a16z "Mahahalagang Ideya para sa 2026: Ikalawang Bahagi"

Kinain ng software ang mundo. Ngayon, ito ang magtutulak sa mundo pasulong.

May-akda: a16z New Media

Pagsasalin: Block unicorn

Kahapon, ibinahagi namin ang unang bahagi ng seryeng "Malalaking Ideya", na kinabibilangan ng mga pananaw mula sa aming mga koponan sa Infrastructure, Growth, Bio + Health, at Speedrun tungkol sa mga hamong haharapin ng mga startup pagsapit ng 2026.

Ngayon, ipagpapatuloy namin ang ikalawang bahagi ng seryeng ito, na naglalaman ng mga kontribusyon mula sa American Dynamism (isang investment team na itinatag ng a16z noong 2021) at ng Apps team.

American Dynamism

David Ulevitch: Pagbuo ng AI-native na Industrial Base

Muling binubuo ng Amerika ang mga tunay na bahagi ng ekonomiya na nagbibigay ng lakas sa bansa. Muling napupunta sa sentro ng atensyon ang enerhiya, pagmamanupaktura, lohistika, at imprastraktura, at ang pinakamahalagang pagbabago ay ang pag-usbong ng isang tunay na AI-native, software-first na industrial base. Ang mga kumpanyang ito ay nagsisimula sa simulation, automated design, at AI-driven na operasyon. Hindi nila minomodernisa ang nakaraan, kundi binubuo nila ang hinaharap.

Nagdudulot ito ng napakalaking oportunidad sa mga larangan tulad ng advanced energy systems, heavy robotics manufacturing, next-generation mining, bio at enzymatic processes (na gumagawa ng mga precursor chemicals na kailangan ng iba’t ibang industriya). Kayang magdisenyo ng AI ng mas malilinis na reactor, i-optimize ang pagmimina, magdisenyo ng mas mahusay na enzymes, at mag-coordinate ng mga autonomous machine cluster gamit ang mga insight na hindi kayang abutin ng tradisyonal na mga operator.

Parehong pagbabago ang muling humuhubog sa mundo sa labas ng mga pabrika. Ang mga autonomous sensor, drone, at modernong AI models ay maaari nang magsagawa ng tuloy-tuloy na pagmamanman sa mga port, riles, linya ng kuryente, pipelines, military bases, data centers, at iba pang critical systems na dati ay napakalaki at mahirap pamahalaan nang buo.

Kailangan ng totoong mundo ng bagong software. Ang mga founder na bubuo ng software na ito ang huhubog sa kasaganaan ng Amerika sa susunod na siglo.

Erin Price-Wright: Ang Muling Pagbangon ng mga Pabrika sa Amerika

Ang unang dakilang siglo ng Amerika ay itinayo sa matibay na lakas ng industriya, ngunit alam nating lahat na nawala na natin ang karamihan sa lakas na ito—bahagi dahil sa offshoring, bahagi dahil sa sinadyang kakulangan ng konstruksiyon ng lipunan. Gayunpaman, muling umaandar ang mga kinakalawang na makina, at nasasaksihan natin ang muling pagbangon ng mga pabrika sa Amerika na nakasentro sa software at AI.

Naniniwala ako na pagsapit ng 2026, makikita natin ang mga negosyo na gumagamit ng factory mindset upang tugunan ang mga hamon sa enerhiya, pagmimina, konstruksyon, at pagmamanupaktura. Nangangahulugan ito ng pagsasama ng AI at automation technology sa mga skilled workers upang gawing kasing episyente ng assembly line ang mga komplikado at customized na proseso. Kabilang dito ang:

• Mabilis at paulit-ulit na pagtugon sa mga komplikadong regulasyon at proseso ng pagkuha ng permit
• Pagpapabilis ng design cycles at manufacturability design mula pa sa simula
• Mas mahusay na pamamahala ng malalaking proyekto
• Pag-deploy ng autonomous systems upang pabilisin ang mga gawaing mahirap o delikado para sa tao 

Sa pamamagitan ng paggamit ng mga teknik na binuo ni Henry Ford isang siglo na ang nakalipas—pagpaplano ng scale at repeatability mula sa simula—at pagsasama ng pinakabagong AI advances, malapit na nating makamit ang mass production ng nuclear reactors, makapagtayo ng mga bahay para sa buong bansa, makapagpatayo ng data centers sa nakakagulat na bilis, at pumasok sa bagong gintong panahon ng industrial power. Gaya ng sabi ni Elon Musk, "Ang pabrika mismo ang produkto."

