Para quem gosta de Teoria da Agregação, do Ben Thompson, que revolucionou a forma como entendemos negócios na internet (quem não conhece, recomendo ler antes de mais nada): essas novas referências e discussões estão muito interessantes.
Primeiro, recapitulando. A Teoria da Agregação diz que o valor é agregado para a entidade que controla a relação com o usuário. Em negócios digitais, essa relação é assegurada graças não só ao software, mas também à confiança, integração, responsabilidade etc.
Muita coisa tem sido discutida e clarificada sobre IA recentemente, o que ela é e o que está mudando. Dois materiais que vale escutar/ler:
O texto do Nicolas Bustamante fala sobre como os LLMs estão absorvendo as camadas de UX e discovery dos agregadores, e como os dados de oferta devem virar apenas APIs/dados, sem interação direta com as marcas ou com a fonte da informação.
Nessa evolução da teoria, o poder ficará com os LLM, que controlam a interface, e com os proprietários dos dados. Por isso, acredito que é preciso construir produtos com APIs robustas e informações claras a partir de hoje.
…
Já na conversa do Ben Evans com o Ben Thompson, ele traz pontos interessantes dessa teoria com um ângulo questionador para o mercado de SaaS Enterprise, falando bastante sobre a Salesforce como exemplo. Eles mencionam que um agregador força seus suppliers, ou as ofertas de IA, a serem inputs modulares. Colocam mais discussão nesse ponto de “ser apenas uma API”.
Dá para entender que vai além de simplesmente ter um melhor UX. “Para uma grande corporação, não é o mais relevante se a solução roda em Anthropic, OpenAI ou Google, assim como se o servidor é AWS ou GCP. Esse é um problema da empresa de software.”
O que importa é toda a responsabilidade do serviço e da entrega. Por isso, em Enterprise, essas empresas de software ainda são agregadoras de trust, suporte e segurança.
Por fim, vejo que, onde os dois conteúdos convergem, para empresas de software que fazem agregação (e não são plataformas LLM), o maior valor está no contexto dos dados e na propriedade dos dados, e não no modelo em si.
Neste momento, várias temáticas estão remodelando o mercado de VC globalmente, e discutindo uma remodelação da classe de ativo: Agentes de IA no processo de investimento, a concentração dos investimentos em Mega fundos, o SaaSpocalipse, as Plataformas de LLM / ClaudeCode / OpenClaw, fatores macro e geopolíticos atuais etc… Além de sobrecarregado de tantas ideias, me questiono como um investidor de VC no Brasil navega isso com as oportunidades locais. E, o meu lado otimista vê o jogo do VC no Brasil com características próprias, com ainda grandes oportunidades para quem está aqui.
Acho importante começar estabelecendo que a principal característica que vejo do cenário global de VC é a da Lei de Potência extrema e polarização do capital, onde:
Megafund estão absorvendo a maior parte do capital de VC, investindo 33% do capital em 1% dos deals.
Do outro lado, as rodadas abaixo da mediana captam apenas 7% do total.
O cenário ficou polarizado com, de um lado, os kingmakers colocando bilhões em empresas desde o início para garantir escala a qualquer custo. Do outro, o jogo tradicional do VC.
Dada essa análise, trazendo para a realidade daqui, então, provavelmente eu e você estamos no jogo dos outros 99% dos deals (com os 2/3 restantes do capital global). Nesse jogo dos 99%, a grande maioria está falando ainda de deals em Software e IA, que estão enfrentando e executando todo desembaralhar de workflows através de vibecoding e as plataformas LLM. Isso tem levantado questões como: onde estão os verdadeiros moats e vantagens competitivas que vão durar?
