Priya Saiprasad, Sócio‑gerente da Touring Capital – Série de Entrevistas

Quando o software pode executar trabalho, isso altera o produto, o mercado endereçável, o modelo de precificação e a economia da empresa que o entrega. Queríamos construir a Touring em torno dessa oportunidade desde o início.

Nosso foco está em empresas que estão se aproximando ou demonstrando um ajuste precoce produto‑mercado, quando a promessa técnica começa a se traduzir em adoção pelos clientes. Essa é uma fase particularmente decisiva na IA: os fundadores decidem quais fluxos de trabalho assumir, quanta autonomia os clientes aceitarão e como transformar a demanda inicial em crescimento repetível.

Também queríamos trazer uma perspectiva de construção de empresas informada por nossa experiência em venture, M&A e grandes plataformas tecnológicas. Nossa ambição é ajudar os fundadores a criar negócios cujas vantagens competitivas se aprofundem à medida que a tecnologia avança. Isso requer convicção sobre a oportunidade e disposição para reexaminar continuamente as premissas subjacentes.

Você argumentou que algumas das maiores oportunidades em IA estão se afastando da simples construção de modelos de base maiores e se direcionando a empresas que aplicam IA a indústrias específicas. O que mudou tecnologicamente ou economicamente para tornar a camada de aplicação tão atraente agora?

Os modelos se tornaram dramaticamente mais capazes e acessíveis, o que altera onde os empreendedores podem criar valor. Você não precisa mais construir a inteligência subjacente do zero para criar algo poderoso.

Isso muda a questão de “Quem tem o melhor modelo?” para “Quem pode aplicar essa inteligência para resolver um problema de forma que mude fundamentalmente a economia ou o fluxo de trabalho?”

As empresas mais atraentes não estão simplesmente colocando um LLM na frente de um produto de software existente. Elas estão usando IA para repensar como o trabalho é realizado. Em alguns casos, isso significa automatizar grandes partes de um fluxo de trabalho. Em outros, permite que uma equipe muito menor produza muito mais resultados.

É aí que acredito que grande parte da próxima onda de criação de valor ocorrerá: empresas que conseguem pegar uma inteligência cada vez mais capaz e transformá‑la em um produto em que os clientes confiam para realizar trabalhos significativos.

Quando você analisa os setores hoje, quais indústrias acredita que estão atingindo um ponto de inflexão genuíno da IA, onde a IA poderia reestruturar fundamentalmente os fluxos de trabalho em vez de simplesmente tornar o software existente mais eficiente?

Tenho especial interesse em indústrias que combinam trabalho intelectual significativo, fluxos de trabalho existentes complexos e historicamente baixos níveis de penetração de software.

Serviços financeiros, saúde, jurídico, indústrias e automotivo são bons exemplos. Esses setores costumam possuir enormes quantidades de informações valiosas e fluxos de trabalho altamente especializados, mas grande parte do trabalho ainda é fragmentado, manual ou dependente de profissionais experientes que transferem informações entre sistemas.

A oportunidade não é simplesmente tornar esses trabalhadores 10% mais produtivos. As empresas mais interessantes estão redesenhando o fluxo de trabalho em torno do que a IA pode fazer agora.

Você pode ver isso em empresas como a Numa, que está usando agentes de IA para automatizar interações com clientes e operações de concessionárias, e a Daloopa, que aplica IA aos fluxos de trabalho de dados e pesquisa altamente sensíveis ao tempo usados por instituições financeiras. O ponto em comum é uma compreensão profunda do trabalho subjacente. A IA é poderosa, mas não elimina a necessidade de entender a indústria para a qual você está construindo.

A Touring Capital enfatiza fosso de dados, ciclos de produto e expertise setorial ao avaliar empresas de IA. Como é um negócio de IA vertical verdadeiramente defensável, e como distinguir um dele de uma empresa cujo principal diferencial é simplesmente envolver um modelo de linguagem grande de terceiros?

Um negócio de IA verdadeiramente defensável se fortalece à medida que opera.

O modelo subjacente pode melhorar ao longo do tempo, e uma empresa pode mudar de modelo completamente, mas o valor do negócio não deve desaparecer porque o modelo subjacente muda. O que importa é o que a empresa possui em torno desse modelo: o relacionamento com o cliente, o fluxo de trabalho, os dados proprietários, as integrações e a confiança para assumir trabalhos cada vez mais importantes.

Uma das coisas que observamos atentamente é se o produto se torna mais profundamente incorporado ao longo do tempo. Os clientes estão confiando nele para mais trabalho? O uso e os resultados estão se acumulando? A empresa está aprendendo com suas implantações de maneiras que melhoram o produto?

