Anterior CMO da Consensys: A evolução da forma de empresa na era da IA

nulo

Autor: Lex Sokolin

Tradução: 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 um aumento significativo na produtividade.

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.

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

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 Humano” 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.

A tarefa mais desafiadora agora é transformar as empresas tradicionais existentes em formas prioritariamente de IA.

Essa é uma oportunidade gigantesca, 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 um outro ponto de impacto da IA: a forma como as pessoas criam e organizam empresas.

A estrutura organizacional em si é uma tecnologia.

O desenvolvimento em cascata (Waterfall) deu origem ao domínio das gigantes do software hierárquico na era inicial da tecnologia.

Depois, a indústria migrou para equipes ágeis, que evoluíram para o conceito de “duas pizzas” criado pela Amazon. Essa estrutura operacional moldou todas as fintechs modernas de hoje.

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 equipes de ‘uma pizza’ compostas por 3 a 5 pessoas.”

Reduzir pela metade o número de pessoas, mantendo a produtividade.

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

O que a Coinbase fez?

A Coinbase reduziu 14% de seus 4.951 funcionários.

Parte disso é uma operação normal de ciclo de mercado de uma empresa altamente vinculada ao volume de negociações — 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, algo que antes levava semanas, e essa eficiência está acelerando.

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

Os “gestores” tradicionais deixarão de existir — 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 “grupos nativos de IA” substituem completamente as equipes tradicionais. A Coinbase está até 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, do cofundador do Stripe, John Collison, ele 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.”

A versão V1 foi uma substituição direta, mas fracassou

No entanto, a Coinbase não foi a primeira fintech a fazer cortes sob a justificativa de 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, percebemos que era mais uma contração do ciclo de crédito do que uma inovação real.

O CEO Sebastian Siemiatkowski anunciou que, no primeiro mês, o assistente de IA, alimentado pelo OpenAI, realizou 2,3 milhões de diálogos, representando dois terços de todas as conversas com clientes, equivalente ao trabalho de 700 atendentes em tempo integral.

O número de funcionários caiu de 5.500 para 3.400

Previsão de aumento de lucro: 40 milhões de dólares

Tempo de resolução de problemas dos clientes caiu de 11 para 2 minutos

Porém, tudo desmoronou rapidamente ao confrontar a realidade.

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

Até maio de 2025, Siemiatkowski admitiu à Bloomberg que a empresa “avançou demais”. A Klarna precisou recontratar com um modelo remoto, contratando estudantes, pais em tempo integral e trabalhadores remotos.

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.

O IPO da Klarna subiu 30% no primeiro dia, 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” — simplesmente demitir um humano e colocar um grande modelo de linguagem (LLM) — pode funcionar em métricas de quantidade, mas falha na qualidade.

O custo de recontratação é muito maior do que a economia inicial. Claramente, a primeira tentativa de digitalização por IA no setor de fintech trouxe resultados ambíguos.

Mas essa não será a última tentativa.

A versão V2 é de capacidade aprimorada, com o Harness como vantagem competitiva

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

Seb Goddijn, especialista interno em IA que ajudou a criar a ferramenta com cinco colegas, publicou um artigo detalhado. Na mesma manhã, o CEO Eric Glyman compartilhou no Twitter, e em poucas horas o texto liderou a página principal do Hacker News.

Para explicar por que a V1 falhou, Goddijn apontou:

“Os principais obstáculos à adoção de IA não são os modelos em si, mas a complexidade extrema de configurar o ambiente de execução de IA.”

O Glass foi criado para derrubar esse obstáculo:

Primeiro, a automação do acesso à configuração — 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, a criação do 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 versão.

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

Terceiro, a construção de um banco de memória persistente — conectado por autenticação, atualizado continuamente por um pipeline de 24 horas. Assim, o agente, ao interagir, já conhece o time, os projetos, as tarefas ativas e o histórico de comunicação.

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 diretor de produto, Geoff Charles, implementou uma estrutura de maturidade de L0 a L3, onde L3 significa lançar funcionalidades de produção diretamente por IA.

