a16z「2026年の重要な構想：パート1」

本記事では、インフラストラクチャ、グロース、バイオ＋ヘルス、Speedrunチームからの見解を共有します。

執筆：a16z New Media

翻訳：Block unicorn

投資家としての私たちの責務は、テクノロジー業界のあらゆる分野を深く理解し、未来のトレンドを捉えることです。そのため、毎年12月には、投資チームに対し、今後1年でテクノロジー企業が解決すべき重要なアイデアを共有してもらっています。

本日は、インフラストラクチャ、グロース、バイオ＋ヘルス、Speedrunチームからの見解をお届けします。明日は他のチームからの共有もご期待ください。

インフラストラクチャ

Jennifer Li：スタートアップはいかにマルチモーダルデータの混沌を乗り越えるか

非構造化かつ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、未開拓の最大の宝でもあります。どの企業もPDF、スクリーンショット、動画、ログ、メール、半構造化データの海に埋もれています。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、RAGシステムの故障や、エージェントの見えにくく高コストな失敗、重要なワークフローが依然として人手による品質管理に大きく依存している状況が生まれています。AI企業が直面する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、真正性が絶えず劣化しており、今や企業知識の80%がこれら非構造化データに存在しています。

だからこそ、非構造化データを整理することは千載一遇のチャンスとなっています。企業は、マルチモーダルデータを継続的にクリーンアップ、構築、検証、管理する方法を必要としています。これにより、下流のAIワークロードが本当に機能するようになります。ユースケース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、保険請求処理、コンプライアンス、カスタマーサポート、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、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。ドキュメント、画像、動画から構造を抽出し、矛盾を解決し、パイプラインを修復し、データの新鮮さや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こそが、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採用を再生する

過去10年の大半で、CISO（最高情報セキュリティ責任者）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求人は100万未満から300万へと増加しました。これは、セキュリティチームが高度な技術を持つエンジニアを大量に雇用し、誰もやりたがらない単調な一時的セキュリティ作業（例：ログのレビュー）を毎日行わせていたためです。問題の根本は、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、その結果として煩雑な作業が生まれ、すべての情報をレビューする必要が生じ、これが偽りの人材不足を引き起こしていたことにあります。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ギャップを埋めます。大規模なセキュリティチームで働いたことがある人なら、仕事の半分は自動化で簡単に解決できることを知っていますが、仕事が山積みだと、どの作業を自動化すべきか判断するのは困難です。セキュリティチームがこれらの課題を解決するのを支援するネイティブAIツールは、最終的に彼らが本当にやりたいこと――悪者の追跡、新システムの構築、脆弱性の修正――に時間を割けるようにします。

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

2026年までに、最大のインフラショックは外部企業からではなく、企業内部からもたらされます。私たちは、予測可能で低並列な「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の比率で設計されています。単一のエージェント「目標」がミリ秒単位で5,000のサブタスク、データベースクエリ、内部API呼び出しを再帰的に発生させる事態には、アーキテクチャが対応できていません。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復しようとすると、それはもはやユーザーには見えません。従来のデータベースやレートリミッターから見ると、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構築とは、コントロールプレーンの再設計を意味します。私たちは「エージェントネイティブ」インフラの台頭を目撃するでしょう。次世代インフラは「サンダリングハード（thundering herd）」現象をデフォルト状態と見なさなければなりません。コールドスタート時間は短縮され、レイテンシのばらつきは大幅に低減し、並列制限は何倍にも増強されます。ボトルネックは調整にあります：大規模並列実行におけるルーティング、ロック、状態管理、ポリシー実行。これに対応できるプラットフォームだけが、ツール実行の洪水に打ち勝つことができるのです。

Justine Moore：クリエイティブツールがマルチモーダルへ

私たちは今、AIによるストーリーテリングの構成要素――生成音声、音楽、画像、動画――を手にしています。しかし、一度きりの断片を超えるコンテンツを得るには、必要な出力を得るのが非常に時間がかかり、フラストレーションが溜まり、時には不可能です。特に、従来の映画監督レベルのコントロールを求める場合はなおさらです。

