Essa semana, duas startups brasileiras de IA fecharam rodada de investimento na mesma janela de dias. A BeConfident captou R$ 85 milhões em Série A, liderada pela Prosus Ventures, com a meta de sair de R$ 60 milhões para R$ 300 milhões de faturamento em 2026. A capixaba Takeat levantou R$ 15 milhões, liderada pela DGF. Reparei em um detalhe que a maioria das manchetes não destacou: nenhuma das duas vende “inteligência artificial”. Uma vende inglês ensinado por WhatsApp. A outra vende gestão de restaurante. IA é o motor, não o produto — e é exatamente por isso, na minha leitura de mais de 30 anos decidindo o que comprar e o que descartar em tecnologia, que o dinheiro foi atrás delas e não de uma plataforma genérica de “IA para empresas”.
Não é coincidência nem sorte de comunicação. É um padrão que eu já reconhecia antes de qualquer rodada de investimento existir: quem compra tecnologia — seja investidor, seja diretoria de empresa média — não está comprando capacidade abstrata. Está comprando a promessa de que um problema específico, com um número associado, vai parar de doer. Toda vez que deixei essa régua de lado ao longo da carreira, decidindo por “potencial” em vez de por resultado nomeado, o projeto custou mais caro para provar valor do que deveria.
Principais aprendizados
- Nenhuma das startups de IA mais bem financiadas desta semana vende “inteligência artificial” como produto — vendem um resultado de negócio específico (faturamento em um nicho de idiomas, eficiência operacional de restaurante).
- Investidor não paga prêmio por tecnologia genérica; paga prêmio por evidência de que um problema vertical, medido, foi resolvido.
- O mesmo filtro que separa uma rodada bem-sucedida de uma rodada frustrada é o que deveria orientar a compra (ou construção) de IA dentro de uma empresa média: escopo nomeado, não “IA para tudo”.
- Estimativas de impacto macroeconômico da IA no Brasil — como o estudo do Reglab, que projeta cerca de R$ 986,7 bilhões adicionados ao PIB até 2030 — são teto de possibilidade, não previsão de captura automática para quem não tem escopo definido.
- O primeiro passo prático não é escolher fornecedor de IA; é nomear o processo específico, com dono e métrica, que essa IA vai assumir.
Por que investidor paga mais por “gestão de restaurante com IA” do que pagaria por “plataforma de IA”?
Porque “plataforma de IA” não diz para quem, para resolver o quê, nem como medir se resolveu. A Takeat não pediu para o mercado acreditar em inteligência artificial — pediu para acreditar que um restaurante gasta menos tempo e erra menos pedido com o produto dela. A BeConfident não vendeu modelo de linguagem — vendeu a meta declarada de quintuplicar faturamento ensinando inglês por um canal que o cliente já usa todo dia, o WhatsApp. Em ambos os casos, o investidor consegue prever o retorno porque o problema tem borda: um setor, um processo, um número de saída.
É o mesmo raciocínio que já vi validado do lado oposto do balcão, como compradora de tecnologia dentro de operações grandes: uma proposta que promete “resolver atendimento com IA” é mais difícil de aprovar — e de defender depois — do que uma proposta que promete “reduzir em X o tempo de resposta do processo Y, medido a partir de hoje”. A primeira é aposta em categoria. A segunda é aposta em resultado. Investidor profissional só faz a segunda aposta, mesmo quando o discurso de pitch usa a palavra “IA” o tempo todo.
O que muda quando você decide comprar IA por resultado de negócio, não por tecnologia?
Muda a pergunta que abre a reunião. Em vez de “qual fornecedor de IA devemos contratar”, a pergunta certa é “qual processo específico está perdendo tempo, dinheiro ou qualidade hoje, e quem vai responder pelo resultado dele”. Isso parece óbvio escrito assim, mas é a etapa que a maioria das empresas médias pula, porque comprar uma ferramenta parece mais rápido do que fazer esse diagnóstico primeiro.
Vi essa diferença de perto num programa de capacitação que acompanhei recentemente numa operação de saúde de médio porte. Ninguém comprou “IA para saúde”. O escopo era um processo nomeado — validação cadastral — com dono definido e meta clara. O ciclo, que levava de 5 a 6 dias, caiu para até 24 horas, e a mesma operação passou a rodar com uma equipe de 3 pessoas em vez das 8 originais. Resultados como esse variam conforme o contexto, a maturidade e os processos de cada organização — não constituem promessa de resultado equivalente em outros ambientes. O que se repete, caso após caso, não é o número — é o método: escopo nomeado antes de qualquer contrato assinado.
É o mesmo padrão que já observei em outros contextos brasileiros de IA aplicada: os casos que já funcionam de verdade no país — em crédito, varejo e agro — têm em comum a aplicação vertical, não o setor. Startup que capta bem e empresa que executa bem estão, no fundo, respondendo à mesma pergunta.
Como aplicar esse filtro antes de aprovar o próximo investimento em IA na sua empresa?
Três perguntas, na ordem certa, antes de qualquer reunião com fornecedor. Primeira: qual processo específico esse investimento vai mudar — não “a área”, o processo. Segunda: qual é o número de hoje, antes de qualquer IA entrar, para que exista uma linha de base real de comparação depois. Terceira: quem, com nome e sobrenome, vai responder pelo resultado desse processo daqui a três meses — não quem aprovou a compra, quem vai ser cobrado pelo resultado.
Se a resposta de qualquer uma das três for vaga — “a IA vai melhorar o atendimento de forma geral”, por exemplo —, o investimento ainda não está pronto para ser aprovado, mesmo que o orçamento exista e a diretoria esteja entusiasmada. O tamanho do mercado brasileiro de IA — o próprio Reglab estimando quase R$ 1 trilhão de impacto potencial na economia até 2030 — não muda essa régua individual. Ele só aumenta a quantidade de fornecedores dispostos a vender categoria em vez de resultado, o que torna o filtro mais necessário, não menos.
Perguntas frequentes
Por que startups de IA que resolvem um problema específico captam mais dinheiro do que plataformas genéricas?
Porque investidor consegue prever retorno quando o problema tem borda definida — um setor, um processo, uma métrica de saída. “Plataforma de IA” sem esse recorte obriga o investidor a apostar em potencial abstrato, o que é mais arriscado e, por isso, menos financiado no estágio inicial.
Minha empresa de médio porte deveria copiar o modelo de negócio dessas startups?
Não o modelo de negócio — o critério de decisão por trás dele. O que vale para uma empresa média não é replicar “IA para restaurante” ou “IA para idiomas”, e sim aplicar a mesma disciplina: escolher um processo específico, medir o antes, nomear quem responde pelo depois, antes de aprovar qualquer investimento em IA.
Como saber se uma proposta de fornecedor de IA está vendendo resultado ou só tecnologia?
Peça para o fornecedor nomear o processo exato que a solução vai assumir e a métrica que vai comprovar o resultado antes da implementação começar. Se a resposta for genérica — “vai trazer eficiência” ou “vai modernizar a operação” — sem processo, número e responsável nomeados, a proposta ainda está vendendo categoria, não resultado.
O crescimento do mercado de IA no Brasil garante que minha empresa vai capturar parte desse valor?
Não automaticamente. Estimativas como a do Reglab, de quase R$ 1 trilhão de impacto potencial até 2030, descrevem o tamanho da oportunidade agregada, não uma captura garantida por empresa. Quem tem escopo definido e método de medição consegue capturar parte real desse valor; quem trata IA como categoria genérica compete pelo mesmo orçamento sem conseguir provar o retorno.
Gillian Pellegrino tem mais de 30 anos de carreira em tecnologia, com passagens por operações de telecom e indústria antes de fundar a HAIA. Escreve aqui sobre o que aprendeu decidindo — nem sempre acertando de primeira — projetos de dados e IA em escala real.