Dentro desse cenário, eu ainda acredito que no Brasil ainda há um jogo local para se jogar. Um lugar com grandes mercados e grandes oportunidades inexploradas aqui. Esse tweet(recortado) do Balaji escreve algumas coisas que ainda são importantes na Era de IA, e vejo o aspecto de visão dos fundadores locais, e os de negócios como aspectos geográficos, de comunidade(ou rede e ecossistemas), a escassez, a fisicalidade e a resiliência da região ainda criam arbitragens:
Se pensarmos em empresas que cresceram muito aqui na última década, apesar de terem bons times de tecnologia e produto, a capacidade de código nunca foi a principal vantagem, e sim alguns aspectos como:
Rede de Distribuição proprietária (Omie, Nuvemshop, Flash etc…)
Integração e Complexidade Operacional local (Loggi, Kavak, etc…)
Compliance e Regulação local (QITech, Dock, Kanastra etc…)
Sistemas com Vantagem de Dados Proprietários (Unico, Cloudwalk etc…)
Acredito que a dinâmica, conhecimento e presença local serão ainda relevantes, principalmente da minha perspectiva como VC em early-stage.
E a IA?
IA é a tecnologia. Ela se tornou a arma. E a categoria de Agentes de IA é o campo de batalha onde se disputa quem vai entregar mais valor, mais experiência e maior personalização para o cliente final, na atual expectativa e demanda dos clientes por essa tecnologia. E esse campo de batalha ainda tem muito espaço.
Às vezes a gente esquece que vivemos em uma ‘bolha de tech’, e por isso parece que a adoção de IA já está saturada. De fato, é overwhelming ver milhares de notícias de novos modelos, novos agentes, rodadas bilionárias, conteúdo sobre – e gerado por – IA – mas não é bem assim. A economia real ainda está distante.
Por exemplo, a metade do consumo de agentes de IA hoje é só em uma categoria (de acordo com Claude Code e API da Anthropic). A própria Anthropic descreve o momento como “early days of agent adoption”. Desenvolvedores de software foram os primeiros a construir e usar ferramentas agentic em escala. Todos os outros setores estão apenas começando a testar.
E é justamente aí que entra a oportunidade para a região. O Brasil, e a América Latina de forma mais ampla, têm uma competência comprovada em criar plataformas e infraestrutura que atendem setores específicos e aplicações verticais, sejam B2B ou B2C. Soluções SMBs, marketplaces verticais, fintechs, agrotechs, healthtechs etc… A presença local é uma vantagem real. Conhecer a regulação, os processos operacionais, as idiossincrasias do mercado. Acho que não vai ser fácil replicar isso de fora. É onde acredito que há mais espaço e onde continuaremos a ver novas empresas surgindo.
A adoção de IA começa a tracionar por aqui, mas o uso em escala, principalmente no mercado empresarial brasileiro, está longe. Como nas revoluções tecnológicass, para chegarmos a uma maturidade, o direcionamento do budget precisa vir depois da comprovação da produtividade. O budget hoje, na grande maioria, é em atividades experimentais, lideradas por Diretores, e não CEO e Conselho. Não há linhas de investimento sustentadas, exceto a de novas experimentações ou pilotos.
Algumas dessas empresas mencionadas acima são os Gorillas da região, que construíram seus castelos e fortalezas e ainda têm um bom exército, e de fato estão bem posicionados. Mas os novos entrantes e novas soluções estão sendo criadas a partir de empresas nativas e otimizadas por IA, remodelando a unidade de trabalho com sistemas de ação.
Dito tudo isso, eu acho que no Brasil ainda há uma oportunidade de atacar os gargalos locais e criar os seus data models, construção de estratégias com benefício e efeito de rede dentro de verticais, que são grandes, mas ainda pouco exploradas, penetrando com soluções que começam a transformar os workflows e a ganhar eficiência e produtividade.
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.
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:
Reduzir a força de trabalho, e com isso menos usuários pagantes por empresa para o modelo SaaS.
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
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.
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.
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.
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.
Apesar de acreditam bastante nas oportunidades de Agente em IA, quando olho esse framework da Gartner, com meu viés de investidor de Venture Capital, vejo o estágio de Trough of Disillusionment como se fosse um abismo – em referência ao Crossing the Chasm aplicado ao Go-To-Market. Algumas caem tanto que não se levantam depois dessa etapa, ou seu enlightenment é tão pequeno que não chega a torná-las relevantes para o público em geral. Vale lembrar que centenas de tecnologias já passaram por esses gráficos e apenas algumas se consolidaram como algo de extremo valor, enquanto outras se tornaram peças de uma infraestrutura que sustenta ciclos futuros. Geralmente, o tema mais quente do ano não é o que gera maior valor, mas sim o que ajuda a preparar o terreno para o próximo ciclo.
