원제: 2026년의 큰 아이디어: 1부

원작자: a16z New Media

작성: 페기, 블록비츠

요약: 지난 한 해 동안 인공지능(AI) 분야의 혁신은 모델 기능에서 시스템 기능으로 전환되었습니다. 즉, 장기간의 시계열 데이터를 이해하고, 일관성을 유지하며, 복잡한 작업을 수행하고, 다른 지능형 에이전트와 협업하는 데 초점을 맞추게 되었습니다. 그 결과, 산업 혁신의 초점도 단일 지점 혁신에서 인프라, 워크플로, 사용자 상호작용 방식의 재정의로 옮겨갔습니다.

a16z의 4개 투자팀은 연례 보고서인 "Big Ideas 2026"에서 인프라, 성장, 헬스케어, 인터랙티브 월드라는 네 가지 측면에서 2026년의 주요 전망에 대한 통찰력을 제공했습니다.

본질적으로 이 모든 것은 하나의 추세를 보여줍니다. 즉, AI는 더 이상 도구가 아니라 인간과 함께 작동하는 환경, 시스템, 그리고 에이전트라는 것입니다.

다음은 2026년 구조적 변화에 대한 네 팀의 평가입니다.

투자자로서 우리의 임무는 기술 산업의 모든 부분을 깊이 있게 살펴보고, 그 작동 방식을 이해하며, 향후 발전 방향을 예측하는 것입니다. 따라서 매년 12월, 저희는 투자팀을 초청하여 기술 기업가들이 내년에 해결해야 할 "빅 아이디어"가 무엇인지 공유해 달라고 요청합니다.

오늘은 인프라, 성장, 바이오 + 헬스, 스피드런 팀의 관점을 전해드립니다. 다른 팀의 관점은 내일 공개될 예정이니 기대해 주세요.

인프라 팀

제니퍼 리: 스타트업들이 멀티모달 데이터의 "혼돈"을 길들일 것이다.

비정형의 다양한 형태의 데이터는 항상 기업에게 가장 큰 병목 현상이었지만, 동시에 가장 활용되지 않은 보물창고이기도 했습니다. 모든 기업은 PDF, 스크린샷, 비디오, 로그, 이메일 등 온갖 종류의 반정형 "데이터 덩어리"에 압도당하고 있습니다. 모델은 점점 더 지능화되고 있지만, 입력 데이터는 점점 더 혼란스러워지고 있습니다. 이로 인해 RAG 시스템은 착각에 빠지게 되고, 지능형 에이전트가 미묘하지만 값비싼 오류를 범하게 되며, 핵심 워크플로가 수동 품질 검사에 크게 의존하게 됩니다.

오늘날 AI 기업의 진정한 한계 요인은 데이터 엔트로피입니다. 기업 지식의 80%를 차지하는 비정형적인 세상에서 데이터의 최신성, 구조, 그리고 진정성은 끊임없이 저하됩니다.

이러한 이유로 비정형 데이터의 "혼란"을 해결하는 것은 새로운 세대를 위한 기업가적 기회가 되고 있습니다. 기업은 하위 AI 워크로드가 효과적으로 작동하도록 하기 위해 다양한 형태의 데이터를 지속적으로 정제, 구조화, 검증 및 관리하는 접근 방식이 필요합니다. 이러한 접근 방식은 계약 분석, 온보딩, 클레임 처리, 규정 준수, 고객 서비스, 조달, 엔지니어링 정보 검색, 영업 지원, 분석 파이프라인, 그리고 신뢰할 수 있는 컨텍스트에 의존하는 모든 상담원 워크플로 등 모든 분야에 적용됩니다.

문서, 이미지, 비디오에서 구조를 추출하고, 충돌을 해결하고, 데이터 파이프라인을 복구하고, 데이터를 최신 상태로 유지하고 검색 가능하게 만들 수 있는 플랫폼 스타트업은 기업 지식과 프로세스의 "핵심 열쇠"를 갖게 될 것입니다.

조엘 데 라 가르자: AI는 사이버 보안 팀의 채용 문제를 근본적으로 바꿀 것입니다.

