a16z：As três principais tendências de inteligência artificial para 2026

Autor: a16z crypto

Compilado por: Deep潮 TechFlow

Este ano, a IA assumirá mais tarefas de pesquisa substanciais

Como economista matemático, já em janeiro de 2025, era difícil fazer modelos de IA de consumo entenderem meu fluxo de trabalho; no entanto, em novembro de 2025, já podia dar comandos abstratos aos modelos de IA como se estivesse instruindo um doutorando… e às vezes eles retornam respostas inovadoras e corretas. Além da minha experiência pessoal, a IA está sendo aplicada de forma mais ampla na pesquisa, especialmente na área de raciocínio. Esses modelos não apenas auxiliam diretamente no processo de descoberta, mas também podem resolver autonomamente problemas difíceis, como a questão de Putnam (talvez o exame de matemática universitária mais difícil do mundo).

Ainda não está claro em quais áreas esse suporte à pesquisa trará maior benefício, nem como exatamente será implementado. Mas prevejo que, neste ano, a pesquisa com IA impulsionará e premiará um estilo totalmente novo de investigação: um estilo mais focado em conceber as relações entre várias ideias e capaz de inferir rapidamente a partir de respostas mais hipotéticas.

Essas respostas podem não ser totalmente precisas, mas ainda assim podem orientar a pesquisa na direção certa (pelo menos sob alguma estrutura topológica). Ironicamente, isso é um pouco como usar o poder das “alucinações” do modelo: quando o modelo é “suficientemente inteligente”, dar-lhe espaço abstrato para estimular o pensamento pode ainda gerar resultados sem sentido — mas às vezes também leva a descobertas revolucionárias, assim como os humanos, ao trabalhar fora de uma lógica linear ou de um caminho claro, podem ser mais criativos.

Raciocinar dessa forma exige um novo estilo de fluxo de trabalho com IA — não apenas uma interação simples de “agente com agente”, mas uma colaboração complexa de “agente aninhado em agente”. Nesse modelo, diferentes camadas de modelos ajudam os pesquisadores a avaliar as propostas de modelos iniciais e a refinar gradualmente as ideias. Eu mesmo já uso esse método para escrever artigos, enquanto outros realizam buscas de patentes, inventam novas formas de arte, e até (infelizmente) descobrem novas formas de ataques a contratos inteligentes.

No entanto, para manipular essas combinações de agentes de raciocínio aninhados para pesquisa, ainda é necessário melhorar a interoperabilidade entre modelos e desenvolver métodos para identificar e compensar adequadamente a contribuição de cada um — questões que a tecnologia blockchain talvez possa ajudar a resolver.

— Scott Kominers (@skominers), membro da equipe de pesquisa da a16z crypto, professor na Harvard Business School

De “Conheça seu Cliente” (KYC) para “Conheça seu Agente” (KYA): a mudança na verificação de identidade

O gargalo na economia de agentes está mudando de inteligência para autenticação de identidade. No setor de serviços financeiros, o número de “identidades não humanas” já ultrapassou 96 vezes o número de funcionários humanos — no entanto, essas “identidades” ainda são “fantasmas” que não conseguem acesso a serviços bancários.

A infraestrutura chave que falta aqui é “Conheça seu Agente” (KYA). Assim como os humanos precisam de uma pontuação de crédito para obter empréstimos, os agentes também precisam de credenciais assinadas por criptografia para realizar transações — essas credenciais vinculam o agente ao seu sujeito, às condições de restrição e às responsabilidades. Antes que essa infraestrutura seja estabelecida, os comerciantes continuarão a bloquear esses agentes na firewall.

Nos últimos décadas, a indústria que construiu a infraestrutura de KYC (Conheça seu Cliente) agora tem apenas alguns meses para pesquisar como implementar o KYA.

— Sean Neville (@psneville), cofundador da Circle, arquiteto do USDC; CEO da Catena Labs

Resolver o “imposto invisível” na rede aberta: os desafios econômicos na era da IA

A ascensão dos agentes de IA está impondo um “imposto invisível” na rede aberta, perturbando fundamentalmente sua base econômica. Essa perturbação decorre do crescente descompasso entre a “camada de contexto” (Context layer) e a “camada de execução” (Execution layer): atualmente, os agentes de IA extraem dados de sites apoiados por publicidade (camada de contexto), oferecendo conveniência aos usuários, mas contornando sistematicamente as fontes de receita que sustentam o conteúdo (como anúncios e assinaturas).

Para evitar o declínio gradual da rede aberta (e proteger os diversos conteúdos que alimentam a IA), precisamos implementar soluções tecnológicas e econômicas em larga escala. Essas soluções podem incluir o próximo padrão de conteúdo patrocinado, sistemas de microatribuição ou outros modelos inovadores de financiamento. No entanto, os protocolos de autorização de IA existentes já demonstraram ser financeiramente insustentáveis, pois geralmente apenas compensam uma pequena parte da receita perdida pelos provedores de conteúdo devido à redistribuição de tráfego de IA.

A rede precisa urgentemente de um novo modelo econômico tecnológico, onde o valor possa fluir automaticamente. A mudança chave no próximo ano será de um modelo de autorização estático para um mecanismo de compensação baseado no uso em tempo real. Isso exige testar e expandir sistemas relacionados — possivelmente usando pagamentos em nano (nanopayments) suportados por blockchain e padrões complexos de atribuição — para recompensar automaticamente cada entidade que contribui com informações para o sucesso de uma tarefa de um agente de IA.

— Liz Harkavy (@liz_harkavy), equipe de investimentos em criptomoedas da a16z