a16z의 2026년 빅 아이디어

• 벤처캐피털 a16z가 2026년 기술 산업의 주요 트렌드를 예측한 보고서로, 인프라, 성장, 바이오·헬스, 스피드런, 미국 다이내미즘, 앱, 크립토 분야별 투자팀 파트너들의 전망 수록
• AI 에이전트가 기업 인프라를 근본적으로 재설계하게 만들며, 멀티모달 데이터 정리와 에이전트 네이티브 인프라가 핵심 과제로 부상할 것
• 기업용 소프트웨어에서 기록 시스템(System of Record)의 중요성이 감소하고, AI가 직접 데이터를 읽고 쓰며 추론하는 자율 워크플로우 엔진으로 전환
• 스테이블코인이 주류 결제 수단으로 자리잡으며, 온체인 자산 발행과 프라이버시 블록체인이 차별화 요소로 부각
• 개인화된 AI 서비스가 교육, 건강, 미디어 전반에서 대중을 위한 맞춤형 경험을 제공하는 "나의 해(Year of Me)" 가 될 것이라 예측

---

# [Infrastructure]

멀티모달 데이터의 혼돈을 길들이는 스타트업들 - Jennifer Li

• 기업이 보유한 비정형·멀티모달 데이터가 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 엔트로피로 이동함
  • 비정형 데이터 환경에서 최신성·구조·진실성이 지속적으로 붕괴됨
  • 기업 지식의 약 80% 가 이 비정형 영역에 존재함
• 비정형 데이터를 풀어내는 일이 세대적 기회가 됨
  • 멀티모달 데이터를 지속적으로 정리·구조화·검증·거버넌스하는 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 컨텍스트에 의존하는 모든 에이전트 워크플로 포함
• 승부처는 플랫폼 레이어임
  • 문서·이미지·비디오에서 구조를 추출함
  • 데이터 충돌을 조정하고 파이프라인을 복구함
  • 데이터를 최신 상태로 유지하고 항상 검색 가능하게 만듦
  • 기업 지식과 프로세스의 핵심을 장악함

AI가 사이버보안 채용을 되살린다 - Joel de la Garza

• 지난 10년간 사이버보안의 가장 큰 문제는 채용이었음
  • 2013년부터 2021년 사이 미충원 보안 일자리가 100만 미만 → 300만으로 증가함
• 문제의 핵심은 레벨 1 보안 업무 구조임
  • 고숙련 인력을 채용해 로그 리뷰 같은 반복·소모적 작업에 투입함
  • 이 일을 지속적으로 하고 싶어하는 사람은 거의 없음
• 보안 조직은 스스로 잡무를 만들어냄
  • 모든 것을 탐지하는 보안 제품을 도입함
  • 결과적으로 모든 경고를 사람이 검토해야 하는 구조가 됨
  • 이는 실제 부족이 아닌 거짓 노동 희소성을 만듦
• 2026년, AI가 이 악순환을 끊음
  • 반복적이고 중복된 보안 업무의 상당 부분을 자동화함
  • 대규모 보안팀 업무의 절반은 자동화로 해결 가능함
• 가장 어려운 문제는 무엇을 자동화할지 판단하는 일임
  • 업무에 파묻힌 상태에서는 자동화 후보를 식별할 수 없음
• AI 네이티브 보안 도구가 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 변화에서 발생함
  • 예측 가능하고 저동시성인 인간 트래픽에서 벗어남
  • 재귀적이고 폭발적인 에이전트 속도 워크로드가 기본이 됨
• 기존 엔터프라이즈 백엔드는 인간 기준으로 설계됨
  • 인간 행동 하나에 시스템 응답 하나를 가정함
  • 단일 에이전트 목표가 수천 개 하위 작업을 동시에 생성하는 상황을 고려하지 않음
• 에이전트의 정상적인 작업이 레거시 시스템에는 공격처럼 보임
  • 코드 리팩터링, 보안 로그 수정이 DDoS 트래픽으로 인식됨
• 대응의 핵심은 제어 플레인 재설계임
  • agent-native 인프라가 기본 요건이 됨
  • thundering herd 패턴을 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 제어력임
  • 단발성 클립을 넘어서면 원하는 결과를 얻기 어렵고 비용이 급증함
  • 전통적인 감독 수준의 제어와는 거리가 있음
• 창작자는 참조 기반 멀티모달 편집을 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 해가 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 유스케이스임
  • 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 플랫폼이 표준이 됨
  • Fivetran/dbt 합병, Databricks 부상이 이를 보여줌
• 생태계는 성숙해 보이지만 진짜 AI 네이티브 구조는 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 문제임
  • 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 중심으로 이동함

