ชื่อเรื่องเดิม: แนวคิดสำคัญปี 2026: ตอนที่ 1
ผู้เขียนต้นฉบับ: a16z New Media
รวบรวมโดย: เพ็กกี้, บล็อกบีทส์

บทคัดย่อ: ในช่วงปีที่ผ่านมา ความก้าวหน้าของ AI ได้เปลี่ยนจากความสามารถของแบบจำลองไปสู่ความสามารถของระบบ เช่น การทำความเข้าใจอนุกรมเวลาที่ยาวนาน การรักษาความสม่ำเสมอ การทำงานที่ซับซ้อน และการทำงานร่วมกับตัวแทนอัจฉริยะอื่นๆ ด้วยเหตุนี้ จุดสนใจของการยกระดับอุตสาหกรรมจึงเปลี่ยนจากการสร้างนวัตกรรมเฉพาะจุดไปสู่การกำหนดโครงสร้างพื้นฐาน กระบวนการทำงาน และวิธีการโต้ตอบกับผู้ใช้ใหม่ทั้งหมด

ในรายงานประจำปี "Big Ideas 2026" ทีมลงทุนทั้งสี่ของ a16z ได้ให้ข้อมูลเชิงลึกที่สำคัญสำหรับปี 2026 จากสี่มิติ ได้แก่ โครงสร้างพื้นฐาน การเติบโต การดูแลสุขภาพ และโลกแห่งอินเทอร์แอ็กทีฟ

โดยพื้นฐานแล้ว สิ่งเหล่านี้ล้วนแสดงให้เห็นถึงแนวโน้ม: ปัญญาประดิษฐ์ไม่ได้เป็นเพียงเครื่องมืออีกต่อไป แต่เป็นสภาพแวดล้อม ระบบ และตัวแทนที่ทำงานควบคู่ไปกับมนุษย์

ต่อไปนี้คือการประเมินของทั้งสี่ทีมเกี่ยวกับการเปลี่ยนแปลงโครงสร้างในปี 2026:

ในฐานะนักลงทุน หน้าที่ของเราคือการเจาะลึกทุกแง่มุมของอุตสาหกรรมเทคโนโลยี ทำความเข้าใจการทำงาน และคาดการณ์ทิศทางการพัฒนาในอนาคต ดังนั้น ในเดือนธันวาคมของทุกปี เราจึงเชิญทีมลงทุนมาร่วมแบ่งปันสิ่งที่พวกเขาเชื่อว่าเป็น "ไอเดียสำคัญ" ที่ผู้ประกอบการด้านเทคโนโลยีจะต้องลงมือทำในปีถัดไป

วันนี้ เราขอเสนอความคิดเห็นจากทีมโครงสร้างพื้นฐาน ทีมการเติบโต ทีมชีววิทยาและสุขภาพ และทีมสปีดรัน ส่วนความคิดเห็นจากทีมอื่นๆ จะเผยแพร่ในวันพรุ่งนี้ โปรดติดตามชม

ทีมโครงสร้างพื้นฐาน

เจนนิเฟอร์ ลี: สตาร์ทอัพจะเข้ามาจัดการกับ "ความโกลาหล" ของข้อมูลหลายรูปแบบ

ข้อมูลที่ไม่เป็นระเบียบและหลากหลายรูปแบบเป็นอุปสรรคที่ใหญ่ที่สุดสำหรับองค์กรมาโดยตลอด แต่ในขณะเดียวกันก็เป็นขุมทรัพย์ที่ยังไม่ได้ถูกนำมาใช้ประโยชน์อย่างเต็มที่ บริษัททุกแห่งต่างจมอยู่กับไฟล์ PDF ภาพหน้าจอ วิดีโอ บันทึกข้อมูล อีเมล และ "ข้อมูลที่ไม่เป็นระเบียบ" ทุกประเภท ระบบจำลองต่างๆ กำลังฉลาดขึ้นเรื่อยๆ แต่ข้อมูลป้อนเข้ากลับมีความวุ่นวายมากขึ้นเรื่อยๆ ซึ่งทำให้ระบบ RAG เกิดภาพลวงตา นำไปสู่ข้อผิดพลาดเล็กน้อยแต่ร้ายแรงโดยตัวแทนอัจฉริยะ และทำให้เวิร์กโฟลว์ที่สำคัญต้องพึ่งพาการตรวจสอบคุณภาพด้วยตนเองอย่างมาก

ปัจจัยจำกัดที่แท้จริงสำหรับบริษัท AI ในปัจจุบันคือ ความไม่เป็นระเบียบของข้อมูล: ในโลกที่ไม่เป็นระเบียบซึ่งประกอบไปด้วยความรู้ถึง 80% ของบริษัท ความสดใหม่ โครงสร้าง และความถูกต้องของข้อมูลจึงลดลงอย่างต่อเนื่อง

