a16z Predicciones de 8 tendencias para 2026: stablecoins, IA, privacidad y más ideas transformadoras

Autor: a16z

Traducido por: Deep潮 TechFlow

a16z (Andreessen Horowitz) publicó recientemente su lista de “Grandes Ideas” que podrían surgir en el campo tecnológico para 2026, propuestas por sus socios en Apps, American Dynamism, Biotecnología, Criptomonedas, Growth, Infraestructura y Speedrun.

A continuación, algunas ideas destacadas en el ámbito de las criptomonedas y las perspectivas de colaboradores especiales, cubriendo temas desde agentes inteligentes y AI, stablecoins, tokenización y finanzas, privacidad y seguridad, hasta mercados predictivos y otras aplicaciones. Si deseas conocer más sobre las perspectivas tecnológicas para 2026, lee el artículo completo.

Construyendo el futuro

Las plataformas de intercambio son solo el comienzo, no el fin

Hoy en día, salvo por stablecoins y algunas infraestructuras clave, casi todas las empresas de criptomonedas que funcionan bien se han transformado o están en camino de convertirse en plataformas de intercambio. Pero, si “cada empresa de criptomonedas se convierte en una plataforma de intercambio”, ¿cuál será el resultado final? La competencia homogénea dispersará la atención de los usuarios y probablemente solo quedarán unos pocos ganadores. Las empresas que se pasen demasiado pronto a los intercambios podrían perder la oportunidad de construir modelos de negocio más competitivos y duraderos.

Entiendo muy bien la difícil situación de los fundadores que trabajan para mantener las finanzas de sus empresas en buen estado, pero perseguir solo el ajuste producto-mercado (Product-Market Fit) a corto plazo también tiene sus costos. En la industria de las criptomonedas, este problema es especialmente agudo, ya que las dinámicas únicas en torno a los tokens y la especulación suelen llevar a los fundadores por el camino de la “satisfacción instantánea”, como una prueba de algodón.

El comercio en sí no está mal —es una función importante del mercado—, pero no necesariamente es el objetivo final. Los fundadores que se enfoquen en el producto en sí y busquen el ajuste a largo plazo, podrían terminar siendo los grandes ganadores.

– Arianna Simpson, Socia General del equipo de Cripto de a16z

Nuevas reflexiones sobre stablecoins, tokenización de RWA, pagos y finanzas

Pensando en activos del mundo real (RWA) y stablecoins desde una perspectiva más nativa de criptomonedas

Hemos visto interés en que bancos, fintechs y gestores de activos tokenicen acciones estadounidenses, commodities, índices y otros activos tradicionales en la cadena. Sin embargo, a medida que más activos tradicionales se llevan a blockchain, su tokenización suele ser “objetual” —basada en conceptos existentes de activos del mundo real, sin aprovechar plenamente las características nativas de las criptomonedas.

En cambio, activos sintéticos como los contratos perpetuos (perps) ofrecen mayor liquidez y son más sencillos de implementar. Además, proporcionan un mecanismo de apalancamiento fácil de entender, por lo que podrían ser los derivados nativos más adecuados para el mercado cripto. Las acciones en mercados emergentes quizás sean una de las clases de activos más interesantes para “perpetuizar” (perpify). Por ejemplo, en algunos casos, la liquidez en opciones con “cero a vencimiento” (0DTE) supera a la del mercado spot, haciendo que la “perpetuización” sea una experiencia a explorar.

En última instancia, todo se reduce a la elección entre “perpetuizar vs. tokenizar”; en cualquier caso, esperamos ver más tokenización de activos del mundo real nativos de criptomonedas en el próximo año.

De manera similar, en 2026, el campo de las stablecoins también verá más “innovaciones en emisión, no solo en tokenización”. Las stablecoins ya son una corriente principal en 2025, con volúmenes en constante crecimiento.

No obstante, las stablecoins sin una infraestructura de crédito sólida se parecen más a “bancos estrechos” (narrow banks), que mantienen activos altamente líquidos y considerados extremadamente seguros. Aunque los bancos estrechos son un producto eficiente, no creo que sean la base a largo plazo de la economía en cadena.

Ya hemos visto a muchos gestores de activos, curadores y protocolos emergentes impulsar préstamos respaldados por activos en cadena, garantizados por colaterales fuera de la cadena. Normalmente, estos préstamos se generan fuera de la cadena y luego se tokenizan. Sin embargo, creo que esta forma de tokenización tiene ventajas limitadas, principalmente en la distribución a usuarios ya en la cadena. Por ello, los activos de deuda deberían generarse directamente en la cadena, en lugar de crearse fuera y luego tokenizarse. La generación en cadena puede reducir costos de servicio de préstamos, costos de infraestructura y mejorar la accesibilidad. Los desafíos son la regulación y la estandarización, pero los desarrolladores ya trabajan en ello.

– Guy Wuollet, Socio General del equipo de Cripto de a16z

Las stablecoins impulsan la actualización del núcleo de los bancos y abren nuevos escenarios de pago

Hoy en día, la mayoría de los bancos aún operan con sistemas antiguos que los desarrolladores modernos apenas pueden entender: desde los años 60 y 70, los bancos fueron adoptantes tempranos de grandes sistemas de software. En los 80 y 90, surgieron las segundas generaciones de software bancario (como GLOBUS de Temenos y Finacle de Infosys). Sin embargo, estos sistemas se han ido envejeciendo y su actualización es demasiado lenta. Por ello, muchas bases de datos centrales que registran depósitos, colaterales y obligaciones aún funcionan en mainframes programados en COBOL, con interfaces de procesamiento por lotes en lugar de APIs modernas.

La mayoría de los activos aún se almacenan en estos sistemas centrales con décadas de antigüedad. Aunque han sido probados en la práctica, ganaron la confianza de los reguladores y están profundamente integrados en operaciones bancarias complejas, también representan un obstáculo para la innovación. Agregar funciones en tiempo real, como pagos instantáneos, puede tardar meses o años, además de enfrentar una gran deuda técnica y regulatoria.

Aquí es donde entran las stablecoins. En los últimos años, han encontrado su ajuste producto-mercado y han logrado ingresar en el sector financiero tradicional. Este año, las instituciones tradicionales (TradFi) las han adoptado con un renovado entusiasmo. Las stablecoins, la tokenización de depósitos, bonos del Estado tokenizados y bonos en cadena permiten a bancos, fintechs y otras instituciones crear nuevos productos y atender a más clientes. Lo más importante: estas innovaciones no requieren que las instituciones rehagan sus sistemas heredados —que, aunque envejecidos, han funcionado con estabilidad durante décadas—. Las stablecoins ofrecen una vía de innovación completamente nueva para las instituciones.

– Sam Broner

Sobre el futuro de los agentes inteligentes y AI

Utilizar AI para realizar tareas de investigación sustantivas

Como matemático económico, a principios de año me resultaba muy difícil hacer que modelos de AI de consumo comprendieran mi flujo de trabajo; sin embargo, en noviembre ya podía dar instrucciones abstractas a los modelos como si fuera un doctorando… y a veces obtenía respuestas nuevas y correctas. Además, empezamos a ver AI en un rango más amplio de investigación, especialmente en razonamiento: los modelos ahora no solo ayudan a descubrir, sino que también resuelven de forma autónoma problemas como las preguntas de Putnam (quizá el examen de matemáticas universitarias más difícil del mundo).

Lo que aún no está claro es en qué áreas esta asistencia en investigación será más útil y cómo. Pero preveo que la capacidad investigadora de AI impulsará y motivará un nuevo estilo de “científico erudito”: más propenso a inferir relaciones entre ideas y a deducir rápidamente a partir de respuestas más hipotéticas. Estas respuestas pueden no ser completamente precisas, pero en ciertos marcos lógicos, pueden guiar en la dirección correcta. Es irónico, pero este método se asemeja a aprovechar el “alucinamiento” del modelo: cuando estos modelos se vuelven lo suficientemente “inteligentes”, dejarles explorar libremente en el espacio abstracto, aunque produzcan tonterías, a veces puede llevar a descubrimientos revolucionarios, como la creatividad humana al escapar del pensamiento lineal y buscar nuevas direcciones.

Pensar de esta forma requiere un flujo de trabajo de AI completamente nuevo —no solo un “agente que actúa en nombre de otro”, sino un esquema más complejo de “agentes que envuelven a otros agentes”— donde diferentes niveles de modelos ayudan a los investigadores a evaluar las propuestas iniciales y extraer contenido valioso. Ya he escrito artículos con este método, y otros lo usan para búsquedas de patentes, inventar nuevas formas de arte, e incluso (lamentablemente) descubrir nuevas formas de ataques a contratos inteligentes.

