a16z prevede che nel 2026 verranno annunciate per prime quattro grandi tendenze

Titolo originale: Big Ideas 2026: Parte 1
Autore originale: a16z New Media
Traduzione: Peggy, BlockBeats

Sommario: Nell'ultimo anno, le svolte dell'AI si sono spostate dalle capacità dei modelli alle capacità di sistema: comprensione di sequenze temporali lunghe, mantenimento della coerenza, esecuzione di compiti complessi, collaborazione con altri agenti intelligenti. Di conseguenza, il focus dell'aggiornamento industriale si è spostato dall'innovazione puntuale alla ridefinizione dell'infrastruttura, dei flussi di lavoro e delle modalità di interazione con l'utente.

Nell'annuale "Big Ideas 2026", i quattro team di investimento di a16z hanno fornito insight chiave per il 2026 da quattro prospettive: infrastruttura, crescita, salute e mondi interattivi.

In sostanza, delineano insieme una tendenza: l'AI non è più uno strumento, ma un ambiente, un sistema, un soggetto d'azione parallelo all'uomo.

Di seguito le valutazioni dei quattro team sui cambiamenti strutturali previsti per il 2026:

Come investitori, il nostro lavoro è esplorare ogni angolo dell'industria tecnologica, comprenderne le dinamiche operative e prevedere la prossima direzione evolutiva. Per questo, ogni dicembre invitiamo i nostri team di investimento a condividere quella che ritengono sarà la "grande idea" che gli imprenditori tecnologici dovranno affrontare l'anno successivo.

Oggi presentiamo le opinioni dei team Infrastructure, Growth, Bio + Health e Speedrun. Le opinioni degli altri team saranno pubblicate domani, restate sintonizzati.

Team Infrastructure

Jennifer Li: Le startup domeranno il "caos" dei dati multimodali

I dati non strutturati e multimodali sono sempre stati il più grande collo di bottiglia per le aziende, nonché il più grande tesoro ancora da sfruttare. Ogni azienda è sommersa da PDF, screenshot, video, log, email e una varietà di "fanghi di dati" semi-strutturati. I modelli diventano sempre più intelligenti, ma gli input sempre più caotici—questo porta i sistemi RAG a generare allucinazioni, fa sì che gli agenti intelligenti commettano errori sottili e costosi, e mantiene i flussi di lavoro critici ancora fortemente dipendenti dal controllo qualità umano.

Oggi, il vero fattore limitante per le aziende AI è l'entropia dei dati: in un mondo non strutturato che contiene l'80% della conoscenza aziendale, freschezza, struttura e veridicità sono in costante declino.

Proprio per questo, sciogliere il "groviglio" dei dati non strutturati sta diventando un'opportunità imprenditoriale generazionale. Le aziende hanno bisogno di un metodo continuo per pulire, strutturare, verificare e governare i propri dati multimodali, così che i carichi di lavoro AI a valle possano davvero funzionare. Le applicazioni sono ovunque: analisi dei contratti, onboarding degli utenti, gestione dei sinistri, compliance, customer service, procurement, ricerca ingegneristica, abilitazione alle vendite, pipeline di analisi e tutti i flussi di lavoro degli agenti che dipendono da un contesto affidabile.

Le startup di piattaforma in grado di estrarre struttura da documenti, immagini e video, armonizzare conflitti, riparare pipeline di dati e mantenere i dati freschi e ricercabili, avranno in mano la "chiave del regno" della conoscenza e dei processi aziendali.

Joel de la Garza: L'AI rimodellerà il dilemma del recruiting nei team di cybersecurity

Nell'ultimo decennio, il problema più spinoso per i CISO è stato il recruiting. Dal 2013 al 2021, il gap globale di posizioni nella cybersecurity è salito da meno di 1 milione a 3 milioni. Il motivo è che i team di sicurezza hanno bisogno di talenti tecnici altamente specializzati, ma li impiegano in compiti di sicurezza di primo livello estenuanti, come l'analisi dei log, che quasi nessuno vuole svolgere.

