a16z „Wielkie pomysły na 2026 rok: Część druga”

Oprogramowanie pochłonęło świat. Teraz popchnie świat do przodu.

Autor: a16z New Media

Tłumaczenie: Block unicorn

Wczoraj podzieliliśmy się pierwszą częścią serii „Wielkie idee”, która obejmowała wyzwania, z jakimi według naszych partnerów z zespołów infrastruktury, wzrostu, bio + zdrowia oraz Speedrun będą musiały zmierzyć się startupy do 2026 roku.

Dziś kontynuujemy drugą część tej serii, zawierającą wkład zespołów American Dynamism (specjalny zespół inwestycyjny a16z utworzony w 2021 roku) oraz zespołu aplikacji.

American Dynamism

David Ulevitch: Budowa przemysłowej infrastruktury natywnej dla sztucznej inteligencji

Stany Zjednoczone odbudowują te elementy gospodarki, które naprawdę nadają krajowi siłę. Energia, produkcja, logistyka i infrastruktura ponownie znalazły się w centrum uwagi, a najważniejszą zmianą jest powstanie przemysłowej infrastruktury natywnej dla sztucznej inteligencji, z priorytetem dla oprogramowania. Firmy te zaczynają od symulacji, projektowania zautomatyzowanego i operacji napędzanych przez AI. Nie modernizują przeszłości, lecz budują przyszłość.

To otwiera ogromne możliwości w takich dziedzinach jak zaawansowane systemy energetyczne, produkcja ciężkich robotów, nowa generacja górnictwa, procesy biologiczne i enzymatyczne (produkcja prekursorów chemicznych niezbędnych w wielu branżach). Sztuczna inteligencja może projektować czystsze reaktory, optymalizować wydobycie, projektować lepsze enzymy i koordynować autonomiczne klastry maszyn z wnikliwością nieosiągalną dla tradycyjnych operatorów.

Podobna transformacja przekształca świat poza fabrykami. Autonomiczne czujniki, drony i nowoczesne modele AI mogą teraz stale monitorować porty, linie kolejowe, linie energetyczne, rurociągi, bazy wojskowe, centra danych i inne kluczowe systemy, które kiedyś były zbyt rozległe, by je w pełni zarządzać.

Rzeczywisty świat potrzebuje nowego oprogramowania. Założyciele, którzy je stworzą, ukształtują dobrobyt Ameryki na następne stulecie.

Erin Price-Wright: Renesans amerykańskich fabryk

Pierwsze wielkie stulecie Ameryki zbudowano na potędze przemysłowej, ale jak powszechnie wiadomo, większość tej siły została utracona — częściowo z powodu offshoringu, częściowo z powodu celowego braku inwestycji społecznych. Jednak zardzewiałe maszyny znów zaczynają pracować, a my jesteśmy świadkami renesansu amerykańskich fabryk, których sercem są oprogramowanie i sztuczna inteligencja.

Uważam, że do 2026 roku firmy będą podchodzić do wyzwań w energetyce, górnictwie, budownictwie i produkcji z myśleniem fabrycznym. Oznacza to łączenie AI i automatyzacji z wykwalifikowanymi pracownikami technicznymi, aby złożone, niestandardowe procesy działały tak wydajnie jak linia montażowa. W szczególności obejmuje to:

• Szybkie i powtarzalne radzenie sobie ze złożonymi przepisami i procesami uzyskiwania pozwoleń
• Przyspieszanie cykli projektowych i projektowanie pod kątem produkcji już od samego początku
• Lepsze zarządzanie koordynacją dużych projektów
• Wdrażanie autonomicznych systemów do przyspieszania zadań trudnych lub niebezpiecznych dla ludzi 

Stosując techniki opracowane przez Henry'ego Forda sto lat temu — planując skalę i powtarzalność od samego początku oraz integrując najnowsze osiągnięcia AI — wkrótce osiągniemy masową produkcję reaktorów jądrowych, budowę mieszkań na skalę krajową, błyskawiczną budowę centrów danych i wkroczymy w nową złotą erę potęgi przemysłowej. Jak powiedział Elon Musk: „Fabryka to produkt”.

Zabie Elmgren: Kolejna fala obserwowalności będzie fizyczna, nie cyfrowa

W ostatniej dekadzie obserwowalność oprogramowania zmieniła sposób monitorowania systemów cyfrowych, czyniąc bazy kodu i serwery przejrzystymi dzięki logom, metrykom i śledzeniu. Podobna transformacja nadchodzi w świecie fizycznym.

