[번역] 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.

현재 각 참여자는 AI를 독립적으로 사용하고, 이는 권한 없는 인계를 만든다. 구매 계약을 분석하는 AI는 모델 조정을 위해 CFO와 대화하지 않는다. 유지보수 AI는 현장 직원이 임차인에게 약속한 내용을 모른다. 다자간 협업은 이해관계자 전반을 조율해서 이를 바꾼다. 담당 전문가에게 라우팅하고, 맥락을 유지하며, 변경 사항을 동기화한다. 상대편 AI들은 정해진 범위 안에서 협상하고 사람의 검토를 위해 불일치를 표시한다. 시니어 파트너의 수정 사항이 전체 회사 시스템을 훈련시킨다. AI가 수행하는 작업은 더 높은 성공률로 완료될 것이다.

다인간 및 다에이전트 협업에서 가치가 증가하면 전환 비용이 올라간다. 여기서 우리는 AI 애플리케이션을 피해갔던 네트워크 효과를 보게 될 것이다. 협업 레이어가 해자가 된다.

사람이 아닌 에이전트를 위한 창작

스테파니 장

2026년에는 사람들이 자신의 에이전트를 통해 웹에 접속하기 시작할 것이다. 그리고 사람의 소비에 중요했던 것이 에이전트의 소비에는 같은 방식으로 중요하지 않을 것이다.

수년간 우리는 예측 가능한 인간 행동에 최적화해왔다. 구글에서 높은 순위를 차지하고, 아마존에서 처음 몇 개 항목에 나타나며, TL;DR로 시작하는 것. 내가 고등학교에서 저널리즘 수업을 들었을 때, 우리는 뉴스에는 5W + H를, 피처에는 훅으로 시작하라고 배웠다. 사람은 다섯 페이지에 묻혀 있는 깊고 관련성 높은 통찰을 놓칠 수 있어도, 에이전트는 놓치지 않는다.

이 변화는 소프트웨어에 관한 것이기도 하다. 앱은 사람의 눈과 클릭을 위해 설계됐고, 최적화는 좋은 UI와 직관적인 플로우를 의미했다. 에이전트가 검색과 해석을 맡으면서 시각적 디자인은 이해에 덜 중요해진다. 엔지니어가 Grafana 대시보드를 들여다보는 대신, AI SRE가 텔레메트리를 해석하고 Slack에 인사이트를 올릴 수 있다. 영업팀이 CRM을 샅샅이 뒤지는 대신, 에이전트가 패턴과 요약을 자동으로 제시할 수 있다.

우리는 더 이상 사람을 위해 디자인하지 않고 에이전트를 위해 디자인한다. 새로운 최적화는 시각적 위계가 아니라 기계 가독성이다. 그리고 이는 우리가 콘텐츠를 만드는 방식과 그를 위해 사용하는 도구를 바꿀 것이다.

AI 애플리케이션에서 스크린 타임 KPI의 종말

산티아고 로드리게스

지난 15년간 스크린 타임은 소비자와 비즈니스 애플리케이션 모두에서 가치 전달의 최고 지표였다. 우리는 넷플릭스 스트리밍 시간, 헬스케어 EHR UX에서의 마우스 클릭(의미 있는 사용을 입증하기 위해), 심지어 ChatGPT에서 보낸 시간을 핵심 성과 지표로 삼는 패러다임 속에 살아왔다. 벤더와 사용자 간 인센티브를 완벽하게 정렬하는 성과 기반 가격 책정으로 이동하면서, 우리는 먼저 스크린 타임 보고에서 벗어날 것이다.

이미 실제로 이런 모습을 보고 있다. 내가 ChatGPT에서 DeepResearch 쿼리를 실행할 때, 스크린 타임은 거의 없지만 엄청난 가치를 얻는다. Abridge가 환자-의료진 대화를 포착하고 후속 활동을 자동화할 때, 의사는 화면을 거의 보지 않는다. Cursor가 애플리케이션 전체를 엔드투엔드로 개발할 때, 엔지니어는 다음 기능 개발 사이클을 계획하고 있다. Hebbia가 수백 건의 공시 자료에서 피치덱 초안을 작성할 때, 투자은행가는 마땅히 받아야 할 수면을 취한다.

이는 독특한 과제를 제시한다. 애플리케이션이 사용자당 얼마를 청구할 수 있는지는 ROI를 측정하는 더 복잡한 방법을 요구한다. 의사 만족도, 개발자 생산성, 금융 애널리스트 웰빙, 소비자 행복도가 모두 AI 애플리케이션으로 증가한다. ROI를 가장 명확하게 증명하는 회사가 계속해서 경쟁사를 앞지를 것이다.

바이오헬스(Bio + Health)

건강한 MAU의 등장

줄리 유

2026년에는 새로운 헬스케어 고객 세그먼트가 중심 무대에 설 것이다. '건강한 MAU'다.

전통적인 헬스케어 시스템은 주로 세 가지 주요 사용자 세그먼트를 서비스했다. (a) '아픈 MAU': 급증하는 고비용 필요를 가진 사람들. (b) '아픈 DAU': 집중적이고 장기적인 케어를 받는 사람들. (c) '건강한 YAU': 의사를 거의 보지 않는 비교적 건강한 개인들. 건강한 YAU는 아픈 MAU/DAU가 될 위험이 있고, 예방 케어가 그 전환을 늦출 수 있다. 하지만 우리의 사후 대응 중심 헬스케어 보험 시스템은 예방보다 치료에 보상하므로, 사전 검진과 모니터링 서비스에 대한 접근이 우선순위가 아니고, 보험도 어차피 거의 커버하지 않는다.

이제 건강한 MAU가 등장한다. 적극적으로 아프지는 않지만 정기적으로 자신의 건강을 모니터링하고 이해하고 싶어 하는 소비자들로, 잠재적으로 소비자 인구의 가장 큰 부분을 차지한다. AI 네이티브 스타트업과 기존 기업의 새로운 버전 모두 이 사용자층을 서비스하기 위한 정기 서비스를 제공하기 시작하는 기업들의 물결이 예상된다.

AI가 케어 전달의 비용 구조를 낮출 잠재력, 예방에 초점을 맞춘 새로운 건강 보험 상품의 출현, 그리고 구독 기반 모델에 직접 지불하는 것을 더 편안하게 느끼는 소비자들과 함께, '건강한 MAU'는 헬스테크의 다음 고잠재력 고객 세그먼트를 대표한다. 지속적으로 참여하고, 데이터 기반이며, 예방 지향적인 세그먼트 말이다.

스피드런(Speedrun)

월드 모델이 스토리텔링의 중심이 된다

조나단 라이

2026년, AI 기반 월드 모델이 인터랙티브 가상 세계와 디지털 경제를 통해 스토리텔링을 혁신할 것이다. Marble(World Labs)이나 Genie 3(DeepMind) 같은 기술은 이미 텍스트 프롬프트에서 완전한 3D 환경을 생성해, 사용자가 게임에서처럼 그것을 탐험할 수 있게 한다.

크리에이터들이 이 도구를 받아들이면서 완전히 새로운 스토리텔링 형식이 등장할 것이고, 잠재적으로 플레이어들이 광대하고 진화하는 우주를 함께 만드는 '생성형 마인크래프트'로 발전할 수 있다. 이 세계들은 게임 메커니즘과 자연어 프로그래밍을 섞을 수 있다. "내가 만지는 모든 것의 색을 분홍색으로 바꾸는 붓을 만들어줘" 같은 명령처럼.

이런 모델들은 플레이어와 크리에이터 사이의 경계를 흐릿하게 만들어, 사용자를 동적 공유 현실의 공동 저자로 바꿀 것이다. 이 진화는 판타지, 호러, 어드벤처 같은 다양한 장르가 나란히 존재할 수 있는 상호 연결된 생성형 멀티버스를 낳을 수 있다.

그 안에서 크리에이터들이 자산을 제작하거나, 신규 유입자를 가이드하거나, 새로운 인터랙티브 도구를 개발해 수입을 올리면서 디지털 경제가 번성할 것이다. 엔터테인먼트를 넘어, 이 생성형 세계들은 AI 에이전트, 로봇, 그리고 어쩌면 AGI까지 훈련시키는 풍부한 시뮬레이션 환경으로 기능할 것이다. 따라서 월드 모델의 부상은 단순히 새로운 플레이 방식이 아니라, 완전히 새로운 창작 매체이자 경제적 개척지를 의미한다.

'나의 해'

조슈아 루

2026년은 '나의 해'가 될 것이다. 제품이 대량 생산을 멈추고 당신을 위해 만들어지기 시작하는 순간. 우리는 이미 도처에서 그것을 보고 있다.

교육에서 Alphaschool 같은 스타트업은 각 학생의 속도와 호기심에 맞춰 적응하는 AI 튜터를 만들고 있다. 모든 아이에게 자신의 속도와 선호하는 학습 방법에 맞는 교육을 제공한다. 이 수준의 관심은 이전에는 학생당 수만 달러의 과외 비용 없이는 불가능했을 것이다.

건강에서, AI는 당신의 생물학에 맞춤화된 일일 보충제 스택, 운동 계획, 식사 루틴을 설계한다. 트레이너나 실험실이 필요 없다.

미디어에서도, AI는 크리에이터들이 뉴스, 쇼, 이야기를 당신의 정확한 관심사와 톤에 맞는 개인화된 피드로 재구성할 수 있게 한다.