นี่คือเหตุผลว่าทำไมการจัดการกับ "ความยุ่งเหยิง" ของข้อมูลที่ไม่มีโครงสร้างจึงกลายเป็นโอกาสทางธุรกิจสำหรับคนรุ่นใหม่ องค์กรต่างๆ จำเป็นต้องมีแนวทางอย่างต่อเนื่องในการทำความสะอาด จัดโครงสร้าง ตรวจสอบความถูกต้อง และกำกับดูแลข้อมูลหลายรูปแบบ เพื่อให้เวิร์กโหลด AI ในขั้นตอนถัดไปทำงานได้อย่างมีประสิทธิภาพอย่างแท้จริง แอปพลิเคชันต่างๆ มีอยู่ทั่วไป เช่น การวิเคราะห์สัญญา การรับพนักงานใหม่ การประมวลผลการเรียกร้อง การปฏิบัติตามกฎระเบียบ บริการลูกค้า การจัดซื้อ การดึงข้อมูลทางวิศวกรรม การสนับสนุนการขาย กระบวนการวิเคราะห์ และเวิร์กโฟลว์ของตัวแทนทั้งหมดที่ต้องอาศัยบริบทที่เชื่อถือได้

สตาร์ทอัพแพลตฟอร์มที่สามารถดึงโครงสร้างจากเอกสาร รูปภาพ และวิดีโอ แก้ไขข้อขัดแย้ง ซ่อมแซมระบบประมวลผลข้อมูล และทำให้ข้อมูลทันสมัยและค้นหาได้ จะครอบครอง "กุญแจสู่ดินแดน" แห่งความรู้และกระบวนการขององค์กร

โจเอล เดอ ลา การ์ซา: ปัญญาประดิษฐ์จะเปลี่ยนแปลงรูปแบบการสรรหาบุคลากรสำหรับทีมงานด้านความปลอดภัยทางไซเบอร์

ในช่วงทศวรรษที่ผ่านมา การสรรหาบุคลากรเป็นหนึ่งในปัญหาใหญ่ที่สุดสำหรับ CISOs (ประธานเจ้าหน้าที่ฝ่ายรักษาความปลอดภัยข้อมูล) ตั้งแต่ปี 2013 ถึง 2021 การขาดแคลนตำแหน่งงานด้านความปลอดภัยทางไซเบอร์ทั่วโลกพุ่งสูงขึ้นจากน้อยกว่า 1 ล้านตำแหน่งเป็น 3 ล้านตำแหน่ง สาเหตุมาจากทีมรักษาความปลอดภัยต้องการบุคลากรที่มีความเชี่ยวชาญทางเทคนิคสูง แต่พวกเขากลับถูกขอให้ทำงานด้านความปลอดภัยระดับ 1 ที่เหนื่อยล้า เช่น การตรวจสอบบันทึกข้อมูล ซึ่งแทบไม่มีใครอยากทำ

รากเหง้าที่แท้จริงของปัญหาอยู่ที่ว่าทีมรักษาความปลอดภัยทางไซเบอร์ได้สร้างงานที่น่าเบื่อหน่ายขึ้นมาเอง พวกเขาซื้อเครื่องมือที่ "ตรวจจับทุกอย่างโดยไม่เลือกปฏิบัติ" บังคับให้ทีมต้อง "เซ็นเซอร์ทุกอย่าง" ซึ่งในที่สุดก็สร้าง "การขาดแคลนแรงงาน" เทียมขึ้นมา ก่อให้เกิดวงจรที่เลวร้าย

ในปี 2026 ปัญญาประดิษฐ์ (AI) จะทำลายวงจรนี้ ลดช่องว่างด้านทักษะลงอย่างมาก ด้วยการทำให้งานที่ซ้ำซากและไม่จำเป็นส่วนใหญ่เป็นไปโดยอัตโนมัติ ใครก็ตามที่เคยทำงานในทีมรักษาความปลอดภัยขนาดใหญ่จะรู้ว่างานครึ่งหนึ่งสามารถทำให้เป็นอัตโนมัติได้ ปัญหาคือ เมื่อคุณมีงานล้นมือทุกวัน คุณไม่มีเวลาคิดว่าควรจะทำให้สิ่งใดเป็นอัตโนมัติ เครื่องมือที่ใช้ AI อย่างแท้จริงจะช่วยทีมรักษาความปลอดภัยในเรื่องนี้ ทำให้พวกเขาสามารถมุ่งเน้นไปที่สิ่งที่พวกเขาต้องการทำตั้งแต่แรก นั่นคือ การติดตามผู้โจมตี การสร้างระบบ และการแก้ไขช่องโหว่

Malika Aubakirova: โครงสร้างพื้นฐานดั้งเดิมสำหรับเอเจนต์อัจฉริยะจะกลายเป็น "มาตรฐาน"

การเปลี่ยนแปลงโครงสร้างพื้นฐานครั้งใหญ่ที่สุดในปี 2026 จะไม่ได้มาจากภายนอก แต่จะมาจากภายใน เรากำลังเปลี่ยนจากปริมาณการรับส่งข้อมูลแบบ "ความเร็วระดับมนุษย์ การทำงานพร้อมกันน้อย และคาดการณ์ได้" ไปสู่ปริมาณงานที่ "ความเร็วระดับเอเจนต์ การทำงานแบบวนซ้ำ การระเบิด และมหาศาล"

