Великі ідеї 2026 року: Частина 1

Наш обов’язок як інвесторів — глибоко досліджувати всі сегменти технологічної індустрії, щоб чітко розуміти її майбутній напрям. Щороку в грудні ми просимо інвестиційні команди поділитися головною ідеєю, яку, на їхню думку, технологічні розробники реалізовуватимуть у наступному році.

Сьогодні ми презентуємо ідеї від команд інфраструктури, зростання, біо + здоров’я та Speedrun. Завтра очікуйте думки інших команд.

Інфраструктура

Jennifer Li: Стартапи впорядковують хаос мультимодальних даних

Неструктуровані мультимодальні дані — це основна перешкода для корпоративного сектору та водночас його найбільший невикористаний ресурс. Кожна компанія потопає у PDF, скріншотах, відео, логах, електронних листах і напівструктурованих даних. Моделі стають розумнішими, але вхідні дані — дедалі хаотичнішими. Це призводить до "галюцинацій" у RAG-системах, прихованих і дорогих збоїв агентів, а критичні процеси досі суттєво залежать від ручного контролю якості. Головним обмеженням для AI-компаній стала ентропія даних: поступова втрата актуальності, структури та достовірності у неструктурованому середовищі, де зараз зберігається 80% корпоративних знань.

Тому розплутування неструктурованих даних — це стратегічна можливість для поколінь. Бізнесу потрібна безперервна система очищення, структурування, валідації та управління мультимодальними даними, щоб AI-навантаження працювали ефективно. Застосування — скрізь: аналіз контрактів, онбординг, обробка заявок, комплаєнс, підтримка, закупівлі, пошук у розробці, підтримка продажів, аналітичні пайплайни та будь-який агентний процес, що залежить від надійного контексту. Стартапи, які створять платформу для видобутку структури з документів, зображень і відео, врегулювання конфліктів, відновлення пайплайнів або підтримки актуальності й доступності даних, отримають ключ до корпоративних знань і процесів.

Joel de la Garza: AI трансформує найм у кібербезпеці

Більшість минулого десятиліття головною проблемою CISO був пошук кадрів. З 2013 по 2021 кількість незаповнених вакансій у кібербезпеці зросла з менш ніж 1 млн до 3 млн. Причина — команди безпеки наймають висококваліфікованих фахівців для монотонної роботи першого рівня, наприклад, перегляду логів, яку ніхто не прагне виконувати. Проблема в тому, що команди кібербезпеки самі створюють цю рутину, купуючи продукти, які фіксують усе, через що їм доводиться перевіряти все, що породжує ілюзію дефіциту кадрів. Це замкнене коло.

У 2026 році AI розірве це коло й закриє кадровий дефіцит, автоматизуючи більшість рутинної та повторюваної роботи для команд кібербезпеки. Кожен, хто працював у великій команді безпеки, знає: половину завдань легко вирішити автоматизацією, але складно визначити, що саме автоматизувати, коли роботи надто багато. AI-нативні інструменти, які вирішать це питання для команд безпеки, нарешті дозволять їм займатися тим, чим вони прагнуть: ловити порушників, створювати нові системи й усувати вразливості.

Malika Aubakirova: Агент-нативна інфраструктура стає базовою вимогою

У 2026 році найбільший інфраструктурний зсув відбудеться не зовні, а всередині. Ми переходимо від "людського" трафіку, який передбачуваний і має низьку конкуренцію, до "агентських" навантажень — рекурсивних, імпульсивних і масштабних.

Сучасний корпоративний бекенд створювався для співвідношення 1:1 між діями людини й реакцією системи. Він не розрахований на те, що одна агентна "ціль" може запускати рекурсивний розподіл на тисячі підзавдань, запитів до бази даних і внутрішніх API-викликів за мілісекунди. Коли агент рефакторить кодову базу чи усуває лог безпеки, він не виглядає як користувач. Для класичної бази даних або лімітатора швидкості це схоже на DDoS-атаку.