지난 세기 가장 큰 기업들은 평균 소비자를 찾아서 승리했다. 다음 세기 가장 큰 기업들은 평균 속의 개인을 찾아서 승리할 것이다. 2026년은 세계가 모두를 위한 최적화를 멈추고 당신을 위한 최적화를 시작하는 해다.

최초의 AI 네이티브 대학

에밀리 베넷

2026년에는 최초의 AI 네이티브 대학의 탄생을 보게 될 것으로 예상한다. 지능형 시스템을 중심으로 처음부터 구축된 기관 말이다.

지난 몇 년간 대학들은 AI 기반 채점, 튜터링, 스케줄링을 조금씩 시도해왔다. 하지만 지금 등장하는 것은 더 깊다. 실시간으로 스스로 학습하고 최적화하는 적응형 학술 생태계다.

강의, 어드바이징, 연구 협업, 심지어 건물 운영까지 데이터 피드백 루프에 기반해 지속적으로 적응하는 기관을 상상해보라. 스케줄은 스스로 최적화된다. 독서 목록은 매일 밤 진화하고 새 연구가 나타나면 스스로 다시 쓴다. 학습 경로는 각 학생의 속도와 맥락에 맞춰 실시간으로 조정된다.

이미 전조를 보고 있다. ASU의 OpenAI와의 캠퍼스 전체 파트너십은 교육과 행정 전반에 걸쳐 수백 개의 AI 기반 프로젝트를 만들어냈다. SUNY는 이제 AI 리터러시를 일반 교육 요구사항에 포함시킨다. 이것들이 더 근본적인 변화를 위한 빌딩 블록이다.

AI 네이티브 대학에서 교수는 학습의 설계자가 된다. 데이터를 큐레이팅하고, 모델을 조정하며, 학생들에게 기계 추론을 질문하는 방법을 가르친다.

평가도 바뀐다. 탐지 도구와 표절 금지는 AI 인식 평가로 자리를 내준다. 학생들이 AI를 사용했는지가 아니라 어떻게 사용했는지로 채점하는 것이다. 투명성과 전략적 활용이 금지를 대체한다.

모든 산업이 AI 시스템을 설계하고, 통제하고, 협업할 수 있는 인력을 채용하는 데 어려움을 겪고 있다. 이 새로운 대학은 그런 수요에 대한 해답이 된다. 빠르게 변화하는 업무 환경에서 AI를 능숙하게 다루고 오케스트레이션할 수 있는 졸업생을 배출하면서 말이다.

이 AI 네이티브 대학은 새로운 경제의 핵심 인재 공급원이 될 것이다.

아메리칸 다이나미즘(American Dynamism)

AI 네이티브 산업 기반 구축하기

데이비드 율레비치

미국은 진짜 힘을 만드는 경제 부문들을 재건하고 있다. 에너지, 제조, 물류, 인프라가 다시 주목받고 있고, 가장 중요한 변화는 진정으로 AI 네이티브이고 소프트웨어 우선인 산업 기반의 부상이다. 이 기업들은 시뮬레이션, 자동화된 설계, AI 기반 운영에서 시작한다. 과거를 현대화하는 게 아니다. 다음에 올 것을 구축하는 것이다.

이는 첨단 에너지 시스템, 로보틱스 중공업, 차세대 채굴, 모든 산업이 의존하는 전구체 화학물질을 생산하는 생물학적·효소적 공정, 그리고 훨씬 더 많은 영역에서 주요 기회를 열고 있다. AI는 더 깨끗한 원자로를 설계하고, 추출을 최적화하며, 더 나은 효소를 설계하고, 어떤 레거시 운영자도 따라잡을 수 없는 수준의 통찰력으로 자율 기계 플릿을 조율할 수 있다.

같은 변화가 공장 밖 세계도 재편하고 있다. 자율 센서, 드론, 현대 AI 모델은 이제 한때 포괄적으로 관리하기에 너무 컸던 항구, 철도, 송전선, 파이프라인, 군사 기지, 데이터센터, 기타 핵심 시스템에 대한 지속적인 가시성을 제공할 수 있다.

현실 세계는 새로운 소프트웨어가 필요하다. 그것을 구축하는 창업가들이 다음 세기 미국 번영의 모습을 만들 것이다. 그것이 당신이라면, 이야기해보자.

미국 공장의 르네상스

에린 프라이스-라이트

미국의 첫 번째 위대한 세기는 산업 역량 위에 세워졌지만, 우리가 그 근육의 많은 부분을 잃었다는 건 비밀이 아니다. 일부는 오프쇼어링 때문이고, 일부는 건설하지 못하는 의도적이고 사회 전반적인 실패 때문이다. 하지만 녹슨 바퀴가 다시 삐걱거리며 움직이기 시작하고 있고, 우리는 소프트웨어와 AI를 핵심으로 하는 미국 공장의 재탄생을 목격하고 있다.

2026년에는 기업들이 에너지, 채굴, 건설, 제조에 걸친 과제에 공장 마인드셋으로 접근하는 걸 보게 될 것 같다. 복잡하고 맞춤형인 공정을 조립 라인처럼 작동하게 만들기 위해 숙련 노동자와 함께 AI와 자율성을 모듈식으로 배치하는 모습이다. 예를 들면 이렇다.

복잡한 규제와 허가를 빠르고 반복적으로 통과하기. 설계 사이클을 가속화하고, 처음부터 제조를 염두에 두고 설계하기. 대규모 프로젝트 조율을 더 잘 관리하기. 사람이 관리하기 어렵거나 위험한 작업을 가속화하기 위해 자율성 배치하기.

헨리 포드가 100년 전에 개발한 기법을 적용하고, 첫날부터 규모와 반복 가능성을 계획하며, AI의 최신 발전을 겹쳐 놓으면, 우리는 곧 원자로를 대량 생산하고, 우리 국가의 수요를 충족하는 주택을 짓고, 데이터센터를 놀라운 속도로 건설하며, 산업 역량의 새로운 황금기에 진입할 것이다. 일론 머스크의 말을 인용하자면, "공장이 제품이다."

다음 옵저버빌리티의 물결은 디지털이 아니라 물리적이다

재비 엘름그렌

지난 10년간 소프트웨어 옵저버빌리티는 우리가 디지털 시스템을 모니터링하는 방식을 바꿨다. 로그, 메트릭, 트레이스를 통해 코드베이스와 서버를 투명하게 만들었다. 같은 혁명이 물리적 세계에 오고 있다.

미국 도시 전역에 이미 10억 개 이상의 네트워크 카메라와 센서가 배치되면서, 물리적 옵저버빌리티—도시, 전력망, 기타 인프라에서 실시간으로 무슨 일이 일어나는지 이해하는 것—가 긴급하면서도 가능해지고 있다. 이 새로운 인식 레이어는 기계가 물리적 세계를 코드만큼 관찰 가능하게 만드는 공통 기반에 의존하는, 로보틱스와 자율성의 다음 개척지도 가능하게 할 것이다.

물론 이 전환은 진짜 위험을 안고 있다. 산불을 감지하거나 작업장 사고를 예방할 수 있는 동일한 도구가 디스토피아적 악몽도 가능하게 할 수 있다. 이 다음 물결의 승자는 대중의 신뢰도 얻는 사람들일 것이다. 사회를 덜 자유롭게 만들지 않으면서 더 투명하게 만드는, 프라이버시를 보호하고 상호 운용 가능한 AI 네이티브 시스템을 구축하는 것. 그 신뢰받는 기반을 구축하는 사람이 옵저버빌리티의 다음 10년을 정의할 것이다.

전기산업 스택이 세계를 움직일 것이다

라이언 맥엔터시

다음 산업 혁명은 공장에서만 일어나지 않을 것이다. 공장에 동력을 공급하는 기계 안에서도 일어날 것이다.

소프트웨어는 우리가 생각하고, 설계하고, 소통하는 방식을 바꿨다. 이제 우리가 이동하고, 건설하고, 생산하는 방식을 바꾸고 있다. 전기화, 소재, AI의 발전이 수렴하면서 물리적 세계에 진정한 소프트웨어 제어를 가져오고 있다. 기계가 스스로 감지하고, 학습하고, 행동하기 시작하고 있다.

이것이 전기산업 스택의 부상이다. 전기 자동차, 드론, 데이터센터, 현대 제조업에 동력을 공급하는 통합 기술들로, 현실 세계를 움직이는 하드웨어와 그것을 명령하는 소프트웨어를 연결한다.

광물이 부품으로 정제되고, 에너지가 배터리에 저장되며, 전력이 전력 전자장치에 의해 제어되고, 움직임이 정밀 모터를 통해 전달되며, 모두 소프트웨어에 의해 조율된다. 물리적 자동화의 모든 혁신 뒤에 있는 보이지 않는 기반이다. 단순히 택시를 부르는 소프트웨어와 운전대를 잡는 소프트웨어 사이의 차이다.

하지만 핵심 소재 정제부터 첨단 칩 제조까지, 이 스택을 구축할 역량이 사라지고 있다. 미국이 다음 산업 시대를 이끌고 싶다면, 그것을 뒷받침하는 하드웨어를 만들어야 한다. 전기산업 스택을 장악하는 국가가 산업 및 군사 기술의 미래를 정의할 것이다. 소프트웨어가 세상을 장악했다. 이제 세상을 작동시킬 차례다.