Pero para que funcione este modo de “agentes envolventes” en investigación, se necesita mejorar la interoperabilidad entre modelos y encontrar formas de identificar y compensar razonablemente las contribuciones de cada uno — problemas que la tecnología criptográfica puede ayudar a resolver.

– Scott Kominers, Miembro del equipo de investigación en Cripto de a16z, profesor en Harvard Business School

El impuesto invisible que los agentes de AI imponen a la red abierta

Con el auge de los agentes de AI, se está imponiendo un “impuesto invisible” que oprime la red abierta y trastoca sus fundamentos económicos. Esta interferencia surge de la creciente asimetría entre la capa de contexto de internet y la capa de ejecución: actualmente, los agentes de AI extraen datos de sitios de contenido apoyados en publicidad (capa de contexto), facilitando la experiencia del usuario, pero esquivando sistemáticamente las fuentes de ingresos que sustentan la creación de contenido (como anuncios y suscripciones).

Para evitar un mayor declive de la red abierta (y proteger la diversidad de contenidos que alimentan a la AI), necesitamos desplegar soluciones tecnológicas y económicas a gran escala. Esto puede incluir nuevas formas de patrocinio, sistemas de micro-atribución o modelos de financiamiento innovadores. Los protocolos de autorización de AI existentes solo ofrecen soluciones temporales, que suelen compensar solo una pequeña parte de los ingresos que pierden los creadores por el flujo de tráfico de AI.

La red necesita un nuevo modelo económico tecnológico que permita que el valor fluya automáticamente. El cambio más importante en 2024 será la transición de un modelo de autorización estático a uno basado en compensaciones en tiempo real por uso. Esto requiere probar y escalar sistemas —posiblemente usando micropagos en blockchain y estándares complejos de atribución— para recompensar automáticamente a cada entidad que contribuya con información valiosa en tareas realizadas por agentes de AI.

– Liz Harkavy, Inversionista en Cripto de a16z

La privacidad como ventaja competitiva

La privacidad será la principal ventaja competitiva en el campo de la criptografía

La privacidad es una de las características clave que impulsan la adopción global de las finanzas en cadena. Sin embargo, también es un elemento que casi todos los blockchains actuales carecen. Para la mayoría, la privacidad suele ser un problema secundario que se considera solo después.

Pero hoy, la privacidad en sí misma puede convertirse en una característica diferenciadora de los blockchains. Más aún, puede generar un “efecto de cadena” (chain lock-in) o un efecto de red de privacidad. En una era donde la competencia en rendimiento ya no es suficiente, la privacidad se vuelve aún más crucial.

Con protocolos de puentes entre cadenas, si toda la información es pública, transferir activos entre cadenas es muy sencillo. Pero, una vez que se introduce la privacidad, esa conveniencia desaparece: transferir tokens entre cadenas es fácil, pero mantener la privacidad en esas transferencias es extremadamente difícil. Cuando los usuarios entran o salen de una cadena privada, ya sea cambiando a una cadena pública o a otra privada, enfrentan riesgos, ya que quienes observan los datos en cadena, en la memoria (mempool) o en el tráfico de red, podrían deducir su identidad. Cruzar los límites entre cadenas privadas y públicas, o entre cadenas privadas, puede revelar metadatos como la hora y el monto de las transacciones, facilitando el rastreo de usuarios.

En comparación con muchas cadenas nuevas y homogéneas, las cadenas con privacidad pueden tener tarifas de transacción muy bajas debido a la competencia, y las cadenas con características de privacidad pueden crear efectos de red más fuertes. La realidad es que, si una “cadena generalista” no tiene un ecosistema maduro, aplicaciones innovadoras o ventajas de distribución desleal, no hay muchas razones para que los usuarios la elijan o construyan sobre ella, mucho menos para que sean leales.

En blockchains públicas, los usuarios pueden comerciar fácilmente con otros en diferentes cadenas; la elección de qué cadena usar no es tan importante. Pero en cadenas privadas, la elección de la cadena en la que se unen es crucial, porque una vez dentro, es poco probable que cambien para evitar riesgos de privacidad. Esto crea una dinámica de “ganador se lleva todo”. Dado que la privacidad es fundamental en muchas aplicaciones del mundo real, unas pocas cadenas privadas pueden terminar dominando el espacio cripto.