La radice più profonda del problema è che i team di cybersecurity si sono creati da soli questi lavori ingrati. Comprano strumenti che "rilevano tutto senza distinzione", quindi il team deve "verificare tutto"—questo genera una "carenza di manodopera" artificiale e un circolo vizioso.

Nel 2026, l'AI spezzerà questo ciclo, automatizzando la maggior parte dei compiti ripetitivi e ridondanti, riducendo significativamente il gap di talenti. Chiunque abbia lavorato in un grande team di sicurezza sa che metà del lavoro potrebbe essere automatizzato; il problema è che, quando sei sommerso dal lavoro ogni giorno, non hai il tempo di pensare a cosa automatizzare. I veri strumenti nativi AI faranno questo per i team di sicurezza, permettendo loro di concentrarsi finalmente su ciò che vogliono davvero fare: tracciare gli attaccanti, costruire sistemi, correggere vulnerabilità.

Malika Aubakirova: L'infrastruttura nativa per agenti diventerà "standard"

Il più grande sconvolgimento infrastrutturale del 2026 non verrà dall'esterno, ma dall'interno. Stiamo passando da un traffico "a velocità umana, bassa concorrenza, prevedibile" a carichi di lavoro "a velocità di agente, ricorsivi, esplosivi, massivi".

Il backend aziendale attuale è progettato per un rapporto 1:1 tra "azione umana e risposta del sistema". Non è adatto a gestire una tempesta ricorsiva di millisecondi in cui un singolo "obiettivo" di un agente genera 5000 sottocompiti, query di database e chiamate API interne. Quando un agente tenta di rifattorizzare una codebase o correggere log di sicurezza, non si comporta come un utente; per database tradizionali o rate limiter, assomiglia più a un attacco DDoS.

Per costruire sistemi per i carichi di lavoro degli agenti del 2026, bisogna riprogettare il control plane. L'infrastruttura "agent-native" inizierà a emergere. I nuovi sistemi dovranno considerare l'"effetto thundering herd" come stato predefinito. Il cold start dovrà essere ridotto, la latenza stabilizzata, e il limite di concorrenza aumentato di ordini di grandezza.

Il vero collo di bottiglia si sposterà sulla coordinazione stessa: routing, controllo dei lock, gestione dello stato ed esecuzione delle policy nell'esecuzione parallela su larga scala. Solo le piattaforme che sopravvivranno al diluvio di chiamate agli strumenti saranno i veri vincitori.

Justine Moore: Gli strumenti creativi diventeranno completamente multimodali

Abbiamo già i componenti di base per raccontare storie con l'AI: generazione di voce, musica, immagini e video. Ma finché il contenuto non è solo una breve clip, ottenere un controllo simile a quello di un regista resta lungo, doloroso e a volte impossibile.

Perché non possiamo far sì che un modello riceva un video di 30 secondi, usi immagini e suoni di riferimento forniti da noi per creare un nuovo personaggio e continui a girare la stessa scena? Perché non possiamo far sì che il modello "rigiri" da una nuova angolazione, o faccia corrispondere le azioni a un video di riferimento?

Il 2026 sarà l'anno in cui l'AI realizzerà davvero la creazione multimodale. Gli utenti potranno fornire qualsiasi tipo di contenuto di riferimento al modello, generare insieme nuove opere o modificare scene esistenti.

Abbiamo già visto i primi prodotti, come Kling O1 e Runway Aleph, ma è solo l'inizio—servono nuove innovazioni sia a livello di modello che di applicazione.

La creazione di contenuti è una delle "killer application" dell'AI, e mi aspetto che emergeranno molti prodotti di successo per diversi gruppi di utenti—dai creatori di meme ai registi di Hollywood.

Jason Cui: Lo stack dati nativo AI continuerà a evolversi

Nell'ultimo anno, il "moderno stack dati" si è chiaramente integrato. Le aziende di dati stanno passando da servizi modulari di raccolta, trasformazione e calcolo a piattaforme unificate (come la fusione Fivetran/dbt, l'espansione di Databricks).

