E como a distinção entre sistemas determinísticos e não-determinísticos separa vencedores de perdedores
A revolução da inteligência artificial está em curso. Os números são conhecidos: Microsoft investe 80 bilhões de dólares em infraestrutura de iA, Amazon 125 bilhões, Google 85 bilhões. Nos últimos 24 meses, surgiram 29 novos bilionários ligados ao setor. Velocidade de criação de riqueza sem precedentes históricos, como aponta o pesquisador Andrew McAfee, do MIT.
Observo milhares de empreendedores tentando capturar essa onda. A maioria vai perdê-la. O motivo não é falta de capacidade técnica ou escassez de tempo. É algo anterior: escolheram o problema errado para resolver.
O padrão se repete com regularidade perturbadora. Profissionais competentes entram na indústria certa e constroem negócios nos modelos aparentemente óbvios: agências de automação com iA, canais de conteúdo gerado automaticamente, serviços de desenvolvimento sob demanda. Fazem tudo certo, exceto a escolha estrutural. Pegaram o barco errado e se perguntam por que não avançam.
David Ondrej, que acompanha uma das maiores comunidades de iA do mundo, relata que na amostra de 15 a 20 donos de agências que consultou nos últimos dois anos, observou padrão recorrente de insatisfação com o modelo. A maioria buscava pivotar. A amostra é pequena e possivelmente enviesada por seleção, mas a recorrência do padrão sugere algo estrutural.
Para entender essa estrutura, vale recorrer a uma distinção que Aaron Levie, CEO da Box, articula com clareza: sistemas determinísticos versus sistemas não-determinísticos. Levie usa a analogia da manufatura: software é como maquinário numa planta industrial; agentes de iA são como as pessoas que operam esse maquinário. Você quer que o maquinário se comporte da mesma forma toda vez. Dados que entram no ERP devem ser calculados segundo regras de negócio definidas. Permissões de segurança devem funcionar identicamente em cada acesso. Ninguém quer um sistema de RH gerando estruturas de reporte probabilisticamente a cada carregamento.
Sistemas não-determinísticos, por outro lado, fazem o que pessoas sempre fizeram dentro desses sistemas: preencher notas de reunião com cliente num CRM, gerar apresentação de vendas para novo cliente, responder consulta de suporte com os produtos mais adequados, conduzir análise sobre documentos para uma decisão importante.
O problema das agências de automação reside exatamente nessa confusão categorial. Muitas prometem usar iA generativa para tarefas que são, em essência, determinísticas. Extrair dados de planilhas, preencher formulários, mover arquivos entre sistemas. São tarefas mecânicas com regras definidas. Ferramentas tradicionais de automação já faziam isso antes dos grandes modelos de linguagem.
É importante reconhecer que a fronteira entre automação e ampliação nem sempre é nítida. Sistemas sofisticados frequentemente combinam ambos: automatizam tarefas rotineiras enquanto oferecem insights que humanos não conseguiriam gerar sozinhos. Um agente pode preencher formulários e identificar padrões de erro recorrentes. Pode fazer triagem de currículos e ampliar capacidade de análise de fit cultural. O problema surge quando o modelo de negócio trata iA generativa exclusivamente como executor de processos determinísticos, quando o valor diferenciado está na capacidade não-determinística.
Há uma tensão inerente no modelo de agências: à medida que modelos de iA se tornam mais acessíveis, a proposição de valor de terceirizar automação simples tende a diminuir. A tecnologia que alimenta o serviço pode, paradoxalmente, torná-lo menos necessário. Isso não é certeza, mas tendência estrutural. Em alguns casos, a complexidade de implementação pode justificar terceirização mesmo com modelos melhores. O ponto é que a vantagem competitiva se erode continuamente.
