Grandes Ideias 2026: Parte 1

Nosso papel como investidores é mergulhar nos detalhes de todos os segmentos do setor de tecnologia para entender os próximos movimentos do mercado. Por isso, todo mês de dezembro, nossas equipes de investimento apresentam uma grande ideia que acreditam que os desenvolvedores de tecnologia abordarão no ano seguinte.

Hoje, compartilhamos as ideias das equipes de Infraestrutura, Growth, Bio + Health e Speedrun. Fique de olho para conferir as perspectivas das outras equipes amanhã.

Infraestrutura

Jennifer Li: Startups domam o caos dos dados multimodais

Dados multimodais não estruturados são o maior gargalo — e também o maior tesouro oculto — das empresas. Todas enfrentam sobrecarga de PDFs, capturas de tela, vídeos, logs, e-mails e uma mistura semiestruturada de informações. Os modelos ficam mais inteligentes, mas os insumos tornam-se cada vez mais desorganizados, levando sistemas RAG a alucinações, agentes a falhas sutis e caras, e fluxos críticos ainda dependem fortemente de QA humano. O fator limitante das empresas de IA agora é a entropia dos dados: a degradação constante de frescor, estrutura e veracidade no universo não estruturado onde 80% do conhecimento corporativo reside.

Por isso, desvendar dados não estruturados tornou-se uma oportunidade geracional. Empresas precisam de meios contínuos para limpar, estruturar, validar e governar seus dados multimodais, garantindo que os workloads de IA realmente funcionem. Os casos de uso são amplos: análise de contratos, onboarding, gestão de sinistros, compliance, suporte, compras, busca de engenharia, capacitação de vendas, pipelines analíticos e qualquer workflow de agente que dependa de contexto confiável. Startups que criam plataformas para extrair estrutura de documentos, imagens e vídeos; reconciliar conflitos; reparar pipelines; ou manter dados atualizados e acessíveis detêm a chave do conhecimento e dos processos empresariais.

Joel de la Garza: IA impulsiona contratações em cibersegurança

Nos últimos anos, o maior desafio dos CISOs foi a contratação. Entre 2013 e 2021, o número de vagas não preenchidas em cibersegurança passou de menos de 1 milhão para 3 milhões. Isso porque as equipes buscam técnicos altamente qualificados para tarefas repetitivas e desmotivadoras de nível 1, como revisão de logs — e ninguém quer esse trabalho. O problema é que as próprias equipes criam essa rotina ao adquirir produtos que detectam tudo, exigindo revisão total — gerando escassez artificial de mão de obra. É um ciclo vicioso.

Em 2026, a IA vai romper esse ciclo e fechar a lacuna de contratação ao automatizar grande parte do trabalho repetitivo e redundante das equipes de cibersegurança. Quem já trabalhou em grandes times sabe que metade das tarefas pode ser resolvida com automação, mas é impossível definir o que automatizar quando se está sobrecarregado. Ferramentas nativas de IA que solucionam esse dilema finalmente liberarão os times para perseguir ameaças, criar sistemas e corrigir vulnerabilidades.

Malika Aubakirova: Infraestrutura agent-native vira requisito básico

Em 2026, o maior impacto de infraestrutura não virá de fora, mas de dentro. Estamos migrando do tráfego em “velocidade humana”, previsível e de baixa concorrência, para workloads em “velocidade de agente”, recursivos, explosivos e massivos.

O backend corporativo atual foi projetado para uma proporção 1:1 entre ação humana e resposta do sistema. Não foi arquitetado para um único “objetivo agentivo” desencadear milhares de subtarefas, consultas a bancos de dados e chamadas de API em milissegundos. Quando um agente tenta refatorar código ou remediar logs de segurança, não se parece com um usuário. Para bancos de dados legados ou rate-limiters, parece um ataque DDoS.

Construir para agentes em 2026 exige re-arquitetar o plano de controle. Veremos a ascensão da infraestrutura “agent-native”. A próxima geração deve tratar padrões de “manada trovejante” como padrão. Cold starts devem diminuir, variância de latência precisa colapsar e limites de concorrência devem aumentar exponencialmente. O gargalo passa a ser a coordenação: roteamento, bloqueio, gerenciamento de estado e enforcement de políticas em execução paralela. Só as plataformas capazes de sobreviver ao dilúvio de execução de ferramentas prosperarão.