비디오 안으로 들어가는 해 - Yoko Li

• 2026년 비디오는 더 이상 수동적으로 소비하는 매체가 아님
  • 실제로 들어가서 활동하는 공간이 됨
• 비디오 모델은 시간과 일관성을 다룸
  • 과거 장면을 기억함
  • 사용자 행동에 반응함
  • 물리 세계와 유사한 지속적 일관성을 유지함
• 짧고 단절된 영상 생성에서 벗어남
  • 캐릭터, 오브젝트, 물리가 충분히 오래 유지됨
  • 행동이 결과로 이어지는 전개가 가능해짐
• 비디오는 구축 가능한 매체로 전환됨
  • 로봇이 연습함
  • 게임이 진화함
  • 디자이너가 프로토타입을 제작함
  • 에이전트가 직접 행동하며 학습함
• 결과물은 클립이 아니라 살아 있는 환경임
  • 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 것임
• AI가 의도(intent)와 실행(execution) 사이의 거리를 거의 제거함
  • 모델이 운영 데이터 전반을 직접 읽고, 쓰고, 추론함
  • ITSM과 CRM이 단순 저장소에서 자율적 워크플로 엔진으로 전환됨
• 추론 모델과 에이전트 워크플로의 발전으로 시스템의 역할이 확장됨
  • 단순 반응이 아니라 예측·조정·엔드투엔드 실행까지 수행함
• 인터페이스의 중심이 변화함
  • 화면 중심 UI 대신 동적인 에이전트 레이어가 전면에 등장함
  • 기존 시스템 오브 레코드는 저장 계층(persistence tier) 으로 밀려남
• 전략적 주도권이 이동함
  • 데이터 저장을 누가 하느냐보다
  • 직원이 실제로 사용하는 지능형 실행 환경을 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 모드가 열림
  • 버티컬 소프트웨어는 도메인 특화 UI, 데이터, 통합에서 강점을 가짐
  • 하지만 실제 업무는 본질적으로 다자 협업 구조임
• 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 조정함
  • 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 비용이 상승함
  • AI 앱이 갖지 못했던 네트워크 효과가 발생함
  • 협업 레이어 자체가 해자(moat) 가 됨

인간이 아닌 에이전트를 위해 만든다 - Stephenie Zhang

• 2026년부터 사람들은 웹을 자신의 에이전트를 통해 사용함
• 인간 소비를 기준으로 중요했던 요소들이 더 이상 동일하게 작동하지 않음
• 기존 최적화 방식은 인간 행동을 전제로 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 요약함
  • 세일즈 팀이 CRM을 뒤지는 대신 에이전트가 패턴과 요약을 자동 제공함
• 이제는 인간이 아니라 에이전트를 위해 설계함
  • 시각적 위계가 아니라 기계 가독성이 최적화 대상이 됨
  • 이 변화가 창작 방식과 도구 자체를 바꿔놓음