ระบบแบ็กเอนด์ขององค์กรในปัจจุบันได้รับการออกแบบมาสำหรับโมเดล "จากการกระทำของมนุษย์ไปสู่การตอบสนองของระบบ" แบบ 1:1 ซึ่งไม่เหมาะสมกับการรับมือกับพายุการประมวลผลแบบวนซ้ำระดับมิลลิวินาทีที่ถูกกระตุ้นโดย "เป้าหมาย" เดียวจากเอเจนต์ ส่งผลให้เกิดงานย่อย การสืบค้นฐานข้อมูล และการเรียกใช้ API ภายในมากถึง 5,000 รายการ เมื่อเอเจนต์พยายามปรับปรุงโค้ดหรือแก้ไขบันทึกความปลอดภัย มันไม่ได้ทำงานเหมือนผู้ใช้ทั่วไป สำหรับฐานข้อมูลแบบดั้งเดิมหรือตัวจำกัดอัตราการใช้งาน มันจะดูเหมือนการโจมตีแบบ DDoS

เพื่อสร้างระบบสำหรับรองรับภาระงานของเอเจนต์ในปี 2026 จำเป็นต้องออกแบบระบบควบคุมใหม่ โครงสร้างพื้นฐานที่รองรับเอเจนต์โดยเฉพาะจะเริ่มปรากฏขึ้น ระบบรุ่นต่อไปต้องยอมรับปรากฏการณ์การระดมความคิดอย่างรวดเร็ว (thundering herd effect) เป็นสถานะเริ่มต้น ระยะเวลาการเริ่มต้นระบบใหม่ (cold start) ต้องสั้นลง ความผันผวนของเวลาแฝงต้องลดลง และขีดจำกัดการทำงานพร้อมกันต้องเพิ่มขึ้นหลายเท่าตัว

ปัญหาคอขวดที่แท้จริงจะย้ายไปอยู่ที่การประสานงานนั่นเอง ได้แก่ การกำหนดเส้นทาง การควบคุมการล็อก การจัดการสถานะ และการบังคับใช้นโยบายในการประมวลผลแบบขนานจำนวนมหาศาล มีเพียงแพลตฟอร์มที่สามารถเอาตัวรอดจากคำสั่งเรียกใช้เครื่องมือจำนวนมหาศาลเท่านั้นที่จะได้รับชัยชนะในที่สุด

จัสติน มัวร์: เครื่องมือสร้างสรรค์กำลังก้าวไปสู่การใช้งานหลายรูปแบบอย่างเต็มรูปแบบ

เรามีองค์ประกอบพื้นฐานสำหรับการเล่าเรื่องด้วย AI อยู่แล้ว ได้แก่ เสียง เพลง ภาพ และวิดีโอที่สร้างขึ้นโดยอัตโนมัติ แต่ตราบใดที่เนื้อหาไม่ใช่แค่หนังสั้น การควบคุมในระดับใกล้เคียงกับผู้กำกับยังคงต้องใช้เวลานาน ยากลำบาก และอาจเป็นไปไม่ได้เลยด้วยซ้ำ

ทำไมเราไม่ให้โมเดลรับคลิปวิดีโอ 30 วินาที สร้างตัวละครใหม่โดยใช้ภาพอ้างอิงและเสียงที่เราจัดเตรียมไว้ให้ แล้วจึงถ่ายทำฉากเดิมต่อล่ะ? ทำไมเราไม่ให้โมเดล "ถ่ายซ้ำ" จากมุมใหม่ หรือปรับการเคลื่อนไหวให้ตรงกับวิดีโออ้างอิงล่ะ?

ปี 2026 จะเป็นปีที่ AI ช่วยให้การสร้างสรรค์แบบมัลติโมดอลเป็นไปได้อย่างแท้จริง ผู้ใช้จะสามารถป้อนเนื้อหาอ้างอิงรูปแบบใดก็ได้ให้กับโมเดล และทำงานร่วมกันเพื่อสร้างผลงานใหม่ หรือแก้ไขฉากที่มีอยู่แล้ว

เราได้เห็นการเกิดขึ้นของผลิตภัณฑ์รุ่นแรกๆ แล้ว เช่น Kling O1 และ Runway Aleph แต่1นี่เป็นเพียงจุดเริ่มต้นเท่านั้น นวัตกรรมใหม่ๆ ยังคงจำเป็นทั้งในระดับรุ่นและระดับการใช้งาน

การสร้างคอนเทนต์เป็นหนึ่งใน "แอปพลิเคชันสำคัญ" ของ AI และผมคาดว่าจะมีผลิตภัณฑ์ที่ประสบความสำเร็จมากมายเกิดขึ้นจากกลุ่มผู้ใช้ที่หลากหลาย ตั้งแต่ผู้สร้างมีมไปจนถึงผู้กำกับภาพยนตร์ฮอลลีวูด

Jason Cui: โครงสร้างพื้นฐานข้อมูล AI จะยังคงได้รับการพัฒนาอย่างต่อเนื่อง

ในช่วงปีที่ผ่านมา "โครงสร้างพื้นฐานด้านข้อมูลสมัยใหม่" ได้มีการรวมตัวกันอย่างชัดเจน บริษัทด้านข้อมูลกำลังเปลี่ยนจากการให้บริการแบบแยกส่วน เช่น การรวบรวม การแปลง และการคำนวณ ไปสู่แพลตฟอร์มแบบรวมและครบวงจร (เช่น การควบรวมกิจการของ Fivetran/dbt และการขยายตัวของ Databricks)