Створення інфраструктури для агентів у 2026 році означає повну перебудову контрольної площини. Ми побачимо розвиток "агент-нативної" інфраструктури. Наступне покоління має сприймати "ефект стада" як стандартний стан. Холодний старт має скорочуватися, затримка — зменшуватися, а ліміти конкуренції — зростати на порядки. Вузьким місцем стане координація: маршрутизація, блокування, управління станом і політиками для масового паралельного виконання. Переможуть ті платформи, які зможуть витримати потік запуску інструментів, що настане.

Justine Moore: Креативні інструменти стають мультимодальними

Зараз у нас є основа для створення історій за допомогою AI: генеративні голоси, музика, зображення та відео. Але для чогось більшого за одноразовий кліп це часто займає багато часу й викликає роздратування — якщо не є неможливим — отримати бажаний результат, особливо якщо потрібен рівень контролю, близький до традиційного режисера.

Чому ми не можемо дати моделі коротке відео й попросити продовжити сцену з новим персонажем, створеним із референс-зображення й голосу? Або перезняти кліп, щоб побачити сцену під іншим кутом, чи зробити рухи відповідними до референс-відео?

2026 рік стане роком мультимодальності AI. Дайте моделі будь-який референсний контент і працюйте з ним для створення нового або редагування існуючої сцени. Ми вже бачимо перші продукти, як Kling O1 і Runway Aleph. Але попереду ще багато роботи — потрібні інновації на рівні моделей і додатків.

Створення контенту — один із ключових сценаріїв використання AI, і я очікую появу багатьох успішних продуктів для різних кейсів і типів клієнтів: від мем-мейкерів до голлівудських режисерів.

Jason Cui: AI-нативний стек даних продовжує еволюцію

За останній рік ми спостерігали консолідацію "сучасного стеку даних", оскільки компанії з даних перейшли від спеціалізації на етапах завантаження, трансформації та обчислень до об’єднання й уніфікованих платформ. Наприклад: злиття Fivetran/dbt і подальше зростання платформ типу Databricks.

Хоча екосистема стала помітно зрілішою, ми все ще на початку справжньої AI-нативної архітектури даних. Ми захоплюємося тим, як AI може трансформувати різні частини стеку даних, і бачимо, як дані й AI-інфраструктура стають невіддільними.

Кілька ідей, які надихають:

• Дані й далі надходитимуть у продуктивні векторні бази даних поряд із традиційними структурованими даними
• AI-агенти вирішують "проблему контексту": постійний доступ до правильного контексту даних і семантичних шарів для створення надійних додатків, як-от спілкування з даними, що завжди мають коректні бізнес-визначення в різних системах обліку
• Традиційні BI-інструменти й електронні таблиці зміняться, коли робочі процеси з даними стануть більш агентними й автоматизованими

Yoko Li: Рік, коли ми заходимо у відео

У 2026 році відео перестане бути просто тим, що ми пасивно дивимося — воно стане місцем, у яке можна реально зайти. Відеомоделі нарешті зможуть розуміти час, пам’ятати показане, реагувати на наші дії й утримувати цілісність, яку ми очікуємо від фізичного світу. Замість кількох секунд розрізнених зображень ці системи підтримують персонажів, об’єкти й фізику достатньо довго, щоб дії мали значення й наслідки розгорталися. Цей зсув перетворює відео на середовище для створення: простір, де роботи можуть тренуватися, ігри — еволюціонувати, дизайнери — прототипувати, а агенти — навчатися на практиці. Виникає не просто кліп, а живе середовище, яке стирає межу між сприйняттям і дією. Вперше здається, що ми можемо "населяти" створені нами відео.

Зростання

Sarah Wang: Системи обліку втрачають стратегічні позиції

У 2026 році справжнім проривом у корпоративному ПЗ стане те, що система обліку втратить свою ключову роль. AI скорочує відстань між наміром і виконанням: моделі можуть читати, писати й логічно працювати безпосередньо з операційними даними, перетворюючи ITSM і CRM із пасивних баз даних на автономні рушії робочих процесів. З розвитком моделей логічного мислення й агентних процесів ці системи отримують здатність не просто реагувати, а й передбачати, координувати й виконувати процеси від початку до кінця. Інтерфейс стає динамічним агентним шаром, а традиційна система обліку переходить у фоновий режим як шар збереження даних — її стратегічна перевага переходить до того, хто контролює інтелектуальне середовище виконання, яким реально користуються співробітники.