AI 앱에서 스크린 타임 KPI는 끝난다 - Santiago Rodriguez

• 지난 15년간 스크린 타임은 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 측정이 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 모니터링하려는 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 위험이 있음
  • 예방적 관리가 이 전환 속도를 늦출 수 있음
• 문제는 기존 보상 구조임
  • 치료 중심의 리액션 기반 의료 보상 시스템이 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 집단이 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 모델에 점점 익숙해짐
• Healthy MAUs는 다음 세대 헬스테크의 핵심 고객군이 됨
  • 지속적으로 참여
  • 데이터에 기반
  • 예방 중심으로 행동함

---

# [Speedrun]

월드 모델이 스토리텔링의 중심에 선다 - Jon Lai

• 2026년 스토리텔링의 중심에 AI 기반 월드 모델이 자리 잡음
  • 상호작용 가능한 가상 세계와 디지털 경제를 기반으로 한 새로운 형식 등장
• Marble(World Labs), Genie 3(DeepMind)는 텍스트 프롬프트만으로 완전한 3D 환경을 생성함
  • 사용자는 게임처럼 그 세계를 직접 탐험함
• 창작자들이 이 도구를 채택하면서 완전히 새로운 서사 형식이 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 저자가 됨
• 서로 연결된 생성형 멀티버스가 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 환경으로 활용됨
  • AI 에이전트 훈련
  • 로봇 학습
  • 더 나아가 AGI 실험 공간으로 확장됨
• 월드 모델의 부상은 새로운 놀이 장르가 아니라 새로운 창작 매체이자 경제 전선의 등장임

‘나를 위한 해’ - Josh Lu

• 2026년은 “The Year of Me”, 제품이 대량 생산에서 개인 맞춤 제작으로 전환되는 해임
• 교육에서 이미 변화가 시작됨
  • Alphaschool 같은 스타트업이 학생별 속도와 호기심에 맞춰 적응하는 AI 튜터를 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 루틴을 설계함
  • 트레이너나 실험실 의존 없이 가능해짐
• 미디어 역시 개인화됨
  • 뉴스, 프로그램, 스토리를 개인의 관심사와 톤에 맞게 재구성함
• 지난 세기의 승자는 평균 소비자를 찾아낸 기업이었음
• 다음 세기의 승자는 평균 속에 숨은 개인을 찾아내는 기업임
• 2026년은 세상이 ‘모두’를 최적화하는 것을 멈추고 ‘당신’을 최적화하기 시작하는 시점임

최초의 AI 네이티브 대학 - Emily Bennett

• 2026년에 AI 네이티브 대학이 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 조직이 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 리터러시를 필수로 포함함
• AI 네이티브 대학에서 교수의 역할이 바뀜
  • 지식을 전달하는 사람이 아니라 학습의 설계자가 됨
  • 데이터를 큐레이션하고 모델을 조정함
  • 학생에게 기계 추론을 비판적으로 다루는 법을 가르침
• 평가 방식도 전환됨
  • 표절 탐지와 사용 금지가 사라짐
  • AI를 어떻게 사용했는지를 평가함
  • 투명성과 절제된 활용이 기준이 됨
• 산업 전반이 AI를 설계·운영·협업할 인재를 필요로 함
• AI 네이티브 대학은 이 인재를 배출하는 새 경제의 인력 엔진이 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 기반의 등장임
  • 시뮬레이션, 자동화 설계, AI 기반 운영에서 출발함
  • 과거를 현대화하는 것이 아니라 다음 세대를 처음부터 구축함
• 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 가시화함
• 현실 세계는 새로운 소프트웨어를 필요로 함
  • 이를 만드는 창업가가 다음 세기의 미국 번영을 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 재탄생이 진행 중임
• 2026년에는 산업 전반이 공장적 사고방식으로 문제를 접근함
  • 에너지, 채굴, 건설, 제조 전반에 적용됨
• 핵심은 모듈화된 AI·자율성 + 숙련 노동자의 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 적용함
  • 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 황금기로 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 세계로 확장됨
• 미국 전역에 이미 10억 개 이상의 카메라와 센서가 배치됨
  • 도시, 전력망, 인프라를 실시간으로 이해하는 물리적 관측성이 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 기업임 : 프라이버시 보존, 상호운용 가능, AI 네이티브
• 사회를 더 이해 가능하게 만들되, 덜 자유롭게 만들지 않는 시스템이 필요함
• 이 신뢰의 패브릭을 구축하는 주체가 다음 10년의 관측성을 정의함

