a16z “Grandes Ideias para 2026: Parte Um”

Este artigo compartilhará as perspectivas das equipes de Infraestrutura, Crescimento, Bio + Saúde e Speedrun.

Autor: a16z New Media

Tradução: Block unicorn

Como investidores, nosso dever é compreender profundamente todos os cantos do setor de tecnologia para captar as tendências futuras. Por isso, todo mês de dezembro, convidamos as equipes de investimento para compartilhar uma grande ideia que acreditam que as empresas de tecnologia buscarão resolver no próximo ano.

Hoje, vamos compartilhar as perspectivas das equipes de Infraestrutura, Crescimento, Bio + Saúde e Speedrun. Fique ligado para as opiniões das outras equipes amanhã.

Infraestrutura

Jennifer Li: Como startups podem navegar no caos dos dados multimodais

Dados não estruturados e multimodais sempre foram o maior gargalo enfrentado pelas empresas — e também seu maior tesouro inexplorado. Toda empresa está afogada em um mar de PDFs, capturas de tela, vídeos, logs, e-mails e dados semiestruturados. Os modelos ficam cada vez mais inteligentes, mas os dados de entrada tornam-se cada vez mais caóticos, levando a falhas em sistemas RAG, agentes que falham de maneiras sutis e caras, e fluxos de trabalho críticos ainda fortemente dependentes de inspeção manual. O fator limitante para empresas de inteligência artificial agora é a entropia dos dados: no mundo dos dados não estruturados, frescor, estrutura e autenticidade estão em constante declínio — e 80% do conhecimento empresarial hoje reside nesses dados não estruturados.

Por isso, organizar dados não estruturados tornou-se uma oportunidade única. As empresas precisam de um método contínuo para limpar, estruturar, validar e gerenciar seus dados multimodais, garantindo que as cargas de trabalho de IA downstream realmente funcionem. Os casos de uso estão por toda parte: análise de contratos, onboarding, processamento de sinistros, compliance, atendimento ao cliente, compras, busca de engenharia, capacitação de vendas, pipelines analíticos e todos os fluxos de trabalho de agentes que dependem de contexto confiável. Startups capazes de construir plataformas que extraem estrutura de documentos, imagens e vídeos, resolvem conflitos, corrigem pipelines ou mantêm a atualidade e a recuperabilidade dos dados, detêm as chaves do reino do conhecimento e dos processos empresariais.

Joel de la Garza: IA revitaliza o recrutamento em cibersegurança

Durante a maior parte da última década, o maior desafio dos CISOs (Chief Information Security Officers) foi o recrutamento. De 2013 a 2021, as vagas em cibersegurança saltaram de menos de 1 milhão para 3 milhões. Isso porque as equipes de segurança contrataram engenheiros altamente qualificados para realizar tarefas de segurança de nível 1, monótonas e repetitivas, como revisar logs — tarefas que ninguém quer fazer. O problema está no fato de que as equipes de segurança compraram produtos que detectam tudo, criando esse trabalho tedioso, o que significa que suas equipes precisam revisar todas as informações — e isso, por sua vez, gera uma falsa escassez de mão de obra. É um ciclo vicioso.

Até 2026, a inteligência artificial quebrará esse ciclo, preenchendo a lacuna de contratação ao automatizar grande parte do trabalho repetitivo das equipes de cibersegurança. Qualquer pessoa que já trabalhou em uma grande equipe de segurança sabe que metade do trabalho pode ser facilmente automatizado, mas quando o trabalho se acumula, é difícil saber o que automatizar primeiro. Ferramentas de IA nativas que ajudam as equipes de segurança a resolver esses problemas finalmente permitirão que elas se concentrem no que realmente querem fazer: caçar ameaças, construir novos sistemas e corrigir vulnerabilidades.

Malika Aubakirova: Infraestrutura nativa de agentes se tornará padrão

Até 2026, o maior impacto em infraestrutura não virá de empresas externas, mas de dentro das próprias empresas. Estamos migrando de tráfego previsível e de baixa concorrência em “velocidade humana” para cargas de trabalho em “velocidade de agente”, recursivas, explosivas e em grande escala.