なぜ、30秒の動画をモデルに与え、参照画像や音声を使って新しいキャラクターがそのシーンを続けて演じることができないのでしょうか？あるいは、動画を別の角度から再撮影したり、動作を参照動画に合わせたりできないのでしょうか？

2026年はAIがマルチモーダルへと進化する年です。モデルにあらゆる形式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できます。Kling O1やRunway Alephなど、いくつかの初期プロダクトはすでに登場していますが、まだやるべきことは多く、モデル層とアプリケーション層の両方でイノベーションが必要です。

コンテンツ制作はAIの最も強力なユースケースの一つであり、ミームクリエイターからハリウッドの映画監督まで、さまざまなユースケースと顧客層をカバーする成功プロダクトが多数登場すると予想しています。

Jason Cui：AIネイティブデータスタックの進化

過去1年で、データ企業がデータ取り込み、変換、計算などの専門分野からバンドル型統合プラットフォームへとシフトする中、「モダンデータスタック」の統合が進みました。例えば、Fivetran/dbtの統合や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、真のAIネイティブデータアーキテクチャの初期段階にすぎません。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私たちは興奮しており、データとAIインフラが密接に結びついてきていることを実感しています。

私たちが注目する方向性は以下の通りです：

• データが従来の構造化データとともに高性能ベクトルデータベースにどのように流入するか
• AIエージェントが「コンテキスト問題」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やセマンティックレイヤーに継続的にアクセスし、データとの対話や複数の記録システム間で正しいビジネス定義を常に維持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・自動化される中で、従来のBIツールやスプレッドシートがどのように変化するか

Yoko Li：私たちが動画の中に入る年

2026年には、動画はもはや受動的に視聴するコンテンツではなく、私たちが本当に没入できる空間となります。動画モデルはついに時間を理解し、すでに表示した内容を記憶し、私たちの操作に反応し、現実世界のような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間の断片的な映像を生成するだけでなく、キャラクター、オブジェクト、物理効果を十分に長く維持し、アクションに意味を持たせ、その結果を示すことができます。この変化により、動画は進化し続けるメディアへと変貌します：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り、エージェントが実践で学ぶ空間です。最終的に提示されるのは動画クリップではなく、知覚と行動のギャップを埋め始める生きた環境です。私たちは初めて、自分が生成した動画の中にいると感じられるようになるのです。

グロース

Sarah Wang：記録システムの支配が終焉

2026年、エンタープライズソフトウェア分野で本当のディスラプションは、記録システムがついにその支配的地位を失うことです。AIは意図と実行の距離を縮めています：モデルは今や操作データを直接読み書きし、推論できるため、ITサービス管理（ITSM）やカスタマーリレーションシップマネジメント（CRM）システムは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します。推論モデルやエージェントワークフローの最新の進展が積み重なることで、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へと変わり、従来の記録システムはバックエンドに退き、汎用的な永続レイヤーとなります――戦略的優位性は、従業員の日常利用を本当に掌握するエージェント実行環境を持つ側に移るのです。

Alex Immerman：垂直産業AIは情報検索・推論からマルチユーザー協働へ進化

AIは垂直産業向けソフトウェアのかつてない成長を推進しました。ヘルスケア、法律、不動産企業は、わずか数年で年間経常収益（ARR）が100 millionsドルを超えました。金融や会計業界もそれに続いています。この進化はまず情報検索から始まりました：正しい情報の検索、抽出、要約です。2025年には推論機能が加わりました：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し、EliseAIはメンテナンス問題を診断し適切な業者を派遣します。

2026年にはマルチユーザー協働モードが解放されます。垂直産業向けソフトウェアは、特定分野のインターフェース、データ、統合から恩恵を受けていますが、垂直産業の仕事は本質的に多者協働です。エージェントが労働力を代表するなら、協働が必要です。買い手と売り手、テナント、コンサルタント、業者など、各当事者は異なる権限、ワークフロー、コンプライアンス要件を持ち、それを理解できるのは垂直産業向けソフトウェアだけです。

