a16z 2026-yilda to‘rtta asosiy trendni birinchi bo‘lib e’lon qiladi, deb bashorat qilmoqda

Asl sarlavha: Big Ideas 2026: Part 1
Asl muallif: a16z New Media
Tarjima: Peggy, BlockBeats

Qisqacha mazmun: O‘tgan yilda AI’dagi yutuqlar model imkoniyatlaridan tizim imkoniyatlariga o‘tdi: uzoq muddatli jarayonlarni tushunish, izchillikni saqlash, murakkab vazifalarni bajarish, boshqa intellektual agentlar bilan hamkorlik qilish. Sanoat yangilanishining markazi ham endi yagona nuqtadagi innovatsiyadan infrastrukturani, ish jarayonlarini va foydalanuvchi bilan o‘zaro aloqani qayta aniqlashga o‘tdi.

Yillik “Big Ideas 2026”da a16z’ning to‘rtta investitsiya jamoasi infrastruktur, o‘sish, sog‘liqni saqlash va interaktiv dunyo yo‘nalishlaridan 2026 yil uchun asosiy tushunchalarni taqdim etdi.

Aslida, ular birgalikda bitta tendensiyani tasvirlaydi: AI endi faqat vosita emas, balki muhit, tizim va inson bilan parallel harakat qiluvchi subyektdir.

Quyida to‘rtta jamoaning 2026 yildagi tuzilmaviy o‘zgarishlar haqidagi fikrlari keltirilgan:

Sarmoyador sifatida bizning vazifamiz texnologiya sohasining har bir burchagiga chuqur kirib borish, uning ishlash mexanizmini tushunish va keyingi rivojlanish yo‘nalishini aniqlashdir. Shu sababli, har dekabr oyida biz har bir investitsiya jamoasini kelasi yilda texnologiya tadbirkorlari hal qilishi kerak bo‘lgan “katta g‘oya” bilan o‘rtoqlashishga taklif qilamiz.

Bugun biz Infrastructure, Growth, Bio + Health va Speedrun jamoalarining fikrlarini taqdim etamiz. Boshqa jamoalarning qarashlari ertaga e’lon qilinadi, kutib turing.

Infrastructure jamoasi

Jennifer Li: Startaplar multimodal ma’lumotlarning “xaosini” jilovlaydi

Strukturalanmagan, multimodal ma’lumotlar har doim korxonalar uchun eng katta to‘siq bo‘lib kelgan va hali ochilmagan eng katta xazina hisoblanadi. Har bir kompaniya PDF, skrinshot, video, log, email va turli yarim strukturalangan “ma’lumot loychasi”ga ko‘milgan. Modellar tobora aqlli bo‘lib bormoqda, ammo kiruvchi ma’lumotlar tobora tartibsiz – bu esa RAG tizimlarida xayoliy natijalarga olib keladi, agentlar nozik va qimmat xatolarga yo‘l qo‘yadi va muhim ish jarayonlari hali ham insoniy sifat nazoratiga tayanadi.

Bugungi kunda AI kompaniyalari uchun haqiqiy cheklovchi omil bu ma’lumot entropiyasi: korxona bilimining 80% qismi joylashgan strukturalanmagan dunyoda yangiligi, strukturaliligi va haqiqiyligi doimiy ravishda pasayib bormoqda.

Shu sababli, strukturalanmagan ma’lumotlarni “tartibga solish” yangi avlod tadbirkorlar uchun imkoniyatga aylanmoqda. Korxonalar multimodal ma’lumotlarini tozalash, strukturalash, tekshirish va boshqarish uchun doimiy usulga muhtoj, shunda AI ish yuklamalari haqiqiy natija bera oladi. Qo‘llash sohalari keng: shartnomalarni tahlil qilish, foydalanuvchini onboarding qilish, da’volarni ko‘rib chiqish, muvofiqlik, mijozlarga xizmat ko‘rsatish, xarid, muhandislik qidiruvi, savdo imkoniyatlari, tahlil pipeline’lari va ishonchli kontekstga tayanadigan barcha agent ish jarayonlari.

Hujjatlar, tasvirlar va videolardan struktura chiqarib oladigan, ziddiyatlarni muvofiqlashtiradigan, ma’lumot pipeline’larini tuzatadigan va ma’lumotlarni yangiligi va qidiruvchanligini saqlab turadigan platformaviy startaplar korxona bilimlari va jarayonlarining “qirollik kaliti”ga ega bo‘ladi.