แม้ว่าระบบนิเวศจะเติบโตเต็มที่มากขึ้นแล้ว แต่เราก็ยังอยู่ในช่วงเริ่มต้นของการสร้างสถาปัตยกรรมข้อมูลที่เป็น AI อย่างแท้จริง เราตื่นเต้นกับวิธีที่ AI ยังคงเปลี่ยนแปลงหลายแง่มุมของระบบข้อมูล และเริ่มเห็นแล้วว่าโครงสร้างพื้นฐานด้านข้อมูลและ AI กำลังเคลื่อนไปสู่การบูรณาการอย่างลึกซึ้งอย่างถาวร

เราให้ความสำคัญเป็นพิเศษในด้านต่อไปนี้:

ข้อมูลจะยังคงไหลเวียนไปยังฐานข้อมูลเวกเตอร์ประสิทธิภาพสูงได้อย่างไร นอกเหนือจากการจัดเก็บข้อมูลแบบมีโครงสร้างแบบดั้งเดิม?

วิธีที่เอージェนต์ AI แก้ปัญหา "ปัญหาบริบท": ด้วยการเข้าถึงความหมายของข้อมูลและคำจำกัดความทางธุรกิจที่ถูกต้องอย่างต่อเนื่อง แอปพลิเคชันที่ "สื่อสารกับข้อมูล" สามารถรักษาความเข้าใจที่สอดคล้องกันในระบบต่างๆ ได้

เมื่อกระบวนการทำงานของข้อมูลชาญฉลาดและเป็นระบบอัตโนมัติมากขึ้น เครื่องมือ BI และสเปรดชีตแบบดั้งเดิมจะพัฒนาไปอย่างไร?

โยโกะ ลี: เราจะ "เข้าไปสำรวจภายในวิดีโอ" อย่างแท้จริง

ในปี 2026 วิดีโอจะไม่ใช่เพียงแค่เนื้อหาที่ผู้ชมรับชมอย่างเฉยๆ อีกต่อไป แต่จะเริ่มกลายเป็นพื้นที่ที่เราสามารถ "เข้าไป" ได้ วิดีโอจะสามารถเข้าใจเวลา จดจำสิ่งที่แสดงไปแล้ว และตอบสนองต่อการกระทำของเราได้ ในขณะเดียวกันก็รักษาเสถียรภาพและความสอดคล้องใกล้เคียงกับโลกแห่งความเป็นจริง แทนที่จะแค่แสดงภาพนิ่งที่ไม่เกี่ยวข้องกันเป็นเวลาไม่กี่วินาที

ระบบเหล่านี้สามารถรักษาลักษณะ ตัวละคร วัตถุ และกฎทางฟิสิกส์ไว้ได้เป็นเวลานาน ทำให้การกระทำต่างๆ ส่งผลกระทบอย่างแท้จริง และทำให้เกิดความสัมพันธ์เชิงสาเหตุขึ้นได้ ดังนั้น วิดีโอจึงเปลี่ยนจากสื่อไปเป็นพื้นที่ที่สามารถสร้างสิ่งต่างๆ ขึ้นมาได้: หุ่นยนต์สามารถฝึกฝนได้ กลไกของเกมสามารถพัฒนาได้ นักออกแบบสามารถสร้างต้นแบบได้ และตัวแทนอัจฉริยะสามารถเรียนรู้ได้จากการ "ลงมือทำ"

โลกที่นำเสนอไม่ได้เป็นเพียงวิดีโอสั้นๆ อีกต่อไป แต่เป็นเหมือน "สภาพแวดล้อมที่มีชีวิต" ซึ่งเริ่มลดช่องว่างระหว่างการรับรู้และการกระทำ นี่เป็นครั้งแรกที่มนุษยชาติสามารถ "อยู่อาศัย" ในวิดีโอที่ตนเองสร้างขึ้นได้อย่างแท้จริง

ทีมส่งเสริมการเติบโต

ซาร่าห์ หวัง: สถานะของ "ระบบการเก็บรักษาบันทึก" ของบริษัทจะเริ่มสั่นคลอน

ในปี 2026 การเปลี่ยนแปลงที่แท้จริงของซอฟต์แวร์สำหรับองค์กรจะมาจากจุดเปลี่ยนสำคัญ นั่นคือ บทบาทสำคัญของระบบจัดเก็บข้อมูลจะเริ่มลดลงในที่สุด

ปัญญาประดิษฐ์ (AI) กำลังเชื่อมช่องว่างระหว่าง "เจตนา" และ "การลงมือปฏิบัติ": โมเดลสามารถอ่าน เขียน และอนุมานข้อมูลการดำเนินงานขององค์กรได้โดยตรง เปลี่ยนระบบ ITSM, CRM และระบบอื่นๆ จากฐานข้อมูลแบบพาสซีฟให้กลายเป็นเครื่องมือจัดการเวิร์กโฟลว์แบบอัตโนมัติ

ด้วยความก้าวหน้าอย่างรวดเร็วของแบบจำลองการให้เหตุผลและกระบวนการทำงานของเอเจนต์ ระบบเหล่านี้จึงไม่เพียงแต่ตอบสนองต่อความต้องการเท่านั้น แต่ยังสามารถคาดการณ์ ประสานงาน และดำเนินการกระบวนการแบบครบวงจรได้อีกด้วย

ส่วนต่อประสานผู้ใช้จะกลายเป็นชั้นตัวแทนอัจฉริยะแบบไดนามิก ในขณะที่ชั้นบันทึกระบบแบบดั้งเดิมจะค่อยๆ ลดบทบาทลงกลายเป็น "พื้นที่จัดเก็บข้อมูลถาวรราคาประหยัด" และความได้เปรียบเชิงกลยุทธ์จะถูกส่งต่อให้กับผู้เล่นที่ควบคุมสภาพแวดล้อมการดำเนินการอัจฉริยะ

อเล็กซ์ อิมเมอร์แมน: ปัญญาประดิษฐ์เชิงแนวตั้งกำลังยกระดับจาก "การรับและใช้เหตุผลข้อมูล" ไปสู่ "โหมดการทำงานร่วมกันหลายคน"

ปัญญาประดิษฐ์ (AI) กำลังผลักดันให้เกิดการเติบโตอย่างรวดเร็วในซอฟต์แวร์เฉพาะอุตสาหกรรม บริษัทในภาคส่วนการดูแลสุขภาพ กฎหมาย และที่อยู่อาศัย ทำรายได้ประจำปี (ARR) เกิน 100 ล้านดอลลาร์สหรัฐอย่างรวดเร็ว โดยภาคการเงินและการบัญชีกำลังตามมาอย่างใกล้ชิด

การปฏิวัติครั้งแรกเกิดขึ้นจากการรวบรวมข้อมูล ได้แก่ การค้นหา การสกัด และการสรุปข้อมูล

ปี 2025 นำมาซึ่งข้อสรุป: Hebbia วิเคราะห์งบการเงิน, Basis ปรับยอดงบดุลทดลองระหว่างระบบต่างๆ และ EliseAI วินิจฉัยปัญหาการบำรุงรักษาและกำหนดตารางเวลาซัพพลายเออร์

โหมดผู้เล่นหลายคนจะเปิดให้ใช้งานในปี 2026

ซอฟต์แวร์เฉพาะทางโดยธรรมชาติจะมีอินเทอร์เฟซ ข้อมูล และความสามารถในการบูรณาการที่เฉพาะเจาะจงสำหรับอุตสาหกรรมนั้นๆ ในขณะที่งานเฉพาะทางในแต่ละอุตสาหกรรมนั้นโดยพื้นฐานแล้วเป็นการทำงานร่วมกันของหลายฝ่าย ได้แก่ ผู้ซื้อ ผู้ขาย ผู้เช่า ที่ปรึกษา และซัพพลายเออร์ ซึ่งแต่ละฝ่ายมีสิทธิ์ กระบวนการ และข้อกำหนดด้านการปฏิบัติตามกฎระเบียบที่แตกต่างกัน

ในปัจจุบัน AI จากหลายฝ่ายทำงานอย่างอิสระ ส่งผลให้เกิดจุดเปลี่ยนผ่านที่สับสนและไม่เป็นระบบ: AI ที่วิเคราะห์สัญญาไม่สามารถสื่อสารกับความต้องการในการสร้างแบบจำลองของ CFO ได้; AI ด้านการบำรุงรักษาไม่รับรู้ถึงข้อผูกพันที่บุคลากรในสถานที่ทำไว้กับผู้เช่า

AI แบบผู้เล่นหลายคนจะเข้ามาเปลี่ยนแปลงสถานการณ์นี้ โดยจะประสานงานระหว่างฝ่ายต่างๆ โดยอัตโนมัติ รักษาบริบท ซิงโครไนซ์การเปลี่ยนแปลง ส่งต่อไปยังผู้เชี่ยวชาญเฉพาะด้านโดยอัตโนมัติ อนุญาตให้ AI ฝ่ายตรงข้ามเจรจาภายในขอบเขต และทำเครื่องหมายความไม่สมดุลเพื่อให้มนุษย์ตรวจสอบ

เมื่อคุณภาพของการทำธุรกรรมดีขึ้นผ่านความร่วมมือระหว่าง "ตัวแทนหลายฝ่ายและมนุษย์หลายคน" ต้นทุนในการเปลี่ยนไปใช้ระบบอื่นก็จะพุ่งสูงขึ้น เครือข่ายความร่วมมือนี้จะกลายเป็น "ปราการ" ที่แอปพลิเคชัน AI ขาดมานาน

สเตฟานี จาง: สิ่งที่จะถูกสร้างขึ้นในอนาคตจะไม่ใช่มนุษย์อีกต่อไป แต่จะเป็นตัวแทนอัจฉริยะ

ภายในปี 2026 ผู้คนจะโต้ตอบกับเครือข่ายผ่านตัวแทนอัจฉริยะ และการเพิ่มประสิทธิภาพเนื้อหาโดยมุ่งเน้นที่มนุษย์จะสูญเสียความสำคัญไป