現在、各当事者は独立してAIを利用しており、引き継ぎ時に権限が欠如しています。調達契約を分析するAIはCFOと連携してモデルを調整しません。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知りません。マルチパーティ協働の変革は、利害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、変更を同期します。取引相手のAIは定められたパラメータ内で交渉し、非対称な点を人間の審査用にマークします。シニアパートナーのマークアップは会社全体のシステムのトレーニングに使われます。AIによるタスク実行の成功率はより高くなります。

マルチユーザー協働やマルチエージェント協働の価値が高まると、スイッチングコストも上昇します。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が現れ、協働レイヤーが参入障壁となるでしょう。

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年には、人々はエージェントを通じてネットワークとやり取りし始めます。これまで人間の消費のために最適化されてきたものは、エージェントの消費には同じように重要ではなくなります。

長年、私たちは予測可能な人間行動の最適化に取り組んできました：Google検索結果で上位に表示され、Amazon検索結果で目立ち、「TL;DR」で簡潔に始める。高校時代、私はジャーナリズムの授業で「5W1H」で記事を書くこと、特集記事は読者を引き込む冒頭が重要だと教わりました。人間の読者は5ページ目に隠れた価値ある洞察を見逃すかもしれませんが、AIは見逃しません。

この変化はソフトウェアにも現れています。アプリケーションは人間の視覚やクリックニーズを満たすために設計され、最適化は優れたUIと直感的な操作フローを意味していました。AIが検索や解釈を担うようになると、視覚デザインの理解における重要性は低下します。エンジニアはGrafanaダッシュボードを見つめる必要がなくなり、AI SREがテレメトリデータを解釈し、Slackで分析結果を投稿します。セールスチームもCRMを苦労して調べる必要がなくなり、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設計するのではなく、AIのために設計します。新たな最適化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うツールを変えていくのです。

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、スクリーンタイムは消費者・企業アプリの価値提供を測る最良の指標でした。Netflixのストリーミング再生時間、医療電子カルテのマウスクリック数（有効利用の証明）、ChatGPTで費やした時間などがKPIとなっていました。成果ベースの価格モデルへと移行する中で、このモデルはサプライヤーとユーザーのインセンティブを完璧に調整できるため、まずスクリーンタイムレポートが廃止されます。

実際にその兆候は見えています。ChatGPTでDeepResearchクエリを実行すると、スクリーンタイムがほぼゼロでも大きな価値を得られます。Abridgeが医師と患者の会話を自動で記録し、後続処理を自動化すると、医師はほとんど画面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開発すると、エンジニアは次の機能開発サイクルの計画に集中できます。Hebbiaが数百の公開文書からプレゼン資料を作成すると、投資銀行家はようやく安眠できます。

これにより、アプリの単一ユーザー課金モデルには、より複雑なROI（投資対効果）評価方法が必要となります。AIアプリの普及は、医師の満足度、開発者の効率、財務アナリストの幸福、消費者の幸福感を高めます。ROIを最も簡潔に説明できる企業が、今後も競争をリードし続けるでしょう。

バイオ＋ヘルス

Julie Yoo：健康な月間アクティブユーザー（MAU）

2026年には、新たなヘルスケア顧客層「健康な月間アクティブユーザー」が注目されるようになります。

従来のヘルスケアシステムは主に3つのユーザー層にサービスを提供してきました：(a)「病気の月間アクティブユーザー」：需要が大きく変動しコストも高い層；(b)「病気の日間アクティブユーザー*」：長期集中治療が必要な患者など；(c)「健康な若年アクティブユーザー*」：比較的健康で医療利用が少ない層。健康な若年アクティブユーザーは、病気の月間/日間アクティブユーザーへと移行するリスクがあり、予防的ケアでその移行を遅らせることができます。しかし、治療中心の医療報酬システムは治療を優遇し、予防を優先せず、保険もこれらサービスをほとんどカバーしません。

今、「健康な月間アクティブユーザー」層が登場しています：彼らは病気ではありませんが、定期的に自身の健康状態をモニタリングし把握したいと考えており、消費者層の中で最大の割合を占める可能性があります。AIネイティブスタートアップや既存企業のアップグレード版など、多くの企業がこのユーザー層向けに定期サービスを提供し始めると予想されます。

