A16z sobre a análise aprofundada mais recente do mercado de IA: a sua empresa ainda está a "trabalhar a sangue"?

作者：DeepMind

Já pensou que a indústria de software pode estar passando por uma transformação mais radical do que a transição de linha de comando para interface gráfica? Recentemente, ouvi uma análise profunda do mercado de IA feita por David George da a16z, e fiquei impressionado com um conjunto de dados: as empresas de IA de crescimento mais rápido estão expandindo a uma taxa anual de 693%, enquanto seus gastos com vendas e marketing são muito menores do que os das empresas tradicionais de software. Não é um caso isolado; toda a comunidade de empresas de IA cresce mais de 2,5 vezes mais rápido do que as não IA. E o mais surpreendente: essas empresas têm ARR por FTE (receita recorrente anual por funcionário) entre 50 mil e 100 mil dólares, enquanto o padrão das gerações anteriores de software era de 40 mil dólares.

O que isso significa? Que estamos testemunhando o nascimento de um modelo de negócio totalmente novo, uma era de criar mais valor com menos pessoas e custos menores.

David George mencionou na apresentação que isso não é uma simples mudança, mas uma mudança de paradigma completa. Conceitos centrais — controle de versões, templates, documentação, até mesmo a ideia de usuário — estão sendo redefinidos por fluxos de trabalho impulsionados por agentes de IA. Acredito firmemente que, nos próximos cinco anos, empresas que não se adaptarem a essa transformação serão completamente eliminadas.

A verdade surpreendente sobre o crescimento das empresas de IA

Os dados apresentados por David George me fizeram repensar o que significa crescimento de verdade. 2025 será um ano de aceleração para as empresas de IA. Depois de uma desaceleração causada pelo aumento das taxas de juros e contração do setor de tecnologia em 2022, 2023 e 2024, 2025 marca uma reversão completa dessa tendência. O mais impressionante: entre diferentes níveis de classificação, as empresas realmente excepcionais estão crescendo de forma inacreditável.

Minha primeira reação ao ver esses números foi: isso deve estar errado, né? As melhores empresas de IA crescem 693% ano a ano. David disse que a equipe deles confirmou esse número três vezes antes de acreditar. Mas isso condiz com o que eles veem na prática, nos casos de suas empresas no portfólio. Não é um fenômeno isolado, mas uma mudança sistêmica em todo o setor de IA.

E a qualidade desse crescimento? Empresas tradicionais de software levam anos para atingir 100 milhões de dólares em receita anual, enquanto as de IA de crescimento mais rápido atingem esse marco muito mais rápido. David destacou um ponto crucial: esse crescimento não vem de gastar mais em vendas e marketing — na verdade, as empresas de IA de maior crescimento gastam menos nesses itens do que as SaaS tradicionais. Elas crescem mais rápido gastando menos. Por quê? Porque a demanda dos clientes finais é extremamente forte e o produto em si é altamente atraente.

Isso revela uma mudança profunda na lógica de negócios. No passado, crescimento dependia de equipes de vendas robustas e altos orçamentos de marketing. Era preciso educar o mercado, convencer clientes, superar barreiras de adoção. Na era da IA, produtos realmente excelentes falam por si. Quando um produto consegue gerar valor imediato para o usuário, fazendo com que ele perceba ganhos de eficiência na primeira utilização, a demanda de mercado surge naturalmente. Esse modelo de crescimento orientado por produto é muito mais saudável e sustentável do que o tradicional baseado em vendas.

Outra estatística interessante que David mostrou é que a margem bruta das empresas de IA é um pouco menor do que a das tradicionais. A visão deles é que, para as empresas de IA, margens baixas podem ser uma espécie de medalha de honra. Se a margem baixa é causada por custos elevados de inferência (inference costs), isso indica duas coisas: primeiro, que as pessoas estão realmente usando funcionalidades de IA; segundo, que esses custos de inferência tendem a cair com o tempo. Portanto, se uma empresa de IA apresenta margens muito altas, isso pode ser um sinal de que ela não está entregando funcionalidades de IA que os clientes realmente usam ou compram.

Por que as empresas de IA podem ser mais eficientes

Tenho refletido bastante sobre uma questão: por que empresas de IA, mesmo sendo de software, conseguem gerar mais receita com menos pessoas? David destacou o indicador ARR por FTE, que mede a receita recorrente anual por funcionário em tempo integral. Esse indicador é uma medida de eficiência operacional, que engloba eficiência de vendas e marketing, além de custos de gestão e P&D.