Zabie Elmgren: Ang Susunod na Alon ng Observability ay Pisikal, Hindi Digital

Sa nakalipas na dekada, binago ng software observability ang paraan ng pagmamanman natin sa mga digital system—ginawang transparent ang codebase at servers sa pamamagitan ng logs, metrics, at tracing. Ang parehong pagbabago ay paparating na sa pisikal na mundo.

Habang nagkakabit ang mga pangunahing lungsod sa Amerika ng mahigit 1.1 billions na konektadong camera at sensor, ang physical observability—ang real-time na pag-unawa sa operasyon ng mga lungsod, power grid, at iba pang imprastraktura—ay nagiging parehong kagyat at posible. Ang bagong perception layer na ito ay magtutulak din sa susunod na frontier ng robotics at autonomous technology, kung saan ang mga makina ay aasa sa isang unibersal na framework na ginagawang observable ang pisikal na mundo gaya ng code.

Siyempre, may tunay na panganib din sa pagbabagong ito: ang mga tool na kayang mag-detect ng wildfire o mag-prevent ng aksidente sa construction site ay maaari ring magdulot ng dystopian nightmares. Ang mga mananalo sa susunod na alon ay ang mga kumpanyang makakakuha ng tiwala ng publiko, makakabuo ng privacy-protecting, interoperable, AI-native na mga sistema na nagpapataas ng transparency ng lipunan nang hindi sinasakripisyo ang kalayaan. Kung sino ang makakabuo ng ganitong mapagkakatiwalaang framework, siya ang magtatakda ng direksyon ng observability sa susunod na dekada.

Ryan McEntush: Babaguhin ng Electronic Industrial Stack ang Mundo

Ang susunod na industrial revolution ay hindi lang magaganap sa loob ng mga pabrika, kundi pati sa loob ng mga makinang nagbibigay ng lakas sa mga pabrika.

Lubos nang binago ng software ang ating paraan ng pag-iisip, pagdidisenyo, at pakikipagkomunikasyon. Ngayon, binabago nito ang ating paraan ng pagbiyahe, pagbuo, at paggawa. Ang pagsasanib ng electrification, materials, at AI advances ay nagpapahintulot sa software na tunay na kontrolin ang pisikal na mundo. Nagsisimula nang makaramdam, matuto, at kumilos nang autonomously ang mga makina.

Ito ang pagsikat ng electronic industrial stack—isang integrated technology na nagbibigay-lakas sa electric vehicles, drones, data centers, at modern manufacturing. Ito ang mag-uugnay sa mga atom na nagpapatakbo ng mundo at sa mga bit na kumokontrol dito: mula sa minerals na nire-refine bilang components, enerhiya na nakaimbak sa baterya, kuryenteng kinokontrol ng electronics, hanggang sa galaw na pinapagana ng precision motors—lahat ito ay kinokoordina ng software. Ito ang invisible foundation sa likod ng bawat breakthrough sa physical automation; ito ang nagtatakda kung ang software ay tatawag lang ng taxi o tunay na hahawak ng manibela.

Gayunpaman, mula sa pag-refine ng critical materials hanggang sa paggawa ng advanced chips, nawawala ang kakayahan ng Amerika na buuin ang stack na ito. Kung nais ng Amerika na manguna sa susunod na industrial age, kailangan nitong gawin ang hardware na sumusuporta sa panahong ito. Ang bansang makakakontrol ng electronic industrial stack ang magtatakda ng hinaharap ng industrial at military technology.

Kinain ng software ang mundo. Ngayon, ito ang magtutulak sa mundo pasulong.