Alex Immerman: Вертикальний AI переходить від пошуку й логіки до мультигравця

AI призвів до безпрецедентного зростання вертикального ПЗ. Медичні, юридичні й житлові компанії досягли $100 млн+ ARR за кілька років; фінансові та бухгалтерські — майже наздогнали. Еволюція почалася з пошуку інформації: знаходження, вилучення й узагальнення правильних даних. 2025 рік приніс логіку: Hebbia аналізує фінансову звітність і будує моделі, Basis звіряє баланси між системами, EliseAI діагностує проблеми обслуговування й направляє потрібних підрядників.

2026 рік відкриває мультигравця. Вертикальне ПЗ має переваги завдяки спеціалізованим інтерфейсам, даним і інтеграціям. Але вертикальна робота — це завжди багато сторін. Якщо агенти мають представляти робочу силу, їм потрібно співпрацювати. Від покупців і продавців до орендарів, консультантів і підрядників — кожна сторона має свої права, робочі процеси й вимоги комплаєнсу, які розуміє тільки вертикальне ПЗ.

Зараз кожна сторона використовує AI ізольовано, що створює передачу без повноважень. AI, який аналізує договір купівлі, не спілкується з CFO для коригування моделі. AI з обслуговування не знає, що пообіцяв персонал орендарю. Мультигравець змінює це, координуючи між учасниками: маршрутизація до фахівців, підтримка контексту, синхронізація змін. AI-контрагенти ведуть переговори в межах параметрів і позначають асиметрії для людської перевірки. Маркування старшого партнера навчає систему для всієї фірми. Завдання, виконані AI, будуть завершуватися з більшою ймовірністю успіху.

І коли цінність зростає завдяки колаборації між людьми й агентами, витрати на зміну платформи зростають. Тут ми побачимо мережевий ефект, який досі обходив AI-додатки: шар співпраці стає бар’єром.

Stephenie Zhang: Створюємо для агентів, а не для людей

У 2026 році люди почнуть взаємодіяти з вебом через агентів. І те, що було важливо для споживання людьми, для агентів уже не матиме такого значення.

Роки ми оптимізували під передбачувану людську поведінку: високий рейтинг у Google, потрапляння в перші результати Amazon, початок з TL;DR. Коли я навчалася журналістиці у школі, нас навчали 5W + H для новин і починати з "гачка" для статей. Можливо, людина пропустить важливу думку на п’ятій сторінці, але агент — ні.

Ця зміна стосується і ПЗ. Додатки створювалися для людських очей і кліків, а оптимізація означала хороший інтерфейс і зрозумілі процеси. Коли агенти перебирають на себе пошук і інтерпретацію, візуальний дизайн стає менш важливим для розуміння. Замість інженерів, що дивляться на Grafana, AI SRE може інтерпретувати телеметрію й постити інсайти у Slack. Замість продажників, що переглядають CRM, агенти можуть автоматично виявляти патерни й узагальнення.

Ми більше не створюємо для людей, а для агентів. Нова оптимізація — не візуальна ієрархія, а машинна читабельність, і це змінить наші підходи й інструменти.

Santiago Rodriguez: Кінець KPI екранного часу для AI-додатків

Останні 15 років екранний час був найкращим індикатором цінності для споживчих і бізнес-додатків. Ми жили у парадигмі годин перегляду Netflix, кліків у медичних EHR (для демонстрації використання) чи навіть часу на chatGPT як ключовому показнику ефективності. У майбутньому з ціноутворенням за результатами, що ідеально узгоджує інтереси постачальників і користувачів, ми першими відмовимося від звітності за екранним часом.

