a16z: Sob a inteligência artificial, a indústria de software está perdendo o rumo?

Autor: Seema Amble, sócia da a16z; Fonte: a16z; Tradução: Shaw, Jinse Caijing

A indústria de software está realmente perdendo o rumo?

No mês passado, a Salesforce anunciou a abertura de sua interface de programação de aplicações (API) e lançou um produto sem cabeça. Isso é, na essência, uma aposta: na era dos agentes inteligentes, o valor central reside na camada de dados, e não na interface do usuário (UI). Foi um reposicionamento estratégico inteligente. Contudo, é importante notar que, em termos tecnológicos, na prática, não houve grandes mudanças: as APIs que a Salesforce agora promove como produto "sem cabeça" na verdade existem há anos. Em outras palavras, trata-se de um lançamento típico de marketing da Salesforce. A lógica central deste novo produto é: Agentes de IA podem acessar dados diretamente do sistema de registros, sem precisar de uma interface de usuário adaptada especificamente para humanos, que acompanha o fluxo de trabalho.

Esse lançamento também levanta uma questão mais profunda: Se removermos a interface do usuário e abrirmos diretamente o banco de dados subjacente, qual é o valor central que sobra? Como isso difere essencialmente de um banco de dados PostgreSQL bem projetado, com uma estrutura de tabelas bem definida e uma API? As barreiras clássicas que sustentaram a longevidade dos sistemas de registros tradicionais ainda se mantêm? Ou a indústria já criou um novo padrão de avaliação? Na era SaaS, a vantagem competitiva dos sistemas de registros vem do alto grau de dependência dos usuários na interface para realizar seu trabalho. Na era dos agentes inteligentes, essa vantagem está se enfraquecendo. O valor de barreira das empresas começa a se consolidar em modelos de dados, sistemas de permissão, lógica de fluxo de trabalho, conformidade, enquanto se estende para o ecossistema, geração de dados proprietários e execução de negócios reais.

Quando o software evoluir para uma era sem cabeça, onde estarão as verdadeiras barreiras competitivas?

A interface do usuário é, ela mesma, o produto

Sistemas de registros são fontes de dados confiáveis e autoritativas em domínios específicos de negócios. Os registros oficiais de relacionamento com clientes, arquivos de funcionários, transações financeiras estão armazenados aqui, sendo também o núcleo de leitura e escrita de outras ferramentas.

Sistemas de Gestão de Relacionamento com Clientes (CRM) são os sistemas de registros de receita; Sistemas de Informação de Recursos Humanos (HRIS) são os sistemas de registros de gestão de pessoal; Sistemas de Planejamento de Recursos Empresariais (ERP) são os sistemas de registros financeiros.

A força desses sistemas não está apenas no armazenamento de dados, mas no fato de serem a base unificada para a operação colaborativa de toda a empresa.

Nos últimos vinte anos, a Salesforce, na essência, vendeu um modo de gestão de equipes de vendas. Painéis, funis de vendas, ferramentas de previsão de desempenho, fluxos de informações dinâmicos — esses são os verdadeiros produtos pelos quais os usuários pagam. Seu modelo de negócio baseia-se na venda de licenças de assentos de usuário, permitindo que os usuários acessem essas funcionalidades. O banco de dados subjacente é importante, mas, do ponto de vista de valor comercial, acaba sendo uma configuração acessória.

Isso significa que: a interface do usuário determina a fidelidade do usuário. Ela regula a entrada de dados, estabelece uma terminologia unificada: leads, oportunidades, contas de clientes. Ela força milhares de profissionais de vendas a inserir dados que, de outra forma, não seriam registrados. A interface do usuário sempre foi o mecanismo central para manter os dados organizados e consistentes.

Este produto possui uma forte fidelidade do usuário: muitos executivos de vendas continuam usando Salesforce após mudarem de empresa, não por causa da experiência de interface, mas por hábito, por memória muscular.

Hoje, agentes de IA estão revolucionando esse modelo tradicional. Esses agentes podem ler e escrever dados diretamente no sistema de registros, sem passar por uma interface frontal. Isso gerou uma série de novas ferramentas e alternativas que evitam a interface original (Salesforce não é exceção: recentemente também analisamos, por exemplo, como o ecossistema ao redor do SAP está se expandindo rapidamente para suportar IA).

