Grandes Ideas 2026: Parte 1

Nuestra labor como inversores es adentrarnos a fondo en todos los rincones del sector tecnológico para anticipar hacia dónde se dirige la industria. Por ello, cada diciembre pedimos a nuestros equipos de inversión que compartan una gran idea que, en su opinión, los constructores tecnológicos abordarán el próximo año.

Hoy presentamos las ideas de los equipos de Infrastructure, Growth, Bio + Health y Speedrun. Mañana compartiremos las perspectivas del resto de equipos.

Infrastructure

Jennifer Li: Las startups doman el caos de los datos multimodales

Los datos no estructurados y multimodales han sido el mayor cuello de botella para las empresas y, a la vez, su mayor tesoro sin explotar. Todas las compañías se ahogan en PDFs, capturas de pantalla, vídeos, logs, correos electrónicos y datos semiestructurados. Los modelos son cada vez más inteligentes, pero las entradas son cada vez más caóticas, lo que provoca que los sistemas RAG generen alucinaciones, los agentes fallen de forma sutil y costosa, y que los flujos de trabajo críticos sigan dependiendo en gran medida de la validación humana. El factor limitante para las empresas de IA es ahora la entropía de los datos: el deterioro constante de la frescura, la estructura y la veracidad en ese universo no estructurado donde ahora reside el 80 % del conocimiento corporativo.

Por eso, desenredar los datos no estructurados se convierte en una oportunidad generacional. Las empresas necesitan una forma continua de limpiar, estructurar, validar y gobernar sus datos multimodales para que las cargas de trabajo de IA posteriores funcionen realmente. Los casos de uso están en todas partes: análisis de contratos, procesos de onboarding, gestión de reclamaciones, compliance, soporte, compras, búsquedas de ingeniería, habilitación de ventas, pipelines de analítica y cualquier flujo de trabajo de agentes que dependa de un contexto fiable. Las startups que creen la plataforma capaz de extraer estructura de documentos, imágenes y vídeos, reconciliar conflictos, reparar pipelines o mantener los datos actualizados y accesibles, tendrán la llave del conocimiento y los procesos empresariales.

Joel de la Garza: La IA reactiva la contratación en ciberseguridad

Durante buena parte de la última década, el mayor reto para los CISOs ha sido la contratación. Entre 2013 y 2021, el número de vacantes sin cubrir en ciberseguridad creció de menos de 1 M a 3 M. Esto se debe a que los equipos de seguridad contratan técnicos altamente cualificados para pasar sus días realizando tareas rutinarias de nivel 1, como revisar logs, un trabajo poco gratificante que nadie quiere hacer. El problema es que los propios equipos de ciberseguridad generan esa monotonía al adquirir productos que detectan todo, lo que implica que sus equipos deben revisarlo todo y genera una falsa escasez de mano de obra. Es un círculo vicioso.

En 2026, la IA romperá este ciclo y cerrará la brecha de contratación automatizando gran parte de este trabajo repetitivo y redundante para los equipos de ciberseguridad. Cualquiera que haya trabajado en un gran equipo de seguridad sabe que la mitad del trabajo se puede resolver fácilmente con automatización, pero es imposible decidir qué automatizar cuando uno está saturado de tareas. Las herramientas nativas de IA que resuelvan esto por los equipos de seguridad por fin les permitirán dedicarse a lo que realmente quieren hacer: perseguir a los atacantes, construir nuevos sistemas y corregir vulnerabilidades.

Malika Aubakirova: La infraestructura agent-native se convierte en estándar básico

En 2026, el mayor cambio en infraestructura no vendrá del exterior, sino del interior. Estamos pasando de un tráfico a velocidad humana, predecible y de baja concurrencia, a cargas de trabajo a “velocidad de agente”, recursivas, explosivas y masivas.

El backend empresarial actual fue diseñado para una proporción 1:1 entre la acción humana y la respuesta del sistema. No está preparado para que un solo objetivo agentic desencadene una ramificación recursiva de 5 000 sub-tareas, consultas a bases de datos y llamadas a APIs internas en milisegundos. Cuando un agente intenta refactorizar un código o corregir un log de seguridad, no se comporta como un usuario. Para una base de datos heredada o un rate-limiter, parece un ataque DDoS.

