Existe uma ilusão que se repete sempre que uma nova tecnologia surge: quando as barreiras de entrada caem, tudo fica na mesma linha de partida. Câmeras nos telemóveis fazem de todos fotógrafos, Spotify transforma todos em músicos, e agora a IA permite que todos programem. A lógica é simples—quando a base sobe, a competição torna-se mais aberta.

Mas o que todos esquecem é que o teto também sobe. E sobe mais rápido. Muito mais rápido.

Isto não é coincidência. É a lei de potência (lei de potência) que não se importa de todo com a sua intenção. Tecnologias que prometem igualdade acabam por gerar resultados altamente aristocráticos. Sempre. Sem exceções.

Use o Spotify como exemplo. Quando foi lançado, fizeram algo radical—oferecer acesso à distribuição de canais a todos os músicos do mundo, algo que antes só era acessível às grandes gravadoras com orçamentos de marketing loucos. O resultado? Uma explosão na indústria musical. Milhões de novos artistas, bilhões de novas músicas. A linha de base realmente sobe.

Mas depois aconteceu algo interessante: os artistas do top 1 por cento agora captam uma proporção maior de audições do que na era do CD. Não menor—maior. Mais música, mais opções, mas os ouvintes, que já não estão limitados geograficamente, movem-se para as melhores obras. O Spotify não criou igualdade; agravou a competição.

O mesmo padrão acontece na escrita, fotografia, software. A internet criou o maior número de escritores da história, mas também gerou uma economia de atenção muito mais cruel. Um pequeno grupo de pessoas obtém a maior parte do valor. Ficamos surpresos porque pensamos linearmente—assumindo que a produtividade se distribuirá de forma uniforme, como água num recipiente plano. Mas sistemas complexos não funcionam assim, e nunca funcionaram.

A distribuição de potência não é uma anomalia de mercado ou uma falha tecnológica. É a configuração padrão da natureza. Pense na Lei de Kleiber—em todos os seres vivos na Terra, de bactérias a baleias azuis, a taxa metabólica é proporcional à potência 0,75 da massa corporal. Esta relação é altamente precisa na quase todas as formas de vida. Ninguém a desenhou; ela surge simplesmente quando a energia segue a sua lógica inerente em sistemas complexos.

O mercado é um sistema complexo, e a atenção é um recurso. Quando o atrito desaparece—quando a geografia, o espaço de prateleira, o custo de distribuição deixam de atuar como amortecedores—o mercado converge para a sua forma natural. Essa forma não é uma curva de distribuição normal. É uma lei de potência.

A IA acelerará este processo mais do que qualquer tecnologia anterior. A base está a subir em tempo real—qualquer pessoa pode lançar um produto, desenhar uma interface, escrever código de produção numa tarde. Mas o teto também sobe, e mais rápido. A questão que devemos fazer é: o que realmente determina a sua posição final?

Na era em que a execução se torna barata, a estética torna-se um sinal. Lembre-se de Steve Jobs, que insistia que a placa de circuito dentro do primeiro Macintosh tinha de ser bonita? Não a parte exterior—mas a parte interna, que os clientes nunca veriam. Os engenheiros achavam-no louco. Mas ele entendia algo que muitos consideram perfeccionismo, na verdade mais próximo de uma prova de forma: a maneira como faz algo é a maneira como faz tudo.

Alguém que consegue tornar partes escondidas bonitas não está a mostrar qualidade, mas pessoalmente incapaz de tolerar um produto mal feito. Isto é importante porque a confiança é difícil de construir, mas fácil de falsificar. Continuamos a usar heurísticas para tentar entender quem realmente é superior e quem apenas finge.

Durante a maior parte das últimas décadas, este sinal foi ofuscado. Na era de ouro do SaaS (2012 a 2022), a execução tornou-se tão padronizada que a distribuição passou a ser um recurso verdadeiramente escasso. Se consegue adquirir clientes de forma eficiente, construir uma máquina de vendas, atingir a Regra dos 40—o produto em si quase não importa. O sinal estético foi soterrado pelo ruído dos indicadores de crescimento.