As melhores empresas de IA atingem ARR por FTE entre 50 mil e 100 mil dólares, enquanto a média das gerações anteriores de software era de cerca de 40 mil dólares. Pode parecer uma diferença numérica pequena, mas ela reflete modelos de negócio e operações completamente diferentes. David acredita que essa disparidade se deve à forte demanda do mercado por esses produtos, permitindo que eles lancem suas soluções com menos recursos.

Porém, acho que há uma explicação mais profunda. A força dessa eficiência vem do fato de que as empresas de IA, desde o início, foram forçadas a repensar sua operação de formas diferentes. Elas não tiveram escolha: tiveram que usar IA para redesenhar processos internos, desenvolvimento de produtos, suporte ao cliente. Essa inovação forçada levou a uma descoberta de modelos de negócio mais eficientes.

Ele compartilhou um exemplo bastante ilustrativo. Recentemente, conversando com um fundador de uma startup, ele comentou que o progresso de um produto não estava satisfatório. Então, o fundador decidiu contratar dois engenheiros especializados em IA, usando ferramentas como Claude Code e Cursor, para reconstruir o produto do zero, com um orçamento ilimitado de ferramentas de programação. Resultado: o fundador disse que o progresso ficou de 10 a 20 vezes mais rápido. E as contas geradas por essas ferramentas eram tão altas que ele começou a repensar toda a estrutura organizacional.

Esse exemplo foi marcante porque não se trata de uma melhoria incremental, mas de um salto de várias ordens de magnitude. Uma aceleração de 10 a 20 vezes significa que um projeto que antes levava um ano pode agora ser concluído em um ou dois meses. Essa velocidade faz uma diferença decisiva na competição. O fundador acredita que essa mudança deve se espalhar para toda a equipe de produto e engenharia nos próximos 12 meses. Mas também implica uma mudança radical na estrutura organizacional: onde ficam os limites entre produto, engenharia, design? Essas perguntas precisam ser revistas.

Acredito que 2024, dezembro, será um ponto de inflexão na programação. David compartilha dessa sensação. Ele acha que, a partir daquele momento, as ferramentas de programação terão uma evolução qualitativa. Nos próximos 12 meses, essa mudança pode se consolidar de fato nas empresas ou aquelas que não adotarem ficarão muito atrás. Não é alarmismo, é uma previsão realista.

Adaptar-se à IA ou ser eliminado

David trouxe uma visão bastante dura: para empresas criadas antes da era da IA, é uma questão de sobrevivência. Ou se adaptam à IA, ou morrem. Parece extremo, mas concordo plenamente. E essa adaptação precisa acontecer em dois níveis: front-end e back-end.

No front-end, as empresas precisam pensar em como integrar a IA de forma nativa aos seus produtos, não apenas acrescentar um chatbot na rotina existente. É preciso imaginar o que os produtos podem fazer com IA e fazer mudanças radicais, se necessário. Ele citou exemplos interessantes: uma empresa pré-IA cujo CEO já está completamente convertido à ideia de IA, dizendo que querem transformar seus produtos em produtos de IA, onde o usuário se torna um agente de IA. Quantos agentes você tem? Essa é a nova conversa.

Outro exemplo mais extremo: um CEO que diz que, para cada tarefa, ele pergunta: posso fazer isso com eletricidade (ou seja, IA e automação), ou preciso usar sangue (ou seja, trabalho humano)? Essa mudança de mentalidade é profunda, pois força a repensar todos os processos e tarefas da empresa.

No back-end, a recomendação é adotar modelos e ferramentas de programação de última geração. Todos os desenvolvedores devem usar as ferramentas mais modernas de auxílio à programação, e cada departamento deve fazer o mesmo. Até agora, a adoção na área de programação é a mais avançada, mas essa mudança está se espalhando para outros setores.

David destacou que, para as empresas pré-IA, o lado positivo é que o modelo de negócio ainda está em estágio inicial de evolução. As mudanças mais disruptivas ocorrem quando há uma transformação simultânea de tecnologia, produto e modelo de negócio. Atualmente, tecnologia e produto estão passando por uma revolução, mas o modelo de negócio ainda não evoluiu na mesma proporção.

Ele enxerga o modelo de negócio como um espectro: do lado esquerdo, temos licenças (licenses), típico do pré-SaaS, com modelos de licença e manutenção. Depois, vem SaaS e assinaturas, baseadas em quotas por usuário, uma inovação disruptiva. Depois, modelos de consumo (consumption-based), onde você paga pelo uso efetivo, típico de cloud. Muitos negócios baseados em tarefas já migraram de quotas por usuário para consumo.

