Opinião: Na febre do AI, a lógica de "vender pás" já deixou de valer

As empresas de IA que realmente conseguem sobreviver não vendem ferramentas, mas usam a IA como matéria-prima em setores verticais, como “artesãos de joias”.

Autor: Ben Basche

Tradução: Deep潮 TechFlow

Leitura recomendada pela Deep潮: “Na corrida do ouro, vender pás” foi uma máxima do empreendedorismo. Mas na era da IA, essa lógica deixou de valer — porque os mineradores abriram suas próprias lojas de ferragens. OpenAI, Anthropic, Google estão sistematicamente dominando camadas intermediárias, assistentes de programação, automação de navegadores e outros setores de startups. Ben Basche acredita que as empresas de IA que realmente sobrevivem não vendem ferramentas, mas usam a IA como matéria-prima em setores verticais — aprofundando-se em indústrias específicas, dominando conhecimentos locais e possuindo contextos irreprodutíveis.

Texto completo:

Existe uma frase que virou uma bênção para o empreendedorismo antes e depois da bolha da internet: “Na corrida do ouro, vender pás e picaretas.” Significa que quem realmente lucra não são os mineradores, mas os fornecedores deles. O verdadeiro rico é Levi Strauss, não os garimpeiros.

Esse é um bom quadro. Funciona bem por um tempo.

Mas no campo da IA, ele está errado. Se sua empresa foi construída com base nessa lógica, talvez seja hora de revisar o que aconteceu nos últimos doze meses.

Laboratórios são toda a pilha tecnológica

A seguir, o que realmente aconteceu — primeiro silenciosamente, depois de repente, de forma explosiva.

OpenAI lançou o Operator, um agente computacional capaz de navegar na web, preencher formulários e executar tarefas de ponta a ponta. Depois, veio o Responses API e o Agents SDK, permitindo que desenvolvedores acessem chamadas de ferramentas nativas, memória e orquestração sem frameworks de terceiros. Em seguida, Codex, um agente de programação na nuvem capaz de escrever, testar e iterar software autonomamente. E ainda Deep Research. Qualquer um desses produtos, há dois anos, já seria suficiente para sustentar uma startup com financiamento.

Anthropic lançou Claude Code, Computer Use, projetos com memória persistente e MCP (Model Context Protocol) — quase da noite para o dia, tornou-se padrão de conexão entre IA e ferramentas externas e dados. Depois, doaram o MCP para a Linux Foundation, garantindo que fosse infraestrutura, não produto. Depois, lançaram Claude no Excel, Claude no Chrome, Cowork.

Google lançou o Gemini 2.0, com chamadas nativas a ferramentas e percepção multimodal, integrado ao Vertex AI como painel de controle de IA empresarial, oferecendo estratégias e orquestração prontas para uso.

Cada uma dessas ações está consumindo uma fatia de mercado que antes pertencia a startups.

A lógica de “vender pás” pressupõe que os laboratórios ficarão na sua própria pista. Criando modelos básicos, oferecendo APIs, deixando camada de ferramentas, orquestração e aplicações para o ecossistema. Essa hipótese já morreu.

A carnificina das camadas intermediárias

Vamos ver o que realmente aconteceu nas camadas intermediárias.

LangChain foi a aposta mais típica de “vender pás” na febre de IA de 2023. Uma estrutura para encadear chamadas de LLM, conectar ferramentas e gerenciar memória. Milhares de equipes construíram produtos com ela, com mais de 100 mil estrelas no GitHub. Em 2024, várias equipes começaram a escrever blogs explicando por que estavam removendo LangChain de seus ambientes de produção. Não por ser ruim, mas porque os modelos subjacentes ficaram inteligentes demais para precisar dela. A abstração que LangChain constrói resolve problemas de ontem.

Ao mesmo tempo, a OpenAI lançou seu próprio SDK de agentes. Microsoft lançou AutoGen e Semantic Kernel. Os laboratórios e suas matrizes não adquiriram a LangChain. Apenas a incorporaram nativamente às suas plataformas.

O mesmo roteiro se repete em cada camada: frameworks de agentes, gerenciadores de prompts, pipelines RAG, frameworks de avaliação, ferramentas de observabilidade. Tudo sendo absorvido pelos fabricantes de modelos como funcionalidades nativas.

A dura realidade: quando OpenAI ou Anthropic incorporam capacidades de orquestração diretamente na API, não precisam vencer em funcionalidades. Basta serem “suficientes” e “já estarem lá”. Os desenvolvedores tendem a seguir o caminho de menor resistência. As startups com middleware inteligente precisam ser muito superiores, manter essa vantagem enquanto os modelos evoluem, e competir com gigantes com capital infinito e infraestrutura de base. Isso não é um negócio, é um projeto de pesquisa com contagem regressiva.

Mineradores abriram suas próprias lojas de ferragens, e as pás não podem mais ser vendidas

A analogia de “vender pás” falha na IA por uma diferença estrutural fundamental. Em 1849, Levi Strauss e os comerciantes de ferragens não garimparam ouro. Mineradores e fornecedores eram atores independentes, com interesses separados.

Na IA, os laboratórios estão tanto garimpando quanto vendendo pás, construindo estradas e mapeando territórios. Eles têm motivos para controlar toda a pilha tecnológica, pois cada camada adicional que dominam traz um ponto de trava, uma oportunidade de expansão de lucro e uma barreira de entrada.

Anthropic doou o MCP para a Linux Foundation — não por caridade, mas para garantir que um padrão que eles criaram se torne infraestrutura universal, como o Ethernet. Padrões são as maiores fortalezas do setor de tecnologia, pois são intangíveis e permanentes.