Por isso, acredito que também é possível alinhar os gráficos do Hype Cycle com o Ciclo de Revolução Tecnológica da Carlota Perez. Nesse paralelo, o pico do hype representa o momento em que o capital é alocado de forma criativa e especulativa, mas em que o valor acaba sendo capturado principalmente por consumidores e usuários, e menos pelas empresas que estão na linha de frente do desenvolvimento.
Ainda assim, o Hype Cycle é incerto e precisa ser analisado com cuidado. O puro hype é traiçoeiro: grande parte das tecnologias que aparecem em um ano simplesmente desaparece no seguinte, e, às vezes, algumas ressurgem anos depois como tendências reais (caso do podcasting em 2005). Outras tecnologias, porém, simplesmente morrem. A verdade é que é muito difícil acompanhar esse movimento.
O ponto central é que o insight da tecnologia pode ser interessante e fazer sentido, mas a questão geralmente está na atratividade da missão e em sua implementação. Se não houver missionários dispostos a persistir e atravessar o vale da curva – e se a tecnologia não gerar alguma forma de arbitragem para os negócios -, o destino provável é a obsolescência. Isso acontece com frequência em grandes empresas que tentam se transformar por meio de novas tecnologias, mas que, por pressões distintas, não conseguem sustentar investimentos de longo prazo. O mesmo ocorre em setores mais lentos de transformação, que carecem de incentivos alinhados para capturar ganhos de arbitragem proporcionados pela inovação tecnológica.
É difícil colocar todas as tecnologias na mesma trilha. Ainda, quando tentamos, acabamos esbarrando em vieses como o de sobrevivência (lembramos apenas das que deram certo) e o de retrospectiva (achamos que os sucessos eram previsíveis depois que já aconteceram).
Essa imagem deveria estar emoldurada na casa de todo investidor de early-stage que busca o próximo grande negócio. As melhores empresas já estavam sendo desenvolvidas muito antes de se tornarem tendência. Se um tema está quente, provavelmente já é tarde.
No fim, o hype, para quem busca uma onda realmente grande, é apenas ruído. Vejo dois caminhos possíveis: 1) viver o futuro, atuando em empresas de frontier tech ou experimentando novas tecnologias na ponta antes do hype – entendendo de antemão os desafios técnicos, o que falta e como se preparar melhor para a implementação; ou 2) estar preparado e esperar a segunda onda, acompanhando de perto o abismo da tecnologia e a mudança de paradigma que se desenvolve em seguida.
No texto, falo sobre estratégia de produto, diferenciação e a ameaça que vem da infraestrutura e das plataformas. Sobre a ameaça das plataformas (LLMs), li recentemente este texto de um ex-funcionário da OpenAI, que mostra como funciona a empresa por dentro. Apesar da percepção de flop do GPT-5, a OpenAI está desenvolvendo muitas coisas ao mesmo tempo, com recursos abundantes. Isso reflete muito da cultura e da forma como essas empresas operam — liderando o ciclo de IA no Vale do Silício.
Lendo o relato, fica clara a velocidade e a inovação, com um viés para executar e construir, com diversos squads e teses desenvolvidas em paralelo, às vezes até competindo entre si. Parece haver milhares de startups pre-seed dentro da OpenAI, aguardando um comitê de investimento do round seed. O texto traz muitas referências e informações interessantes, como o CODEX (feature para desenvolvedores da OpenAI), criado em apenas 7 semanas. Além disso, mostra o stack de tecnologia usado pela empresa.
Embora hoje seja mais fácil para todos desenvolver código ou aplicações, esse ciclo mostra como será difícil competir. Mas conto alguns caminhos no meu post na Astella.
Discussões interessantes sobre PMF em IA
A Bessemer lançou um report sobre o Estado das Empresas de IA, estabelecendo um novo benchmark para o arquétipo de crescimento das empresas no ciclo da IA, com as “Supernovas” e as “Shooting Stars”.
