a16z Big Ideas 2026: 에이전트 네이티브 인프라, 버티컬 AI 멀티플레이어, 그리고 '나'의 해

a16z가 매년 전망하는 테크 트렌드

투자자로서 우리의 역할은 기술 산업의 모든 구석구석을 깊이 파고들어 다음 흐름이 어디로 향할지 이해하는 것입니다. 그래서 매년 12월, 우리는 투자 팀에게 다가올 한 해 동안 기술 빌더들이 도전하게 될 하나의 거대한 아이디어를 공유해 달라고 요청합니다.

스타트업, 멀티모달 데이터의 혼돈을 길들이다

비정형 멀티모달 데이터는 기업들에게 가장 큰 병목 현상이자 아직 활용되지 않은 거대한 보물입니다. 모든 기업은 PDF, 스크린샷, 비디오, 로그, 이메일, 그리고 반정형 데이터의 늪에 빠져 있습니다. 모델은 계속 똑똑해지고 있지만 입력 데이터는 점점 더 지저분해지고 있으며, 이로 인해 RAG 시스템은 환각을 일으키고, 에이전트는 미묘하고 비용이 많이 드는 방식으로 오류를 범하며, 중요한 워크플로우는 여전히 인간의 품질 검수(QA)에 크게 의존하고 있습니다. AI 기업의 제한 요소는 이제 '데이터 엔트로피'입니다. 즉, 기업 지식의 80%가 저장되어 있는 비정형 세계 내에서 데이터의 신선도, 구조화, 진실성이 꾸준히 붕괴되는 현상을 말합니다. 문서, 이미지, 비디오에서 구조를 추출하는 플랫폼을 구축하는 스타트업이 기업 지식과 프로세스라는 왕국의 열쇠를 쥐게 될 것입니다.

에이전트 네이티브 인프라가 기본 사양이 되다

2026년의 가장 큰 인프라 충격은 외부 기업이 아닌 내부에서 발생할 것입니다. 우리는 예측 가능하고 동시 접속 수가 낮은 '인간 속도'의 트래픽에서, 재귀적이고 폭발적이며 대규모인 '에이전트 속도'의 워크로드로 전환하고 있습니다. 오늘날의 기업 백엔드는 인간의 행동과 시스템의 응답이 1:1로 이루어지는 비율에 맞춰 구축되었습니다. 단 하나의 에이전트 '목표'가 밀리초 단위로 5,000개의 하위 작업, 데이터베이스 쿼리, 내부 API 호출을 재귀적으로 확산시키는 구조에는 설계되어 있지 않습니다. 에이전트가 코드베이스를 리팩토링하거나 보안 로그를 수정하려고 시도할 때, 이는 사용자처럼 보이지 않습니다. 레거시 데이터베이스나 속도 제한기(rate-limiter) 입장에서 이는 DDoS 공격처럼 보일 뿐입니다. 2026년에 에이전트를 위해 구축한다는 것은 제어 평면(control plane)을 재설계하는 것을 의미합니다.

기록 시스템(Systems of Record)의 지위 하락

2026년 기업용 소프트웨어의 진정한 파괴적 혁신은 기록 시스템(system of record)이 마침내 그 주도권을 잃기 시작한다는 점입니다. AI는 의도와 실행 사이의 거리를 좁히고 있습니다. 모델은 이제 운영 데이터 전반에서 직접 읽고, 쓰고, 추론할 수 있으며, 이를 통해 ITSM 및 CRM 시스템을 수동적인 데이터베이스에서 자율적인 워크플로우 엔진으로 탈바꿈시킵니다. 인터페이스는 역동적인 에이전트 레이어가 되는 반면, 전통적인 기록 시스템은 단순한 데이터 저장 계층으로 밀려나며 배경으로 물러나게 됩니다. 즉, 직원이 실제로 사용하는 지능형 실행 환경을 제어하는 쪽이 전략적 레버리지를 가져가게 될 것입니다.

