a16z: Las tres principales tendencias de la inteligencia artificial en 2026

Autor: a16z crypto

Compilado por: Deep潮 TechFlow

Este año, la IA asumirá más tareas de investigación sustantivas

Como economista matemático, ya en enero de 2025 me resultaba difícil hacer que modelos de IA de consumo comprendieran mi flujo de trabajo; sin embargo, en noviembre de 2025, ya podía dar instrucciones a los modelos de IA de manera similar a cómo se dan instrucciones a un doctorando… y a veces incluso devolvían respuestas novedosas y correctas. Además de mi experiencia personal, la IA se está aplicando cada vez más en el campo de la investigación, especialmente en el ámbito del razonamiento. Estos modelos no solo ayudan directamente en el proceso de descubrimiento, sino que también pueden resolver de forma autónoma problemas complejos como la cuestión de Putnam (quizás el examen de matemáticas universitarias más difícil del mundo).

Aún no está claro en qué campos esta forma de asistencia investigadora será más útil, ni cómo implementarla exactamente. Pero preveo que este año la investigación en IA impulsará y premiará un estilo completamente nuevo de investigación “multifacético”: uno que se centre más en concebir las relaciones entre ideas y que pueda inferir rápidamente a partir de respuestas más hipotéticas.

Estas respuestas pueden no ser completamente precisas, pero aún así pueden guiar la investigación en la dirección correcta (al menos en cierta topología). Irónicamente, esto es algo así como aprovechar el poder de las “alucinaciones” del modelo: cuando el modelo es “suficientemente inteligente”, darle un espacio abstracto para estimular el pensamiento puede seguir produciendo resultados sin sentido—pero a veces también puede llevar a descubrimientos revolucionarios, como cuando los humanos, al no trabajar con un pensamiento lineal o una dirección clara, pueden ser más creativos.

Este tipo de razonamiento requiere un nuevo estilo de flujo de trabajo en IA—no solo una interacción simple “agente con agente”, sino un complejo modo de colaboración “agente anidado en agentes”. En este modo, diferentes niveles de modelos ayudan a los investigadores a evaluar las propuestas de modelos tempranos y a refinar gradualmente las ideas. Yo mismo ya utilizo este método para redactar artículos, mientras otros realizan búsquedas de patentes, inventan nuevas formas de arte, e incluso (lamentablemente) descubren nuevas formas de ataques a contratos inteligentes.

Sin embargo, para operar estas combinaciones de agentes de razonamiento anidados en investigaciones, aún se necesita una mejor interoperabilidad entre modelos y un método para identificar y compensar adecuadamente la contribución de cada uno—y estos problemas quizás puedan resolverse con tecnología blockchain.

—Scott Kominers (@skominers), miembro del equipo de investigación de a16z crypto, profesor en Harvard Business School

De “Conoce a tu cliente” (KYC) a “Conoce a tu agente” (KYA): la transformación en la verificación de identidad

El cuello de botella de la economía de los agentes está cambiando de la inteligencia a la autenticación de identidad. En los servicios financieros, la cantidad de “identidades no humanas” ya supera en 96 veces a la de empleados humanos—sin embargo, estas “identidades” siguen siendo “fantasmas” que no pueden acceder a servicios bancarios.

La infraestructura clave que falta aquí es “Conoce a tu agente” (KYA, Know Your Agent). Así como los humanos necesitan una puntuación de crédito para obtener préstamos, los agentes también necesitan un certificado de firma criptográfica para realizar transacciones—estos certificados vinculan al agente con su entidad, condiciones y responsabilidades. Hasta que esta infraestructura esté en su lugar, los comercios seguirán bloqueando estos agentes en sus cortafuegos.

La industria que ha construido la infraestructura de KYC (Conoce a tu cliente) en las últimas décadas ahora solo tiene unos meses para investigar cómo implementar KYA.

—Sean Neville (@psneville), cofundador de Circle, arquitecto de USDC; CEO de Catena Labs

Resolver el “impuesto invisible” en redes abiertas: los desafíos económicos en la era de la IA

El auge de los agentes de IA está imponiendo un “impuesto invisible” en las redes abiertas, alterando fundamentalmente su base económica. Esta perturbación proviene de la creciente desconexión entre la “capa de contexto” (Context layer) y la “capa de ejecución” (Execution layer) en internet: actualmente, los agentes de IA extraen datos de sitios web apoyados en publicidad (capa de contexto), facilitando la experiencia del usuario, pero evadiendo sistemáticamente las fuentes de ingresos que sustentan el contenido (como anuncios y suscripciones).

Para evitar la decadencia progresiva de las redes abiertas (y proteger la diversidad de contenidos que alimentan a la IA), necesitamos desplegar a gran escala soluciones tecnológicas y económicas. Estas pueden incluir nuevos modelos de patrocinio de contenido, sistemas de microatribución u otros modos innovadores de financiamiento. Sin embargo, los protocolos de autorización de IA existentes ya han demostrado ser insostenibles financieramente, ya que solo compensan una pequeña parte de los ingresos perdidos por los creadores de contenido debido a la redistribución del tráfico de IA.

La red necesita urgentemente un nuevo modelo económico tecnológico que permita que el valor fluya automáticamente. El cambio clave en el próximo año será pasar de un modelo de autorización estático a un mecanismo de compensación basado en el uso en tiempo real. Esto implica probar y ampliar sistemas relacionados—posiblemente utilizando pagos en nano (nanopayments) soportados por blockchain y estándares complejos de atribución—para recompensar automáticamente a las entidades que contribuyen con información para que los agentes de IA completen tareas con éxito.

—Liz Harkavy (@liz_harkavy), equipo de inversión en criptomonedas de a16z