a16z "Grandes ideas para 2026: Primera parte"

Este artículo compartirá las perspectivas de los equipos de Infraestructura, Crecimiento, Bio + Salud y Speedrun.

Escrito por: a16z New Media

Traducción: Block unicorn

Como inversores, nuestra responsabilidad es comprender en profundidad todos los rincones de la industria tecnológica para captar las tendencias del futuro. Por eso, cada diciembre invitamos a nuestro equipo de inversión a compartir una gran idea que creen que las empresas tecnológicas deberán resolver en el próximo año.

Hoy compartimos las perspectivas de los equipos de Infraestructura, Crecimiento, Bio + Salud y Speedrun. Esperá las opiniones de otros equipos mañana.

Infraestructura

Jennifer Li: Cómo las startups pueden navegar el caos de los datos multimodales

Los datos no estructurados y multimodales siempre han sido el mayor cuello de botella para las empresas, y también su mayor tesoro sin explotar. Cada empresa está sumergida en un océano de PDFs, capturas de pantalla, videos, registros, correos electrónicos y datos semiestructurados. Los modelos se vuelven cada vez más inteligentes, pero los datos de entrada son cada vez más caóticos, lo que provoca fallas en los sistemas RAG, agentes que fallan de manera sutil y costosa, y flujos de trabajo críticos que aún dependen en gran medida de la inspección manual. El factor limitante para las empresas de inteligencia artificial hoy es la entropía de los datos: en el mundo de los datos no estructurados, la frescura, la estructura y la autenticidad se degradan constantemente, y el 80% del conocimiento empresarial ahora reside en estos datos no estructurados.

Por eso, organizar los datos no estructurados es una oportunidad única en la vida. Las empresas necesitan un método continuo para limpiar, construir, verificar y gestionar sus datos multimodales, asegurando que las cargas de trabajo de inteligencia artificial aguas abajo realmente funcionen. Las aplicaciones están en todas partes: análisis de contratos, procesos de onboarding, gestión de reclamos, cumplimiento, atención al cliente, compras, búsqueda de ingeniería, habilitación de ventas, pipelines de análisis y todos los flujos de trabajo de agentes que dependen de un contexto confiable. Las startups que puedan construir plataformas para extraer estructura de documentos, imágenes y videos, resolver conflictos, reparar pipelines o mantener la frescura y recuperabilidad de los datos, tendrán la llave del reino del conocimiento y los procesos empresariales.

Joel de la Garza: La inteligencia artificial revoluciona la contratación en ciberseguridad

Durante la mayor parte de la última década, el mayor desafío para los Chief Information Security Officers (CISO) ha sido la contratación. Entre 2013 y 2021, los puestos vacantes en ciberseguridad crecieron de menos de 1 millón a 3 millones. Esto se debe a que los equipos de seguridad contrataron a muchos ingenieros altamente calificados para realizar tareas de seguridad de nivel uno, monótonas y aburridas, como revisar registros, que nadie quiere hacer. El problema de fondo es que los equipos de ciberseguridad compraron productos capaces de detectar todo, generando así este trabajo tedioso, lo que significa que sus equipos deben revisar toda la información, lo que a su vez crea una falsa escasez de mano de obra. Es un círculo vicioso.

Para 2026, la inteligencia artificial romperá este ciclo y cubrirá la brecha de contratación automatizando muchas de las tareas repetitivas de los equipos de ciberseguridad. Cualquiera que haya trabajado en un equipo de seguridad grande sabe que la mitad del trabajo podría resolverse fácilmente con automatización, pero cuando el trabajo se acumula, es difícil decidir qué automatizar. Las herramientas de IA nativas que ayuden a los equipos de seguridad a resolver estos problemas finalmente les permitirán hacer lo que realmente quieren: perseguir a los malos, construir nuevos sistemas y corregir vulnerabilidades.

Malika Aubakirova: La infraestructura nativa de agentes será el estándar

Para 2026, el mayor impacto en infraestructura no vendrá de empresas externas, sino desde dentro de las propias empresas. Estamos pasando de un tráfico predecible y de baja concurrencia a "velocidad humana", a cargas de trabajo "a velocidad de agente", recursivas, explosivas y a gran escala.