Justine Moore: Ferramentas criativas tornam-se multimodais

Já temos os blocos para contar histórias com IA: vozes, músicas, imagens e vídeos gerativos. Mas, para qualquer coisa além de um clipe pontual, é demorado e frustrante — ou impossível — obter o resultado desejado, especialmente se você busca 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 um novo personagem criado por imagem e voz de referência? Ou refazer um clipe para mostrar a cena de outro ângulo, ou ajustar o movimento ao vídeo de referência?

2026 será o ano da IA multimodal. Dê ao modelo qualquer conteúdo de referência e trabalhe com ele para criar algo novo ou editar uma cena existente. Já vemos produtos iniciais, como Kling O1 e Runway Aleph. Mas há muito a evoluir — e precisamos de inovação tanto nos modelos quanto nas aplicações.

A criação de conteúdo é um dos principais casos de uso da IA, e veremos múltiplos produtos bem-sucedidos para públicos diversos, de criadores de memes a diretores de Hollywood.

Jason Cui: O stack de dados agent-native continua evoluindo

Observamos grande consolidação no “stack de dados moderno” no último ano, com empresas migrando da especialização em ingestão, transformação e processamento para plataformas unificadas. Exemplos incluem a fusão Fivetran/dbt e o crescimento de Databricks.

Embora o ecossistema esteja mais maduro, ainda estamos nos primeiros dias da arquitetura de dados agent-native. Estamos animados com as formas como IA pode transformar múltiplas partes do stack de dados, e já vemos dados e infraestrutura de IA se tornando inseparáveis.

Algumas ideias promissoras:

• Como dados continuarão fluindo para bancos de dados vetoriais performáticos junto com dados estruturados tradicionais
• Como agentes de IA navegam pelo “problema de contexto”: acessando continuamente o contexto e camadas semânticas corretas para construir aplicações robustas, como conversar com dados, sempre com definições de negócio corretas em múltiplos sistemas de registro
• Como ferramentas de BI e planilhas vão mudar à medida que workflows de dados se tornam mais agentivos e automatizados

Yoko Li: O ano em que habitamos o vídeo

Em 2026, o vídeo deixará de ser algo que assistimos passivamente e passará a ser um ambiente onde realmente podemos entrar. Modelos de vídeo finalmente vão compreender o tempo, lembrar o que já mostraram, reagir às nossas ações e manter a consistência que esperamos do mundo físico. Em vez de produzir segundos de imagens desconexas, esses sistemas sustentam personagens, objetos e física tempo suficiente para que ações e consequências se desenrolem. Essa mudança transforma o vídeo em um meio de construção: espaço onde robôs treinam, jogos evoluem, designers prototipam e agentes aprendem fazendo. Surge um ambiente vivo, que começa a fechar a lacuna entre percepção e ação. Pela primeira vez, parece possível habitar os vídeos gerados.

Growth

Sarah Wang: Sistemas de registro perdem relevância

Em 2026, a verdadeira disrupção no software corporativo será o sistema de registro finalmente perder protagonismo. A IA está encurtando a distância entre intenção e execução: modelos podem ler, escrever e raciocinar diretamente sobre dados operacionais, transformando sistemas ITSM e CRM de bancos de dados passivos em motores autônomos de workflow. Com avanços em modelos de raciocínio e workflows agentivos, esses sistemas ganham capacidade de antecipar, coordenar e executar processos ponta a ponta. A interface vira uma camada dinâmica de agentes, enquanto o sistema de registro tradicional fica em segundo plano como camada de persistência — seu poder estratégico passa para quem controla o ambiente inteligente de execução usado pelos colaboradores.

Alex Immerman: AI vertical evolui de busca e raciocínio para multiplayer

A IA impulsionou o software vertical a crescimento sem precedentes. Saúde, jurídico e habitação atingiram US$100 milhões+ de ARR em poucos anos; finanças e contabilidade vêm logo atrás. A evolução começou pela busca de informação: localizar, extrair e resumir dados. 2025 trouxe raciocínio: Hebbia analisando demonstrações financeiras, Basis reconciliando balanços, EliseAI diagnosticando manutenção e acionando fornecedores.

2026 ativa o modo multiplayer. O software vertical se beneficia de interfaces, dados e integrações específicas do domínio. Mas o trabalho vertical é, por natureza, multiparte. Se agentes vão representar trabalho, precisam colaborar. De compradores e vendedores, a locatários, consultores e fornecedores, cada parte tem permissões, workflows e requisitos de compliance distintos que só o software vertical compreende.