Construir para agentes en 2026 implica re-arquitecturar el control plane. Veremos el auge de la infraestructura agent-native. La próxima generación debe tratar los patrones de “manada furiosa” como estado por defecto. Los cold starts deben reducirse, la variabilidad de latencia colapsar y los límites de concurrencia multiplicarse por órdenes de magnitud. El cuello de botella será la coordinación: enrutamiento, bloqueo, gestión de estado y aplicación de políticas en ejecuciones masivas en paralelo. Las plataformas ganadoras serán las únicas capaces de sobrevivir a la avalancha de ejecuciones de herramientas que se avecina.

Justine Moore: Las herramientas creativas se vuelven multimodales

Ya contamos con los bloques básicos para contar historias con IA: voces generativas, música, imágenes y vídeo. Pero para cualquier cosa que no sea un clip aislado, suele ser lento y frustrante—si no imposible—obtener los resultados deseados, especialmente si se busca un nivel de control similar al de un director tradicional.

¿Por qué no podemos dar a un modelo un vídeo de 30 segundos y pedirle que continúe la escena con un personaje nuevo creado a partir de una imagen y una voz de referencia? ¿O regrabar un clip para ver la escena desde otro ángulo, o hacer que el movimiento coincida con un vídeo de referencia?

2026 será el año en que la IA se vuelve multimodal. Da a un modelo cualquier tipo de contenido de referencia que tengas y colabora con él para crear algo nuevo o editar una escena existente. Ya hemos visto algunos productos incipientes, como Kling O1 y Runway Aleph. Pero queda mucho por hacer y necesitamos innovación tanto en los modelos como en las aplicaciones.

La creación de contenido es uno de los casos de uso estrella de la IA, y espero que veamos múltiples productos exitosos en distintos casos de uso y tipos de clientes, desde creadores de memes hasta directores de Hollywood.

Jason Cui: El data stack nativo de IA sigue evolucionando

En el último año hemos visto mucha consolidación en el modern data stack, ya que las empresas de datos han pasado de la especialización en ingesta, transformación y computación a plataformas integradas y unificadas. Por ejemplo: la fusión Fivetran/dbt y el auge continuado de plataformas unificadas como Databricks.

Aunque el ecosistema parece mucho más maduro, aún estamos en los inicios de una arquitectura de datos realmente nativa de IA. Nos entusiasma la forma en que la IA puede seguir transformando múltiples partes del data stack, y empezamos a ver cómo los datos y la infraestructura de IA se están volviendo inseparables.

Algunas ideas que nos entusiasman:

• Cómo los datos seguirán fluyendo hacia bases de datos vectoriales de alto rendimiento junto a los datos estructurados tradicionales
• Cómo los agentes de IA abordan el problema del contexto: acceder continuamente al contexto de datos adecuado y a las capas semánticas para construir aplicaciones robustas, como chatear con tus datos, que siempre tengan las definiciones empresariales correctas en múltiples sistemas de registro
• Cómo cambiarán las herramientas BI tradicionales y las hojas de cálculo a medida que los flujos de datos se vuelvan más agentic y automatizados

Yoko Li: El año en que entramos en el vídeo

En 2026, el vídeo deja de ser algo que vemos pasivamente para convertirse en un entorno en el que realmente podemos entrar. Los modelos de vídeo por fin comprenden el tiempo, recuerdan lo que ya nos han mostrado, reaccionan cuando hacemos algo y mantienen la coherencia que esperamos del mundo físico. En vez de producir unos segundos de imágenes inconexas, estos sistemas mantienen personajes, objetos y física el tiempo suficiente para que las acciones tengan sentido y las consecuencias se desarrollen. Este cambio convierte el vídeo en un medio sobre el que construir: un espacio donde los robots pueden practicar, los juegos evolucionar, los diseñadores prototipar y los agentes aprender haciendo. Lo que surge se parece menos a un clip y más a un entorno vivo, uno que empieza a cerrar la brecha entre percepción y acción. Por primera vez, parece que podemos habitar los vídeos que generamos.