Essas dinâmicas criam um negócio muito mais forte do que simplesmente ter uma boa interface sobre um modelo de terceiros. Os recursos podem convergir muito rapidamente na IA. Uso sustentado e adoção mais profunda do fluxo de trabalho são muito mais difíceis de replicar.

À medida que os modelos de base se tornam mais capazes e cada vez mais comoditizados, isso fortalece as empresas de IA vertical ao lhes dar inteligência mais barata para construir, ou cria o risco de que os próprios provedores de modelo absorvam mais da camada de aplicação?

Ambas as dinâmicas podem ocorrer simultaneamente. Modelos melhores ampliam o que as empresas de aplicação podem entregar, ao mesmo tempo em que permitem que os provedores de modelo avancem mais para produtos e fluxos de trabalho.

A questão na diligência é como a posição de uma empresa muda à medida que a inteligência subjacente melhora. Fazemos duas perguntas juntas: o que se torna possível para esse negócio com a próxima geração de modelos, e que parte de sua proposta de valor atual pode se tornar uma capacidade padrão do modelo? Isso ajuda a distinguir empresas que se beneficiam do progresso daquelas cuja diferenciação depende de uma limitação temporária.

Negócios verticais podem construir posições duráveis por meio de fluxos de trabalho especializados, acesso a clientes, integrações, sistemas de avaliação e da responsabilidade operacional que assumem. Essas vantagens exigem investimento contínuo; expertise setorial por si só não é proteção permanente.

As empresas que considero mais atraentes têm um caminho claro para assumir trabalhos mais valiosos à medida que os modelos melhoram. Seus clientes obtêm melhores resultados, a economia de entrega se fortalece e o conhecimento acumulado se torna mais útil. Essa é a relação com o progresso dos modelos que queremos apoiar.

Empresas tradicionais de software como serviço historicamente foram avaliadas usando métricas como receita recorrente anual, margens brutas, retenção e expansão de assentos. Como a IA está mudando as métricas que você utiliza, particularmente à medida que custos de inferência, precificação baseada em uso e modelos de negócios baseados em resultados se tornam mais importantes?

ARR, retenção e margens brutas ainda são importantes. O problema é que, por si só, eles já não nos dizem o suficiente.

Uma empresa de IA pode crescer para dezenas de milhões em ARR incrivelmente rápido enquanto o uso subjacente dentro de sua base de clientes já está diminuindo. O cliente ainda pode estar sob contrato, mas quando a renovação chega, o produto foi efetivamente substituído. É isso que descrevemos como churn latente.

Portanto, estamos cada vez mais olhando além do modelo de precificação e perguntando que trabalho está realmente sendo feito. O número de fluxos de trabalho e resultados está aumentando ao longo do tempo? O cliente está confiando no produto para fazer mais trabalho? O uso continua após o entusiasmo inicial da implantação?

Também estamos analisando muito mais de perto a economia por trás do crescimento. Empresas de IA podem substituir a mão de obra humana por automação, mas a computação se torna uma parte real da força de trabalho e da estrutura de custos. Por isso, observamos conceitos como intensidade de fluxo de trabalho, multiplicadores de eficiência, receita por funcionário ajustado e alavancagem de custos.

A grande questão é se o crescimento está se tornando mais durável e eficiente ao longo do tempo. Crescimento espetacular e crescimento durável não são necessariamente a mesma coisa.

Muitos agentes de IA estão sendo projetados não apenas para auxiliar funcionários, mas para concluir fluxos de trabalho inteiros de forma autônoma. Como isso altera a oportunidade de mercado para software empresarial, e as empresas de IA poderiam eventualmente capturar parte dos orçamentos de mão de obra que historicamente ficavam fora dos gastos com software?

Acho que esta é uma das mudanças mais importantes no software empresarial.

Historicamente, o software era vendido principalmente como uma ferramenta que ajudava o funcionário a fazer seu trabalho. O funcionário continuava responsável por produzir o trabalho, e o orçamento de software era separado do orçamento de mão de obra.

IA muda essa equação porque o software pode, cada vez mais, executar partes do trabalho por conta própria.

Isso amplia significativamente a oportunidade de mercado. Você não está mais apenas vendendo uma ferramenta de produtividade a partir de um orçamento de TI ou de software. Se um produto pode assumir de forma confiável um trabalho significativo e produzir um resultado mensurável, ele pode potencialmente capturar valor também dos orçamentos de mão de obra.

A distinção importante está entre um assistente de IA e um sistema de IA em que os clientes confiam para realmente executar. Este último tem o potencial de se tornar muito mais valioso, mas também precisa demonstrar confiabilidade real, responsabilidade e viabilidade econômica. No final das contas, os clientes não se importarão com o quão sofisticada a IA é se o produto não conseguir entregar consistentemente o resultado prometido.

