# a16z의 2026년 빅 아이디어 > Clean Markdown view of GeekNews topic #25079. Use the original source for factual precision when an external source URL is present. ## Metadata - GeekNews HTML: [https://news.hada.io/topic?id=25079](https://news.hada.io/topic?id=25079) - GeekNews Markdown: [https://news.hada.io/topic/25079.md](https://news.hada.io/topic/25079.md) - Type: news - Author: [neo](https://news.hada.io/@neo) - Published: 2025-12-15T10:31:01+09:00 - Updated: 2025-12-15T10:31:01+09:00 - Original source: [a16z.news](https://www.a16z.news/p/big-ideas-2026-part-1) - Points: 27 - Comments: 0 ## Summary a16z가 발표한 **2026년 빅 아이디어**는 AI가 산업 전반의 인프라와 경제 구조를 다시 짜는 전환점을 그립니다. 기업용 소프트웨어는 더 이상 단순한 **기록 시스템**이 아니라, 데이터를 읽고 쓰며 스스로 실행하는 **자율 워크플로 엔진**으로 진화합니다. 동시에 **AI 에이전트**가 폭발적으로 늘어나며, 멀티모달 데이터 정리와 에이전트 네이티브 인프라가 새로운 경쟁 구도로 부상합니다. 이 변화의 중심에는 ‘모두를 위한 AI’가 아니라, 각 개인과 조직의 맥락에 맞춰 작동하는 **맞춤형 지능의 시대**가 있습니다. **"나의 해(Year of Me)"** 란 워딩이 눈길을 끄네요. ## Topic Body - 벤처캐피털 a16z가 **2026년 기술 산업의 주요 트렌드**를 예측한 보고서로, **인프라, 성장, 바이오·헬스, 스피드런, 미국 다이내미즘, 앱, 크립토** 분야별 투자팀 파트너들의 전망 수록 - **AI 에이전트**가 기업 인프라를 근본적으로 재설계하게 만들며, **멀티모달 데이터 정리와 에이전트 네이티브 인프라**가 핵심 과제로 부상할 것 - 기업용 소프트웨어에서 **기록 시스템(System of Record)의 중요성이 감소**하고, AI가 직접 데이터를 읽고 쓰며 추론하는 자율 워크플로우 엔진으로 전환 - 스테이블코인이 주류 결제 수단으로 자리잡으며, **온체인 자산 발행과 프라이버시 블록체인**이 차별화 요소로 부각 - 개인화된 AI 서비스가 교육, 건강, 미디어 전반에서 **대중을 위한 맞춤형 경험**을 제공하는 **"나의 해(Year of Me)"** 가 될 것이라 예측 --- ### # [Infrastructure] #### 멀티모달 데이터의 혼돈을 길들이는 스타트업들 - Jennifer Li - 기업이 보유한 **비정형·멀티모달 데이터**가 AI 도입의 가장 큰 병목이자 가장 큰 미활용 자산임 - PDFs, 스크린샷, 비디오, 로그, 이메일, 반정형 데이터가 기업 전반에 쌓여 있음 - 모델 성능은 빠르게 향상되지만 입력 데이터는 점점 더 혼란스러워짐 - 이로 인해 **RAG 시스템의 환각**, 에이전트의 미묘하고 비용 높은 오류가 발생함 - 핵심 업무 흐름이 여전히 인간 QA에 강하게 의존함 - AI 기업의 한계 요인이 컴퓨트가 아니라 **데이터 엔트로피**로 이동함 - 비정형 데이터 환경에서 **최신성·구조·진실성**이 지속적으로 붕괴됨 - 기업 지식의 약 **80%** 가 이 비정형 영역에 존재함 - 비정형 데이터를 풀어내는 일이 **세대적 기회**가 됨 - 멀티모달 데이터를 지속적으로 **정리·구조화·검증·거버넌스**하는 체계 필요 - 그래야 하위 AI 워크로드가 실제로 신뢰 가능하게 작동함 - 적용 범위가 거의 모든 엔터프라이즈 워크플로로 확장됨 - 계약 분석, 온보딩, 클레임 처리, 컴플라이언스, 고객지원, 조달 - 엔지니어링 검색, 세일즈 지원, 분석 파이프라인 - **신뢰 가능한 컨텍스트**에 의존하는 모든 에이전트 워크플로 포함 - 승부처는 플랫폼 레이어임 - 문서·이미지·비디오에서 **구조를 추출**함 - 데이터 **충돌을 조정**하고 파이프라인을 **복구**함 - 데이터를 **최신 상태로 유지**하고 항상 **검색 가능**하게 만듦 - 기업 지식과 프로세스의 핵심을 장악함 #### AI가 사이버보안 채용을 되살린다 - Joel de la Garza - 지난 10년간 사이버보안의 가장 큰 문제는 **채용**이었음 - 2013년부터 2021년 사이 미충원 보안 일자리가 **100만 미만 → 300만**으로 증가함 - 문제의 핵심은 레벨 1 보안 업무 구조임 - 고숙련 인력을 채용해 **로그 리뷰 같은 반복·소모적 작업**에 투입함 - 이 일을 지속적으로 하고 싶어하는 사람은 거의 없음 - 보안 조직은 스스로 잡무를 만들어냄 - 모든 것을 탐지하는 보안 제품을 도입함 - 결과적으로 **모든 경고를 사람이 검토**해야 하는 구조가 됨 - 이는 실제 부족이 아닌 **거짓 노동 희소성**을 만듦 - 2026년, AI가 이 악순환을 끊음 - 반복적이고 중복된 보안 업무의 상당 부분을 **자동화**함 - 대규모 보안팀 업무의 **절반**은 자동화로 해결 가능함 - 가장 어려운 문제는 무엇을 자동화할지 판단하는 일임 - 업무에 파묻힌 상태에서는 자동화 후보를 식별할 수 없음 - **AI 네이티브 보안 도구**가 이 판단을 대신 수행함 - 보안팀을 반복 작업에서 해방시킴 - 공격자 추적, 시스템 구축, 취약점 수정에 집중 가능해짐 #### 에이전트 네이티브 인프라는 기본 요건이 된다 - Malika Aubakirova - 2026년 인프라의 가장 큰 충격은 외부가 아니라 **내부 변화**에서 발생함 - 예측 가능하고 저동시성인 인간 트래픽에서 벗어남 - 재귀적이고 폭발적인 **에이전트 속도 워크로드**가 기본이 됨 - 기존 엔터프라이즈 백엔드는 인간 기준으로 설계됨 - 인간 행동 하나에 시스템 응답 하나를 가정함 - 단일 에이전트 목표가 **수천 개 하위 작업**을 동시에 생성하는 상황을 고려하지 않음 - 에이전트의 정상적인 작업이 레거시 시스템에는 공격처럼 보임 - 코드 리팩터링, 보안 로그 수정이 **DDoS 트래픽**으로 인식됨 - 대응의 핵심은 **제어 플레인 재설계**임 - **agent-native 인프라**가 기본 요건이 됨 - **thundering herd 패턴**을 예외가 아닌 기본 상태로 취급함 - 성능 기준이 근본적으로 바뀜 - **콜드 스타트 최소화** - **지연 시간 변동성 붕괴** - **동시성 한계의 자릿수 단위 증가** - 병목은 계산이 아니라 **조정(coordination)** 임 - 라우팅, 락킹, 상태 관리, 정책 집행이 대규모 병렬 실행의 핵심이 됨 - 도구 실행이 범람하는 환경을 견디는 플랫폼만 살아남음 #### 창작 도구는 멀티모달로 진화한다 - Justine Moore - AI는 이미 스토리텔링의 핵심 구성 요소를 확보함 - 음성, 음악, 이미지, 비디오 생성이 가능함 - 문제는 **제어력**임 - 단발성 클립을 넘어서면 원하는 결과를 얻기 어렵고 비용이 급증함 - 전통적인 감독 수준의 제어와는 거리가 있음 - 창작자는 **참조 기반 멀티모달 편집**을 원함 - 30초 비디오를 입력으로 넣고 새 캐릭터를 추가해 장면을 이어감 - 다른 카메라 각도에서 촬영한 것처럼 장면을 재구성함 - 참조 비디오와 동일한 모션을 재현함 - 2026년은 **멀티모달 AI의 해**가 됨 - 어떤 형태의 참조 콘텐츠든 