Primeiro CMO 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 um aumento significativo na produtividade.

Comparamos dois caminhos:

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 contratação de novo pessoal.

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, utilizada diariamente por 99,5% dos funcionários, cobrindo mais de 350 habilidades de negócio.

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 atualmente é transformar empresas tradicionais existentes em organizações com prioridade para 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 própria estrutura organizacional é uma tecnologia.

O desenvolvimento em cascata (Waterfall) deu origem ao domínio das gigantes de software hierárquicas 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 está mudando novamente.

Martin Harrysson e Natasha Maniar, da McKinsey, previram no 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 time, mesma produtividade.

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 de 1,7 bilhão de dólares no primeiro trimestre (queda de 26% em relação ao ano anterior), e lucro por ação (EPS) despencando 86%.

Mas o mais importante é entender 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 COO, haja no máximo cinco níveis hierárquicos.

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

Equipes transfuncionais de “equipes nativas de IA” substituem completamente os times 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 afirmou publicamente que 40% do código da Coinbase era gerado por IA diariamente, e planejava aumentar para 50% em outubro.

No podcast Cheeky Pint, John Collison, cofundador do Stripe, revelou que demitiu engenheiros que, uma semana após receberem licença empresarial, 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 se mostrou mais uma contração do ciclo de crédito do que uma inovação real.

O CEO Sebastian Siemiatkowski anunciou que o assistente de IA, alimentado pelo OpenAI, realizou 2,3 milhões de diálogos no primeiro mês, respondendo por dois terços do atendimento ao cliente, equivalente ao trabalho de 700 funcionários de suporte.

• 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, ao confrontar a realidade, tudo desmoronou rapidamente.

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 “exagerou”. A Klarna precisou recontratar usando um modelo remoto, contratando estudantes, pais em tempo integral e trabalhadores de regiões remotas.

O Commonwealth Bank da Austrália interrompeu rapidamente 45 projetos de substituição por robôs de voz. A Taco Bell também retirou IA de voz de suas 500 lojas 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” — cortando um humano e colocando um grande modelo de linguagem — pode funcionar em métricas de quantidade, mas falha na qualidade.

Recontratar custa muito mais do que se economizou inicialmente. Claramente, a primeira tentativa de digitalização por IA no setor de fintech trouxe resultados ambíguos.

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 ajudou a criar 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 entender por que a V1 falhou, Goddijn apontou:

“A principal barreira à 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 marketplace com mais de 350 habilidades de IA, cada uma em um arquivo Markdown, ensinando 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 processamento de 24 horas. Assim, toda vez que o agente entra em uma conversa, já conhece o contexto do funcionário, projetos, tickets ativos 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 diretor de produto, Geoff Charles, criou uma estrutura de maturidade L0–L3, onde L3 significa lançar funcionalidades de produção diretamente por IA.

Quem ainda estiver no nível L0 é considerado inativo.

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 barreiras de contratação, enquanto a Ramp busca elevar o nível 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 IA bruta e a transformam em fluxos de trabalho repetíveis, enquanto frameworks de orquestração como OpenClaw popularizaram essa abordagem.

Um Harness é uma plataforma que integra autenticação, sistemas, repositórios de memória, catálogos de habilidades de equipe, agendadores de tarefas noturnas e interfaces multi-janelas para análise paralela.

As grandes LLMs atuais são apenas componentes substituíveis dentro desse sistema — quando a OpenAI lançar o GPT-5.5 ou a Anthropic o Opus 5, a Ramp pode simplesmente trocar o modelo, mantendo toda a infraestrutura funcionando normalmente.

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

Ao aceitar que “a produtividade da IA é moldada por fluxos de trabalho, não por 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 com prioridade para IA. Veja o Polsia e o mapa de segmentos industriais que se segue.

O mercado de capitais está se atualizando rapidamente

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 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 dispararam 10%. Aaron Levie revelou na teleconferência:

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

O serviço Enterprise Advanced da Box, focado em IA e fluxos de trabalho, tem preços 30% a 40% superiores ao pacote Enterprise Plus tradicional.

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 na gestão de acessos
• Box AI Studio permite que agentes operem em janelas de contexto ampliado, 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 consegue 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, o preço-alvo na Wall Street é de 35,63 dólares, com uma margem de 35% de valorização.

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

Porém, por um tempo, a Plaid enfrentou dificuldades: após o pico de avaliação de 13,4 bilhões de dólares em 2021, caiu para 6,1 bilhões em 2025, e depois se recuperou para 8 bilhões em uma oferta secundária de liquidez para funcionários em fevereiro de 2026.

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 futuros indicadores de primazia, vende de volta às instituições financeiras a capacidade de prever perda de clientes.

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), com modelos de SaaS de alto valor, e viram suas avaliações despencar. 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 agentes inteligentes podem ler 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 a renda per capita de agentes como principal sinal de sucesso. Empresas do programa Y Combinator, em seus primeiros lotes, já têm 95% do código gerado por IA.

Na prática, essas empresas criam um “orquestrador de agentes” — um CEO digital que coordena uma infinidade de agentes de IA em um painel de controle 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 como trading autônomo, ferramentas para desenvolvedores e softwares de consumo com efeitos de rede — ambientes altamente digitalizados, com baixa regulação e custos de confiança baixos.

São frágeis, pois qualquer ponto único de falha pode derrubá-las.

Também têm dificuldades de penetrar mercados regulados, onde contratos e identidades estruturadas são essenciais.

Mas essas empresas já existem.

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

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

Por exemplo: a regra das “duas pizzas” da Amazon, e sua capacidade de inovar com milhões de funcionários, já é uma barreira competitiva.

No final, não importa se será uma “empresa de uma pessoa” ou uma “empresa zero humanos” — o que importa é que estamos em plena transformação digital, e essa mudança pode gerar trilhões de dólares de valor.

A questão real é: quem hoje consegue criar ou possuir o AI Harness certo, e assim projetar a estrutura organizacional ideal para 2026?

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

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