Growth

Sarah Wang: Los systems of record pierden relevancia

En 2026, la verdadera disrupción en el software empresarial será que el system of record finalmente empezará a perder su primacía. La IA está reduciendo la distancia entre intención y ejecución: los modelos ya pueden leer, escribir y razonar directamente sobre los datos operativos, convirtiendo los sistemas ITSM y CRM de bases de datos pasivas en motores autónomos de flujos de trabajo. Y a medida que los avances recientes en modelos de razonamiento y workflows agentic se acumulan, estos sistemas adquieren la capacidad no solo de responder, sino de anticipar, coordinar y ejecutar procesos de extremo a extremo. La interfaz se convierte en una capa dinámica de agentes, mientras que el system of record tradicional queda en segundo plano como simple capa de persistencia, cediendo su posición estratégica a quien controle el entorno inteligente de ejecución que realmente usan los empleados.

Alex Immerman: La vertical AI evoluciona de la recuperación de información y el razonamiento a lo multijugador

La IA ha impulsado el software vertical a un crecimiento sin precedentes. Empresas de sanidad, legal e inmobiliario han alcanzado más de 100 M $ de ARR en pocos años; finanzas y contabilidad están cerca. El primer paso fue la recuperación de información: encontrar, extraer y resumir la información adecuada. 2025 trajo el razonamiento: Hebbia analiza estados financieros y construye modelos, Basis reconcilia balances entre sistemas, EliseAI diagnostica incidencias de mantenimiento y envía a los proveedores adecuados.

2026 desbloquea el modo multijugador. El software vertical se beneficia de interfaces, datos e integraciones específicas de cada sector. Pero el trabajo vertical es, por naturaleza, multiparte. Si los agentes van a representar trabajo, deben colaborar. Desde compradores y vendedores hasta inquilinos, asesores y proveedores, cada parte tiene permisos, flujos de trabajo y requisitos de compliance distintos que solo el software vertical comprende.

Hoy, cada parte utiliza la IA de forma aislada, lo que genera traspasos sin autoridad. La IA que analiza acuerdos de compra no consulta al CFO para ajustar su modelo. La IA de mantenimiento no sabe lo que el personal prometió al inquilino. El modo multijugador lo cambia todo al coordinar entre partes interesadas: deriva a especialistas funcionales, mantiene el contexto y sincroniza cambios. Las IA contrapartes negocian dentro de parámetros y señalan asimetrías para revisión humana. La revisión de un socio senior entrena al sistema para toda la firma. Las tareas realizadas por IA se completarán con mayor tasa de éxito.

Y cuando el valor aumenta gracias a la colaboración entre múltiples humanos y agentes, los costes de cambio se incrementan. Aquí veremos los efectos de red que han eludido a las aplicaciones de IA: la capa de colaboración se convierte en la auténtica barrera de entrada.

Stephenie Zhang: Crear para agentes, no para humanos

En 2026, las personas comenzarán a interactuar con la web a través de sus agentes. Y lo que importaba para el consumo humano ya no tendrá la misma relevancia para el consumo de agentes.

Durante años, hemos optimizado para el comportamiento humano predecible: aparecer alto en Google, figurar entre los primeros resultados en Amazon, empezar con un TL;DR. Cuando cursé periodismo en el instituto, nos enseñaron las 5W + H para las noticias y a empezar los reportajes con un gancho. Quizá un humano pase por alto la afirmación relevante y perspicaz enterrada en la página cinco, pero el agente no lo hará.

Este cambio afecta también al software. Las apps se diseñaron para ojos y clics humanos, y optimizar significaba buen UI y flujos intuitivos. A medida que los agentes asumen la recuperación e interpretación, el diseño visual pierde centralidad en la comprensión. En vez de ingenieros mirando dashboards en Grafana, los AI SRE pueden interpretar la telemetría y publicar insights en Slack. En vez de equipos de ventas revisando CRMs, los agentes pueden detectar patrones y resúmenes automáticamente.

Ya no diseñamos para humanos, sino para agentes. La nueva optimización no es la jerarquía visual, sino la legibilidad para máquinas, y eso cambiará la forma en que creamos y las herramientas que usamos para hacerlo.

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 el mejor indicador de entrega de valor tanto en aplicaciones de consumo como empresariales. Hemos vivido en un paradigma centrado en las horas de streaming en Netflix, clics de ratón en el UX de EHR sanitario (para demostrar uso significativo) o incluso tiempo en chatGPT como KPI clave. A medida que avanzamos hacia un futuro basado en pricing por resultados que alinea perfectamente incentivos entre proveedores y usuarios, lo primero será abandonar el reporting de tiempo de pantalla.