입력으로 사용 가능 - 새 장면 생성과 기존 장면 편집이 자연스럽게 이어짐 - Kling O1, Runway Aleph 같은 초기 제품이 등장함 - 모델 레이어와 애플리케이션 레이어 모두에서 추가 혁신이 필요함 - 콘텐츠 제작은 AI의 **킬러 유스케이스**임 - 밈 제작자부터 할리우드 감독까지 폭넓은 시장 형성 #### AI 네이티브 데이터 스택은 계속 진화한다 - Jason Cui - 지난 1년간 모던 데이터 스택이 빠르게 통합됨 - 수집·변환·컴퓨트 중심 분업 구조가 붕괴됨 - **번들링과 통합 플랫폼**이 표준이 됨 - Fivetran/dbt 합병, Databricks 부상이 이를 보여줌 - 생태계는 성숙해 보이지만 **진짜 AI 네이티브 구조**는 아직 초기임 - 데이터 인프라와 AI 인프라가 분리 불가능한 상태로 결합 중임 - 벡터 데이터베이스가 핵심 구성 요소로 자리 잡음 - 정형 데이터와 함께 운영되는 구조가 기본이 됨 - 에이전트 시대의 핵심 과제는 **컨텍스트 문제**임 - 올바른 데이터와 시맨틱 레이어에 지속적으로 접근해야 함 - 여러 시스템 오브 레코드에서 **일관된 비즈니스 정의** 유지 필요 - BI 도구와 스프레드시트가 근본적으로 변함 - 데이터 워크플로가 **에이전트 중심·자동화 중심**으로 이동함 #### 비디오 안으로 들어가는 해 - Yoko Li - 2026년 비디오는 더 이상 수동적으로 소비하는 매체가 아님 - 실제로 **들어가서 활동하는 공간**이 됨 - 비디오 모델은 시간과 일관성을 다룸 - 과거 장면을 기억함 - 사용자 행동에 반응함 - 물리 세계와 유사한 **지속적 일관성**을 유지함 - 짧고 단절된 영상 생성에서 벗어남 - 캐릭터, 오브젝트, 물리가 충분히 오래 유지됨 - 행동이 결과로 이어지는 전개가 가능해짐 - 비디오는 **구축 가능한 매체**로 전환됨 - 로봇이 연습함 - 게임이 진화함 - 디자이너가 프로토타입을 제작함 - 에이전트가 직접 행동하며 학습함 - 결과물은 클립이 아니라 **살아 있는 환경**임 - 지각과 행동 사이의 간극이 크게 줄어듦 - 생성한 비디오 안에 실제로 존재하는 감각이 생김 --- ### # [Growth] #### 시스템 오브 레코드의 시대는 저문다 - Sarah Wang - 2026년 엔터프라이즈 소프트웨어의 진짜 변화는 **기록 시스템(System of Record)이 중심 지위를 잃는 것**임 - AI가 **의도(intent)와 실행(execution)** 사이의 거리를 거의 제거함 - 모델이 운영 데이터 전반을 직접 읽고, 쓰고, 추론함 - ITSM과 CRM이 단순 저장소에서 **자율적 워크플로 엔진**으로 전환됨 - 추론 모델과 에이전트 워크플로의 발전으로 시스템의 역할이 확장됨 - 단순 반응이 아니라 **예측·조정·엔드투엔드 실행**까지 수행함 - 인터페이스의 중심이 변화함 - 화면 중심 UI 대신 **동적인 에이전트 레이어**가 전면에 등장함 - 기존 시스템 오브 레코드는 **저장 계층(persistence tier)** 으로 밀려남 - 전략적 주도권이 이동함 - 데이터 저장을 누가 하느냐보다 - 직원이 실제로 사용하는 **지능형 실행 환경**을 누가 장악하느냐가 핵심이 됨 #### 버티컬 AI는 멀티플레이어로 진화한다 - Alex Immerman - 버티컬 AI가 전례 없는 속도로 성장함 - 헬스케어, 법률, 주거 분야에서 **수년 만에 $100M+ ARR** 달성 - 금융·회계 분야도 빠르게 뒤따르는 중 - 진화의 첫 단계는 **정보 검색** - 필요한 정보를 찾고, 추출하고, 요약함 - 2025년에는 **추론(reasoning)** 단계로 이동함 - Hebbia가 재무제표를 분석하고 모델을 구축함 - Basis가 여러 시스템의 시산표를 조정함 - EliseAI가 유지보수 문제를 진단하고 적절한 벤더를 호출함 - 2026년에는 **멀티플레이어 모드**가 열림 - 버티컬 소프트웨어는 도메인 특화 UI, 데이터, 통합에서 강점을 가짐 - 하지만 실제 업무는 본질적으로 **다자 협업 구조**임 - 에이전트가 노동을 대리하려면 협업이 필수임 - 구매자와 판매자 - 세입자, 자문가, 벤더 - 각 참여자가 서로 다른 권한, 워크플로, 컴플라이언스 요구를 가짐 - 현재는 AI가 각자 고립된 상태로 작동함 - 계약을 분석하는 AI가 CFO와 연결되지 않음 - 유지보수 AI가 현장 직원의 약속을 모름 - **멀티플레이어 AI는 이를 조정**함 - 이해관계자 간 작업을 라우팅함 - 컨텍스트를 유지함 - 변경 사항을 동기화함 - 상대방 AI가 정해진 범위 안에서 협상함 - 불균형을 인간 검토 대상으로 올림 - 시니어 파트너의 수정이 조직 전체 학습으로 이어짐 - 협업으로 창출되는 가치가 커질수록 **전환 비용**이 상승함 - AI 앱이 갖지 못했던 **네트워크 효과**가 발생함 - 협업 레이어 자체가 **해자(moat)** 가 됨 #### 인간이 아닌 에이전트를 위해 만든다 - Stephenie Zhang - 2026년부터 사람들은 웹을 **자신의 에이전트**를 통해 사용함 - 인간 소비를 기준으로 중요했던 요소들이 더 이상 동일하게 작동하지 않음 - **기존 최적화 방식은 인간 행동을 전제**로 함 - 검색 결과 상위 노출 - 마켓플레이스 첫 페이지 진입 - TL;DR로 시작하는 구성 - 인간은 중요한 문장을 놓칠 수 있지만 에이전트는 놓치지 않음 - 페이지 5에 숨겨진 핵심 문장도 에이전트는 바로 찾아냄 - 변화는 소프트웨어 설계에도 적용됨 - 앱은 인간의 시선과 클릭을 기준으로 설계됨 - 최적화의 기준은 좋은 UI와 직관적 플로우였음 - 에이전트가 해석과 검색을 맡으면서 기준이 바뀜 - 시각적 디자인은 이해의 핵심 요소가 아님 - 엔지니어가 Grafana를 보는 대신 **AI SRE가 텔레메트리를 해석해 Slack에 요약**함 - 세일즈 팀이 CRM을 뒤지는 대신 **에이전트가 패턴과 요약을 자동 제공**함 - 이제는 인간이 아니라 **에이전트를 위해 설계**함 - 시각적 위계가 아니라 **기계 가독성**이 최적화 대상이 됨 - 이 변화가 창작 방식과 도구 자체를 바꿔놓음 #### AI 앱에서 스크린 타임 KPI는 끝난다 - Santiago Rodriguez - 지난 15년간 **스크린 타임**은 가치 전달의 핵심 지표였음 - 넷플릭스 시청 시간 - 의료 EHR에서의 클릭 수 - ChatGPT 사용 시간 - 이 지표는 곧 무력화됨 - 결과 기반 과금이 확산되며 - 벤더와 사용자의 인센티브가 정렬됨 - 가장 먼저 사라지는 지표가 스크린 타임임 - 이미 현실에서 변화가 나타남 - ChatGPT DeepResearch는 화면을 거의 보지 않아도 큰 가치를 만듦 - Abridge는 진료 대화를 자동 캡처하고 후속 작업을 처리함 - Cursor는 앱 전체를 생성해 개발자가 다음 사이클을 설계하게 만듦 - Hebbia는 수백 개 공시를 기반으로 덱을 만들고 투자은행가의 수면을 되찾아줌 - 새로운 과제가 등장함 - 사용자당 얼마를 받을지 결정하려면 **더 복잡한 ROI 측정**이 필요함 - AI 앱은 다양한 차원의 가치를 동시에 높임 - 의사의 만족도 - 개발자 생산성 - 금융 분석가의 삶의 질 - 소비자 행복 - **가장 단순하게 ROI를 설명하는 기업이 시장에서 앞서 나감** --- ### # [Bio + Health] #### 건강한 MAU의 부상 - Julie Yoo - 2026년 헬스케어의 중심 고객군으로 **Healthy MAUs(건강한 MAU)** 가 등장함 - 현재 아프지는 않지만 - 자신의 건강을 **지속적으로 이해하고 모니터링**하려는 소비자임 - 기존 헬스케어 시스템은 세 가지 사용자에 집중해 왔음 - **Sick MAUs**: 비용이 크고 간헐적으로 