A IA está a mudar verdadeiramente a relação sinal-ruído. Quando qualquer pessoa pode criar um produto funcional, uma interface bonita e um repositório de código que funciona numa tarde, se algo é fácil de usar deixa de ser um fator diferenciador. A questão passa a ser: isto é realmente extraordinário? A pessoa sabe a diferença entre "bom" e "incrivelmente ótimo"? Mesmo sem ser forçada, ela se importa o suficiente para fechar essa última brecha?

Isto é especialmente verdadeiro para software crítico de negócios—sistemas que gerem pagamentos, conformidade, dados de funcionários. Não é um produto que se pode experimentar e abandonar no próximo trimestre. Os custos de mudança são reais, as falhas graves, e quem implementa o sistema é responsável pelas consequências. Antes de assinar um contrato, eles vão passar por todas as heurísticas de confiança. Um produto bonito é um dos sinais mais fortes. Diz: os criadores levam a sério.

Num mundo onde a execução é barata, a estética é a prova de trabalho.

Cresci numa pequena cidade do estado de Índia com uma população de 250 milhões. Todos os anos, apenas cerca de três estudantes em toda a Índia entram no MIT. Sem exceções, vêm de escolas preparatórias caras em Delhi, Mumbai ou Bangalore. Sou o primeiro na minha região a entrar no MIT. Menciono isto não para me vangloriar, mas porque é uma microversão deste argumento: quando o limiar de entrada é restrito, o background prediz o resultado; quando é aberto, quem tem profundidade sempre vence.

Num auditório cheio de pessoas com backgrounds prestigiados, sou a aposta vencedora por causa da profundidade. É a única aposta que conheço. Estudei física, matemática, ciência da computação. As percepções mais profundas nestas áreas não vêm de otimizar processos, mas de ver verdades que os outros deixam passar.

A minha tese de mestrado abordou a mitigação de stragglers no treino de máquinas distribuídas: quando se executa um sistema de grande escala, como se otimiza essa limitação sem comprometer a integridade global? Quando tinha vinte anos e olhava para o mundo das startups, via um quadro onde essa profundidade parecia irrelevante. O mercado valoriza o go-to-market, não o produto em si. Construir algo tecnicamente superior parecia ingenuidade.

Depois, no final de 2022, o cenário mudou. O ChatGPT mostrou—de forma intuitiva e impactante—que a curva tinha curvado. Uma nova curva S tinha começado. A transição de fase não recompensa quem consegue adaptar-se melhor à fase anterior, mas quem consegue ver o potencial ilimitado da nova fase antes que os outros percebam o seu valor.

Entrei em modo de retirada e fundei a Warp.

Os EUA têm mais de 800 agências fiscais—federais, estaduais, locais—cada uma com requisitos de reporte, prazos, lógica de conformidade própria. Não há APIs, nem interfaces de acesso programadas. Durante décadas, cada fornecedor de folha de pagamento lidou com isto do mesmo modo: aumentando o pessoal. Milhares de especialistas em conformidade trabalham manualmente, rodando em sistemas que não foram feitos para escalar.

Gigantes tradicionais—como a Paychex e outros concorrentes no segmento de payroll—construíram modelos de negócio completos em torno desta complexidade. Não a resolvem, absorvem-na, transferindo o custo para os clientes. É um negócio lucrativo, mas construído sobre uma base frágil.

Em 2022, percebi que os agentes de IA ainda eram frágeis. Mas também vi a curva de melhoria. Quem tem profundidade em sistemas distribuídos de grande escala e observa a evolução do modelo pode fazer apostas precisas: tecnologias que eram frágeis naquele momento, em poucos anos, serão extremamente poderosas.