Oliver Hsu: Pinapabilis ng Autonomous Labs ang Siyentipikong Pagdiskubre

Habang umuunlad ang kakayahan ng mga modelo sa multimodal at patuloy na gumagaling ang robotic manipulation, bibilis ang pag-usad ng mga team sa autonomous scientific discovery. Ang mga parallel na teknolohiyang ito ay magbubunga ng autonomous labs na kayang isara ang loop ng scientific discovery—mula hypothesis generation, experiment design at execution, hanggang reasoning, result analysis, at pag-ikot ng future research directions. Ang mga team na bubuo ng mga lab na ito ay magiging interdisciplinary, pagsasamahin ang AI, robotics, physical at life sciences, manufacturing, at operations expertise, at magpapatakbo ng cross-domain, tuloy-tuloy na eksperimento at discovery sa unmanned labs.

Will Bitsky: Ang Data Journey ng Mga Kritikal na Industriya

Pagsapit ng 2025, ang zeitgeist ng AI ay itatakda ng limitasyon sa compute resources at pagtatayo ng data centers. Ngunit pagsapit ng 2026, ito ay itatakda ng limitasyon sa data resources at ng susunod na frontier ng data journey—ang ating mga kritikal na industriya.

Ang ating mga kritikal na industriya ay nananatiling treasure trove ng latent, unstructured data. Bawat paglabas ng trak, bawat meter reading, bawat maintenance, bawat production run, bawat assembly, bawat test drive—lahat ay materyal para sa model training. Ngunit, maging ang data collection, labeling, o model training ay hindi karaniwang termino sa industriya.

Hindi nauubos ang pangangailangan para sa ganitong data. Ang mga kumpanyang tulad ng Scale, Mercor, at AI research labs ay walang sawang nangongolekta ng process data (hindi lang "ano ang ginawa", kundi "paano ginawa"). Nagbabayad sila ng mataas para sa bawat piraso ng "data mula sa sweatshop".

Ang mga industrial na kumpanya na may umiiral na physical infrastructure at labor force ay may comparative advantage sa data collection, at magsisimula nang gamitin ito. Ang kanilang operasyon ay lilikha ng napakaraming data na halos walang marginal cost na makuha, at maaaring gamitin para mag-train ng sariling modelo o i-license sa iba.

Dapat din nating asahan na lilitaw ang mga startup na magbibigay ng tulong. Mag-aalok ang mga startup ng coordination stack: software tools para sa collection, labeling, at licensing; sensor hardware at software development kits (SDK); reinforcement learning (RL) environments at training pipelines; at sa huli, sarili nilang intelligent machines.

Apps Team

David Haber: Pinapalakas ng AI ang Mga Business Model

Ang pinakamahusay na AI startups ay hindi lang nag-a-automate ng tasks; pinalalaki nila ang economic upside ng kanilang mga customer. Halimbawa, sa contingency-based law, kumikita lang ang law firm kapag nanalo sila sa kaso. Ang mga kumpanyang tulad ng Eve ay gumagamit ng proprietary outcome data para i-predict ang success rate ng kaso, tumutulong sa law firms na pumili ng mas angkop na kaso, makapaglingkod sa mas maraming kliyente, at mapataas ang win rate.

Kayang palakasin ng AI mismo ang business model. Hindi lang ito nakababawas ng gastos, kundi nagdadala rin ng mas maraming kita. Pagsapit ng 2026, makikita natin ang logic na ito na lumalawak sa iba’t ibang industriya, dahil mas malalim na mag-a-align ang AI systems sa incentives ng customer at lilikha ng compound advantages na hindi kayang abutin ng tradisyonal na software.

Anish Acharya: Magiging AI App Store ang ChatGPT

Kailangan ng tatlong elemento ang consumer product cycle para magtagumpay: bagong teknolohiya, bagong consumer behavior, at bagong distribution channel.

Hanggang kamakailan, natugunan ng AI wave ang unang dalawang kondisyon, ngunit kulang sa bagong native distribution channel. Karamihan ng produkto ay lumalago sa pamamagitan ng X at iba pang umiiral na network o word of mouth.