폭증하는 치료 수요를 가진 환자 - **Sick DAUs**: 중환자·만성질환자처럼 장기적이고 집중적인 치료가 필요한 사용자 - **Healthy YAUs**: 비교적 건강해 병원을 거의 찾지 않는 사용자 - Healthy YAUs는 언제든 **Sick MAUs나 Sick DAUs로 전환될 위험**이 있음 - 예방적 관리가 이 전환 속도를 늦출 수 있음 - 문제는 기존 보상 구조임 - 치료 중심의 **리액션 기반 의료 보상 시스템**이 예방보다 치료를 보상함 - 정기적인 체크인이나 모니터링 서비스 접근성이 낮음 - 보험은 예방 중심 서비스에 거의 비용을 지불하지 않음 - Healthy MAUs는 이 공백을 메움 - 지금 당장 아프지 않지만 - 반복적으로 건강 상태를 확인하고 이해하길 원함 - 소비자 전체에서 **가장 큰 잠재 집단**이 될 가능성이 큼 - 이 고객군을 겨냥한 서비스 물결이 시작됨 - **AI 네이티브 스타트업** - 기존 헬스케어 기업의 **재포장된 서비스** - 모두 정기적·구독형 서비스 제공으로 이동함 - AI는 헬스케어 전달 비용 구조를 낮춤 - 모니터링과 분석의 자동화 - 인력 의존도 감소 - 예방 중심 보험 상품의 등장 가능성이 열림 - 소비자는 **본인 부담 구독 모델**에 점점 익숙해짐 - Healthy MAUs는 다음 세대 헬스테크의 핵심 고객군이 됨 - **지속적으로 참여** - **데이터에 기반** - **예방 중심**으로 행동함 --- ### # [Speedrun] #### 월드 모델이 스토리텔링의 중심에 선다 - Jon Lai - 2026년 스토리텔링의 중심에 **AI 기반 월드 모델**이 자리 잡음 - 상호작용 가능한 가상 세계와 **디지털 경제**를 기반으로 한 새로운 형식 등장 - Marble(World Labs), Genie 3(DeepMind)는 텍스트 프롬프트만으로 **완전한 3D 환경**을 생성함 - 사용자는 게임처럼 그 세계를 직접 탐험함 - 창작자들이 이 도구를 채택하면서 **완전히 새로운 서사 형식**이 등장함 - 공동 창작이 가능한 거대한 세계가 생성됨 - 궁극적으로는 **‘생성형 Minecraft’** 에 가까운 형태로 진화함 - 게임 메커니즘과 자연어 프로그래밍이 결합됨 - “닿는 모든 것을 분홍색으로 바꾸는 붓을 만들어라” 같은 명령이 세계 규칙으로 작동함 - 플레이어와 창작자의 경계가 사라짐 - 사용자가 단순 소비자가 아니라 **공동 저자**가 됨 - 서로 연결된 **생성형 멀티버스**가 형성됨 - 판타지, 호러, 어드벤처 같은 장르가 하나의 생태계 안에 공존함 - 세계 안에서 디지털 경제가 활성화됨 - 에셋 제작 - 신규 사용자 가이드 - 새로운 인터랙션 도구 개발로 수익 창출 - 이 세계들은 엔터테인먼트를 넘어 **시뮬레이션 환경**으로 활용됨 - AI 에이전트 훈련 - 로봇 학습 - 더 나아가 AGI 실험 공간으로 확장됨 - 월드 모델의 부상은 새로운 놀이 장르가 아니라 **새로운 창작 매체이자 경제 전선**의 등장임 #### ‘나를 위한 해’ - Josh Lu - 2026년은 **“The Year of Me”**, 제품이 대량 생산에서 **개인 맞춤 제작**으로 전환되는 해임 - 교육에서 이미 변화가 시작됨 - Alphaschool 같은 스타트업이 학생별 속도와 호기심에 맞춰 적응하는 **AI 튜터**를 제공함 - 과거에는 학생 1인당 수만 달러의 과외 비용이 있어야 가능했던 수준의 개인화임 - 헬스 영역에서도 개인화가 일상화됨 - AI가 개인 생체 정보에 맞춘 **보충제 조합, 운동 계획, 식단 루틴**을 설계함 - 트레이너나 실험실 의존 없이 가능해짐 - 미디어 역시 개인화됨 - 뉴스, 프로그램, 스토리를 개인의 관심사와 톤에 맞게 재구성함 - 지난 세기의 승자는 **평균 소비자**를 찾아낸 기업이었음 - 다음 세기의 승자는 **평균 속에 숨은 개인**을 찾아내는 기업임 - 2026년은 세상이 ‘모두’를 최적화하는 것을 멈추고 **‘당신’을 최적화하기 시작하는 시점**임 #### 최초의 AI 네이티브 대학 - Emily Bennett - 2026년에 **AI 네이티브 대학**이 등장함 - 지능형 시스템을 중심에 두고 처음부터 설계된 교육 기관임 - 기존 대학은 AI를 부분적으로만 도입해 왔음 - 채점, 튜터링, 일정 관리 수준에 머물렀음 - 이제는 **스스로 학습하고 최적화하는 학문 조직**이 등장함 - 수업, 지도, 연구 협업, 건물 운영까지 데이터 피드백 루프로 적응함 - 대학의 모든 요소가 실시간으로 변화함 - 시간표가 스스로 최적화됨 - 읽기 목록이 밤마다 최신 연구를 반영해 갱신됨 - 학습 경로가 학생의 속도와 맥락에 맞춰 즉시 조정됨 - 이미 전조 사례가 존재함 - ASU는 OpenAI와의 전사적 협력으로 수백 개 AI 프로젝트를 운영함 - SUNY는 교양 과정에 **AI 리터러시**를 필수로 포함함 - AI 네이티브 대학에서 교수의 역할이 바뀜 - 지식을 전달하는 사람이 아니라 **학습의 설계자**가 됨 - 데이터를 큐레이션하고 모델을 조정함 - 학생에게 기계 추론을 비판적으로 다루는 법을 가르침 - 평가 방식도 전환됨 - 표절 탐지와 사용 금지가 사라짐 - AI를 **어떻게 사용했는지**를 평가함 - 투명성과 절제된 활용이 기준이 됨 - 산업 전반이 AI를 설계·운영·협업할 인재를 필요로 함 - AI 네이티브 대학은 이 인재를 배출하는 **새 경제의 인력 엔진**이 됨 --- ### # [American Dynamism] #### AI 네이티브 산업 기반을 구축한다 - David Ulevitch - 미국 경제의 실질적 힘을 만드는 영역이 다시 중심에 섬 - 에너지, 제조, 물류, 인프라가 핵심 축으로 복귀함 - 가장 중요한 변화는 **진정한 AI 네이티브·소프트웨어 퍼스트 산업 기반**의 등장임 - 시뮬레이션, 자동화 설계, AI 기반 운영에서 출발함 - 과거를 현대화하는 것이 아니라 **다음 세대를 처음부터 구축**함 - 산업 전반에서 새로운 기회가 열림 - 첨단 에너지 시스템 - 로봇 중심 중공업 제조 - 차세대 채굴 산업 - 모든 산업의 기초가 되는 **생물학·효소 기반 화학 공정** - AI가 산업의 핵심 과정을 재설계함 - 더 깨끗한 반응로 설계 - 자원 추출 최적화 - 더 나은 효소 엔지니어링 - 자율 기계 플릿을 정밀하게 조정함 - 공장 밖의 세계도 재구성됨 - 자율 센서와 드론 - 최신 AI 모델이 항만, 철도, 전력망, 파이프라인, 군사 기지, 데이터센터를 **지속적으로 가시화**함 - 현실 세계는 새로운 소프트웨어를 필요로 함 - 이를 만드는 창업가가 **다음 세기의 미국 번영**을 결정함 #### 미국 공장의 르네상스 - Erin Price-Wright - 미국의 첫 번째 위대한 세기는 **산업 역량** 위에서 만들어짐 - 오프쇼어링과 사회 전반의 구축 실패로 많은 근육을 잃음 - 이제 다시 움직이기 시작함 - 소프트웨어와 AI를 중심에 둔 **미국 공장의 재탄생**이 진행 중임 - 2026년에는 산업 전반이 **공장적 사고방식**으로 문제를 접근함 - 에너지, 채굴, 건설, 제조 전반에 적용됨 - 핵심은 **모듈화된 AI·자율성 + 숙련 노동자**의 결합임 - 맞춤형·복잡한 공정을 조립라인처럼 작동하게 만듦 - 이 접근은 다음을 가능하게 함 - 복잡한 규제·인허가를 빠르고 반복적으로 통과함 - 설계 주기를 단축하고 처음부터 제조를 고려한 설계 수행 - 대규모 프로젝트 조정을 효율적으로 관리 - 인간에게 어렵거나 위험한 작업을 자율 시스템으로 가속 - 헨리 포드식 사고를 **Day 0부터 적용**함 - 규모와 반복 가능성을 전제로 설계함 - 여기에 최신 AI를 결합함 - 그 결과가 빠르게 나타남 - 원자로의 대량 생산 - 