Portanto, se sua startup propõe “intermediar desenvolvedores e modelos, facilitando fazer X”, precisa aceitar uma realidade: quem está no meio já percebeu isso, tem recursos para copiar, e há razões estruturais para fazê-lo.

Então, o que funciona?

Voltando à metáfora do ouro: se não dá mais para vender pás, o que você deve vender?

Joias.

Ou, melhor ainda, usar o ouro como matéria-prima industrial, criando produtos que mineradores não têm interesse em fazer.

Na corrida do ouro de 1849, as empresas que sobreviveram à prosperidade não eram as que vendiam ferramentas genéricas. Eram aquelas que usaram o ouro como matéria-prima, com profundo conhecimento especializado, para criar produtos específicos. Joalheiros, dentistas, engenheiros elétricos posteriores. Essas pessoas entendem profundamente um cenário de aplicação que um generalista nunca consegue.

Na IA, isso significa construir aplicações verticais — setores que exigem contexto do mundo real que os laboratórios não dominam nem conseguem obter facilmente.

Pense no que a OpenAI, Anthropic e Google não são boas de fazer:

• Não entendem profundamente o fluxo de trabalho do seu setor.
• Não têm relação com seus clientes.
• Não conseguem obter dados privados que façam o modelo funcionar bem em cenários específicos a baixo custo.
• Nunca vão estudar por que um artesão na África do Sul emite notas fiscais de uma forma particular, ou por que a integração de pagamentos móveis no Quênia é complexa, ou por que a autorização médica nos EUA é uma operação profundamente enraizada e problemática.

Laboratórios constroem infraestrutura horizontal. A oportunidade está na vertical, em setores que exigem conhecimento local, regulatório, cultural e setorial para realmente funcionar.

Por isso, fintechs de mercados emergentes, IA jurídica para jurisdições específicas, ferramentas de conformidade regulatória em setores altamente regulados, e automação de fluxos de trabalho em nichos especializados são mais defensáveis do que “fazer uma versão melhor do LangChain”.

A fortaleza não está no modelo. Está no contexto.

O uso industrial do ouro

Existe uma segunda versão dessa ideia que vale esclarecer: usar IA como o ouro na indústria. Não como reserva de valor ou peça de exibição, mas como componente embutido em produtos que criam valor econômico duradouro.

A condutividade do ouro é quase incomparável. Por isso, está em quase todos os circuitos. Ninguém fala disso, ninguém faz hype em torno disso. Ele funciona silenciosamente como uma entrada crítica em sistemas maiores.

As empresas de IA mais duradouras que estão sendo construídas agora usam o modelo como componente — uma entrada para um produto que resolve um problema real — e não como produto em si. IA é o ouro no circuito, não na vitrine.

Na prática, você escolhe um setor com dor real, fluxo de trabalho complexo e dados difíceis de obter, e constrói um produto que usa modelos para melhorar muito a solução. IA é o detalhe técnico, o produto é o que substitui processos manuais dolorosos.

Isso é o oposto de “colocar uma camada em cima do GPT-4”. A camada é a vitrine, o circuito é invisível.

Setores que estão sendo eliminados recentemente

Para ficar mais claro, aqui estão algumas categorias de startups que os laboratórios vêm dominando sistematicamente desde o final de 2024:

Frameworks de orquestração de agentes. Agora, com funcionalidades nativas do SDK de Agentes da OpenAI, ferramentas da Anthropic, Vertex AI Agent Builder do Google.

Assistentes de programação de IA. Codex da OpenAI já faz programação autônoma de repositórios inteiros. Claude Code também. GitHub Copilot é a solução nativa da Microsoft. O mercado de assistentes de programação independentes foi bastante comprimido.

Automação de navegador e computador. Operator da OpenAI, Computer Use da Anthropic, Gemini Astra do Google. Todas as principais laboratórios têm produtos nessa direção. Startups de RPA com LLM estão na defensiva.

Pipeline RAG e ferramentas de busca vetorial. Já estão sendo comercializadas. A maioria das APIs de modelos já vem com busca nativa. A diferenciação em frameworks desapareceu.

Assistentes gerais de IA e ferramentas de produtividade. Estão sendo engolidos por Claude, ChatGPT e Gemini.

Gerenciamento de prompts e ferramentas de avaliação. Tornaram-se funcionalidades nativas cada vez mais frequentes. LangSmith ainda tem espaço, mas é uma corrida contra o tempo.

O padrão é consistente: laboratórios descobrem uma categoria que atrai desenvolvedores, percebem que ela é próxima do seu produto principal, e lançam uma versão. Pode não ser melhor, mas é mais integrada, mais barata por padrão, e tem maior capacidade de distribuição — algo que startups não conseguem igualar.

O que você deve fazer agora

Se você está construindo uma startup de IA, a pergunta não é “isso tem demanda”. Demanda há de sobra. A questão é: isso será eliminado por um laboratório de um banco com mais de 10 bilhões de dólares com um produto lançado?

Se a resposta for “sim” ou “provavelmente sim”, então não é um negócio, é uma funcionalidade.

A estratégia duradoura tem as seguintes características: alta especialização vertical (laboratórios podem fazer algo geral, mas não o seu setor específico), dados ou relações privadas que não podem ser facilmente copiados na internet, complexidade regulatória e de conformidade que tornam “apenas usar API” insuficiente, e canais de distribuição em comunidades onde confiança e contexto local são mais importantes do que capacidades brutas.

A corrida do ouro é real. Há ouro por toda parte. Mas os mineradores também estão abrindo lojas de ferragens, e com capital ilimitado.

Vender joias. Usar o ouro como matéria-prima industrial. Criar produtos que mineradores não querem fazer — porque são nicho, altamente localizados, profundamente integrados ao conhecimento de setores que eles nunca terão.

Essa é a estratégia que considero correta.