Resenha: Investindo em IA: seis modelos mentais para distinguir vantagens competitivas de armadilhas, de Rob May

Eu estava empolgado para ler Investindo em IA: seis modelos mentais para distinguir vantagens competitivas de armadilhas, principalmente porque acompanho Rob May há anos por meio de sua newsletter sobre investimentos em IA. Na minha opinião, o que diferencia Rob May de muitos investidores é sua disposição para evitar o pensamento de manada e raciocinar a partir de princípios fundamentais. Ele vai além da narrativa predominante para perguntar como uma empresa realmente funciona, de onde vêm suas vantagens e se elas podem resistir à próxima mudança tecnológica.

É aí que este livro se destaca. É o primeiro livro que encontrei que aborda o investimento em IA dessa maneira. Em vez de apenas identificar uma tecnologia empolgante ou um mercado em expansão, ele convida os leitores a reformular a maneira como analisam as empresas que estão sendo construídas em torno dela. A oportunidade é enorme, mas reconhecer uma capacidade promissora de IA e identificar uma empresa em que vale a pena investir são habilidades muito diferentes.

Quando a narrativa sobre IA se depara com a realidade

Rob May fundamenta a discussão em histórias conhecidas por quem acompanha o ecossistema de IA. A Jasper virou queridinha da mídia e captou US$ 125 milhões com uma avaliação de US$ 1,5 bilhão. Em seguida, o ChatGPT levou a poderosa geração de texto diretamente aos consumidores, colocando em xeque o valor de um produto baseado no acesso a recursos subjacentes semelhantes. Rob May usa essa reviravolta para analisar a rapidez com que uma vantagem aparente pode se tornar vulnerável.

O que me interessa nesse exemplo é a pergunta que ele obriga investidores ou fundadores a enfrentar: do que o cliente ainda precisa da sua empresa quando a tecnologia subjacente se torna amplamente acessível? O que diferencia uma empresa com uma vantagem competitiva defensável de apenas mais uma solução de IA baseada em modelos de terceiros? Uma liderança inicial pode dar tempo, mas não responde a essa pergunta. O controle dos fluxos de trabalho, a distribuição, o conhecimento especializado e o relacionamento com os clientes tornam-se muito mais importantes quando o acesso ao modelo se torna uma commodity.

O DeepSeek representa o outro lado dessa incerteza. O livro aborda o impacto causado pelo surgimento de um modelo da categoria GPT-4 com um custo de treinamento divulgado de US$ 5,576 milhões. A lição para os investidores é significativa: uma premissa sobre o custo de competir pode mudar muito mais rápido do que um modelo de avaliação prevê.

Por que é preciso repensar o manual do SaaS

Rob May revisita os invernos da IA do passado e argumenta que a amplitude atual da implementação rompeu o antigo padrão de demonstrações promissoras seguidas por uma decepção generalizada. Segundo ele, a IA útil já está integrada a tantos fluxos de trabalho reais que não pode simplesmente voltar ao laboratório. Ainda assim, mesmo com a adoção contínua, pode ser difícil identificar o próximo unicórnio capaz de capitalizar essa adoção.

Ele identifica quatro diferenças fundamentais que ajudam a explicar essa mudança: a IA pode realizar trabalho cognitivo, aprender com dados, mudar as expectativas de quem a utiliza e se tornar parte integrante da vida de uma geração que cresce com ela. O terceiro ponto — a reflexividade — é especialmente interessante. Quando os clientes experimentam um recurso, começam a esperá-lo em outros contextos. O mercado atendido por uma empresa muda à medida que a tecnologia é adotada.

O maior fator de mudança é a velocidade de expansão. As empresas de IA podem atingir um porte considerável em prazos que antes eram característicos de casos excepcionais. Mas, para avaliá-las, ainda é preciso entender seu modelo de negócios. Cobrar por tarefa ou por resultado cria uma relação entre valor, receita e custo diferente daquela de vender um número fixo de licenças de software.

Algumas lições do SaaS continuam muito relevantes. O conhecimento especializado do setor ainda importa. Ferramentas específicas para cada setor, que compreendem seus problemas reais, podem criar vantagens significativas. Ciclos próprios de dados podem se fortalecer com o tempo, e integrações profundas podem gerar custos de mudança. O desafio é distinguir essas vantagens duradouras dos recursos que o cliente poderia obter de dezenas de outros fornecedores.

Seis modelos mentais que ajudam a fazer as perguntas certas

O livro organiza seu argumento central em torno de seis modelos mentais: entender a IA como um conjunto de tecnologias; questionar as premissas tradicionais do SaaS; esperar grandes desestabilizações do mercado; reconhecer mudanças nos mercados e nas estratégias corporativas; compreender a aceleração da expansão; e avaliar cuidadosamente o custo dos produtos vendidos pela IA.

Esses modelos funcionam bem em conjunto porque cada um revela uma fragilidade diferente de uma tese de investimento superficial. Chamar uma empresa de “empresa de IA” diz pouco sobre sua economia. Um aumento expressivo da receita diz pouco sobre sua durabilidade. Uma margem bruta alta hoje diz pouco sobre o que acontecerá quando os clientes começarem a exigir que o produto realize tarefas mais difíceis.