주택 공급 확대 - 데이터센터의 초고속 건설 - “**공장이 곧 제품이다**”라는 명제가 다시 현실이 됨 - 새로운 **산업 황금기**로 진입함 #### 다음 관측성의 물결은 디지털이 아니라 물리다 - Zabie Elmgren - 지난 10년간 소프트웨어 관측성이 디지털 시스템을 투명하게 만듦 - 로그, 메트릭, 트레이스를 통해 코드와 서버를 파악함 - 동일한 혁신이 **물리 세계**로 확장됨 - 미국 전역에 이미 **10억 개 이상의 카메라와 센서**가 배치됨 - 도시, 전력망, 인프라를 실시간으로 이해하는 **물리적 관측성**이 시급하고 가능해짐 - 이 인식 계층이 로보틱스와 자율성의 다음 단계를 열어줌 - 기계가 물리 세계를 코드처럼 인식하는 공통 패브릭 필요 - 위험도 함께 존재함: 산불 감지와 산업 사고 예방 기술이 감시 디스토피아로도 전환될 수 있음 - 승자는 **신뢰를 획득한 기업**임 : **프라이버시 보존**, **상호운용 가능**, **AI 네이티브** - 사회를 더 이해 가능하게 만들되, 덜 자유롭게 만들지 않는 시스템이 필요함 - 이 신뢰의 패브릭을 구축하는 주체가 **다음 10년의 관측성**을 정의함 #### 전기-산업 스택이 세상을 움직인다 - Ryan McEntush - 다음 산업 혁명은 공장만이 아니라 **기계를 구성하는 내부**에서 발생함 - 소프트웨어는 사고와 설계를 바꿨고, 이제 **이동·건설·생산**을 바꿈 - 전기화, 소재, AI의 결합이 일어남 - 물리 세계에 **진정한 소프트웨어 제어**가 도입됨 - 기계가 스스로 감지하고 학습하며 행동함 - 이것이 **전기-산업 스택(electro-industrial stack)** 임 - 전기차, 드론, 데이터센터, 현대 제조의 기반 기술 - 원자를 움직이는 기술과 비트를 연결함 - 스택의 구성 요소 - 광물 정제 → 부품 - 배터리에 저장된 에너지 - 전력 전자로 제어되는 전기 - 정밀 모터로 전달되는 움직임 - 모든 것을 조율하는 소프트웨어 - 이는 물리적 자동화의 보이지 않는 기반으로 택시를 부르는 소프트웨어와 **운전대를 잡는 소프트웨어**의 차이를 만듦 - 이 스택을 구축하는 역량이 약화되고 있음 : 핵심 소재 정제 & 첨단 칩 제조 - 미국이 다음 산업 시대를 주도하려면 **하드웨어를 직접 만들어야 함** - 전기-산업 스택을 장악한 국가가 **산업·군사 기술의 미래**를 결정함 - **소프트웨어는 세상을 먹었다. 이제 세상을 움직인다** #### 자율 실험실이 과학 발견을 가속한다 - Oliver Hsu - 모델 역량이 멀티모달 전반에서 발전함 - 로봇 조작 능력도 지속적으로 향상됨 - 이 두 흐름이 결합되며 **자율 실험실**이 등장함 - 가설 수립 - 실험 설계 - 실행 - 추론과 결과 분석 - 다음 연구 방향 반복 - 과학 발견의 **엔드투엔드 루프**가 자동으로 닫힘 - 이 실험실을 만드는 팀은 본질적으로 **융합적**임 : AI, 로보틱스, 물리·생명과학, 제조, 운영 - 무인(lights-out) 실험을 통해 **연속적 실험**이 가능해짐 - 다양한 분야에서 발견 속도가 급격히 빨라짐 #### 핵심 산업을 향한 데이터 십자군 - Will Bitsky - 2025년 AI 담론의 중심은 **컴퓨트 제약과 데이터센터**였음 - 2026년의 중심은 **데이터 제약**과 새로운 데이터 전장이며, 그 전장이 **핵심 산업**임 - 핵심 산업에는 아직 방대한 **비정형 데이터**가 잠들어 있음: 트럭 운행, 계량기 판독, 유지보수 작업, 생산 공정, 조립과 테스트 등 - 이 모든 과정이 모델 학습 데이터가 되어, 무엇을 했는지뿐 아니라 **어떻게 했는지**가 중요함 - 문제는 산업 현장에 데이터 개념이 부족하다는 점임 : 수집, 어노테이션, 모델 학습이 산업 어휘에 포함되지 않음 - 데이터 수요는 폭발적임 - Scale, Mercor, AI 연구소가 공정 데이터를 공격적으로 수집함 - 고비용의 수작업 데이터에 의존함 - 기존 산업 기업이 구조적 우위를 가짐 - 물리 인프라와 노동력을 이미 보유함 - 거의 **한계 비용 없이 데이터 수집** 가능 - 자체 모델 학습 또는 외부 라이선싱 가능 - 스타트업이 이를 지원 - 수집·어노테이션·동의 관리 소프트웨어 - 센서 하드웨어와 SDK - 강화학습 환경과 학습 파이프라인 - 궁극적으로는 **자체 지능형 기계**까지 제공함 --- ### # [Apps] #### AI는 비즈니스 모델 자체를 강화한다 - David Haber - 뛰어난 AI 스타트업은 단순히 업무를 자동화하지 않고, 고객의 **경제 구조 자체를 증폭**시킴 - 성공 보수 기반 로펌을 예로 보면 - 이기는 경우에만 수익이 발생함 - Eve 같은 회사는 **사건 결과 데이터**를 활용해 승소 확률을 예측함 - 더 나은 사건을 선택하고 더 많은 고객을 처리하며 더 자주 승리함 - AI는 비용 절감 도구에 머물지 않고 **매출을 직접 증가**시킴 - 2026년에는 이 논리가 산업 전반으로 확산됨 - AI가 고객의 인센티브와 더 깊게 정렬됨 - 기존 소프트웨어가 따라올 수 없는 **복리적 경쟁 우위**를 만듦 #### ChatGPT는 AI 앱 스토어가 된다 - Anish Acharya - 소비자 제품 사이클에는 세 가지가 필요함 - 새로운 기술 - 새로운 소비자 행동 - 새로운 유통 채널 - AI는 앞의 두 가지는 충족했지만 **고유한 유통 채널**이 없었고, X 같은 기존 네트워크나 입소문에 의존함 - 상황이 바뀜 - OpenAI Apps SDK 공개 - Apple의 미니앱 지원 - ChatGPT의 그룹 메시징 도입 - 이제 개발자는 **ChatGPT의 9억 명 사용자**에게 직접 접근 가능함 - Wabi 같은 새로운 미니앱 네트워크와 함께 성장 가능 - 이 마지막 퍼즐이 맞춰지며 2026년 소비자 테크에 **10년에 한 번 올 골드러시**가 시작될 것 #### 음성 에이전트가 본격적으로 영역을 넓힌다 - Olivia Moore - 지난 18개월 동안 음성 AI는 공상과학에서 현실이 됨 : 일정 예약, 예약 처리, 설문 조사, 고객 인입 처리 - SMB부터 엔터프라이즈까지 이미 광범위하게 사용 중임 - 효과는 분명함 : 비용 절감, 추가 매출 창출, **인간은 더 높은 가치의 일을 수행**함 - 아직은 **포인트 솔루션 단계**에 머무른 기업이 많아 특정 통화 유형만 처리함 - 다음 단계는 전면 확장임 - 전체 워크플로우 처리 - 멀티모달 상호작용 - 고객 관계 전반을 관리함 - 이를 위해서는 **비즈니스 시스템과 깊게 통합된 에이전트** 와 **더 복잡한 상호작용을 자율적으로 처리하는 권한**이 필요 - 모델 성능이 계속 개선되는 한 모든 기업이 **음성 퍼스트 AI**를 운영하지 않을 이유가 없음 #### 프롬프트 없는, 선제적 애플리케이션의 등장 - Marc Andrusko - 2026년은 **프롬프트 입력창의 종말**임 - 다음 세대 AI 앱은 명시적 입력 없이 작동함 : 사용자의 행동을 관찰하고, 선제적으로 제안을 제공함 - 예시 - IDE가 요청 전에 리팩토링을 제안 - CRM이 통화 종료 직후 후속 이메일을 작성 - 디자인 도구가 작업 중 변형안을 생성 - 채팅 인터페이스는 **보조 바퀴**였음 - AI는 이제 워크플로우 전반에 스며든 **보이지 않는 구조물**이 됨 - 명령이 아니라 **의도**에 반응함 #### AI가 은행과 보험의 기반을 다시 만든다 - Angela Strange - 기존 금융사는 레거시 시스템 위에 AI를 덧붙여 왔음 : 문서 인식, 음성 에이전트 - 진짜 변화는 **인프라 자체를 재구축할 때** 발생함 - 2026년에는 **AI를 도입하지 않는 리스크**가 실패 리스크보다 커짐 - 대형 금융기관이 레거시 벤더 계약을 종료하고 **AI 네이티브 대안**으로 이동함 - 새로운 금융 플랫폼의 특징 : 레거시·외부 데이터를 중앙화, 정규화, 강화함 - 결과 - 워크플로우의 대규모 병렬화 - 시스템 간 이동 없는 업무 처리 - 수백 개의 작업을 한눈에 보고 에이전트가 일부를 자동 처리함 - 카테고리 자체가 통합됨 - 예: KYC와 전환 모니터링이 단일 리스크 플랫폼으로 결합 - 승자는 기존보다 **10배 큰 기업**이 됨 - 소프트웨어가 노동을 대체함 - 금융의 미래는 기존 시스템에 AI를 얹는 것이 아니라 **AI를 기반으로 한 새로운 운영체제**를 만드는 것임 #### 전방 배치 전략이 AI를 99%로 확산시킨다 - Joe Schmidt - 지금까지 AI 혜택은 실리콘밸리 1%에 집중됨. 