a16z《Propuestas importantes para 2026: Primera parte》

Autor: a16z New Media Traducción: Block unicorn

Como inversores, nuestra responsabilidad es profundizar en todos los rincones de la industria tecnológica para comprender las tendencias futuras. Por ello, cada diciembre invitamos a los equipos de inversión a compartir un concepto importante que creen que las empresas tecnológicas deberán abordar en el próximo año.

Hoy compartiremos las opiniones de los equipos de infraestructura, crecimiento, biomedicina + salud y Speedrun. Esperamos con interés las contribuciones de los otros equipos mañana.

Infraestructura

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

Los datos no estructurados y multimodales han sido siempre el mayor cuello de botella para las empresas, y también su mayor tesoro aún por explotar. Cada compañía está atrapada en un océano de PDFs, capturas de pantalla, videos, logs, correos electrónicos y datos semiestructurados. Los modelos se vuelven cada vez más inteligentes, pero los datos de entrada se vuelven más caóticos, provocando fallos en sistemas RAG, fallos de agentes de formas que no son fáciles de detectar y costosas, y procesos clave que siguen dependiendo de inspecciones manuales. Las empresas de inteligencia artificial enfrentan ahora una restricción llamada entropía de datos: en el mundo de datos no estructurados, la frescura, estructura y autenticidad se deterioran continuamente, y el 80% del conocimiento empresarial reside en estos datos no estructurados.

Por ello, aclarar los datos no estructurados se convierte en una oportunidad única. Las empresas necesitan un método continuo para limpiar, construir, validar y gestionar sus datos multimodales, asegurando que las cargas de trabajo de IA downstream puedan realmente funcionar. Los casos de uso están en todas partes: análisis de contratos, procesos de incorporación, gestión de reclamaciones, cumplimiento normativo, atención al cliente, compras, búsqueda en ingeniería, habilitación de ventas, pipelines analíticos 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 los datos frescos y recuperables, tienen la llave del conocimiento y los procesos empresariales.

Joel de la Garza: La inteligencia artificial renace en el reclutamiento de ciberseguridad

Durante la mayor parte de los últimos diez años, el mayor desafío para el CISO( CISO) ha sido el reclutamiento. Desde 2013 hasta 2021, las vacantes en ciberseguridad aumentaron de menos de un millón a 3 millones. Esto se debe a que los equipos de seguridad contrataron a numerosos ingenieros altamente especializados, dedicados a tareas monótonas como revisar logs, y nadie quería hacer ese trabajo. La raíz del problema radica en que los equipos de seguridad compraron productos que detectan todo, creando así tareas engorrosas que requieren revisar toda la información — lo que, a su vez, genera una falsa escasez de mano de obra. Es un ciclo vicioso.

Para 2026, la IA romperá este ciclo, automatizando muchas tareas repetitivas del equipo de seguridad y cubriendo esas vacantes. Quien haya trabajado en un gran equipo de seguridad sabe que la mitad del trabajo puede resolverse fácilmente con automatización, pero cuando hay un montón de tareas acumuladas, es difícil saber cuáles automatizar primero. Las herramientas nativas de IA que ayuden a los equipos a resolver estos problemas, permitirán en última instancia que puedan dedicar más tiempo a lo que realmente quieren hacer: perseguir a los malos, construir nuevos sistemas y arreglar vulnerabilidades.

Malika Aubakirova: La infraestructura nativa de agentes será estándar

Para 2026, el mayor impacto en infraestructura no vendrá de empresas externas, sino del interior de las mismas. Estamos pasando de un flujo predecible y de baja concurrencia de «velocidad humana» hacia cargas de trabajo recursivas, impulsivas y masivas de «velocidad de agentes».

Hoy, la infraestructura trasera de las empresas está diseñada para una relación 1:1 entre la operación humana y la respuesta del sistema. No está preparada para que un solo agente desencadene en milisegundos 5000 sub-tareas, consultas a bases de datos y llamadas a API internas en un árbol recursivo. Cuando un agente intenta reestructurar una base de código o reparar logs de seguridad, no parece un usuario. Para las bases de datos tradicionales o los limitadores de tasa, parece un ataque DDoS.

Construir sistemas para los agentes en 2026 significa rediseñar los planos de control. Seremos testigos del surgimiento de una infraestructura «nativa de agentes». La próxima generación de infraestructura debe considerar el «efecto manada» (thundering herd) como estado predeterminado. El tiempo de inicio en frío debe reducirse, la fluctuación de latencias reducirse drásticamente y la concurrencia debe multiplicarse. El cuello de botella radica en la coordinación: implementar enrutamiento, bloqueo, gestión de estados y ejecución de políticas en ejecuciones paralelas a gran escala. Solo las plataformas capaces de gestionar la avalancha de herramientas que vendrán triunfarán a largo plazo.