Wraz z wdrożeniem ponad miliarda połączonych kamer i czujników w amerykańskich miastach, fizyczna obserwowalność — czyli możliwość poznania w czasie rzeczywistym stanu miast, sieci energetycznych i innej infrastruktury — staje się zarówno pilna, jak i wykonalna. Ta nowa warstwa percepcji napędzi także kolejną granicę rozwoju robotyki i technologii autonomicznych, gdy maszyny będą polegać na uniwersalnych ramach czyniących świat fizyczny tak samo obserwowalnym jak kod.

Oczywiście ta transformacja niesie ze sobą realne ryzyka: narzędzia wykrywające pożary lasów lub zapobiegające wypadkom na budowie mogą również wywołać dystopijne koszmary. Zwycięzcami kolejnej fali będą ci, którzy zdobędą zaufanie społeczne, budując systemy chroniące prywatność, interoperacyjne, natywnie wspierające AI, podnosząc przejrzystość społeczną bez naruszania wolności. Kto zbuduje takie zaufane ramy, ten zdefiniuje kierunek obserwowalności na następne dziesięciolecie.

Ryan McEntush: Architektura przemysłu elektronicznego zmieni świat

Następna rewolucja przemysłowa wydarzy się nie tylko w fabrykach, ale także wewnątrz maszyn, które je napędzają.

Oprogramowanie całkowicie zmieniło nasze myślenie, projektowanie i komunikację. Teraz zmienia sposób, w jaki się poruszamy, budujemy i produkujemy. Postępy w elektryfikacji, materiałach i AI łączą się, umożliwiając oprogramowaniu prawdziwą kontrolę nad światem fizycznym. Maszyny zaczynają postrzegać, uczyć się i działać autonomicznie.

To właśnie wzrost stosu przemysłu elektronicznego — zintegrowanej technologii napędzającej pojazdy elektryczne, drony, centra danych i nowoczesny przemysł. Łączy on atomy napędzające świat z bitami go kontrolującymi: od minerałów rafinowanych na komponenty, energii magazynowanej w bateriach, energii elektrycznej kontrolowanej przez elektronikę, ruchu realizowanego przez precyzyjne silniki — wszystko to koordynowane przez oprogramowanie. To niewidzialna podstawa każdego przełomu w automatyzacji fizycznej; decyduje, czy oprogramowanie tylko zamawia taksówkę, czy naprawdę trzyma kierownicę.

Jednak od rafinacji kluczowych materiałów po produkcję zaawansowanych chipów, zdolność budowy tego stosu zanika. Jeśli USA chce przewodzić kolejnej erze przemysłowej, musi produkować sprzęt, który ją podtrzyma. Państwa, które opanują stos przemysłu elektronicznego, zdefiniują przyszłość technologii przemysłowej i wojskowej.

Oprogramowanie pochłonęło świat. Teraz popchnie świat do przodu.

Oliver Hsu: Autonomiczne laboratoria przyspieszają odkrycia naukowe

Wraz z postępem modeli multimodalnych i ciągłym rozwojem robotyki, zespoły przyspieszą autonomiczne odkrycia naukowe. Te równoległe technologie zrodzą autonomiczne laboratoria zamykające pętlę odkryć naukowych — od formułowania hipotez, przez projektowanie i realizację eksperymentów, po wnioskowanie, analizę wyników i iterację przyszłych kierunków badań. Zespoły budujące te laboratoria będą interdyscyplinarne, integrując wiedzę z AI, robotyki, nauk fizycznych i przyrodniczych, produkcji, operacji, umożliwiając nieprzerwane eksperymenty i odkrycia w laboratoriach bezobsługowych.

Will Bitsky: Podróż danych w kluczowych branżach

W 2025 roku duch czasu AI będzie definiowany przez ograniczenia zasobów obliczeniowych i budowę centrów danych. W 2026 roku zdefiniują go ograniczenia zasobów danych i kolejna granica podróży danych — nasze kluczowe branże.

Nasze kluczowe branże wciąż są skarbnicą potencjalnych, nieustrukturyzowanych danych. Każdy wyjazd ciężarówki, każdy odczyt licznika, każda praca konserwacyjna, każda operacja produkcyjna, każdy montaż, każdy test — to materiał do treningu modeli. Jednak terminy takie jak pozyskiwanie danych, etykietowanie czy trening modeli nie są powszechne w przemyśle.

Popyt na takie dane jest nieustanny. Firmy takie jak Scale, Mercor i laboratoria badawcze AI niestrudzenie zbierają dane procesowe (nie tylko „co zrobiono”, ale „jak to zrobiono”). Płacą wysokie ceny za każde „dane z fabryk potu”.

