Anterior Diretor de Marketing da Consensys: A evolução da forma das empresas na era da IA

Autor: Lex Sokolin

Tradutor: Jiahua, ChainCatcher

Este artigo explora como a IA está reformulando a própria estrutura organizacional. As empresas estão passando de equipes no estilo Amazon de “duas pizzas” (uma equipe de cerca de 6 a 10 pessoas, mantendo uma estrutura ágil) para grupos “nativos de IA” compostos por 3 a 5 pessoas, com produtividade significativamente aumentada.

Comparamos duas trajetórias:

A estratégia de substituição por IA da Klarna terminou em fracasso. O número de funcionários foi reduzido de 5.500 para 3.400, e problemas na qualidade do serviço acabaram forçando a recontratação.

A Coinbase e a Ramp optaram por reestruturar seus negócios em torno do aprimoramento e orquestração de IA. A Coinbase cortou 700 empregos e passou a focar em equipes de produto individuais e geração de código por IA.

A Ramp criou uma estrutura interna de harness de IA, que 99,5% dos funcionários usam diariamente, cobrindo mais de 350 habilidades de negócios.

Além disso, analisamos por que empresas como Box e Plaid estão sendo reprecificadas pelo mercado de capitais como infraestrutura de IA, devido ao controle sobre dados empresariais essenciais e com permissões para o funcionamento de agentes inteligentes.

A terceira evolução da forma organizacional

Há alguns meses, discutimos as “Empresas Zero Humanas” e a curva de autonomia econômica da IA:

Embora existam forças impulsionando a criação de organizações totalmente sem intervenção humana, atualmente os atores econômicos ainda somos nós, humanos.

O trabalho mais desafiador hoje é transformar empresas tradicionais existentes em formas prioritariamente de IA.

Essa é uma oportunidade enorme, a ponto de a Anthropic estar colaborando com toda a indústria de private equity para avançar nesse sentido.

Além dos dados financeiros impressionantes, começamos a perceber claramente outro ponto de impacto da IA: a forma como as pessoas criam e organizam empresas.

A estrutura organizacional é, ela mesma, uma tecnologia.

A abordagem em cascata (Waterfall) deu origem ao domínio dos gigantes de software hierárquicos na era inicial da tecnologia.

Depois, a indústria migrou para equipes enxutas usando metodologias ágeis, que evoluíram para as “equipes de duas pizzas” criadas pela Amazon. Essa estrutura operacional construiu todas as fintechs modernas atuais.

Mas a direção da maré mudou novamente.

Martin Harrysson e Natasha Maniar, da McKinsey, fizeram uma previsão para o final de 2025:

“Papéis nativos de IA, na essência, significam que estamos passando de uma estrutura de ‘duas pizzas’ para pequenos grupos de 3 a 5 pessoas, chamados de ‘equipes de uma pizza’.”

Metade do trabalho, metade do tamanho, mesma eficiência.

Em 5 de maio de 2026, Brian Armstrong reforçou essa tese ao cortar 700 empregos.

O que a Coinbase fez?

A Coinbase reduziu 14% de seus 4.951 funcionários.

Parte disso se deve ao fato de ainda ser uma empresa altamente vinculada ao volume de negócios e transações — com previsão de receita do primeiro trimestre de 1,7 bilhão de dólares (queda de 26% em relação ao ano anterior) e lucro por ação (EPS) despencando 86%.

Mas o mais importante é como a gestão planeja a implementação de IA em fintechs e cripto, e suas expectativas para a produtividade por pessoa no futuro.

Os engenheiros da Coinbase agora podem lançar produtos em poucos dias, tarefas que antes levavam semanas, e essa eficiência está acelerando.

Armstrong está reestruturando as linhas de negócio, garantindo que, sob o CEO e o COO, haja no máximo cinco níveis hierárquicos.

Os “gestores” tradicionais desaparecerão — cada líder deve atuar também como contribuinte individual, sendo um “jogador e treinador” que domina ferramentas modernas, lidera equipes e também participa ativamente.

