O Caminho para o Unicórnio: As Próximas Startups Bilionárias Serão Construídas por Equipes Minúsculas

Duas semanas é um prazo razoável para construir um CRM personalizado que combine fluxos de trabalho de negócios, contabilidade, captação de recursos, agentes e parceiros em uma única interface? A lógica convencional diz que não. No entanto, continuo vendo versões disso acontecerem, porque o custo de desenvolvimento de software interno caiu drasticamente, enquanto a integração e o onboarding não acompanharam essa tendência.

Um exemplo recente do nosso próprio trabalho demonstra isso. Nosso cofundador não técnico, Denis, construiu um CRM interno em aproximadamente duas semanas, com o apoio de orquestração do nosso engenheiro e meu, e partes dele já estavam em produção enquanto ele ainda estava fazendo ajustes. O sistema se conectava a um banco de dados real por meio de um painel administrativo, permitindo que a equipe monitorasse a saúde de mais de 1000 clientes em tempo real, e também abrangia o gerenciamento de parceiros com links de indicação e rastreamento de pagamentos.

Ele o criou para resolver um problema que toda equipe em rápido crescimento enfrenta. Os CRMs prontos para uso te prendem ao fluxo de trabalho de outra pessoa. Você gasta tempo aprendendo recursos que não precisa, encontra limitações e gasta ainda mais tempo integrando ferramentas para que o sistema reflita como sua empresa realmente funciona. Quando as ferramentas subjacentes permitem que você construa mais rápido do que consegue integrar novos recursos, a antiga dicotomia entre construir ou comprar muda, e mais equipes começam a construir sua própria camada operacional.

Reduzindo o ciclo entre intenção e execução.

Em todo o mercado, a IA está reduzindo o tempo entre uma ideia e uma primeira versão funcional. Essa mudança ocorreu porque agora é possível fornecer a um agente uma tarefa bem descrita e receber um primeiro rascunho suficientemente utilizável para que um engenheiro sênior revise, corrija e incorpore. SquareFiEstimamos que cerca de 95% do nosso código seja produzido com auxílio de IA, e nossa equipe técnica principal passou de aproximadamente dez pessoas para quatro. Isso não é apenas um artifício para cortar custos — embora unicórnios busquem manter uma estrutura enxuta —, mas sim um realinhamento de recursos. Com menos pessoas, estamos entregando 10 vezes mais código de alta qualidade.

Isso é útil para nós, dentro e entre vários departamentos. As equipes de design usam cada vez mais plugins do Figma para converter designs em HTML e, em seguida, utilizam ferramentas de IA para criar pequenos protótipos para testes iniciais, antes mesmo de qualquer coisa chegar à fila de desenvolvimento. Agora podemos iterar testando ideias desde o início, sem precisar esperar pela disponibilidade de recursos.

Também utilizamos agentes em situações onde a lentidão no feedback é um fator crítico. Temos agentes de segurança que analisam continuamente logs e a atividade do firewall em busca de padrões incomuns, e usamos um agente que analisa cada commit do GitHub antes de ser integrado à produção, comparando-o com o cenário de ameaças atual. Raramente os humanos realizam esse tipo de diligência repetitiva de forma consistente, mesmo quando se importam muito com o assunto.

O resultado geral é que as ações são executadas com menos transferências de responsabilidade e menos atrasos causados ​​pela espera de um especialista disponível.

Saber o que fazer é mais importante do que saber como fazer.

Você pode pedir a um agente de IA para construir praticamente qualquer coisa, e pode fazer isso em uma fração do tempo e do custo de treinar uma pessoa para produzir o mesmo primeiro rascunho. A qualidade do resultado ainda acompanha a precisão da sua solicitação e a robustez da sua validação.

Em muitas startups atualmente, a qualidade das especificações é o fator limitante. As pessoas mais valiosas em uma equipe orientada por IA são frequentemente aquelas que compreendem profundamente o domínio, conseguem descrever sistemas com precisão e validar resultados sem rodeios. Novas denominações de cargos começaram a surgir para refletir essa realidade, incluindo redatores de especificações, proprietários de domínio e orquestradores de IA. O rótulo importa menos do que a capacidade.

Essa mudança também altera quem se torna eficaz. Gerentes competentes, capazes de compreender um projeto rapidamente e descrevê-lo de forma simples, agora podem produzir mais do que muitos engenheiros, porque sua intenção pode ser amplificada por meio dos agentes.

Frequentemente, outros fundadores me perguntam até onde isso pode chegar. Não acredito que haja uma resposta universal, mas acho que a filosofia se encaixa bem no setor fintech tradicional, pois é uma área onde o trabalho é complexo, mas os sistemas são descritíveis e testáveis.