O backend das empresas de hoje foi projetado para uma proporção 1:1 entre operações humanas e respostas do sistema. Ele não está arquitetado para lidar com um único “objetivo” de agente disparando, em milissegundos, 5.000 subtarefas, consultas a bancos de dados e chamadas internas de API de forma recursiva. Quando um agente tenta refatorar um código ou corrigir logs de segurança, ele não se parece com um usuário. Para bancos de dados tradicionais ou limitadores de taxa, parece um ataque DDoS.

Construir sistemas para agentes em 2026 significa redesenhar o plano de controle. Veremos a ascensão da infraestrutura “agent-native”. A próxima geração de infraestrutura deve tratar o “efeito manada” (thundering herd) como estado padrão. O tempo de cold start deve ser reduzido, a variação de latência drasticamente diminuída e os limites de concorrência multiplicados. O gargalo está na coordenação: roteamento, locking, gerenciamento de estado e execução de políticas em execuções massivamente paralelas. Apenas as plataformas capazes de lidar com o dilúvio de execuções de ferramentas que está por vir sairão vencedoras.

Justine Moore: Ferramentas criativas tornam-se multimodais

Agora temos os blocos de construção para contar histórias com IA: geração de voz, música, imagens e vídeo. Mas para qualquer conteúdo além de um clipe único, obter o resultado desejado costuma ser demorado e frustrante — ou até impossível — especialmente se você busca um nível de controle próximo ao de um diretor tradicional.

Por que não podemos alimentar um modelo com um vídeo de 30 segundos e pedir que ele continue a cena com novos personagens criados a partir de imagens e sons de referência? Ou refilmar uma cena para vê-la de outro ângulo, ou fazer com que a ação combine com um vídeo de referência?

2026 será o ano em que a IA se tornará verdadeiramente multimodal. Você poderá fornecer ao modelo qualquer tipo de conteúdo de referência e usá-lo para criar novos conteúdos ou editar cenas existentes. Já vimos alguns produtos iniciais, como Kling O1 e Runway Aleph. Mas ainda há muito trabalho a fazer — precisamos de inovação tanto no nível do modelo quanto no nível do aplicativo.

A criação de conteúdo é um dos casos de uso mais impactantes da IA, e espero ver muitos produtos de sucesso surgindo, abrangendo diversos cenários e públicos, de criadores de memes a diretores de Hollywood.

Jason Cui: O stack de dados nativo de IA continua evoluindo

No último ano, vimos a consolidação do “stack de dados moderno” à medida que empresas de dados migraram de áreas especializadas como ingestão, transformação e computação de dados para plataformas unificadas. Exemplos incluem a fusão Fivetran/dbt e a ascensão contínua de plataformas unificadas como Databricks.

Apesar do claro amadurecimento do ecossistema, ainda estamos nos estágios iniciais de uma arquitetura de dados verdadeiramente nativa de IA. Estamos entusiasmados com as formas como a IA está transformando vários elos do stack de dados e começamos a perceber que dados e infraestrutura de IA estão se tornando inseparáveis.

Aqui estão algumas direções que nos animam:

• Como os dados fluirão para bancos de dados vetoriais de alto desempenho junto com dados estruturados tradicionais
• Como agentes de IA resolverão o “problema de contexto”: acesso contínuo ao contexto de dados de negócios correto e à camada semântica, permitindo a construção de aplicativos robustos, como interação com dados, e garantindo que esses aplicativos mantenham definições de negócios corretas em múltiplos sistemas de registro
• Como ferramentas tradicionais de BI e planilhas mudarão à medida que os fluxos de trabalho de dados se tornarem mais orientados a agentes e automatizados

Yoko Li: O ano em que entramos no vídeo

Até 2026, o vídeo deixará de ser um conteúdo que assistimos passivamente e passará a ser um espaço no qual realmente podemos estar presentes. Os modelos de vídeo finalmente serão capazes de entender o tempo, lembrar o que já mostraram, reagir às nossas ações e manter a consistência confiável do mundo real. Esses sistemas não apenas gerarão fragmentos de segundos, mas conseguirão manter personagens, objetos e efeitos físicos por tempo suficiente para que as ações tenham significado e consequências. Essa mudança transforma o vídeo em um meio em constante evolução: um robô pode treinar, jogos podem evoluir, designers podem prototipar e agentes podem aprender na prática. O resultado final não se parece mais com um clipe de vídeo, mas sim com um ambiente vivo, um espaço que começa a fechar a lacuna entre percepção e ação. Pela primeira vez, sentimos que podemos realmente estar dentro dos vídeos que geramos.