Ми вже бачимо це на практиці. Коли я запускаю DeepResearch-запити у ChatGPT, отримую величезну цінність майже без екранного часу. Коли Abridge автоматично фіксує розмову лікаря й пацієнта і автоматизує подальші дії, лікар майже не дивиться на екран. Коли Cursor створює додатки "під ключ", інженер планує наступний цикл розробки. А коли Hebbia готує презентацію з сотень публічних звітів, інвестиційний банкір нарешті спить спокійно.

Це створює унікальну задачу: як додаток може розраховувати ціну за користувача, якщо потрібно складніше оцінювати ROI. Задоволення лікарів, продуктивність розробників, добробут фінансових аналітиків і щастя споживачів зростають із AI-додатками. Компанії, які зуміють просто пояснити ROI, і надалі випереджатимуть конкурентів.

Біо + здоров’я

Julie Yoo: Здорові MAUs

У 2026 році новий сегмент клієнтів у сфері охорони здоров’я стане центральним: "здорові MAUs".

Традиційна система охорони здоров’я обслуговувала три основні групи користувачів: (a) "хворі MAUs" — люди з гострими, дорогими потребами; (b) "хворі DAUs" — ті, хто перебуває на інтенсивному, тривалому лікуванні; і (c) "здорові YAUs" — відносно здорові, які рідко звертаються до лікаря. Здорові YAUs ризикують стати хворими MAUs/DAUs, і профілактика може сповільнити цей перехід. Але наша система компенсацій у медицині винагороджує лікування, а не профілактику, тому доступ до превентивних консультацій і моніторингових сервісів не є пріоритетним, а страхування їх майже не покриває.

З’являються здорові MAUs: споживачі, які не хворіють активно, але хочуть регулярно контролювати й розуміти своє здоров’я — і становлять потенційно найбільшу частку споживачів. Ми очікуємо хвилю компаній — як AI-нативних стартапів, так і оновлених версій великих гравців — які почнуть пропонувати регулярні сервіси для цієї групи.

З потенціалом AI знижувати витрати на медичні послуги, появою нових страхових продуктів із фокусом на профілактику й готовністю споживачів платити за підписку з власної кишені, "здорові MAUs" стануть наступним перспективним сегментом для healthtech: постійно залучені, інформовані даними й орієнтовані на профілактику.

Speedrun

Jon Lai: Світові моделі стають центром сторітелінгу

У 2026 році AI-моделі світів революціонізують сторітелінг через інтерактивні віртуальні світи й цифрові економіки. Технології, як Marble (World Labs) і Genie 3 (DeepMind), вже генерують повноцінні 3D-середовища з текстових підказок, дозволяючи користувачам досліджувати їх як у грі. Коли творці почнуть використовувати ці інструменти, з’являться абсолютно нові формати сторітелінгу, і, можливо, виникне "генеративний Minecraft", де гравці співтворять величезні, динамічні всесвіти. Ці світи можуть поєднувати ігрові механіки з програмуванням природною мовою, наприклад, командою "create a paintbrush that changes the color of anything I touch to pink".

Такі моделі стирають межу між гравцем і творцем, перетворюючи користувачів на співавторів динамічних спільних реальностей. Це може створити взаємопов’язані генеративні мультивсесвіти, де різні жанри — фентезі, хорор, пригоди — існують поруч. Усередині них процвітатимуть цифрові економіки, де творці заробляють на створенні активів, допомозі новачкам чи розробці нових інструментів. Окрім розваг, ці генеративні світи стануть багатим середовищем для тренування AI-агентів, роботів і, можливо, навіть AGI. Зростання світових моделей означає не просто новий жанр гри, а новий творчий медіум і економічний фронтир.

Josh Lu: "Рік мене"

2026 рік стане "роком мене": моментом, коли продукти перестануть бути масовими й почнуть створюватися для кожного окремо.

Ми вже бачимо це всюди.

В освіті стартапи, як Alphaschool, створюють AI-репетиторів, які адаптуються до темпу й цікавості кожного учня, даючи кожній дитині освіту, що відповідає її ритму й стилю навчання. Такий рівень уваги раніше був можливий лише за десятки тисяч доларів репетиторських витрат на учня.