เราได้ปรับแต่งให้สอดคล้องกับพฤติกรรมของมนุษย์ที่คาดเดาได้ เช่น อันดับใน Google รายชื่อสินค้าที่ได้รับความนิยมสูงสุดใน Amazon รูปแบบ 5 สัปดาห์ + 1 ชั่วโมงของบทความข่าว และบทนำที่ดึงดูดสายตา

มนุษย์อาจมองข้ามข้อคิดลึกซึ้งที่ซ่อนอยู่บนหน้าห้า แต่ระบบอัจฉริยะจะไม่พลาดข้อคิดเหล่านั้น

ซอฟต์แวร์ก็จะเปลี่ยนแปลงไปตามนั้นเช่นกัน เดิมทีแอปพลิเคชันถูกออกแบบมาเพื่อให้มนุษย์มองเห็นและคลิกใช้งานได้ง่าย โดยการปรับปรุงประสิทธิภาพหมายถึง UI และกระบวนการทำงานที่ดีขึ้น แต่เมื่อระบบอัจฉริยะเข้ามาควบคุมการค้นหาและตีความข้อมูล ความสำคัญของการออกแบบเชิงภาพจึงลดลง วิศวกรไม่จำเป็นต้องจ้องมอง Grafana อีกต่อไป AI SRE จะวิเคราะห์ข้อมูล telemetry โดยอัตโนมัติและให้ข้อมูลเชิงลึกใน Slack ทีมขายไม่จำเป็นต้องพลิกดู CRM ด้วยตนเองอีกต่อไป ระบบอัจฉริยะจะสรุปรูปแบบและข้อมูลเชิงลึกโดยอัตโนมัติ

เราไม่ได้ออกแบบเพื่อมนุษย์อีกต่อไปแล้ว แต่เราออกแบบเพื่อตัวแทนอัจฉริยะ การเพิ่มประสิทธิภาพแบบใหม่ไม่ได้เน้นที่ลำดับชั้นทางสายตาอีกต่อไป แต่เน้นที่ความสามารถในการอ่านของเครื่องจักร นี่จะเปลี่ยนวิธีการสร้างเนื้อหาและเครื่องมือที่มีให้ใช้ไปอย่างสิ้นเชิง

ซานติอาโก โรดริเกซ: ตัวชี้วัด "เวลาอยู่หน้าจอ" จะหายไป

ในช่วง 15 ปีที่ผ่านมา "เวลาอยู่หน้าจอ" กลายเป็นมาตรฐานทองคำในการวัดมูลค่าของผลิตภัณฑ์ ได้แก่ เวลาดู Netflix จำนวนคลิกเมาส์ในระบบดูแลสุขภาพ และจำนวนนาทีที่ผู้ใช้ใช้บน ChatGPT

แต่ในยุคที่จะมาถึงซึ่งการกำหนดราคาตามผลลัพธ์ การใช้เวลาอยู่หน้าจอจะค่อยๆ หายไปอย่างสิ้นเชิง

ประโยชน์เริ่มปรากฏให้เห็นแล้ว: การค้นหาข้อมูลเชิงลึกของ ChatGPT แทบไม่ต้องใช้เวลาอยู่หน้าจอเลย แต่ให้คุณค่ามหาศาล; Abridge บันทึกบทสนทนาระหว่างแพทย์และผู้ป่วยโดยอัตโนมัติและจัดการงานติดตามผล ทำให้แพทย์แทบไม่ต้องมองหน้าจอ; Cursor พัฒนาแอปพลิเคชันเสร็จสมบูรณ์แล้ว และวิศวกรกำลังวางแผนขั้นตอนต่อไป; Hebbia สร้างเอกสารนำเสนอโครงการโดยอัตโนมัติจากเอกสารสาธารณะจำนวนมาก ทำให้เหล่านักวิเคราะห์การธนาคารเพื่อการลงทุนสามารถนอนหลับได้เสียที

ความท้าทายที่ตามมาคือ บริษัทต่างๆ จำเป็นต้องหาวิธีที่ซับซ้อนมากขึ้นในการวัดผลตอบแทนจากการลงทุน (ROI) ไม่ว่าจะเป็นความพึงพอใจของแพทย์ ประสิทธิภาพการทำงานของนักพัฒนา สุขภาวะของนักวิเคราะห์ ความสุขของผู้ใช้... ซึ่งทั้งหมดนี้ล้วนเพิ่มสูงขึ้นด้วยปัญญาประดิษฐ์ (AI)

บริษัทที่สามารถบอกเล่าเรื่องราวผลตอบแทนจากการลงทุน (ROI) ได้อย่างชัดเจนที่สุด จะยังคงเป็นผู้ชนะต่อไป

ทีม Bio+Health (เน้นด้านเทคโนโลยีชีวภาพและสุขภาพ)

จูลี่ ยู: "ผู้ใช้งานรายเดือนด้านสุขภาพ" กลายเป็นกลุ่มผู้ใช้งานหลัก

ในปี 2026 กลุ่มผู้ใช้บริการด้านสุขภาพกลุ่มใหม่จะก้าวขึ้นมาเป็นจุดสนใจ: "ผู้ใช้บริการด้านสุขภาพประจำเดือนที่มีสุขภาพดี" (Healthy MAUs) (ผู้ที่มีสุขภาพดีและออกกำลังกายเป็นประจำทุกเดือน แต่ไม่เจ็บป่วย)