Ya lo estamos viendo en la práctica. Cuando lanzo consultas DeepResearch en ChatGPT, obtengo un enorme valor con casi nada de tiempo de pantalla. Cuando Abridge captura automáticamente la conversación médico-paciente y automatiza tareas posteriores, el médico apenas mira la pantalla. Cuando Cursor desarrolla aplicaciones completas de extremo a extremo, el ingeniero ya está planificando el siguiente ciclo de desarrollo. Y cuando Hebbia redacta una presentación a partir de cientos de documentos públicos, el banquero de inversión por fin puede dormir.

Esto plantea un reto único: cuánto puede cobrar una aplicación por usuario requiere un método más complejo de medir el ROI. La satisfacción del médico, la productividad del desarrollador, el bienestar del analista financiero y la felicidad del consumidor aumentan con las aplicaciones de IA. Las empresas que expliquen el ROI de forma más sencilla seguirán superando a sus competidores.

Bio + Health

Julie Yoo: Healthy MAUs

En 2026, un nuevo segmento de clientes de salud será protagonista: los healthy MAUs.

El sistema sanitario tradicional ha atendido principalmente a tres segmentos de usuarios: (a) sick MAUs: personas con necesidades puntuales y costosas; (b) sick DAUs: como quienes requieren cuidados intensivos y prolongados; y (c) healthy YAUs: individuos relativamente sanos que rara vez ven a un médico. Los healthy YAUs corren el riesgo de convertirse en Sick MAUs/DAUs, y la atención preventiva podría ralentizar esa transición. Pero nuestro sistema de reembolso sanitario, centrado en la reacción y el tratamiento, premia el tratamiento sobre la prevención, por lo que el acceso a chequeos proactivos y servicios de monitorización no es prioritario y el seguro apenas los cubre.

Llegan los Healthy MAUs: consumidores que no están enfermos, pero quieren monitorizar y entender su salud de forma recurrente, y que además representan potencialmente la mayor parte de la población consumidora. Esperamos una oleada de empresas—tanto startups nativas de IA como versiones renovadas de incumbentes—que empezarán a ofrecer servicios recurrentes a este segmento.

Con el potencial de la IA para reducir los costes de la atención, la llegada de productos de seguro de salud enfocados en la prevención y unos consumidores más dispuestos a pagar por modelos de suscripción, los healthy MAUs representan el siguiente segmento de alto potencial para la healthtech: usuarios continuamente involucrados, informados por datos y orientados a la prevención.

Speedrun

Jon Lai: Los world models toman protagonismo en la narrativa

En 2026, los world models 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 generan entornos 3D completos a partir de prompts de texto, permitiendo a los usuarios explorarlos como si fueran juegos. A medida que los creadores adopten estas herramientas, surgirán formatos narrativos completamente nuevos, que podrían culminar en un Minecraft generativo, donde los jugadores co-creen universos vastos y en constante evolución. Estos mundos podrían combinar mecánicas de juego con programación en lenguaje natural, como ordenar: crea un pincel que cambie a rosa todo lo que toque.

Estos modelos difuminarán la frontera entre jugador y creador, transformando a los usuarios en coautores de realidades compartidas dinámicas. Esta evolución podría dar lugar a multiversos generativos interconectados, donde géneros diversos como fantasía, terror o aventura convivan. En ellos, las economías digitales prosperarán mientras los creadores ganan ingresos diseñando assets, guiando a nuevos usuarios o desarrollando herramientas interactivas. Más allá del entretenimiento, estos mundos generativos servirán como ricos entornos de simulación para entrenar agentes de IA, robots e incluso AGI. El auge de los world models señala así no solo un nuevo género de juego, sino un nuevo medio creativo y una frontera económica inédita.

Josh Lu: “El año de mí”

2026 será el año de mí: el momento en que los productos dejan de fabricarse en masa y empiezan a hacerse para ti.

Ya lo estamos viendo en todas partes.