Justine Moore: Las herramientas creativas avanzan hacia lo multimodal

Ahora contamos con módulos generativos de IA para contar historias: voz, música, imágenes y videos. Pero, para contenidos más allá de fragmentos únicos, obtener la salida deseada suele ser lento y frustrante — o incluso imposible — especialmente cuando buscamos un control cercano al nivel de un director de cine.

¿Por qué no alimentamos un video de 30 segundos al modelo y lo hacemos continuar interpretando esa escena con personajes creados a partir de imágenes y sonidos de referencia? ¿O grabamos un video y lo editamos para que las acciones coincidan con diferentes ángulos o que los movimientos se ajusten a un video de referencia?

2026 será el año en que la IA avance hacia lo multimodal. Podrás dar cualquier forma de referencia y usarla para crear nuevo contenido o editar escenas existentes. Ya vemos productos tempranos como Kling O1 y Runway Aleph. Pero hay mucho por hacer: necesitamos innovación tanto en los modelos como en las aplicaciones.

La creación de contenido es uno de los escenarios de IA más potentes, y anticipamos que surgirán muchos productos exitosos en diversas aplicaciones y sectores, desde creadores de memes hasta directores de Hollywood.

Jason Cui: La evolución continua del stack de datos nativo de IA

En el último año, a medida que las empresas de datos pasaron de centrarse en ingesta, transformación y computación a plataformas unificadas, hemos visto la integración del «stack de datos moderno». Ejemplos: la fusión de Fivetran y dbt, y el auge de plataformas unificadas como Databricks.

Aunque el ecosistema en general ha madurado claramente, todavía estamos en las primeras etapas de una arquitectura de datos verdaderamente nativa de IA. Nos emociona cómo IA continúa transformando varias partes del stack de datos y empezamos a ver cómo infraestructura de datos e IA se vuelven inseparables.

Algunas direcciones que nos parecen prometedoras:

• Cómo los datos fluyen junto con datos estructurados tradicionales hacia bases de datos vectoriales de alto rendimiento
• Cómo los agentes de IA abordan el «problema de contexto»: acceso continuo al contexto de negocios correcto y a capas semánticas, para construir aplicaciones poderosas, como interactuar con datos y garantizar que esas aplicaciones tengan definiciones comerciales correctas 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 vuelven más agentes y automatizados

Yoko Li: Un año en que entramos en el mundo del video

Para 2026, el video dejará de ser contenido que simplemente observamos pasivamente y se convertirá en un espacio en el que realmente podemos involucrarnos. Los modelos de video podrán comprender el tiempo, recordar lo que han mostrado, responder a nuestras acciones y mantener la coherencia confiable del mundo real. Estos sistemas ya no generarán solo fragmentos de unos segundos, sino que podrán mantener personajes, objetos y efectos físicos durante períodos de tiempo suficientes para que las acciones tengan sentido y sus consecuencias sean perceptibles. Este cambio convertirá al video en un medio en constante evolución: un robot que puede practicar, juegos que evolucionan, diseñadores que crean prototipos, agentes que aprenden en la práctica. Lo que se presenta no será solo un fragmento de video, sino un entorno vivo, que comienza a cerrar la brecha entre percepción y acción. Por primera vez, sentimos que podemos realmente habitar en los videos que generamos.

Crecimiento

Sarah Wang: Los sistemas de registro pierden su dominio

Para 2026, la verdadera disrupción en el campo del software empresarial será que los sistemas de registro finalmente perderán su supremacía. La IA acortará la distancia entre intención y ejecución: los modelos ahora pueden leer, escribir y razonar directamente sobre los datos, transformando la gestión de servicios TI (ITSM) y CRM en motores de flujo de trabajo autónomos. Con los avances en modelos de razonamiento y agentes, estos sistemas no solo responderán, sino que también podrán predecir, coordinar y ejecutar procesos de extremo a extremo. La interfaz se convertirá en una capa dinámica de agentes, mientras que los sistemas de registro tradicionales quedarán en segundo plano, como una capa de persistencia general — cuya ventaja estratégica será transferida al entorno de ejecución de agentes que controlan la rutina diaria de los empleados.

Alex Immerman: La IA en industrias verticales evoluciona desde búsqueda y razonamiento hacia colaboración multilateral

La IA ha impulsado un crecimiento sin precedentes en el software vertical. Empresas de salud, legal y bienes raíces lograron en pocos años más de 100 millones de dólares en ingresos recurrentes anuales ( ARR); las industrias de finanzas y contabilidad no se quedan atrás. Esta evolución empezó con búsqueda: encontrar, extraer y resumir la información correcta. En 2025, llegó la capacidad de razonar: Hebbia analiza estados financieros y construye modelos, Basis concilia hojas de cálculo entre sistemas, EliseAI diagnostica problemas de mantenimiento y envía proveedores adecuados.

En 2026, se desbloquea la colaboración multilateral. El software vertical se beneficia de interfaces, datos e integraciones específicas del sector. Pero el trabajo en estas industrias suele requerir colaboración entre varias partes. Si los agentes deben representar a la fuerza laboral, necesitan colaborar. Desde compradores y vendedores, hasta inquilinos, consultores y proveedores, cada uno con permisos, flujos de trabajo y requisitos regulatorios diferentes, que solo el software vertical puede entender.

Hoy, cada parte usa IA por separado, lo que genera falta de autorización en las transiciones. La IA que analiza contratos de compra no se comunica con el director financiero para ajustar modelos. La IA que mantiene sistemas no sabe qué prometió en el lugar un trabajador al inquilino. La transformación en colaboración multilateral radica en coordinar entre partes interesadas: enrutando tareas a expertos en funciones, manteniendo contexto, sincronizando cambios. La IA de las contrapartes negocia dentro de parámetros establecidos y destaca asimetrías para revisión humana. Las etiquetas de los socios se usan para entrenar sistemas de toda la empresa. Las tareas realizadas por IA tendrán mayor tasa de éxito.

A medida que aumenta el valor de la colaboración multilateral y entre múltiples agentes, también se incrementan los costos de cambio. Veremos un efecto de red que la IA no ha logrado explotar: la capa de colaboración se convertirá en una barrera de entrada.

Stephenie Zhang: Diseñado para agentes, no para humanos

Para 2026, los humanos comenzarán a interactuar con la web a través de agentes. Lo que antes se optimizó para el consumo humano ya no será igual de relevante para los agentes.

Durante años, hemos trabajado en optimizar comportamientos humanos predecibles: estar en los primeros resultados de Google, en las mejores posiciones en Amazon, y comenzar con un breve y conciso «TL;DR». En la secundaria tomé una clase de periodismo que enseñaba a escribir con las «5W1H», y que las historias atrajeran con un inicio cautivador. Quizá los lectores humanos se pierdan en los valiosos argumentos escondidos en la quinta página, pero la IA no.

Este cambio también se refleja en el software. La intención original de las aplicaciones era satisfacer la vista y el clic del usuario, y la optimización significaba buenas interfaces y procesos intuitivos. Con la IA encargándose de la búsqueda y la interpretación, la importancia del diseño visual para la comprensión disminuye. Los ingenieros ya no revisan dashboards de Grafana; los ingenieros de confiabilidad de IA ( SRE) pueden interpretar telemetría y publicar análisis en Slack. Los equipos de ventas no necesitan revisar manualmente los CRM ( CRM); la IA puede extraer patrones y resúmenes automáticamente.

Ya no diseñamos contenido para humanos, sino para IA. Los nuevos objetivos de optimización no son las jerarquías visuales, sino la legibilidad por máquina — esto cambiará la forma en que creamos y las herramientas que usamos.

Santiago Rodriguez: La desaparición del KPI de «tiempo en pantalla» en aplicaciones de IA

Durante los últimos 15 años, el tiempo en pantalla ha sido la métrica más utilizada para medir el valor entregado por aplicaciones para consumidores y empresas. Hemos vivido en un paradigma donde las métricas clave incluyen horas de streaming en Netflix, clics en historias médicas electrónicas, o el tiempo en ChatGPT. Con la llegada de modelos basados en resultados y precios por resultados, este paradigma será abandonado en favor de métricas de ROI más sofisticadas (ROI). La adopción de IA aumentará la satisfacción del médico, la productividad del desarrollador, el bienestar del analista financiero y la felicidad del consumidor. Las empresas que puedan comunicar ROI en la forma más sencilla seguirán destacando.

Biomedicina + Salud

Julie Yoo: MAU saludable (MAU)

Para 2026, un nuevo grupo de clientes en salud será central: los «MAU saludables».

El sistema sanitario tradicional atiende principalmente a tres públicos: (a) «usuarios activos enfermos»: con fluctuaciones de demanda y costos elevados; (b) «usuarios activos enfermos diarios»: por ejemplo, pacientes en cuidados intensivos a largo plazo; y © «usuarios jóvenes y sanos activos»*: personas relativamente sanas y que visitan poco el médico. Los usuarios jóvenes y sanos activos enfrentan riesgos de convertirse en usuarios enfermos activos o diarios, y la prevención puede retrasar esa transición. Pero la mayoría del sistema de reembolso médico favorece el tratamiento sobre la prevención, por lo que las revisiones y monitoreos activos no son prioridad, y los seguros rara vez cubren estos servicios.