지난 10년간 채용은 CISO(최고정보보안책임자)에게 가장 큰 골칫거리 중 하나였습니다. 2013년부터 2021년까지 전 세계 사이버보안 인력 부족 현상은 100만 명 미만에서 300만 명으로 급증했습니다. 그 이유는 보안팀에 고도로 전문화된 기술 인재가 필요한데, 이들은 로그 분석과 같이 거의 아무도 하고 싶어 하지 않는 고된 1단계 보안 업무까지 떠맡아야 하기 때문입니다.

문제의 근본적인 원인은 사이버 보안 팀이 스스로 고된 작업을 만들어냈다는 데 있습니다. 그들은 "무차별적으로 모든 것을 탐지하는" 도구를 구매하여 팀원들이 "모든 것을 검열"하도록 강요하고, 이는 결국 인위적인 "인력 부족"을 초래하여 악순환을 만들어냅니다.

2026년에는 AI가 이러한 악순환을 끊고, 반복적이고 불필요한 작업의 대부분을 자동화하여 인재 부족 현상을 크게 완화할 것입니다. 대규모 보안 팀에서 일해 본 사람이라면 누구나 업무의 절반은 자동화할 수 있다는 것을 알고 있을 것입니다. 문제는 매일 업무에 파묻혀 자동화할 부분을 고민할 시간조차 없다는 것입니다. 진정한 AI 기반 도구는 보안 팀이 이러한 문제를 해결해 주고, 본래 하고 싶었던 일, 즉 공격자 추적, 시스템 구축, 취약점 수정에 집중할 수 있도록 해 줄 것입니다.

말리카 아우바키로바: 지능형 에이전트를 위한 네이티브 인프라가 "표준"이 될 것입니다.

2026년 최대의 인프라 변화는 외부가 아닌 내부에서 발생할 것입니다. 우리는 "인간 속도, 낮은 동시 접속, 예측 가능한" 트래픽에서 "에이전트 속도, 재귀적, 폭발적, 대규모" 워크로드로 전환하고 있습니다.

현재 기업 백엔드는 "사람의 행동에서 시스템 응답으로" 1:1 대응 모델에 맞춰 설계되었습니다. 이러한 시스템은 에이전트가 단일 "대상"을 공격하여 5,000개의 하위 작업, 데이터베이스 쿼리 및 내부 API 호출을 발생시키는 밀리초 단위의 반복적인 트래픽 폭주를 처리하는 데 적합하지 않습니다. 에이전트가 코드베이스를 리팩토링하거나 보안 로그를 수정하려고 할 때, 이는 사용자처럼 행동하지 않습니다. 기존 데이터베이스나 속도 제한 장치는 이를 DDoS 공격으로 인식합니다.

2026년에 에이전트 워크로드를 위한 시스템을 구축하려면 제어 평면을 재설계해야 합니다. 에이전트 네이티브 인프라가 등장하기 시작할 것입니다. 차세대 시스템은 '천둥 치는 무리 효과(thundering herd effect)'를 기본 상태로 받아들여야 합니다. 콜드 스타트 ​​시간을 단축하고, 지연 시간 변동을 줄이며, 동시 실행 제한을 몇 배나 늘려야 합니다.

진정한 병목 현상은 조정 자체, 즉 대규모 병렬 실행 환경에서의 라우팅, 잠금 제어, 상태 관리 및 정책 시행으로 옮겨갈 것입니다. 이러한 엄청난 양의 도구 호출을 견뎌낼 수 있는 플랫폼만이 궁극적으로 승리할 것입니다.

저스틴 무어: 창작 도구들이 멀티모달리티 방향으로 완전히 나아가고 있다

인공지능 스토리텔링의 기본 구성 요소는 이미 갖추고 있습니다. 생성형 사운드, 음악, 이미지, 비디오 등이 그것입니다. 하지만 콘텐츠가 단편 영화 이상이 될 경우, 감독 수준에 가까운 제어력을 확보하는 것은 여전히 ​​시간과 노력이 많이 들고, 심지어 불가능할 수도 있습니다.

모델이 30초짜리 비디오 클립을 받고, 우리가 제공하는 참고 이미지와 사운드를 사용하여 새로운 캐릭터를 만든 다음, 같은 장면을 계속 촬영할 수 없는 이유는 무엇일까요? 모델이 새로운 각도에서 "재촬영"하거나, 참고 영상에 맞춰 동작을 조정할 수 없는 이유는 무엇일까요?