O próximo passo será o modelo baseado em resultados (outcome-based). Quando uma tarefa é concluída com sucesso, você cobra pelo resultado. Hoje, essa abordagem é viável principalmente em suporte ao cliente e sucesso do cliente, onde o sucesso pode ser medido objetivamente. Com o avanço dos modelos, outros setores poderão adotar esse modelo, o que será uma grande disrupção para empresas tradicionais.

Essa evolução — de licença para assinatura, de assinatura para consumo, de consumo para resultados — é uma transformação disruptiva de modelos de negócio. Estamos na véspera de uma mudança de consumo para resultados. Quando agentes de IA puderem realizar tarefas de forma confiável e serem avaliados objetivamente, o modelo baseado em resultados será dominante. Empresas que ainda cobram por quotas por usuário perderão competitividade.

Dilema das grandes corporações na adoção de IA

Sobre a adoção de IA pelas empresas do Fortune 500, a observação de David é interessante: há uma grande discrepância entre o que os CEOs dizem e o que realmente acontece. Eles afirmam: “Precisamos nos adaptar, queremos entender quais ferramentas de IA usar, estamos prontos para mudar, vamos lançar IA em nossos negócios, ser uma empresa de IA.”

Na prática, a realidade é diferente. Essa desconexão entre discurso e ação se deve à enorme dificuldade de gestão da mudança. Mesmo que seja fácil usar assistentes de IA para ajudar na rotina, mudar processos de negócio e gerenciar a transformação é muito mais difícil.

David não se surpreende com rumores de que o progresso seja mais lento do que o esperado. Mas, para as empresas que realmente abraçaram a IA e sabem o que fazer, o impacto já é grande. Citou exemplos: Chime reduziu 60% dos custos de suporte; Rocket Mortgage economizou 1,1 milhão de horas em underwriting, um crescimento de 6 vezes, economizando cerca de 40 milhões de dólares por ano.

Isso revela uma questão central: há uma lacuna entre vontade e capacidade. CEOs querem adotar IA, mas nem sempre têm capacidade de implementar de forma eficaz. A gestão da mudança é muitas vezes subestimada. Não basta comprar ferramentas ou contratar engenheiros de IA; é preciso mudar processos, cultura e estrutura organizacional.

Muitas empresas precisam primeiro preparar seus negócios para a IA. Usar chatbots é um começo, mas o ganho de produtividade pode ser limitado. Para realmente aproveitar, é necessário reformular sistemas, dados e infraestrutura, o que é um trabalho potencialmente em andamento, ainda sem resultados visíveis.

David prevê que nos próximos 12 meses veremos muitos casos de sucesso, mas também dificuldades. Empresas que conseguirem se adaptar terão uma vantagem enorme, enquanto as que não conseguirem ficarão em desvantagem. Essa divisão deve acontecer de forma rápida e intensa.

Model Busters e o futuro do mercado

David trouxe um conceito que acho especialmente perspicaz: Model Busters. São empresas cujo crescimento e duração ultrapassam qualquer previsão. O exemplo clássico é o iPhone: antes do lançamento, as previsões estavam três vezes abaixo do que realmente aconteceu após alguns anos. Mesmo para a maior empresa do mundo, a previsão foi totalmente superada.

Ele acredita que a IA será o maior Model Buster da sua carreira. Muitas empresas de IA vão superar em muito qualquer expectativa de planilhas. Quando uma plataforma tecnológica gera saltos de escala, as previsões tradicionais falham.

Tecnologia, por si só, já é uma espécie de Model Buster. Desde 2010, ela tem proporcionado receitas de alta margem a uma velocidade sem precedentes. No começo, parecia caro, mas os resultados superaram as expectativas, criando valor além do capital investido. Não vejo motivo para pensar que será diferente agora.

No aspecto de investimentos, os dados também são reveladores. Em comparação com a bolha da internet, os investimentos atuais são sustentados por fluxo de caixa, e a porcentagem de receita destinada a capital é muito menor. Os maiores gastos vêm de hyperscalers — as maiores empresas de cloud, que são as mais eficientes do mercado.

Eles começaram a investir pesado, construindo capacidade para treinar e inferir com IA. E, ao contrário do passado, onde havia “dark fiber” (fibra óptica não utilizada), na era da IA, não há GPU “oculta”: toda GPU instalada é imediatamente utilizada ao máximo.

