a16z Predicción de las 8 principales tendencias en la industria de las criptomonedas para 2026: auge de las cadenas de privacidad, transformación de las plataformas de intercambio y más

Autor: a16z

Traducido por: Deep潮 TechFlow

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

A continuación, se presentan algunas ideas destacadas en el ámbito de las criptomonedas y las perspectivas de contribuyentes especiales, cubriendo temas desde agentes inteligentes y inteligencia artificial (IA), 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 destino final

Hoy en día, además de las stablecoins y algunas infraestructuras clave, casi todas las empresas de criptomonedas con buen rendimiento se han transformado o están en camino de convertirse en plataformas de intercambio. Sin embargo, 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 podría dejar solo a unos pocos ganadores. Las empresas que se pasaron 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 sus finanzas en orden, 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 a buscar la gratificación instantánea, como en una “prueba de algodón de caramelos”.

El comercio en sí no está mal —es una función importante del mercado—, pero no necesariamente es el objetivo final. Aquellos 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 Criptomonedas de a16z

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

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

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

En contraste, formas de activos sintéticos como los contratos perpetuos (perps) pueden ofrecer mayor liquidez y son más fáciles de implementar. Los contratos perpetuos también proporcionan un mecanismo de apalancamiento fácil de entender, por lo que podrían ser los derivados nativos más adecuados para las necesidades del mercado cripto. Los mercados emergentes de acciones podrían ser uno de los activos más interesantes para “perpetuizar” (perpify). Por ejemplo, en algunos casos, la liquidez en opciones con “cero a vencimiento” (0DTE) puede ser mayor que en el mercado spot, haciendo que la “perpetuización” sea una experiencia valiosa para experimentar.

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

De manera similar, en 2026, veremos más innovaciones en la emisión de stablecoins, no solo en su tokenización. Las stablecoins ya son una corriente principal en 2025, y su emisión continúa creciendo.

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

Ya hemos visto que muchos gestores de activos, curadores y protocolos emergentes están promoviendo 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 resolver estos problemas.

– Guy Wuollet, Socio General del equipo de Criptomonedas 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 reconocer: ya en los años 60 y 70, los bancos fueron pioneros en adoptar grandes sistemas de software. En los 80 y 90, surgieron los segundos sistemas principales, 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 de las bases de datos centrales clave —que registran depósitos, colaterales y otras obligaciones— siguen funcionando en mainframes programados en COBOL, dependientes de 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, confiables para los reguladores y profundamente integrados en operaciones bancarias complejas, también representan un obstáculo para la innovación. Agregar funciones en tiempo real, como pagos instantáneos, puede tomar meses o incluso años, enfrentándose a una gran carga de deuda técnica y regulatoria.

Aquí es donde entra en juego la stablecoin. En los últimos años, las stablecoins encontraron su ajuste producto-mercado y lograron ingresar en el sector financiero tradicional. Este año, las instituciones tradicionales (TradFi) las han adoptado con una renovada aceptación. Las stablecoins, la tokenización de depósitos, bonos y otros instrumentos financieros en cadena permiten a bancos, fintechs y entidades financieras crear nuevos productos y atender a más clientes. Lo más importante es que 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 completamente nueva para la innovación en el sector.

– Sam Broner

Sobre agentes inteligentes y el futuro de la IA

Usando IA para realizar tareas de investigación sustantivas

Como matemático económico, a principios de este año descubrí que era muy difícil hacer que modelos de IA 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 devolvían respuestas completamente nuevas y correctas. Además, empezamos a ver que la IA se usa en áreas de investigación más amplias —especialmente en razonamiento—, donde los modelos no solo ayudan a descubrir, sino que también resuelven de forma autónoma problemas como el 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 la IA generará 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 al menos en ciertos marcos lógicos, pueden guiar en la dirección correcta. Es irónico, pero este método se asemeja a aprovechar el “alucinamiento” de los modelos: cuando estos se vuelven suficientemente “inteligentes”, dejar que exploren libremente en el espacio abstracto, aunque puedan generar tonterías, a veces conduce a descubrimientos revolucionarios, como la creatividad humana al escapar del pensamiento lineal y buscar nuevas direcciones.