El backend empresarial actual está diseñado para una proporción 1:1 entre operaciones humanas y respuestas del sistema. No está preparado arquitectónicamente para que un solo "objetivo" de agente dispare 5000 subtareas, consultas a bases de datos y llamadas a APIs internas en milisegundos. Cuando un agente intenta reestructurar un código base o corregir registros de seguridad, no parece un usuario. Para las bases de datos tradicionales o los limitadores de tasa, parece un ataque DDoS.

Construir sistemas para agentes en 2026 significa rediseñar el plano de control. Veremos el auge de la infraestructura "nativa de agentes". La próxima generación de infraestructura debe considerar el "efecto manada" (thundering herd) como estado predeterminado. El tiempo de arranque en frío debe reducirse, la variabilidad de latencia debe disminuir drásticamente y los límites de concurrencia deben multiplicarse. El cuello de botella está en la coordinación: en la ejecución paralela masiva, hay que gestionar el enrutamiento, el bloqueo, la gestión de estados y la ejecución de políticas. Solo las plataformas capaces de manejar la avalancha de ejecuciones de herramientas que se avecina podrán triunfar.

Justine Moore: Las herramientas creativas se vuelven multimodales

Ahora tenemos los bloques de construcción para contar historias con inteligencia artificial: generación de voz, música, imágenes y video. Pero para cualquier contenido que vaya más allá de un fragmento único, obtener el resultado deseado suele ser lento y frustrante, incluso imposible, especialmente si buscás un nivel de control cercano al de un director tradicional.

¿Por qué no podemos alimentar a un modelo con un video de 30 segundos y hacer que continúe la escena con nuevos personajes creados a partir de imágenes y sonidos de referencia? ¿O volver a filmar una escena para verla desde otro ángulo, o hacer que la acción coincida con un video de referencia?

2026 será el año en que la inteligencia artificial se vuelva multimodal. Podrás dar al modelo cualquier tipo de contenido de referencia y usarlo para crear nuevo contenido o editar escenas existentes. Ya vimos algunos productos iniciales, como Kling O1 y Runway Aleph. Pero queda mucho por hacer: necesitamos innovación tanto a nivel de modelo como de aplicación.

La creación de contenido es uno de los casos de uso más potentes de la inteligencia artificial, y espero ver una oleada de productos exitosos que abarquen una variedad de aplicaciones y públicos, desde creadores de memes hasta directores de Hollywood.

Jason Cui: La pila de datos nativa de IA sigue evolucionando

En el último año, a medida que las empresas de datos pasaron de centrarse en áreas especializadas como la ingesta, transformación y computación de datos a plataformas unificadas integradas, hemos visto la consolidación de la "pila de datos moderna". Por ejemplo: la fusión de Fivetran/dbt y el continuo ascenso de plataformas unificadas como Databricks.

Aunque el ecosistema ha madurado notablemente, todavía estamos en las primeras etapas de una arquitectura de datos verdaderamente nativa de inteligencia artificial. Nos entusiasma cómo la IA sigue transformando múltiples eslabones de la pila de datos y empezamos a darnos cuenta de que los datos y la infraestructura de IA se están volviendo inseparables.

Algunas de las direcciones que nos entusiasman:

• Cómo los datos fluirán hacia bases de datos vectoriales de alto rendimiento junto con datos estructurados tradicionales
• Cómo los agentes de IA resolverán el "problema del contexto": acceder continuamente al contexto de datos empresariales correcto y a la capa semántica para construir aplicaciones sólidas, como interactuar con datos y garantizar que estas aplicaciones siempre tengan la definición empresarial correcta en múltiples sistemas de registro
• Cómo cambiarán las herramientas tradicionales de inteligencia empresarial y hojas de cálculo a medida que los flujos de trabajo de datos se vuelvan más orientados a agentes y automatizados

Yoko Li: El año en que entramos en el video

Para 2026, el video dejará de ser un contenido que vemos pasivamente y se convertirá en un espacio en el que realmente podemos estar presentes. Los modelos de video finalmente podrán entender el tiempo, recordar lo que ya mostraron, reaccionar a nuestras acciones y mantener la coherencia confiable del mundo real. Estos sistemas ya no generarán solo unos segundos de imágenes dispersas, sino que podrán mantener personajes, objetos y efectos físicos el tiempo suficiente para que las acciones tengan sentido y muestren sus consecuencias. Esta transformación convierte al video en un medio en constante evolución: un robot puede practicar, un juego puede evolucionar, un diseñador puede prototipar y un agente puede aprender en la práctica. Lo que se presenta ya no se parece a un simple clip de video, sino a un entorno vivo, un espacio que comienza a cerrar la brecha entre percepción y acción. Por primera vez, sentimos que podemos estar dentro del video que generamos.