У сфері здоров’я AI підбирає щоденні комплекси добавок, тренування й раціони, адаптовані до вашої біології. Тренер чи лабораторія не потрібні.

Навіть у медіа AI дозволяє творцям міксувати новини, шоу й історії у персоналізовані стрічки, що відповідають вашим інтересам і тону.

Найбільші компанії минулого століття перемагали, знаходячи середнього споживача.

Найбільші компанії наступного століття переможуть, знаходячи особистість усередині середнього.

2026 рік — це рік, коли світ перестає оптимізувати для всіх і починає оптимізувати для вас.

Emily Bennett: Перший AI-нативний університет

У 2026 році, я очікую, ми побачимо народження першого AI-нативного університету — закладу, побудованого навколо інтелектуальних систем із нуля.

Останні кілька років університети експериментували з AI-оцінюванням, репетиторством і розкладом. Але зараз з’являється щось глибше — адаптивний академічний організм, який навчається й оптимізується в реальному часі.

Уявіть заклад, де курси, консультування, дослідницька співпраця й навіть операції будівель постійно адаптуються на основі циклів даних. Розклади оптимізуються самі. Списки літератури оновлюються щодня й переписуються з появою нових досліджень. Навчальні траєкторії змінюються в реальному часі для кожного студента.

Ми вже бачимо передумови. Партнерство ASU з OpenAI принесло сотні AI-проєктів у викладанні й адмініструванні. SUNY вже включає AI-грамотність у загальні освітні вимоги. Це фундамент для більш масштабного впровадження.

У AI-нативному університеті професори стають архітекторами навчання: курують дані, налаштовують моделі й навчають студентів аналізувати машинне мислення

Оцінювання теж змінюється. Інструменти виявлення й заборона плагіату поступаються AI-орієнтованій оцінці, де студентів оцінюють за те, як вони використовують AI, а не чи використовували вони його. Прозорість і тактовне застосування замінюють заборони.

І коли всі галузі стикаються з проблемою пошуку кадрів, здатних проектувати, управляти й співпрацювати з AI-системами, цей університет стане майданчиком підготовки, випускаючи фахівців, які вміють оркеструвати й допомагати швидко змінюваному ринку праці.

AI-нативний університет стане двигуном талантів для нової економіки.

Чекайте другу частину завтра.

Підписка

Ця розсилка надається виключно для інформаційних цілей і не є юридичною, бізнесовою, інвестиційною чи податковою порадою. Зміст не є інвестиційною рекомендацією й не призначений для використання інвесторами чи потенційними інвесторами у фонди a16z. Розсилка може містити посилання на сторонні сайти або інформацію зі сторонніх джерел — a16z не здійснювала незалежну перевірку й не гарантує актуальність чи достовірність такої інформації. Якщо у цьому контенті є стороння реклама, a16z не переглядала такі оголошення й не підтримує рекламний контент чи компанії, згадані там. Будь-які інвестиції чи портфельні компанії, згадані чи описані, не є репрезентативними для всіх інвестицій у фондах a16z; повний список інвестицій дивіться на https://a16z.com/investment-list/. Іншу важливу інформацію знайдете на a16z.com/disclosures. Ви отримали цю розсилку, оскільки раніше підписалися; якщо бажаєте відмовитися від майбутніх розсилок, можете відписатися негайно.

Відмова від відповідальності:

1. Ця стаття перепублікована з [a16z]. Всі права належать оригінальному автору [a16z New Media]. Якщо виникнуть заперечення щодо перепублікації, зверніться до команди Gate Learn, і вони оперативно розглянуть питання.
2. Відмова від відповідальності: Думки й погляди, викладені у статті, належать виключно автору й не є інвестиційною порадою.
3. Переклад статті іншими мовами здійснюється командою Gate Learn. Якщо не зазначено окремо, копіювання, розповсюдження чи плагіат перекладених матеріалів заборонено.