AIによる医療サービスコスト低減の可能性、予防に特化した新型健康保険商品の登場、消費者のサブスクリプション型サービスへの自費支払い意欲の高まりにより、「健康な月間アクティブユーザー」はヘルステック分野で次なる有望な顧客層となるでしょう：彼らは継続的に関与し、データドリブンで予防重視です。

Speedrun（a16z内部の投資チーム名）

Jon Lai：ワールドモデルがストーリーテリング分野で躍進

2026年、AI駆動のワールドモデルは、インタラクティブなバーチャルワールドとデジタルエコノミーを通じてストーリーテリングのあり方を根本から変えます。Marble（World Labs）やGenie 3（DeepMind）などの技術は、テキストプロンプトから完全な3D環境を生成し、ユーザーがゲームのように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ことで、全く新しいストーリーテリング形式が登場し、最終的には「生成型Minecraft」のように、プレイヤーが共同で巨大かつ進化し続ける宇宙を創造できるようになるでしょう。これらのワールドは、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ができます。たとえば、「筆を作って、触れたものをすべてピンク色に変える」といった指示が可能です。

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、ユーザーを動的な共有現実の共同創造者にします。この進化は、相互に関連する生成型マルチバースを生み出し、ファンタジー、ホラー、アドベンチャーなど多様なジャンルが共存する可能性があります。これらのバーチャルワールドでは、デジタルエコノミーが発展し、クリエイターはアセットの作成、新規ユーザーの指導、新しいインタラクションツールの開発などで収益を得られます。エンターテインメントだけでなく、これらの生成型ワールドはAIエージェント、ロボット、さらにはAGIのトレーニング用シミュレーション環境にもなります。したがって、ワールドモデルの台頭は新たなゲームジャンルの誕生だけでなく、全く新しいクリエイティブメディアと経済フロンティアの到来を示しています。

Josh Lu：「私の元年」

2026年は「私の元年」となります：製品はもはや大量生産されず、あなたのためにカスタマイズされる時代です。

このトレンドはすでに各所で見られます。

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おり、生徒一人ひとりの学習ペースや興味に合わせて最適化し、各子どもが自分のリズムや好みに合った教育を受けられるようにしています。生徒一人あたり数万ドルの個別指導費をかけずに、これほどのケアは実現できませんでした。

ヘルス分野では、AIがあなたの生理的特徴に合わせて毎日のサプリメント、トレーニングプラン、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ィードを作り出せるようにしています。

前世紀の最大の企業が成功したのは、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で勝利します。

2026年、世界はもはや全員のために最適化されるのではなく、あなたのために最適化され始めます。

Emily Bennett：初のAIネイティブ大学

私は、2026年に初のAIネイティブ大学が誕生すると予想しています。これはゼロからAIシステムを中心に構築された教育機関です。

過去数年、大学はAIを評価、指導、カリキュラム編成に活用しようとしてきました。しかし、今登場しつつあるのは、リアルタイムで学習し自己最適化できる適応型アカデミックシステムという、より深いAIです。

このような機関では、カリキュラム、相談、研究協力、さらには建物の運営まで、データフィードバックループに基づいて絶えず調整されます。時間割は自己最適化され、リーディング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。学習パスはリアルタイムで調整され、各学生の進度や実情に適応します。

すでにその兆しは見えています。アリゾナ州立大学（ASU）はOpenAIとの全学協力で、教育・管理をカバーする数百のAI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んでいます。これらはより深い導入の基盤です。

AIネイティブ大学では、教授は学習のアーキテクトとなり、データ管理、モデルチューニング、学生への機械推論の問いかけ方の指導を担います。

評価方法も変わります。検出ツールや盗作禁止はAIリテラシー評価に置き換えられ、学生の評価基準はAIを使ったかどうかではなく、どう使ったかになります。透明性と戦略的活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・協働できる人材を求める中、この新しい大学はAIシステム調整に精通した卒業生を育成し、急速に変化する労働市場を支えます。

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。

本日はここまでです。次回もご期待ください。