A longo prazo, agentes de computador também irão diminuir fatores tradicionais centrados no humano: preferências pessoais, treinamentos de cargos, conhecimentos tácitos e implícitos de negócios. Em outras palavras, os sistemas de registros que resistirem ao tempo precisarão evoluir suas condições essenciais.

Barreiras tradicionais de fidelidade

Antes de explorar as mudanças trazidas pela era dos agentes inteligentes, é necessário esclarecer: o que originalmente construiu a alta fidelidade dos sistemas de registros? O principal fator está na interação entre humanos e software, e nas preferências pessoais de uso. A alta fidelidade do software é, em grande parte, moldada por interface do usuário, hábitos de uso, fluxos de trabalho manuais, processos de negócio embutidos.

Frequência de uso

Sistemas como CRM são utilizados diariamente por equipes de vendas e outros profissionais relacionados. Essa alta frequência de uso os torna infraestrutura crítica da empresa; e os hábitos culturais e gerenciais — processos fixos, memória muscular, ritmo de gestão consolidado ao longo de anos — são muitas vezes os aspectos mais difíceis de migrar, até mesmo para as próprias empresas, que muitas vezes não percebem que esses sistemas também precisam de uma reconstrução.

Somente leitura ou leitura e escrita

Sistemas de alta fidelidade são, obrigatoriamente, sistemas de leitura e escrita bidirecionais. Por exemplo, um CRM não é apenas um repositório de arquivamento; ele é constantemente acessado e atualizado. Cada ligação, cada mudança de estágio de oportunidade, cada tarefa criada — tudo é inserido ativamente pelos usuários. Essa dinâmica de fluxo de dados significa que qualquer sistema substituto deve suportar dados de operação em tempo real, e não apenas importar dados históricos. Como não há uma janela de transição segura e sem riscos, uma vez implantado, o sistema tende a se manter por longo tempo com o fornecedor original. Por outro lado, sistemas de rastreamento de recrutamento (ATS) geralmente são sistemas de escrita predominantemente, com pouco acesso de leitura: após a contratação ou eliminação de candidatos, dificilmente há necessidade de consultar esses dados novamente, o que reduz a fidelidade do usuário.

Quantos processos operacionais padrão (SOP) não documentados existem?

O conhecimento tácito que sustenta o negócio nunca está em documentos, mas nas regras de fluxo de trabalho construídas ao longo de anos por administradores e integradores de sistemas. Por exemplo, em vendas, essas regras não escritas incluem: pedidos acima de 100 mil dólares precisam de aprovação do vice-presidente, pedidos na região EMEA devem passar por auditoria de privacidade, descontos para grandes clientes só podem ser concedidos no final do trimestre sem aprovação financeira. Essas regras tácitas muitas vezes determinam se o negócio será concluído a tempo, se viola normas essenciais, ou se a operação será bem-sucedida. Para migrar sistemas, é preciso desmontar cada lógica automatizada ou perder o conhecimento organizacional acumulado ao longo de anos.

Existem muitas dependências internas e externas no sistema?

A avaliação principal é: quantos sistemas internos, processos de equipe e partes externas dependem dessa plataforma de registros? A conectividade interna refere-se à integração com outros softwares e fluxos de trabalho internos; a conectividade externa refere-se a auditorias, contadores, órgãos reguladores — por exemplo, o ERP muitas vezes precisa fornecer acesso direto a esses órgãos. Quanto maior a dependência, mais complexa será a desmontagem e a migração.

Do ponto de vista de conformidade, qual a importância dos dados?

A questão central é: esse sistema é uma peça-chave para conformidade? Sistemas críticos de conformidade, como folha de pagamento, ERP, dados de RH, precisam de fontes de dados oficiais, autoridade legal, controle rigoroso de permissões, e qualquer migração deve envolver auditorias e órgãos reguladores — o que aumenta a fidelidade e as barreiras de migração. Por outro lado, dados de vendas ou ferramentas de atendimento ao cliente, como Zendesk, embora importantes, não representam risco regulatório direto na migração ou mudança de permissões.

Nem todos os sistemas de registros têm o mesmo nível de custo de troca. Comparando CRM e sistemas de rastreamento de recrutamento (ATS), a diferença é clara. ATS serve a um fluxo de trabalho fechado de recrutamento: após a contratação ou eliminação, os registros geralmente não mudam; o escopo de uso é pequeno e concentrado.