Firmy przemysłowe posiadające istniejącą infrastrukturę fizyczną i siłę roboczą mają przewagę w pozyskiwaniu danych i zaczną ją wykorzystywać. Ich operacje generują ogromne ilości danych, które można pozyskać niemal bez kosztów krańcowych i wykorzystać do trenowania własnych modeli lub licencjonowania ich stronom trzecim.

Możemy się też spodziewać, że pojawią się startupy oferujące pomoc. Startupy dostarczą skoordynowany stos: narzędzia programowe do zbierania, etykietowania i licencjonowania; sprzęt czujnikowy i zestawy SDK; środowiska uczenia ze wzmocnieniem (RL) i pipeline’y treningowe; a w końcu także własne inteligentne maszyny.

Zespół aplikacji (Apps)

David Haber: Sztuczna inteligencja wzmacnia modele biznesowe

Najlepsze startupy AI nie tylko automatyzują zadania; wzmacniają ekonomiczne korzyści klientów. Na przykład w prawie opartym na podziale wygranej, kancelarie zarabiają tylko w przypadku wygranej. Firmy takie jak Eve wykorzystują własne dane wynikowe do przewidywania szans na sukces sprawy, pomagając kancelariom wybierać lepsze sprawy, obsługiwać więcej klientów i zwiększać wskaźnik wygranych.

Sztuczna inteligencja sama w sobie wzmacnia modele biznesowe. Nie tylko obniża koszty, ale generuje większe przychody. Do 2026 roku zobaczymy, jak ta logika rozszerza się na kolejne branże, gdy systemy AI będą głębiej zintegrowane z mechanizmami motywacyjnymi klientów i tworzyć przewagi złożone, nieosiągalne dla tradycyjnego oprogramowania.

Anish Acharya: ChatGPT stanie się sklepem z aplikacjami AI

Cykl życia produktów konsumenckich wymaga trzech elementów do sukcesu: nowej technologii, nowych zachowań konsumentów i nowych kanałów dystrybucji.

Do niedawna fala AI spełniała dwa pierwsze warunki, ale brakowało nowego natywnego kanału dystrybucji. Większość produktów rozwijała się dzięki istniejącym sieciom, takim jak X, lub marketingowi szeptanemu.

Jednak dzięki wydaniu OpenAI Apps SDK, wsparciu Apple dla miniaplikacji oraz wprowadzeniu funkcji czatu grupowego w ChatGPT, deweloperzy konsumenccy mogą teraz bezpośrednio korzystać z bazy 900 milionów użytkowników ChatGPT i rozwijać się dzięki nowym sieciom miniaplikacji, takim jak Wabi. Jako ostatni element cyklu życia produktu konsumenckiego, ten nowy kanał dystrybucji może w 2026 roku zapoczątkować dekadę złotej gorączki w konsumenckiej technologii. Ignoruj to na własne ryzyko.

Olivia Moore: Agenci głosowi zaczynają odgrywać ważną rolę

W ciągu ostatnich 18 miesięcy wizja agentów AI obsługujących rzeczywiste interakcje dla firm przeszła z science fiction do rzeczywistości. Tysiące firm, od małych po duże, korzysta z AI głosowej do umawiania wizyt, rezerwacji, przeprowadzania ankiet, zbierania informacji o klientach i nie tylko. Agenci ci nie tylko oszczędzają firmom koszty i generują dodatkowe przychody, ale także pozwalają pracownikom skupić się na bardziej wartościowych — i ciekawszych — zadaniach.

Ponieważ jednak ta dziedzina jest wciąż na wczesnym etapie, wiele firm pozostaje na etapie „głos jako punkt wejścia”, oferując tylko jeden lub kilka rodzajów połączeń jako pojedyncze rozwiązanie. Cieszę się, że asystenci głosowi będą mogli rozszerzyć się na obsługę całych przepływów pracy (być może multimodalnych), a nawet zarządzanie pełnym cyklem relacji z klientem.

Prawdopodobnie oznacza to, że agenci będą głębiej zintegrowani z systemami biznesowymi i otrzymają swobodę obsługi bardziej złożonych interakcji. Wraz z ciągłym ulepszaniem modeli bazowych — dziś agenci mogą wywoływać narzędzia i działać między różnymi systemami — każda firma powinna wdrożyć produkty AI z priorytetem głosu i wykorzystać je do optymalizacji kluczowych obszarów działalności.