Sim. Os humanos ainda terão empregos.

A última coisa que eu quero é que isso seja interpretado como a história de um fundador maligno de fintech que deseja exterminar a raça humana. Qualquer organização sensata sabe que são as pessoas que mantêm tudo funcionando.

Acredito que a fintech exige disciplina e responsabilidade. A inteligência artificial garante a primeira, enquanto o fator humano garante a segunda. Grandes transações financeiras devem permanecer sob supervisão humana. Os agentes podem preparar uma ordem de pagamento, que deve ser assinada por um humano. As decisões finais de conformidade também acarretam responsabilidade legal. Se um responsável pela conformidade aprova uma contraparte, a responsabilidade recai sobre o responsável, e não sobre o agente que preparou o caso.

Portanto, a questão não é se tudo pode ser automatizado. A questão é como alocar o julgamento humano aos momentos de maior risco, utilizando agentes para eliminar o trabalho repetitivo que atrasa os especialistas. A preparação para a conformidade é um bom exemplo. A verificação de notícias negativas, a análise de contrapartes e a montagem da documentação podem ser automatizadas, permitindo que o responsável pela conformidade receba um caso praticamente pronto e dedique seu tempo à decisão.

Essa combinação é eficiente e pode ser responsabilizada.

Como priorizar a IA

Muitas equipes dizem que priorizam a IA, e com isso querem dizer uma interface de chat integrada à mesma infraestrutura. Eu, por outro lado, estou muito mais interessado em IA como um modelo operacional interno.

Em nosso trabalho, utilizamos IA internamente de forma intensiva, enquanto a IA em nível de produto está atualmente limitada a áreas específicas, como agentes de suporte e contabilidade. Essa é uma limitação mais prática do que ideológica. O risco se comporta de maneira diferente no setor financeiro, e a autonomia do produto exige restrições cuidadosas.

Uma tendência que prevejo crescimento é a infraestrutura voltada para desenvolvedores que se integra aos fluxos de trabalho dos agentes. Por exemplo, estamos planejando lançar um servidor SquareFi MCP para que os desenvolvedores possam se integrar à nossa API com mais facilidade e nos conectar aos seus próprios agentes. O uso prático disso seria um agente financeiro capaz de analisar suas finanças, preparar uma ordem de pagamento e, em seguida, solicitar sua assinatura.

É por isso que também presto atenção quando laboratórios de ponta argumentam publicamente que os modelos ainda não estão equipados para tomar decisões irreversíveis de alto risco de forma autônoma. O setor de fintech não pode fingir que os erros são inofensivos.

O que isso significa para os fundadores que estão construindo agora?

O CRM que Denis desenvolveu foi um projeto interno, mas representava uma realidade mais ampla, onde a construção está se tornando mais barata enquanto a coordenação ainda é difícil. A comunicação, muitas vezes tratada como uma habilidade interpessoal, está se tornando cada vez mais valiosa, e profissionais com habilidades técnicas precisarão investir nela se quiserem prosperar em um ambiente onde as máquinas podem realizar grande parte do trabalho de forma mais rápida e muito mais barata.

Nesse contexto, torna-se importante reservar tempo para reflexão tranquila. Quanto mais rápido os agentes puderem executar as tarefas, mais valioso será desacelerar antes de lhes dar instruções. Compreender profundamente uma arquitetura complexa antes de descrevê-la a um agente é o que define a qualidade.

Se eu estivesse começando de novo, me concentraria em três disciplinas.

• Primeiro, eu treinaria a mim mesmo e à minha equipe para escrever especificações melhores. Você precisa de pessoas que consigam decompor um problema, definir o que é sucesso, o que é fracasso e descrever os testes. Este é o novo padrão de excelência operacional.
• Em segundo lugar, eu construiria uma cultura de validação rigorosa. A IA facilita a entrega rápida, mas também facilita a correção de erros. Sua vantagem não vem apenas da velocidade, mas também da melhoria contínua com altos padrões de qualidade.
• Em terceiro lugar, eu trataria o julgamento humano como um recurso escasso e o protegeria. Em áreas de alto risco, as equipes têm um desempenho melhor quando delegam a preparação e a repetição aos agentes, mantendo a tomada de decisões com os responsáveis ​​humanos.

A vantagem competitiva está se deslocando para os testes e aprimoramentos, porque a dinâmica do processo mudou. Equipes pequenas agora conseguem produzir o que antes exigia organizações muito maiores, já que os agentes tornam a comunicação e a coordenação muito mais fluidas. Isso não elimina a necessidade de talentos, mas sim eleva o padrão do que significa talento.