Joel de la Garza: AI kiberxavfsizlik jamoalaridagi yollash muammosini qayta shakllantiradi

So‘nggi o‘n yilda CISO uchun eng katta bosh og‘riq – bu yollash. 2013 yildan 2021 yilgacha global kiberxavfsizlik bo‘sh ish o‘rinlari soni 1 milliondan 3 milliongacha oshdi. Sababi, xavfsizlik jamoalari yuqori malakali texnik kadrlarga muhtoj, ammo ularni ruhiy va jismoniy charchatadigan birinchi darajali xavfsizlik ishlariga – masalan, loglarni ko‘rib chiqishga – jalb qilishadi, bunday ishni esa deyarli hech kim xohlamaydi.

Muammoning chuqur ildizi shundaki: kiberxavfsizlik jamoalari o‘zlari og‘ir ishlarni yaratadi. Ular “hamma narsani aniqlaydigan” vositalarni sotib olishadi, natijada jamoa “hamma narsani tekshirishi” kerak bo‘ladi – bu esa sun’iy “mehnat tanqisligi”ni yuzaga keltiradi va yomon aylanishga olib keladi.

2026 yilda AI bu aylanishni buzadi, takroriy va ortiqcha vazifalarning aksariyatini avtomatlashtirib, kadrlar tanqisligini sezilarli darajada kamaytiradi. Katta xavfsizlik jamoasida ishlagan har kim biladiki, ishning yarmi avtomatlashtirilishi mumkin; muammo shundaki, har kuni ishga ko‘milganingizda, nimani avtomatlashtirish kerakligini o‘ylashga vaqt topa olmaysiz. Haqiqiy AI-native vositalar xavfsizlik jamoalari uchun bu ishni bajaradi va ular nihoyat o‘zlari xohlagan ishga – hujumchilarni kuzatish, tizimlarni qurish, xatolarni tuzatishga e’tibor qaratishlari mumkin bo‘ladi.

Malika Aubakirova: Agent-native infratuzilma “standart”ga aylanadi

2026 yildagi eng katta infratuzilma silkinishi tashqaridan emas, ichkaridan keladi. Biz “inson tezligi, past parallelizm, bashoratli” trafigidan “agent tezligi, rekursiv, portlovchi, ommaviy” ish yuklamalariga o‘tmoqdamiz.

Hozirgi korxona backend’i 1:1 “inson harakati – tizim javobi” uchun yaratilgan. U agentning bitta “maqsadi” 5000 ta sub-vazifa, ma’lumotlar bazasi so‘rovlari va ichki API chaqiruvlarini millisekundlarda rekursiv tarzda ishga tushiradigan vaziyatga mos emas. Agent kod bazasini qayta tuzmoqchi yoki xavfsizlik loglarini tuzatmoqchi bo‘lsa, u foydalanuvchiga o‘xshamaydi; an’anaviy ma’lumotlar bazasi yoki rate limiter uchun esa bu DDoS hujumiga o‘xshaydi.

2026 yil agent ish yuklamalari uchun tizim qurish uchun boshqaruv tekisligini qayta loyihalash zarur. “Agent-native” infratuzilma paydo bo‘la boshlaydi. Yangi avlod tizimlari “thundering herd effect”ni standart holat deb qabul qilishi kerak. Sovuq start qisqaradi, kechikish tebranishi kamayadi, parallelizm chegarasi esa bir necha baravar oshadi.

Haqiqiy to‘siq koordinatsiyaning o‘ziga aylanadi: keng ko‘lamli parallel bajarishda marshrutlash, lock nazorati, holat boshqaruvi va siyosatni amalga oshirish. Vositalar chaqiruvi to‘lqinida omon qolgan platforma yakuniy g‘olib bo‘ladi.

Justine Moore: Yaratilish vositalari to‘liq multimodalga aylanadi

Bizda allaqachon AI yordamida hikoya qilish uchun asosiy komponentlar bor: generativ ovoz, musiqa, tasvir va video. Ammo kontent qisqa klipdan ko‘proq bo‘lsa, rejissyor darajasidagi nazoratga erishish hali ham vaqt talab qiladi, og‘riqli va ba’zan imkonsiz.

Nega modelga 30 soniyalik videoni berib, unga biz taqdim etgan namunaviy tasvir va ovozdan yangi qahramon yaratib, shu sahnani davom ettirishni so‘ramaslik kerak? Nega model yangi rakursdan “qayta suratga ololmaydi” yoki harakatlarni namunaviy videoga moslashtira olmaydi?