2026년은 인공지능이 진정한 멀티모달 콘텐츠 제작을 가능하게 하는 해가 될 것입니다. 사용자들은 모든 형태의 참조 콘텐츠를 모델에 입력하고 협업하여 새로운 작품을 만들거나 기존 장면을 편집할 수 있게 될 것입니다.

클링 O1이나 런웨이 알레프와 같은 1세대 제품들이 이미 등장했지만, 이는 시작에 불과합니다. 모델과 적용 분야 모두에서 새로운 혁신이 필요합니다.

콘텐츠 제작은 AI의 "킬러 애플리케이션" 중 하나이며, 밈 제작자부터 할리우드 감독에 이르기까지 다양한 사용자 그룹에서 여러 성공적인 제품이 등장할 것으로 예상합니다.

제이슨 쿠이: AI 기반 데이터 스택은 계속해서 발전할 것입니다.

지난 한 해 동안 "현대적인 데이터 스택"은 뚜렷한 통합 과정을 거쳤습니다. 데이터 기업들은 수집, 변환, 연산과 같은 모듈형 서비스에서 (Fivetran/dbt 합병 및 Databricks 확장과 같은) 통합 플랫폼으로 전환하고 있습니다.

생태계가 점차 성숙해지고 있지만, 진정한 AI 기반 데이터 아키텍처를 구현하기에는 아직 초기 단계에 있습니다. AI가 데이터 스택의 여러 측면을 지속적으로 변화시키고 있으며, 데이터와 AI 인프라가 돌이킬 수 없는 수준으로 심층 통합되는 추세를 목격하고 있어 매우 기쁩니다.

저희는 특히 다음과 같은 분야에 집중하고 있습니다.

기존의 정형화된 저장소를 넘어 고성능 벡터 데이터베이스로 데이터가 지속적으로 흐르도록 하려면 어떻게 해야 할까요?

AI 에이전트가 "맥락 문제"를 해결하는 방법: "데이터와 소통하는" 애플리케이션은 올바른 데이터 의미론과 비즈니스 정의에 지속적으로 접근함으로써 여러 시스템에서 일관된 이해를 유지할 수 있습니다.

데이터 워크플로가 더욱 지능화되고 자동화됨에 따라 기존 BI 도구와 스프레드시트는 어떻게 진화할까요?

요코 리: 우리는 정말로 "영상 속으로" 들어갈 것입니다.

2026년에는 영상이 더 이상 수동적으로 시청하는 콘텐츠가 아니라, 우리가 "들어갈 수 있는" 공간으로 변모할 것입니다. 영상 모델은 마침내 시간을 이해하고, 이전에 보여준 내용을 기억하며, 우리의 행동에 반응하는 동시에, 단순히 몇 초 분량의 관련 없는 이미지를 출력하는 것이 아니라, 현실 세계와 유사한 안정성과 일관성을 유지할 수 있게 될 것입니다.

이러한 시스템은 캐릭터, 사물, 물리 법칙을 장기간 유지할 수 있어 행동이 실질적인 영향을 미치고 인과 관계가 전개될 수 있도록 합니다. 따라서 비디오는 단순한 매체를 넘어 다양한 것을 구축할 수 있는 공간으로 변모합니다. 로봇을 훈련시키고, 게임 메커니즘을 발전시키고, 디자이너가 프로토타입을 제작하고, 지능형 에이전트가 '실행'을 통해 학습할 수 있게 되는 것입니다.

제시된 세계는 더 이상 짧은 영상이 아니라 "살아있는 환경"과 같으며, 인식과 행동 사이의 간극을 좁혀가고 있습니다. 인류가 자신이 만들어낸 영상 속에 진정으로 "거주"할 수 있게 된 것은 이번이 처음입니다.

성장팀

사라 왕: 기업의 "기록 관리 시스템"의 위상이 흔들리기 시작할 것입니다.

2026년 기업 소프트웨어의 진정한 혁신은 핵심적인 변화에서 비롯될 것입니다. 바로 기록 관리 시스템의 중심적인 역할이 마침내 감소하기 시작할 것이라는 점입니다.

AI는 '의도'와 '실행' 사이의 간극을 메우고 있습니다. 모델은 기업 운영 데이터를 직접 읽고 쓰고 추론할 수 있어 ITSM, CRM 및 기타 시스템을 수동적인 데이터베이스에서 자율적인 워크플로 엔진으로 전환합니다.