자율화된 실험실이 과학 발견을 가속화한다

올리버 수

모델 역량이 모달리티 전반에 걸쳐 발전하고 로봇 조작 역량이 계속 개선되면서, 팀들은 자율적 과학 발견 추구를 가속화할 것이다. 이러한 병렬 기술들은 과학적 발견의 루프를 완성할 수 있는 자율 연구실을 가능하게 할 것이다. 가설 개발부터 실험 설계와 실행, 그리고 추론, 결과, 미래 연구 방향에 대한 반복까지. 이 연구실을 구축하는 팀들은 본질적으로 학제적일 것이고, AI, 로보틱스, 물리 및 생명 과학, 제조, 운영 등 전반에 걸친 전문성을 통합해 분야 전반의 발견을 위한 무인 연구실을 통한 지속적 실험을 열 것이다.

핵심 산업이 데이터 보물창고가 된다

윌 비츠키

2025년의 AI 시대정신은 컴퓨팅 제약과 데이터센터 구축으로 정의되었다. 2026년에는 데이터 제약과 새로운 데이터 원천의 등장으로 정의될 것이다. 우리의 핵심 산업이 그것이다.

우리의 핵심 산업은 잠재적이고 비정형인 데이터의 원천으로 남아 있다. 모든 트럭 출동, 계량기 점검, 유지보수 작업, 생산 가동, 조립, 시험 가동이 모델 훈련의 재료다. 하지만 포착도, 주석도, 모델 훈련도 산업 어휘의 일부가 아니다.

이 데이터에 대한 수요가 부족한 건 아니다. Scale, Mercor, AI 연구소 같은 회사들은 프로세스 데이터를('무엇'을 하는지만이 아니라 '어떻게' 하는지) 끝없이 수집하고 있다. 그리고 그들은 각 단위의 공장 데이터를 확보하는 데 비싼 대가를 치른다.

기존 물리적 인프라와 노동력을 가진 산업 기업들은 데이터 수집에서 비교 우위를 갖고 있고, 그것을 활용하기 시작할 것이다. 그들의 운영은 거의 제로에 가까운 한계 비용으로 포착될 수 있는 엄청난 양의 데이터를 생성하고, 자체 모델을 훈련시키거나 제3자에게 라이선스하는 데 사용될 수 있다.

그리고 스타트업들이 돕기 위해 나타날 것으로 예상해야 한다. 스타트업들은 조율 스택을 제공할 것이다. 수집, 주석, 동의를 위한 소프트웨어 도구, 센서 하드웨어와 SDK, RL 환경과 훈련 파이프라인, 그리고 결국에는 그들 자신의 지능형 기계까지.

앱(Apps)

AI가 비즈니스 모델을 강화한다

데이비드 하버

최고의 AI 스타트업들은 단순히 작업을 자동화하는 게 아니라 고객의 경제성을 증폭시킨다. 예를 들어 성공보수 기반 법률에서 로펌은 승소할 때만 돈을 번다. Eve 같은 회사는 독점 결과 데이터를 사용해 사건 성공을 예측하고, 로펌이 더 나은 사건을 선택하고, 더 많은 고객을 서비스하며, 더 자주 승소하도록 돕는다.

AI는 비즈니스 모델 자체를 강화한다. 단순히 비용을 낮추는 게 아니라 더 많은 수익을 만들어낸다. 2026년에는 AI 시스템이 고객의 인센티브와 정렬을 심화하고 레거시 소프트웨어가 손댈 수 없는 복리적 이점을 만들면서, 이 논리가 산업 전반으로 확산되는 걸 보게 될 것이다.

ChatGPT가 AI 앱 스토어가 된다

아니쉬 아차리아

소비자 제품 사이클이 작동하려면 세 가지가 필요하다. 새로운 기술, 새로운 소비자 행동, 새로운 유통 채널.

최근까지 AI 물결은 처음 두 조건을 충족했지만 새로운 네이티브 유통 채널이 없었다. 대부분의 제품은 X 같은 기존 네트워크의 지원이나 입소문으로 성장했다.

하지만 최근 OpenAI Apps SDK 출시, Apple의 미니앱 지원, ChatGPT의 그룹 메시징 출시와 함께, 소비자 개발자들은 이제 ChatGPT의 9억 사용자 오디언스를 직접 활용할 수 있고, Wabi 같은 미니앱의 새로운 네트워크와 함께 성장할 수도 있다.

소비자 제품 사이클의 마지막 퍼즐 조각으로서, 이 새로운 유통 채널은 2026년 소비자 기술 분야에서 10년에 한 번 있을 골드러시를 촉발할 것이다. 무시하면 기회를 놓치는 것이다.

음성 에이전트가 주류로 자리잡는다

올리비아 무어

지난 18개월 동안, 비즈니스를 위해 실제 상호작용을 관리하는 AI 음성 에이전트의 아이디어는 공상 과학에서 현실로 바뀌었다. 중소기업부터 대기업까지 수천 개 회사가 음성 AI를 사용해 약속을 잡고, 예약을 완료하고, 설문조사를 실행하며, 접수를 하는 등 훨씬 더 많은 일을 하고 있다. 이 에이전트들은 기업의 비용을 절감하고, 추가 수익을 창출하며, 인간 직원을 더 레버리지 높고 더 즐거운 작업에 투입할 수 있게 해준다.

하지만 이 공간이 너무 초기 단계이기 때문에, 많은 회사가 여전히 '진입점으로서의 음성' 단계에 있고, 한두 가지 유형의 통화만 처리하는 특화 솔루션을 제공하고 있다. 음성 에이전트가 전체 워크플로(멀티모달일 수 있는)를 처리하는 것으로 확장되고, 심지어 전체 고객 관계 사이클을 관리하는 것으로까지 확장되는 걸 보게 될 것으로 기대된다.

이는 비즈니스 시스템에 더 깊이 통합되고 더 복잡한 유형의 상호작용을 관리할 자유를 부여받은 에이전트를 포함할 것이다. 기본 모델이 계속 개선되고, 에이전트가 이제 도구를 호출하고 시스템 전반에서 작동할 수 있게 되면서, 모든 회사가 음성 우선 AI 제품을 실행하고 비즈니스의 핵심 부분을 최적화하지 말아야 할 이유가 없다.

프롬프트 없이 먼저 행동하는 AI 앱이 온다

마크 안드루스코

2026년은 주류 사용자를 위한 프롬프트 박스의 종말을 의미한다. AI 앱의 다음 물결은 가시적인 프롬프트가 전혀 없을 것이다. 당신이 무엇을 하는지 관찰하고, 검토할 행동과 함께 먼저 개입할 것이다. 당신의 IDE는 당신이 묻기 전에 리팩토링을 제안한다. 당신의 CRM은 통화를 마치면 후속 이메일 초안을 작성한다. 당신의 디자인 도구는 당신이 작업하는 동안 변형을 생성한다. 채팅 인터페이스는 보조 바퀴였다. 이제 AI는 모든 워크플로에 엮인 보이지 않는 지지대가 되고, 지시가 아니라 의도에 의해 작동한다.

AI가 마침내 은행과 보험 인프라를 업그레이드한다

안젤라 스트레인지

많은 은행과 보험 회사가 레거시 시스템 위에 문서 수집이나 AI 음성 에이전트 같은 AI를 통합했지만, AI는 그것을 구동하는 인프라를 재건하기 전까지는 금융 서비스를 진정으로 변화시키지 못할 것이다.

2026년에는 AI를 최대한 활용하기 위해 현대화하지 않는 위험이 도태될 위험을 넘어설 것이고, 대형 금융 기관들이 레거시 벤더 계약을 만료시키고 더 새롭고 AI 네이티브인 대안을 구현하기 시작하는 걸 보게 될 것이다. 과거의 카테고리 경계에 얽매이지 않고, 이 회사들은 레거시 시스템과 외부 소스의 기본 데이터를 중앙화하고, 정규화하고, 풍부하게 만드는 플랫폼이다.

결과는?

워크플로가 극적으로 간소화되고 병렬화될 수 있다. 더 이상 시스템과 화면 사이를 오갈 필요가 없다. 예를 들어, 모기지 LOS에서 완료해야 하는 수백 개의 작업을 모두 보고 병렬화할 수 있고, 에이전트가 더 일상적인 것들을 완료할 수도 있다.

우리가 아는 카테고리들이 합쳐져서 훨씬 더 큰 카테고리를 만들 것이다. 예를 들어 온보딩과 거래 모니터링 데이터의 고객 KYC가 이제 단일 리스크 플랫폼에 함께 있을 수 있다.

이 카테고리의 새로운 승자들은 오래된 기존 업체들의 10배 규모가 될 것이다. 카테고리가 훨씬 크고, 소프트웨어 시장이 노동 시장을 잠식하고 있다.

금융 서비스의 미래는 오래된 시스템에 AI를 덧붙이는 게 아니다. AI가 기반인 새로운 운영 체제를 구축하는 것이다.

현장에 뛰어드는 창업가들이 AI를 전국으로 확산시킨다

조 슈미트

AI는 우리 생애의 가장 흥미로운 기술 혁신이다. 하지만 지금까지 새로운 스타트업으로부터의 이익 대부분은 실리콘밸리에 있는 1%의 회사에 귀속되었다. 말 그대로 베이 에리어에 있거나 그 확장된 네트워크의 일부인 곳. 이것도 말이 된다. 스타트업 창업가들은 자신이 알고 쉽게 갈 수 있는 회사에 팔고 싶어 한다. 그들의 사무실로 차를 몰고 가든, 이사회의 VC로부터 소개를 받든.

2026년에는 이것이 뒤집힐 것이다. 회사들은 AI 기회의 대다수가 실리콘밸리 밖에 있다는 걸 깨달을 것이고, 우리는 새로운 창업가들이 현장 밀착 방식을 사용해 크고 레거시한 버티컬 내부에 숨어 있는 더 많은 기회를 발견하는 걸 보게 될 것이다. 시스템 통합업체나 구현 회사 같은 전통적인 컨설팅 및 서비스 산업, 그리고 제조업 같은 느리게 움직이는 산업에서 기회는 엄청날 것으로 예상된다.

포춘 500 기업에 AI 조정 시스템과 새로운 역할이 등장한다

시마 엠블

2026년에 기업들은 고립된 AI 도구에서 조율된 디지털 팀처럼 행동해야 하는 다중 에이전트 시스템으로 더 이동할 것이다. 에이전트가 계획하고, 분석하고, 함께 실행하는 것처럼 복잡하고 상호 의존적인 워크플로를 관리하기 시작하면서, 조직은 작업이 어떻게 구조화되는지, 그리고 맥락이 시스템 전반에 걸쳐 어떻게 흐르는지 재고해야 할 것이다. 우리는 이미 AskLio와 HappyRobot 같은 회사에서 이것이 일어나는 걸 보고 있다. 이들은 단일 작업이 아니라 전체 프로세스에 걸쳐 에이전트를 배치한다.

포춘 500은 이 전환을 가장 예리하게 느낄 것이다. 그들은 사일로화된 데이터, 제도적 지식, 운영 복잡성의 가장 깊은 저장고 위에 앉아 있고, 그중 많은 것이 사람들의 머릿속에 있다. 그 맥락을 자율 워커를 위한 공유 기반으로 바꾸는 것은 더 빠른 결정, 압축된 사이클, 그리고 더 이상 끊임없는 인간의 세밀한 관리에 의존하지 않는 엔드투엔드 프로세스를 열 것이다.

이 전환은 리더들이 역할과 소프트웨어를 재상상하도록 강요할 것이다. AI 워크플로 디자이너, 에이전트 감독자, 디지털 워커의 조율된 플릿을 오케스트레이팅하고 감사하는 책임을 맡은 거버넌스 리드 같은 새로운 기능이 등장할 것이다.

그리고 오늘날의 기록 시스템 위에, 기업들은 조율 시스템이 필요할 것이다. 다중 에이전트 상호작용을 관리하고, 맥락을 판단하며, 자율 워크플로 전반에 걸쳐 신뢰성을 보장하는 새로운 레이어. 인간은 예외 상황과 가장 복잡한 케이스를 처리하는 데 집중할 것이다. 다중 에이전트 시스템의 부상은 단순히 자동화의 또 다른 단계가 아니다. 기업이 어떻게 운영되고, 결정이 어떻게 내려지며, 궁극적으로 가치가 어디서 창출되는지의 재구조화를 의미한다.

소비자 AI가 '나를 도와줘'에서 '나를 이해해줘'로 이동한다

브라이언 김

2026년은 주요 소비자 AI 제품이 생산성에서 관계성으로 이동하는 해를 의미한다. 일을 하도록 돕는 대신, AI는 당신이 자신을 더 명확하게 보고 더 강한 관계를 구축하도록 도울 것이다.

분명히 말하자면, 이것은 어렵다. 많은 소셜 AI 제품이 출시되고 실패했다. 하지만 멀티모달 컨텍스트 윈도우와 추론 비용 하락 덕분에, AI 제품은 이제 당신이 챗봇에게 말한 것뿐만 아니라 당신 삶의 전체 결에서 배울 수 있다. 진짜 감정적 순간을 보여주는 카메라 롤, 누구와 대화하느냐에 따라 바뀌는 1:1 메시징과 그룹 채팅 패턴, 스트레스를 받으면 바뀌는 루틴을 생각해보라.

이 제품들이 일단 자리잡으면, 우리 일상의 일부가 될 것이다. 일반적으로 '나를 이해해줘' 제품은 '나를 도와줘' 제품보다 더 나은 고유한 유지 메커니즘을 갖는다. '나를 도와줘' 제품은 개별 작업에 대한 높은 지불 의향을 통해 수익화하고 구독자 유지를 최적화한다. '나를 이해해줘' 제품은 지속적인 연결에 대한 일일 참여를 통해 수익화한다. 지불 의향은 낮지만 더 끈끈한 사용 패턴을 보인다.

사람들은 이미 가치를 위해 끊임없이 데이터를 거래한다. 문제는 그들이 돌려받는 것이 그만한 가치가 있는지다. 그리고 곧 그럴 것이다.

새로운 AI 모델 능력이 완전히 새로운 비즈니스를 탄생시킨다

킴벌리 탄

2026년에는 추론, 멀티모달리티, 컴퓨터 사용에서의 최근 모델 혁신 이전에는 단순히 존재할 수 없었던 회사들의 등장을 보게 될 것이다. 지금까지 많은 섹터(법률이나 고객 지원 같은)가 기존 제품을 향상시키기 위해 개선된 추론을 사용해왔다. 하지만 우리는 이제야 핵심 제품 역량이 근본적으로 이러한 새로운 모델 능력에 의해 가능해진 회사들을 보기 시작하고 있다.

추론의 발전은 복잡한 금융 클레임을 평가하거나 밀도 높은 학술 또는 애널리스트 연구에 기반해 행동하는(예를 들어 청구 분쟁 판정) 새로운 역량을 가능하게 할 수 있다. 멀티모달 모델은 물리적 세계에 뿌리를 둔 산업(예를 들어 제조 현장의 카메라)을 위해 잠재 영상 데이터를 추출하는 것을 가능하게 한다. 그리고 컴퓨터 사용은 역사적으로 데스크톱 소프트웨어, 형편없는 API, 분절된 워크플로 뒤에 가치가 갇혀 있던 거대 산업에서 자동화를 가능하게 한다.

다른 AI 스타트업에 판매하는(B2B) AI 스타트업 시장이 폭발한다

제임스 다 코스타

우리는 현재 AI 제품 사이클이 견인하는 전례 없는 회사 창출의 순간에 있다. 하지만 이전 제품 사이클과 달리, 기존 업체들도 방심하지 않는다. 그들도 AI를 채택하고 있다. 그렇다면 스타트업은 어떻게 승리할까?

스타트업이 기존 업체보다 유통에서 승리하는 가장 강력하고 과소평가된 방법 중 하나는 신생 기업을 초기부터 서비스하는 것이다. 완전히 새로운 비즈니스 말이다. 초기 단계에 모든 새 회사를 끌어들이고 그들과 함께 성장한다면, 고객이 큰 회사가 되면서 당신도 큰 회사가 될 것이다. Stripe, Deel, Mercury, Ramp, 그리고 다른 회사들이 모두 이 전략을 따랐다. 실제로 Stripe의 많은 고객은 Stripe가 설립될 때 존재하지 않았다.

2026년은 신생 기업을 타깃하는 스타트업들이 수많은 엔터프라이즈 소프트웨어 카테고리 전반에 걸쳐 규모에 도달하는 걸 보는 해가 될 것이다. 그냥 더 나은 제품을 만들고 기존 업체에 포획되지 않은 신규 고객에게 미친 듯이 집중하면 된다.

크립토(Crypto)

프라이버시가 크립토에서 가장 중요한 해자가 될 것이다

알리 야히야

프라이버시는 세계 금융이 온체인으로 이동하는 데 핵심적인 단 하나의 기능이다. 또한 오늘날 존재하는 거의 모든 블록체인이 결여하고 있는 단 하나의 기능이기도 하다. 대부분의 체인에서 프라이버시는 사후 고려사항에 불과했다.

하지만 이제 프라이버시 그 자체만으로도 체인을 나머지 모든 것과 차별화하기에 충분히 강력하다. 프라이버시는 더 중요한 무언가도 한다. 체인 락인을 만드는 것이다. 원한다면 프라이버시 네트워크 효과라고 할 수 있다. 특히 성능으로 경쟁하는 것이 더 이상 충분하지 않은 세상에서는.

브리징 프로토콜 덕분에, 모든 것이 공개되어 있는 한 한 체인에서 다른 체인으로 이동하는 건 간단하다. 하지만 일단 사물을 프라이빗하게 만들면, 더 이상 그렇지 않다. 토큰 브리징은 쉽지만, 비밀 브리징은 어렵다. 프라이빗 영역으로 들어가거나 나올 때 체인, 멤풀, 네트워크 트래픽을 지켜보는 사람들이 당신이 누구인지 알아낼 수 있는 위험이 항상 있다. 프라이빗 체인과 퍼블릭 체인 사이, 또는 심지어 두 프라이빗 체인 사이의 경계를 넘는 것은 거래 타이밍과 규모 상관관계 같은 온갖 메타데이터를 누출해서 누군가를 추적하기 쉽게 만든다.