Nonostante l'ecosistema sia più maturo, siamo ancora agli inizi di una vera architettura dati nativa AI. Siamo entusiasti di vedere come l'AI continuerà a trasformare vari segmenti dello stack dati, e stiamo già osservando una fusione irreversibile tra dati e infrastruttura AI.

Ci concentriamo in particolare su questi aspetti:

Come i dati continueranno a fluire verso database vettoriali ad alte prestazioni, oltre l'archiviazione strutturata tradizionale

Come gli agenti AI risolveranno il "problema del contesto": accesso continuo ai corretti significati dei dati e definizioni di business, così che applicazioni come "conversazione con i dati" mantengano una comprensione coerente tra più sistemi

Come evolveranno gli strumenti BI tradizionali e i fogli di calcolo quando i flussi di lavoro sui dati diventeranno più agentizzati e automatizzati

Yoko Li: Entreremo davvero "dentro" i video

Nel 2026, il video non sarà più un contenuto da guardare passivamente, ma diventerà un luogo in cui possiamo "entrare". I modelli video saranno finalmente in grado di comprendere il tempo, ricordare ciò che è già stato mostrato e reagire alle nostre azioni, mantenendo una stabilità e coerenza simili al mondo reale, invece di produrre solo pochi secondi di immagini scollegate.

Questi sistemi potranno mantenere personaggi, oggetti e leggi fisiche per periodi più lunghi, far sì che le azioni abbiano un vero impatto e permettere lo sviluppo della causalità. Il video si trasformerà così da un medium a uno spazio in cui costruire cose: i robot potranno allenarsi, le meccaniche di gioco evolvere, i designer fare prototipi, gli agenti imparare "facendo".

Il mondo che ne risulterà non sembrerà più un breve video, ma un "ambiente vivente", colmando il divario tra percezione e azione. È la prima volta che l'uomo potrà davvero "abitare" un video generato da sé.

Team Growth

Sarah Wang: Il ruolo centrale dei "sistemi di record" aziendali inizierà a vacillare

Nel 2026, la vera rivoluzione del software aziendale deriverà da un cambiamento fondamentale: il ruolo centrale dei sistemi di record inizierà finalmente a diminuire.

L'AI sta comprimendo la distanza tra "intento" ed "esecuzione": i modelli possono leggere, scrivere e ragionare direttamente sui dati operativi aziendali, trasformando sistemi come ITSM e CRM da database passivi a motori di workflow autonomi.

Con il rapido progresso dei modelli di ragionamento e dei workflow degli agenti, questi sistemi non risponderanno più solo alle richieste, ma saranno in grado di prevedere, coordinare ed eseguire processi end-to-end.

L'interfaccia diventerà uno strato dinamico di agenti intelligenti, mentre il tradizionale layer di record system si ritirerà gradualmente a "storage persistente a basso costo", lasciando la leadership strategica a chi controlla l'ambiente di esecuzione intelligente.

Alex Immerman: L'AI verticale passerà da "acquisizione e ragionamento delle informazioni" a "modalità di collaborazione multipla"

L'AI sta guidando una crescita esplosiva del software verticale. Aziende nei settori sanitario, legale e immobiliare hanno raggiunto in breve tempo 100 milioni di dollari di ARR; finanza e contabilità stanno seguendo.

La prima rivoluzione è stata l'acquisizione delle informazioni: ricerca, estrazione, sintesi.

Il 2025 ha portato il ragionamento: Hebbia analizza i bilanci, Basis verifica i saldi tra più sistemi, EliseAI diagnostica problemi di manutenzione e coordina i fornitori.

Il 2026 sbloccherà la "modalità multiplayer".

Il software verticale ha naturalmente interfacce, dati e capacità di integrazione specifiche per settore, e il lavoro nei settori verticali è intrinsecamente collaborativo: acquirenti, venditori, inquilini, consulenti, fornitori, ciascuno con permessi, processi e requisiti di compliance diversi.

Oggi, ogni AI lavora per conto proprio, causando confusione e mancanza di autorità nei punti di passaggio: l'AI che analizza i contratti non può comunicare con le preferenze di modellazione del CFO; l'AI per la manutenzione non conosce le promesse fatte dal personale in loco agli inquilini.