Crescimento de receita impressionante

David mostrou um dado que impressiona: comparou o crescimento de receita de cloud, empresas de software listadas e as novas receitas de 2025. As empresas de software listadas devem adicionar cerca de 46 bilhões de dólares em receita em 2025. Se considerarmos só OpenAI e Anthropic, a receita adicional dessas duas já chega a quase metade desse valor.

Para 2026, ele acredita que o setor de software listado — incluindo empresas tradicionais como SAP — e as empresas de modelos de IA podem gerar entre 75% e 80% do crescimento de receita total. Isso é inacreditável: em poucos anos, as empresas de IA podem gerar mais valor do que toda a indústria de software tradicional.

A Goldman Sachs estima que a construção de IA gerará 9 trilhões de dólares em receita. Com uma margem de lucro de 20% e múltiplo de 22x, isso se traduziria em 35 trilhões de dólares de valor de mercado. Já há cerca de 24 trilhões de dólares de valor precificado, o que indica que há espaço para mais valorização, se essas premissas se confirmarem.

David fez uma conta simples: até 2030, o investimento total de hyperscalers em capital deve ficar abaixo de 5 trilhões de dólares. Para obter um retorno de 10% nesse investimento, a receita de IA precisaria atingir cerca de 1 trilhão de dólares por ano. Em contexto, isso representa aproximadamente 1% do PIB global, suficiente para gerar esse retorno.

Será possível? Talvez não totalmente, mas ele acredita que o retorno virá ao longo de um período mais longo, entre 2030 e 2040. Se hoje estamos em torno de 50 bilhões de dólares de receita de IA, crescer para 1 trilhão em alguns anos não é uma hipótese absurda.

Reflexões sobre o futuro

Ao ouvir a apresentação de David, minha maior sensação foi: estamos no início de uma mudança histórica, não no meio ou no fim. Pode durar uma década ou mais, e estamos apenas começando. Isso é empolgante e ao mesmo tempo inquietante.

Empolgante porque as oportunidades são enormes. Empresas que se adaptarem rapidamente e adotarem IA de forma abrangente podem não só ganhar vantagem competitiva, mas também moldar a próxima era. Veremos novas unicórnios surgirem, novos modelos de negócio aparecerem, novas formas de organização.

Inquietante porque a velocidade dessa mudança pode ser maior do que a maioria imagina. Como David apontou, o tempo médio de permanência das empresas no S&P 500 caiu 40% nos últimos 50 anos. Isso indica que a disrupção está acelerando. Na era da IA, essa velocidade pode aumentar ainda mais.

Acredito que veremos uma clara divisão: algumas empresas entenderão o potencial da IA e repensarão seus produtos, processos e estruturas, conquistando ganhos de eficiência e vantagem competitiva. Outras, mesmo querendo mudar, terão dificuldades por causa da gestão da mudança, inércia organizacional e dívidas técnicas. Essa divisão se tornará mais evidente nos próximos anos.

Para empreendedores, este é um momento de ouro. A demanda é forte, a tecnologia evolui rapidamente, o capital ainda apoia empresas com potencial. Com menos recursos, é possível alcançar escala mais rápido do que na geração anterior de software. Isso reduz a barreira de entrada, mas aumenta a exigência de produtos de alta qualidade e ajuste ao mercado.

Para investidores, o desafio é identificar os verdadeiros Model Busters — empresas cujo crescimento e duração superam qualquer previsão tradicional. É preciso visão de longo prazo e disposição para acreditar em curvas de crescimento que parecem irracionais.

Para profissionais, seja engenheiro, gerente de produto, designer ou outro, é fundamental aprender a usar as novas ferramentas e trabalhar de forma diferente. O exemplo de dois engenheiros que usaram as ferramentas mais modernas para acelerar o desenvolvimento em 10 a 20 vezes não é exceção, mas uma tendência. Quem dominar essas novas ferramentas terá uma vantagem enorme na carreira.

Por fim, essa transformação não é só tecnológica, mas de mentalidade. De “como podemos fazer” para “o que queremos alcançar”, de “aumentar o time” para “como usar IA para resolver o problema”, de “seguir processos” para “reimaginar possibilidades”. A questão “usar eletricidade ou sangue” — embora extrema — captura a essência dessa mudança.

Estamos assistindo à reescrita do mundo do software. Não é uma atualização incremental, mas uma reconstrução radical. Quem entender e abraçar essa mudança será quem irá definir o próximo capítulo.