경쟁에 의해 수수료가 제로로 내려갈 가능성이 높은 많은 차별화되지 않은 새 체인들(블록스페이스는 근본적으로 어디서나 똑같아졌다)과 비교해, 프라이버시를 가진 블록체인은 훨씬 더 강한 네트워크 효과를 가질 수 있다. 현실은 '범용' 체인이 이미 번창하는 생태계, 킬러 애플리케이션, 또는 불공정한 분배 우위를 갖고 있지 않다면, 누구도 그것을 사용하거나 그 위에 구축할 이유가 거의 없다는 것이다. 충성할 이유는 더욱 없다.

사용자가 퍼블릭 블록체인에 있을 때는 다른 체인의 사용자와 거래하기 쉽다. 어떤 체인에 합류하든 중요하지 않다. 반면 사용자가 프라이빗 블록체인에 있을 때는, 그들이 선택하는 체인이 훨씬 더 중요하다. 일단 하나에 합류하면, 이동해서 노출될 위험을 감수할 가능성이 적기 때문이다. 이것은 승자 독식 역학을 만든다. 그리고 프라이버시는 대부분의 현실 세계 유즈케이스에 필수적이기 때문에, 소수의 프라이버시 체인이 크립토의 대부분을 차지할 수 있다.

예측 시장이 더 크고, 넓고, 똑똑해진다

앤드류 홀

예측 시장은 이미 주류가 되었고, 올해에는 크립토 및 AI와 교차하면서 더욱 크고, 넓고, 똑똑해질 것이다. 동시에 빌더들이 해결해야 할 새롭고 중요한 과제도 제기한다.

첫째, 훨씬 더 많은 계약이 상장될 것이다. 이는 주요 선거나 지정학적 사건뿐만 아니라 온갖 세부적인 결과와 복잡하고 교차하는 사건에 대한 실시간 승산에 접근할 수 있다는 뜻이다. 이 새로운 계약들이 더 많은 정보를 드러내고 뉴스 생태계의 일부가 되면서(이미 일어나고 있다), 우리가 이 정보의 가치를 어떻게 균형 잡을지, 그리고 더 투명하고 감사 가능하게 만들기 위해 어떻게 더 잘 설계할지에 대한 중요한 사회적 질문을 제기할 것이다. 이것은 크립토로 가능하다.

훨씬 더 많은 계약량을 처리하려면, 계약을 해결하기 위해 진실과 정렬하는 새로운 방법이 필요할 것이다. 중앙화된 플랫폼 해결(주어진 사건이 실제로 일어났는가? 어떻게 확인하는가?)은 중요하지만, 젤렌스키 소송 시장이나 베네수엘라 선거 시장 같은 분쟁 사례는 한계를 보여준다. 이러한 예외 케이스를 해결하고 예측 시장이 더 유용한 애플리케이션으로 확장하도록 돕기 위해, 새로운 종류의 탈중앙화 거버넌스와 LLM 오라클이 논쟁의 여지가 있는 결과에 대한 진실을 결정하는 데 도움을 줄 수 있다.

AI는 오라클을 위한 LLM을 넘어선 추가 가능성을 연다. 예를 들어, 이 플랫폼에서 거래하는 AI 에이전트는 단기 거래 우위를 제공하는 데 도움이 되는 신호를 찾아 세계를 샅샅이 뒤질 수 있고, 세계에 대해 생각하고 다음에 무슨 일이 일어날지 예측하는 새로운 방법을 드러내는 데 도움을 줄 수 있다. (Prophet Arena 같은 프로젝트는 이미 이 공간의 흥분을 암시한다.)

우리가 통찰력을 얻기 위해 질문할 수 있는 정교한 정치 애널리스트 역할을 하는 것 외에도, 이 에이전트들은 우리가 그들의 창발적 전략을 검토할 때 복잡한 사회 사건의 근본 예측 변수에 대한 새로운 것들을 드러낼 수도 있다.

예측 시장이 여론조사를 대체하는가? 아니다. 여론조사를 더 낫게 만든다(그리고 여론조사 정보는 예측 시장에 입력될 수 있다). 정치학자로서, 나는 예측 시장이 풍부하고 활기찬 여론조사 생태계와 함께 어떻게 기능할 수 있는지에 가장 기대된다. 하지만 우리는 설문 조사 경험을 개선할 수 있는 AI, 그리고 여론조사/설문 응답자가 봇이 아니라 인간임을 증명하는 새로운 방법을 제공할 수 있는 크립토 같은 새로운 기술에 의지해야 할 것이다.

실물 자산 토큰화와 스테이블코인을 더 크립토 네이티브한 방식으로 생각하기

가이 워올렛

우리는 은행, 핀테크, 자산 운용사들이 미국 주식, 원자재, 지수, 그리고 다른 전통적 자산을 온체인으로 가져오는 데 강한 관심을 보이는 걸 봤다. 더 많은 전통적 자산이 온체인으로 오면서, 토큰화는 종종 스큐어모픽하다. 현재의 실물 자산 개념에 뿌리를 두고 있고, 크립토 네이티브 기능을 활용하지 않는 것이다.

하지만 무기한 선물(펩스) 같은 합성 표현은 더 깊은 유동성을 허용하고 구현하기가 종종 더 간단하다. 펩스는 또한 이해하기 쉬운 레버리지를 제공하므로, 나는 그것들이 가장 강력한 제품-시장 적합성을 가진 크립토 네이티브 파생상품이라고 믿는다. 나는 또한 신흥 시장 주식이 펩화하기에 가장 흥미로운 자산 클래스 중 하나라고 믿는다. (일부 주식에 대한 만기 제로일 또는 0DTE 옵션 시장은 종종 현물 시장보다 더 깊은 유동성으로 거래되며, 펩화를 위한 흥미로운 실험이 될 것이다.)

모든 것은 '펩화 대 토큰화'의 질문으로 귀결된다. 하지만 어느 쪽이든, 우리는 내년에 더 크립토 네이티브한 RWA 토큰화를 보게 될 것이다.

비슷한 맥락에서, 2026년에는 2025년에 주류가 된 스테이블코인과 관련해 '단순히 토큰화가 아니라 대출 발생'을 더 많이 보게 될 것이다. 미결제 스테이블코인 발행은 계속 증가하고 있다.

하지만 강력한 신용 인프라가 없는 스테이블코인은 특정 유동 자산을 보유하는 협의 은행처럼 보인다. 이 자산들은 특별히 안전하다고 여겨진다. 협의 은행업은 유효한 제품이지만, 나는 그것이 장기적으로 온체인 경제의 백본이 되리라고 믿지 않는다.

우리는 많은 새로운 자산 운용사, 큐레이터, 프로토콜이 오프체인 담보에 대한 온체인 자산 담보 대출을 촉진하기 시작하는 걸 봤다. 종종 이 대출들은 오프체인에서 발생하고 그다음 토큰화된다. 나는 토큰화가 여기서 거의 이점을 제공하지 않는다고 생각한다. 아마도 이미 온체인에 있는 사용자에게 분배하는 것 외에는. 그래서 부채 자산은 오프체인에서 발생해 토큰화되는 게 아니라 온체인에서 발생해야 한다. 온체인 발생은 대출 서비스 비용, 백오피스 구조화 비용을 줄이고, 접근성을 높인다. 여기서 어려운 부분은 컴플라이언스와 표준화일 것이지만, 빌더들은 이미 그 문제들을 해결하기 위해 노력하고 있다.

트레이딩은 크립토 비즈니스의 경유지이지, 마지막 정거장이 아니다

아리아나 심슨

스테이블코인과 일부 핵심 인프라를 제외하면, 오늘날 잘하고 있는 모든 크립토 회사는 트레이딩으로 피봇했거나 피봇하고 있는 것처럼 보인다. 하지만 '모든 크립토 회사가 트레이딩 플랫폼이 된다면', 그러면 모두를 어디에 두는가? 너무 많은 플레이어가 모두 같은 일을 하면 다수를 위한 관심을 잠식하고, 소수의 큰 승자만 남긴다. 이는 트레이딩으로 너무 빨리 피봇한 사람들이 더 방어 가능하고 더 지속 가능한 비즈니스를 구축할 기회를 놓쳤다는 뜻이다.

재무를 맞추려고 노력하는 모든 창업가들에게 많은 공감을 하지만, 즉각적인 제품-시장 적합성의 감각을 쫓는 것도 비용이 든다. 이 문제는 특히 크립토에서 심각한데, 토큰과 투기를 둘러싼 독특한 역학이 창업가들을 PMF을 찾는 여정에서 즉각적 만족의 길로 이끌 수 있기 때문이다.

원한다면 일종의 마시멜로 테스트다. 트레이딩에는 아무 문제가 없다. 중요한 시장 기능이다. 하지만 그것이 최종 목적지일 필요는 없다. 제품-시장 적합성의 '제품' 부분에 집중하는 창업가들이 더 큰 승자가 될 수 있다.

고객 파악(KYC)에서 '에이전트 파악'(KYA)으로

숀 네빌

에이전트 경제의 병목은 지능에서 신원으로 이동하고 있다.

금융 서비스에서 '비인간 신원'은 이제 인간 직원보다 96 대 1로 많다. 하지만 이 신원들은 은행 계좌가 없는 유령으로 남아 있다. 여기서 핵심적으로 누락된 요소는 KYA다. Know Your Agent, 에이전트 파악이다.