En educación, startups como Alphaschool están creando tutores de IA que se adaptan al ritmo y la curiosidad de cada estudiante, proporcionando a cada niño una educación ajustada a su ritmo y método preferido de aprendizaje. Este nivel de atención antes solo era posible gastando decenas de miles de dólares en tutorías por alumno.

En salud, la IA diseña stacks de suplementos diarios, rutinas de ejercicio y planes de alimentación personalizados según tu biología. Ya no necesitas entrenador ni laboratorio.

Incluso en medios, la IA permite a los creadores remezclar noticias, programas y relatos en feeds personalizados que se ajustan exactamente a tus intereses y tono.

Las mayores empresas del siglo pasado ganaron encontrando al consumidor promedio.

Las mayores empresas del próximo siglo ganarán encontrando al individuo dentro del promedio.

2026 es el año en que el mundo deja de optimizar para todos y empieza a optimizar para ti.

Emily Bennett: La primera universidad nativa de IA

En 2026, espero que veamos el nacimiento de la primera universidad nativa de IA, una institución construida desde cero en torno a sistemas inteligentes.

En los últimos años, las universidades han experimentado con calificaciones, tutorías y planificación habilitadas por IA. Pero lo que emerge ahora es más profundo: un organismo académico adaptativo que aprende y se optimiza en tiempo real.

Imagina una institución donde los cursos, la tutoría, la colaboración en investigación e incluso las operaciones del campus se adaptan continuamente en función de bucles de retroalimentación de datos. Los horarios se optimizan solos. Las listas de lectura evolucionan cada noche y se reescriben según aparece nueva investigación. Las trayectorias de aprendizaje cambian en tiempo real para adaptarse al ritmo y contexto de cada estudiante.

Ya vemos precedentes. La colaboración de ASU con OpenAI ha producido cientos de proyectos impulsados por IA en docencia y administración. SUNY ya integra la alfabetización en IA en sus requisitos generales de educación. Estos son los cimientos para un despliegue más fundamental.

En la universidad nativa de IA, los profesores se convierten en arquitectos del aprendizaje, curando datos, ajustando modelos y enseñando a los estudiantes a interrogar el razonamiento de las máquinas

La evaluación también cambia. Las herramientas de detección y las prohibiciones de plagio dan paso a una evaluación consciente de la IA, calificando a los estudiantes por cómo usan la IA, no por si la usan. La transparencia y la aplicación inteligente sustituyen la prohibición.

Y a medida que cada sector lucha por contratar personas capaces de diseñar, gobernar y colaborar con sistemas de IA, esta nueva universidad se convierte en la cantera de talento, formando graduados expertos en orquestación que ayudan a ampliar una fuerza laboral en rápida transformación.

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

Permanece atento a la segunda parte mañana.

Suscríbete

Este boletín se proporciona únicamente con fines informativos y no debe considerarse asesoramiento legal, empresarial, de inversión o fiscal. Además, este contenido no constituye asesoramiento de inversión ni está destinado a ser utilizado por inversores o posibles inversores en ningún fondo de a16z. Este boletín puede contener enlaces a otros sitios web o información obtenida de fuentes de terceros; a16z no ha verificado de forma independiente ni realiza declaraciones sobre la exactitud actual o futura de dicha información. Si este contenido incluye anuncios de terceros, a16z no los ha revisado ni respalda ningún contenido publicitario ni empresas relacionadas. Las inversiones o empresas de cartera mencionadas, referenciadas o descritas no son representativas de todas las inversiones en vehículos gestionados por a16z; visita https://a16z.com/investment-list/ para ver la lista completa de inversiones. Puedes encontrar otra información importante en a16z.com/disclosures. Recibes este boletín porque te suscribiste previamente; si deseas dejar de recibir futuros boletines, puedes darte de baja de inmediato.

Aviso legal:

1. Este artículo es una reproducción de [a16z]. Todos los derechos de autor pertenecen al autor original [a16z New Media]. Si tienes alguna objeción a esta reproducción, contacta con el equipo de Gate Learn y lo gestionarán con la mayor rapidez.
2. Aviso de responsabilidad: Las opiniones expresadas en este artículo son únicamente las del autor y no constituyen asesoramiento de inversión.
3. Las traducciones del artículo a otros idiomas son realizadas por el equipo de Gate Learn. Salvo mención expresa, está prohibido copiar, distribuir o plagiar los artículos traducidos.