Crescimento

Sarah Wang: Sistemas de registro perdem a dominância

Até 2026, a verdadeira disrupção no software empresarial será a perda da dominância dos sistemas de registro. A IA está reduzindo a distância entre intenção e execução: modelos agora podem ler, escrever e raciocinar diretamente sobre dados operacionais, transformando sistemas de ITSM (IT Service Management) e CRM (Customer Relationship Management) de bancos de dados passivos em motores de workflow autônomos. Com os avanços recentes em modelos de raciocínio e fluxos de trabalho de agentes, esses sistemas não apenas respondem, mas também prevêem, coordenam e executam processos de ponta a ponta. A interface se transforma em uma camada dinâmica de agentes, enquanto os sistemas de registro tradicionais recuam para o papel de uma camada de persistência genérica — sua vantagem estratégica será cedida a quem realmente controla o ambiente de execução dos agentes usados diariamente pelos funcionários.

Alex Immerman: IA vertical evolui de busca e raciocínio para colaboração multiusuário

A IA impulsionou o software vertical a um crescimento sem precedentes. Empresas de saúde, direito e imóveis atingiram mais de 100 milhões de dólares em receita recorrente anual (ARR) em poucos anos; finanças e contabilidade vêm logo atrás. Essa evolução começou com busca de informações: encontrar, extrair e resumir os dados certos. 2025 trouxe o raciocínio: Hebbia analisa demonstrações financeiras e constrói modelos, Basis reconcilia planilhas entre sistemas, EliseAI diagnostica problemas de manutenção e despacha o fornecedor certo.

2026 desbloqueará o modo de colaboração multiusuário. O software vertical se beneficia de interfaces, dados e integrações específicas do setor. Mas o trabalho nesses setores é, por natureza, colaborativo. Se agentes vão representar a força de trabalho, eles precisam colaborar. De compradores e vendedores a inquilinos, consultores e fornecedores, cada parte tem permissões, fluxos de trabalho e requisitos de compliance diferentes — que só o software vertical compreende.

Hoje, cada parte usa IA de forma independente, resultando em falta de autorização nas transferências. A IA que analisa contratos de compra não comunica com o CFO para ajustar modelos. A IA de manutenção não sabe o que o funcionário prometeu ao inquilino. A transformação da colaboração multiusuário está na coordenação entre stakeholders: roteando tarefas para especialistas, mantendo contexto e sincronizando mudanças. A IA das partes negocia dentro de parâmetros definidos e sinaliza assimetrias para revisão humana. As marcações dos sócios seniores treinam o sistema da empresa. Tarefas executadas por IA terão taxas de sucesso mais altas.

À medida que o valor da colaboração multiusuário e multiagente aumenta, o custo de troca também cresce. Veremos o efeito de rede que sempre faltou nos aplicativos de IA: a camada de colaboração se tornará o fosso competitivo.

Stephenie Zhang: Projetando para agentes, não para humanos

Até 2026, as pessoas começarão a interagir com a web por meio de agentes. O que era otimizado para consumo humano deixará de ser tão relevante para consumo por agentes.

Por anos, otimizamos para comportamentos humanos previsíveis: ranquear alto nos resultados do Google, aparecer no topo da Amazon, começar com um “TL;DR” sucinto. No ensino médio, fiz um curso de jornalismo em que o professor nos ensinou a escrever usando “5W1H” e a começar matérias com uma abertura envolvente. Talvez leitores humanos percam argumentos valiosos escondidos na quinta página, mas a IA não perde.