지리적 접근성과 VC 네트워크 때문 - 2026년에는 이 흐름이 뒤집힘 : AI 기회의 대부분은 **실리콘밸리 밖**에 존재함 - 새로운 창업가들은 전방 배치(forward-deployed) 방식으로 레거시 산업 내부의 기회를 발견함 - 특히 큰 기회가 있는 영역 : - 전통 컨설팅 - 시스템 통합 - 제조 같은 느린 산업 #### 포춘 500에 새로운 오케스트레이션 계층과 역할이 생긴다 - Seema Amble - 엔터프라이즈는 단일 AI 도구에서 **멀티 에이전트 시스템**으로 이동함 - 에이전트는 디지털 팀처럼 협력해야 함. 계획, 분석, 실행을 함께 수행함 - 이를 위해 **업무 구조 및 시스템 간 컨텍스트 흐름**을 재설계함 - AskLio, HappyRobot은 이미 단일 작업이 아니라 **전체 프로세스**에 에이전트를 배치함 - 포춘 500은 가장 큰 변화를 겪음 : 방대한 사일로 데이터 와 사람 머릿속에 있던 암묵지 - 이를 공유된 기반으로 만들면 의사결정 속도 향상, 사이클 압축, 인간 개입 없는 엔드투엔드 프로세스 가능 - 새로운 역할이 등장함 : AI 워크플로우 디자이너, 에이전트 감독자, 거버넌스 책임자 - 시스템 오브 레코드 위에 **시스템 오브 코디네이션**이 추가됨 - 인간은 가장 복잡한 엣지 케이스에 집중함 - 멀티 에이전트는 단순 자동화가 아니라 **기업 운영 방식 자체를 재구성**함 #### 소비자 AI는 ‘도와줘’에서 ‘나를 봐줘’로 이동한다 - Bryan Kim - 2026년은 소비자 AI가 **생산성에서 연결성**으로 이동하는 해임 - AI는 일을 돕는 도구를 넘어 **자신을 더 잘 이해하게 하고, 관계를 강화**함 - 어려운 영역임. 많은 소셜 AI가 실패함 - 그러나 환경이 달라짐 : 멀티모달 컨텍스트 확대, 추론 비용 하락 - AI는 이제 사진 속 감정, 대화 패턴, 스트레스에 따른 루틴 변화를 학습함 - ‘see me’ 제품의 특징 - 낮은 단기 지불 의사 - **높은 유지율** - 사람들은 이미 데이터를 가치와 교환함 - 곧 그 대가가 충분히 커짐 #### 새로운 모델 프리미티브가 불가능했던 회사를 만든다 - Kimberly Tan - 최근 모델 혁신으로 이전에는 존재할 수 없던 회사가 등장함 - 과거에는 기존 제품을 **개선**하는 수준이었음 - 이제는 **제품의 핵심 기능 자체가 새로운 모델 능력에 의해 가능**해짐 - 예시 - 복잡한 금융 청구 판단 - 방대한 학술·리서치 자료 분석 - 제조 현장의 비디오 데이터 추출 - 데스크톱·나쁜 API 뒤에 숨어 있던 업무 자동화 - 추론, 멀티모달, 컴퓨터 사용이 거대한 산업의 구조를 바꿈 #### AI 스타트업을 고객으로 삼는 AI 스타트업이 성장한다 - James da Costa - 현재는 전례 없는 **창업 폭발기**임 - 기존 기업도 AI를 빠르게 도입 중임 - 스타트업이 이기는 방법은 **형성 단계의 회사**를 고객으로 삼는 것임 - 신생 기업을 초기에 확보하면 고객이 성장할수록 함께 성장함 - Stripe, Deel, Mercury, Ramp가 이 전략을 사용함 - Stripe의 많은 고객은 Stripe보다 나중에 탄생함 - **2026년은 그린필드 전략을 택한 스타트업이** 여러 엔터프라이즈 소프트웨어 영역에서 본격적으로 규모를 키우는 해가 됨 - 핵심은 단순함 : - 더 나은 제품을 만들고 - 기존에 묶여 있지 않은 **새로운 고객**에 집착함 --- ### # [Crypto] #### 프라이버시는 크립토에서 가장 중요한 해자가 된다 - 온체인 금융이 주류가 되려면 **프라이버시가 필수**임 - 그런데 대부분의 블록체인은 프라이버시가 사실상 부재하거나 뒷전이었음 - 이제는 프라이버시 하나만으로도 체인을 **명확하게 차별화**할 수 있음 - 프라이버시는 단순 기능이 아니라 **체인 락인(chain lock-in)** 을 만들 수 있음 - 성능 경쟁만으로는 더 이상 충분하지 않은 세계에서 특히 강력해짐 - 공개 체인 사이 이동은 브리징 덕분에 쉬움 - 하지만 프라이버시가 들어가면 얘기가 달라짐 - 토큰은 옮기기 쉬워도 **비밀은 옮기기 어려움** - 프라이빗 영역을 드나들 때 생기는 위험 - 체인/멤풀/네트워크 트래픽을 감시하는 쪽이 정체를 추론할 수 있음 - 경계(프라이빗↔퍼블릭, 프라이빗↔프라이빗)를 넘는 순간 **메타데이터 누출**이 발생함 - 거래 타이밍, 크기 상관관계 등이 추적 단서가 됨 - 수수료는 경쟁으로 0에 가까워지기 쉬움 - 블록스페이스가 점점 **동질화**됨 - 그래서 “아무 특징 없는 신규 체인”은 강한 네트워크 효과를 만들기 어려움 - 반대로 프라이버시 체인은 더 강한 [네트워크 효과](https://a16zcrypto.com/posts/tags/network-effects/)를 만들 여지가 큼 - 일반 목적 체인이 - 이미 번성하는 생태계도 없고 - 킬러 앱도 없고 - 불공정한 분배 우위도 없다면 **쓸 이유도, 만들 이유도, 충성할 이유도 희박**함 - 공개 체인에서는 “어느 체인에 있느냐”가 덜 중요함 - 다른 체인 사용자와도 거래가 쉬움 - 프라이빗 체인에서는 “어느 체인에 들어가느냐”가 훨씬 중요함 - 옮길 때 노출 위험이 커져서 **이탈이 줄어듦** - 결과적으로 프라이버시 체인은 **승자독식에 가까운 구도**를 만들 수 있음 - 현실 세계 사용처 대부분에 프라이버시가 필요하다면 - 소수의 프라이버시 체인이 크립토 대부분을 가져갈 수 있음 #### 예측 시장은 더 커지고 더 넓어지고 더 똑똑해진다 - 예측 시장은 이미 대중화 단계에 들어섰음 - 내년에는 크립토와 AI와 결합하며 **규모·범위·지능**이 동시에 커짐 - 계약이 훨씬 더 많이 상장됨 - 큰 선거/지정학 이슈뿐 아니라 - 파고들수록 복잡한 결과, 서로 얽힌 이벤트까지 **실시간 확률**로 접근 가능해짐 - [예측 시장 정보가 뉴스 생태계에 이미 더 깊게 들어옴](https://a16zcrypto.substack.com/p/everyones-wrong-about-quantum-computing) - 동시에 사회적 질문이 커짐 - 이런 정보의 가치와 위험을 어떻게 균형 잡을지 - 설계를 어떻게 더 **투명하고, 감사 가능**하게 만들지 - 크립토로 이를 가능하게 만들 수 있음(후속 글 링크 예정이라는 전제) - 계약 수가 늘면 “진실에 합의하는 방법”이 병목이 됨 - 중앙화된 판정(사건이 진짜 일어났는가, 어떻게 확인하는가)이 중요함 - 하지만 분쟁 사례가 한계를 보여줌 - [Zelensky suit market](https://www.wired.com/story/volodymyr-zelensky-suit-polymarket-rebellion/) - [Venezuelan election market](https://ar.usembassy.gov/assessing-the-results-of-venezuelas-presidential-election/) - 확장하려면 