– Ali Yahya, Socio General del equipo de Cripto de a16z

Otros sectores y aplicaciones

Los mercados predictivos serán más grandes, más amplios y más inteligentes

Los mercados predictivos ya están en la corriente principal, y en el próximo año, con la convergencia con la tecnología cripto y la AI, serán más grandes, más diversos y más inteligentes, además de presentar nuevos desafíos para los desarrolladores.

Primero, habrá más contratos listados en los mercados predictivos. Esto significa que no solo podremos ver cuotas en tiempo real para elecciones importantes o eventos geopolíticos, sino también predecir resultados más detallados y eventos cruzados complejos. A medida que estos contratos extraigan más información y se integren en el ecosistema de noticias (una tendencia que ya empezó), plantearán importantes cuestiones sociales, como cómo equilibrar el valor de la información y cómo diseñar estos mercados para que sean más transparentes y auditables — problemas que la tecnología cripto puede resolver.

Para gestionar la gran cantidad de nuevos contratos, necesitaremos nuevas formas de alcanzar consenso sobre eventos reales. Los enfoques centralizados (como verificar si un evento ocurrió realmente) son importantes, pero casos como el mercado de Zelensky o las elecciones en Venezuela muestran sus limitaciones. Para abordar estos casos extremos y expandir los mercados predictivos a más aplicaciones prácticas, nuevas formas de gobernanza descentralizada y oráculos con modelos de lenguaje grande (LLM) pueden ayudar a determinar la verdad en resultados controvertidos.

El potencial de la AI no se limita a los oráculos impulsados por LLM. Por ejemplo, los agentes de AI activos en estos mercados pueden recopilar señales a nivel global para obtener ventajas en operaciones a corto plazo. Esto no solo nos ayuda a entender mejor el mundo, sino también a predecir con mayor precisión las tendencias futuras (proyectos como Prophet Arena ya generan expectativas). Además de actuar como analistas políticos complejos, estos agentes de AI pueden revelar los factores fundamentales en la predicción de eventos sociales complejos.

¿Reemplazarán los mercados predictivos a las encuestas? No. Al contrario, los harán mejores (y la información de las encuestas puede integrarse en los mercados). Como profesor de economía política, estoy más entusiasmado con la colaboración entre mercados predictivos y un ecosistema vibrante de encuestas — pero esto requiere nuevas tecnologías, como AI, para mejorar la experiencia de las encuestas, y tecnologías cripto para verificar que los participantes son humanos y no bots.

– Andy Hall, Asesor en Cripto de a16z, Profesor de Economía Política en Stanford

La tecnología cripto se extenderá a aplicaciones completamente nuevas fuera de la cadena

Durante años, los zkSNARKs (pruebas criptográficas de conocimiento cero, que permiten verificar la corrección de un cálculo sin volver a ejecutarlo) se han usado principalmente en blockchain. Esto se debe a que su costo computacional es muy alto: probar un cálculo puede costar hasta un millón de veces más que ejecutarlo directamente. En escenarios con miles de verificadores, ese costo puede justificarse, pero en otros, resulta inviable.

Eso cambiará pronto. Para 2026, los generadores de pruebas zkVM (máquinas virtuales de conocimiento cero) reducirán su costo computacional a unas 10,000 veces, y su uso de memoria será de solo unos cientos de megabytes —lo suficiente para correr en teléfonos móviles y lo bastante barato para muchas aplicaciones. Hay una razón por la que “10,000 veces” puede ser un umbral clave: la capacidad de procesamiento paralelo de las GPU de alta gama es aproximadamente 10,000 veces la de una CPU de portátil. Para finales de 2026, una sola GPU podrá generar en tiempo real pruebas de cálculos realizados por CPU.

Esto desbloqueará visiones de computación verificable en la nube, como se propuso en investigaciones tempranas: si ya ejecutas cargas de trabajo en la nube en CPU (porque no te conviene usar GPU o no tienes experiencia en ello), podrás obtener pruebas criptográficas de la correcto funcionamiento de tus cálculos a un costo razonable. Además, los generadores de pruebas ya están optimizados para GPU, por lo que tu código no necesita cambios adicionales.

– Justin Thaler, Miembro del equipo de Cripto de a16z, Profesor asociado en Ciencias de la Computación en Georgetown