การแพทย์แผนโบราณให้บริการแก่ผู้คนสามกลุ่มหลักๆ ดังนี้:

MAU ที่มีปัญหา: กลุ่มผู้ใช้งานที่มีต้นทุนสูงและมีความต้องการผันผวนตามวัฏจักรเศรษฐกิจ

-ผู้ป่วยในหอผู้ป่วยวิกฤต: เช่น ผู้ป่วยวิกฤตที่ต้องได้รับการดูแลระยะยาว

-วัยรุ่นที่มีสุขภาพดี: กลุ่มคนที่แทบไม่เคยไปพบแพทย์เลย

ผู้ป่วยวัยรุ่นที่มีสุขภาพดีสามารถเปลี่ยนเป็นผู้ป่วยเรื้อรังที่มีอาการป่วยได้ง่าย และการดูแลเชิงป้องกันอาจช่วยชะลอการเปลี่ยนแปลงนี้ได้ อย่างไรก็ตาม เนื่องจากระบบการดูแลสุขภาพในปัจจุบันเน้น "การรักษาเป็นหลัก" การตรวจและการติดตามเชิงรุกจึงแทบไม่ได้รับการดูแลเลย

การเกิดขึ้นของกลุ่มผู้ใช้แอปพลิเคชันด้านสุขภาพที่มีสุขภาพดีได้เปลี่ยนแปลงโครงสร้างนี้ไป กล่าวคือ พวกเขาไม่ได้ป่วย แต่เต็มใจที่จะตรวจสอบสถานะสุขภาพของตนเองอย่างสม่ำเสมอ และเป็นกลุ่มประชากรที่มีศักยภาพมากที่สุด

เราคาดการณ์ว่าทั้งสตาร์ทอัพที่เชี่ยวชาญด้าน AI และสถาบันแบบดั้งเดิมที่ได้รับการ "ปรับรูปแบบใหม่" จะเข้าร่วมในการให้บริการด้านสุขภาพเป็นระยะๆ

เมื่อ AI ช่วยลดต้นทุนการให้บริการด้านสุขภาพ ผลิตภัณฑ์ประกันภัยเชิงป้องกันเริ่มปรากฏขึ้น และผู้ใช้ยินดีจ่ายค่าบริการแบบสมัครสมาชิก กลุ่มผู้ใช้งานรายเดือนด้านสุขภาพ (Health MAUs) จะกลายเป็นกลุ่มลูกค้าที่มีศักยภาพมากที่สุดสำหรับเทคโนโลยีด้านสุขภาพยุคใหม่ เนื่องจากเป็นกลุ่มที่ใช้งานอย่างต่อเนื่อง ขับเคลื่อนด้วยข้อมูล และมุ่งเน้นการป้องกัน

ทีม Speedrun (เกม สื่ออินเทอร์แอ็กทีฟ และการสร้างแบบจำลองโลก)

จอน ไล: โมเดลโลกจะปรับเปลี่ยนวิธีการเล่าเรื่อง

ในปี 2026 โมเดลโลกเสมือนจริงที่สร้างด้วย AI จะปฏิวัติการเล่าเรื่องผ่านโลกเสมือนจริงแบบโต้ตอบและเศรษฐกิจดิจิทัล เทคโนโลยีต่างๆ เช่น Marble (World Labs) และ Genie 3 (DeepMind) สามารถสร้างโลก 3 มิติที่สมบูรณ์จากข้อความ ทำให้ผู้ใช้สามารถสำรวจได้ราวกับเล่นเกม

เมื่อผู้สร้างนำเครื่องมือเหล่านี้มาใช้ รูปแบบการเล่าเรื่องใหม่ๆ จะเกิดขึ้นอย่างสิ้นเชิง และอาจจะมี "เวอร์ชัน Minecraft แบบทั่วไป" ที่ผู้เล่นร่วมกันสร้างจักรวาลอันกว้างใหญ่และพัฒนาไปเรื่อยๆ ก็ได้

โลกเหล่านี้จะลบล้างเส้นแบ่งระหว่างผู้เล่นและผู้สร้าง ก่อให้เกิดความเป็นจริงร่วมกันที่มีพลวัต แนวเกมที่แตกต่างกัน เช่น แฟนตาซี สยองขวัญ และผจญภัย สามารถอยู่ร่วมกันได้ เศรษฐกิจดิจิทัลภายในโลกเหล่านี้จะเฟื่องฟู ทำให้ผู้สร้างสามารถสร้างรายได้จากการสร้างเนื้อหา แนะนำผู้เล่น และพัฒนาเครื่องมือแบบโต้ตอบได้

โลกที่สร้างขึ้นเหล่านี้จะกลายเป็นสนามฝึกฝนสำหรับเอージェนต์ AI หุ่นยนต์ และแม้กระทั่ง AGI ในอนาคต โมเดลโลกไม่เพียงแต่จะนำมาซึ่งประเภทเกมใหม่เท่านั้น แต่ยังนำมาซึ่งสื่อสร้างสรรค์และพรมแดนทางเศรษฐกิจใหม่ทั้งหมดอีกด้วย