추론 모델과 에이전트 워크플로의 급속한 발전으로 이러한 시스템은 더 이상 단순히 요구에 대응하는 것을 넘어, 엔드투엔드 프로세스를 예측, 조정 및 실행할 수 있게 되었습니다.

인터페이스는 동적인 지능형 에이전트 계층으로 발전하고, 기존 시스템 기록 계층은 점차 "저렴한 영구 저장소"로 퇴보하며, 지능형 실행 환경을 제어하는 ​​주체에게 전략적 주도권이 넘어갈 것입니다.

알렉스 이머만: 수직적 AI는 "정보 획득 및 추론"에서 "다인 협업 모드"로 업그레이드되고 있습니다.

인공지능(AI)은 특정 산업 분야 소프트웨어의 폭발적인 성장을 견인하고 있습니다. 의료, 법률, 주택 분야 기업들은 빠르게 연간 반복 매출(ARR) 1억 달러를 돌파했으며, 금융 및 회계 분야도 그 뒤를 바짝 쫓고 있습니다.

초기 혁명은 정보 획득, 즉 정보를 찾고, 추출하고, 요약하는 것에 관한 것이었습니다.

2025년에는 다음과 같은 예측이 가능해질 것입니다: Hebbia는 재무제표를 분석하고, Basis는 여러 시스템의 시산표를 대조하며, EliseAI는 유지보수 문제를 진단하고 공급업체 일정을 관리합니다.

멀티플레이어 모드는 2026년에 잠금 해제될 예정입니다.

수직형 소프트웨어는 자연스럽게 산업별 인터페이스, 데이터 및 통합 기능을 갖추고 있으며, 수직형 산업 업무는 본질적으로 구매자, 판매자, 임차인, 컨설턴트 및 공급업체 등 각기 다른 권한, 프로세스 및 규정 준수 요구 사항을 가진 여러 당사자의 협업입니다.

오늘날 여러 주체의 AI가 독립적으로 작동하면서 혼란스럽고 권위적인 인수인계 지점이 발생하고 있습니다. 예를 들어 계약을 분석하는 AI는 최고재무책임자(CFO)의 모델링 선호도와 소통할 수 없고, 유지보수 AI는 현장 직원이 임차인에게 약속한 사항을 알지 못합니다.

멀티플레이어 AI는 이러한 상황을 뒤흔들 것입니다. 참여자 간의 자동 조정, 맥락 유지, 변경 사항 동기화, 기능별 전문가에게 자동 연결, 적대적 AI의 제한된 범위 내 협상 허용, 그리고 인간의 검토를 위해 비대칭성 표시 등의 기능을 수행합니다.

다수의 에이전트와 다수의 인간 간의 협업을 통해 거래 품질이 향상되면 전환 비용이 급증하게 되는데, 이러한 협업 네트워크는 AI 애플리케이션이 오랫동안 부족했던 '해자'가 될 것입니다.

스테파니 장: 미래에 창조될 대상은 더 이상 인간이 아니라 지능적인 존재가 될 것이다.

2026년까지 사람들은 지능형 에이전트를 통해 네트워크와 상호작용하게 될 것이며, 인간 중심의 콘텐츠 최적화는 본래의 중요성을 잃게 될 것이다.

우리는 예측 가능한 인간 행동에 최적화했습니다. 구글 검색 순위, 아마존 최고 상품 목록, 뉴스 기사의 5W+1H 구조, 그리고 시선을 사로잡는 첫 문장 등이 그 예입니다.

인간은 5페이지에 숨겨진 심오한 통찰력을 간과할 수 있지만, 지능형 에이전트는 그렇지 않을 것입니다.

소프트웨어 또한 그에 맞춰 변화할 것입니다. 이전에는 애플리케이션이 사람의 눈과 클릭에 맞춰 설계되었고, 최적화는 더 나은 UI와 프로세스를 의미했습니다. 그러나 지능형 에이전트가 데이터 검색 및 해석을 담당하게 되면서 시각적 디자인의 중요성은 감소합니다. 엔지니어는 더 이상 Grafana를 들여다볼 필요가 없습니다. AI 기반 SRE가 원격 측정 데이터를 자동으로 분석하고 Slack에서 인사이트를 제공할 것입니다. 영업팀은 더 이상 CRM을 수동으로 넘겨볼 필요가 없습니다. 지능형 에이전트가 패턴과 인사이트를 자동으로 요약해 줄 것입니다.

