a16z prediksi tren utama akan diumumkan pertama kali pada tahun 2026

Kelebihan teknologi AI telah beralih dari kemampuan model ke kemampuan sistem, dengan fokus peningkatan industri yang juga beralih dari inovasi titik tunggal ke redefinisi infrastruktur, alur kerja, dan metode interaksi pengguna. Empat tim investasi a16z dari dimensi infrastruktur, pertumbuhan, kesehatan medis, dan dunia interaktif memberikan wawasan kunci tentang tahun 2026. Artikel ini berasal dari tulisan a16z, disusun, diterjemahkan, dan dikompilasi oleh BlockBeats. （Latar belakang sebelumnya: Laporan teknologi penting mantan mitra a16z: Bagaimana AI menelan dunia?） （Tambahan latar belakang: a16z mengumumkan pengumpulan dana baru sebesar 10 miliar dolar AS, fokus pada AI, keuangan kripto, dan teknologi pertahanan） Ringkasan: Dalam satu tahun terakhir, terobosan AI bergeser dari kemampuan model ke kemampuan sistem: memahami urutan panjang, menjaga konsistensi, menjalankan tugas kompleks, dan berkolaborasi dengan entitas cerdas lainnya. Fokus peningkatan industri juga beralih dari inovasi titik tunggal ke redefinisi infrastruktur, alur kerja, dan metode interaksi pengguna. Dalam laporan tahunan “Big Ideas 2026”, empat tim investasi a16z masing-masing memberikan wawasan kunci tentang tahun 2026 dari dimensi infrastruktur, pertumbuhan, kesehatan medis, dan dunia interaktif. Pada dasarnya, mereka bersama-sama menggambarkan tren: AI bukan lagi sekadar alat, melainkan lingkungan, satu sistem, satu entitas yang berjalan paralel dengan manusia. Berikut adalah penilaian keempat tim tentang perubahan struktural tahun 2026: Sebagai investor, pekerjaan kita adalah menyelami setiap sudut industri teknologi, memahami konteks operasinya, dan menilai arah evolusinya berikutnya. Oleh karena itu, setiap Desember, kami mengundang setiap tim investasi untuk berbagi satu “ide besar” yang mereka yakini akan menjadi tantangan utama bagi para pendiri teknologi di tahun berikutnya. Hari ini, kami menghadirkan pandangan dari tim Infrastructure, Growth, Bio + Health, dan Speedrun. Pendapat tim lainnya akan dirilis besok, nantikan. Tim Infrastruktur Jennifer Li: Startup akan menguasai “kekacauan” data multimodal Data tidak terstruktur dan multimodal selalu menjadi hambatan terbesar bagi perusahaan, sekaligus sumber daya terbesar yang belum tergali. Setiap perusahaan dibanjiri oleh PDF, tangkapan layar, video, log, email, dan berbagai “lumpur data” semi-terstruktur. Model semakin cerdas, tetapi inputnya semakin acak—ini menyebabkan sistem RAG menghasilkan halusinasi, membuat entitas cerdas tersalahan secara halus dan berbiaya tinggi, serta menjaga proses kerja utama yang masih sangat bergantung pada inspeksi manual. Kini, batasan utama perusahaan AI adalah entropi data: di dunia tidak terstruktur yang memuat 80% pengetahuan perusahaan, kesegaran, struktur, dan keaslian terus menurun. Karena itu, memecahkan kekacauan data tidak terstruktur menjadi peluang bisnis bagi generasi ini. Perusahaan membutuhkan metode berkelanjutan untuk membersihkan, menyusun, memverifikasi, dan mengelola data multimodal mereka, sehingga beban kerja AI di hilir dapat berjalan efektif. Situasi aplikasinya meliputi: analisis kontrak, onboarding pengguna, proses klaim, kepatuhan, layanan pelanggan, pengadaan, pencarian teknik, pemberdayaan penjualan, pipeline analisis, dan semua workflow entitas cerdas yang bergantung pada konteks yang andal. Platform startup yang mampu mengekstrak struktur dari dokumen, gambar, dan video, menyelaraskan konflik, memperbaiki pipeline data, dan menjaga data tetap segar dan mudah diakses akan memegang “kunci kerajaan” pengetahuan dan proses perusahaan. Joel de la Garza: AI akan mengubah tantangan perekrutan tim keamanan jaringan Dalam dekade terakhir, masalah utama CISO adalah perekrutan. Dari 2013 hingga 2021, kekurangan posisi keamanan siber global melonjak dari kurang dari 1 juta menjadi 3 juta. Penyebabnya adalah tim keamanan membutuhkan tenaga ahli yang sangat terampil, namun mereka sering terjebak dalam pekerjaan keamanan tingkat satu yang melelahkan, seperti membaca log, dan hampir tidak ada yang bersedia melakukan pekerjaan