จอช ลู: "ปีของผม"

ปี 2026 จะเป็น "ปีของฉัน": ผลิตภัณฑ์จะไม่ถูกผลิตในปริมาณมากสำหรับ "ผู้บริโภคทั่วไป" อีกต่อไป แต่จะถูกผลิตขึ้นมาโดยเฉพาะสำหรับ "คุณ"

ในด้านการศึกษา ครูสอนพิเศษ AI ของ Alphaschool จะปรับจังหวะการเรียนรู้ให้เหมาะสมกับความสนใจของนักเรียนแต่ละคน

ในด้านสุขภาพ AI สามารถปรับแต่งอาหารเสริม แผนการออกกำลังกาย และแผนการรับประทานอาหารให้เหมาะกับคุณได้

ในด้านสื่อ ปัญญาประดิษฐ์ (AI) ช่วยให้สามารถดัดแปลงเนื้อหาแบบเรียลไทม์ให้ตรงกับรสนิยมของคุณได้

บริษัทยักษ์ใหญ่ในศตวรรษที่ผ่านมาประสบความสำเร็จด้วยการค้นหา "ผู้ใช้งานทั่วไป" ส่วนบริษัทยักษ์ใหญ่ในศตวรรษหน้าจะประสบความสำเร็จด้วยการค้นหา "บุคคลเฉพาะกลุ่มท่ามกลางผู้ใช้งานทั่วไปเหล่านั้น"

ในปี 2026 โลกจะไม่ถูกปรับให้เหมาะสมที่สุดสำหรับทุกคนอีกต่อไป แต่จะถูกปรับให้เหมาะสมที่สุดสำหรับ "คุณ"

เอมิลี่ เบนเน็ตต์: มหาวิทยาลัยแห่งแรกที่ใช้ AI เป็นหลักกำลังจะถือกำเนิดขึ้น

ในปี 2026 เราจะได้เห็นมหาวิทยาลัยแห่งแรกที่เป็นมหาวิทยาลัยที่ใช้ AI อย่างแท้จริง ซึ่งเป็นสถาบันที่สร้างขึ้นใหม่ทั้งหมดโดยใช้ระบบอัจฉริยะเป็นศูนย์กลาง มหาวิทยาลัยแบบดั้งเดิมได้นำ AI มาใช้ในการให้คะแนน การติว และการจัดตารางเรียนแล้ว แต่ตอนนี้การเปลี่ยนแปลงที่ลึกซึ้งกว่ากำลังเกิดขึ้น นั่นคือ "สิ่งมีชีวิตทางวิชาการที่ปรับตัวได้" ซึ่งสามารถเรียนรู้และปรับปรุงตนเองได้แบบเรียลไทม์

ลองนึกภาพมหาวิทยาลัยที่หลักสูตร การให้คำปรึกษา ความร่วมมือด้านการวิจัย และการดำเนินงานในวิทยาเขตได้รับการปรับเปลี่ยนแบบเรียลไทม์ตามคำติชม ตารางเรียนปรับให้เหมาะสมโดยอัตโนมัติ รายชื่อหนังสืออ่านประกอบได้รับการอัปเดตแบบไดนามิกเมื่อมีงานวิจัยใหม่ ๆ เกิดขึ้น และเส้นทางการเรียนรู้ของนักศึกษาแต่ละคนเปลี่ยนแปลงไปแบบเรียลไทม์

ตัวอย่างที่เกิดขึ้นแล้ว ได้แก่ การร่วมมือระหว่างมหาวิทยาลัยแห่งรัฐแอริโซนาและ OpenAI ซึ่งส่งผลให้เกิดโครงการ AI หลายร้อยโครงการ และมหาวิทยาลัยแห่งรัฐนิวยอร์กได้ผนวกความรู้ด้าน AI เข้าไว้ในหลักสูตรการศึกษาทั่วไป

ในมหาวิทยาลัยที่เชี่ยวชาญด้าน AI:

อาจารย์มหาวิทยาลัยกลายเป็น "สถาปนิกของระบบการเรียนรู้": วางแผนข้อมูล ปรับแต่งแบบจำลอง และสอนนักเรียนวิธีการตรวจสอบการให้เหตุผลของเครื่องจักร

- วิธีการประเมินผลจะเปลี่ยนเป็นการประเมิน "ความตระหนักรู้เกี่ยวกับ AI" แทนที่จะถามนักเรียนว่าเคยใช้ AI หรือไม่ จะเน้นไปที่วิธีการที่พวกเขาใช้ AI แทน

เนื่องจากอุตสาหกรรมต่างๆ ต้องการบุคลากรที่มีความสามารถในการทำงานร่วมกับระบบอัจฉริยะอย่างเร่งด่วน มหาวิทยาลัยแห่งนี้จึงจะกลายเป็น "แหล่งบ่มเพาะบุคลากร" สำหรับเศรษฐกิจยุคใหม่

[ ลิงก์ต้นฉบับ ]

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia