a16z "Grandes Ideias para 2026: Parte Um"

Este artigo irá partilhar as perspetivas das equipas de Infraestrutura, Crescimento, Bio + Saúde e Speedrun.

Autor: a16z New Media

Tradução: Block unicorn

Como investidores, é nosso dever compreender profundamente todos os cantos da indústria tecnológica para captar as tendências futuras. Por isso, todos os anos em dezembro, convidamos as nossas equipas de investimento a partilhar uma grande ideia que acreditam que as empresas tecnológicas irão resolver no próximo ano.

Hoje, partilhamos as perspetivas das equipas de Infraestrutura, Crescimento, Bio + Saúde e Speedrun. Fique atento às partilhas das outras equipas amanhã.

Infraestrutura

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

Dados não estruturados e multimodais sempre foram o maior gargalo para as empresas — e também o maior tesouro ainda por explorar. Cada empresa está submersa num oceano de PDFs, capturas de ecrã, vídeos, registos, emails e dados semi-estruturados. Os modelos tornam-se cada vez mais inteligentes, mas os dados de entrada tornam-se cada vez mais caóticos, o que leva a falhas nos sistemas RAG, agentes a falhar de formas subtis e dispendiosas, e fluxos de trabalho críticos ainda dependem fortemente de inspeção manual. O fator limitante para as empresas de IA é agora a entropia dos dados: no mundo dos dados não estruturados, a frescura, estrutura e autenticidade estão em declínio constante — e 80% do conhecimento empresarial reside agora nestes dados não estruturados.

Por isso, organizar dados não estruturados tornou-se uma oportunidade única. As empresas precisam de um método contínuo para limpar, construir, validar e gerir os seus dados multimodais, garantindo que as cargas de trabalho de IA a jusante possam realmente funcionar. Os casos de uso estão por todo o lado: análise de contratos, processos de onboarding, processamento de sinistros, conformidade, apoio ao cliente, compras, pesquisa de engenharia, capacitação de vendas, pipelines de análise e todos os fluxos de trabalho de agentes que dependem de contexto fiável. Startups que consigam construir plataformas para extrair estrutura de documentos, imagens e vídeos, resolver conflitos, reparar pipelines ou manter a frescura e a capacidade de pesquisa dos dados, terão a chave para o reino do conhecimento e dos processos empresariais.

Joel de la Garza: A IA renova o recrutamento em cibersegurança

Durante a maior parte da última década, o maior desafio dos Chief Information Security Officers (CISO) foi o recrutamento. De 2013 a 2021, as vagas em cibersegurança cresceram de menos de 1 milhão para 3 milhões. Isto porque as equipas de segurança contrataram muitos engenheiros altamente qualificados para tarefas de segurança de nível 1, monótonas e repetitivas, como rever logs — tarefas que ninguém quer fazer. O problema de fundo é que as equipas de cibersegurança compraram produtos que detetam tudo, criando assim este trabalho enfadonho, o que significa que as equipas precisam de rever toda a informação — levando a uma falsa escassez de mão de obra. É um ciclo vicioso.

Até 2026, a IA irá quebrar este ciclo, preenchendo as lacunas de recrutamento ao automatizar grande parte do trabalho repetitivo das equipas de cibersegurança. Qualquer pessoa que tenha trabalhado numa grande equipa de segurança sabe que metade do trabalho pode ser facilmente automatizado, mas quando o trabalho se acumula, é difícil saber o que automatizar. Ferramentas de IA nativas que ajudem as equipas de segurança a resolver estes problemas permitirão finalmente que se concentrem no que realmente querem fazer: caçar maus atores, construir novos sistemas e corrigir vulnerabilidades.

Malika Aubakirova: Infraestrutura nativa de agentes tornar-se-á padrão

Até 2026, o maior impacto na infraestrutura não virá de empresas externas, mas sim de dentro das próprias empresas. Estamos a passar de tráfego previsível e de baixa concorrência, à “velocidade humana”, para cargas de trabalho recursivas, explosivas e em grande escala, à “velocidade dos agentes”.

O backend empresarial atual foi desenhado para uma proporção 1:1 entre operações humanas e respostas do sistema. Não está preparado para que um único “objetivo” de agente dispare, em milissegundos, 5000 subtarefas, consultas a bases de dados e chamadas a APIs internas de forma recursiva. Quando um agente tenta reestruturar um código base ou corrigir logs de segurança, não parece um utilizador. Para bases de dados tradicionais ou limitadores de taxa, parece um ataque DDoS.

Construir sistemas para agentes em 2026 significa redesenhar o plano de controlo. Vamos assistir ao surgimento de infraestrutura “agent-native”. A próxima geração de infraestrutura deve assumir o “efeito thundering herd” como estado padrão. O tempo de arranque a frio deve ser reduzido, a variabilidade da latência drasticamente diminuída e os limites de concorrência multiplicados. O gargalo está na coordenação: roteamento, locking, gestão de estado e execução de políticas em execução paralela massiva. Só as plataformas capazes de lidar com a enxurrada de execuções de ferramentas que se avizinha conseguirão vencer.

Justine Moore: Ferramentas criativas tornam-se multimodais

Agora temos os blocos de construção para contar histórias com IA: geração de voz, música, imagem e vídeo. Mas para qualquer conteúdo que vá além de um fragmento único, obter o resultado desejado é frequentemente demorado e frustrante — ou até impossível — especialmente se quiser um nível de controlo próximo ao de um realizador tradicional.

Porque não podemos alimentar um modelo com um vídeo de 30 segundos e pedir-lhe que continue a cena com novas personagens criadas a partir de imagens e sons de referência? Ou refilmar um vídeo para ver a cena 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. Poderá fornecer ao modelo qualquer tipo de conteúdo de referência e usá-lo para criar novo conteúdo 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 ao nível do modelo como da aplicação.

A criação de conteúdo é um dos casos de uso mais impactantes da IA, e espero ver uma onda de produtos bem-sucedidos a surgir, abrangendo todos os tipos de aplicações e públicos, desde criadores de memes a realizadores de Hollywood.

Jason Cui: O stack de dados nativo de IA continua a evoluir

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

Apesar de o ecossistema estar claramente mais maduro, ainda estamos nos primórdios de uma arquitetura de dados verdadeiramente nativa de IA. Estamos entusiasmados com as formas como a IA continua a transformar vários elos do stack de dados, e começamos a perceber que dados e infraestrutura de IA estão a tornar-se inseparáveis.

Eis algumas direções promissoras:

• Como os dados irão fluir para bases de dados vetoriais de alto desempenho juntamente com dados estruturados tradicionais
• Como agentes de IA irão resolver o “problema do contexto”: acesso contínuo ao contexto de dados de negócio correto e à camada semântica, para construir aplicações robustas, como interação com dados, garantindo que estas aplicações têm sempre a definição de negócio correta em múltiplos sistemas de registo
• Como as ferramentas tradicionais de BI e folhas de cálculo irão mudar à medida que os fluxos de trabalho de dados se tornam mais automatizados e orientados por agentes

Yoko Li: O ano em que entramos no vídeo

Até 2026, o vídeo deixará de ser um conteúdo que vemos passivamente e passará a ser um espaço onde realmente podemos estar presentes. Os modelos de vídeo finalmente conseguirão compreender o tempo, lembrar o que já mostraram, reagir às nossas ações e manter a consistência fiável do mundo real. Estes sistemas já não geram apenas segundos de imagens dispersas, mas conseguem manter personagens, objetos e efeitos físicos tempo suficiente para que as ações tenham significado e consequências. Esta mudança transforma o vídeo num meio em constante evolução: um robô pode treinar, um jogo pode evoluir, um designer pode prototipar, um agente pode aprender na prática. O resultado final já não se parece com um simples clipe de vídeo, mas sim com um ambiente vivo, que começa a colmatar o fosso entre perceção e ação. Pela primeira vez, sentimos que podemos estar dentro do vídeo que geramos.

Crescimento

Sarah Wang: Os sistemas de registo perdem a liderança

Até 2026, a verdadeira disrupção no software empresarial será a perda de domínio dos sistemas de registo. A IA está a reduzir a distância entre intenção e execução: os modelos agora podem ler, escrever e raciocinar diretamente sobre dados operacionais, transformando sistemas de IT Service Management (ITSM) e Customer Relationship Management (CRM) de bases de dados passivas em motores de workflow autónomos. Com os avanços em modelos de raciocínio e workflows de agentes, estes sistemas não só respondem, mas também prevêem, coordenam e executam processos end-to-end. A interface transforma-se numa camada dinâmica de agentes, enquanto os sistemas de registo tradicionais recuam para o back-end, tornando-se uma camada de persistência genérica — a vantagem estratégica passa para quem controla o ambiente de execução dos agentes que os colaboradores usam diariamente.

Alex Immerman: A IA vertical evolui da pesquisa e raciocínio para colaboração multiutilizador

A IA impulsionou o software vertical a um crescimento sem precedentes. Empresas de saúde, direito e imobiliário atingiram mais de 100 milhões de dólares em receita recorrente anual (ARR) em poucos anos; finanças e contabilidade seguem o mesmo caminho. Esta evolução começou com pesquisa de informação: encontrar, extrair e resumir a informação correta. 2025 trouxe capacidades de raciocínio: Hebbia analisa demonstrações financeiras e constrói modelos, Basis reconcilia folhas de cálculo entre sistemas, EliseAI diagnostica problemas de manutenção e envia o fornecedor certo.

2026 desbloqueará modelos de colaboração multiutilizador. O software vertical beneficia de interfaces, dados e integrações específicas do setor. Mas o trabalho nestas indústrias é, por natureza, colaborativo entre várias partes. Se os agentes vão representar a força de trabalho, precisam de colaborar. De compradores e vendedores, a inquilinos, consultores e fornecedores, cada parte tem permissões, workflows e requisitos de conformidade diferentes — só o software vertical compreende estas nuances.

Hoje, cada parte usa IA de forma independente, o que leva a falhas de autorização nas transições. A IA que analisa contratos de compra não comunica com o CFO para ajustar modelos. A IA de manutenção não sabe o que os trabalhadores prometeram aos inquilinos. A mudança da colaboração multiutilizador está na coordenação entre stakeholders: encaminhar tarefas para especialistas, manter contexto, sincronizar alterações. A IA dos contrapartes negocia dentro de parâmetros definidos e assinala assimetrias para revisão humana. As marcações dos sócios sénior treinam o sistema da empresa. As tarefas executadas por IA terão taxas de sucesso mais elevadas.

À medida que o valor da colaboração multiutilizador e multiagente aumenta, também aumentam os custos de mudança. Veremos finalmente efeitos de rede em aplicações de IA: a camada de colaboração tornar-se-á uma vantagem competitiva.

Stephenie Zhang: Projetar para agentes, não para humanos

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

Durante anos, otimizámos para comportamentos humanos previsíveis: estar no topo dos resultados do Google, aparecer primeiro na Amazon, começar com um “TL;DR” conciso. No secundário, tive uma disciplina de jornalismo onde o professor nos ensinou a escrever notícias com as “5W1H” e a começar artigos com uma introdução cativante. Talvez leitores humanos percam argumentos valiosos escondidos na quinta página, mas a IA não perde.

Esta mudança também se reflete no software. As aplicações foram desenhadas para satisfazer necessidades visuais e de clique humanas, onde otimizar significava uma boa interface e fluxo intuitivo. À medida que a IA assume a pesquisa e interpretação, o design visual torna-se menos importante para a compreensão. Os engenheiros já não olham para dashboards do Grafana, os SREs de IA interpretam dados de telemetria e publicam análises no Slack. As equipas de vendas já não precisam de vasculhar o CRM, a IA extrai padrões e resumos automaticamente.

Deixamos de criar conteúdo para humanos, passamos a criá-lo para IA. O novo objetivo de otimização não é a hierarquia visual, mas sim a legibilidade por máquina — isto mudará a forma como criamos e as ferramentas que usamos.

Santiago Rodriguez: O fim do KPI “tempo de ecrã” nas aplicações de IA

Nos últimos 15 anos, o tempo de ecrã foi a principal métrica de valor entregue por aplicações de consumo e empresariais. Vivemos num paradigma onde o tempo de streaming na Netflix, o número de cliques em registos médicos eletrónicos (para provar uso efetivo) ou até o tempo gasto no ChatGPT eram KPIs. À medida que avançamos para modelos de pricing baseados em resultados, que alinham perfeitamente incentivos entre fornecedores e utilizadores, vamos abandonar primeiro o reporting de tempo de ecrã.

Já vemos isto na prática. Quando executo uma pesquisa DeepResearch no ChatGPT, mesmo com tempo de ecrã quase nulo, obtenho enorme valor. Quando a Abridge capta conversas médico-paciente e executa ações subsequentes automaticamente, o médico quase não olha para o ecrã. Quando a Cursor desenvolve uma aplicação end-to-end, os engenheiros já planeiam a próxima funcionalidade. E quando a Hebbia escreve apresentações a partir de centenas de documentos públicos, os banqueiros de investimento finalmente podem dormir descansados.

Isto traz um desafio único: o pricing por utilizador requer métricas de ROI mais sofisticadas. A adoção de IA aumentará a satisfação dos médicos, a eficiência dos developers, o bem-estar dos analistas financeiros e a felicidade dos consumidores. As empresas que conseguirem articular o ROI de forma mais concisa continuarão a superar a concorrência.

Bio + Saúde

Julie Yoo: O “utilizador mensal ativo saudável”

Até 2026, um novo segmento de clientes de saúde será o foco: os “utilizadores mensais ativos saudáveis”.

O sistema de saúde tradicional serve três grandes grupos: (a) “utilizadores mensais ativos doentes”: pessoas com necessidades flutuantes e custos elevados; (b) “utilizadores diários ativos doentes”: como pacientes em cuidados intensivos prolongados; e (c) “utilizadores ativos jovens e saudáveis”: pessoas relativamente saudáveis que raramente usam serviços médicos. Os utilizadores jovens e saudáveis correm o risco de se tornarem utilizadores mensais/diários doentes, e os cuidados preventivos podem atrasar esta transição. Mas o sistema de reembolso, focado no tratamento, recompensa o tratamento e não a prevenção, pelo que serviços de check-up e monitorização proativos não são priorizados nem cobertos pelo seguro.

Agora, surge o grupo dos utilizadores mensais ativos saudáveis: não estão doentes, mas querem monitorizar e compreender regularmente a sua saúde — e podem ser o maior segmento de consumidores. Esperamos que várias empresas — desde startups nativas de IA a versões melhoradas de incumbentes — comecem a oferecer serviços regulares para este grupo.

Com o potencial da IA para reduzir custos, o surgimento de novos seguros focados na prevenção e a crescente disposição dos consumidores para pagar subscrições, os “utilizadores mensais ativos saudáveis” representam o próximo segmento de alto potencial em healthtech: são participativos, orientados por dados e focados na prevenção.