Crecimiento

Sarah Wang: Los sistemas de registro pierden su dominio

Para 2026, la verdadera disrupción en el software empresarial será que los sistemas de registro finalmente perderán su dominio. La inteligencia artificial está acortando la distancia entre intención y ejecución: los modelos ahora pueden leer, escribir y razonar sobre datos operativos directamente, convirtiendo los sistemas de gestión de servicios de TI (ITSM) y de gestión de relaciones con clientes (CRM) de bases de datos pasivas en motores de flujo de trabajo autónomos. Con los avances en modelos de razonamiento y flujos de trabajo de agentes, estos sistemas no solo podrán responder, sino también predecir, coordinar y ejecutar procesos de extremo a extremo. La interfaz se convierte en una capa dinámica de agentes, mientras que los sistemas de registro tradicionales pasan a un segundo plano como una capa de persistencia genérica; la ventaja estratégica irá para quien controle el entorno de ejecución de agentes que los empleados usan a diario.

Alex Immerman: La IA vertical evoluciona de la búsqueda de información y el razonamiento a la colaboración multiusuario

La inteligencia artificial ha impulsado el software vertical a un crecimiento sin precedentes. Empresas de salud, legales e inmobiliarias han alcanzado más de 100 millones de dólares en ingresos recurrentes anuales (ARR) en pocos años; los sectores financiero y contable les siguen de cerca. Esta evolución comenzó con la búsqueda de información: encontrar, extraer y resumir la información correcta. 2025 trajo capacidades de razonamiento: Hebbia analiza estados financieros y construye modelos, Basis reconcilia hojas de cálculo entre sistemas, EliseAI diagnostica problemas de mantenimiento y envía al proveedor adecuado.

2026 desbloqueará el modo de colaboración multiusuario. El software vertical se beneficia de interfaces, datos e integraciones específicas del sector. Pero el trabajo en sectores verticales es, por naturaleza, colaborativo entre múltiples partes. Si los agentes van a representar a la fuerza laboral, necesitarán colaborar. Desde compradores y vendedores, hasta inquilinos, asesores y proveedores, cada parte tiene diferentes permisos, flujos de trabajo y requisitos de cumplimiento, que solo el software vertical puede entender.

Hoy, cada parte usa IA de forma independiente, lo que genera falta de autorización en las transferencias. La IA que analiza acuerdos de compra no se comunica con el CFO para ajustar el modelo. La IA de mantenimiento no sabe qué prometió el personal de campo al inquilino. La transformación de la colaboración multiusuario radica en la coordinación entre partes interesadas: enrutar tareas a expertos funcionales, mantener el contexto y sincronizar cambios. La IA de la contraparte negocia dentro de parámetros establecidos y marca asimetrías para revisión humana. Las anotaciones de los socios senior entrenan el sistema de toda la empresa. Las tareas ejecutadas por IA tendrán una tasa de éxito mucho mayor.

A medida que el valor de la colaboración multiusuario y multiagente aumenta, también lo hace el costo de cambio. Veremos efectos de red en aplicaciones de IA que nunca antes se lograron: la capa de colaboración será el foso defensivo.

Stephenie Zhang: Diseñar para agentes, no para humanos

Para 2026, la gente comenzará a interactuar con la web a través de agentes. Lo que antes se optimizaba para el consumo humano ya no será igual de importante para el consumo de agentes.

Durante años, hemos optimizado para el comportamiento humano predecible: clasificar alto en los resultados de búsqueda de Google, aparecer primero en Amazon y comenzar con un "TL;DR" conciso. En la secundaria, tomé un curso de periodismo donde el profesor nos enseñó a escribir noticias con las "5W1H" y a empezar los artículos con un gancho atractivo. Tal vez los lectores humanos se pierdan los valiosos y profundos argumentos ocultos en la quinta página, pero la IA no lo hará.