2026 yil AI uchun haqiqiy multimodal ijod yili bo‘ladi. Foydalanuvchilar istalgan shakldagi namunaviy kontentni modelga berib, u bilan birga yangi asar yaratishi yoki mavjud sahnani tahrirlashi mumkin bo‘ladi.

Kling O1 va Runway Aleph kabi dastlabki mahsulotlar allaqachon paydo bo‘ldi, ammo bu faqat boshlanishi – model va ilova qatlamlarida yangi innovatsiyalar zarur.

Kontent yaratish AI uchun “killer app”lardan biri, men turli foydalanuvchi guruhlari uchun bir nechta muvaffaqiyatli mahsulotlar paydo bo‘lishini kutyapman – meme yaratuvchilardan tortib Gollivud rejissyorlarigacha.

Jason Cui: AI-native ma’lumotlar stack’i iteratsiyani davom ettiradi

O‘tgan yilda “zamonaviy ma’lumotlar stack’i” aniq integratsiyalanmoqda. Ma’lumot kompaniyalari yig‘ish, o‘zgartirish, hisoblash kabi modulli xizmatlardan birlashtirilgan va yagona platformalarga (masalan, Fivetran/dbt birlashuvi, Databricks kengayishi) o‘tmoqda.

Ekotizim yanada yetuklashgan bo‘lsa-da, haqiqiy AI-native ma’lumotlar arxitekturasigacha hali erta bosqichdamiz. AI ma’lumotlar stack’ining bir nechta bosqichlarini qanday o‘zgartirishini ko‘rib hayajonlanmoqdamiz va ma’lumotlar hamda AI infratuzilmasi orqaga qaytmasdan chuqur integratsiyalanayotganini ko‘rmoqdamiz.

Biz ayniqsa quyidagi yo‘nalishlarga e’tibor qaratmoqdamiz:

Ma’lumotlar an’anaviy strukturalangan saqlashdan tashqariga chiqib, yuqori samarali vektor ma’lumotlar bazasiga qanday oqadi

AI agentlari “kontekst muammosi”ni qanday hal qiladi: to‘g‘ri ma’lumot semantikasi va biznes ta’rifiga doimiy kirish, shunda “ma’lumot bilan suhbat” ilovalari ko‘p tizimda izchil tushunishga ega bo‘ladi

Ma’lumot ish jarayonlari agentlashgan va avtomatlashtirilgan bo‘lsa, an’anaviy BI vositalari va elektron jadvallar qanday rivojlanadi

Yoko Li: Biz haqiqatan ham “videoning ichiga kiramiz”

2026 yilda video endi passiv tomosha qilinadigan kontent bo‘lmaydi, balki biz “ichiga kira oladigan” joyga aylanadi. Video modellari nihoyat vaqtni tushunadi, ko‘rsatilgan kontentni eslab qoladi va biz harakat qilganimizda javob beradi, shu bilan birga real dunyoga yaqin barqarorlik va izchillikni saqlaydi, faqat bir necha soniyalik aloqasiz tasvirlarni chiqarib bermaydi.

Bu tizimlar uzoq vaqt davomida rollar, obyektlar va fizik qonunlarni saqlab turadi, harakatlar haqiqiy ta’sir ko‘rsatadi va sabab-oqibat rivojlanadi. Video shuning uchun oddiy vositadan “narsa qurish mumkin bo‘lgan” makonga aylanadi: robotlar unda mashq qiladi, o‘yin mexanizmlari rivojlanadi, dizaynerlar prototip tajribalarini o‘tkazadi, agentlar “ish qilish” orqali o‘rganadi.

Yaratilgan dunyo endi qisqa video emas, balki “jonli muhit”ga o‘xshaydi va idrok hamda harakat o‘rtasidagi tafovutni qisqartira boshlaydi. Bu insoniyat tarixida birinchi marta o‘zimiz yaratgan video ichida haqiqatan ham “yashash” imkonini beradi.

Growth jamoasi

Sarah Wang: Korxonalardagi “record system” maqomi larzaga keladi

2026 yilda korxona dasturiy ta’minotidagi haqiqiy inqilob asosiy burilishdan kelib chiqadi: record system’ning markaziy o‘rni nihoyat pasayishni boshlaydi.

