケアはこの移行を遅らせることができる。しかし、私たちの治療ベースの医療報酬制度は、予防よりも治療に報いるものであるため、予防的な健康診断やモニタリング・サービスは優先されず、保険でカバーされることはほとんどない。

現在、毎月のアクティブ・ユーザーという健全なグループが出現しています。つまり、病気ではないが、定期的に自分の健康をモニターし、理解したいと思っている人たちです。私たちは、AIネイティブのスタートアップと既存事業のアップグレードの両方を含む企業グループが、このユーザーグループにサービスを提供する定期的なサービスを提供し始めると予想しています。

AIによる医療提供コストの削減の可能性、予防に焦点を当てた新たな健康保険商品の出現、サブスクリプションモデルに対する自己負担に対する消費者の意欲の高まりにより、「健康的な月間アクティブユーザー」は、ヘルスケアテック分野における次の潜在力の高い顧客層となります。彼らは一貫して熱心で、データ駆動型であり、予防に重点を置いています。

Speedrun（a16z内の投資チーム名）

ジョン・ライ（Jon Lai）：世界のモデルは物語空間で輝く

2026年、AIを搭載した世界モデルは、インタラクティブな仮想世界とデジタル経済を通じて、物語に革命を起こすだろう。Marble (World Labs)やGenie 3 (DeepMind)のようなテクノロジーはすでに、テキストの手がかりに基づいて完全な3D環境を生成することが可能で、ユーザーはゲームの中にいるかのように探索することができます。クリエイターがこれらのツールを採用すれば、まったく新しい形の物語が出現し、最終的には、プレイヤーが広大で進化する宇宙を共同で創造できる「ジェネレーティブ・マイ・ワールド」へと発展する可能性がある。このような世界は、ゲームメカニクスと自然言語プログラミングを組み合わせることで、例えば、プレイヤーが「私が触れたものをピンクに変える絵筆を作れ」といった命令を出すことができる。

この種のモデルは、プレイヤーとクリエイターの境界線を曖昧にし、ユーザーをダイナミックな共有現実の共同クリエイターにするでしょう。この進化は、ファンタジー、ホラー、アドベンチャーといった異なるジャンルの共存を可能にし、相互接続された生成的なマルチヴァースを生み出す可能性がある。このような仮想世界では、クリエイターがアセットを構築したり、初心者を指導したり、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デジタル経済が繁栄するだろう。エンターテインメントに加え、こうした生成的な世界は、AIエージェントやボット、さらには一般的な人工知能（AGI）を訓練するための豊かなシミュレーション環境となるだろう。このように、世界のモデリングの台頭は、新しいゲームジャンルの出現を示すだけでなく、新しい創造的なメディアと経済的なフロンティアの到来を告げるものでもあります。

ジョシュ・ルー：イヤー・オブ・ミー

2026年は「イヤー・オブ・ミー」になる。

私たちはすでにこのトレンドをいたるところで目にしている。

教育分野では、Alphaschoolのようなスタートアップ企業が、生徒一人ひとりの学習ペースや興味に適応する人工知能チューターを構築し、子どもたち一人ひとりが学習ペースや好みに合った教育を受けられるようにしている。このようなレベルの配慮は、生徒一人ひとりの個人指導に何万ドルもかけなければ実現不可能だろう。

健康分野では、AIがサプリメント、ワークアウトプラン、食事プランの組み合わせを生理学に合わせて毎日設計している。トレーナーもラボも必要ない。

メディアにおいても、AIはクリエイターがニュースや番組、ストーリーをリミックスし、あなたの興味や好みに完全にマッチしたパーソナライズされたストリームを作成することを可能にしている。

前世紀の大企業が成功したのは、平均的な消費者を見つけたからだ。

次の世紀の大企業は、平均的な消費者の中に個人を見出すことで勝利する。

2026年、世界は万人向けの最適化をやめ、あなた向けの最適化を始めるだろう。

エミリー・ベネット：初のネイティブAI大学

私は、2026年に初のネイティブAI大学が誕生すると予測しています。AIシステムを中心に一から構築された教育機関が誕生します。

大学はここ数年、成績評価や個人指導、コーススケジューリングにAIを導入する実験を行ってきました。

大学は過去数年間、成績評価や個人指導、コーススケジューリングのためにAIを試してきました。

コース、カウンセリング、研究協力、そして建物の運営までもが、データのフィードバックループに基づいて常に適応される教育機関を想像してみてほしい。カリキュラムは自己最適化される。リーディングリストは毎晩更新され、新しい研究が現れると自動的に書き換えられる。学習経路は、各生徒のペースや現実に合わせてリアルタイムで調整される。

我々はすでにいくつかの先駆けを見てきた。アリゾナ州立大学（ASU）のOpenAIとの全学的なパートナーシップは、教育や管理をカバーする何百ものAI主導の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）は現在、AIリテラシーを一般教養要件に組み込んでいる。これらは、より深い展開のための基礎となるものです。

AIネイティブの大学では、教授が学習のアーキテクトとなり、データ管理やモデルのチューニングを行い、機械的推論に疑問を持つ方法を学生に指導する。

評価も変わるだろう。検出ツールや盗作禁止は、AIを意識した評価に取って代わられ、学生はAIを使ったかどうかではなく、どのように使ったかで評価されるようになります。

産業界がAIシステムの設計、管理、共同作業ができる人材の確保に苦戦している中、この新しい大学はAIシステムの編成に精通した卒業生を養成する場となり、急速に変化する労働市場に拍車をかける。

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るだろう。

本日はここまで、次回もお楽しみに。