Por isso, apostámos: construir uma plataforma nativa de IA, a partir de princípios fundamentais, começando pelo fluxo de trabalho mais difícil nesta categoria—um fluxo de trabalho que, devido às limitações arquitetónicas, nunca poderia ser automatizado pelos gigantes tradicionais. Não vamos resolver a complexidade. Vamos eliminá-la na sua origem.

Três anos depois, essa aposta provou-se certa. Desde o lançamento, processámos mais de 500 milhões de dólares em transações, crescemos rapidamente, e servimos empresas que constroem as tecnologias mais importantes do mundo. A cada mês, os dados de conformidade que recolhemos, os casos de exceção que tratamos, as integrações que construímos tornam a plataforma mais difícil de imitar e mais valiosa para os clientes.

A fortaleza ainda está no início, mas já se forma e acelera.

Mas há uma variável crítica que decide tudo, e é um erro comum que muitos fundadores de IA cometem: há um meme popular no mundo das startups atualmente: você tem dois anos para escapar da pobreza permanente. Construir rápido, levantar fundos rápido, ou sair ou falir.

Entendo de onde vem essa postura. A velocidade de desenvolvimento da IA cria uma sensação de crise existencial. A janela de oportunidade para aproveitar esta onda parece muito estreita. Jovens que veem histórias de fama instantânea no Twitter acreditam naturalmente que o jogo é velocidade—quem corre mais rápido em menos tempo vence.

Mas isso é completamente errado.

A velocidade de execução é crucial. Acredito nisso profundamente—até está no nome da minha empresa (Warp). Mas velocidade de execução não é o mesmo que uma visão estreita. Os fundadores mais valiosos na era da IA não são aqueles que correram nos últimos dois anos para liquidar lucros, mas aqueles que correram durante uma década, aproveitando o efeito de juros compostos.

As coisas mais valiosas no software—dados pessoais, relacionamentos profundos com clientes, custos reais de mudança, expertise regulatória—levam anos a ser acumuladas e não podem ser rapidamente copiadas por concorrentes, por mais capital ou IA que tenham.

Quando a Warp gere pagamentos de salários para empresas em vários estados, recolhemos dados de conformidade de milhares de jurisdições. Cada aviso fiscal resolvido, cada caso de limite tratado, cada registo governamental estadual concluído—tudo treina um sistema que fica cada vez mais difícil de imitar com o tempo. Não é só uma funcionalidade. É uma linha de defesa, que existe porque a aprofundámos com alta qualidade durante bastante tempo, criando densidade de valor.

Este efeito de juros compostos não é visível no primeiro ano. No segundo, começa a surgir de forma sutil. No quinto, torna-se o jogo inteiro.

Frank Slootman, ex-CEO da Snowflake, construiu e escalou mais empresas de software do que qualquer outro atualmente. Resumiu-o assim: é preciso habituar-se ao estado de “desconforto”. Não para correr rápido, mas para torná-lo um estado permanente.

A névoa de incerteza no início de uma startup—sensação de perda de direção, informação incompleta, necessidade de tomar decisões rápidas—não desaparece após dois anos. Apenas muda. A incerteza antiga dá lugar a uma nova. Os fundadores que permanecem são aqueles que aprendem a mover-se com clareza na névoa, não aqueles que encontram certeza.

Construir uma empresa é brutal. Vives com um medo constante, às vezes maior, às vezes menor. Tomas milhares de decisões com informação incompleta, cientes de que uma cadeia de decisões erradas pode destruir tudo.

O sucesso “de um dia para o outro” que vês no Twitter não é apenas um outlier na distribuição de potência, mas um outlier extremo. Otimizar estratégias com base nesses casos é como treinar para um maratona estudando os resultados de quem foi na direção errada e, por acaso, correu 5 km.

Então, por que fazer isso? Não por conforto, nem por grandes hipóteses de sucesso. Mas porque, para alguns, não fazer é como não viver de verdade. Porque a única coisa pior do que o medo de “construir do zero” é a sufocação silenciosa de nunca ter tentado.