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

Jon Lai: Modelos de mundo brilham na narrativa

Em 2026, modelos de mundo impulsionados por IA irão revolucionar a narrativa através 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 aos utilizadores explorá-los como num jogo. À medida que os criadores adotam estas ferramentas, novas formas de narrativa irão surgir, podendo evoluir para um “Minecraft generativo”, onde jogadores co-criam universos vastos e em constante evolução. Estes mundos podem combinar mecânicas de jogo com programação em linguagem natural — por exemplo, um jogador pode pedir: “cria um pincel que transforma tudo o que toco em cor-de-rosa”.

Estes modelos irão esbater as fronteiras entre jogadores e criadores, tornando os utilizadores co-criadores de realidades partilhadas dinâmicas. Esta evolução pode dar origem a multiversos generativos interligados, onde fantasia, terror, aventura e outros géneros coexistem. Nestes mundos virtuais, a economia digital florescerá, com criadores a ganhar rendimentos ao criar ativos, orientar novatos ou desenvolver novas ferramentas interativas. Para além do entretenimento, estes mundos generativos servirão como ambientes de simulação ricos para treinar agentes de IA, robôs e até AGI. Assim, o surgimento dos modelos de mundo não só marca o nascimento de um novo género de jogos, mas também anuncia uma nova fronteira criativa e económica.

Josh Lu: “O meu ano um”

2026 será “o meu ano um”: os produtos deixarão de ser produzidos em massa e passarão a ser feitos à medida para si.

Já vemos esta tendência em todo o lado.

No ensino, startups como a Alphaschool estão a construir tutores de IA que se adaptam ao ritmo e interesses de cada aluno, permitindo que cada criança tenha uma educação ajustada ao seu ritmo e preferências — algo impossível sem gastar dezenas de milhares de dólares por aluno em tutoria.

Na saúde, a IA está a desenhar combinações diárias de suplementos, planos de treino e dietas adaptados à sua fisiologia — sem necessidade de treinador ou laboratório.

Mesmo nos media, a IA permite que criadores recombinem notícias, programas e histórias para criar feeds de informação totalmente personalizados aos seus interesses e gostos.

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

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

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

Emily Bennett: A primeira universidade nativa de IA

Prevejo que em 2026 veremos nascer a primeira universidade nativa de IA — uma instituição construída de raiz em torno de sistemas de IA.

Nos últimos anos, as universidades têm tentado aplicar IA à avaliação, tutoria e planeamento de cursos. Mas agora está a emergir uma IA mais profunda: um sistema académico adaptativo capaz de aprender e auto-otimizar-se em tempo real.

Imagine uma instituição onde cursos, aconselhamento, colaboração em investigação e até operações de edifícios se ajustam continuamente com base em ciclos de feedback de dados. Os horários otimizam-se sozinhos. As listas de leitura são atualizadas todas as noites e reescritas automaticamente à medida que surgem novas investigações. Os percursos de aprendizagem ajustam-se em tempo real ao progresso e contexto de cada aluno.

Já vimos alguns sinais. A Arizona State University (ASU) colaborou com a OpenAI em centenas de projetos de ensino e gestão impulsionados por IA. A SUNY já incluiu literacia em IA nos seus requisitos de educação geral. Estes são os alicerces para uma adoção mais profunda.

Numa universidade nativa de IA, os professores serão arquitetos da aprendizagem, responsáveis pela gestão de dados, afinação de modelos e orientação dos alunos sobre como questionar o raciocínio das máquinas.

As formas de avaliação também mudarão. Ferramentas de deteção e proibições de plágio serão substituídas por avaliações de literacia em IA, e os alunos serão avaliados não por usarem IA, mas por como a usam. O uso transparente e estratégico substituirá a proibição.

À medida que todos os setores procuram talentos capazes de desenhar, gerir e colaborar com sistemas de IA, esta nova universidade será um centro de formação, produzindo graduados proficientes na coordenação de sistemas de IA, apoiando um mercado de trabalho em rápida mudança.

Esta universidade nativa de IA será o motor de talento da nova economia.

Por hoje é tudo, até à próxima parte — fique atento.