2026 年 AI 的三大關鍵趨勢:提示框將消失、為代理而設計、語音 AI 的擴張

2026 年 AI 的三大關鍵趨勢:提示框將消失、為代理而設計、語音 AI 的擴張
2026 年 AI 趨勢影片縮圖

a16z 的三位投資合夥人在 Big Ideas for 2026 中分享了他們對 AI 發展的觀察,這些觀點來自他們投資的第一線實際案例。

提示框的消失

投資合夥人 Mark Andrew 指出,2026 年 AI 應用的主要界面將從提示框(prompt box)轉變為主動式介入。新一代 AI 應用不再等待使用者輸入指令,而是持續觀察使用者行為,主動提出可執行的建議。

他用員工的工作模式做比喻:最低階的員工發現問題後會詢問該怎麼做,而最高階的員工會自行診斷問題、研究解決方案、實施行動,最後只需要主管確認。未來的 AI 應用將朝這個方向發展。

以 AI CRM 為例,傳統 CRM 需要業務人員手動檢視機會、安排行動。新型 AI CRM 則會主動分析所有資料,包括過去兩年的 email 往來,找出可能的潛在客戶並建議後續行動。

這個轉變擴大了市場規模。過去軟體產業針對的是全球每年 3000-4000 億美元的軟體支出,現在有機會切入的是「勞動力支出」市場——光美國就有 13 兆美元,市場規模擴大了 30 倍。

為 AI 代理設計內容

投資合夥人 Stephanie Zayn 提出,內容創作和產品設計的目標對象正在從人類轉向 AI 代理。

傳統的內容創作講究吸引人類注意力——把重點放在開頭、使用視覺層級引導閱讀。但 AI 代理不受這些限制,它會完整讀取所有內容,重視的是資料的結構化和機器可讀性。

實際應用已經出現變化。工程師不再需要在 Grafana 儀表板上手動分析,AI 可以直接處理遙測數據並在 Slack 中呈現分析結果。業務人員不需要在 Salesforce 中點擊操作,AI 代理會自動整理摘要。

過去的優化重點是「如何在搜尋結果中排名靠前」,未來的優化重點是「如何讓 AI 代理正確理解和提取資訊」。這將改變內容創作的方式和工具。

語音 AI 的規模化部署

投資合夥人 Olivia Moore 觀察到,語音 AI 在 2025 年已經從概念驗證階段進入企業級大規模部署。

醫療產業是最大的應用領域,不僅包括預約提醒等基礎功能,甚至術後追蹤電話和精神科初診評估也開始採用語音 AI。主要驅動因素是醫療產業的高離職率和招募困難。

金融服務業也快速採用語音 AI。儘管有大量法規限制,但 AI 在合規性上的表現反而優於人類——它能精確遵守規定,並且可以追蹤每一次對話的表現。

招募流程也在改變。從零售到工程師職位,許多企業使用語音 AI 進行初步面試,讓候選人可以隨時進行面試,不受時間限制。

有趣的現象是,部分語音 AI 公司會刻意降低回應速度或加入背景噪音,讓對話聽起來更「像人類」。

技術發展方向

三位投資人的觀點指向同一個方向:AI 從被動工具轉變為主動參與者。人類仍會保留決策權,特別是在高風險情境中,但參與的時間點會越來越後移——從執行階段退到審核階段,再退到只在關鍵決策時介入。


📺 影片來源: a16z Big Ideas for 2026

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin