Grandes Ideias 2026: Parte 1

Enquanto investidores, é nosso dever aprofundar todos os meandros do setor tecnológico para antecipar o rumo da inovação. Por isso, todos os meses de dezembro, desafiamos as nossas equipas de investimento a apresentar uma grande ideia que acreditam que os criadores de tecnologia irão explorar no ano seguinte.

Hoje partilhamos as perspetivas das equipas de Infrastructure, Growth, Bio + Health e Speedrun. Amanhã, siga as opiniões das restantes equipas.

Infrastructure

Jennifer Li: Startups controlam o caos dos dados multimodais

Os dados multimodais não estruturados são simultaneamente o maior obstáculo e o maior tesouro por explorar das empresas. Todas enfrentam uma sobrecarga de PDFs, capturas de ecrã, vídeos, registos, emails e informação semiestruturada. Os modelos evoluem, mas os dados de entrada tornam-se cada vez mais complexos, o que faz com que sistemas RAG alucinem, agentes falhem de forma subtil e dispendiosa, e fluxos críticos continuem dependentes da validação humana. Atualmente, o fator limitador das empresas de IA é a entropia dos dados: a degradação contínua da frescura, estrutura e veracidade no universo não estruturado onde está 80 % do conhecimento corporativo.

Por isso, a resolução do caos dos dados não estruturados é uma oportunidade geracional. As organizações precisam de processos contínuos para limpar, estruturar, validar e governar os seus dados multimodais, permitindo que os workloads de IA funcionem. Casos de uso existem em todo o lado: análise contratual, onboarding, gestão de sinistros, compliance, apoio, procurement, pesquisa técnica, capacitação comercial, pipelines analíticos e todos os workflows de agentes que dependem de contexto fiável. Startups que criem plataformas capazes de extrair estrutura de documentos, imagens e vídeos; reconciliar conflitos; reparar pipelines; ou garantir dados atualizados e acessíveis, detêm a chave do conhecimento e dos processos empresariais.

Joel de la Garza: IA revitaliza o recrutamento em cibersegurança

Durante a última década, o maior desafio dos CISOs foi contratar talento. Entre 2013 e 2021, as vagas não preenchidas em cibersegurança cresceram de menos de 1 M para 3 M. Isto porque as equipas de segurança procuram técnicos altamente especializados para tarefas repetitivas e penosas, como a revisão de registos, que poucos querem realizar. O problema nasce da compra de produtos que detetam tudo, obrigando equipas a rever tudo — e isto gera uma falsa escassez de talento. Um ciclo vicioso.

Em 2026, a IA vai quebrar este ciclo e fechar a lacuna de recrutamento ao automatizar grande parte do trabalho repetitivo e redundante das equipas de cibersegurança. Quem já integrou grandes equipas sabe que metade das tarefas pode ser automatizada, mas é impossível identificar o que automatizar quando se está sobrecarregado. Ferramentas nativas de IA que resolvam este problema vão finalmente libertar as equipas para perseguir ameaças, construir sistemas e corrigir vulnerabilidades.

Malika Aubakirova: Infraestrutura agent-native torna-se requisito base

Em 2026, a maior transformação da infraestrutura virá de dentro das empresas. Estamos a passar de tráfego à velocidade humana, previsível e de baixa concorrência, para workloads à velocidade de agente, recursivos, explosivos e massivos.

O backend empresarial foi desenhado para uma relação 1:1 entre ação humana e resposta do sistema. Não está preparado para que um único objetivo de agente desencadeie milhares de sub-tarefas, queries a bases de dados e chamadas internas de API em milissegundos. Quando um agente refatora uma base de código ou repara um registo de segurança, não se comporta como um utilizador. Para uma base de dados legada ou um rate-limiter, parece um ataque DDoS.

Desenvolver para agentes em 2026 implica re-arquitetar o plano de controlo. Veremos surgir infraestrutura “agent-native”. A próxima geração terá de tratar padrões de “thundering herd” como norma. Os cold starts têm de ser reduzidos, a variabilidade da latência eliminada e os limites de concorrência multiplicados. O desafio passa a ser a coordenação: routing, locking, gestão de estado e aplicação de políticas em execuções paralelas. As plataformas vencedoras serão as que sobreviverem ao aumento exponencial da execução de ferramentas.

Justine Moore: Ferramentas criativas tornam-se multimodais

Já temos os elementos fundamentais para contar histórias com IA: vozes, música, imagens e vídeo generativos. Mas para projetos mais complexos do que um clip, é frequentemente moroso e frustrante — ou mesmo impossível — obter os resultados pretendidos, sobretudo se se procura um nível de controlo semelhante ao de um realizador tradicional.

Porque não alimentar um modelo com um vídeo de 30 segundos e pedir-lhe que continue a cena com uma personagem criada a partir de uma imagem e voz de referência? Ou refilmar um clip para ver 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 surgiram produtos iniciais, como Kling O1 e Runway Aleph. Mas há muito para inovar — tanto ao nível dos modelos como das aplicações.

A criação de conteúdo é um dos grandes casos de uso da IA, e espero ver vários produtos bem-sucedidos para diferentes públicos, de criadores de memes a realizadores de Hollywood.

Jason Cui: O data stack agent-native evolui continuamente

O último ano trouxe grande consolidação ao “modern data stack”, com empresas a migrarem da especialização em ingestão, transformação e computação para plataformas unificadas. Veja-se a fusão Fivetran/dbt e o crescimento de Databricks.

Apesar do ecossistema estar mais maduro, estamos apenas no início de uma arquitetura verdadeiramente agent-native. Entusiasmam-nos as formas como a IA pode transformar múltiplas partes do data stack, e vemos como dados e infraestrutura de IA se tornam inseparáveis.

Algumas ideias promissoras:

• Como os dados fluirão para bases de dados vetoriais de alto desempenho, lado a lado com dados estruturados tradicionais
• Como agentes de IA resolvem o “context problem”: acedendo continuamente ao contexto e às camadas semânticas certas para criar aplicações robustas, como conversação com dados, que mantêm definições empresariais corretas em múltiplos sistemas de registo
• Como ferramentas BI e folhas de cálculo vão evoluir à medida que os workflows de dados se tornam mais agentic e automáticos

Yoko Li: O ano em que entramos no vídeo

Em 2026, o vídeo deixa de ser um conteúdo passivo e passa a ser um espaço habitável. Os modelos de vídeo compreendem o tempo, recordam o que já mostraram, reagem às nossas ações e mantêm a consistência que esperamos do mundo físico. Em vez de gerar segundos de imagens desconexas, estes sistemas sustentam personagens, objetos e física tempo suficiente para que as ações tenham impacto e as consequências se desenvolvam. Esta mudança transforma o vídeo num meio para construir: um espaço onde robots treinam, jogos evoluem, designers prototipam e agentes aprendem fazendo. O resultado é menos um clip e mais um ambiente vivo, que aproxima perceção e ação. Pela primeira vez, podemos habitar os vídeos que criamos.

Growth

Sarah Wang: Sistemas de registo perdem relevância

Em 2026, a verdadeira disrupção no software empresarial será a perda de primazia dos sistemas de registo. A IA elimina a distância entre intenção e execução: modelos já leem, escrevem e raciocinam sobre dados operacionais, transformando ITSM e CRM de bases passivas em motores autónomos de workflow. Com avanços em raciocínio e workflows agentic, estes sistemas não só respondem, mas antecipam, coordenam e executam processos end-to-end. A interface torna-se camada dinâmica de agentes, enquanto o sistema de registo tradicional recua para camada de persistência — o poder estratégico passa para quem controla o ambiente inteligente de execução.

Alex Immerman: IA vertical evolui de recuperação de informação e raciocínio para multiplayer

A IA impulsionou o software vertical para crescimento sem precedentes. Saúde, jurídico e imobiliário atingiram mais de 100 M ARR em poucos anos; finanças e contabilidade aproximam-se. A evolução começou pela recuperação de informação: encontrar, extrair e resumir os dados certos. 2025 trouxe raciocínio: Hebbia a analisar demonstrações financeiras, Basis a reconciliar balancetes, EliseAI a diagnosticar e despachar fornecedores.

2026 desbloqueia o modo multiplayer. O software vertical beneficia de interfaces, dados e integrações específicas. Mas o trabalho vertical é, por natureza, multiparte. Se agentes representam trabalho, precisam de colaborar. De compradores e vendedores a inquilinos, consultores e fornecedores, cada parte tem permissões, workflows e requisitos de compliance distintos que só o software vertical entende.

Hoje, cada parte usa IA isoladamente, gerando handoffs sem autoridade. A IA que analisa contratos não comunica com o CFO para ajustes. A IA de manutenção desconhece o que o staff prometeu ao inquilino. O modo multiplayer coordena stakeholders: encaminhando especialistas, mantendo contexto, sincronizando alterações. As IA negociam dentro de parâmetros e sinalizam assimetrias para revisão humana. As anotações do sócio sénior treinam o sistema para toda a firma. Tarefas de IA terão taxas de sucesso superiores.

Quando o valor aumenta com colaboração multi-humana e multi-agente, os custos de mudança sobem. Aqui veremos efeitos de rede: a camada de colaboração torna-se o fosso competitivo.

Stephenie Zhang: Criar para agentes, não para humanos

Em 2026, a interação com a web será feita através de agentes. O que era relevante para consumo humano deixa de ser para consumo por agentes.

Anos a otimizar comportamentos humanos previsíveis: ranking Google, destaque na Amazon, TL;DR. No secundário, ensinaram-me as 5Ws + H para notícias e a começar com um gancho. Talvez um humano perca a afirmação relevante na página cinco, mas o agente não.

Também no software. Apps foram desenhadas para olhos e cliques humanos; otimização significava bom UI e fluxos intuitivos. Com agentes a recuperar e interpretar, o design visual perde centralidade. Em vez de engenheiros a analisar dashboards, SREs de IA interpretam telemetria e publicam insights no Slack. Em vez de equipas comerciais a vasculhar CRMs, agentes apresentam padrões e resumos automaticamente.

Deixamos de criar para humanos; criamos para agentes. A nova otimização é a legibilidade por máquina — e isso mudará a criação e as ferramentas.

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

Nos últimos 15 anos, tempo de ecrã foi o melhor indicador de valor em aplicações de consumo e empresariais. Vivemos centrados em horas de streaming Netflix, cliques em EHR na saúde, ou tempo no chatGPT como KPI. Com pricing baseado em resultados, que alinha incentivos entre fornecedores e utilizadores, vamos abandonar o reporting de tempo de ecrã.

Já vemos isto. Queries DeepResearch no ChatGPT geram enorme valor com quase zero tempo de ecrã. Abridge capta conversas médico-paciente e automatiza tarefas, o médico mal olha para o ecrã. Cursor desenvolve aplicações end-to-end, o engenheiro planeia o próximo ciclo. Hebbia redige pitch decks a partir de centenas de documentos públicos, o investment banker descansa.

Isto exige nova forma de medir ROI por utilizador. Satisfação médica, produtividade de developers, bem-estar de analistas financeiros e felicidade do consumidor aumentam com IA. Empresas que apresentem o pitch de vendas mais simples sobre ROI vão superar concorrentes.

Bio + Health

Julie Yoo: MAUs saudáveis

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

O sistema tradicional serviu três segmentos: (a) “MAUs doentes”: necessidades intensas; (b) “DAUs doentes”: cuidados intensivos; (c) “YAUs saudáveis”: saudáveis que raramente consultam médicos. YAUs saudáveis podem tornar-se MAUs/DAUs doentes; cuidados preventivos travariam essa transição. Mas o sistema de reembolso privilegia tratamento, não prevenção, pelo que o acesso a monitorização proativa não é prioritário, e os seguros raramente cobrem.

Chegam os MAUs saudáveis: consumidores sem doença ativa, mas que querem monitorizar e compreender a saúde regularmente — e representam potencialmente a maioria. Prevemos empresas — startups de IA e incumbentes repackaged — a oferecer serviços recorrentes para este segmento.

Com IA a reduzir custos dos cuidados, novos seguros focados em prevenção e consumidores mais dispostos a pagar subscrições, os “MAUs saudáveis” são o próximo segmento de elevado potencial para healthtech: envolvidos, informados por dados e orientados para prevenção.

Speedrun

Jon Lai: World models assumem protagonismo na narrativa

Em 2026, os world models alimentados por IA vão revolucionar a narrativa através de mundos virtuais interativos e economias digitais. Tecnologias como Marble (World Labs) e Genie 3 (DeepMind) já geram ambientes 3D completos a partir de prompts de texto, permitindo exploração em modo de jogo. Com a adoção destas ferramentas por criadores, surgem novos formatos de storytelling, culminando num “Minecraft generativo”, onde jogadores co-criam universos vastos e dinâmicos. Estes mundos podem combinar mecânicas de jogo com programação natural, como: “criar pincel que muda a cor de tudo para rosa.”

Estes modelos esbatem fronteiras entre jogador e criador, tornando utilizadores coautores de realidades dinâmicas. Esta evolução pode originar multiversos generativos interligados, onde géneros diversos coexistem. Nestes, economias digitais prosperam, criadores geram rendimento a criar assets, orientar novos membros ou desenvolver ferramentas interativas. Além do entretenimento, estes mundos servem como ambientes de simulação para treinar agentes de IA, robots e, talvez, AGI. O surgimento dos world models marca não só um novo género de jogo, mas um novo meio criativo e económico.

Josh Lu: “O ano do eu”

2026 será “o ano do eu”: o momento em que os produtos deixam de ser produzidos em massa e passam a ser feitos para si.

Já vemos isto em todo o lado.

Na educação, startups como Alphaschool criam tutores de IA que se adaptam ao ritmo e curiosidade de cada aluno, oferecendo educação personalizada. Este nível de atenção era impossível sem milhares de euros por estudante.

Na saúde, IA desenha stacks diários de suplementos, planos de treino e alimentação adaptados à sua biologia. Sem necessidade de treinador ou laboratório.

Nos media, IA permite remixar notícias, programas e histórias em feeds personalizados ao gosto do utilizador.

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

As maiores empresas do próximo século triunfarão ao identificar o indivíduo na média.

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

Emily Bennett: A primeira universidade agent-native

Em 2026, espero assistir ao nascimento da primeira universidade agent-native, construída de raiz em torno de sistemas inteligentes.

Nos últimos anos, universidades experimentaram avaliação, tutoria e agendamento com IA. Agora emerge algo mais profundo: um organismo académico adaptativo que aprende e se otimiza em tempo real.

Imagine uma instituição onde cursos, aconselhamento, investigação e operações se adaptam continuamente com base em feedback de dados. Horários otimizam-se automaticamente. Listas de leitura evoluem todas as noites e reescrevem-se com nova investigação. Percursos de aprendizagem ajustam-se em tempo real ao ritmo e contexto de cada estudante.

Já há sinais. A parceria da ASU com OpenAI gerou centenas de projetos de IA em ensino e administração. SUNY integra literacia em IA nos requisitos curriculares. São os blocos para uma implantação mais profunda.

Na universidade agent-native, professores tornam-se arquitetos da aprendizagem, curando dados, ajustando modelos e ensinando alunos a interrogar máquinas

A avaliação muda também. Ferramentas de deteção e proibição de plágio dão lugar à avaliação consciente de IA, classificando os alunos pelo uso que fazem da IA, não por a terem usado. Transparência e aplicação criteriosa substituem proibição.

À medida que todas as indústrias procuram quem sabe desenhar, governar e colaborar com IA, esta universidade torna-se campo de treino, formando graduados fluentes em orquestração para reforçar uma força de trabalho em rápida transformação.

Esta universidade agent-native será o motor de talento da nova economia.

Fique atento à parte 2 amanhã.

Subscreva

Esta newsletter é apenas informativa, não deve ser considerada aconselhamento jurídico, empresarial, de investimento ou fiscal. Este conteúdo não constitui aconselhamento de investimento, nem se destina a investidores ou potenciais investidores em fundos a16z. Pode conter links para outros sites ou informação de terceiros — a16z não verificou nem garante a atualidade ou precisão dessas informações. Se incluir publicidade de terceiros, a16z não a reviu nem endossa qualquer conteúdo ou empresa publicitária. Os investimentos ou empresas em carteira referidos não representam todos os investimentos em veículos geridos pela a16z; consulte https://a16z.com/investment-list/ para lista completa. Outras informações relevantes em a16z.com/disclosures. Recebe esta newsletter porque subscreveu; para cancelar futuras newsletters, pode fazê-lo de imediato.

Disclaimer:

1. Este artigo é republicado de [a16z]. Todos os direitos de autor pertencem ao autor original [a16z New Media]. Para qualquer objeção, contacte a equipa Gate Learn, que resolverá com brevidade.
2. Declaração de responsabilidade: As opiniões expressas são do autor e não constituem aconselhamento de investimento.
3. Traduções são realizadas pela equipa Gate Learn. Salvo indicação, copiar, distribuir ou plagiar os artigos traduzidos é proibido.