O que mais valorizo é o hábito de fazer uma segunda pergunta. Depois de perguntar se a tecnologia funciona, pergunte se funciona com confiabilidade suficiente para o fluxo de trabalho real do cliente. Depois de perguntar se os clientes estão pagando, pergunte pelo que estão pagando e se é provável que continuem gastando. Isso torna o livro útil para além do momento em que seus exemplos foram escritos.

A Botkeeper e a importância da evolução dos custos

Um dos estudos de caso mais úteis é o da Botkeeper, uma empresa de automação da contabilidade na qual Rob May investiu. Ele descreve uma empresa que, no início, dependia bastante de contadores humanos e tinha margens brutas de cerca de 20% a 25%. Isso não parecia atraente para investidores que esperavam margens típicas de empresas de software. No entanto, o trabalho realizado por essas pessoas também gerava dados que poderiam ajudar a automatizar o processo. Rob May relata que, mais tarde, as margens brutas ultrapassaram 70%, à medida que mais trabalho passou a ser feito por software.

A lição que tiro disso é analisar o que o envolvimento humano está ajudando a construir. Se cada tarefa concluída ajuda o sistema a executar a seguinte com mais eficiência, os custos iniciais com serviços podem estar financiando um negócio mais escalável. Se cada novo cliente exigir, indefinidamente, um aumento proporcional do trabalho manual, a economia do negócio conta outra história.

Rob May também analisa a trajetória oposta: custos de inferência que aumentam à medida que o uso cresce. Para concluir tarefas mais difíceis, um sistema de IA pode precisar de mais capacidade computacional, de tentativas repetidas ou de revisão humana. Um produto que parece atraente em um projeto-piloto de pequena escala pode se tornar caro quando os clientes passam a depender dele para trabalhos complexos. Por isso, a evolução dos custos é tão importante quanto a margem atual.

Eficiência não é automaticamente uma vantagem competitiva duradoura

Outro modelo que considerei útil é a tríade de valor da IA proposta por Rob May: IA comoditizada, IA central e IA de expansão. Em linhas gerais, essas categorias descrevem capacidades que os concorrentes podem adotar facilmente, capacidades que fortalecem a vantagem existente de uma empresa e capacidades que abrem novas oportunidades de negócio.

O exemplo hipotético de uma companhia aérea apresentado por ele facilita a compreensão da primeira categoria. Uma companhia aérea implementa um agente de atendimento com IA e se torna mais eficiente. Em seguida, os concorrentes adotam ferramentas semelhantes. O que por um breve período pareceu um diferencial passa a ser uma expectativa do setor, e parte do benefício econômico pode se perder para a concorrência.

Essa perspectiva é um antídoto útil contra a ideia de que todo anúncio de IA comprova que uma empresa está mais forte. Quero saber o que continua sendo um diferencial depois que os concorrentes têm acesso a ferramentas comparáveis. Uma empresa que combina IA com dados proprietários de feedback, profundo conhecimento operacional ou um fluxo de trabalho do cliente difícil de reproduzir tem uma resposta mais convincente do que outra que anuncia a mesma automação que todos os demais podem comprar.

Procure líderes capazes de colocar a IA em prática

O livro está repleto de observações práticas, entre elas a importância de apostar em líderes capazes de incorporar a IA de fato. Um plano concreto para mudar fluxos de trabalho e responsabilidades é muito mais convincente do que uma apresentação que promete IA em toda a organização.

A análise de Rob May sobre a qualidade da receita reforça esse ponto. Projetos-piloto pagos e provas de conceito podem gerar números iniciais impressionantes, mas devem ser separados da receita ligada ao trabalho contínuo em produção. A pergunta pertinente é quanto do negócio permaneceria se os clientes parassem de experimentar amanhã.

Considero isso particularmente valioso para fundadores. Conquistar um projeto-piloto é um avanço, mas criar um produto que passe a fazer parte da operação de um cliente é uma conquista diferente. Compreender essa distinção desde cedo pode influenciar as prioridades do produto, as contratações e a maneira como uma empresa mede o sucesso.

Veredito final

Minha principal conclusão é que este livro não deve ser reservado exclusivamente a investidores. Empreendedores têm tanto a ganhar quanto eles ao entender o que torna uma empresa de IA atraente para investimentos, como se formam vantagens duradouras e quais armadilhas de startups podem ser evitadas antes de se tornarem caras.

O melhor é abordá-lo como um modelo para orientar o julgamento, e não como uma lista de ações para comprar. Sua principal contribuição é ajudar os leitores a serem mais precisos sobre os motivos que os levam a acreditar em um negócio. Inevitavelmente, os exemplos envelhecerão à medida que o setor avançar; o que torna o livro útil a longo prazo é a disciplina de questionar pressupostos.

Investindo em IA: seis modelos mentais para distinguir vantagens duradouras de armadilhas apresenta o pensamento baseado em princípios fundamentais que me levou a acompanhar a newsletter de Rob May. Para investidores que tentam distinguir um negócio defensável de uma história convincente, e empreendedores que buscam construir o primeiro, é uma leitura ponderada e valiosa.