L'AI in modalità multiplayer cambierà tutto questo: coordinerà automaticamente tra le parti; manterrà il contesto; sincronizzerà i cambiamenti; indirizzerà automaticamente agli esperti di funzione; farà negoziare le AI delle controparti entro i limiti e segnalerà le asimmetrie per la revisione umana

Quando la qualità delle operazioni migliorerà grazie alla collaborazione "multi-agente + multi-umano", i costi di switching aumenteranno drasticamente—questo livello di rete collaborativa diventerà il "fossato" a lungo mancante delle applicazioni AI.

Stephenie Zhang: I destinatari della creazione non saranno più gli umani, ma gli agenti intelligenti

Entro il 2026, le persone interagiranno con la rete tramite agenti, e le modalità di ottimizzazione dei contenuti per gli umani perderanno la loro importanza originaria.

Abbiamo ottimizzato per comportamenti umani prevedibili: ranking su Google; i primi prodotti su Amazon; le 5W+1H e i titoli accattivanti negli articoli di notizie

Gli umani possono ignorare intuizioni profonde sepolte a pagina cinque, ma gli agenti no.

Anche il software cambierà. Le applicazioni erano progettate per occhi umani e click, ottimizzare significava UI e flussi migliori; ma quando gli agenti prenderanno il controllo di ricerca e interpretazione, l'importanza del design visivo diminuirà: gli ingegneri non guarderanno più Grafana, l'AI SRE interpreterà automaticamente la telemetria e fornirà insight su Slack; i team di vendita non dovranno più sfogliare manualmente il CRM, gli agenti riassumeranno automaticamente pattern e insight

Non progetteremo più per gli umani, ma per gli agenti. La nuova ottimizzazione non sarà più la gerarchia visiva, ma la leggibilità per le macchine. Questo cambierà radicalmente il modo di creare contenuti e gli strumenti utilizzati.

Santiago Rodriguez: Il KPI del "tempo davanti allo schermo" scomparirà

Negli ultimi 15 anni, il "tempo davanti allo schermo" è stato il gold standard per misurare il valore di un prodotto: il tempo di visione su Netflix; il numero di click del mouse nei sistemi sanitari; i minuti trascorsi dagli utenti su ChatGPT

Ma nell'imminente era del "prezzo basato sui risultati" (outcome-based pricing), il tempo davanti allo schermo sarà completamente eliminato.

I segnali sono già visibili: le query DeepResearch di ChatGPT richiedono quasi zero tempo davanti allo schermo ma offrono un enorme valore; Abridge registra automaticamente le conversazioni medico-paziente e gestisce il lavoro successivo, i medici quasi non guardano lo schermo; Cursor sviluppa applicazioni complete, gli ingegneri stanno già pianificando la fase successiva; Hebbia genera automaticamente pitch deck da grandi quantità di documenti pubblici, gli analisti di investment banking possono finalmente dormire

Le sfide seguiranno: le aziende dovranno trovare metriche ROI più complesse—soddisfazione dei medici, produttività degli sviluppatori, benessere degli analisti, felicità degli utenti... tutti questi aumenteranno con l'AI.

Le aziende che sapranno raccontare la storia ROI più chiara continueranno a vincere.

Team Bio+Health (direzione biologia e salute)

Julie Yoo: I "MAU sani" diventeranno il gruppo di utenti centrale

Nel 2026, un nuovo gruppo di utenti della sanità salirà alla ribalta: i "MAU sani" (utenti attivi mensili che non sono malati).

La sanità tradizionale serve principalmente tre categorie di persone:

-Sick MAUs: utenti ad alto costo con bisogni periodici

-Sick DAUs: come i pazienti in cura intensiva a lungo termine

-Healthy YAUs: persone che praticamente non vanno mai dal medico

Gli Healthy YAUs possono diventare in qualsiasi momento Sick MAUs/DAUs, e la prevenzione potrebbe ritardare questa transizione. Ma, a causa dell'attuale sistema assicurativo orientato al trattamento, lo screening e il monitoraggio proattivi sono quasi sempre esclusi.