인간이 대출을 받기 위해 신용 점수가 필요한 것처럼, 에이전트는 거래하기 위해 암호학적으로 서명된 자격 증명이 필요할 것이다. 에이전트를 그 주체, 제약, 책임과 연결하는 것이다. 이것이 존재하기 전까지, 상인들은 방화벽에서 에이전트를 계속 차단할 것이다. 수십 년에 걸쳐 그 KYC 인프라를 구축한 산업은 이제 KYA를 알아내는 데 불과 몇 달밖에 없다.

스테이블코인을 위한 더 나은, 더 영리한 온램프/오프램프

제레미 장

스테이블코인은 작년에 추정 46조 달러의 거래량을 차지했고, 지속적으로 새로운 사상 최고치를 기록하고 있다. 이를 관점에서 보자면, 이는 PayPal 거래량의 20배 이상이고, 세계 최대 결제 네트워크 중 하나인 Visa 거래량의 거의 3배에 가까우며, 미국에서 직접 입금 등의 금융 거래를 위한 전자 네트워크인 미국 ACH의 거래량에 빠르게 접근하고 있다.

오늘날 당신은 1센트 미만으로 1초도 안 되어 스테이블코인을 보낼 수 있다. 하지만 해결되지 않은 것은 이 디지털 달러를 사람들이 이미 매일 실제로 사용하는 금융 레일에 어떻게 연결하느냐다. 다시 말해, 스테이블코인을 위한 온/오프램프다.

새로운 세대의 스타트업이 이 간극을 메우고 있다. 스테이블코인을 더 익숙한 결제 시스템과 현지 통화에 연결하는 것이다. 일부는 사람들이 현지 잔액을 디지털 달러로 비공개로 교환할 수 있도록 암호학적 증명을 사용한다. 일부는 QR 코드, 실시간 결제 레일, 그리고 은행 간 결제를 가능하게 하는 기타 기능을 활용하는 지역 네트워크와 통합한다.

다른 회사들은 사용자가 일상적인 상점에서 스테이블코인을 쓸 수 있게 하는 더 진정으로 상호 운용 가능한 글로벌 지갑 레이어와 카드 발급 플랫폼을 구축하고 있다. 이 접근법들은 함께 디지털 달러 경제에 누가 참여할 수 있는지를 넓힌다. 그리고 스테이블코인이 주류 결제로 더 직접적으로 사용되는 것을 가속화할 수 있다.

이 온/오프램프가 성숙해지면서, 디지털 달러가 현지 결제 시스템과 상점 도구에 직접 연결되면서, 새로운 행동이 등장할 것이다. 노동자는 국경을 넘어 실시간으로 급여를 받을 수 있다. 상인은 은행 계좌 없이 글로벌 달러를 받을 수 있다. 앱은 어디에 있든 사용자와 즉시 가치를 정산할 수 있다. 스테이블코인은 틈새 금융 도구에서 인터넷의 기본 정산 레이어로 근본적으로 전환될 것이다.

스테이블코인이 은행 원장 업그레이드 사이클과 새로운 결제 시나리오를 연다

샘 브로너

평균적인 은행은 현대 개발자에게 알아볼 수 없는 소프트웨어를 실행하고 있다. 1960년대와 1970년대에 은행은 대규모 소프트웨어 시스템의 얼리 어답터였다. 핵심 은행 소프트웨어의 2세대는 1980년대와 1990년대에 시작되었다(예를 들어 Temenos의 GLOBUS와 InfoSys의 Finacle를 통해).

하지만 이 모든 소프트웨어는 노후화되고 있고, 너무 느리게 업그레이드되고 있다. 그래서 은행 산업, 특히 예금, 담보, 기타 의무를 추적하는 핵심 데이터베이스인 중요한 핵심 원장은 여전히 종종 메인프레임 컴퓨터에서 실행되고, COBOL로 프로그래밍되며, API 대신 배치 파일 인터페이스를 사용한다.

전 세계 자산의 대부분은 수십 년 된 동일한 핵심 원장에 존재한다. 이 시스템들은 실전에서 검증되었고, 규제 당국의 신뢰를 받으며, 복잡한 은행 시나리오에 깊이 통합되어 있지만, 혁신을 저해하고 있기도 하다. 실시간 결제(RTP) 같은 핵심 기능을 추가하는 데는 몇 달이나 더 가능성 있게는 몇 년이 걸릴 수 있고, 기술 부채와 규제 복잡성의 레이어를 탐색해야 한다.

바로 여기서 스테이블코인이 등장한다. 지난 몇 년이 스테이블코인이 제품-시장 적합성을 찾고 주류에 진입한 때였을 뿐만 아니라, 올해는 TradFi 기관들이 완전히 새로운 수준에서 그것들을 받아들였다. 스테이블코인, 토큰화된 예금, 토큰화된 국채, 온체인 채권은 은행, 핀테크, 금융 기관이 새로운 제품을 만들고 새로운 고객을 서비스할 수 있게 한다.

더 중요한 것은, 이 조직들이 레거시 시스템을 다시 작성하도록 강요하지 않고도 이것을 할 수 있다는 것이다. 노후화되었지만 수십 년간 안정적으로 실행된 시스템 말이다. 따라서 스테이블코인은 기관이 혁신할 수 있는 새로운 방법을 제공한다.

메시징의 (가까운) 미래는 단순히 양자 저항성이 아니다. 탈중앙화다

셰인 맥

세계가 양자 컴퓨팅을 준비하면서, 암호화를 기반으로 구축된 많은 메시징 앱(Apple, Signal, WhatsApp)이 선도해왔고, 모두 훌륭한 일을 하고 있다. 문제는 모든 주요 메신저가 단일 조직이 운영하는 중앙 서버를 신뢰하는 것에 의존한다는 것이다. 그 서버들은 정부가 폐쇄하거나, 백도어를 만들거나, 개인 데이터를 포기하도록 강요하기 쉬운 표적이다.

국가가 서버를 폐쇄할 수 있다면, 회사가 중앙 서버의 키를 갖고 있다면, 또는 심지어 회사가 중앙 서버를 갖고 있다면, 양자 암호화가 무슨 소용인가? 중앙 서버는 '나를 믿어라'를 요구한다. 하지만 중앙 서버가 없다는 것은 '나를 신뢰할 필요가 없다'는 뜻이다. 커뮤니케이션에는 중간에 단일 회사가 필요 없다.

메시징은 우리가 누구도 신뢰할 필요가 없는 오픈 프로토콜이 필요하다. 우리가 거기에 도달하는 방법은 네트워크를 탈중앙화하는 것이다. 중앙 서버 없이. 단일 앱 없이. 모든 오픈 소스 코드. 양자 위협에 대한 것을 포함해 최고 수준의 암호화.

오픈 네트워크에서는 우리의 소통 능력을 빼앗을 수 있는 단일 사람, 회사, 비영리, 또는 국가가 없다. 국가나 회사가 앱을 폐쇄하더라도, 다음 날 500개의 새 버전이 나올 것이다. 노드를 폐쇄하면 (블록체인 등 덕분에) 새로운 것이 즉시 그 자리를 차지하도록 하는 경제적 인센티브가 있다.

사람들이 돈을 소유하는 것처럼 메시지를 소유할 때, 키로, 모든 것이 바뀐다. 앱은 왔다 갔다 할 수 있지만, 사람들은 항상 자신의 메시지와 신원에 대한 통제를 유지할 것이다. 최종 사용자는 이제 앱이 아니더라도 자신의 메시지를 소유할 수 있다.

이것은 양자 저항성과 암호화보다 크다. 소유권과 탈중앙화다. 둘 다 없으면, 우리가 하고 있는 것은 여전히 꺼질 수 있는 깨지지 않는 암호화를 구축하는 것뿐이다.

'코드가 법'에서 '스펙이 법'으로

박대준

최근 디파이 해킹은 강력한 팀, 철저한 감사, 수년간의 생산 경험을 가진 실전 검증된 프로토콜을 강타했다. 이 사건들은 불편한 현실을 강조한다. 오늘날의 표준 보안 관행은 여전히 대체로 경험적이고 사례별이다.

성숙하려면, DeFi 보안은 버그 패턴에서 설계 수준 속성으로, '최선의 노력'에서 '원칙적' 접근법으로 이동해야 한다.

정적/배포 전 측면(테스팅, 감사, 형식 검증)에서, 그것은 손으로 선택한 로컬 검증이 아니라 글로벌 불변량을 체계적으로 증명하는 것을 의미한다. 여러 팀이 현재 구축하고 있는 AI 지원 증명 도구는 스펙을 작성하고, 불변량을 제안하며, 이것을 엄청나게 비싸게 만들었던 수동 증명 엔지니어링의 많은 부분을 떠맡는 데 도움을 줄 수 있다.

동적/배포 후 측면(런타임 모니터링, 런타임 시행 등)에서 그 불변량들은 살아있는 가드레일로 바뀔 수 있다. 마지막 방어선이다. 이 가드레일들은 모든 거래가 충족해야 하는 런타임 검증으로 직접 인코딩될 것이다.

이제 모든 버그가 잡혔다고 가정하는 대신, 우리는 코드 자체에서 핵심 안전 속성을 시행하고, 그것들을 위반할 거래를 자동으로 되돌릴 것이다.