Equipes transfuncionais de “equipes nativas de IA” substituem completamente as equipes tradicionais. A Coinbase até está testando internamente a fusão de engenharia, design e produto em uma única equipe de uma pessoa.

A Coinbase, uma gigante listada com receita de 7 bilhões de dólares, opera com equipes de produto de uma pessoa.

Em setembro de 2025, Armstrong declarou publicamente que 40% do código da Coinbase é gerado por IA diariamente, e planeja aumentar para 50% em outubro.

No podcast Cheeky Pint, John Collison, cofundador do Stripe, admitiu ter demitido engenheiros que, uma semana após a liberação de licenças corporativas, ainda se recusavam a usar Cursor e GitHub Copilot:

“Algumas pessoas simplesmente não usam, então foram demitidas.”

V1: substituição direta, mas fracassada

No entanto, a Coinbase não foi a primeira fintech a fazer cortes com base em IA.

Lembram-se do experimento de redução de custos por IA da Klarna em 2024? Parecia indicar uma explosão de produtividade futura.

Mas, na prática, tudo desmoronou ao confrontar a realidade.

A satisfação do cliente com tarefas complexas caiu drasticamente, e a taxa de contatos repetidos aumentou.

Até maio de 2025, Siemiatkowski admitiu à Bloomberg que a empresa “avançou demais”. A Klarna precisou recontratar de forma remota, contratando estudantes, pais em tempo integral e trabalhadores de regiões remotas.

O Commonwealth Bank da Austrália interrompeu rapidamente 45 projetos de substituição por voz. A Taco Bell também retirou IA de voz de suas 500 unidades de drive-thru.

A Gartner prevê que, até 2027, metade das empresas que planejaram substituições completas abandonarão esses planos.

Apesar disso, a IPO da Klarna no primeiro dia subiu 30%, atingindo uma avaliação de 20 bilhões de dólares, refletindo que, se a empresa corrigir o curso a tempo, o mercado aberto é bastante tolerante.

Porém, essa lógica simplista de “substituir” — cortar um humano e colocar um grande modelo de linguagem — pode funcionar em métricas de quantidade, mas falha na qualidade.

O custo de recontratação supera o que foi economizado inicialmente. Claramente, a primeira tentativa de digitalização por IA no setor de fintech foi um saldo misto de acertos e erros.

Mas essa não será a última tentativa.

V2: capacidade aumentada, com Harness como barreira de proteção

Em início de abril de 2026, a Ramp lançou oficialmente o “Glass”.

Seb Goddijn, especialista interno em IA que co-criou a ferramenta com cinco colegas, publicou um artigo detalhado. No mesmo dia, o CEO Eric Glyman compartilhou no Twitter, e em poucas horas o texto liderou o Hacker News.

Para explicar por que a V1 falhou, Goddijn apontou:

“A principal barreira para a adoção de IA não é o modelo em si, mas a complexidade extrema de configurar o ambiente de execução de IA.”

O Glass foi criado justamente para derrubar essa barreira:

Primeiro, automação na configuração de acesso — basta fazer login via Okta SSO, e todas as ferramentas internas autorizadas (Salesforce, Gong, Notion, Linear, Snowflake, Slack, Zendesk, além de ferramentas próprias da Ramp) estão integradas na base.

Segundo, foi criado o Dojo — um mercado com mais de 350 habilidades de IA, cada uma em um arquivo Markdown, responsável por ensinar o agente a realizar tarefas específicas. Tudo armazenado no Git, sujeito a revisão de código e controle de versões.

Um agente chamado Sensei envia, no primeiro dia de trabalho, as cinco habilidades mais relevantes para o novo funcionário.

Terceiro, foi construído um repositório de memória persistente — conectado por autenticação, atualizado continuamente por um pipeline de 24 horas, garantindo que o agente, ao interagir, já saiba tudo sobre a equipe, projetos, tarefas ativas e comunicações em andamento.

Hoje, 99,5% dos funcionários da Ramp usam IA diariamente.