Este cambio también se refleja en el software. Las aplicaciones se diseñaron para satisfacer las necesidades visuales y de clic de los humanos; optimizar significaba una buena interfaz de usuario y flujos intuitivos. A medida que la IA asume la recuperación e interpretación, el diseño visual pierde importancia para la comprensión. Los ingenieros ya no miran dashboards de Grafana; los ingenieros de confiabilidad de sistemas de IA (SRE) pueden interpretar datos de telemetría y publicar análisis en Slack. Los equipos de ventas ya no tienen que buscar en el CRM; la IA puede extraer patrones y resúmenes automáticamente.

Ya no diseñamos contenido para humanos, sino para IA. El nuevo objetivo de optimización no es la jerarquía visual, sino la legibilidad para máquinas, lo que cambiará la forma en que creamos y las herramientas que usamos.

Santiago Rodriguez: El fin del KPI de "tiempo de pantalla" en aplicaciones de IA

Durante los últimos 15 años, el tiempo de pantalla ha sido la mejor métrica para medir la entrega de valor en aplicaciones de consumo y empresariales. Hemos vivido en un paradigma donde la duración de streaming en Netflix, los clics en historias clínicas electrónicas (para demostrar uso efectivo) e incluso el tiempo en ChatGPT se consideran KPIs clave. A medida que avanzamos hacia modelos de precios basados en resultados, que alinean perfectamente los incentivos de proveedores y usuarios, primero abandonaremos los informes de tiempo de pantalla.

Ya lo vemos en la práctica. Cuando ejecuto una consulta DeepResearch en ChatGPT, obtengo un enorme valor aunque el tiempo de pantalla sea casi cero. Cuando Abridge captura mágicamente la conversación médico-paciente y ejecuta acciones posteriores automáticamente, el médico casi no mira la pantalla. Cuando Cursor desarrolla una aplicación de extremo a extremo, los ingenieros ya están planificando la próxima función. Y cuando Hebbia redacta presentaciones a partir de cientos de documentos públicos, los banqueros finalmente pueden dormir tranquilos.

Esto plantea un desafío único: la tarifa por usuario de las aplicaciones requerirá métodos de medición de ROI mucho más sofisticados. La adopción de aplicaciones de IA aumentará la satisfacción de los médicos, la eficiencia de los desarrolladores, el bienestar de los analistas financieros y la felicidad de los consumidores. Las empresas que puedan articular el ROI de la manera más concisa seguirán superando a la competencia.

Bio + Salud

Julie Yoo: Usuarios activos mensuales (MAU) saludables

Para 2026, un nuevo grupo de clientes de salud será el centro de atención: los "usuarios activos mensuales saludables".

El sistema de salud tradicional atiende principalmente a tres grupos: (a) "usuarios activos mensuales enfermos": personas con necesidades fluctuantes y altos costos; (b) "usuarios activos diarios enfermos*": por ejemplo, pacientes que requieren cuidados intensivos prolongados; y (c) "usuarios activos jóvenes y saludables*": personas relativamente sanas que rara vez buscan atención médica. Los usuarios jóvenes y saludables corren el riesgo de convertirse en usuarios activos mensuales/diarios enfermos, y la atención preventiva puede ralentizar esta transición. Pero nuestro sistema de reembolso, centrado en el tratamiento, recompensa el tratamiento y no la prevención, por lo que los servicios de chequeo y monitoreo proactivo no se priorizan y rara vez están cubiertos por el seguro.

Ahora surge el grupo de usuarios activos mensuales saludables: no están enfermos, pero quieren monitorear y comprender su salud regularmente, y probablemente sean el grupo más grande entre los consumidores. Esperamos que una serie de empresas, incluidas startups nativas de IA y versiones mejoradas de empresas existentes, comiencen a ofrecer servicios regulares para atender a este grupo.

Con el potencial de la IA para reducir los costos de la atención médica, la aparición de nuevos seguros de salud enfocados en la prevención y la creciente disposición de los consumidores a pagar suscripciones, los "usuarios activos mensuales saludables" representan el próximo grupo de clientes de alto potencial en tecnología de salud: comprometidos, impulsados por datos y enfocados en la prevención.

Speedrun (nombre de un equipo de inversión interno de a16z)

Jon Lai: Los modelos de mundo brillan en la narrativa

En 2026, los modelos de mundo impulsados por IA revolucionarán la narrativa a través de mundos virtuales interactivos y economías digitales. Tecnologías como Marble (World Labs) y Genie 3 (DeepMind) ya pueden generar entornos 3D completos a partir de indicaciones de texto, permitiendo a los usuarios explorarlos como en un videojuego. A medida que los creadores adopten estas herramientas, surgirán nuevas formas de narrativa, que podrían evolucionar hacia un "Minecraft generativo", donde los jugadores co-creen universos vastos y en constante evolución. Estos mundos pueden combinar mecánicas de juego con programación en lenguaje natural; por ejemplo, un jugador puede dar la orden: "creá un pincel que convierta en rosa todo lo que toque".

