a16z: Novo ciclo de IA, robôs ascendem, hardware dispara, software inverte.

a16z aponta que a IA está a impulsionar a transferência de capital do virtual para o físico, com o investimento em robótica a atingir novos máximos, e que as empresas que adotam IA precisam de ultrapassar o gargalo da exploração.

(Antecedentes: Um ex-investigador da Anthropic fundou a Mirendil, angariando 200 milhões de dólares, com uma IA que se autointitula "capaz de se auto-aprimorar") (Contexto adicional: Funcionários queimaram 80 mil dólares em tokens para criar um "jogo de tiros meme" com IA. O patrão, ao ver a fatura, pediu a toda a internet que o jogassem)

Índice

Alternar

• Inversão do Ciclo: Os Vencedores da Tecnologia Tornam-se Perdedores
• Compra Agressiva no Físico: Robótica Dispara 4,5 Vezes
• Transformação pela IA: Accenture Cai 6 Vezes
• Reestruturação Profunda: Casos de Uso de IA Disparam 44%
• Operações Simplificadas: Capital de Risco em IA Atinge Novo Máximo
• Empreendedorismo Individual: Rendimentos de Milhões Duplicam

Recentemente, a a16z analisou as tendências centrais do atual ciclo tecnológico e empresarial a partir de várias dimensões, como investimento de mercado, aplicações de IA, ecossistema empreendedor e indústria retalhista. O artigo aponta que, impulsionado pela vaga da IA, o mercado de capitais está a passar de uma preferência por ativos leves e internet de consumo para indústrias físicas como hardware e robótica; simultaneamente, a IA está a remodelar a forma de organização empresarial, as barreiras ao empreendedorismo e a lógica do crescimento da produtividade. Seguem-se os detalhes do conteúdo.

Se compararmos este ciclo com o anterior, observamos que, em alguns aspetos, são idênticos, enquanto noutros, são completamente opostos.

A semelhança reside no facto de, tanto no período pós-crise financeira (2010-2020) como no período pós-pandemia (2020 até ao presente), a indústria tecnológica ter sido a vencedora do ciclo. No entanto, o panorama das outras indústrias mudou drasticamente: os vencedores do ciclo anterior tornaram-se perdedores, e vice-versa.

• As indústrias da saúde, bens de consumo e media registaram retornos de dois dígitos após a crise financeira, mas agora situam-se apenas entre 3% a 6%.
• Já os retornos das indústrias de energia, matérias-primas, construção e finanças passaram de dígitos simples baixos para dígitos duplos médios-altos.

As indústrias que antes ficavam para trás tornaram-se líderes, e as antigas líderes tornaram-se retardatárias.

A indústria tecnológica é a exceção, sendo sempre a vencedora do ciclo, mas com algumas nuances. O hardware é o verdadeiro destaque deste ciclo (com um desempenho bastante bom no anterior), enquanto o software segue a tendência geral de inversão.

Recuando um pouco, existe aqui um padrão muito óbvio, já mencionado anteriormente: o mercado deslocou a sua atenção das indústrias de ativos leves e orientadas para o consumo para a economia "física" de ativos pesados, em grande medida impulsionada pela construção de infraestruturas de IA.

Trata-se de uma rotação de bits (virtual) para átomos (físico).

As empresas de "ativos pesados" inverteram a tendência, após mais de uma década a ficar atrás das empresas de "ativos leves".

Claro, se este ciclo for semelhante ao anterior, a tendência geral é que toda esta infraestrutura de ativos pesados acabe por se expandir para a camada de software/aplicações. Na era pós-crise financeira, os fabricantes de chips (e fornecedores de serviços cloud) dominaram no início, mas acabaram por dar lugar a aplicações, mercados e software empresarial que floresceram nas plataformas cloud impulsionadas por telemóveis, computadores e servidores (por sua vez impulsionados por chips). Por outras palavras, a mudança para a camada virtual foi temporária e cíclica, não uma mudança estrutural mais duradoura.