Ngunit, sa paglabas ng OpenAI Apps SDK, suporta ng Apple para sa mini-programs, at group chat feature ng ChatGPT, maaaring direktang ma-access ng consumer developers ang 900 millions na user base ng ChatGPT, at lumago gamit ang mga bagong mini-program networks tulad ng Wabi. Bilang huling bahagi ng consumer product lifecycle, ang bagong distribution channel na ito ay inaasahang magbubukas ng once-in-a-decade na consumer tech gold rush pagsapit ng 2026. Balewalain ito sa sarili mong panganib.

Olivia Moore: Nagsisimula nang Magkaroon ng Lugar ang Voice Agents

Sa nakalipas na 18 buwan, ang ideya ng AI agents na humahawak ng totoong interaksyon para sa mga negosyo ay mula science fiction ay naging realidad. Libu-libong kumpanya, mula SMBs hanggang malalaking enterprise, ang gumagamit ng voice AI para mag-iskedyul ng appointments, magkumpleto ng bookings, magsagawa ng surveys, mangolekta ng customer info, at marami pa. Hindi lang nito natutulungan ang mga negosyo na makatipid at kumita, kundi napapalaya rin ang mga empleyado para sa mas mahalaga at mas kawili-wiling trabaho.

Ngunit dahil nagsisimula pa lang ang larangang ito, maraming kumpanya ang nasa "voice as a wedge" stage pa lang, nag-aalok ng isa o ilang uri ng tawag bilang solusyon. Nasasabik akong makita ang voice assistants na lumalawak para hawakan ang buong workflow (maaaring multimodal), o kahit pamahalaan ang buong customer relationship cycle.

Malamang, mas malalim na mai-integrate ang agents sa business systems at bibigyan ng kalayaang hawakan ang mas komplikadong uri ng interaksyon. Habang patuloy na gumagaling ang underlying models—ngayon ay kayang mag-call ng tools at mag-operate sa iba’t ibang system—dapat mag-deploy ang bawat kumpanya ng voice-first AI products at gamitin ito para i-optimize ang mga critical na bahagi ng negosyo.

Marc Andrusko: Paparating na ang Proactive Apps na Hindi Kailangan ng Prompt

Pagsapit ng 2026, magpapaalam na ang mainstream users sa prompt box. Ang susunod na henerasyon ng AI apps ay hindi na magpapakita ng prompt—mamasdan nila ang iyong ginagawa at magbibigay ng proactive suggestions. Ang iyong IDE ay magmumungkahi ng refactor bago ka pa magtanong. Ang iyong CRM ay awtomatikong gagawa ng follow-up email pagkatapos ng tawag. Ang iyong design tool ay magge-generate ng mga opsyon habang nagtatrabaho ka. Ang chat interface ay magiging auxiliary lang. Ngayon, magiging invisible scaffolding ang AI sa bawat workflow, na ina-activate ng user intent, hindi ng command.

Angela Strange: Sa Wakas, Iu-upgrade ng AI ang Banking at Insurance Infrastructure

Maraming bangko at insurance company ang nag-integrate na ng AI features tulad ng document ingestion at voice agents sa kanilang legacy systems, ngunit tanging sa muling pagtatayo ng AI-native infrastructure tunay na mababago ng AI ang financial services industry.

Pagsapit ng 2026, ang panganib ng hindi pag-modernize at hindi paggamit ng AI ay hihigit pa sa panganib ng pagkabigo, at makikita natin ang malalaking financial institutions na tinatanggal ang kontrata sa legacy vendors at lumilipat sa mas bago at AI-native na alternatibo. Ang mga kumpanyang ito ay lalampas sa mga lumang kategorya, magiging mga platform na kayang mag-consolidate, mag-normalize, at magpayaman ng data mula sa legacy systems at external sources.

Ano ang resulta?