전기-산업 스택이 세상을 움직인다 - Ryan McEntush

• 다음 산업 혁명은 공장만이 아니라 기계를 구성하는 내부에서 발생함
• 소프트웨어는 사고와 설계를 바꿨고, 이제 이동·건설·생산을 바꿈
• 전기화, 소재, AI의 결합이 일어남
  • 물리 세계에 진정한 소프트웨어 제어가 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 소프트웨어의 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 미래를 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 실험실이 등장함
  • 가설 수립 - 실험 설계 - 실행 - 추론과 결과 분석 - 다음 연구 방향 반복
• 과학 발견의 엔드투엔드 루프가 자동으로 닫힘
• 이 실험실을 만드는 팀은 본질적으로 융합적임 : AI, 로보틱스, 물리·생명과학, 제조, 운영
• 무인(lights-out) 실험을 통해 연속적 실험이 가능해짐
• 다양한 분야에서 발견 속도가 급격히 빨라짐

핵심 산업을 향한 데이터 십자군 - Will Bitsky

• 2025년 AI 담론의 중심은 컴퓨트 제약과 데이터센터였음
• 2026년의 중심은 데이터 제약과 새로운 데이터 전장이며, 그 전장이 핵심 산업임
• 핵심 산업에는 아직 방대한 비정형 데이터가 잠들어 있음: 트럭 운행, 계량기 판독, 유지보수 작업, 생산 공정, 조립과 테스트 등
• 이 모든 과정이 모델 학습 데이터가 되어, 무엇을 했는지뿐 아니라 어떻게 했는지가 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 기계까지 제공함

---

# [Apps]

AI는 비즈니스 모델 자체를 강화한다 - David Haber

• 뛰어난 AI 스타트업은 단순히 업무를 자동화하지 않고, 고객의 경제 구조 자체를 증폭시킴
• 성공 보수 기반 로펌을 예로 보면
  • 이기는 경우에만 수익이 발생함
  • Eve 같은 회사는 사건 결과 데이터를 활용해 승소 확률을 예측함
  • 더 나은 사건을 선택하고 더 많은 고객을 처리하며 더 자주 승리함
• AI는 비용 절감 도구에 머물지 않고 매출을 직접 증가시킴
• 2026년에는 이 논리가 산업 전반으로 확산됨
  • AI가 고객의 인센티브와 더 깊게 정렬됨
  • 기존 소프트웨어가 따라올 수 없는 복리적 경쟁 우위를 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 채널이 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 사용자에게 직접 접근 가능함
  • Wabi 같은 새로운 미니앱 네트워크와 함께 성장 가능
• 이 마지막 퍼즐이 맞춰지며 2026년 소비자 테크에 10년에 한 번 올 골드러시가 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 수행함
• 아직은 포인트 솔루션 단계에 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 권한이 필요
• 모델 성능이 계속 개선되는 한 모든 기업이 음성 퍼스트 AI를 운영하지 않을 이유가 없음

프롬프트 없는, 선제적 애플리케이션의 등장 - Marc Andrusko

• 2026년은 프롬프트 입력창의 종말임
• 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 바퀴였음
• AI는 이제 워크플로우 전반에 스며든 보이지 않는 구조물이 됨
  • 명령이 아니라 의도에 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 리스크가 실패 리스크보다 커짐
• 대형 금융기관이 레거시 벤더 계약을 종료하고 AI 네이티브 대안으로 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 기업이 됨
  • 소프트웨어가 노동을 대체함
• 금융의 미래는 기존 시스템에 AI를 얹는 것이 아니라 AI를 기반으로 한 새로운 운영체제를 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 밖에 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 시스템으로 이동함
• 에이전트는 디지털 팀처럼 협력해야 함. 계획, 분석, 실행을 함께 수행함
• 이를 위해 업무 구조 및 시스템 간 컨텍스트 흐름을 재설계함
• AskLio, HappyRobot은 이미 단일 작업이 아니라 전체 프로세스에 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 코디네이션이 추가됨
• 인간은 가장 복잡한 엣지 케이스에 집중함
• 멀티 에이전트는 단순 자동화가 아니라 기업 운영 방식 자체를 재구성함