Por outro lado, o ERP é uma extremidade oposta: seu livro-razão é uma prova de auditoria, e sua troca envolve auditores, reguladores e órgãos de fiscalização. Trocar um ATS é trabalhoso, mas gerenciável; trocar um CRM é como uma cirurgia de abertura de peito; trocar um ERP é como fazer uma cirurgia de coração enquanto o paciente corre uma maratona.

Historicamente, os sistemas de registros não exploraram ao máximo dados proprietários ou efeitos de rede que poderiam criar uma barreira de proteção; eles dependiam principalmente de processos de negócio para criar uma barreira própria. Em contrapartida, negócios de consumo conseguem integrar ferramentas e ecossistemas de rede, mas os sistemas de registros sempre ficaram aquém nesse aspecto.

Dados proprietários

Embora a maioria dos sistemas de registros colete dados de clientes, eles não os utilizam de forma profunda (e muitas vezes, por limitações contratuais, não podem). Assim, mesmo que um CRM tenha dados ricos e possa agregar informações de clientes, gerar insights setoriais cruzados, ele nunca conseguiu criar aplicações de valor real — apesar de tentativas pontuais, como o produto Einstein da Salesforce.

Efeito de rede

O efeito de rede é, na teoria, a maior barreira desejada na indústria. Se for possível criar efeito de rede, o valor do CRM aumenta com a expansão do ecossistema, permitindo que o vendedor conecte recursos de compra e venda de forma mais precisa na plataforma. Mas, assim como o valor dos dados, o efeito de rede dos sistemas de registros sempre foi fraco.

O que sobra quando a interface do usuário desaparece e os agentes inteligentes assumem?

Agentes de IA não precisam de navegador; eles só precisam de APIs, contexto de negócio, comandos de execução e capacidade de ação. Dois avanços tecnológicos tornam essa implementação em escala possível: primeiro, os grandes modelos de IA já possuem raciocínio lógico suficiente. Hoje, agentes podem entender o contexto de negócio, planejar ações, chamar ferramentas, executar tarefas e revisar resultados, na maioria das tarefas sem intervenção humana. Segundo, o protocolo MCP padroniza a chamada de ferramentas, oferecendo uma interface unificada para agentes acessarem capacidades externas. Agentes compatíveis com MCP podem realizar todas as operações humanas em milissegundos, operando em escala, sem precisar de navegador. Com contexto de negócio completo, agentes de operação computadorizada podem até operar interfaces tradicionais de software sem depender de APIs oficiais.

De forma simplificada, hoje há três caminhos para aquisição de software:

1. Usar sistemas existentes + adicionar agentes inteligentes. Aproveitando comandos e APIs do sistema atual, seja com agentes nativos do fornecedor (como Agentforce da Salesforce, Joule da SAP), seja desenvolvendo internamente. (Hipótese idealizada: APIs completas e operação sem cabeça com baixa complexidade de implementação na prática.)

2. Construir um sistema de registros do zero. Criando modelos de dados, lógica operacional, sistema de permissões, auditoria, integração, e desenvolvendo agentes próprios (geralmente usando ferramentas de terceiros para agentes e bancos de dados).

3. Comprar softwares nativos com IA substitutiva. Novas gerações de softwares reescritos para a era dos agentes: projetados para serem legíveis por máquinas, com agentes como funcionalidade nativa, não como módulo adicional, muitas dessas soluções já adotam arquitetura sem cabeça.

Então, quais critérios ainda fazem sentido para avaliar a fidelidade de um sistema? Variáveis dependentes de comportamento humano, como frequência de uso ou atributos de leitura e escrita, estão perdendo relevância. Agentes de IA podem dissolver barreiras construídas por memória muscular, mas não podem substituir a lógica de operação de negócios e o contexto de cenário que criam a barreira de verdade. Pelo contrário, essa lógica se torna ainda mais importante — pois agentes precisam de regras, permissões e processos bem definidos para operar de forma segura e conforme.

No curto prazo, processos tácitos e não documentados continuam essenciais. As regras de fluxo de trabalho que sustentam o negócio são o núcleo da lógica operacional que os agentes precisam seguir para atuar corretamente, e também a parte mais difícil de reconstruir. Ainda não é possível extrair esse conhecimento de forma completa e limpa, especialmente quando há envolvimento de pessoas. Contudo, a digitalização do contexto de negócio está se tornando mais fácil; à medida que agentes substituem mais tarefas humanas, a importância do conhecimento tácito diminui.