Marc Andrusko: Nadchodzą proaktywne aplikacje bez promptów

W 2026 roku główni użytkownicy pożegnają się z oknami promptów. Następna generacja aplikacji AI nie będzie wyświetlać promptów — będą obserwować twoje działania i proaktywnie sugerować kolejne kroki. Twoje IDE zasugeruje refaktoryzację zanim o to poprosisz. Twój CRM automatycznie wygeneruje e-mail po zakończeniu rozmowy. Twoje narzędzie projektowe stworzy różne warianty podczas pracy. Interfejs czatu to tylko narzędzie pomocnicze. Teraz AI stanie się niewidzialnym rusztowaniem każdego przepływu pracy, aktywowanym przez intencje użytkownika, a nie polecenia.

Angela Strange: AI ostatecznie zmodernizuje infrastrukturę bankową i ubezpieczeniową

Wiele banków i firm ubezpieczeniowych zintegrowało już funkcje AI, takie jak import dokumentów czy agenci głosowi, z tradycyjnymi systemami, ale tylko przebudowa infrastruktury pod AI naprawdę zmieni sektor usług finansowych.

Do 2026 roku ryzyko niezdążenia z modernizacją i pełnym wykorzystaniem AI przewyższy ryzyko porażki, a zobaczymy duże instytucje finansowe rezygnujące z umów z tradycyjnymi dostawcami na rzecz nowszych, natywnych dla AI rozwiązań. Firmy te uwolnią się od dawnych podziałów, stając się platformami, które centralizują, normalizują i wzbogacają dane z tradycyjnych systemów i źródeł zewnętrznych.

Jakie będą efekty?

• Przepływy pracy zostaną znacząco uproszczone i zrównoleglone. Koniec z przełączaniem się między systemami i ekranami. Wyobraź sobie: możesz w systemie LOS zobaczyć i obsłużyć setki zadań naraz, a agent wykona najbardziej żmudne z nich.
• Znane nam kategorie połączą się w większe. Na przykład dane KYC, otwierania kont i monitorowania transakcji mogą być zintegrowane na jednej platformie ryzyka.
• Zwycięzcy tych nowych kategorii będą 10 razy więksi niż tradycyjne firmy: zakres kategorii się powiększył, a rynek oprogramowania pochłania siłę roboczą.

Przyszłość usług finansowych to nie AI nakładana na stare systemy, lecz budowa całkowicie nowego systemu operacyjnego opartego na AI.

Joe Schmidt: Proaktywne strategie przyniosą AI do 99% firm

Sztuczna inteligencja to najbardziej ekscytujący przełom technologiczny naszego życia. Jednak dotychczas większość korzyści z nowych startupów trafiła do 1% firm z Doliny Krzemowej — tych rzeczywiście z Bay Area lub będących częścią jej rozległej sieci. To zrozumiałe: przedsiębiorcy chcą sprzedawać produkty firmom, które znają i do których mają łatwy dostęp, czy to osobiście, czy przez inwestorów z zarządu.

Do 2026 roku to się radykalnie zmieni. Firmy zrozumieją, że większość szans AI leży poza Doliną Krzemową, a nowe startupy wykorzystają proaktywne strategie, by odkryć więcej możliwości ukrytych w dużych, tradycyjnych branżach wertykalnych. W tradycyjnych branżach doradczych i usługowych (np. integratorzy systemów i firmy wdrożeniowe) oraz w powolniejszych branżach, takich jak produkcja, AI kryje ogromny potencjał.

Seema Amble: AI tworzy nowe warstwy koordynacji i role w firmach z listy Fortune 500

Do 2026 roku firmy przejdą od odizolowanych narzędzi AI do systemów wieloagentowych, które muszą działać jak skoordynowane zespoły cyfrowe. Gdy agenci zaczną zarządzać złożonymi, współzależnymi przepływami pracy (np. wspólne planowanie, analiza i realizacja), firmy będą musiały na nowo przemyśleć strukturę pracy i przepływ kontekstu między systemami. Już teraz firmy takie jak AskLio i HappyRobot przechodzą tę transformację, wdrażając agentów w całych procesach, a nie tylko do pojedynczych zadań.

Firmy z listy Fortune 500 odczują tę zmianę najgłębiej: mają największe zasoby rozproszonych danych, wiedzy instytucjonalnej i złożoności operacyjnej, z których większość istnieje w głowach pracowników. Przekształcenie tych informacji w wspólną bazę dla autonomicznych pracowników uwolni szybsze decyzje, krótsze cykle i procesy end-to-end bez ciągłego mikrozarządzania przez ludzi.