Funcionários que permanecem no nível L0 são considerados inativos.

A Ramp vale atualmente 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 a barreira de entrada de mão de obra, enquanto a Ramp busca elevar o padrão de produtividade de cada funcionário. A Coinbase fica entre os dois.

IA 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.

Os grandes modelos de linguagem de ponta são apenas componentes substituíveis dessa plataforma — 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 diferentes funções, abrangendo 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”, os papéis se tornam a menor unidade natural de uma organização de IA.

Essa é a lógica fundamental por trás das ferramentas que visam criar “empresas zero humano” ao construir organizações priorizadas por IA. Veja o Polsia e o mapa de setores que se segue.

O mercado de capitais acompanha o ritmo

Enquanto muitas empresas tradicionais de software lutam com a desintermediação pela IA, alguns players estão crescendo rapidamente contra a maré.

Essas empresas aprofundaram suas próprias barreiras 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:

“Arquivos, no final das contas, são unidades de trabalho naturais de agentes de IA.”

Enterprise Advanced — a assinatura premium de IA e fluxo de trabalho da Box — tem preços 30% a 40% mais altos que a versão tradicional Enterprise Plus.

O faturamento do quarto trimestre atingiu 420 milhões de dólares, crescimento de 5%.

O Box Extract consegue extrair dados estruturados de contratos com alta precisão.

O Box Shield Pro integra IA agentic na gestão de acessos.

O modo profissional e expandido do Box AI Studio permite que agentes processem cargas de trabalho em janelas de contexto maiores.

Levie comentou ao GeekWire:

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

Vale lembrar que 95% dos dados empresariais são não estruturados. Os agentes de IA precisam desses dados e devem acessá-los dentro de limites de permissão completos.

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 um pico de avaliação de 13,4 bilhões de dólares em 2021, caiu para 6,1 bilhões em abril de 2025, mas se recuperou para 8 bilhões em uma oferta secundária em fevereiro de 2026, que ofereceu liquidez aos funcionários.

Ela precisa evoluir.

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

A plataforma anti-fraude Plaid Protect detectou tentativas de fraude 50% acima da média nos testes de 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 o maior repositório global de dados de transações financeiras autorizadas.

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

Um exemplo clássico é sua integração com Perplexity, criando um “computador” de gerenciamento financeiro pessoal totalmente integrado. Como sentimos falta do Mint.com! (app de contabilidade pessoal de nível nacional nos EUA, lançado em 2006)

Box e Plaid estão na mesma pista.

Ambas foram precificadas na era de juros zero (ZIRP) com base na 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 que podem ser lidas por agentes na era V2.

A versão V3 é de orquestração — “empresa de uma pessoa”

Sam Altman e outros CEOs de tecnologia apostam em qual será o ano de nascimento da primeira “empresa de bilhões de dólares” de uma única pessoa.

Dario Amodei estima uma probabilidade de 70% a 80% de que ela apareça até 2026, destacando três áreas: negociação autônoma, ferramentas para desenvolvedores e automação de atendimento ao cliente.

Sequoia está ajustando seu modelo de investimento, usando a renda per capita de agentes como principal sinal. As startups do Y Combinator, em seus primeiros ciclos, já têm 95% do código gerado por IA.

De fato, algumas empresas já criaram uma economia de alavancagem impressionante com IA.

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

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

O primeiro formato dessas empresas estará em nichos específicos — negociação autônoma, ferramentas para desenvolvedores, softwares de consumo com efeito 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 no mercado corporativo regulado, onde nomes e rostos nos contratos são elementos estruturais.

Mas essas empresas já existem.

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

Quem entender primeiro as novas formas de organização econômica colherá grandes recompensas.

Por exemplo, as “duas pizzas” da Amazon, e sua capacidade de inovar 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 processo de transformação digital, e a entrega de valor na economia toda trará trilhões de dólares em retorno.

A questão real é: quem hoje possui ou consegue construir o AI Harness correto, e assim, projetar a estrutura organizacional certa para 2026.

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

E, quem sabe, que a humanidade também possa alcançar seus desejos nesse processo.