우리는 더 이상 인간을 위해 디자인하는 것이 아니라 지능형 에이전트를 위해 디자인하고 있습니다. 새로운 최적화는 시각적 계층 구조가 아니라 기계가 읽기 쉬운 방식에 초점을 맞추고 있습니다. 이는 콘텐츠 제작 방식과 사용 가능한 도구를 근본적으로 변화시킬 것입니다.

산티아고 로드리게스: "화면 사용 시간" KPI는 사라질 것입니다.

지난 15년 동안 "화면 사용 시간"은 제품 가치를 측정하는 표준 지표였습니다. 넷플릭스 시청 시간, 의료 시스템에서의 마우스 클릭 횟수, ChatGPT에서 사용자가 보내는 시간 등이 그 예입니다.

하지만 성과 기반 가격 책정 시대가 도래하면 화면 사용 시간은 완전히 사라질 것입니다.

이미 여러 가지 이점이 분명하게 나타나고 있습니다. ChatGPT의 심층 연구 쿼리는 화면을 거의 보지 않고도 엄청난 가치를 제공하며, Abridge는 의사와 환자 간의 대화를 자동으로 녹음하고 후속 작업을 처리하여 의사가 화면을 거의 보지 않아도 되도록 합니다. Cursor는 애플리케이션 개발을 완료했으며, 엔지니어들은 이미 다음 단계를 계획하고 있습니다. Hebbia는 대량의 공개 문서를 기반으로 투자 유치 자료를 자동으로 생성하여 투자 은행 분석가들이 마침내 잠을 잘 수 있도록 해줍니다.

그다음 과제는 기업들이 투자 수익률(ROI)을 측정하는 더욱 정교한 방법을 찾아야 한다는 것입니다. 의사 만족도, 개발자 생산성, 분석가의 만족도, 사용자 행복도 등 AI 도입으로 모두 향상되고 있는 요소들을 측정해야 합니다.

투자 수익률(ROI)에 대한 가장 명확한 스토리를 전달할 수 있는 기업이 계속해서 승리할 것입니다.

바이오+헬스 팀 (생명공학 및 건강 분야 집중)

줄리 유: "헬스 MAU"가 핵심 사용자 그룹이 되었습니다

2026년에는 새로운 의료 서비스 이용자 그룹인 "건강한 월간 활성 사용자(Healthy MAUs)"(매달 활동적이지만 아프지 않은 건강한 사람들)가 주목받게 될 것입니다.

전통 의학은 주로 세 가지 유형의 사람들에게 도움이 됩니다.

문제가 있는 월간 활성 사용자(MAU): 고비용, 주기적 수요자

-중환자실 환자: 장기 중환자실 환자 등

-건강한 청소년 사용자: 의료 서비스를 거의 받지 않는 사람들

건강한 청소년 환자(YAU)는 쉽게 질병이 있는 중증 환자(MAU/DAU)로 변할 수 있으며, 예방적 관리가 이러한 변화를 늦출 수 있습니다. 그러나 현재의 "치료 중심" 의료 시스템으로 인해 사전 검사 및 모니터링은 거의 이루어지지 않고 있습니다.

건강한 월간 활성 사용자(MAU)의 등장으로 이러한 구조가 바뀌었습니다. 이들은 아프지는 않지만 자신의 건강 상태를 정기적으로 모니터링하려는 의향이 있으며, 가장 큰 잠재적 인구 집단입니다.

인공지능 기반 스타트업과 기존 기관을 새롭게 재편한 업체 모두 주기적인 건강 서비스를 제공하며 이 분야에 참여할 것으로 예상합니다.

인공지능이 의료 서비스 비용을 절감하고, 예방 보험 상품이 등장하며, 사용자들이 구독 서비스에 기꺼이 비용을 지불함에 따라, 지속적으로 활동적이고, 데이터 기반이며, 예방 지향적인 '헬스 월간 활성 사용자(MAU)'는 차세대 의료 기술의 가장 유망한 고객층이 될 것입니다.

