a16z prevê: em 2026, a IA evoluirá de uma “ferramenta” para uma “infraestrutura da nova economia”

Autor: a16z crypto

Compilação: Deep潮 TechFlow

Título original: a16z: As três principais tendências da inteligência artificial em 2026

Este ano, a IA assumirá mais tarefas de pesquisa substanciais

Como economista matemático, 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 novas 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 só auxiliam diretamente no processo de descoberta, como 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 essa assistência à pesquisa será mais útil, nem como exatamente será implementada. Mas prevejo que, neste ano, a pesquisa em IA impulsionará e premiará um novo estilo de investigação “multifacetado”: esse estilo foca mais em conceber as relações entre várias ideias e consegue fazer inferências rápidas 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 topologia). Ironicamente, isso é um pouco como usar o poder de “alucinação” dos modelos: quando eles “são inteligentes o suficiente”, dar-lhes 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 de forma não linear ou sem um caminho claro, podem ser mais criativos.

Esse tipo de raciocínio exige um novo estilo de fluxo de trabalho em IA — não apenas uma interação simples “agente com agente”, mas uma colaboração complexa de “agente com agentes aninhados”. Nesse modelo, diferentes camadas de modelos ajudam os pesquisadores a avaliar as propostas iniciais e a refinar as ideias ao longo do tempo. Eu mesmo já uso essa abordagem para escrever artigos, enquanto outros a empregam em buscas de patentes, na invenção de novas formas de arte, e até (infelizmente) na descoberta de novas formas de ataque a contratos inteligentes.

No entanto, para manipular essas combinações de agentes de raciocínio aninhados para pesquisa, ainda é preciso melhorar a interoperabilidade entre modelos e desenvolver métodos para identificar e compensar adequadamente a contribuição de cada um — e esses problemas podem ser ajudados pela tecnologia blockchain.

— 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 autenticação de identidade

O gargalo da 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 bloqueando esses agentes na firewall.

Nos últimos anos, 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

O crescimento dos agentes de IA está impondo um “imposto invisível” na rede aberta, perturbando fundamentalmente sua base econômica. Essa perturbação decorre do aumento do 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 sistematicamente contornando as fontes de receita que sustentam o conteúdo (como publicidade e assinaturas).

Para evitar o declínio progressivo da rede aberta (e proteger os diversos conteúdos que alimentam a IA), precisamos implementar em larga escala soluções tecnológicas e econômicas. Essas podem incluir novos modelos de patrocínio de conteúdo, sistemas de microatribuição ou outros mecanismos de financiamento inovadores. 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 que permita o fluxo automático de valor. Nos próximos anos, a mudança-chave 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 nanopagamentos 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