Esse slide mostra alguns dados dessas empresas:
“Se o T2D3 (triplica, triplica, dobra, dobra, dobra) definiu a era do SaaS, então o Q2T3 (quadruple, quadruple, triple, triple, triple) reflete melhor a trajetória de cinco anos que estamos observando nas AI Shooting Stars atuais. Essas startups crescem significativamente mais rápido do que o SaaS tradicional, mas ainda operam mais próximas dos benchmarks de SaaS do que das explosivas AI Supernovas.”
O artigo é bem completo e traz informações relevantes de direcionamento estratégico para founders nesta nova era. Recomendo reservar um tempo para leitura.
Ainda não consigo identificar uma empresa que seja uma Supernova em nossa região. Essas empresas geralmente são globais, oferecem infraestruturas/plataformas (como Anthropic e OpenAI) e possuem GTM bottom-up, voltado para desenvolvedores e perfis tech-savvy que já usam IA no dia a dia. Porém, acredito bastante que podemos ver Shooting Stars em áreas como Vertical SaaS e Enterprise SaaS saindo do Brasil.
Hoje, a realidade do early-stage no Brasil se assemelha mais ao cenário descrito neste post do CEO/Cofounder da ChartMogul. Isso condiz muito bem com o que temos observado: quando o PMF acontece, ele tende a ser cada vez mais explosivo. Já vi empresas irem de 0 a R$ 100k em poucos meses, mas ainda é um desafio enorme para a maioria.
Como mostra o gráfico abaixo, nos últimos anos a proporção de outliers que atingem US$ 0–1M de ARR em até seis meses vem aumentando. Porém, dentro de dois anos, menos empresas conseguem atravessar as barreiras de US$ 100k ou US$ 500k de ARR.
Também em modelo de negócios, a dinâmica da unidade de crescimento muda. A margem bruta foi um tema bastante comentado no universo de IA e VC nas últimas semanas.
Vi investidores destacarem isso sobre soluções de agentes de IA: “Pela primeira vez na história do SaaS, o custo marginal de adicionar um novo usuário não é quase zero.” Esse é um desafio do Business Model Product-fit. A captura de valor deve superar o custo de entrega e, de preferência, ganhar escala ao longo do crescimento da base de clientes. O relatório da Bessemer que mencionei acima também ressalta esse ponto, mostrando como algumas empresas que estão crescendo muito rápido apresentam margem bruta negativa.
Com forte adoção dos usuários, os modelos de receita têm se mostrado insustentáveis para algumas soluções. Este texto explica o desafio da Cursor com precificação e margem. Isso pode fazer parte de uma estratégia da empresa para dominar o ponto de controle dos desenvolvedores e depois expandir para outras plataformas. Porém, esse se tornou um cenário competitivo, com soluções de LLMs como Claude Code e CODEX da OpenAI oferecendo alternativas similares. Abordei um pouco desse desafio no ambiente competitivo atual no post mencionado acima.
Indo mais a fundo na cadeia de valor da IA, este tweet mostra, de forma sarcástica, os desafios dessa indústria, que ainda está em fase de investimentos e queima de caixa, financiada por Venture Capital. Enquanto isso, os avanços e custos de processamento precisam chegar a patamares sustentáveis para viabilizar os modelos de negócios dessas empresas. O autor do tweet sugere alguns caminhos.
Recentemente, lançamos um report de uma pesquisa que conduzi por meio de entrevistas com especialistas, uma pesquisa quantitativa (cujos resultados estão ao final do report) e, como um playbook lover, uma pesquisa bibliográfica. Esse report surgiu do meu interesse em aprofundar e aprender através de padrões observados no que os líderes – CEOs, CTOs e especialistas de mercado – estão vendo e fazendo em IA nas startups.
Assim, a proposta do report não é discutir a tecnologia de IA em si, mas sim como ela está afetando os processos e as discussões estratégicas na construção de empresas de alto crescimento.
Vou compartilhar aqui alguns slides e destaques da apresentação:
Primeiramente, ainda estamos no início do ciclo da IA. A evolução comercial das tecnologias ocorre em camadas: da infraestrutura, passando por plataformas, até chegar à aplicação. Atualmente, apenas a NVIDIA e a OpenAI demonstram captura de valor ou construção de barreiras que perpetuem a sua criação e captura de valor.
Na camada de aplicação, ainda não conseguimos enxergar categorias estabelecidas ou dominadas. Historicamente, é justamente nesse espaço que, em ciclos anteriores, se gerou o maior valor. No Brasil, tende-se a aproveitar as infraestruturas tecnológicas globais e a alavancar a alta base de usuários/consumidores de soluções digitais para construir grandes negócios em aplicação.
Estamos, então, começando uma série para descrever esse cenário:
Diferentemente da internet, da cloud e do mobile, que conectaram todos, virtualizando soluções em todos os lugares, a IA representa uma revolução do trabalho, atuando como uma camada que permeia todos os processos de uma organização. Diante disso, a grande maioria dos respondentes (60%) já percebe um aumento de eficiência com o uso da IA.
Entre as áreas impactadas, o maior efeito atual da IA ocorre no desenvolvimento de produto.
Há poucos anos, a área de desenvolvimento e engenharia era considerada o gargalo. Hoje, com a aceleração do desenvolvimento de código, alguns líderes começam a perceber que o gargalo se deslocou para o time de produto. Essa nova forma de lidar com tecnologia está transformando a gestão das empresas:
A gestão de pessoas está evoluindo para um perfil mais orientado à gestão de dados e ops.
Com isso, são exigidos novos conjuntos de habilidades. Algumas das competências destacadas pelos especialistas foram:
Hardskills: Conhecimentos fundamentais em IA – como prompt engineering, RAGs e criação de agentes – estão se tornando o novo “pacote Office” dos perfis profissionais.
Softskills:
Mindset de execução: Com os LLMs, todos já iniciam sabendo 80% da tarefa ou desafio. Não há motivo para não começar e executar.
Pensamento crítico: Os modelos são capazes de quase tudo. É essencial saber avaliar os resultados e ajustar o modelo para criar algo único.
Habilidade com incerteza: Os modelos de IA não estão corretos 100% das vezes. É preciso lidar com a incerteza e manter a curiosidade.
A IA está se tornando o novo padrão. Contratar pessoas está se tornando secundário. Diversas empresas anunciaram que estão adotando uma abordagem AI-first, como Shopify e Duolingo. Já é possível observar empresas com alta eficiência de headcount limitando o aumento do quadro de colaboradores e priorizando soluções baseadas em IA, automação e agentes.
Isso reforça ainda mais a importância da métrica de Receita por Colaborador. Segundo a pesquisa, as empresas que se consideram nativas de IA demonstram maior eficiência por colaborador.
Um dado curioso: se, por um lado, a IA empodera generalistas e profissionais com conhecimento específico de processos e mercados, permitindo que desenvolvam produtos relevantes sem profundo conhecimento técnico, por outro, as empresas nativas de IA possuem proporcionalmente mais engenheiros em suas equipes. Isso, na minha visão, reflete uma mentalidade de empresa de engenheiros, tanto no desejo de criar soluções com profundidade e diferenciação tecnológica quanto na comparação com empresas não nativas de IA, que tendem a manter estruturas mais robustas em áreas como vendas e suporte.
Há muita coisa mudando, muito rápido, e talvez esse post envelheça rápido e mal. Toda essa velocidade cria até uma certa ansiedade, um FOMO, mas, de forma mais fria, me leva a pensar que estamos no início da curva de adoção e de expectativas sobre AI.
ainda estamos na era da informação, em uma fase de montagem do novo ciclo de AI,
com o big bang sendo o lançamento do ChatGPT em público em 2022
empresas de infraestrutura e servidores de ciclos anteriores se tornando cada vez mais acessíveis para plataformas, LLM e aplicações
valuation de AI com prêmio relevantemente maior que SaaS tradicionais
Esses são alguns sinais. Com isso, fico pensando o que podemos esperar daqui para frente com o que já estamos vivendo.
Então, o que deve mudar e o que não deve mudar com AI?
Inteligência Artificial é uma inovação que atua de dentro para fora nas organizações. Diferente da internet, que conectou todo mundo, ou do Cloud que virtualizou tudo, AI é um layer horizontal, que atua em todas as diferentes áreas e processos da empresa (produto, desenvolvimento, vendas etc.), habilitando e redefinindo a entrega de valor, ao levar inteligência para o core.