AI “niyat”dan “bajarish”gacha bo‘lgan masofani qisqartirmoqda: model korxona operatsion ma’lumotlarini to‘g‘ridan-to‘g‘ri o‘qiydi, yozadi va xulosa chiqaradi, natijada ITSM, CRM kabi tizimlar passiv ma’lumotlar bazasidan mustaqil ish jarayonlari dvigateliga aylanadi.

Xulosa chiqaruvchi modellar va agent ish jarayonlari tez rivojlanishi bilan bu tizimlar endi faqat so‘rovlarga javob bermaydi, balki oldindan bashorat qiladi, muvofiqlashtiradi va boshidan oxirigacha jarayonlarni bajaradi.

Interfeys dinamik agent qavatiga aylanadi, an’anaviy record system esa “arzon doimiy saqlash”ga chekinadi, strategik ustunlik esa aqlli bajaruvchi muhitni boshqaradigan o‘yinchilarga o‘tadi.

Alex Immerman: Vertikal AI “ma’lumot olish va xulosa chiqarish”dan “ko‘p foydalanuvchi rejimi”ga o‘tadi

AI vertikal soha dasturiy ta’minotida portlovchi o‘sishni rag‘batlantirmoqda. Tibbiyot, huquq, uy-joy sohalaridagi kompaniyalar qisqa muddatda 100 million dollar ARR’dan oshdi; moliya va buxgalteriya ham orqada emas.

Dastlabki inqilob ma’lumot olish edi: ma’lumotni topish, chiqarib olish, umumlashtirish.

2025 yilda xulosa chiqarish paydo bo‘ldi: Hebbia moliyaviy hisobotlarni tahlil qiladi, Basis bir nechta tizimda balanslarni tekshiradi, EliseAI ta’mirlash muammolarini aniqlab, yetkazib beruvchilarni rejalashtiradi.

2026 yilda “ko‘p foydalanuvchi rejimi” (multiplayer) ochiladi.

Vertikal dasturiy ta’minot soha uchun xos interfeys, ma’lumot va integratsiyaga ega, va vertikal soha ishi mohiyatan ko‘p tomonlama hamkorlik: xaridor, sotuvchi, ijarachi, maslahatchi, yetkazib beruvchi – har birining huquqlari, jarayonlari va muvofiqlik talablari har xil.

Bugun har bir tomonning AI’si alohida ishlaydi, natijada uzilish nuqtalari notartibli va avtoritetsiz: shartnomani tahlil qiluvchi AI CFO’ning model tuzish xohishini bilmaydi; ta’mirlash AI joyidagi xodimning ijarachiga bergan va’dasidan bexabar.

Ko‘p foydalanuvchi rejimidagi AI bu holatni o‘zgartiradi: avtomatik ravishda tomonlar o‘rtasida muvofiqlashtiradi; kontekstni saqlaydi; o‘zgarishlarni sinxronlashtiradi; funksional mutaxassisga avtomatik yo‘naltiradi; qarama-qarshi tomonning AI’si chegarada muzokara olib boradi va nomutanosibliklarni insoniy tekshiruvga belgilaydi.

“Ko‘p agent + ko‘p inson” hamkorligi tufayli ish sifati oshganda, o‘tish xarajati keskin oshadi – bu hamkorlik tarmog‘i AI ilovalari uchun uzoq muddatli “xandaq”ga aylanadi.

Stephenie Zhang: Kelajakda yaratiladigan kontent inson uchun emas, agentlar uchun bo‘ladi

2026 yilga kelib, odamlar agentlar orqali tarmoqqa ulanadi va inson uchun optimallashtirilgan kontent o‘z ahamiyatini yo‘qotadi.

Biz ilgari inson xatti-harakatini bashorat qilib optimallashtirardik: Google reytingi; Amazon’dagi birinchi mahsulotlar; yangilik maqolalaridagi 5W+1H va diqqatni tortuvchi kirish qismi

Inson beshinchi sahifada yashiringan chuqur fikrni e’tiborsiz qoldirishi mumkin, lekin agentlar bunday qilmaydi.

