Mês: Janeiro 2026

Publicado em

O Futuro do SaaS e o Dilema Entre Gerações

Recentemente, compartilhei no LinkedIn sobre um certo otimismo meu em relação à liquidez no mercado de VC para esse ano que começou e para o Brasil, com os arquivamentos de pedidos da Agibank e PicPay.

Mas uma questão que não sai da minha cabeça é: dado o hype e a atenção massiva em IA, o que acontecerá com a safra de empresas SaaS da “geração anterior”?

Tenho pensado e lido sobre isso nas últimas semanas. Vou compartilhar aqui algumas reflexões sobre o momento atual do SaaS, o que alguns números dizem, o sentimento do mercado, e onde eu ainda vejo criação de valor com SaaS e o que fazer.

O momento do SaaS

O modelo SaaS, como investimento de alto crescimento, está sendo questionado no mercado. Múltiplos de valuation começam a refletir isso.

Do lado do futuro da criação de valor do modelo, o Chamath trouxe a tese de Meltdown de SaaS, um pouco catastrófica, mas que fala sobre o momento e a onda que o mercado está surfando. As empresas de IA estão reescrevendo os modelos, as teses, os benchmarks de margem e crescimento, deixando menos competitivo o modelo tradicional de software. O indíces de mercado Nasdaq 100 vs. MS SaaS Index mostram isso.

De um lado da maturidade do modelo, vemos também questionamentos. Grandes empresas e consolidadoras de software, como a Constellation — que eram teses queridas de aquisição de SaaS — agora são questionadas: “várias empresas pequenas nota 5 não se tornam uma empresa nota 10 quando juntas. São na verdade uma empresa nota 5 grande”.

O que os números dizem

Um dado do recente relatório da Avenir (“The Future of SaaS – A Fork in the Road”) mostra que a mediana de crescimento de empresas SaaS vem caindo bastante. Hoje está em 15% ao ano.

O curioso é que essa redução do crescimento começa antes do ChatGPT. Existem empresas que conseguiram se remodelar e reposicionar seus produtos, como Atlassian ou Zapier, que me vêm à mente. Mas, na mediana, parece que as empresas SaaS ficaram atrasadas (ou céticas?) com a transformação da IA e demoraram para se mover.

Outro dado importante: Alex Clayton, analista de empresas SaaS da Meritech, mostra que cerca de 70% das maiores empresas SaaS públicas americanas estão sendo negociadas abaixo de 5x receita. Isso significa que a mediana de múltiplo que um investidor late-stage vai ter no momento de uma saída é de menos de 5x.

Mostrar Imagem

Por outro lado, estamos vendo empresas de IA crescerem o ARR de $0-$100 milhões tão rápido como nunca. Mesmo empresas com bases maiores, como a Anthropic, que foi de $1bn a $10bn de ARR, estão crescendo 10x em um ano.

Isso cria um sentimento e movimento de investidores no mercado.

Sobre o sentimento do mercado

Essa atenção e hype da IA está movendo o fluxo de investimentos e, segundo alguns investidores, esse é o principal fator da redução dos valuations das ações de SaaS pública. Segundo ele, é um balanceamento de portfólio que vende software e compra IA. A confiança e atratividade reduziram. É momentâneo? Eu não apostaria. É um sentimento atual, mas que diz mais coisa.

Além dos números das empresas públicas e do sentimento, no geral, vemos que o SaaS sofre um efeito quase de disrupção. Soluções SaaS de gestão de empresas, por exemplo, estão sendo desagregadas em soluções de IA que executam as tarefas diretamente, o que chamei de unbundling dos fluxos de trabalho.

E agora?

Sem querer ser catastrófico como Chamath, mas, realmente, “a IA está engolindo software”.

Vejo a IA atacando principalmente por dois lados:

  1. Reduzir a força de trabalho, e com isso menos usuários pagantes por empresa para o modelo SaaS.
  2. Novos modelos de negócio, baseados em System of Action, onde a entrega é a tarefa e o resultado. Com nova interface e maior produtividade, além do hype que traz atenção, isso já está gerando resultado.

Como SaaS, não adianta apenas adicionar uma feature de IA. É preciso escolher.

Ou, se a empresa tem uma posição de mercado e alguma barreira para se proteger, você abraça a ideia de que seu negócio agora é uma empresa tradicional, de uma geração passada, e passa a focar em lucro e maturidade.

Ou, se não tiver vantagens competitivas ou barreiras, é preciso se transformar se quiser entrar no novo tabuleiro.

É difícil. Já vimos isso em outras ondas de transformação. É preciso mudança cultural e de mindset dos líderes dentro das empresas. Quem quiser jogar o jogo precisa transformar radicalmente, correr riscos. Como alguns dizem: “é preciso matar o seu próprio negócio”.

Se ficar no meio dos dois, o fato de não acompanhar a expectativa dos clientes fará provavelmente o seu PMF enfraquecer.