Mas estamos em uma fase inicial do ciclo, com muita incerteza e novidades a cada novo dia. Portanto, algumas mudanças no playbook de construção de startups já dá para cravar que serão permanentes, outras ainda acho arriscado apostar. Então, vou descrever algumas das minhas primeiras ideias do que eu acho que muda e o que não muda para construção de Startups e o mundo de VC, hoje:
O que parece estar mudando:
AI na gestão de Pessoas:
(i) skillset de talentos da empresa passa por ferramentas de AI. Conhecimento de LLMs, por exemplo, é tipo o “conhecimento do pacote office” nos perfis de vaga que temos visto há 20 anos.
(ii) Eficiência de headcount: as melhores empresas estão crescendo rápido com uma escala muito maior em relação ao número de pessoas.
Produtividade humana em áreas como GTM e desenvolvimento de produto:
Por exemplo, em vendas, recentemente, escrevi no Astella Matrix o texto “Revisitando a eficiência da máquina de vendas na era de AI”. Tem sido interessante acompanhar a crescente ferramentalização dos processos de vendas com IA, surgindo novas funções ou processos como GTM-Engineer e AI-Led Growth. Isso tem gerado mais velocidade de experimentação e eficiência na construção de máquinas de vendas, e acredito que vai fazer parte de um movimento de automação e produtização de vendas que vinha acontecendo, com PLG.
Esses são processos que tenho visto com mais clareza de empresas de early-stage a scaleups que implementaram e ganharam eficiência e velocidade.
O que não mudará no curto prazo:
“Quando a pesquisa vira commodity, a convicção é ouro”
A principal coisa que não muda em Startups é a necessidade de convicção e o insight único para construir algo incrível, e essa não é possível terceirizar para AI. Startups se tornam vencedoras por fazerem apostas contrárias, com o benefício da assimetria de informações. Já a IA se baseia em dados históricos e padrões. Então, para temas complexos, ainda veremos os insights e decisões dos fundadores serem o diferencial.
Value Investing e os fundamentos de valor de um negócio
Outra coisa que não deve mudar são os investidores focados em Value Investing e os fundamentos de valor de uma empresa. Investidores de valor (value investors) continuarão avaliando um negócio da mesma forma, que pode se resumir pela sua capacidade de gerar caixa e a durabilidade do negócio com crescimento no futuro. Os pilares fundamentais de valor de um negócio continuam sendo os mesmos, como vantagem competitiva duradoura ou unfair advantages, alocação eficiente de capital e margens do negócio. Isso está atrelado ao meu ponto do parágrafo anterior – de convicção e insights únicos dos fundadores.
Setores Rápidos e Setores Lentos
Por fim, eu li o estudo AI 2027, que traz um tom alarmante sobre os caminhos da AI e superinteligência em governos, provocando tensões geopolíticas ou potenciais guerras. Sendo honesto, não descarto este cenário em 4-6 anos, mas é importante lembrar que existem alguns “Setores Lentos” que são chave para economia e sociedade, mas que funcionam há 100 anos da mesma forma, como, por exemplo, o setor de saúde, educação, gestão pública etc… Alguns desses setores continuam longe de ser transformados digitalmente. A verdade é que esses setores são influenciados por burocratas, políticos e lobistas, que dificilmente deixarão as coisas acelerarem bastante ou simplesmente terão entraves em tomada de decisão de próximos passos para transformação. O contrário parece verdadeiro: os Setores Velozes, que vendem produtos e soluções para consumidores tech-savvy (software, gagdets, enterprise software, apps etc…) já apresentam ganhos elevados de produtividade e uma melhor proposta de valor. Por exemplo, hoje, estamos vendo o uso exponencial de AI principalmente nas camadas mais profundas como infraestrutura (como NVIDIA) e plataformas (como LLMs), e nas aplicações, principalmente, soluções usadas por tech-savvy e early-adopters de tecnologia.
Faça como mais de 6.000 investidores e founders e se inscreva na Newsletter para não perder os insights 👇
Mostrar Imagem