A complexidade de desmontar dependências entre sistemas continua alta, e seu impacto é amplo. A lógica de conectividade mudou: não basta adaptar a operação humana, é preciso integrar funções de negócio e softwares que antes operavam de forma isolada. Um agente de CRM, por exemplo, precisa conectar dados e contextos de vendas, faturamento, sucesso do cliente. Se sua plataforma se tornar um hub de agentes de múltiplas partes — compradores, vendedores, parceiros — as dependências se aprofundam. Seja com sistemas tradicionais ou com bancos de dados e sistemas de agentes próprios, a coordenação de capacidades básicas entre diferentes softwares será extremamente desafiadora.

Dados sensíveis à conformidade permanecem críticos. Dados sujeitos a regulamentações, riscos legais, devem ter uma fonte confiável e única. Se a empresa confia na sua plataforma atual, a substituição será difícil. Por exemplo, dados de folha de pagamento ou financeiros, mesmo com necessidade de acesso por agentes, dificilmente serão substituídos por soluções internas que garantam conformidade. Uma questão ainda sem resposta é: quais agentes podem agir em nome de quem, quais operações podem executar, e como garantir auditoria completa? Se um sistema de registros puder atuar como núcleo de identidade e permissão entre agentes, sua posição será difícil de ser substituída — a barreira não está nos dados, mas na confiança e na governança de permissões que ele constrói.

Olhar para o futuro revela que os fatores que determinam a vantagem competitiva de startups de IA nativa estão se tornando mais claros.

Quão difícil é reconstruir um sistema de registros central?

A importância dos dados se manifesta em várias camadas. Primeiramente, no curto prazo, depende da facilidade de extrair e replicar os dados do sistema original. Ferramentas de IA já reduziram bastante essa barreira. No curto prazo, os fornecedores tradicionais tendem a dificultar a migração: tornando as APIs complexas, limitando o acesso, oferecendo funcionalidades incompletas, ou cobrando preços pouco atraentes, até mesmo não disponibilizando APIs. Mas, à medida que ferramentas de extração de dados e agentes de operação automatizada evoluem, essa barreira tende a diminuir. Além disso, novos fornecedores estão extraindo dados mais ricos de e-mails, chamadas, documentos internos. A IA reduz o custo de replicar 80% das funcionalidades básicas de um sistema de registros; os 20% restantes — processos especiais, regras de aprovação, requisitos de conformidade, fluxos de trabalho de cenários extremos — são o que realmente diferencia um módulo substituto parcial de uma solução completa.

A empresa possui dados verdadeiramente exclusivos e proprietários?

Em segundo lugar, o valor estratégico dos dados está se tornando mais evidente. O que realmente constrói barreiras não é apenas importar dados externos, mas os dados únicos gerados pelos próprios processos de negócio. O conceito de “muralha de dados” refere-se a ativos de dados com atributos proprietários, sujeitos a regulamentações, que precisam ser continuamente atualizados. Empresas que investem em conjuntos de dados completos e confiáveis têm vantagem natural sobre concorrentes genéricos. Além disso, os dados internos, derivados do envolvimento profundo nos processos de negócio, se tornam ativos de valor: comportamento do usuário, taxas de resposta, padrões de tempo, resultados de processos, benchmarks setoriais, padrões anômalos, trajetórias de agentes — tudo isso é, em essência, o contexto de negócio.

Você controla a camada de execução do negócio?

No modo tradicional, armazenar registros de negócio já era suficiente para criar valor; na nova era, agentes inteligentes lideram ações e decisões, e a barreira competitiva se move para produtos que podem formar um ciclo de negócio completo: iniciar operações, capturar resultados, usar feedback para otimizar decisões, criar um ciclo fechado. Por exemplo, um ERP que automatiza aprovações de despesas, aciona pagamentos, reconcilia faturas, envia notificações — esses produtos têm uma barreira de entrada mais profunda, pois estão integrados à execução do negócio, não apenas ao armazenamento de dados. Quanto mais abrangente for o contexto de negócio que cobrem, e quanto mais cenários de fronteira eles conseguirem tratar, maior será seu valor.

Conseguem executar no mundo real?

Modelos de negócio que conectam operações físicas offline — como empresas com redes de entregas, logística, serviços presenciais — criam uma barreira de diferenciação. Empresas como DoorDash, que operam com uma rede de operações presenciais, não se encaixam na categoria tradicional de sistemas de registros, mas representam um exemplo valioso. Além disso, qualquer software que coordene entrega de serviços, logística, pagamento, ou operações externas, possui uma vantagem competitiva que um SaaS puro não consegue replicar. Essas empresas não apenas armazenam registros ou dão recomendações, mas também mobilizam recursos humanos, materiais e realizam entregas físicas.