ini. Penyebab masalah yang lebih mendalam adalah: tim keamanan siber sendiri yang menciptakan masalah ini. Mereka membeli alat “deteksi tanpa diskriminasi” yang harus memeriksa segalanya—yang justru memaksa tim untuk “meninjau semuanya”—yang secara tidak langsung menciptakan kekurangan tenaga kerja manusia, membentuk lingkaran setan. Pada tahun 2026, AI akan memecahkan lingkaran ini dengan mengotomatisasi sebagian besar tugas berulang dan redundan, secara signifikan mengurangi kekurangan tenaga kerja. Siapa pun yang pernah bekerja di tim keamanan besar tahu bahwa setengah dari pekerjaan dapat diselesaikan secara otomatis; masalahnya adalah, saat Anda dibanjiri pekerjaan setiap hari, Anda tidak punya waktu untuk memikirkan apa yang harus otomatisasi. Alat asli AI yang sesungguhnya akan menyelesaikan ini bagi tim keamanan, memungkinkan mereka fokus kembali pada hal yang benar-benar ingin mereka lakukan: melacak penyerang, membangun sistem, dan memperbaiki kerentanan. Malika Aubakirova: Infrastruktur entitas cerdas akan menjadi “standar” Infrastruktur terbesar tahun 2026 tidak akan berasal dari luar, melainkan dari dalam. Kita sedang beralih dari trafik “kecepatan manusia, rendah konkurensi, dapat diprediksi” ke beban kerja “kecerdasan entitas, rekursif, ledakan, volume besar”. Saat ini, backend perusahaan dirancang untuk lalu lintas 1:1 “dari tindakan manusia ke respons sistem”. Ini tidak cocok untuk menghadapi satu entitas cerdas yang memicu 5000 sub-tugas, kueri basis data, dan pemanggilan API internal dalam ledakan rekursif milidetik. Ketika sebuah entitas cerdas mencoba merekonstruksi basis kode atau memperbaiki log keamanan, itu bukan pengguna; bagi basis data tradisional atau alat pengendali lalu lintas, itu lebih mirip serangan DDoS. Untuk membangun sistem yang mendukung beban kerja entitas cerdas tahun 2026, kita harus merancang ulang control plane-nya. Infrastruktur “agent-native (” yang asli akan mulai berkembang. Sistem generasi baru harus memperlakukan “efek kerumunan” sebagai kondisi default. Waktu cold start harus dipersingkat, fluktuasi latensi harus konvergen, dan batas paralelisme harus meningkat secara signifikan. Tantangan utama akan bergeser ke koordinasi itu sendiri: melakukan routing, kontrol kunci, pengelolaan status, dan eksekusi strategi dalam eksekusi paralel besar-besaran. Platform yang mampu bertahan dalam gelombang panggilan alat ini akan menjadi pemenang akhir. Justine Moore: Alat kreativitas akan berkembang menjadi multimodal secara menyeluruh Kita telah memiliki komponen dasar untuk menceritakan kisah dengan AI: suara generatif, musik, gambar, dan video. Tapi selama konten tidak hanya berupa klip pendek, mendapatkan kontrol setara sutradara tetap memakan waktu, menyakitkan, bahkan tidak mungkin. Mengapa tidak membiarkan model menerima satu video 30 detik, dan menggunakannya bersama gambar dan suara referensi yang kita berikan untuk menciptakan karakter baru, lalu melanjutkan pengambilan gambar yang sama? Mengapa tidak membiarkan model melakukan “pengambilan ulang” dari sudut pandang baru, atau menyesuaikan gerakan agar sesuai dengan video referensi? Tahun 2026 akan menjadi tahun kreasi multimodal nyata berbasis AI. Pengguna dapat memasukkan berbagai bentuk konten referensi ke model, dan bersama-sama menghasilkan karya baru, atau mengedit scene yang sudah ada. Kita sudah melihat munculnya produk generasi pertama, seperti Kling O1 dan Runway Aleph, tetapi ini baru awal—baik di tingkat model maupun aplikasi, keduanya membutuhkan inovasi baru. Konten kreasi adalah salah satu “aplikasi pembunuh” AI, dan saya perkirakan akan muncul banyak produk sukses dari berbagai kelompok pengguna—dari pembuat meme hingga sutradara Hollywood. Jason Cui: Tumpukan data asli AI akan terus berinovasi Dalam satu tahun terakhir, “tumpukan data modern” semakin terintegrasi. Perusahaan data bergerak dari modul layanan pengumpulan, konversi, dan komputasi menjadi platform terpadu dan bundel )seperti penggabungan Fivetran/dbt, ekspansi Databricks(. Meskipun ekosistem menjadi lebih matang, kita masih berada dalam tahap awal pengembangan arsitektur data yang benar-benar asli AI…