Você atualmente faz parte dos conselhos de empresas como Numa e Daloopa, que aplicam tecnologia a verticais muito diferentes, como operações automotivas e dados financeiros. O que essas empresas lhe ensinaram sobre o que é necessário para introduzir IA com sucesso em indústrias com fluxos de trabalho profundamente estabelecidos e expertise de domínio?

A maior lição é que a IA não elimina a importância da expertise de domínio. De muitas maneiras, ela a torna ainda mais importante.

Para introduzir IA com sucesso em uma indústria estabelecida, é preciso compreender o fluxo de trabalho profundamente o suficiente para saber onde a automação realmente cria valor e onde o julgamento humano ainda é necessário. Também é necessário entender como os clientes adotarão o produto, como ele se encaixa em seus sistemas existentes e no ciclo de adoção de IA, e o que é preciso para conquistar sua confiança.

Numa e Daloopa operam em mercados muito diferentes, mas ambas estão profundamente conectadas ao trabalho específico que seus clientes precisam realizar. As empresas de IA vertical mais bem-sucedidas não começam com “Onde podemos colocar IA?” Elas começam com um problema ou fluxo de trabalho significativo e então o redesenham em torno do que a IA pode fazer agora.

É por isso que acredito que a expertise de domínio pode se tornar uma vantagem significativa ao longo do tempo. Quanto mais profunda for a sua compreensão do trabalho, mais eficazmente você pode construir um produto no qual os clientes estejam dispostos a confiar.

Os investimentos recentes da Touring abrangem tanto aplicações específicas de domínio quanto infraestrutura que habilita IA. Como você pensa sobre o equilíbrio entre investir na camada de aplicação versus a infraestrutura necessária para alimentá‑la, e onde acredita que hoje existe a maior oportunidade para retornos em escala de venture?

Não vemos a oportunidade como existindo exclusivamente em uma única camada da pilha. Estamos focados em onde surgem gargalos importantes e onde uma empresa pode construir uma posição significativa à medida que a adoção de IA escala.

No lado das aplicações, nos entusiasma empresas que conseguem transformar IA em valor econômico mensurável ao dominar fluxos de trabalho importantes e entregar resultados reais. No lado da infraestrutura, nos interessam as empresas que resolvem as restrições que determinam se a IA pode ser efetivamente implantada de forma eficiente em escala.

Nossos investimentos em empresas como Infinity e Parasail refletem isso. Uma está abordando o desafio de software de tornar diferentes chips de IA prontos para executar modelos modernos, enquanto a outra ajuda desenvolvedores a implantar e escalar cargas de trabalho de IA sem precisar gerenciar a infraestrutura subjacente.

A melhor oportunidade não é necessariamente determinada por a empresa estar no segmento de aplicações ou de infraestrutura. A questão chave é se a empresa está resolvendo um problema importante e durável com potencial de se tornar cada vez mais valioso à medida que o mercado de IA evolui.

Com enormes quantias de capital agora concentradas em torno de um número relativamente pequeno de empresas de IA de ponta, onde você acredita que os investidores ainda subestimam a oportunidade, e quais categorias ou modelos de negócios nativos de IA estão recebendo muito menos atenção do que merecem?

Uma área que acho particularmente interessante é o meio do mercado.

Neste momento, o venture capital tem se tornado cada vez mais segmentado. Há um apetite enorme por empresas promissoras nos estágios iniciais, particularmente aquelas com equipes excepcionais e tecnologia atraente. Também há capital substancial disponível para as maiores e mais consolidadas empresas.

Mas o meio, particularmente os estágios tradicionais de Série B e C, tornou‑se muito mais difícil.

A IA comprimiu as expectativas. As empresas agora podem passar de zero a receitas significativas mais rápido do que jamais vimos, o que elevou o patamar drasticamente assim que um negócio começa a gerar receita. Um crescimento que seria considerado extraordinário há alguns anos pode não se destacar mais no mercado atual.

Isso cria tanto risco quanto oportunidade.

Algumas empresas estão sendo pressionadas a otimizar para o que o mercado de captação de recursos deseja em um determinado momento: crescimento de 5x, crescimento de 10x, um certo marco de receita, independentemente de essa trajetória criar um negócio durável. O mercado pode mudar drasticamente em seis a nove meses, portanto os fundadores precisam ter cuidado para não construir exclusivamente para as expectativas da próxima rodada de financiamento.

Para os investidores, acredito que há uma oportunidade real em identificar empresas que têm fundamentos subjacentes fortes, mas que não se encaixam perfeitamente nos extremos do mercado atual. O desafio é ser disciplinado o suficiente para distinguir crescimento durável de uma empresa que está simplesmente sendo impulsionada pelo ciclo atual de financiamento de IA.

Obrigado pela ótima entrevista, leitores que desejam saber mais sobre esta empresa de capital de risco devem visitar Touring Capital.