Pensar en problemas de esta manera requiere un flujo de trabajo de IA completamente nuevo —no solo un “agente que actúa en nombre de otro”, sino un patrón más complejo de “agentes que envuelven a otros agentes”— donde diferentes niveles de modelos ayudan a los investigadores a evaluar las propuestas iniciales y a refinar progresivamente el contenido valioso. Ya he escrito artículos usando 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 patrón de “agentes que envuelven a otros agentes”, 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, investigador en criptografía de a16z, profesor en Harvard Business School

Impuesto invisible que los agentes de IA imponen a la red abierta

Con el auge de los agentes de IA, una “tasa invisible” está presionando la red abierta y alterando fundamentalmente su base económica. Esta interferencia surge de la creciente asimetría entre la capa de contexto de internet y la capa de ejecución: actualmente, los agentes de IA extraen datos de sitios web de contenido apoyados en publicidad (capa de contexto), facilitando la experiencia del usuario, pero evadiendo 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 contenido que alimenta a la IA), necesitamos desplegar soluciones tecnológicas y económicas a gran escala. Esto puede incluir nuevas formas de patrocinio de contenido, sistemas de microatribución o modelos de financiamiento innovadores. Los acuerdos de autorización de IA existentes también son solo soluciones temporales, que generalmente solo compensan una pequeña parte de los ingresos que pierden los creadores por el flujo de tráfico impulsado por IA.

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 IA.

– Liz Harkavy, equipo de inversión en criptomonedas de a16z

La privacidad como ventaja competitiva

La privacidad se convertirá en la principal ventaja competitiva en el campo de la criptografía

La privacidad es una característica clave para impulsar la adopción global de 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 en día, la privacidad en sí misma ya puede ser una característica diferenciadora en 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 para ser una ventaja, la privacidad se vuelve aún más importante.

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 para cambiar 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 similares, las tarifas de transacción en estas cadenas pueden caer a niveles cercanos a cero por la competencia, mientras que las cadenas con privacidad pueden crear efectos de red más fuertes. La realidad es que, si una “cadena generalista” no tiene un ecosistema maduro, aplicaciones revolucionarias o ventajas de distribución injustas, no hay razón para que los usuarios la elijan o construyan sobre ella, mucho menos que sean leales.

En las cadenas públicas, los usuarios pueden comerciar fácilmente con otros en diferentes cadenas; en cambio, en las cadenas privadas, la elección de la cadena en la que participan es crucial, porque una vez que se unen, es difícil migrar para evitar la exposición de su 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 criptográfico.

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

Otras industrias 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 criptográfica y la inteligencia artificial (IA), 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 obtener probabilidades en tiempo real de elecciones importantes o eventos geopolíticos, sino también predecir resultados detallados y eventos cruzados complejos. A medida que estos nuevos contratos extraigan más información y se integren en el ecosistema de noticias (ya en marcha), 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 criptográfica puede resolver.

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

El potencial de la IA no se limita a los oráculos impulsados por LLM. Por ejemplo, los agentes de IA activos en estas plataformas pueden recopilar señales a nivel global para obtener ventajas en operaciones a corto plazo. Esto no solo nos ayuda a entender el mundo desde nuevas perspectivas, sino también a predecir con mayor precisión las tendencias futuras. (Proyectos como Prophet Arena ya generan entusiasmo en este campo). Además de actuar como analistas políticos complejos, estos agentes de IA pueden revelar los factores fundamentales que predicen eventos sociales complejos, al estudiar las estrategias emergentes.

¿Reemplazarán los mercados predictivos a las encuestas de opinión? No. Más bien, los mejorarán, y la información de las encuestas puede integrarse en los mercados predictivos. Como profesor de economía política, estoy más emocionado por la colaboración entre los mercados predictivos y el ecosistema de encuestas, que puede beneficiarse de nuevas tecnologías como la IA —que mejora la experiencia de las encuestas— y la criptografía, que ofrece nuevas formas de verificar que los participantes son humanos y no bots.

– Andy Hall, Asesor en investigación criptográfica de a16z, profesor en Stanford de economía política

La criptografía se expandirá a nuevas aplicaciones fuera de la cadena de bloques

Durante años, los zkSNARKs (pruebas criptográficas de conocimiento cero, breves y no interactivas, 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: demostrar un cálculo puede requerir 1 millón de veces más trabajo que simplemente ejecutarlo. En escenarios con miles de verificadores, este costo puede justificarse, pero en otros, resulta inviable.

Pero esto 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 —suficiente para correr en teléfonos móviles y 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 fines de 2026, una sola GPU podrá generar en tiempo real una prueba de cálculo ejecutado en 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 alcanza la GPU, o no tienes experiencia, o por razones históricas), podrás obtener pruebas criptográficas de la corrección 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, investigador en criptografía de a16z, profesor asociado de ciencias de la computación en Georgetown University

—— Equipo de edición de criptografía de a16z