a16z: 2026 빅 아이디어

인프라(Infrastructure)

스타트업이 멀티모달 데이터 문제를 해결한다

제니퍼 리

비정형 멀티모달 데이터는 기업에게 가장 큰 병목이자 가장 큰 기회다. 모든 회사가 PDF, 스크린샷, 영상, 로그, 이메일, 반정형 데이터 더미 속에서 허우적거리고 있다. 모델은 계속 똑똑해지는데 입력값은 계속 엉망이 되니, RAG 시스템은 환각을 일으키고, 에이전트는 미묘하면서도 값비싼 방식으로 오작동하며, 핵심 워크플로는 여전히 사람의 품질 검수에 크게 의존한다. AI 기업의 제약 요인은 이제 데이터 엔트로피다. 기업 지식의 80%가 존재하는 비정형 데이터 세계에서 신선함, 구조, 정확성이 꾸준히 부식되고 있다.

그래서 비정형 데이터 문제 해결이 세대적 기회가 된다. 기업은 멀티모달 데이터를 지속적으로 정제하고, 구조화하고, 검증하고, 관리해서 하위 AI 워크로드를 실제로 작동하게 만들 방법이 필요하다.

활용 사례는 도처에 있다. 계약 분석, 온보딩 플로우, 클레임 처리, 컴플라이언스, 고객 지원, 조달, 엔지니어링 검색, 영업 지원, 분석 파이프라인, 신뢰할 수 있는 맥락에 의존하는 모든 에이전트 워크플로가 그것이다. 문서, 이미지, 영상에서 구조를 추출하고, 충돌을 조정하고, 파이프라인을 복구하며, 데이터를 신선하고 검색 가능하게 유지하는 플랫폼을 만드는 스타트업이 기업 지식과 프로세스의 핵심을 장악할 것이다.

AI가 사이버보안 채용난을 해소한다

조엘 드 라 가르자

지난 10년 가까이 CISO들이 직면한 가장 큰 과제는 채용 문제였다. 2013년부터 2021년까지 미충원 사이버보안 일자리는 100만 개 미만에서 300만 개로 늘었다. 보안 팀이 고도로 숙련된 기술자를 고용해 로그 검토 같은 영혼을 갉아먹는 레벨 1 보안 업무를 하루 종일 시키는데, 아무도 이런 일을 하고 싶어 하지 않기 때문이다.

문제는 사이버보안 팀이 모든 걸 탐지하는 제품을 사서 이런 고역을 스스로 만들어낸다는 것이다. 그러면 팀은 모든 걸 검토해야 하고, 결과적으로 실제로는 존재하지 않는 인력 부족 문제가 생긴다. 악순환이다.

2026년에는 AI가 이 악순환을 깨고 채용 격차를 메울 것이다. 사이버보안 팀의 반복적이고 중복된 업무 상당 부분을 자동화하면서 말이다. 대규모 보안 팀에서 일해본 사람이라면 누구나 알 것이다. 업무의 절반은 자동화로 쉽게 해결할 수 있지만, 일에 파묻혀 있으면 무엇을 자동화해야 할지 파악조차 불가능하다는 걸.

보안 팀을 위해 이걸 알아내는 AI 네이티브 도구가 마침내 그들을 자유롭게 해서 정말 하고 싶은 일을 하게 만들 것이다. 나쁜 놈들을 쫓고, 새 시스템을 구축하고, 취약점을 고치는 일 말이다.

에이전트 네이티브 인프라가 필수가 된다

말리카 아우바키로바

2026년 가장 큰 인프라 충격은 외부가 아닌 내부에서 올 것이다. 예측 가능하고 동시성이 낮은 사람 중심 트래픽에서, 재귀적이고 폭발적이며 대규모로 확장되는 '에이전트 속도' 워크로드로 전환하고 있기 때문이다.

오늘날 엔터프라이즈 백엔드는 사람의 행동과 시스템 응답이 1:1이라는 전제로 설계됐다. 단일 에이전트 '목표' 하나가 밀리초 안에 5,000개의 하위 작업, 데이터베이스 쿼리, 내부 API 호출을 재귀적으로 촉발하는 상황은 고려하지 않았다. 에이전트가 코드베이스를 리팩토링하거나 보안 로그를 수정할 때, 레거시 데이터베이스나 속도 제한기 입장에서는 일반 사용자가 아니라 DDoS 공격으로 보인다.