Metade do código da Ramp é escrito por IA, e a meta é chegar a 80%. O CTO Geoff Charles implementou uma estrutura de maturidade L0–L3, onde L3 significa lançar funcionalidades de produção diretamente por IA.

Funcionários que permanecem no nível L0 são considerados inativos.

A Ramp vale atualmente cerca de 32 bilhões de dólares, com receita recorrente anual de 1 bilhão, liderando a lista de empresas mais inovadoras do setor financeiro em 2026 pela Fast Company.

A Klarna tenta usar automação para reduzir barreiras de contratação, enquanto a Ramp busca elevar o padrão de produtividade de cada funcionário. A Coinbase fica entre esses extremos.

AI Harness

No centro de tudo está o conceito de “AI Harness”.

Empresas como Manus criaram arquiteturas que comprimem e transformam IA bruta em fluxos de trabalho repetíveis, enquanto frameworks de orquestração como OpenClaw popularizaram essa abordagem.

Um Harness é uma plataforma que integra autenticação, sistemas, memória, catálogo de habilidades de equipe, agendamento de tarefas noturnas e uma interface de múltiplas janelas para análise paralela.

As grandes modelos de linguagem de ponta são apenas componentes substituíveis dentro dessa estrutura — quando a OpenAI lançar o GPT-5.5 ou a Anthropic divulgar o Opus 5, a Ramp pode simplesmente trocar o modelo, mantendo o sistema funcionando normalmente.

O produto Cowork da Anthropic, lançado no primeiro trimestre de 2026, vem com 11 plugins específicos para funções como vendas, finanças, jurídico, marketing, RH, P&D, design e operações — uma lógica de classificação de funções semelhante ao Dojo do Glass.

Ao aceitar que “a produtividade da IA é moldada por fluxos de trabalho, não por janelas de chat”, papéis profissionais tornam-se a menor unidade natural de uma organização de IA.

Essa é a lógica fundamental por trás das ferramentas que visam criar “empresas zero humanos” ao construir organizações prioritariamente de IA. Veja o Polsia e o rápido setor de subdivisões que se segue.

O mercado de capitais acompanha de perto

Enquanto muitas empresas tradicionais de software lutam contra a desintermediação pela IA, há um grupo de players que está crescendo rapidamente contra a maré.

Essas empresas aprofundaram suas próprias fortalezas de dados e agora podem integrar softwares de IA de forma fluida.

Como exemplo, a empresa de armazenamento de arquivos corporativos Box: após o relatório financeiro do quarto trimestre de 2026, suas ações subiram 10%. Aaron Levie revelou na teleconferência:

“No fundo, arquivos são unidades de trabalho naturais para IA.”

O serviço Enterprise Advanced da Box, que combina IA e fluxos de trabalho, tem preços 30% a 40% superiores à versão tradicional Enterprise Plus.

No quarto trimestre, faturamento de 420 milhões de dólares, crescimento de 5% ano a ano.

• Box Extract extrai dados estruturados de contratos com precisão
• Box Shield Pro integra IA agentic ao controle de acesso
• Box AI Studio permite que agentes operem em janelas de contexto ampliado, lidando com múltiplas etapas

Levie comentou ao GeekWire:

“Além dos primeiros 12 meses, a Box nunca pareceu uma startup como hoje.”

Vale lembrar que 95% dos dados empresariais são não estruturados. IA precisa desses dados, que devem ser acessados dentro de limites de permissão.

Quem controla esse repositório de dados com permissões pode escapar do rótulo de armazenamento barato e ser reavaliado como infraestrutura de agentes inteligentes.

Antes, o mercado via a Box como o irmão mais tímido do Dropbox, com ações na faixa de 26 dólares. Hoje, a cotação-alvo na Wall Street é de 35,63 dólares, com um potencial de valorização de 35%.

Outro exemplo é a Plaid — uma provedora de agregação de dados financeiros, que quase foi adquirida pelo Visa, com a esperança de se tornar uma rede de pagamentos direta.

Porém, por um tempo, a Plaid enfrentou dificuldades: após o crescimento no Web3, substituindo o Web2 como infraestrutura financeira emergente.