E—se acertares, se vês a verdade que os outros não percebem, se a segues por tempo suficiente com estética e convicção—o resultado não é só financeiro. Estás a construir algo que realmente muda a forma como as pessoas trabalham. Criar um produto que as pessoas amam usar. Contratar e realizar o potencial máximo das pessoas na tua própria empresa.

É um projeto de uma década. A IA não consegue mudar este fato. O que a IA muda é o teto que os fundadores capazes de perseverar até ao fim podem alcançar nesta década.

Então, como será o software do futuro? Os otimistas dizem que a IA cria abundância—mais produtos, mais construtores, mais valor distribuído. Têm razão. Os pessimistas dizem que a IA destrói a fortaleza do software—qualquer coisa pode ser copiada em um dia. Também têm parte da razão.

Mas ambos focam apenas na base. Ninguém olha para o teto.

Milhares de soluções pontuais irão surgir—pequenas ferramentas, funcionais, geradas por IA, capazes de resolver problemas específicos. Muitas nem sequer serão criadas por empresas, mas por indivíduos ou equipas internas para resolver os seus próprios problemas. Para categorias de software de baixa barreira de entrada e fácil substituição, o mercado passará por uma democratização real. A concorrência será feroz, as margens muito estreitas.

Mas para software crítico de negócios—sistemas que gerem fluxos de caixa, conformidade, dados de funcionários, riscos legais—a situação é muito diferente. São fluxos de trabalho com uma tolerância de erro extremamente baixa. Quando um sistema de pagamento falha, os funcionários não recebem o salário. Quando há erro na declaração de impostos, o IRS vem atrás. Quando o pagamento de benefícios é interrompido, pessoas reais perdem proteção.

Quem escolhe software deve ser responsável pelas consequências. Essa responsabilidade não pode ser transferida para IA feita às pressas com “código por sentimento” ao final do dia.

Para esses fluxos de trabalho, as empresas continuarão a confiar nos fornecedores. Entre esses fornecedores, a dinâmica do “o vencedor leva tudo” será ainda mais extrema do que nas gerações anteriores de software. Não só porque os efeitos de rede são mais fortes, mas sobretudo porque plataformas de IA em escala, que acumulam dados pessoais de milhões de transações e milhares de casos de conformidade, têm uma vantagem de efeito composto que torna quase impossível para novos concorrentes alcançarem de forma instantânea.

A linha de defesa deixou de ser apenas uma funcionalidade, tornando-se uma qualidade acumulada de operações de alta qualidade contínuas em áreas que penalizam erros.

Isto significa que o nível de integração do mercado de software será superior ao da era SaaS. Nos próximos dez anos, no setor de RH e folha de pagamento, não haverá 20 empresas com fatias de mercado de um dígito. Prevejo duas ou três plataformas dominando a maior parte do valor, enquanto uma longa lista de soluções pontuais quase não terá quota alguma.

O mesmo padrão acontecerá em todas as categorias de software onde a complexidade de conformidade, a acumulação de dados e os custos de mudança trabalham em conjunto.

As empresas no topo desta distribuição parecem muito semelhantes: fundadas por técnicos com gosto por produtos reais; construídas desde o início sobre uma arquitetura nativa de IA; operando em mercados onde os gigantes atuais não podem responder estruturalmente sem desmontar negócios existentes. Desde o início, apostaram numa perceção única—ver verdades que a IA ainda não atribuiu valor—e permaneceram tempo suficiente para que o efeito de juros compostos se tornasse evidente.

A lógica que nos trouxe até aqui é a lógica que descrevi ao longo deste artigo: ver a verdade. Investigar mais fundo do que ninguém. Construir um padrão elevado que possa ser sustentado sem pressões externas. Perseverar tempo suficiente para ver se está certo.

As empresas de topo na era da IA serão aquelas que entenderem estes princípios: acesso não é um recurso escasso, mas uma perceção; execução não é uma linha de defesa, mas estética; velocidade não é uma vantagem, mas profundidade.

A lei de potência não se importa com a sua intenção. Mas recompensa as intenções corretas.