Estos modelos difuminarán la línea entre jugador y creador, permitiendo a los usuarios ser co-creadores de realidades compartidas y dinámicas. Esta evolución podría dar lugar a multiversos generativos interconectados, donde coexisten géneros como fantasía, terror y aventura. En estos mundos virtuales, la economía digital prosperará: los creadores podrán ganar dinero creando activos, guiando a novatos o desarrollando nuevas herramientas interactivas. Más allá del entretenimiento, estos mundos generativos serán entornos de simulación ricos para entrenar agentes de IA, robots e incluso inteligencia artificial general (AGI). Así, el auge de los modelos de mundo no solo marca el surgimiento de un nuevo tipo de juego, sino también de un nuevo medio creativo y una frontera económica.

Josh Lu: "El año de mí"

2026 será "el año de mí": los productos dejarán de producirse en masa y serán hechos a medida para vos.

Ya vemos esta tendencia en todas partes.

En educación, startups como Alphaschool están construyendo tutores de IA que se adaptan al ritmo y los intereses de cada estudiante, permitiendo que cada niño reciba una educación alineada con su ritmo y preferencias. Este nivel de atención sería imposible sin gastar decenas de miles de dólares en tutores para cada estudiante.

En salud, la IA está diseñando combinaciones diarias de suplementos nutricionales, rutinas de ejercicio y planes de comidas personalizados según tus características fisiológicas. Sin necesidad de entrenador ni laboratorio.

Incluso en medios, la IA permite a los creadores reconfigurar noticias, programas e historias para crear feeds de información completamente personalizados según tus intereses y gustos.

Las empresas más grandes del siglo pasado triunfaron porque encontraron al consumidor promedio.

Las empresas más grandes del próximo siglo ganarán encontrando al individuo dentro del consumidor promedio.

En 2026, el mundo dejará de optimizarse para todos y comenzará a optimizarse para vos.

Emily Bennett: La primera universidad nativa de inteligencia artificial

Espero que en 2026 veamos el nacimiento de la primera universidad nativa de inteligencia artificial, una institución construida desde cero en torno a sistemas de IA.

En los últimos años, las universidades han intentado aplicar la IA a la calificación, tutoría y programación de cursos. Pero ahora está surgiendo una IA más profunda: un sistema académico adaptativo capaz de aprender y auto-optimizarse en tiempo real.

Imaginá una institución donde los cursos, la tutoría, la colaboración en investigación e incluso la gestión de edificios se ajustan constantemente según ciclos de retroalimentación de datos. Los horarios de clases se auto-optimizan. Las listas de lectura se actualizan cada noche y se reescriben automáticamente a medida que surge nueva investigación. Las trayectorias de aprendizaje se ajustan en tiempo real para adaptarse al progreso y las circunstancias de cada estudiante.

Ya vimos algunos indicios. La colaboración de Arizona State University (ASU) con OpenAI generó cientos de proyectos de IA en docencia y gestión. La State University of New York (SUNY) ahora exige alfabetización en IA en su educación general. Todo esto sienta las bases para una implementación más profunda.

En la universidad nativa de IA, los profesores serán arquitectos del aprendizaje: gestionarán datos, ajustarán modelos y enseñarán a los estudiantes a cuestionar el razonamiento de las máquinas.

La evaluación también cambiará. Las herramientas de detección y las prohibiciones de plagio serán reemplazadas por evaluaciones de conciencia de IA; la calificación de los estudiantes no dependerá de si usan IA, sino de cómo la usan. La transparencia y el uso estratégico reemplazarán la prohibición.

A medida que todas las industrias buscan contratar personas capaces de diseñar, gestionar y colaborar con sistemas de IA, esta nueva universidad será el centro de formación, produciendo graduados expertos en la coordinación de sistemas de IA y apoyando un mercado laboral en rápida evolución.

Esta universidad nativa de IA será el motor de talento de la nueva economía.

Eso es todo por hoy. Nos vemos en la próxima parte, ¡estate atento!