이것은 단순히 이론이 아니다. 실제로 지금까지의 거의 모든 익스플로잇은 실행 중에 이 검증 중 하나에 걸렸을 것이고, 잠재적으로 해킹을 차단했을 것이다. 따라서 한때 인기 있었던 '코드가 법'이라는 아이디어는 '스펙이 법'으로 진화한다. 심지어 새로운 공격도 시스템을 온전하게 유지하는 동일한 안전 속성을 충족해야 하므로, 남은 공격은 극히 작거나 실행하기 극히 어려운 것뿐이다.

크립토가 블록체인을 넘어선 사용을 위한 새로운 기술 요소를 제공한다

저스틴 탈러

수년간 SNARK(재실행 없이 계산을 검증할 수 있게 하는 암호학적 증명)는 대체로 블록체인 전용 기술이었다. 오버헤드가 단순히 너무 높았다. 계산을 증명하는 것이 단순히 실행하는 것보다 1,000,000배 더 많은 작업을 필요로 할 수 있었다. 수천 명의 검증자에게 분산시킬 때는 그만한 가치가 있지만, 다른 곳에서는 비실용적이었다.

그것이 곧 바뀔 것이다. 2026년에는 zkVM 증명자가 수백 메가바이트의 메모리 풋프린트로 대략 10,000배 오버헤드에 도달할 것이다. 휴대폰에서 실행하기에 충분히 빠르고, 어디서나 실행하기에 충분히 저렴하다. 10,000배가 매직 넘버가 될 수 있는 한 가지 이유는 다음과 같다. 하이엔드 GPU는 노트북 CPU보다 약 10,000배 더 많은 병렬 처리량을 갖는다. 2026년 말까지 단일 GPU가 실시간으로 CPU 실행의 증명을 생성할 수 있을 것이다.

이것은 오래된 연구 논문의 비전을 실현할 수 있다. 검증 가능한 클라우드 컴퓨팅이다. 어차피 클라우드에서 CPU 워크로드를 실행하고 있다면, 계산이 GPU화하기에 충분히 무겁지 않거나, 전문 지식이 부족하거나, 레거시 이유 때문에, 합리적인 가격 추가로 정확성에 대한 암호학적 증명을 얻을 수 있을 것이다. 증명자는 이미 GPU 최적화되어 있다. 당신의 코드는 그럴 필요가 없다.

우리는 실질적인 연구 작업에 AI를 사용할 것이다

스콧 듀크 코미너스

수리경제학자로서, 올해 1월만 해도 소비자 AI 모델이 내 작업 프로세스를 이해하도록 만드는 것조차 어려웠다. 하지만 11월에는 박사 과정 학생에게 하듯이 모델에게 추상적 지시를 줄 수 있었다. 그리고 그들은 때때로 참신하고 올바르게 실행된 답을 돌려준다. 여기서의 내 경험을 넘어, 우리는 AI가 연구에 더 광범위하게 사용되는 걸 보기 시작하고 있다. 특히 추론 도메인에서, 모델이 이제 발견을 직접 돕고 퍼트넘넘 문제(아마도 세계에서 가장 어려운 대학 수준 수학 시험)를 자율적으로 해결하고 있다.

이러한 유형의 연구 지원이 어떤 분야에 가장 도움이 될지, 그리고 어떻게 도움이 될지는 여전히 열린 질문이다. 하지만 나는 AI 연구가 새로운 유형의 다방면 연구 스타일을 가능하게 하고 보상할 것으로 예상한다. 아이디어 간의 관계를 추측하는 능력과 훨씬 더 추측적인 답에서 빠르게 외삽하는 능력을 선호하는 스타일. 그 답들은 정확하지 않을 수 있지만, 여전히 올바른 방향을 가리킬 수 있다(최소한 어떤 관점에서는). 아이러니하게도, 이것은 일종의 모델 환각의 힘을 활용하는 것과 같다. 모델이 충분히 '똑똑해지면', 그들에게 이리저리 튀어 다닐 추상적 공간을 주는 것은 여전히 말도 안 되는 것을 생산할 수 있다. 하지만 때로는 발견을 열 수 있다. 마치 사람들이 선형적이고 명확하게 진술된 방향으로 작업하지 않을 때 가장 창의적일 수 있는 것처럼.

이런 방식으로 추론하려면 새로운 스타일의 AI 워크플로가 필요할 것이다. 단순히 에이전트 대 에이전트가 아니라, 더 에이전트가 에이전트를 감싸는 방식. 모델의 레이어가 연구자가 초기 모델의 접근법을 평가하고 연속적으로 좋은 것과 나쁜 것을 합성하도록 돕는 것. 나는 이 접근법을 논문을 쓰는 데 사용해왔고, 다른 사람들은 그것으로 특허 검색을 수행하거나, 새로운 형태의 예술을 발명하거나, (불행하게도) 새로운 스마트 계약 공격을 찾고 있다.

하지만, 연구를 위해 감싸진 추론 에이전트의 앙상블을 운영하려면 모델 간 더 나은 상호 운용성과, 각 모델의 기여를 인식하고 적절히 보상하는 방법이 필요할 것이다. 크립토가 해결하는 데 도움을 줄 수 있는 두 가지 문제다.

오픈 웹에 대한 보이지 않는 세금

엘리자베스 하카비

AI 에이전트의 부상은 오픈 웹에 보이지 않는 세금을 부과하고 있고, 그 경제적 기반을 근본적으로 파괴하고 있다. 이 파괴는 인터넷의 컨텍스트 레이어와 실행 레이어 사이의 커져가는 불일치에서 비롯된다. 현재 AI 에이전트는 광고 지원 사이트(컨텍스트 레이어)에서 데이터를 추출하고, 사용자에게 편의를 제공하면서 콘텐츠 자금을 조달하는 수익원(광고와 구독 같은)을 체계적으로 우회한다.

오픈 웹의 침식을 막고 AI 자체를 촉진하는 다양한 콘텐츠를 보존하려면, 기술적·경제적 솔루션의 대량 배치가 필요하다. 이것은 차세대 스폰서 콘텐츠, 마이크로 어트리뷰션 시스템, 또는 다른 새로운 자금 조달 모델 같은 것을 포함할 수 있다. 기존 AI 라이선싱 거래도 재정적으로 지속 불가능한 임시방편으로 판명되고 있다. 종종 콘텐츠 제공자에게 AI로 잠식된 트래픽으로 이미 잃은 수익의 일부만 보상한다.

웹은 가치가 자동으로 흐르는 새로운 기술경제 모델이 필요하다. 내년의 핵심 전환은 정적 라이선싱에서 실시간, 사용 기반 보상으로 이동하는 것이 될 것이다. 이것은 에이전트의 성공적인 작업에 정보를 기여하는 모든 주체에게 자동으로 보상하기 위해, 잠재적으로 블록체인 기반 나노 결제와 정교한 어트리뷰션 표준을 활용하는 시스템을 테스트하고 확장하는 것을 의미한다.

스테이크 미디어의 부상

로버트 해킷

(추정된) 객관성을 가진 전통적 미디어 모델의 균열은 한동안 보여져 왔다. 인터넷은 모두에게 목소리를 주었고, 더 많은 운영자, 실무자, 빌더가 이제 대중에게 직접 말하고 있다. 그들의 관점은 세계에서 그들의 이해관계를 반영하고, 역설적이게도 청중은 종종 그들의 이익에도 불구하고가 아니라 그 이익 때문에 그들을 존중한다.

여기서 새로운 것은 소셜 미디어의 부상이 아니라, 사람들이 공개적으로 검증 가능한 약속을 할 수 있게 하는 암호학적 도구의 등장이다. AI가 실제든 조작되었든 모든 관점이나 페르소나에서 무엇이든 주장하는 무한한 콘텐츠를 생성하기 쉽고 저렴하게 만들면서, 단순히 사람들(또는 봇)이 말하는 것에 의존하는 것은 불충분하게 느껴질 수 있다. 토큰화된 자산, 프로그래밍 가능한 락업, 예측 시장, 온체인 히스토리는 신뢰를 위한 더 강한 기반을 제공한다. 논평가는 주장을 게시하고 돈을 입에 담은 곳에 놓고 있다는 것을 증명할 수도 있다. 팟캐스터는 토큰을 잠가서 기회주의적으로 뒤집거나 '펌프 앤 덤프'를 하지 않고 있음을 보여줄 수 있다. 애널리스트는 예측을 공개적으로 정산되는 시장에 연결해, 감사 가능한 실적을 만들 수 있다.

이것이 내가 '스테이크 미디어'라고 생각하는 것의 초기 형태다. 게임에 참여한다는 아이디어를 받아들일 뿐만 아니라 증거를 제공하는 미디어의 종류다. 이 모델에서 신뢰성은 무관심을 가장하거나 근거 없는 주장을 하는 것에서 오지 않는다.

대신, 투명하고 검증 가능한 약속을 할 수 있는 이해관계를 갖는 것에서 온다. 스테이크 미디어는 다른 형태의 미디어를 대체하지 않을 것이다. 우리가 이미 가진 것을 보완한다. 새로운 신호를 제공한다. 단순히 '나를 믿어, 나는 중립이야'가 아니라, '내가 기꺼이 위험을 감수할 것과, 내가 진실을 말하고 있다는 것을 당신이 확인할 수 있는 방법은 이것이다.'