정보 검색과 추론을 넘어 멀티플레이어로 진화하는 버티컬 AI

AI는 버티컬 소프트웨어의 전례 없는 성장을 이끌어냈습니다. 헬스케어, 법률, 주거 관련 기업들은 몇 년 만에 1억 달러 이상의 ARR(연간 반복 매출)을 달성했으며, 금융 및 회계 분야가 그 뒤를 바짝 쫓고 있습니다. 이러한 진화는 먼저 정보 검색 단계로 시작되었습니다. 2025년은 추론의 해였습니다. Hebbia는 재무제표를 분석하고 모델을 구축하며, Basis는 시스템 간의 시산표를 조정하고, EliseAI는 유지보수 문제를 진단합니다. 2026년은 '멀티플레이어 모드'를 열어줄 것입니다. 버티컬 소프트웨어는 도메인 특화 인터페이스, 데이터 및 통합의 혜택을 받습니다. 하지만 버티컬 업무는 본질적으로 다자간 협업을 필요로 합니다. 에이전트가 노동력을 대변하게 된다면, 그들은 서로 협업해야 합니다. 구매자와 판매자부터 임차인, 고문, 공급업체에 이르기까지 각 당사자는 버티컬 소프트웨어만이 이해할 수 있는 고유한 권한, 워크플로우 및 컴플라이언스 요구 사항을 가지고 있습니다. 다수의 인간과 다수의 에이전트 간의 협업을 통해 가치가 증가할 때 전환 비용도 상승합니다. 여기서 우리는 그동안 AI 애플리케이션이 달성하지 못했던 네트워크 효과를 보게 될 것입니다. 즉, 협업 레이어가 곧 해자(moat)가 되는 것입니다.

인간이 아닌 에이전트를 위한 설계

2026년에는 사람들이 에이전트를 통해 웹과 상호작용하기 시작할 것입니다. 그리고 인간의 소비에 중요했던 요소들은 에이전트의 소비에는 더 이상 중요하지 않게 될 것입니다. 지난 수년간 우리는 예측 가능한 인간의 행동에 최적화해 왔습니다. 구글 검색 순위를 높이고, 아마존의 상단에 노출되며, 요약(TL;DR)을 앞세우는 방식입니다. 인간은 5페이지에 묻혀 있는 매우 관련성 높고 통찰력 있는 문장을 놓칠 수 있지만, 에이전트는 그렇지 않습니다. 에이전트가 검색과 해석을 담당하게 됨에 따라 시각적 디자인은 이해의 중심에서 멀어질 것입니다. 엔지니어가 Grafana 대시보드를 응시하는 대신, AI SRE가 텔레메트리를 해석하고 Slack에 통찰을 게시할 수 있습니다. 영업팀이 CRM을 샅샅이 뒤지는 대신, 에이전트가 패턴과 요약을 자동으로 제시할 수 있습니다. 우리는 더 이상 인간을 위해 설계하는 것이 아니라, 에이전트를 위해 설계하고 있습니다.

AI 애플리케이션에서 스크린 타임 KPI의 종말

지난 15년 동안 스크린 타임은 소비자 및 비즈니스 애플리케이션 모두에서 가치 전달을 나타내는 가장 좋은 지표였습니다. 하지만 공급업체와 사용자 간의 인센티브를 완벽하게 일치시키는 결과 기반 과금(outcome-based pricing) 체계로 이동함에 따라, 우리는 가장 먼저 스크린 타임 보고 방식에서 벗어나게 될 것입니다. 우리는 이미 실무에서 이를 목격하고 있습니다. ChatGPT의 DeepResearch가 거의 스크린 타임을 사용하지 않으면서도 엄청난 가치를 창출하는 경우, Abridge가 환자와 의료진의 대화를 캡처하여 후속 활동을 자동화할 때 의사가 화면을 거의 보지 않는 경우, Cursor가 엔드 투 엔드로 전체 애플리케이션을 개발할 때 엔지니어는 다음 기능 개발 주기를 계획하고 있는 경우 등이 그 예입니다. 이는 독특한 과제를 던져줍니다. 애플리케이션이 사용자당 얼마를 청구할 수 있는지를 결정하기 위해서는 ROI를 측정하는 더 복잡한 방법이 필요해질 것입니다.

'나'의 해

2026년은 '나의 해'가 될 것입니다. 제품이 대량 생산되는 것을 멈추고 오직 당신만을 위해 만들어지기 시작하는 순간입니다. 교육 분야에서는 Alphaschool과 같은 스타트업이 각 학생의 속도와 호기심에 맞춰 적응하는 AI 튜터를 구축하여, 모든 아이에게 각자의 속도와 선호하는 학습 방식에 맞는 교육을 제공하고 있습니다. 이전에는 학생 한 명당 수만 달러의 과외비를 지출하지 않고서는 불가능했을 수준의 세심한 케어입니다. 헬스케어에서는 AI가 당신의 생물학적 특성에 맞춘 일일 영양제 조합, 운동 계획, 식단 루틴을 설계합니다. 미디어 분야에서조차 AI는 크리에이터가 뉴스, 쇼, 이야기를 자신의 정확한 관심사와 톤에 맞는 개인화된 피드로 리믹스할 수 있게 해줍니다. 지난 세기의 거대 기업들은 평균적인 소비자를 찾아냄으로써 승리했습니다. 다음 세기의 거대 기업들은 평균 속에서 개별적인 개인을 찾아냄으로써 승리할 것입니다.