2026년 에이전트를 위한 인프라를 구축한다는 것은 제어 평면을 재설계한다는 의미다. '에이전트 네이티브' 인프라가 부상할 것이다. 다음 세대 인프라는 '썬더링 허드' 패턴을 기본값으로 처리해야 한다. 콜드 스타트를 줄이고, 레이턴시 변동을 없애며, 동시성 한계를 몇 자릿수 끌어올려야 한다. 병목은 조정 과정에서 생긴다. 대규모 병렬 실행 전반의 라우팅, 잠금, 상태 관리, 정책 시행 같은 것들 말이다. 승자는 에이전트가 쏟아내는 도구 실행의 홍수를 견딜 수 있는 유일한 플랫폼이 될 것이다.

크리에이티브 툴이 멀티모달로 진화한다

저스틴 무어

AI로 이야기를 만드는 빌딩 블록은 이제 갖춰졌다. 생성형 음성, 음악, 이미지, 영상이 그것이다. 하지만 일회성 클립을 넘어선 무언가를 만들려면 원하는 결과물을 얻기까지 시간도 오래 걸리고 좌절감도 크다. 불가능하지는 않더라도 말이다. 특히 전통적인 감독 수준의 통제력에 가까워지고 싶다면 더욱 그렇다.

왜 모델에 30초짜리 영상을 주고, 참조 이미지와 음성으로 만든 새 캐릭터로 장면을 이어가라고 요청할 수 없을까? 클립을 다시 찍어 다른 각도에서 보거나, 동작을 참조 영상에 맞추는 건 왜 안 될까?

2026년은 AI가 멀티모달로 진화하는 해다. 어떤 형태든 참조 콘텐츠를 모델에 주고 협업해서 새로운 걸 만들거나 기존 장면을 편집하는 것이다. Kling O1이나 Runway Aleph 같은 초기 제품이 이미 나오기 시작했다. 하지만 갈 길이 멀다. 모델과 애플리케이션 레이어 모두에서 혁신이 필요하다.

콘텐츠 제작은 AI의 킬러 유즈케이스 중 하나다. 밈 제작자부터 할리우드 감독까지, 다양한 유즈케이스와 고객 유형에 걸쳐 여러 성공 제품이 나올 것으로 본다.

AI 네이티브 데이터 스택이 계속 진화한다

제이슨 쿠이

지난 1년간 '모던 데이터 스택'에서 많은 통합이 일어났다. 데이터 기업들이 수집(ETL), 변환, 컴퓨팅 영역의 특화에서 번들링과 통합 플랫폼으로 이동했다. Fivetran/dbt 합병과 Databricks 같은 통합 플랫폼의 지속적인 성장이 그 예다.

생태계가 눈에 띄게 성숙해진 건 사실이지만, 진정한 AI 네이티브 데이터 아키텍처는 여전히 초기 단계다. AI가 데이터 스택의 여러 부분을 어떻게 변화시킬지 기대가 크고, 데이터와 AI 인프라가 불가분의 관계로 연결되는 모습이 보이기 시작했다.

우리가 주목하는 몇 가지는 다음과 같다.

전통적인 정형 데이터와 함께 데이터가 고성능 벡터 데이터베이스로 계속 흘러들어가는 방식. AI 에이전트가 '맥락 문제'를 해결하는 방식—여러 기록 시스템에 걸쳐 항상 올바른 비즈니스 정의를 갖춘 데이터 채팅 같은 견고한 애플리케이션을 만들기 위해 올바른 데이터 맥락과 시맨틱 레이어에 지속적으로 접근하는 것. 데이터 워크플로가 더 에이전트화되고 자동화되면서 전통적인 BI 도구와 스프레드시트가 어떻게 변할지.

AI 네이티브 데이터 스택은 계속 진화한다

제이슨 쿠이

지난 1년간 '모던 데이터 스택'에서 많은 통합이 일어났다. 데이터 기업들이 수집(ETL), 변환, 컴퓨팅 전반의 특화에서 번들링과 통합 플랫폼 쪽으로 이동했다. Fivetran/dbt 합병과 Databricks 같은 통합 플랫폼의 지속적인 성장을 보라.