Essa mudança também aparece no software. Aplicativos foram projetados para atender à visão e aos cliques humanos, com otimização significando boa interface e fluxo intuitivo. À medida que a IA assume a recuperação e interpretação, o design visual perde importância para a compreensão. Engenheiros não olham mais para dashboards do Grafana; SREs de IA interpretam dados de telemetria e postam análises no Slack. Equipes de vendas não precisam vasculhar o CRM; a IA extrai padrões e resumos automaticamente.

Não projetamos mais conteúdo para humanos, mas sim para IA. O novo objetivo de otimização não é a hierarquia visual, mas a legibilidade por máquinas — isso mudará como criamos e quais ferramentas usamos.

Santiago Rodriguez: O fim do KPI de “tempo de tela” em aplicativos de IA

Nos últimos 15 anos, o tempo de tela foi o principal indicador de entrega de valor em aplicativos de consumo e empresariais. Vivemos em um paradigma onde horas de streaming na Netflix, cliques em prontuários eletrônicos (para provar uso efetivo) e até o tempo gasto no ChatGPT são KPIs. À medida que migramos para modelos de precificação baseados em resultados, que alinham perfeitamente incentivos de fornecedores e usuários, o tempo de tela será o primeiro a ser descartado.

Já vemos isso na prática. Quando executo uma consulta DeepResearch no ChatGPT, mesmo com tempo de tela quase zero, obtenho enorme valor. Quando o Abridge captura conversas médico-paciente e executa ações automaticamente, o médico quase não olha para a tela. Quando o Cursor desenvolve um app de ponta a ponta, engenheiros já planejam o próximo ciclo. E quando o Hebbia prepara apresentações a partir de centenas de documentos públicos, banqueiros finalmente podem dormir tranquilos.

Isso traz um desafio único: a cobrança por usuário único exigirá métricas de ROI mais sofisticadas. A adoção de aplicativos de IA aumentará a satisfação de médicos, eficiência de desenvolvedores, bem-estar de analistas financeiros e felicidade dos consumidores. Empresas que comunicarem ROI de forma mais concisa continuarão superando a concorrência.

Bio + Saúde

Julie Yoo: O MAU saudável

Até 2026, um novo grupo de clientes de saúde será o foco: o “usuário mensal ativo saudável”.

O sistema tradicional de saúde atende três grandes grupos: (a) “usuários mensais ativos doentes”: pessoas com demandas voláteis e custos altos; (b) “usuários diários ativos doentes*”: como pacientes em cuidados intensivos prolongados; e (c) “usuários ativos jovens e saudáveis*”: pessoas relativamente saudáveis que raramente usam serviços médicos. Usuários jovens e saudáveis correm o risco de se tornarem usuários mensais/diários doentes, e o cuidado preventivo pode retardar essa transição. Mas nosso sistema de reembolso, focado em tratamento, recompensa o tratamento, não a prevenção, então exames e monitoramento preventivos não são priorizados, e raramente são cobertos por seguros.

Agora, surge o grupo dos usuários mensais ativos saudáveis: eles não estão doentes, mas querem monitorar e entender sua saúde regularmente — e podem ser o maior segmento de consumidores. Esperamos que uma leva de empresas — incluindo startups nativas de IA e versões aprimoradas de empresas existentes — comece a oferecer serviços recorrentes para atender esse grupo.

Com o potencial da IA para reduzir custos de serviços médicos, o surgimento de novos produtos de seguro focados em prevenção e a disposição crescente dos consumidores em pagar por assinaturas, o “usuário mensal ativo saudável” representa o próximo grande grupo de clientes em healthtech: engajados, orientados por dados e focados em prevenção.

Speedrun (nome de uma equipe de investimento interna da a16z)

Jon Lai: Modelos de mundo brilham na narrativa

Em 2026, modelos de mundo impulsionados por IA transformarão a narrativa por meio de mundos virtuais interativos e economias digitais. Tecnologias como Marble (World Labs) e Genie 3 (DeepMind) já conseguem gerar ambientes 3D completos a partir de prompts de texto, permitindo que usuários os explorem como em jogos. À medida que criadores adotam essas ferramentas, novas formas de narrativa surgirão, podendo evoluir para um “Minecraft generativo”, onde jogadores co-criam universos vastos e em constante evolução. Esses mundos podem combinar mecânicas de jogo com programação em linguagem natural — por exemplo, um jogador pode dizer: “crie um pincel que transforme tudo que eu tocar em rosa”.