• Magiging mas simple at parallelized ang mga workflow. Hindi na kailangang magpalipat-lipat sa iba’t ibang system at screen. Isipin: sa LOS, makikita at mapoproseso mo nang sabay-sabay ang daan-daang pending tasks, at maaaring tapusin ng agents ang mga nakakapagod na bahagi.
• Magsasama-sama ang mga dating magkakahiwalay na kategorya. Halimbawa, ang customer KYC, account opening, at transaction monitoring data ay maaaring ilagay sa iisang risk platform.
• Ang mga panalo sa bagong kategoryang ito ay magiging 10x ang laki ng mga dating incumbent: mas malaki ang kategorya, at kinain ng software market ang labor force.

Ang hinaharap ng financial services ay hindi AI sa ibabaw ng lumang system, kundi isang bagong AI-native operating system.

Joe Schmidt: Dadalhin ng Proactive Strategies ang AI sa 99% ng Mga Negosyo

Ang AI ang pinaka-exciting na teknolohikal na breakthrough sa ating buhay. Ngunit sa ngayon, karamihan ng benepisyo ng mga bagong startup ay napunta sa 1% ng Silicon Valley companies—mga tunay na nasa Bay Area o bahagi ng malawak nilang network. Madaling maintindihan ito: gustong ibenta ng mga founder ang produkto sa mga kumpanyang pamilyar at madaling maabot, personal man o sa pamamagitan ng mga VC sa board.

Pagsapit ng 2026, magbabago ito. Malalaman ng mga negosyo na ang karamihan ng AI opportunities ay nasa labas ng Silicon Valley, at makikita natin ang mga bagong startup na gumagamit ng proactive strategies para tuklasin ang mas maraming oportunidad sa malalaking tradisyonal na verticals. Sa mga tradisyonal na consulting at service industries (tulad ng system integrators at implementation companies) at sa manufacturing na mabagal ang pag-unlad, napakalaki ng AI opportunity.

Seema Amble: Lumilikha ang AI ng Bagong Coordination Layer at Mga Bagong Role sa Fortune 500

Pagsapit ng 2026, mas lalalim ang paglipat ng mga negosyo mula sa isolated AI tools patungo sa multi-agent systems na kailangang gumana bilang coordinated digital teams. Habang nagsisimula nang pamahalaan ng agents ang mga komplikado at interdependent na workflow (tulad ng collaborative planning, analysis, at execution), kailangang pag-isipan ng mga negosyo ang bagong istruktura ng trabaho at kung paano dumadaloy ang context sa pagitan ng mga system. Nakikita na natin ito sa mga kumpanyang tulad ng AskLio at HappyRobot, na nagde-deploy ng agents sa buong proseso, hindi lang sa isang task.

Pinakamalalim ang epekto nito sa Fortune 500: hawak nila ang pinakamalaking siloed data, institutional knowledge, at operational complexity—karamihan ay nasa utak ng mga empleyado. Ang pag-convert ng impormasyong ito sa shared foundation ng autonomous workers ay magpapabilis ng decision-making, magpapapaikli ng cycles, at magpapalaya sa end-to-end na proseso mula sa tuloy-tuloy na manual micromanagement.

Pipilitin din ng pagbabagong ito ang mga lider na muling isipin ang mga role at software. Lilitaw ang mga bagong function tulad ng AI workflow designer, agent supervisor, at governance lead na namamahala sa coordination at audit ng collaborative digital workers. Bukod sa umiiral na systems of record, kakailanganin ng mga negosyo ng coordination system: bagong layer para pamahalaan ang multi-agent interactions, maghusga ng context, at tiyakin ang reliability ng autonomous workflows. Magpo-focus ang tao sa edge cases at pinaka-komplikadong sitwasyon. Ang pag-usbong ng multi-agent systems ay hindi lang susunod na hakbang sa automation; ito ay rekonstruksyon ng paraan ng pagpapatakbo, pagdedesisyon, at paglikha ng halaga ng negosyo.

Bryan Kim: Mula "Tulungan Mo Ako" Patungong "Kilalanin Mo Ako" ang Consumer AI

Ang 2026 ay magmamarka ng paglipat ng mainstream consumer AI products mula sa productivity enhancement patungo sa pagpapalalim ng human connection. Hindi na lang tutulong ang AI na matapos mo ang trabaho, kundi tutulungan kang mas makilala ang sarili at magtayo ng mas matibay na relasyon.