Quem está nesse modo de guerra e quer ser uma empresa AI-native, vejo três frentes de trabalho a implementar o quanto antes:

1) Usar IA para processos internos (desenvolvimento, marketing, vendas, financeiro, RH). Aqui é o ponto de partida, onde, no mínimo, é possível ser mais produtivo e eficiente, e começar a explorar. As oportunidades são enormes.

2) Desenvolver novos produtos. Mas não vibe coding. O foco deve ser no valor, no problema, no cliente, e não na tecnologia ou mágica. Ser capaz de construir um produto e de entender a melhor forma de resolver um problema são coisas diferentes. É preciso ter uma perspectiva única (taste), que vale a pena o cliente investir os recursos dele.

3) Pensar e estar pronto para o futuro. Aqui é mais difícil cravar algo. Cada founder deve saber melhor do que ninguém o seu jogo, e para onde vai o seu mercado. Algumas teses para produtos de IA (longe de ser exaustivo):

  • Context graphs, e como deixar colaborativo e portátil os contextos
  • Desenvolver para agent-friendly ou agent-experience — APIs robustas, documentação clara
  • Construir no ambiente físico com hardware e robótica, onde a interface é única e fora do digital

Aterrissando para o Brasil, o que acho que não muda tão cedo

Algumas ideias, fora dessa discussão, que ainda vejo oportunidades para empresas de software locais.

Soluções verticalizadas e tropicalizadas para o Brasil:

Um software vertical tem profundidade e domínio específico em um mercado ou setor, gerenciando fluxos de trabalho importantes como compliance, cobrança, gestão de clientes, segurança, logística.

O Brasil tem peculiaridades nessas áreas. Acredito que o diferencial de conhecimento — seja de dores, processos ou regulamentações — é um ativo real.

Vejo grande oportunidade em soluções que atuam verticalmente dentro de mercados que fazem o Brasil ser o Brasil. De um lado, atendem regulamentações, certificações, processos locais. De outro, criam efeitos de rede e expertise de dados. Isso ainda deve ser um moat para tecnologia ou soluções de fora.

Distribuição e marca:

Tem muito ruído. Cada semana surge um lançamento de modelo ou ferramenta nova.

Dito isso, tenho visto muitos founders desenvolvendo para a nova tecnologia ou nos modelos. Quanto mais o valor avança para aplicações, mais distribuição e marca serão importantes. Acredito que em algum momento, quando a tecnologia se estabilizar e a atenção for mais nas aplicações, distribuição vai ser chave.

O SaaS não acabou. Mas o jogo claramente mudou, e é preciso se transformar se ainda não começou.

Isso reflete em valuations, que vai refletir na atratividade de investimentos para esse perfil de empresa. O investimento de risco está desaparecendo para empresas.

Nesses momentos em que mercados são questionados, as empresas se voltam para um equilíbrio do Rule of 40 que contemple boa rentabilidade. Então ou você abraça que não é um negócio de risco e busca retorno claro com equilíbrio de crescimento e margem, ou você se transforma radicalmente para jogar no novo tabuleiro.

O que não funciona é ficar no meio do caminho.

E seja qual for o caminho, o Brasil ainda tem espaço para software vertical bem executado. E pensar na distribuição pode ser uma forma de se diferenciar nos próximos anos.

Publicado em

O Unbundling do Mercado de IA

Tenho refletido sobre o movimento de unbundling e rebundling que está acontecendo nos últimos anos. Eu expliquei esse conceito nesse post de 2020. Basicamente, os mercados de soluções de software seguem ondas de unbundling e (re)bundling (desagregação e agregação), e nessas inflexões, com o desembaralho do mercado, costuma ser o momento de enxergar e apostar em disrupção.

“empresas começaram a desagregar a sua cadeia de valor, com desmembramento de ativos de produção, ou de distribuição do seu negócios. Dessa forma, ganham maior eficiência e competitividade em custos. Isso aconteceu historicamente com o outsourcing (terceirização) de diversas funções como, por exemplo, produção industrial, distribuição, atendimento e call centers, gerando oportunidade de novos negócios.

Com a internet e tecnologias digitais, surgiu uma segunda onda de desagregação. Nela, algumas empresas estagnadas, com soluções não tão eficientes, começaram a ver seus negócios serem desmembrados e atacados, em partes, por empresas menores e especializadas em solucionar problema específicos.”

No texto, eu comento do Craiglist e do mercado financeiro/fintech do Brasil que sofreram claros unbundling na última década. Era claro enxergar isso acontecendo na era dos SaaS e dos marketplaces. A ideia era pegar uma cadeia de valor ineficiente e criar novas soluções, ou até micro soluções focadas e especializadas, para gerar mais valor e gerenciar pontos de transação específicos(unbundling) para dominá-los e consolidá-los (rebundling). Mas, nessa era não muito distante, era sobre a gestão das tarefas e dos dados, muito supervisionado e executado por humanos.

Eu tenho pensado em Inteligência Artificial, é que, com o ataque ao trabalho em si, a execução das tarefas ou à mão de obra, a natureza desse unbundling é um pouco diferente.

O Unbundling do Workflow

No paradigma anterior do SaaS, o software vendia a gestão de fluxo de trabalho. Salesforce não vende “vendas”, vende uma ferramenta para gerenciar as vendas. E assim vai para diversas outras soluções de software.

A IA, com a automação e sua capacidade de cognição, é capaz de atuar nas tarefas ou no trabalho. Então, nesse ponto de “unbundling,” ela vem para fatiar o serviço ou trabalho em tarefas, não meramente a gestão dele. E o trabalho mais repetitivo e ineficiente tende a ser o ponto de partida.

E, como mencionei no último artigo da nota acima de Context Graph, a batalha é para dominar essas tarefas, com o melhor domínio e maior velocidade, se integrando ao fluxo de trabalho e ecossistema.

Para quem está construindo, eu vejo algumas diretrizes:

  • Importante começar atacando uma tarefa repetitiva e ineficiente. Pensar qual fluxo de trabalho manual e custoso eu posso fatiar e penetrar.
  • O foco não é necessariamente um nicho de mercado, mas um workflow. Por isso, hoje em dia, o conhecimento dos processos de uma indústria ou vertical é tão ou mais relevante que um conhecimento técnico.
  • Não tem problema em ser um AI Wrapper, pois as interfaces mais generalistas falham em workflows com maior especificidade. Mas, sendo um AI Wrapper, é importante estudar e ter em mente os roadmaps das grandes plataformas e LLM, e evitar estar no caminho delas. Além disso, é importante tratar IA como o ofício, com princípio de arquitetura e engenharia, e não como apenas uma mágica.
  • E, por fim, o mais relevante para quem quer construir algo grande é visualizar o end-game como uma plataforma completa – como o gráfico acima mostra, Platform Lock-in. Se não, provavelmente a sua solução se tornará uma feature de alguma outra plataforma. Pense como pode avançar no workflow e expandir, por exemplo, do uso do indivíduo para uso de toda a equipe, para uso de toda a área, para uso de toda a empresa e para uso de todo o mercado.
Publicado em

Oportunidades de IA com Context Graphs

Esse é um assunto que surgiu da turma da Foundation Capital no final de dezembro, e rapidamente levantou discussões entre investidores e founders de IA, dada a clareza de uma tese e seu potencial. Na minha opinião, é uma perspectiva muito interessante sobre para onde está indo o desenvolvimento de IA e agentes para empresas.

Context is the next data platform—and why context graphs are key to understanding processes
Context is the next data platform—and why context graphs are key to understanding processes – Glean CEO

Atualmente, a maioria dos Systems of Records das empresas operam com dados estáticos. Apesar de conseguirmos registrar bem os dados do “o quê” (o dado final, como deals perdidos no CRM, registros e informações básicas de clientes), perdemos completamente o como e o porquê do negócio. Às vezes até registramos o motivo, mas não o contexto, não alimentando o entendimento das circunstâncias, motivações ou os rastros daquela decisões, para, por fim, ter uma IA que consiga navegar futuramente por ele.

Como uma das autoras coloca, existem vários desafios para isso, um dos principais é que todos os sistemas rodam em dinâmicas diferentes de Estado e Evento. Estado é o registro, “o que é verdade agora”, e o Evento é o que aconteceu, como e por quê. O Estado é fácil, é o registro básico que já conhecemos. Agora o Evento é mais complexo de capturar, e um grande desafio. A IA precisa ser capaz de ‘rastrear as decisões’, com diversos ângulos e Eventos que formaram o contexto para aquela decisão, seja de compra, vendas, movimentos estratégicos, entre outros diversos. Penso até como em investimentos de venture capital em que existem diversas de nuances e vieses raramente rastreados em decisões.

Isso é desafiador porque é preciso tempo para construir, organização e um auto-conhecimento da própria empresa sobre seus processos de decisão e seus contextos – que envolve missão, ética, objetivos anuais e de longo prazo etc… Além disso, acredito que é preciso de uma inflexão tecnológica, como, por exemplo, avanço em gestão de bancos de dados e novas formas de captura para chegarmos lá.

Concordo que ainda estamos distantes disso. Mas por aí começo a enxergar o que seria uma superinteligência, de fato, ou até uma definição para AGI. Conseguir armazenar esses dados, que muitas vezes não vêm à nossa mente, que são exceções ou parecem fora de contexto, deve se mostrar de fato a vantagem de dados.

Os Context Graphs são o caminho claro para construirmos IA que realmente consiga tomar decisões de níveis mais altos e muitas vezes melhor, e devem estar na tese de toda solução que quer dominar workflows e processos de dentro das empresas. Me parece um novo motivo pelo qual a batalha atual não é apenas por armazenar dados(o Estado, como coloquei acima), mas por dominar os workflows – o System of Action. Como mencionei na tese sobre PMF em AI, quem controla onde o trabalho acontece, consegue rastrear melhor as decisões e estar mais próximo da captura do contexto(o Evento). Como menciono, é por isso que os grandes incumbentes de System of Records estão correndo para atuar na execução das tarefas para capturar esse contexto e virar de um System of Records para um System of Reasoning of Records.