Levie oferece uma perspectiva que complementa essa análise. Em vez de argumentar que software perde valor com proliferação de agentes, ele defende o oposto: num mundo com 100 vezes mais agentes de iA do que pessoas nas empresas, o valor dos sistemas de registro e das ferramentas que agentes usam aumenta. Software fornece os guardrails dentro dos quais agentes operam com sucesso. Se você pede a um agente para gerar 10 vezes mais mensagens de marketing, onde esses agentes encontrarão dados para trabalhar? Onde os leads irão parar para que representantes humanos atuem sobre eles? Alguma forma de sistema de CRM. Enquanto humanos e agentes interagirem, haverá necessidade de software determinístico que conecte essas interações.
O modelo que funciona opera nessa interseção. Em vez de usar iA para substituir tarefas repetitivas, transforma capacidades de iA em produtos que ampliam o que humanos conseguem fazer, mantendo a infraestrutura determinística que garante confiabilidade.
Os casos de sucesso compartilham essa característica. Base44, bootstrapped, 250 mil usuários em seis meses, adquirida por 80 milhões de dólares. Lovable, 100 milhões de dólares em receita recorrente anual em oito meses. N8N, avaliada em 2,5 bilhões. Nenhuma dessas empresas vendia automação como serviço. Todas construíram produtos de software que incorporam iA como capacidade. Isso não significa que toda agência de automação está fadada ao fracasso, nem que todo produto de software com iA terá sucesso. O argumento é estrutural, não determinístico: produtos de software que amplificam capacidades cognitivas têm vantagens de escalabilidade e margem que modelos de serviço customizado dificilmente alcançam.
A lógica é simples quando dita claramente. Software escala sem intervenção proporcional. Você constrói uma vez e vende infinitas vezes. Quando um novo modelo é lançado pela OpenAI ou Anthropic, seu produto melhora automaticamente. Margens de 70 a 98 por cento são possíveis porque o custo marginal de servir mais um cliente tende a zero. Agência de automação opera na direção oposta: cada cliente exige projeto customizado, manutenção contínua, suporte técnico dedicado. Os custos crescem junto com a receita.
Levie aponta ainda para expansão dos mercados. Tradicionalmente, empresas de software ficavam limitadas a orçamentos de TI, que representam entre 3 e 7 por cento da receita de uma empresa. Com agentes de iA, o software traz consigo o trabalho, não apenas a ferramenta para habilitá-lo. O orçamento que vendedores de software podem capturar passa a ser o gasto total no trabalho, não apenas em tecnologia. O mercado de serviços jurídicos nos Estados Unidos gira em torno de 400 bilhões de dólares, 50 a 100 vezes maior do que as categorias de software jurídico correspondentes. Agentes de iA que tornem a indústria jurídica mais produtiva podem capturar pontos percentuais desses 400 bilhões, multiplicando o tamanho do mercado de software jurídico.
Essa análise estrutural não elimina nichos onde agências podem prosperar. Indústrias altamente reguladas, onde customização é obrigatória e conhecimento institucional tem valor defensável, podem justificar modelo de serviço. Compliance financeiro, saúde, defesa. Empreendedores com capital limitado podem preferir começar com serviços e migrar para produto conforme acumulam recursos e aprendizado de mercado. O argumento é sobre vantagens estruturais em escala, não sobre inviabilidade absoluta de alternativas.
A pergunta que a maioria faz é: como posso usar iA no meu negócio. É a pergunta errada. A pergunta correta é: que capacidade não-determinística a iA pode habilitar de modo que se torne um produto valioso, apoiada por infraestrutura determinística confiável. Um agente que gera análises jurídicas personalizadas (não-determinístico) mas armazena precedentes em banco de dados estruturado com versionamento auditável (determinístico). Um assistente de vendas que compõe emails contextuais (não-determinístico) mas registra cada interação em CRM com pipeline definido (determinístico). Um sistema de suporte que responde consultas de clientes com linguagem natural (não-determinístico) mas categoriza tickets e escala conforme regras de SLA fixas (determinístico). A primeira pergunta leva a automação de tarefas existentes. A segunda leva a criação de valor novo, onde o elemento humano e o elemento artificial se complementam em vez de competir.
ousadia criativa. precisão estratégica. – por kim.