소비자 AI는 ‘도와줘’에서 ‘나를 봐줘’로 이동한다 - Bryan Kim

• 2026년은 소비자 AI가 생산성에서 연결성으로 이동하는 해임
• AI는 일을 돕는 도구를 넘어 자신을 더 잘 이해하게 하고, 관계를 강화함
• 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 개선하는 수준이었음
• 이제는 제품의 핵심 기능 자체가 새로운 모델 능력에 의해 가능해짐
• 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 폭발기임
• 기존 기업도 AI를 빠르게 도입 중임
• 스타트업이 이기는 방법은 형성 단계의 회사를 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 고객에 집착함

---

# [Crypto]

프라이버시는 크립토에서 가장 중요한 해자가 된다

• 온체인 금융이 주류가 되려면 프라이버시가 필수임
• 그런데 대부분의 블록체인은 프라이버시가 사실상 부재하거나 뒷전이었음
• 이제는 프라이버시 하나만으로도 체인을 명확하게 차별화할 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 누출이 발생함
    • 거래 타이밍, 크기 상관관계 등이 추적 단서가 됨
• 수수료는 경쟁으로 0에 가까워지기 쉬움
  • 블록스페이스가 점점 동질화됨
  • 그래서 “아무 특징 없는 신규 체인”은 강한 네트워크 효과를 만들기 어려움
• 반대로 프라이버시 체인은 더 강한 네트워크 효과를 만들 여지가 큼
• 일반 목적 체인이
  • 이미 번성하는 생태계도 없고
  • 킬러 앱도 없고
  • 불공정한 분배 우위도 없다면
    쓸 이유도, 만들 이유도, 충성할 이유도 희박함
• 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 구도를 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·지능이 동시에 커짐
• 계약이 훨씬 더 많이 상장됨
  • 큰 선거/지정학 이슈뿐 아니라
  • 파고들수록 복잡한 결과, 서로 얽힌 이벤트까지 실시간 확률로 접근 가능해짐
• 예측 시장 정보가 뉴스 생태계에 이미 더 깊게 들어옴
• 동시에 사회적 질문이 커짐
  • 이런 정보의 가치와 위험을 어떻게 균형 잡을지
  • 설계를 어떻게 더 투명하고, 감사 가능하게 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
    • Venezuelan election market
• 확장하려면 분쟁 케이스를 처리할 새로운 메커니즘이 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 방식이 필요함

RWA 토큰화와 스테이블코인을 더 크립토 네이티브하게 다시 보기

• 은행/핀테크/자산운용사는
  • 미국 주식, 원자재, 지수, 기타 전통 자산을 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 가능성이 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” 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 뱅크처럼 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 오리지네이션하는 편이 이점이 큼
  • 대출 서비스 비용/백오피스 구조 비용 감소
  • 접근성 증가
• 남는 난제는 컴플라이언스와 표준화임
  • 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 잠식됨
  • 소수의 대형 승자만 남기 쉬움
  • 너무 빨리 피벗한 팀은 방어력 있는 사업을 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 쪽이 될 수 있음