생태계가 눈에 띄게 더 성숙해진 것은 사실이지만, 우리는 여전히 진정한 AI 네이티브 데이터 아키텍처의 초기 단계에 있다. AI가 데이터 스택의 여러 부분을 계속 변화시킬 방법에 기대가 크고, 데이터와 AI 인프라가 어떻게 떼려야 뗄 수 없게 연결되고 있는지 보기 시작했다.

우리가 주목하는 몇 가지 흐름이 있다. 전통적인 정형 데이터와 함께 고성능 벡터 데이터베이스로 데이터가 계속 유입될 것이다. AI 에이전트는 여러 기록 시스템에 분산된 데이터를 활용해 견고한 애플리케이션을 만들기 위해 적절한 데이터 맥락과 시맨틱 레이어에 지속적으로 접근하면서 '맥락 문제'를 풀어갈 것이다. 데이터 워크플로가 에이전트화되고 자동화되면서 전통적인 BI 도구와 스프레드시트도 변화할 것이다.

우리가 영상 안으로 들어가는 해

요코 리

2026년에는 영상이 수동적으로 보는 대상에서 벗어나, 실제로 들어갈 수 있는 공간처럼 느껴지기 시작한다. 영상 모델이 마침내 시간을 이해하고, 이미 보여준 것을 기억하고, 우리 행동에 반응하며, 물리적 세계처럼 조용하고 일관된 논리를 유지할 수 있게 된다.

몇 초짜리 단절된 이미지를 만드는 대신, 이 시스템들은 행동이 의미를 갖고 결과가 펼쳐질 만큼 충분히 오래 캐릭터, 객체, 물리를 지속시킨다. 이 전환은 영상을 우리가 활용할 수 있는 매체로 바꾼다.

로봇이 연습하고, 게임이 진화하며, 디자이너가 프로토타입을 만들고, 에이전트가 행동으로 배우는 공간으로 말이다. 등장하는 건 클립이 아니라 살아있는 환경에 가깝다. 인식과 행동 사이 간극을 메우기 시작하는 환경. 처음으로 우리가 생성한 영상 안에 거주할 수 있을 것 같은 느낌이 든다.

---

그로스(Growth)

기록 시스템은 주도권을 잃는다

사라 왕

2026년 엔터프라이즈 소프트웨어의 진짜 변화는 기록 시스템이 마침내 우위를 잃기 시작한다는 것이다. AI가 의도와 실행 사이의 거리를 무너뜨리고 있다. 모델이 이제 운영 데이터 전반에 걸쳐 직접 읽고, 쓰고, 추론할 수 있어서 ITSM과 CRM 시스템을 수동적 데이터베이스에서 자율적 워크플로 엔진으로 바꾼다.

추론 모델과 에이전트 워크플로의 최근 발전이 누적되면서, 이 시스템들은 단순히 응답하는 것이 아니라 예측하고, 조율하고, 엔드투엔드 프로세스를 실행하는 능력을 갖게 된다. 인터페이스는 동적 에이전트 레이어가 되고, 전통적인 기록 시스템은 범용 영속성 티어로 배경에 물러난다. 전략적 레버리지는 직원들이 실제로 사용하는 지능형 실행 환경을 통제하는 쪽으로 넘어간다.

버티컬 AI가 정보 검색과 추론에서 멀티플레이어로 진화한다

알렉스 이머먼

AI는 버티컬 소프트웨어를 전례 없는 성장으로 이끌었다. 헬스케어, 법률, 주거 기업들이 몇 년 만에 연간 반복 수익 1억 달러 이상에 도달했다. 금융과 회계도 바짝 뒤쫓고 있다. 진화는 먼저 정보 검색에서 시작했다. 올바른 정보를 찾고, 추출하고, 요약하는 것. 2025년은 추론을 가져왔다. Hebbia가 재무제표를 분석하고 모델을 구축하고, Basis가 시스템 전반에 걸쳐 시산표를 조정하며, EliseAI가 유지보수 문제를 진단하고 적절한 벤더를 파견한다.

2026년은 다자간 협업을 가능하게 한다. 버티컬 소프트웨어는 도메인 특화 인터페이스, 데이터, 통합에서 이익을 얻는다. 하지만 버티컬 작업은 본질적으로 여러 참여자가 관여한다. 에이전트가 노동을 대체하려면 협업해야 한다. 구매자와 판매자부터 임차인, 어드바이저, 벤더까지, 각 참여자는 버티컬 소프트웨어만이 이해하는 고유한 권한, 워크플로, 컴플라이언스 요구사항을 갖는다.