Após assistir às apresentações de 199 empresas no Demo Day da YC W26, ficou uma sensação forte de desconforto. A AI já não é mais uma "nova tecnologia", mas sim uma infraestrutura comum.

60% das empresas participantes são nativas de AI, e mais 26% estão integrando AI. Ou seja, apenas 14% das empresas não utilizam AI. Mas o que importa não são esses números. A mudança está no fato de que ninguém mais pensa em "como usar AI", mas sim em "o que substituir com AI".

Expressões como copiloto, assistente, copiloto de voo tornaram-se obsoletas. O objetivo das startups atuais é a substituição completa de trabalhos bem remunerados. Beacon Health substitui equipes de pré-autorização, Mendral realiza tarefas de engenheiros, LegalOS alcança 100% de aprovação em pedidos de visto. Isso não são ferramentas auxiliares, mas substituições reais.

Aqui, uma mudança de expressão é necessária. A palavra "agente de AI" deixou de ser apenas um termo técnico e passou a indicar uma profissão. Recrutadores, advogados, profissionais de saúde, DevOps, QA. Tudo está na mira da substituição.

Faz sentido que o mercado B2B represente 87%. Para consumidores finais, há apenas 14 empresas, das quais apenas 7 são oficialmente classificadas como "B2C". Por quê? Porque agentes de AI funcionam melhor em fluxos de trabalho estruturados. Para consumidores finais, há muita ambiguidade, uma área ainda difícil para AI.

O mais interessante é o que as empresas de crescimento mais rápido estão fazendo. Escritórios de advocacia, recrutamento, contabilidade, corretoras de seguros. Ou seja, setores de serviços profissionais tradicionais. A Arcline tem mais de 50 startups como clientes, atuando como uma empresa de serviços nativa de AI. A Panta declara-se uma "empresa de serviços baseada na economia de software". Com AI responsável por 80% do trabalho humano, operando com base em resultados, ela desfruta das margens do software e mantém a confiabilidade do serviço.

A lição desse modelo é clara. Começa-se pelo serviço, coleta-se dados, lança-se automação e evolui-se para uma plataforma. O serviço é a cunha, os dados tornam-se o fosso.

A questão dos canais de distribuição também é interessante. Entre as 15 empresas de crescimento mais rápido, 60% conquistaram seus primeiros clientes através de redes de fundadores ou da YC. Ou seja, não se trata de "como vender", mas de "quem consegue alcançar", empresas que já tinham um público-alvo definido.

O padrão mais comum é vender para ex-colegas de trabalho. Os fundadores do Fed10 eram ex-lobistas, e seus cartões de visita se tornaram canais de venda. Os fundadores do Squid trabalharam anos na State Grid, conhecendo as ineficiências do planejamento da rede elétrica. Eles não precisaram procurar clientes, eles eram os clientes.

O background dos fundadores também é característico. 46% formam equipes de dois, sendo o mais comum dois cofundadores técnicos com conhecimentos diferentes (35%). Não uma combinação de hacker + vendas, mas dois técnicos. E esses são colegas de faculdade, ex-colegas ou parceiros que já fundaram empresas juntos.

Os fundadores das empresas mais bem-sucedidas têm algo em comum: conhecem profundamente o problema que querem resolver, por experiência pessoal. Um dentista desenvolve IA cirúrgica na Mango Medical, um supervisor de manutenção aérea automatiza documentos na Zymbly, filhos de fazendeiros criam o GrazeMate com robôs vaqueiros. Empresas que entram em setores discretos, profundos, e não em indústrias de festa, tendem a ser as mais fortes.

A volta do hardware também é notável. 18% das startups incluem componentes de hardware. Um aumento significativo em relação aos anos anteriores. Remy AI e Servo7 fabricam robôs para armazéns, Pocket já vendeu mais de 30 mil dispositivos vestíveis. Empresas fundadas por ex-alunos da SpaceX e Tesla são as mais visíveis nesse grupo.

A importância da vantagem de dados também foi destacada. LegalOS treinou com 12.000 pedidos de visto, alcançando 100% de aprovação. Shofo constrói a maior biblioteca de vídeos indexados do mundo. Como usam o mesmo modelo básico, seus dados próprios se tornam uma defesa principal.

Os padrões de fracasso também ficaram claros. 8 a 10 empresas que tentam construir agentes de monitoramento ou funções de teste estão em risco. Porque os provedores de modelos base já os oferecem nativamente. Serviços de AI nativos sem vantagem de dados também são assim. Monetizar é rápido, mas a defesa é fraca. A tecnologia principal pode ser copiada em semanas.

Uma expressão interessante foi a de que o lançamento no mercado falha ao "construir e esperar". Empresas bem-sucedidas perguntam primeiro "quem posso alcançar e o que eles precisam urgentemente". Empresas fracassadas perguntam depois "como vender porque fiz um produto incrível". Essa diferença decide tudo.

Setores como consumo, educação e tecnologia governamental permanecem vazios. Pouquíssimas empresas participam dessas áreas. Historicamente, quanto menor o investimento, maior o retorno futuro. A próxima grande onda de AI acontecerá nesses setores negligenciados.

As cinco características comuns às empresas de maior crescimento: vendem resultados, não ferramentas. Os fundadores constroem relacionamento com clientes antes do produto. Cobram desde o primeiro dia. Seus clientes estão em situação de urgência. O MVP é extremamente simples.

A qualidade das apresentações também variou bastante. Para deixar uma impressão, uma apresentação deve ter sete elementos: dados impactantes ou problema, problema específico e pouco comum, uma frase de impacto sobre a equipe, explicar a inevitabilidade do mercado, força de tração que supera o valor absoluto, insights próprios, e uma frase final louca. "O primeiro Oscar de AI nasce na Martini", "Vamos reservar o hotel lunar de 2032". Essas palavras movem os investidores, e isso é tudo.

A GRU Space planeja construir o primeiro hotel lunar até 2032, com uma carta de intenção de 500 milhões de dólares e convite à Casa Branca. A Terranox descobriu um depósito de urânio que vale entre 200 milhões e 700 milhões de dólares. A Ditto Bio interpreta com AI proteínas de controle imunológico evoluídas por parasitas, projetando imunoterapias próprias. Essas empresas não são apenas de tecnologia, mas enfrentam problemas fundamentais da humanidade.

A maior lição do Demo Day é que a era das startups nativas de AI está realmente começando. Mas os verdadeiros vencedores não são empresas que usam AI bem, e sim aquelas que, com profundo conhecimento especializado, inovam setores existentes com AI. Entrar profundamente em setores tradicionais, construir uma roda de dados, evitar wrappers genéricos de AI — essa é a lição mais importante que emerge das 199 apresentações.