De uma avaliação de 13,4 bilhões de dólares em 2021, caiu para 6,1 bilhões em 2025, até que, em fevereiro de 2026, uma oferta secundária de liquidez para funcionários elevou sua avaliação para 8 bilhões.

Ela precisa evoluir.

Cerca de 20% dos clientes atuais da Plaid são empresas nativas de IA — construindo agentes que dependem de acesso autorizado a dados financeiros e de identidades confiáveis.

A plataforma Plaid Protect, de combate a fraudes, detectou 50% mais tentativas de fraude em testes no início de 2026.

O Plaid Bank Intelligence, com Retention Score e os futuros Primacy Indicators, vende a previsão de churn de clientes de volta aos bancos.

A Plaid está sendo reavaliada como a maior base de dados de transações financeiras autorizadas do mundo.

Ela não é uma simples tubulação de dados — tubulações são baratas. O verdadeiro ativo é a inteligência construída sobre esses dados, e a proporção de clientes nativos de IA é uma forte evidência disso.

Um exemplo clássico é sua integração com a Perplexity — criando um “computador” de gestão financeira pessoal totalmente integrado. Como sentimos falta do Mint.com! (app de finanças pessoais criado em 2006 nos EUA)

Box e Plaid estão na mesma pista.

Ambas foram precificadas na era de juros zero (ZIRP) sob a lógica de SaaS dominante, viram suas avaliações despencar, e agora estão sendo reestruturadas sob uma nova lógica — repositórios de conteúdo não estruturado e redes de dados com permissões, que formam a base para empresas de IA na era V2.

V3: orquestração — o nascimento da “empresa de uma pessoa”

Sam Altman e outros CEOs de tecnologia apostam em qual ano surgirá a primeira “empresa de bilhões de dólares” de uma única pessoa.

Dario Amodei estima uma probabilidade de 70% a 80% de que isso aconteça até 2026, destacando três áreas: trading autônomo, ferramentas para desenvolvedores e automação de atendimento ao cliente.

Sequoia está ajustando seu modelo de investimento, usando “alavancagem de agentes” — ou seja, a receita por pessoa — como principal indicador. As startups do Y Combinator, em seus primeiros ciclos, já têm 95% do código gerado por IA.

Na prática, já existem empresas que criaram uma economia de alavancagem impressionante com IA.

Nessas empresas, o CEO atua como um “orquestrador de agentes”, coordenando inúmeros agentes de IA a partir de uma sala de comando gigante.

A estrutura organizacional vira um fluxo de trabalho que pode ser terceirizado para máquinas. O orçamento de força de trabalho vira orçamento de computação.

Essas empresas iniciais operam em nichos estreitos — trading autônomo, ferramentas para desenvolvedores, softwares de consumo com efeitos de rede. Esses cenários são totalmente digitalizados, com regulamentação leve e baixo custo de confiança.

Serão frágeis, pois sistemas de ponto único de falha são vulneráveis.

Também terão dificuldades de penetrar mercados corporativos regulados, onde nomes e rostos nos contratos são elementos estruturais.

Mas essas empresas já existem.

Toda revolução tecnológica destrói paradigmas anteriores, como o papel do “computador” (os primeiros calculistas humanos), supervisores de produção, gerentes de projeto e gestores intermediários.

Quem entender cedo as novas formas de organização econômica, tende a colher retornos astronômicos.

Por exemplo: as “regras de duas pizzas” da Amazon, e sua capacidade de inovar mesmo com milhões de funcionários, já são uma barreira competitiva.

No final, não é uma questão de “empresa de uma pessoa” ou “sem humanos”.

Estamos ainda no meio do processo de transformação digital, e expandir esse valor por toda a economia trará trilhões de dólares de retorno.

A questão real é: quem consegue hoje criar ou possuir o Harness de IA correto, para desenhar a estrutura organizacional certa para 2026.

Isso significa atualizar esse organismo superorgânico empresarial, para que continue operando e lutando por mais um dia.

E, quem sabe, que possamos também alcançar nossos desejos humanos nesse processo.