Kailangang linawin: hindi ito madali. Maraming social AI products na inilunsad ngunit nabigo. Ngunit dahil sa multimodal context windows at patuloy na bumababang inference cost, kayang matuto ngayon ng AI products mula sa lahat ng aspeto ng iyong buhay, hindi lang sa sinasabi mo sa chatbot. Isipin: ang iyong photo album ay magpapakita ng tunay na emosyonal na sandali, ang one-on-one at group chat modes ay magbabago depende sa kausap, at ang iyong daily habits ay magbabago kapag stressed ka.

Kapag tunay nang nailunsad ang mga produktong ito, magiging bahagi na sila ng ating araw-araw. Sa pangkalahatan, mas maganda ang user retention ng "kilalanin mo ako" products kaysa sa "tulungan mo ako" products. Kumikita ang "tulungan mo ako" products mula sa mataas na willingness to pay ng users para sa partikular na task, at nagsisikap pataasin ang retention. Ang "kilalanin mo ako" products ay kumikita mula sa tuloy-tuloy na daily engagement: mas mababa ang willingness to pay, ngunit mas mataas ang retention.

Palaging nagpapalitan ang mga tao ng data para sa value: ang tanong ay sulit ba ang kapalit. Malapit na nating malaman ang sagot.

Kimberly Tan: Bagong Model Primitives, Bagong Kumpanyang Hindi Pa Nakikita Kailanman

Pagsapit ng 2026, makikita natin ang pag-usbong ng mga kumpanyang hindi sana umiral kung wala ang breakthroughs sa reasoning, multimodal, at compute applications. Sa ngayon, maraming industriya (tulad ng legal o customer service) ang gumagamit ng improved reasoning para palakasin ang umiiral na produkto. Ngunit ngayon pa lang natin nakikita ang mga kumpanyang ang core product functionality ay fundamentally nakadepende sa mga bagong model primitives na ito.

Ang pag-unlad sa reasoning ay maaaring magbunga ng bagong kakayahan, tulad ng pag-assess ng complex financial claims o pag-aksyon batay sa dense academic o analyst research (halimbawa, pagresolba ng billing disputes). Ang multimodal models ay nagpapahintulot ng extraction ng latent video data mula sa physical world (halimbawa, cameras sa manufacturing floor). Ang compute applications ay nagpapahintulot ng automation sa malalaking industriya na dati ay nakatali sa desktop software, mahihinang API, at fragmented workflows.

James da Costa: Lumalago ang AI Startups sa Pamamagitan ng Pagbebenta sa Ibang AI Startups

Nasa gitna tayo ng unprecedented na alon ng company creation, na pangunahing pinapagana ng kasalukuyang AI product cycle. Ngunit hindi tulad ng mga nakaraang cycle, hindi nanonood lang ang incumbents; aktibo rin silang nag-a-adopt ng AI. Kaya, paano mananalo ang mga startup?

Isa sa pinaka-epektibo at pinaka-underappreciate na paraan para malampasan ng startup ang incumbents sa distribution ay ang maglingkod sa mga bagong tatag na kumpanya mula pa sa umpisa: ibig sabihin, maglingkod sa mga greenfield companies. Kung makukuha mo ang lahat ng bagong tatag na kumpanya at sabay kayong lalago, lalaki ka rin habang lumalaki ang iyong mga customer. Ang mga kumpanyang tulad ng Stripe, Deel, Mercury, Ramp ay sumunod sa estratehiyang ito. Sa katunayan, marami sa mga customer ng Stripe ay hindi pa umiiral nang itinatag ang Stripe.

Pagsapit ng 2026, makikita natin ang mga startup na nagsimula mula sa wala na lumalago sa maraming enterprise software verticals. Kailangan lang nilang gumawa ng mas mahusay na produkto at buong lakas na mag-develop ng mga bagong customer na hindi pa hawak ng incumbents.