Dasturiy ta’minot ham o‘zgaradi. Ilovalar ilgari inson ko‘zi va bosish uchun yaratilgan, optimallashtirish yaxshiroq UI va jarayon degani edi; agentlar qidiruv va izohni o‘z zimmasiga olgach, vizual dizayn ahamiyati pasayadi: muhandislar Grafana’ga tikilmaydi, AI SRE telemetriyani avtomatik tahlil qilib, Slack’da xulosani beradi; savdo jamoasi CRM’ni qo‘lda ko‘rib chiqmaydi, agentlar avtomatik tarzda naqsh va xulosalarni jamlaydi

Endi biz inson uchun emas, agent uchun loyihalashni boshlaymiz. Yangi optimallashtirish vizual ierarxiya emas, balki mashina o‘qiy oladiganlik bo‘ladi. Bu kontent yaratish usuli va vositalar tizimini to‘liq o‘zgartiradi.

Santiago Rodriguez: “Ekran vaqti” KPI’si yo‘qoladi

So‘nggi 15 yil davomida “ekran vaqti” mahsulot qiymatini o‘lchashning oltin standarti bo‘ldi: Netflix’dagi tomosha vaqti; tibbiyot tizimlarida sichqoncha bosish soni; ChatGPT’da foydalanuvchi qolgan daqiqalar

Lekin yaqinlashib kelayotgan “natijaga asoslangan narxlash” (outcome-based pricing) davrida ekran vaqti butunlay yo‘qoladi.

Bu allaqachon ko‘rinmoqda: ChatGPT’dagi DeepResearch so‘rovlari deyarli ekran vaqtini talab qilmaydi, lekin katta qiymat beradi; Abridge shifokor va bemor suhbatini avtomatik yozib, keyingi ishlarni bajaradi, shifokor deyarli ekranga qaramaydi; Cursor to‘liq ilovani ishlab chiqadi, muhandislar keyingi bosqichni rejalashtirmoqda; Hebbia ko‘plab ochiq hujjatlardan pitch deck yaratadi, investitsiya banki tahlilchilari nihoyat uxlay oladi

Muammolar ham paydo bo‘ladi: korxonalar yanada murakkab ROI o‘lchov usullarini topishi kerak – shifokor qoniqishi, ishlab chiqaruvchilar unumdorligi, tahlilchilar farovonligi, foydalanuvchi baxti... bularning barchasi AI bilan oshadi.

Eng aniq ROI hikoyasini ayta oladigan kompaniyalar g‘olib bo‘lib qoladi.

Bio+Health jamoasi (biologiya va sog‘liq yo‘nalishi)

Julie Yoo: “Sog‘lom MAU”lar asosiy foydalanuvchi guruhiga aylanadi

2026 yilda yangi tibbiy foydalanuvchi guruhi sahnaga chiqadi: “sog‘lom MAU”lar (oyiga faol, ammo kasal bo‘lmagan sog‘lom odamlar).

An’anaviy tibbiyot asosan uch turdagi odamga xizmat qiladi:

-Sick MAU: yuqori xarajatli, davriy ehtiyojli foydalanuvchilar

-Sick DAU: masalan, uzoq muddatli og‘ir kasallik bilan davolanayotganlar

-Healthy YAU: deyarli tibbiy xizmatga murojaat qilmaydiganlar

Healthy YAU’lar istalgan vaqtda Sick MAU/DAU’ga aylanishi mumkin, profilaktik parvarish esa bu o‘zgarishni sekinlashtirishi mumkin edi. Ammo hozirgi “davolashga yo‘naltirilgan” tibbiy sug‘urta tizimi sababli, faol tekshiruv va monitoring deyarli qamrab olinmaydi.

Sog‘lom MAU’larning paydo bo‘lishi bu tuzilmani o‘zgartiradi: ular kasal emas, lekin sog‘lig‘ini muntazam nazorat qilishga tayyor, eng katta potensial auditoriyadir.

Kutilmoqda, AI-native startaplar va an’anaviy muassasalar “qayta qadoqlash” orqali davriy sog‘liq xizmatlarini taklif qiladi.

AI tibbiy xizmat ko‘rsatish xarajatlarini pasaytirar ekan, profilaktik sug‘urta mahsulotlari paydo bo‘ladi va foydalanuvchilar obuna xizmatlariga pul to‘lashga tayyor bo‘ladi, “sog‘lom MAU”lar keyingi avlod sog‘liq texnologiyasi uchun eng istiqbolli mijoz guruhiga aylanadi – doim faol, ma’lumotga asoslangan, profilaktikaga yo‘naltirilgan.