분쟁 케이스를 처리할 **새로운 메커니즘**이 필요함 - 탈중앙 거버넌스 - LLM 오라클(논쟁적 결과의 ‘진실’ 판정 보조) - AI는 오라클을 넘어 트레이딩 측면에서도 폭을 넓힘 - 에이전트 트레이더가 세상의 신호를 긁어모아 단기 우위를 만들 수 있음 - (Prophet Arena 같은 흐름이 힌트를 줌) - 예측 시장은 여론조사를 대체하지 않음 - 대신 **여론조사를 더 좋게** 만들 수 있음 - 여론조사 데이터도 예측 시장에 입력될 수 있음 - 핵심 과제 중 하나는 “사람 인증” - AI로 설문 경험을 개선 - [크립토로 응답자가 봇이 아니라 인간임을 증명하는 방식](https://a16zcrypto.com/posts/podcast/proof-of-human-privacy-ai-agents-bots-deepfakes-world-orb/)이 필요함 #### RWA 토큰화와 스테이블코인을 더 크립토 네이티브하게 다시 보기 - 은행/핀테크/자산운용사는 - [미국 주식, 원자재, 지수, 기타 전통 자산](https://a16zcrypto.com/posts/article/big-ideas-crypto-2025/#countries-explore-putting-government-bonds-onchain)을 온체인으로 가져오려는 관심이 큼 - 하지만 지금의 토큰화는 종종 **스큐어모픽(skeuomorphic)** 임 - 기존 현실 자산 개념을 그대로 복제하는 수준 - 크립토 고유 기능을 충분히 활용하지 못함 - 대안으로 **합성 자산**, 특히 영구선물(perps)이 강력함 - 더 깊은 유동성 - 구현이 단순한 경우가 많음 - 레버리지가 직관적임 - 크립토 네이티브 파생상품 중 [**PMF가 가장 강할 가능성**](https://a16zcrypto.com/posts/tags/product-market-fit/)이 큼 - 흥미로운 실험: 이머징 마켓 주식의 “퍼프화(perpify)” - 일부 종목에서는 0DTE 옵션이 현물보다 더 깊은 유동성을 보이기도 함 - 퍼프화 실험 대상으로 매력적일 수 있음 - 결국 질문은 **“[퍼프화 vs 토큰화](https://www.youtube.com/watch?v=xQttYSnu1nk)”** 임 - 어떤 형태든 2026년에는 더 크립토 네이티브한 RWA 흐름이 늘어날 가능성이 큼 - 스테이블코인도 “토큰화”보다 **오리지네이션(origination)** 이 중요해짐 - 2025년에 스테이블코인이 주류로 들어섰고 발행 잔고도 계속 증가함 - 강한 신용 인프라 없는 스테이블코인은 **내로우 뱅크**처럼 보임 - 매우 안전한 유동 자산만 들고 있는 좁은 형태의 은행 모델 - 유효한 제품이긴 하지만 온체인 경제의 장기적 백본이 되기엔 부족함 - 그래서 “부채 자산”은 오프체인에서 만들고 토큰화하는 것보다 - **온체인에서 직접 오리지네이션**하는 편이 이점이 큼 - 대출 서비스 비용/백오피스 구조 비용 감소 - 접근성 증가 - 남는 난제는 **컴플라이언스와 표준화**임 - 하지만 해결하려는 빌더들이 이미 움직이고 있음 #### 트레이딩은 종착역이 아니라 경유지다 - 스테이블코인과 일부 코어 인프라를 제외하면 - 잘 나가는 크립토 회사 상당수가 트레이딩으로 피벗했거나 피벗 중임 - 모두가 트레이딩 플랫폼이 되면 생기는 문제 - 플레이어가 동질화되어 **인지도와 기회가 잠식**됨 - 소수의 대형 승자만 남기 쉬움 - 너무 빨리 피벗한 팀은 **방어력 있는 사업**을 만들 기회를 놓칠 수 있음 - 즉각적인 PMF 감각을 쫓는 데는 비용이 있음 - 특히 크립토는 토큰/투기 구조가 즉시 보상을 유도해 - 장기적 ‘제품’ 구축보다 단기 ‘거래’로 끌고 갈 수 있음 - 트레이딩 자체는 중요한 시장 기능임 - 하지만 “마지막 목적지”일 필요는 없음 - 더 큰 승자는 - [PMF에서 ‘마켓’보다 **‘프로덕트’** 에 집착하는 쪽](https://a16zcrypto.com/posts/article/how-to-find-product-market-fit-5-strategies/)이 될 수 있음 #### KYC에서 KYA로: 고객이 아니라 에이전트를 알기 - [에이전트 경제](https://a16zcrypto.com/posts/tags/ai-agents-agentic-ai/)의 병목이 **지능에서 정체성**으로 이동 중임 - 금융 서비스에서는 “비인간 정체성”이 인간 직원보다 **96:1**로 많아졌음 - 하지만 이 정체성들은 사실상 **은행 시스템 밖의 유령**처럼 취급됨 - 필요한 핵심 프리미티브는 **KYA(Know Your Agent)** 임 - 인간에게 신용점수가 필요하듯 - 에이전트도 거래하려면 **암호학적으로 서명된 자격 증명**이 필요함 - 에이전트의 주체(principal)와 연결 - 제약 조건과 책임(liability)을 명시 - KYA가 없으면 현실은 간단함 - 상점/서비스는 방화벽에서 에이전트를 계속 차단함 - 지난 수십 년간 KYC 인프라를 만든 산업이 - 이제는 몇 달 안에 KYA를 만들어야 하는 상황임 #### 스테이블코인 온·오프램프는 더 영리해진다 - [스테이블코인 거래량은 작년에 **약 46조 달러**로 추정됨](https://a16zcrypto.com/posts/article/state-of-crypto-report-2025/#stablecoins-went-mainstream) - 계속 신고점을 갱신 중임 - 비교 기준: PayPal의 20배+, Visa의 3배에 근접, 미국 ACH에 빠르게 접근 - 기술적으로는 이미 “보내는 것”이 쉬워짐 - **[1초 미만, 1센트 미만](https://a16zcrypto.com/posts/article/how-stablecoins-will-eat-payments/)** 으로 전송 가능 - 남은 핵심 미해결 문제는 **현실 금융 레일과의 연결** - 즉 스테이블코인의 온램프/오프램프임 - 새로운 스타트업 세대가 이 틈을 메움 - 익숙한 결제 시스템/지역 통화와 연결 - 암호학적 증명으로 프라이버시를 지키며 로컬 잔고↔디지털 달러 교환 - QR 기반/실시간 결제 레일을 활용한 은행 간 결제 통합 - 글로벌 월렛 계층 + 카드 발급으로 일상 가맹점에서 스테이블코인 지출 - 온·오프램프가 성숙하면 새 행동이 등장함 - 국경 간 임금의 실시간 지급 - 계좌 없이도 ‘글로벌 달러’ 수납 - 앱이 전 세계 사용자와 즉시 정산 - 스테이블코인은 틈새 금융 도구에서 - 인터넷의 **기반 결제·정산 레이어**로 이동함 #### 스테이블코인이 은행 원장 업그레이드 사이클과 새 결제 시나리오를 연다 - 은행 코어 시스템은 현대 개발자 관점에서 “고고학 유물”에 가까움 - 60~70년대: 대형 시스템 조기 도입 - 80~90년대: 2세대 코어 뱅킹(Temenos GLOBUS, Infosys Finacle 등) - 지금도 핵심 원장은 메인프레임, COBOL, 배치 파일 인터페이스가 흔함 - 글로벌 자산 대부분이 그 **낡은 코어 원장** 위에 있음 - 규제기관 신뢰 - 복잡한 업무 시나리오에 깊게 통합 - 동시에 혁신을 심각하게 지연시킴 - RTP 같은 기능 추가도 수개월~수년이 걸릴 수 있음 - 스테이블코인은 “레거시를 당장 갈아엎지 않고도” 혁신을 가능하게 함 - 스테이블코인, 토큰화 예금, 토큰화 국채, 온체인 채권 등이 - 은행/핀테크가 새 제품과 고객을 만드는 경로가 됨 - 최근 몇 년은 [스테이블코인이 PMF를 얻고 주류로 들어선 시기](https://a16zcrypto.com/posts/series/state-of-crypto/)였고 - 올해는 [TradFi가 더 높은 수준으로 수용](https://a16zcrypto.com/posts/article/making-sense-of-stablecoin-news/)했음 - 결론: 스테이블코인은 레거시 원장을 우회하는 **혁신 채널**이 됨 #### 메시징의 가까운 미래는 양자내성만이 아니라 탈중앙화다 - [양자컴퓨팅 대비](https://a16zcrypto.com/posts/article/quantum-computing-misconceptions-realities-blockchains-planning-migrations/)는 중요함 - 하지만 더 큰 문제는 “서버 신뢰”임 - Apple/Signal/WhatsApp 같은 주요 메신저는 - 결국 단일 조직이 운영하는 프라이빗 서버를 신뢰해야 함 - 정부가 서버를 차단/백도어/강제할 수 있는 취약점이 남음 - 서버가 신뢰 모델의 중심이면 “trust me”가 됨 - 반대로 **프라이빗 서버가 없으면** “굳이 믿을 필요가 없음”이 됨 - 메시징은 오픈 프로토콜로 가야 함 - 프라이빗 서버 없음 - 단일 앱 없음 - 전면 오픈소스 - 최고 수준 암호화(양자 위협 포함) - 네트워크가 열려 있으면 - 어떤 국가/기업도 커뮤니케이션 능력을 쉽게 빼앗을 수 없음 - 앱 하나를 막아도 다음 날 500개가 다시 생길 수 있음 - 노드를 꺼도 경제적 인센티브가 새 노드를 만들게 함 - 메시지와 정체성을 돈처럼 **키로 소유**하면 판이 바뀜 - 앱은 바뀌어도 메시지/정체성 통제권은 사용자에게 남음 - 결국 핵심은 “양자내성 암호화”를 넘어서 **[소유권](https://a16zcrypto.com/posts/article/read-write-own-intro/)과 탈중앙화**임 #### ‘코드가 법’에서 ‘스펙이 법’으로 - 최근 DeFi 해킹은 - 강한 팀, 꼼꼼한 감사, 수년 운영된 프로토콜에서도 터졌음 - 현재 보안 관행은 여전히 - 휴리스틱(경험칙) 중심 - 사건별 땜질에 가까움 - DeFi 보안이 성숙하려면 방향 전환이 필요함 - 버그 패턴 대응 → **설계 수준의 성질(property)** 로 이동 - best-effort → **원칙 기반(principled)** 으로 이동 - 배포 전(정적) 측면 - 부분 검증이 아니라 **전역 불변조건(invariant)** 을 체계적으로 증명해야 함 - AI 보조 증명 도구가 - 스펙 작성 - 불변조건 제안 - 수작업 증명 엔지니어링 비용을 낮춤 - 배포 후(동적) 측면 - 불변조건을 런타임 가드레일로 사용함 - 모든 트랜잭션이 만족해야 하는 **런타임 단언(assertion)** 으로 인코딩함 - “모든 버그가 잡혔을 것”을 기대하는 대신 - 핵심 안전 성질을 위반하는 트랜잭션을 **자동으로 되돌림** - 현실적으로 대부분의 익스플로잇은 - 실행 중 이런 체크에 걸렸을 가능성이 큼 - 그래서 “code is law”는 “**spec is law**”로 진화함 - 새로운 공격도 동일한 안전 성질을 만족해야 해서 - 가능한 공격은 **작거나 매우 어렵게** 됨 #### 크립토는 블록체인 밖에서도 쓸 수 있는 새 프리미티브를 제공한다 - SNARKs는 오랫동안 블록체인 전용 기술에 가까웠음 - 계산을 재실행하지 않고도 검증 가능한 암호학적 증명 - 하지만 오버헤드가 너무 컸음(최대 1,000,000배 수준) - 2026년에는 zkVM 프로버가 - 대략 **10,000배 오버헤드** 수준으로 내려갈 가능성이 큼 - 메모리 풋프린트도 수백 MB대로 내려감 - 폰에서도 돌릴 수 있고, 어디서나 쓸 만큼 저렴해짐 - 10,000배가 ‘매직 넘버’가 될 수 있는 이유 - 고급 GPU는 노트북 CPU 대비 대략 10,000배 병렬 처리량을 가짐 - 2026년 말에는 단일 GPU가 CPU 실행에 대한 증명을 **실시간으로 생성**할 수 있음 - 이 변화가 여는 [예전 논문](https://a16zcrypto.com/posts/article/zero-knowledge-canon/)의 비전: **검증 가능한 클라우드 컴퓨팅** - 클라우드에서 CPU 워크로드를 돌리는 경우가 많음 - GPU화할 만큼 무겁지 않거나 - 전문성이 없거나 - 레거시 이유 등 - 합리적인 비용으로 **정확성 증명**을 붙일 수 있음 - 프로버는 이미 GPU 최적화되어 있어서 애플리케이션 코드는 그대로 유지 가능 #### AI를 실질적인 연구 업무에 쓴다 - 불과 올해 초만 해도 소비자 AI가 연구 워크플로우를 잘 이해하지 못했음 - 몇 달 뒤에는 박사과정 학생에게 주는 것 같은 추상 지시를 AI에 줄 수 있게 됨 - 때때로 **새롭고 올바르게 수행된 답**이 나옴 - 더 넓은 흐름으로 연구 영역에서 AI 활용이 늘어남 - 특히 [추론 기반 분야에서 발견을 직접 돕는 방향으로 발전 중](https://x.com/i/status/1997767850279440715)임 - 어떤 분야에서 가장 효과가 클지는 아직 열려 있음 - 다만 새로운 폴리매스형 연구 스타일이 유리해질 수 있음 - 아이디어 사이 관계를 가설로 세우고 - 불완전한 답에서 빠르게 외삽하는 능력을 중시함 - 일부 답은 부정확해도 방향을 맞출 수 있음 - 역설적으로 “환각”을 활용하는 면도 있음 - 충분히 똑똑해지면 자유롭게 흔들리는 과정에서 - 헛소리도 나오지만 때때로 **발견의 틈**을 열 수 있음 - 이를 위해 필요한 워크플로우 - 단일 에이전트가 아니라 **에이전트를 감싸는 에이전트(겹겹의 래핑)** 구조 - 앞선 모델의 시도와 결과를 다른 모델이 평가하고 합성함 - 실제 활용 예시 - 논문 작성: [write papers](https://arxiv.org/abs/2512.06446) - 특허 검색, 예술 창작 - 그리고 불행히도 스마트 컨트랙트 공격 발굴 - 연구용 에이전트 앙상블을 운영하려면 - [모델 간 상호운용성](https://a16zcrypto.com/posts/article/ai-crypto-crossovers/#1-persistent-data-and-context-in-ai-interactions) - [기여 인식 및 보상 체계](https://a16zcrypto.com/posts/article/ai-crypto-crossovers/#7-micropayments-that-support-revenue-sharing)가 필요함 - 크립토가 해결을 도울 수 있음 #### 오픈 웹 위에 보이지 않는 세금이 붙는다 - AI 에이전트는 오픈 웹에 **보이지 않는 세금**을 부과하고 있음 - 문제의 본질은 인터넷의 두 레이어 사이 불일치임 - 컨텍스트 레이어: 광고 기반 사이트에서 데이터가 제공됨 - 실행 레이어: 에이전트가 그 데이터를 뽑아 사용자에게 편의를 제공함 - 결과적으로 광고/구독 같은 수익원을 **우회**하며 기반을 약화시킴 - 오픈 웹이 붕괴하면 - AI가 먹는 다양하고 풍부한 콘텐츠도 같이 줄어듦 - 필요한 해법은 기술+경제 해법의 대규모 배치임 - 차세대 스폰서드 콘텐츠 - 마이크로 어트리뷰션(기여 추적) - 새로운 펀딩 모델 - 기존 AI 라이선싱 딜은 - AI가 잠식한 트래픽 손실을 메우기에 **재정적으로 지속 가능하지 않은 땜질**이 되기 쉬움 - 핵심 전환은 - 정적 라이선싱 → **실시간 사용량 기반 보상**임 - 블록체인 기반 나노페이먼트와 정교한 어트리뷰션 표준을 써서 - 에이전트의 성공적 작업에 기여한 모든 주체에게 - 가치가 자동으로 흐르는 모델을 시험·확장해야 함 #### 스테이크드 미디어의 부상 - 전통 미디어 모델(‘객관성’ 신화 포함)은 이미 금이 가고 있었음 - 인터넷은 모두에게 발언권을 줬고 - 운영자/실무자/빌더가 대중에게 직접 말하기 시작했음 - 사람들의 관점은 이해관계(스테이크)를 반영함 - 역설적으로 청중은 이해관계가 있어서 더 신뢰하기도 함 - 새로워진 점은 “소셜 미디어”가 아니라 - **공개적으로 검증 