Ta zmiana zmusi liderów do przemyślenia ról i oprogramowania. Pojawią się nowe funkcje, takie jak projektant przepływów pracy AI, menedżer agentów oraz osoby odpowiedzialne za koordynację i nadzór nad współpracą cyfrowych pracowników. Oprócz istniejących systemów ewidencyjnych firmy będą potrzebować systemów koordynacyjnych: nowych warstw do zarządzania interakcjami agentów, oceniania kontekstu i zapewniania niezawodności autonomicznych przepływów pracy. Ludzie skupią się na rozwiązywaniu problemów brzegowych i najbardziej złożonych przypadków. Wzrost systemów wieloagentowych to nie tylko kolejny krok w automatyzacji; to rekonstrukcja sposobu działania firm, podejmowania decyzji i tworzenia wartości.

Bryan Kim: Konsumencka AI przechodzi od „pomóż mi” do „poznaj mnie”

Rok 2026 będzie przełomem, gdy funkcje mainstreamowych produktów AI dla konsumentów przesuną się z podnoszenia produktywności na wzmacnianie relacji międzyludzkich. AI nie będzie już tylko pomagać ci w pracy, ale pozwoli lepiej poznać siebie i budować silniejsze więzi z innymi.

Jasne jest, że to niełatwe. Wiele produktów AI społecznościowych już powstało, ale ostatecznie upadło. Jednak dzięki multimodalnym oknom kontekstowym i spadającym kosztom inferencji, produkty AI mogą teraz uczyć się z każdego aspektu twojego życia, a nie tylko z tego, co powiesz chatbotowi. Wyobraź sobie, że twoja galeria zdjęć pokazuje prawdziwe emocje, wiadomości 1:1 i grupowe zmieniają się w zależności od rozmówcy, a twoje codzienne nawyki zmieniają się pod wpływem stresu.

Kiedy te produkty naprawdę się pojawią, staną się częścią codziennego życia. Ogólnie rzecz biorąc, produkty typu „poznaj mnie” mają lepsze mechanizmy retencji użytkowników niż produkty typu „pomóż mi”. Te pierwsze zarabiają na codziennych interakcjach (niższa skłonność do płacenia, ale wyższa retencja), te drugie — na wysokiej skłonności do płacenia za konkretne zadania i starają się zwiększać retencję.

Ludzie zawsze wymieniali dane na wartość: pytanie, czy otrzymują wystarczającą korzyść. Odpowiedź poznamy już wkrótce.

Kimberly Tan: Nowe prymitywy modeli rodzą bezprecedensowe firmy

Do 2026 roku zobaczymy powstanie firm, które nie mogłyby istnieć przed przełomami w inferencji, multimodalności i zastosowaniach komputerowych. Dotychczas wiele branż (np. prawo czy obsługa klienta) wykorzystywało ulepszoną inferencję do wzmacniania istniejących produktów. Teraz dopiero zaczynamy widzieć firmy, których kluczowe funkcje produktu fundamentalnie opierają się na tych nowych prymitywach modeli.

Postęp w inferencji może stworzyć nowe możliwości, np. ocenę złożonych roszczeń finansowych lub działania na podstawie gęstych badań akademickich czy analitycznych (np. rozstrzyganie sporów rachunkowych). Modele multimodalne umożliwiają wydobywanie ukrytych danych wideo ze świata fizycznego (np. z kamer w zakładach produkcyjnych). Zastosowania komputerowe umożliwiają automatyzację dużych branż, których wartość była dotąd ograniczana przez oprogramowanie desktopowe, słabe API i rozdrobnione przepływy pracy.

James da Costa: Startupy AI skalują się, sprzedając produkty innym startupom AI

Jesteśmy świadkami bezprecedensowej fali zakładania firm, napędzanej obecnym cyklem produktów AI. W przeciwieństwie do poprzednich cykli, istniejące firmy nie stoją z boku; one także aktywnie wdrażają AI. Jak więc startupy mogą wygrać?

Jednym z najskuteczniejszych i najbardziej niedocenianych sposobów na wyprzedzenie istniejących firm w dystrybucji jest obsługa nowych firm od samego początku: czyli tych, które dopiero powstają (tzw. greenfield companies). Jeśli przyciągniesz wszystkie nowo powstałe firmy i będziesz z nimi rosnąć, wraz z rozwojem klientów sam staniesz się dużą firmą. Stripe, Deel, Mercury, Ramp — wszystkie podążały tą ścieżką. W rzeczywistości wielu klientów Stripe nie istniało, gdy Stripe powstawał.

W 2026 roku zobaczymy, jak startupy zakładane od zera skalują się w wielu dziedzinach oprogramowania dla firm. Muszą tylko stworzyć lepszy produkt i w pełni skoncentrować się na nowych klientach, których nie ograniczają dotychczasowi dostawcy.