Speedrun jamoasi (o‘yin, interaktiv media va dunyo modellari yo‘nalishi)

Jon Lai: Dunyo modellari hikoya qilish uslubini o‘zgartiradi

2026 yilda AI dunyo modellari interaktiv virtual dunyo va raqamli iqtisodiyot orqali hikoya qilishni tubdan o‘zgartiradi. Marble (World Labs) va Genie 3 (DeepMind) kabi texnologiyalar matndan to‘liq 3D dunyo yaratib, foydalanuvchilarga o‘yin o‘ynagandek tadqiq qilish imkonini beradi.

Yaratuvchilar bu vositalarni qabul qilishi bilan butunlay yangi hikoya shakllari paydo bo‘ladi – hatto “generativ Minecraft” ham yaratilishi mumkin, unda o‘yinchilar birgalikda ulkan, evolyutsion olam yaratadi.

Bu dunyolar o‘yinchi va yaratuvchi o‘rtasidagi chegarani xira qiladi, umumiy dinamik haqiqatni shakllantiradi. Turli janrlar – fantastika, dahshat, sarguzasht – yonma-yon mavjud bo‘lishi mumkin; ichidagi raqamli iqtisodiyot gullab-yashnaydi, yaratuvchilar aktivlar yaratish, o‘yinchilarga yo‘l ko‘rsatish, interaktiv vositalar ishlab chiqish orqali daromad oladi.

Bu generativ dunyolar AI agentlari, robotlar va hatto potensial AGI uchun mashq maydoniga aylanadi. Dunyo modellari nafaqat yangi o‘yin janrini, balki butunlay yangi ijodiy media va iqtisodiy chegara yaratadi.

Josh Lu: “Menga tegishli yil”

2026 yil “menga tegishli yil”ga aylanadi: mahsulotlar endi “o‘rtacha iste’molchi” uchun ommaviy ishlab chiqarilmaydi, balki “siz” uchun moslashtiriladi.

Ta’limda, Alphaschool’ning AI murabbiyi har bir o‘quvchiga uning sur’ati va qiziqishiga mos keladi.

Sog‘liqda, AI siz uchun qo‘shimcha, mashq rejasi, ovqatlanish dasturini moslashtiradi.

Mediada, AI kontentni sizning didingizga mos ravishda real vaqtda qayta aralashtiradi.

O‘tgan asr gigantlari “o‘rtacha foydalanuvchi”ni topib g‘alaba qozondi; keyingi asr gigantlari “o‘rtacha foydalanuvchidagi shaxs”ni topib g‘alaba qozonadi.

2026 yilda dunyo endi hamma uchun emas, “siz” uchun optimallashtiriladi.

Emily Bennett: Birinchi AI-native universiteti paydo bo‘ladi

2026 yilda biz birinchi haqiqiy AI-native universitetini ko‘ramiz – intellektual tizimlar atrofida noldan qurilgan muassasa. An’anaviy universitetlar allaqachon AI’dan baholash, murabbiylik, dars jadvalini tuzishda foydalanmoqda, ammo hozir yanada chuqurroq o‘zgarish yuz bermoqda: real vaqtda o‘rganadigan va o‘zini optimallashtiradigan “moslashuvchan akademik organizm”.

Siz bunday universitetni tasavvur qilishingiz mumkin: kurslar, murabbiylik, ilmiy hamkorlik, kampus boshqaruvi doimiy fikr-mulohaza asosida real vaqtda moslashadi; dars jadvali o‘zini optimallashtiradi; o‘qish ro‘yxati yangi tadqiqotlar paydo bo‘lishi bilan dinamik yangilanadi; har bir talabani o‘qish yo‘li real vaqtda o‘zgaradi

Pretsedentlar allaqachon bor: Arizona State University va OpenAI hamkorligida yuzlab AI loyihalari paydo bo‘ldi; New York State University AI savodxonligini umumiy ta’limga kiritdi

AI-native universitetda:

-Professor “o‘qitish tizimi arxitektori”ga aylanadi: ma’lumotlarni tanlaydi, modelni sozlaydi, talabaga mashina xulosasini qanday tahlil qilishni o‘rgatadi

-Baholash “AI awareness” baholashga o‘tadi: talabadan AI ishlatdingizmi deb so‘ramaydi, balki qanday ishlatdingiz deb so‘raydi

Turli sohalar intellektual tizimlar bilan hamkorlik qila oladigan kadrlarga muhtoj bo‘lar ekan, bu universitet yangi iqtisodiyot uchun “talent engine”ga aylanadi.