Hoje, cada parte usa IA isoladamente, gerando transições sem autoridade. A IA que analisa contratos não conversa com o CFO para ajustar o modelo. A IA de manutenção não sabe o que o staff prometeu ao locatário. O multiplayer muda isso ao coordenar stakeholders: roteando para especialistas, mantendo contexto, sincronizando alterações. IAs contraparte negociam dentro de parâmetros e sinalizam assimetrias para revisão humana. A marcação do sócio sênior treina o sistema para toda a firma. Tarefas executadas por IA terão taxas de sucesso superiores.

Com a valorização da colaboração multi-humana e multi-agente, o custo de troca aumenta. Aqui veremos o efeito de rede que faltava às aplicações de IA: a camada de colaboração vira barreira competitiva.

Stephenie Zhang: Criando para agentes, não humanos

Em 2026, as pessoas começarão a interagir com a web por meio de agentes. O que era relevante para humanos não terá o mesmo peso para agentes.

Por anos, otimizamos para comportamento humano previsível: ranquear alto no Google, aparecer entre os primeiros na Amazon, começar com um TL;DR. No ensino médio, aprendi as 5Ws + H para notícias, e a começar com um gancho em reportagens. Um humano pode perder a afirmação mais relevante escondida na página cinco, mas o agente não.

Essa mudança é também sobre software. Apps foram criados para olhos e cliques humanos, e otimizar significava boa UI e fluxos intuitivos. Com agentes assumindo recuperação e interpretação, o design visual perde centralidade. Em vez de engenheiros olhando dashboards, SREs de IA interpretam telemetria e postam insights no Slack. Em vez de equipes de vendas vasculhando CRMs, agentes extraem padrões e resumos automaticamente.

Não projetamos mais para humanos, mas para agentes. A nova otimização é para legibilidade por máquina — mudando a forma como criamos e as ferramentas que usamos.

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

Nos últimos 15 anos, tempo de tela foi o principal indicador de valor em aplicações de consumo e corporativas. Vivemos focados em horas de streaming na Netflix, cliques em UX de EHR na saúde, ou tempo gasto no chatGPT como KPI. Com o futuro baseado em precificação por resultado e alinhamento perfeito de incentivos, o primeiro passo será abandonar o tempo de tela.

Já vemos isso na prática. Consultas DeepResearch no ChatGPT geram enorme valor com quase nenhum tempo de tela. Abridge registra automaticamente conversas médico-paciente e automatiza tarefas, com o médico mal olhando para a tela. A Cursor desenvolve aplicações completas e o engenheiro já planeja o próximo ciclo. Hebbia elabora pitch decks a partir de centenas de arquivos públicos, com o banqueiro descansando.

Isso traz um desafio: quanto cobrar por usuário exige método mais complexo de medir ROI. Satisfação médica, produtividade de desenvolvedores, bem-estar de analistas financeiros e felicidade do consumidor aumentam com IA. Empresas que comunicam ROI de forma simples continuarão à frente.

Bio + Health

Julie Yoo: MAUs saudáveis

Em 2026, um novo segmento de clientes em saúde será protagonista: os “MAUs saudáveis”.

O sistema tradicional sempre atendeu três principais segmentos: (a) “MAUs doentes”: pessoas com necessidades intensas e alto custo; (b) “DAUs doentes”: em cuidados intensivos prolongados; e (c) “YAUs saudáveis”: indivíduos saudáveis que raramente vão ao médico. YAUs saudáveis correm risco de virar MAUs/DAUs doentes, e cuidados preventivos poderiam retardar essa transição. Mas nosso sistema de reembolso privilegia tratamento, não prevenção, então monitoramento e consultas proativas não são prioridade, e o seguro quase nunca cobre.

Surge o MAU saudável: consumidores que não estão doentes, mas querem monitorar e entender sua saúde recorrentemente — e representam potencialmente a maior fatia da população. Esperamos uma onda de empresas — startups nativas de IA e versões repaginadas de incumbentes — oferecendo serviços recorrentes para esse público.

Com a IA reduzindo custos de cuidado, novos produtos de seguro focados em prevenção e consumidores mais dispostos a pagar por assinaturas, os “MAUs saudáveis” são o próximo segmento de alto potencial para healthtech: engajados, informados por dados e orientados à prevenção.

Speedrun

Jon Lai: Modelos de mundo ganham destaque na narrativa

Em 2026, modelos de mundo com IA vão revolucionar a narrativa com mundos virtuais interativos e economias digitais. Tecnologias como Marble (World Labs) e Genie 3 (DeepMind) já criam ambientes 3D completos por prompts de texto, permitindo exploração como em um jogo. Com criadores adotando essas ferramentas, surgem novos formatos de storytelling, culminando em um “Minecraft generativo”, onde jogadores cocriam universos vastos e dinâmicos. Esses mundos misturam mecânicas de jogo com programação natural, como ordenar: “crie um pincel que muda tudo que eu toco para rosa.”