Esses modelos vão borrar as fronteiras entre jogadores e criadores, tornando os usuários co-criadores de realidades dinâmicas compartilhadas. Essa evolução pode gerar multiversos generativos interconectados, onde fantasia, terror, aventura e outros gêneros coexistem. Nesses mundos virtuais, a economia digital prosperará, com criadores ganhando ao construir ativos, orientar novatos ou desenvolver novas ferramentas interativas. Além do entretenimento, esses mundos servirão como ambientes ricos para treinar agentes de IA, robôs e até IA geral (AGI). Assim, a ascensão dos modelos de mundo não marca apenas o surgimento de um novo gênero de jogos, mas também de um novo meio criativo e fronteira econômica.

Josh Lu: “O meu ano”

2026 será “o meu ano”: produtos não serão mais feitos em massa, mas personalizados para você.

Já vemos essa tendência em todos os lugares.

Na educação, startups como Alphaschool estão construindo tutores de IA que se adaptam ao ritmo e interesses de cada aluno, permitindo que cada criança tenha uma educação alinhada ao seu ritmo e preferências — algo impossível sem gastar dezenas de milhares de dólares em tutoria individual.

Na saúde, a IA está projetando combinações diárias de suplementos, planos de exercícios e dietas personalizadas para seu perfil fisiológico. Sem precisar de treinador ou laboratório.

Mesmo na mídia, a IA permite que criadores recombinem notícias, programas e histórias para criar feeds totalmente personalizados aos seus interesses e gostos.

As maiores empresas do século passado venceram ao encontrar o consumidor médio.

As maiores empresas do próximo século vencerão ao encontrar o indivíduo dentro do consumidor médio.

Em 2026, o mundo deixará de ser otimizado para todos e começará a ser otimizado para você.

Emily Bennett: A primeira universidade nativa de IA

Prevejo que, em 2026, veremos o nascimento da primeira universidade nativa de IA — uma instituição construída do zero em torno de sistemas de IA.

Nos últimos anos, universidades vêm tentando aplicar IA em avaliações, tutoria e organização de cursos. Mas agora está surgindo uma IA mais profunda: um sistema acadêmico adaptativo capaz de aprender e se auto-otimizar em tempo real.

Imagine uma instituição onde cursos, orientação, colaboração em pesquisa e até operações prediais são continuamente ajustados com base em ciclos de feedback de dados. O cronograma de aulas se auto-otimiza. Leituras são atualizadas todas as noites e reescritas automaticamente conforme novas pesquisas surgem. Trilhas de aprendizagem se ajustam em tempo real ao progresso e contexto de cada aluno.

Já vemos sinais disso. A Arizona State University (ASU) colaborou com a OpenAI em centenas de projetos de IA para ensino e administração. A SUNY agora exige alfabetização em IA em seu currículo básico. Esses são os alicerces para uma adoção mais profunda.

Na universidade nativa de IA, professores serão arquitetos da aprendizagem, responsáveis por gestão de dados, ajuste de modelos e orientação dos alunos sobre como questionar o raciocínio das máquinas.

As formas de avaliação também mudarão. Ferramentas de detecção e proibições de plágio serão substituídas por avaliações de consciência de IA; as notas dos alunos não dependerão mais de usar ou não IA, mas de como a utilizam. O uso transparente e estratégico substituirá a proibição.

À medida que todos os setores buscam talentos capazes de projetar, gerenciar e colaborar com sistemas de IA, essa nova universidade será um centro de formação, produzindo graduados proficientes em coordenação de sistemas de IA para um mercado de trabalho em rápida transformação.

Essa universidade nativa de IA será o motor de talentos da nova economia.

Por hoje é só, nos vemos na próxima parte. Fique ligado.