Ahora surge este nuevo grupo: quienes, sin estar enfermos, desean monitorear y entender su salud periódicamente — y, además, representan la mayor proporción en la base de consumidores. Prevemos que varias empresas, incluyendo startups nativas de IA y versiones mejoradas de las existentes, comenzarán a ofrecer servicios regulares para atender a estos usuarios.

Con la reducción potencial de costos en servicios médicos gracias a la IA, la aparición de nuevos seguros enfocados en prevención y la disposición creciente de los consumidores a pagar de su bolsillo en modelos de suscripción, los «MAU saludables» son el próximo grupo de clientes con gran potencial en salud digital: participación continua, datos y prevención como prioridad.

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

Jon Lai: Los modelos mundiales revolucionan la narración

Para 2026, los modelos mundiales impulsados por IA cambiarán radicalmente la narrativa mediante mundos virtuales interactivos y economías digitales. Tecnologías como Marble (World Labs) y Genie 3 (DeepMind) ya generan entornos 3D completos a partir de indicaciones de texto, permitiendo a los usuarios explorar como en un juego. Con estas herramientas, surgirán nuevas formas de narrar historias, que podrían evolucionar en un «Minecraft generativo» donde los jugadores colaboren en crear universos vastos y en constante cambio. Estos mundos podrán combinar mecánicas de juego con programación en lenguaje natural, como dar instrucciones como «crea un pincel que vuelva todo lo que toque rosado».

Este tipo de modelos borrarán la línea entre jugadores y creadores, convirtiendo a los usuarios en co-creadores de realidades compartidas dinámicas. La evolución podría generar multiversos generativos interconectados, con géneros como fantasía, horror o aventura coexistiendo. En esos entornos virtuales, la economía digital florecerá: los creadores podrán monetizar creando activos, guiando novatos o desarrollando nuevas herramientas interactivas. Además del entretenimiento, estos mundos generativos serán entornos ricos para entrenar agentes de IA, robots y la inteligencia artificial general (AGI). La aparición de modelos mundiales no solo marcará un nuevo género de juegos, sino también una nueva plataforma creativa y frontera económica.

Josh Lu: Mi año uno

2026 será el «Año Uno» de cada uno: los productos ya no serán en masa, sino que se adaptarán a ti.

Ya vemos esta tendencia en todos lados.

En educación, startups como Alphaschool construyen tutores IA que se adaptan al ritmo e intereses de cada estudiante, brindando una educación personalizada. Sin gastar miles de dólares en tutorías, ese nivel de atención es posible.

En salud, IA diseña combinaciones diarias de suplementos, planes de ejercicio y dietas adaptados a tu fisiología. Sin entrenadores ni laboratorios.

En medios, IA permite a creadores recombinar noticias, programas y historias, generando flujos personalizados que se ajustan a tus gustos e intereses.

Las grandes empresas del siglo pasado lograron éxito entendiendo a los consumidores comunes.

Las del siglo próximo triunfarán encontrando a los individuos en estos grupos.

En 2026, el mundo ya no se optimizará para todos, sino para ti.

Emily Bennett: La primera universidad nativa de IA

Preveo que en 2026 nacerá la primera universidad nativa de IA, una institución construida desde cero en torno a sistemas de IA.

En los últimos años, las universidades intentaron aplicar IA en calificaciones, tutorías y planificación de cursos. Pero ahora surge una IA más profunda, capaz de aprender en tiempo real y optimizarse a sí misma en un sistema adaptativo.

Imagina un campus donde clases, asesorías, investigaciones y hasta la gestión de edificios se ajustan mediante ciclos de retroalimentación de datos. Los horarios se optimizan, las listas de lectura se actualizan automáticamente con nuevas investigaciones, y las trayectorias de aprendizaje se adaptan en tiempo real a cada estudiante y su progreso.

Ya vemos algunos indicios. La colaboración entre ASU y OpenAI ha generado cientos de proyectos impulsados por IA en enseñanza y gestión administrativa. SUNY ha incluido alfabetización en IA en sus requisitos de educación general. Estos son solo los primeros pasos en una implementación más profunda.

En una universidad nativa de IA, los profesores serán arquitectos del aprendizaje, encargados de gestionar datos, ajustar modelos y enseñar a los estudiantes a cuestionar las inferencias de las máquinas.

Las evaluaciones cambiarán: las herramientas de detección y las prohibiciones de plagio serán reemplazadas por evaluaciones de conciencia de IA; la calificación ya no será si usaron IA, sino cómo la usaron. La transparencia y el uso estratégico reemplazarán la prohibición.

A medida que todas las industrias buscan talento capaz de diseñar, administrar y colaborar en sistemas de IA, esta nueva universidad será un centro de formación para graduados expertos en coordinación de IA, apoyando una fuerza laboral en rápida transformación.

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

Eso es todo por hoy, nos vemos en la próxima parte, ¡estén atentos!