Para empreendedores, isso representa uma grande oportunidade: setores onde o software pode decidir autonomamente, enquanto a última etapa ainda exige execução presencial, oferecem espaço de crescimento — como softwares de campo, serviços externos, logística.

Pode criar efeito de rede?

A maioria dos sistemas de registros tradicionais tinha efeito de rede fraco, pois atendiam processos internos. Na era dos agentes, se o sistema for profundamente integrado a fluxos colaborativos entre múltiplas partes, o efeito de rede será muito maior. Se a plataforma se tornar um centro de interação entre compradores, vendedores, parceiros, clientes, fornecedores, cada novo participante aumenta o valor para os demais.

Existem três formas principais de efeito de rede:

• Colaboração em fluxos de trabalho compartilhados: plataforma única para coordenação de transações, sincronização de contexto, resolução de exceções;

• Padrões setoriais e insights inteligentes: usando dados de toda a rede para gerar padrões, alertas de anomalias, recomendações de otimização, complementando barreiras de dados proprietários;

• Confiança e infraestrutura de padronização: se todas as partes dependem de uma mesma plataforma para aprovações, transferências, conformidade, pagamentos, ela se torna uma infraestrutura de mercado, com altas barreiras de entrada.

A capacidade tecnológica do comprador?

Teoricamente, qualquer empresa pode desenvolver seu próprio agente inteligente, mas na prática, a implementação é muito desigual. Setores verticais e departamentos tradicionais geralmente carecem de equipes de engenharia internas capazes de construir, manter e evoluir bancos de dados, fluxos de trabalho e governança de agentes. O custo também é um fator: desenvolver internamente parece economizar taxas de licença, mas transfere custos para implementação, operação e complexidade arquitetural. Assim, há uma oportunidade clara em setores com processos complexos e oferta de tecnologia insuficiente, como manufatura, construção, manutenção industrial, serviços externos, auditoria financeira.

Alguns pré-requisitos também se tornaram barreiras de entrada: primeiro, a arquitetura de dados deve ser redesenhada. Muitas abordagens de “auto-construção” subestimam o valor dos objetos de negócio. Sistemas tradicionais focam em painéis, relatórios e processos manuais, com objetos como oportunidades, ordens de serviço, candidatos. Para agentes, a arquitetura de dados precisa suportar raciocínio lógico, execução de ações, rastreamento de estado, tratamento de exceções, delegação de tarefas e coordenação entre sistemas, com objetos centrados em tarefas, intenções, sessões, regras de governança, resultados de negócio.

Segundo, o sistema de permissões deve ser atualizado para gerenciar agentes, não apenas pessoas. É preciso definir quem pode operar, qual agente usar, quais regras de governança, quais aprovações, como fazer auditoria, como tratar exceções e reversões.

Claro que tudo isso envolve custos: investimentos em construção e manutenção de agentes, chamadas de API, etc. No final, tudo se resume à dificuldade de replicar dados, dependências de sistemas e complexidade de integração.

Para onde tudo isso nos levará?

Quando os fornecedores tradicionais de software migram para arquiteturas sem cabeça, eles implicitamente apostam que: o valor central continuará na camada de dados. Em setores altamente regulados, como financeiro, essa hipótese pode se sustentar por mais tempo, e o processo de adoção de soluções sem cabeça será mais lento.

Para os empreendedores de software, a transição dos fornecedores tradicionais para o sem cabeça muda a lógica de competição e de criação de barreiras de longo prazo.

Novas gerações de sistemas de registros já estão emergindo em uma forma totalmente nova: não são mais apenas recipientes de armazenamento de dados de trabalho manual, mas possuem capacidades nativas de agentes inteligentes, capazes de capturar automaticamente o contexto de negócio, iniciar processos e gerar dados ao longo de toda a jornada.

Mais ainda, as empresas com maior potencial de crescimento irão se estender para a execução real de negócios, coordenando equipes externas, fornecedores logísticos, times de serviço e ativos físicos, ou atuando como intermediários em transações múltiplas. Essa nova abordagem combinará paradigmas tradicionais de negócios; e o núcleo de dados, que sustentava os sistemas tradicionais, passará a ficar em segundo plano, como uma infraestrutura de suporte.