L'emergere dei MAU sani cambia questa struttura: non sono malati, ma sono disposti a monitorare regolarmente la propria salute, rappresentando il più grande gruppo potenziale.

Prevediamo che sia le startup native AI sia le istituzioni tradizionali "repackaged" offriranno servizi sanitari periodici.

Con la riduzione dei costi di erogazione sanitaria grazie all'AI, l'emergere di prodotti assicurativi orientati alla prevenzione e la disponibilità degli utenti a pagare per servizi in abbonamento, i "MAU sani" diventeranno il gruppo di clienti più promettente per la prossima generazione di health tech—attivi, guidati dai dati e orientati alla prevenzione.

Team Speedrun (direzione giochi, media interattivi e world model)

Jon Lai: I world model ridefiniranno il modo di narrare

Nel 2026, i world model AI trasformeranno radicalmente la narrazione attraverso mondi virtuali interattivi ed economie digitali. Tecnologie come Marble (World Labs) e Genie 3 (DeepMind) possono generare interi mondi 3D da testo, permettendo agli utenti di esplorare come in un videogioco.

Con l'adozione di questi strumenti da parte dei creatori, emergeranno nuove forme di narrazione—potrebbe persino nascere una "versione generativa di Minecraft", dove i giocatori co-creano universi vasti ed evolutivi.

Questi mondi sfumeranno il confine tra giocatori e creatori, formando una realtà dinamica condivisa. Generi diversi come fantasy, horror, avventura potranno coesistere; l'economia digitale prospererà, i creatori potranno guadagnare creando asset, guidando giocatori, sviluppando strumenti interattivi.

Questi mondi generativi diventeranno anche campi di addestramento per agenti AI, robot e persino potenziali AGI. I world model non porteranno solo un nuovo genere di giochi, ma un nuovo medium creativo e una nuova frontiera economica.

Josh Lu: "L'anno che mi appartiene"

Il 2026 sarà "il mio anno": i prodotti non saranno più prodotti in massa per il "consumatore medio", ma personalizzati per "te".

Nell'istruzione, il tutor AI di Alphaschool adatterà il ritmo e gli interessi a ogni studente.

Nella salute, l'AI personalizzerà integratori, piani di allenamento e diete per te.

Nei media, l'AI remixarà i contenuti in tempo reale secondo i tuoi gusti.

I giganti del secolo scorso hanno vinto trovando "l'utente medio"; i giganti del prossimo secolo vinceranno trovando "l'individuo nell'utente medio".

Nel 2026, il mondo non sarà più ottimizzato per tutti, ma per "te".

Emily Bennett: Nascerà la prima università nativa AI

Nel 2026, vedremo la nascita della prima vera università nativa AI—un'istituzione costruita da zero attorno ai sistemi intelligenti. Le università tradizionali hanno già adottato l'AI per valutazioni, tutoraggio, pianificazione dei corsi, ma ora sta emergendo un cambiamento più profondo: un "organismo accademico adattivo" in grado di apprendere e ottimizzarsi in tempo reale.

Immaginate un'università così: corsi, tutoraggio, ricerca, gestione del campus si adattano in tempo reale ai feedback; l'orario delle lezioni si auto-ottimizza; le reading list si aggiornano dinamicamente con le nuove ricerche; il percorso di apprendimento di ogni studente cambia in tempo reale

Ci sono già precedenti: la collaborazione tra Arizona State University e OpenAI ha prodotto centinaia di progetti AI; la State University of New York ha inserito l'alfabetizzazione AI nell'educazione generale

Nell'università nativa AI:

-I professori diventano "architetti dei sistemi di apprendimento": curano i dati, regolano i modelli, insegnano agli studenti come valutare il ragionamento delle macchine

-Le valutazioni si sposteranno verso la "consapevolezza AI": non si chiederà più se lo studente ha usato l'AI, ma come l'ha usata

Con la crescente domanda di talenti capaci di collaborare con sistemi intelligenti in tutti i settori, questa università diventerà il "motore di talenti" della nuova economia.