KYC에서 KYA로: 고객이 아니라 에이전트를 알기

• 에이전트 경제의 병목이 지능에서 정체성으로 이동 중임
• 금융 서비스에서는 “비인간 정체성”이 인간 직원보다 96:1로 많아졌음
  • 하지만 이 정체성들은 사실상 은행 시스템 밖의 유령처럼 취급됨
• 필요한 핵심 프리미티브는 KYA(Know Your Agent) 임
  • 인간에게 신용점수가 필요하듯
  • 에이전트도 거래하려면 암호학적으로 서명된 자격 증명이 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 달러로 추정됨
  • 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 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 레이어로 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 시기였고
• 올해는 TradFi가 더 높은 수준으로 수용했음
• 결론: 스테이블코인은 레거시 원장을 우회하는 혁신 채널이 됨

메시징의 가까운 미래는 양자내성만이 아니라 탈중앙화다

• 양자컴퓨팅 대비는 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 소유하면 판이 바뀜
  • 앱은 바뀌어도 메시지/정체성 통제권은 사용자에게 남음
• 결국 핵심은 “양자내성 암호화”를 넘어서 소유권과 탈중앙화임

‘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 생성할 수 있음
• 이 변화가 여는 예전 논문의 비전: 검증 가능한 클라우드 컴퓨팅
  • 클라우드에서 CPU 워크로드를 돌리는 경우가 많음
    • GPU화할 만큼 무겁지 않거나
    • 전문성이 없거나
    • 레거시 이유 등
  • 합리적인 비용으로 정확성 증명을 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 답이 나옴
• 더 넓은 흐름으로 연구 영역에서 AI 활용이 늘어남
  • 특히 추론 기반 분야에서 발견을 직접 돕는 방향으로 발전 중임
• 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 틈을 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
  • 특허 검색, 예술 창작
  • 그리고 불행히도 스마트 컨트랙트 공격 발굴
• 연구용 에이전트 앙상블을 운영하려면
  • 모델 간 상호운용성
  • 기여 인식 및 보상 체계가 필요함
  • 크립토가 해결을 도울 수 있음

오픈 웹 위에 보이지 않는 세금이 붙는다

• AI 에이전트는 오픈 웹에 보이지 않는 세금을 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 우회하며 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 땜질이 되기 쉬움
• 핵심 전환은
  • 정적 라이선싱 → 실시간 사용량 기반 보상임
• 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 커밋먼트를 가능하게 하는 암호학 도구의 등장임
• AI로 콘텐츠 생성 비용이 거의 0에 가까워지면 말만으로는 부족해짐(봇/딥페이크/가짜 페르소나 포함)
• 그래서 신뢰의 기반이 바뀜
  • 토큰화 자산
  • 프로그래머블 락업
  • 예측 시장
  • 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 보완하는 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 시작하면 “최선을 다한 신뢰”가 아니라 암호학적 보장이 필요함
• 그래서 secrets-as-a-service가 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 인프라로 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 관리에 접근 가능해짐
• 2025년 TradFi는 크립토 비중을 늘리기 시작했음
  • 예: BoA 자산관리 고객에 2~5% 제안. 직접 또는 ETPs로
• 2026년에는 “부의 보존”이 아니라 부의 축적에 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 리밸런싱이 가능해짐

인터넷이 은행이 된다

• 에이전트가 대량으로 등장하고
  • 클릭이 아니라 백그라운드 자동 상거래가 늘어나면
  • 돈(가치)의 이동 방식이 바뀌어야 함
• 시스템이 단계별 지시가 아니라 의도로 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 반응형이 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 행동이 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 자체가 됨

법적 구조가 기술적 구조를 따라잡을 때 블록체인의 잠재력이 풀린다

• 지난 10년간 미국에서 네트워크를 만들기 어려웠던 가장 큰 이유 중 하나는 법적 불확실성임
• 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 최적화로 기울어짐
  • 토큰이 경제적 가치를 피하도록 설계되거나 비즈니스 모델을 갖기 어렵게 됨
  • 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)” 의 종료
  • 펀딩/토큰 런치/탈중앙화에 대한 구조화된 경로 제공
• GENIUS 이후 스테이블코인 확산이 폭발했듯 시장 구조 규제는 “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, 탈중앙성이 현실이 됨