'서비스로서의 비밀'

아데니이 아비오둔

모든 모델, 에이전트, 자동화 뒤에는 단순한 종속성이 있다. 데이터다. 하지만 오늘날 대부분의 데이터 파이프라인, 즉 모델에 입력되거나 출력되는 것은 불투명하고, 가변적이며, 감사 불가능하다. 이것은 일부 소비자 애플리케이션에는 괜찮지만, 많은 산업과 사용자(금융과 헬스케어 같은)는 회사가 민감한 데이터를 비공개로 유지하도록 요구한다. 이것은 또한 지금 실물 자산을 토큰화하려는 기관들에게 엄청난 장애물이다.

그렇다면 안전하고, 컴플라이언트하며, 자율적이고, 글로벌하게 상호 운용 가능한 혁신을 가능하게 하면서 프라이버시를 어떻게 보존할 수 있을까? 많은 접근법이 있지만, 나는 데이터 접근 통제에 집중하겠다. 누가 민감한 데이터를 통제하는가? 그것은 어떻게 이동하는가? 그리고 누가(또는 무엇이) 그것에 접근할 수 있는가?

데이터 접근 통제가 없으면, 데이터를 기밀로 유지하려는 사람은 현재 중앙화된 서비스를 사용하거나 커스텀 설정을 구축해야 한다. 이것은 시간이 많이 걸리고 비쌀 뿐만 아니라, 전통 금융 기관 등이 온체인 데이터 관리의 기능과 이점을 완전히 활용하는 것을 막는다. 그리고 에이전트 시스템이 자율적으로 탐색하고, 거래하고, 결정을 내리기 시작하면서, 산업 전반의 사용자와 기관 모두 '최선의 노력 신뢰'가 아니라 암호학적 보장이 필요하다.

그래서 나는 서비스로서의 비밀이 필요하다고 믿는다. 프로그래밍 가능한 네이티브 데이터 접근 규칙, 클라이언트 측 암호화, 그리고 누가 무엇을 복호화할 수 있는지, 어떤 조건에서, 얼마나 오래 등을 시행하는 탈중앙화 키 관리를 제공할 수 있는 새로운 기술들. 모두 온체인에서 시행된다. 검증 가능한 데이터 시스템과 결합하면, 비밀은 애플리케이션 수준 패치가 아니라 인터넷의 근본적인 공공 인프라의 일부가 될 수 있다. 프라이버시가 사후에 덧붙여지는 게 아니라, 프라이버시를 핵심 인프라로 만드는 것이다.

모두를 위한 자산 관리

매기 수

맞춤형 자산 관리 서비스는 전통적으로 은행의 고액 자산가 고객을 위해 예약되어 왔다. 맞춤형 조언을 제공하고 자산 클래스 전반에 걸쳐 포트폴리오를 개인화하는 것은 비싸고 운영적으로 복잡하다. 하지만 더 많은 자산 클래스가 토큰화되면서, 크립토 레일은 AI 추천과 코파일럿으로 개인화된 전략이 즉시, 최소 비용으로 실행되고 재조정되는 것을 가능하게 한다.

이것은 단순히 로보 어드바이저 이상이다. 모두가 수동 관리뿐만 아니라 적극적 포트폴리오 관리에 접근할 수 있다. 2025년에 TradFi는 크립토에 대한 포트폴리오 익스포저 할당을 늘렸다(은행들이 이제 직접 또는 ETP를 통해 2~5%를 추천).

하지만 그것은 시작에 불과했다. 2026년에는 핀테크(Revolut이나 Robinhood 같은)와 중앙화 거래소(가 기술 스택 우위를 활용해 이 시장의 더 많은 부분을 차지하면서, '자산 보존'이 아니라 '자산 축적'을 위해 구축된 플랫폼을 보게 될 것이다. 한편, Morpho Vaults 같은 DeFi 도구는 최고의 위험 조정 수익률을 가진 대출 시장에 자산을 자동으로 할당한다. 포트폴리오에서 핵심 수익 창출 할당을 제공하는 것이다. 남은 유동 잔액을 법정화폐가 아니라 스테이블코인으로, 전통적인 머니마켓 펀드가 아니라 토큰화된 머니마켓 펀드로 보유하는 것은 추가 수익의 가능성을 확장한다.

마지막으로, 리테일 투자자는 이제 프라이빗 크레딧, IPO 전 기업, 프라이빗 에쿼티 같은 더 비유동적인 사모 시장 자산에 더 쉽게 접근할 수 있다. 토큰화가 컴플라이언스와 보고 요구사항을 여전히 유지하면서 이 시장을 여는 데 도움을 주기 때문이다. 균형 잡힌 포트폴리오의 다양한 구성 요소가 토큰화되면서(채권에서 주식, 사모와 대체투자까지 위험 스펙트럼을 따라 이동), 전신 송금 등을 하지 않고도 자동으로 재조정될 수 있다.

인터넷이 은행이 된다

크리스천 크라울리

에이전트가 대량으로 도착하고, 더 많은 상거래가 사용자 클릭이 아니라 배경에서 자동으로 일어나면, 돈, 즉 가치가 이동하는 방식이 바뀌어야 한다. AI 에이전트가 필요를 인식하고, 의무를 이행하거나, 결과를 트리거했기 때문에 돈을 이동시키는, 단계별 지시가 아니라 의도에 따라 시스템이 행동하는 세계에서, 가치는 오늘날 정보가 하는 것처럼 빠르고 자유롭게 이동해야 한다. 바로 여기서 블록체인, 스마트 계약, 새로운 프로토콜이 등장한다.

스마트 계약은 이미 1달러 결제를 몇 초 안에 전 세계적으로 정산할 수 있다. 하지만 2026년에는 x402 같은 새로운 프리미티브가 그 정산을 프로그래밍 가능하고 반응적으로 만든다. 에이전트가 데이터, GPU 시간, API 호출에 대해 즉시, 무허가로 서로에게 지불한다. 청구, 조정, 배치 없이. 개발자가 내장된 결제 규칙, 한도, 감사 추적과 함께 번들로 제공되는 소프트웨어 업데이트를 출시한다. 법정화폐 통합, 상점 온보딩, 은행 없이. 사건이 펼쳐지면서 실시간으로 자동 정산되는 예측 시장. 관리인이나 거래소 없이 승산이 업데이트되고, 에이전트가 거래하며, 지불금이 몇 초 안에 전 세계적으로 청산된다. 관리인이나 거래소 없이.

가치가 이런 식으로 이동할 수 있게 되면, '결제 플로우'는 별도의 운영 레이어이기를 멈추고 네트워크 행동이 된다. 은행은 인터넷의 기본 배관의 일부가 되고, 자산은 인프라가 된다. 돈이 인터넷이 라우팅할 수 있는 패킷이 된다면, 인터넷은 단순히 금융 시스템을 지원하는 것이 아니다. 금융 시스템이 된다.

법적 아키텍처가 마침내 기술 아키텍처와 일치할 때 블록체인의 완전한 잠재력을 열어젖힌다

마일즈 제닝스

지난 10년간 미국에서 블록체인 네트워크를 구축하는 가장 큰 장벽 중 하나는 법적 불확실성이었다. 증권법이 확대되고 선택적으로 시행되어, 창업가들을 네트워크가 아니라 회사를 위해 만들어진 규제 프레임워크로 밀어넣었다. 수년간 법적 위험 완화가 제품 전략을 대체했다. 엔지니어는 변호사에게 뒷자리를 내줬다.

이 역학은 많은 이상한 왜곡을 초래했다. 창업가들은 투명성을 피하라는 말을 들었다. 토큰 분배는 법적으로 자의적이 되었다. 거버넌스는 연극이 되었다. 조직 구조는 법적 보호를 위해 최적화되었다. 그리고 토큰은 경제적 가치를 피하도록 설계되었다. 비즈니스 모델을 갖지 않도록. 더 나쁜 것은, 규칙을 빠르고 느슨하게 다룬 크립토 프로젝트가 종종 선의의 빌더를 앞질렀다는 것이다.

하지만 정부가 통과에 그 어느 때보다 가까워진 크립토 시장 구조 규제는 내년에 이 모든 왜곡을 제거할 잠재력을 갖고 있다. 통과되면, 이 입법은 투명성을 인센티브화하고, 명확한 표준을 만들며, '집행 룰렛'을 자금 조달, 토큰 출시, 탈중앙화를 위한 더 명확하고 구조화된 경로로 대체할 것이다. GENIUS 이후 스테이블코인의 확산이 폭발했다. 크립토 시장 구조를 둘러싼 입법은 훨씬 더 중요한 전환이 될 것이지만, 이번에는 네트워크를 위한 것이다.

다시 말해, 그러한 규제는 블록체인 네트워크가 진정한 네트워크로 작동할 수 있게 할 것이다. 개방적이고 자율적이며, 조합 가능하고 신뢰할 수 있을 정도로 중립적이고 탈중앙화된 네트워크로 말이다.

본 콘텐츠는 2025년 12월 9일 ~ 11일 a16z에서 발표한 "Big Ideas 2026: Part 1~3"를 번역한 것입니다.

저는 전문 번역가가 아니기 때문에 오역이 있을 수 있습니다. 또한 본 글은 원저작자의 요청에 따라 불시에 삭제될 수 있습니다. 감사합니다.