カーパシー氏がSequoia Ascent 2026で語った3つのテーマ。①LLMは単なる高速化ツールではなく、従来のコード不要の「menugen」や「.mdスキルのインストール」など新領域を切り開く。②LLMの「ぎこちなさ（jaggedness）」のパターン——大規模コードのリファクタリングができる一方で基本的なタスクで誤る非対称性は、検証可能性と経済性（収益/TAMが訓練データ分布を決定）に起因する。③エージェントネイティブ経済：製品・サービスの分解、LLMに可読性の高い情報設計、急速に台頭するエージェント工学と採用実務、将来的にはニューラルコンピューティングが古典的CPUと協調する展望。
A Hacker News user asks why everyday apps (banks, insurance, delivery) haven't improved despite billions spent on LLM code generation, noting degraded quality in some major apps and no killer features outside AI products themselves.
A software engineer asks on Hacker News which industries are actually replacing SWEs with AI, noting that LLMs are not yet capable of independent production-grade work despite widespread claims that engineers will soon be obsolete.
A new Hacker News user proposes that the fluctuating quality of large language model (LLM) responses, particularly with Claude, may be caused by operators reducing processing depth during peak server times. The author asks the community for their thoughts on this theory.