Esses modelos borram a fronteira entre jogador e criador, tornando usuários coautores de realidades dinâmicas. Essa evolução pode gerar multiversos generativos interconectados, com gêneros como fantasia, terror, aventura lado a lado. Neles, economias digitais prosperam, com criadores ganhando renda ao criar assets, orientar novatos ou desenvolver ferramentas interativas. Além do entretenimento, esses mundos servem como ambientes ricos para treinar agentes de IA, robôs e talvez AGI. A ascensão dos modelos de mundo sinaliza um novo gênero de jogo, meio criativo e fronteira econômica.

Josh Lu: “O ano do eu”

2026 será “o ano do eu”: quando produtos deixam de ser feitos em massa e passam a ser feitos para você.

Já vemos isso em todo lugar.

Na educação, startups como Alphaschool criam tutores de IA que se adaptam ao ritmo e curiosidade de cada aluno, oferecendo educação personalizada, antes possível só com dezenas de milhares de dólares em tutoria.

Na saúde, IA desenha rotinas de suplementos, treinos e alimentação adaptados à sua biologia. Sem necessidade de treinador ou laboratório.

Na mídia, IA permite remixar notícias, programas e histórias em feeds que refletem seus interesses e tom.

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

As maiores do próximo século vencerão ao encontrar o indivíduo dentro da média.

2026 é o ano em que o mundo para de otimizar para todos e começa a otimizar para você.

Emily Bennett: A primeira universidade agent-native de IA

Em 2026, veremos nascer a primeira universidade agent-native de IA, construída desde o início em torno de sistemas inteligentes.

Nos últimos anos, universidades testaram correção, tutoria e agendamento com IA. Agora surge algo mais profundo: um organismo acadêmico adaptativo que aprende e se otimiza em tempo real.

Imagine cursos, orientação, pesquisa e operações prediais se adaptando continuamente por feedback de dados. Agendas se otimizam sozinhas. Leituras evoluem toda noite e se reescrevem conforme novas pesquisas aparecem. Trilhas de aprendizado mudam em tempo real conforme ritmo e contexto de cada aluno.

Já vemos precursores. A parceria da ASU com OpenAI gerou centenas de projetos de IA em ensino e administração. A SUNY inclui alfabetização em IA nos requisitos gerais. Esses são os blocos para uma implantação mais profunda.

Na universidade agent-native de IA, professores são arquitetos do aprendizado, curando dados, ajustando modelos e ensinando alunos a questionar o raciocínio das máquinas

A avaliação muda também. Ferramentas de detecção e proibição de plágio cedem lugar à avaliação consciente de IA, avaliando estudantes por como usam IA, não por usarem. Transparência e aplicação criteriosa substituem a proibição.

Com todas as indústrias buscando profissionais capazes de projetar, governar e colaborar com sistemas de IA, essa universidade será campo de treinamento, formando profissionais fluentes em orquestração para ampliar a força de trabalho em rápida transformação.

Essa universidade agent-native será o motor de talentos da nova economia.

Fique atento à parte 2 amanhã.

Inscreva-se

Esta newsletter tem caráter informativo e não deve ser usada como orientação legal, empresarial, de investimento ou tributária. Este conteúdo não constitui recomendação de investimento, nem se destina a investidores ou potenciais investidores em fundos a16z. Pode haver links para outros sites ou informações de terceiros — a a16z não verificou nem garante a precisão dessas informações. Se houver anúncios de terceiros, a a16z não os revisou nem endossa o conteúdo ou empresas relacionadas. Investimentos ou empresas mencionadas não representam todos os investimentos em veículos gerenciados pela a16z; acesse https://a16z.com/investment-list/ para a lista completa. Outras informações estão em a16z.com/disclosures. Você recebe esta newsletter porque optou anteriormente; para cancelar, descadastre-se imediatamente.

Aviso legal:

1. Este artigo foi republicado de [a16z]. Todos os direitos autorais pertencem ao autor original [a16z New Media]. Se houver objeção à republicação, entre em contato com a equipe Gate Learn, que fará o atendimento imediatamente.
2. Aviso de responsabilidade: As opiniões expressas neste artigo pertencem exclusivamente ao autor e não constituem recomendação de investimento.
3. Traduções para outros idiomas são realizadas pela equipe Gate Learn. Salvo menção, é proibido copiar, distribuir ou plagiar os artigos traduzidos.