가능한 커밋먼트**를 가능하게 하는 암호학 도구의 등장임 - [AI로 콘텐츠 생성 비용이 거의 0에 가까워지면](https://a16zcrypto.com/posts/article/big-ideas-crypto-2025/#as-more-people-use-ai-we-ll-need-unique-proof-of-personhood) 말만으로는 부족해짐(봇/딥페이크/가짜 페르소나 포함) - 그래서 신뢰의 기반이 바뀜 - 토큰화 자산 - 프로그래머블 락업 - [예측 시장](https://a16zcrypto.substack.com/p/everyones-wrong-about-quantum-computing) - 온체인 히스토리 이런 것들이 더 단단한 신뢰 신호가 됨 - “스테이크드 미디어”의 핵심 - 이해관계를 숨기는 것이 아니라 **증명 가능한 형태로 드러내는 것** - “나 중립이야”가 아니라 “내가 걸고 있는 것과 검증 방법은 이거야”가 됨 - 다른 미디어를 대체하기보다는 **보완**하는 신호로 자리잡음 #### 시크릿-애즈-어-서비스 - 모든 모델/에이전트/자동화는 결국 데이터에 의존함 - 그런데 오늘날 데이터 파이프라인은 종종 - 불투명하고 - 쉽게 바뀌고 - 감사를 하기 어려움 - 소비자 앱에서는 괜찮을 때도 있지만 - 금융/헬스케어 같은 영역은 민감 데이터 프라이버시가 필수임 - RWA 토큰화에서도 큰 걸림돌임 - 핵심 질문은 데이터 접근 통제임 - 누가 민감 데이터를 통제하는가 - 어떻게 이동하는가 - 누가(또는 무엇이) 어떤 조건에서 접근하는가 - 지금은 기밀을 지키려면 - 중앙화 서비스에 의존하거나 - 비싼 커스텀 셋업을 직접 해야 함 - 이 때문에 TradFi가 온체인 데이터 관리의 이점을 못 누림 - [에이전트가 자율적으로 탐색/거래/의사결정을 하기 시작](https://a16zcrypto.com/posts/tags/ai-agents-agentic-ai/)하면 “최선을 다한 신뢰”가 아니라 **암호학적 보장**이 필요함 - 그래서 **secrets-as-a-service**가 필요함 - 프로그래머블한 네이티브 접근 규칙 - 클라이언트 사이드 암호화 - 탈중앙 키 관리 - 누가 무엇을 어떤 조건/기간에 복호화할 수 있는지 강제 - 이를 온체인에서 집행 - 검증 가능한 데이터 시스템과 결합하면 - 프라이버시는 ‘앱 위의 덧칠’이 아니라 - 인터넷의 **코어 인프라**로 들어갈 수 있음 #### 모두를 위한 자산관리 - 개인 맞춤 자산관리는 원래 고액자산가 전용 서비스였음 - 비싸고 운영 복잡도가 높았기 때문임 - 자산이 더 많이 토큰화되면 - 크립토 레일 위에서 전략 실행/리밸런싱이 즉시, 저비용으로 가능해짐 - AI 추천/코파일럿으로 개인화가 강화됨 - 이건 단순 로보어드바이저가 아님 - 모두가 ‘패시브’가 아니라 **액티브 포트폴리오 관리**에 접근 가능해짐 - 2025년 TradFi는 크립토 비중을 늘리기 시작했음 - 예: BoA 자산관리 고객에 [2~5% 제안](https://finance.yahoo.com/news/bank-of-america-says-its-wealth-management-clients-may-put-up-to-4-of-their-portfolio-in-crypto-220028738.html). 직접 또는 [ETPs](https://a16zcrypto.com/posts/article/eth-etf-etp-faq/)로 - 2026년에는 “부의 보존”이 아니라 **부의 축적**에 최적화된 플랫폼이 커짐 - Revolut, Robinhood 같은 핀테크 - Coinbase 같은 CEX가 기술 스택 우위로 시장을 넓힘 - DeFi 쪽에서는 - Morpho Vaults 같은 도구가 위험조정 수익 기준으로 자동 배분을 제공함 - 포트폴리오의 코어 수익 구간이 될 수 있음 - 현금성 자산도 바뀜 - 법정화폐 대신 스테이블코인 보유 - 전통 MMF 대신 토큰화 MMF 보유 - 추가 수익/전략 여지가 커짐 - 토큰화는 프라이빗 자산 접근도 넓힘 - 프라이빗 크레딧, 프리IPO, 사모펀드 등 - 컴플라이언스/리포팅을 유지하며 유통성을 늘릴 수 있음 - 자산 구성 요소가 토큰화되면 - 와이어 송금 없이 **자동 리밸런싱**이 가능해짐 #### 인터넷이 은행이 된다 - 에이전트가 대량으로 등장하고 - 클릭이 아니라 백그라운드 자동 상거래가 늘어나면 - 돈(가치)의 이동 방식이 바뀌어야 함 - 시스템이 단계별 지시가 아니라 **의도**로 움직이면 - 가치도 정보처럼 빠르고 자유롭게 이동해야 함 - 블록체인/스마트컨트랙트/새 프로토콜이 그 기반이 됨 - 스마트컨트랙트는 이미 - 달러 결제를 전 세계적으로 수초 내 정산할 수 있음 - 2026년에는 x402 같은 프리미티브로 - 결제가 **프로그래머블하고 반응형**이 됨 - 가능한 시나리오 - 에이전트끼리 데이터/GPU/API 호출 비용을 즉시 결제 - 인보이스/정산/배치 없이, 허가 없이 - 소프트웨어 업데이트에 결제 규칙/한도/감사 추적이 내장 - 피아트 연동/가맹점 온보딩/은행 통합 없이 - 예측 시장이 이벤트 진행에 맞춰 **실시간 자가 정산** - 이 수준이 되면 결제 플로우는 별도 운영 레이어가 아니라 **네트워크 행동**이 됨 - 은행은 인터넷의 기본 배관이 되고 - 자산은 인프라가 됨 - 돈이 인터넷이 라우팅할 수 있는 패킷이 되면 - 인터넷은 금융 시스템을 “지원”하는 것을 넘어 - **금융 시스템 그 자체**가 됨 #### 법적 구조가 기술적 구조를 따라잡을 때 블록체인의 잠재력이 풀린다 - 지난 10년간 미국에서 네트워크를 만들기 어려웠던 가장 큰 이유 중 하나는 **법적 불확실성**임 - 증권법이 ‘회사’ 중심 프레임을 ‘네트워크’에 억지로 덮어씌우며 - 선택적으로 집행되는 상황이 이어졌음 - 그 결과 - 제품 전략보다 법 리스크 완화가 우선이 되었고 - 엔지니어보다 변호사가 앞자리에 앉게 되었음 - 이 왜곡이 만든 부작용 - 투명성을 피하라는 조언 - 분배가 법적으로 임의적이 됨 - 거버넌스가 연극이 됨 - 조직 구조가 [법적 방패 최적화](https://a16zcrypto.com/posts/article/end-foundation-era-crypto/)로 기울어짐 - 토큰이 경제적 가치를 피하도록 설계되거나 [비즈니스 모델을 갖기 어렵게 됨](https://a16zcrypto.com/posts/article/defining-tokens/) - 선의의 빌더보다 규칙을 무시한 프로젝트가 더 빨리 가는 역전 현상 - 하지만 시장 구조 규제는 상황을 바꿀 잠재력이 큼 - 정부가 통과에 과거 어느 때보다 가까워졌음 - 통과되면 기대되는 변화 - 투명성에 대한 인센티브 - 명확한 기준 - “[집행 룰렛(enforcement roulette)](https://a16zcrypto.com/posts/article/defining-decentralization-control/)” 의 종료 - 펀딩/토큰 런치/탈중앙화에 대한 구조화된 경로 제공 - [GENIUS](https://a16zcrypto.com/posts/tags/genius-act/) 이후 스테이블코인 확산이 폭발했듯 [시장 구조 규제](https://a16zcrypto.com/posts/article/genius-act-clarity-act-crypto-legislation-explained/)는 “네트워크”에 훨씬 더 큰 변화를 줄 수 있음 - 결론 - 법적 구조가 기술적 구조와 맞아떨어지면 - 블록체인 네트워크는 네트워크답게 작동할 수 있음 - **개방성, 자율성, 조합 가능성, 신뢰 가능한 중립성, 탈중앙성**이 현실이 됨 ## Comments _No public comments on this page._