스피드런 팀 (게임, 인터랙티브 미디어 및 월드 모델링)

존 라이: 세계 모델은 서사 방식을 재편할 것이다

2026년에는 AI 세계 모델이 인터랙티브 가상 세계와 디지털 경제를 통해 이야기의 흐름을 혁신적으로 바꿀 것입니다. 마블(월드랩스)이나 지니 3(딥마인드)와 같은 기술은 텍스트만으로 완벽한 3D 세계를 생성하여 사용자가 마치 게임을 하듯 탐험할 수 있도록 해줍니다.

창작자들이 이러한 도구들을 활용함에 따라 완전히 새로운 형태의 스토리텔링이 등장할 것이며, 플레이어들이 함께 방대하고 끊임없이 진화하는 우주를 만들어가는 "마인크래프트의 범용 버전"까지 등장할 수도 있을 것입니다.

이러한 세계는 플레이어와 창작자 사이의 경계를 허물고 공유된 역동적인 현실을 만들어낼 것입니다. 판타지, 호러, 어드벤처 등 다양한 장르가 공존할 수 있으며, 그 안의 디지털 경제가 번성하여 창작자들은 에셋을 제작하고, 플레이어를 안내하고, 상호작용 도구를 개발함으로써 수익을 창출할 수 있을 것입니다.

이렇게 생성된 세계는 AI 에이전트, 로봇, 심지어 잠재적인 인공 일반 지능(AGI)을 위한 훈련장이 될 것입니다. 세계 모델은 새로운 게임 장르뿐만 아니라 완전히 새로운 창작 매체와 경제적 영역을 열어줍니다.

조쉬 루: "나의 한 해"

2026년은 "나의 해"가 될 것입니다. 제품은 더 이상 "평균 소비자"를 위해 대량 생산되지 않고, "당신"을 위해 맞춤 제작될 것입니다.

교육 분야에서 알파스쿨의 AI 튜터는 각 학생의 학습 속도와 관심사에 맞춰 맞춤형 학습을 제공합니다.

건강 측면에서 AI는 개인에게 맞는 보충제, 운동 계획, 식단을 맞춤 설정할 수 있습니다.

미디어 분야에서 AI는 사용자의 취향에 맞춰 콘텐츠를 실시간으로 재구성할 수 있도록 해줍니다.

지난 세기의 거대 기업들은 '평균적인 사용자'를 찾아내는 것으로 성공을 거두었고, 다음 세기의 거대 기업들은 '평균적인 사용자들 사이의 개개인'을 찾아내는 것으로 성공을 거둘 것이다.

2026년에는 세상이 더 이상 모두를 위해 최적화되지 않고, "당신"을 위해 최적화될 것입니다.

에밀리 베넷: 인공지능 기반 대학이 곧 탄생한다

2026년에는 인공지능 시스템을 중심으로 처음부터 구축된 최초의 진정한 인공지능 기반 대학을 보게 될 것입니다. 기존 대학들은 이미 성적 평가, 튜터링, 시간표 관리 등에 인공지능을 활용해 왔지만, 이제는 더욱 심층적인 변화, 즉 실시간으로 학습하고 스스로 최적화할 수 있는 "적응형 학술 기관"이 등장하고 있습니다.

수업, 멘토링, 연구 협력, 캠퍼스 운영 등 모든 것이 피드백에 따라 실시간으로 조정되고, 수업 시간표가 자체적으로 최적화되며, 새로운 연구 결과가 나올 때마다 추천 도서 목록이 동적으로 업데이트되고, 각 학생의 학습 경로가 실시간으로 변화하는 대학을 상상해 보세요.

이미 선례가 존재합니다. 애리조나 주립대학교는 OpenAI와의 협력을 통해 수백 개의 AI 프로젝트를 진행했으며, 뉴욕 주립대학교는 교양 교육 과정에 AI 활용 능력을 포함시켰습니다.

인공지능 중심 대학에서:

교수들은 "학습 시스템의 설계자"가 되어 데이터를 계획하고, 모델을 조정하고, 학생들에게 기계 추론을 분석하는 방법을 가르칩니다.

- 평가 방식이 'AI 인식' 평가로 바뀔 것입니다. 학생들에게 AI를 사용했는지 여부를 묻는 대신, AI를 어떻게 사용했는지에 초점을 맞출 것입니다.

다양한 산업 분야에서 지능형 시스템과 협업할 수 있는 인재를 시급히 필요로 하는 가운데, 이 대학은 새로운 경제를 위한 "인재 공급 엔진"이 될 것입니다.