Inversão do Ciclo: Os Vencedores da Tecnologia Tornam-se Perdedores

Desta vez, isso também pode acontecer: de facto, se a construção de infraestruturas de IA não acabar por se expandir para a camada de ativos leves, pode ser bastante dececionante (ambos podem também acabar por evoluir em conjunto). Mas, mesmo assim, no mercado público, alguns sinais revelam que a "revolução virtual" pode ter a sua própria sustentabilidade. E, estritamente falando, não se trata apenas de infraestruturas de IA.

O prémio para as tecnologias do "mundo real" está a manifestar-se no mercado privado, não só no domínio das infraestruturas de IA, mas também no da robótica:

Medido pelo valor de mercado das 100 maiores empresas privadas (por categoria), a robótica (e a IA física) nem sequer constava da lista em 2016, mas, uma década depois, ultrapassou as fintechs e os pagamentos, tornando-se a segunda maior categoria.

Se olharmos para o fluxo de capital de risco, também observamos um aumento do interesse do mercado pela robótica:

De acordo com dados da Pitchbook, o investimento e o número de negócios nos setores da robótica e da IA física atingiram máximos históricos no primeiro trimestre, com cerca de 16 mil milhões de dólares em investimentos, envolvendo quase 500 transações.

A título de referência, o boom de investimento em robótica é cerca de 2 vezes superior em número e cerca de 4,5 vezes superior em valor em comparação com o período de 2021 a 2025.

O ponto crucial é que a transição para a economia física (pelo menos no mercado privado) não se trata apenas de chips e inferência: o hardware está a emergir como um produto independente.

Isto também não é difícil de compreender. Software melhor tem um enorme potencial, mas a robótica leva a tecnologia a uma série de "tarefas" do mundo real que o software, por si só, não consegue alcançar. A IA, de certa forma, desbloqueou o software que impulsiona o hardware, expandindo o leque de procura como nunca antes. Isto é bastante semelhante à forma como a eletricidade acabou por permitir que as máquinas realizassem tarefas que os humanos quase não conseguiam imaginar.

Atualmente, o novo domínio mais notável da robótica é a defesa. Claro, o aumento constante dos orçamentos de defesa globais também tem um papel impulsionador. Se tudo correr como planeado, a transição para indústrias intensivas em ativos pode ser mais profunda, ampla e duradoura do que qualquer ciclo tecnológico moderno anterior.

Compra Agressiva no Físico: Robótica Dispara 4,5 Vezes

Nas fases iniciais da vaga dos grandes modelos de linguagem (LLM), as empresas de consultoria de gestão foram apontadas como potenciais vencedoras no domínio da IA, pelo menos a curto prazo. A lógica era muito simples: as empresas querem usar IA, por isso contratam consultoras para estudar como o fazer. Em particular, a Accenture foi apontada como estando numa posição muito favorável, pois poderia não só fornecer aconselhamento e roteiros, mas também serviços de ponta a ponta, os chamados "serviços geridos".

Independentemente das razões específicas, o otimismo do mercado em relação à Accenture parece ter-se dissipado completamente:

O múltiplo do fluxo de caixa livre da Accenture atingiu um máximo de 30 vezes no início de 2025, mas agora caiu para cerca de 6 vezes, aproximadamente um terço da sua média de longo prazo.

Quanto à razão pela qual o mercado perdeu tão rapidamente a confiança na Accenture, cada um pode julgar por si. Mas uma coisa está cada vez mais clara: no domínio mais amplo da "adoção de IA", o seu significado vai muito além da simples adoção de IA. Nem toda a adoção de IA cria valor da mesma forma, e para realmente (ou mais eficazmente) adotar a IA, pelo menos de acordo com algumas pesquisas recentes, é necessário adotar estratégias subtis nas fases de desenvolvimento e conceção.

Num estudo que envolveu 515 startups de alto crescimento, os investigadores analisaram em profundidade o que realmente significa ser "nativo de IA". Mais especificamente, queriam saber como fazer a transição de "IA para melhorar tarefas" para "IA para melhorar a empresa", e os resultados foram bastante surpreendentes.

Acontece que a chave reside no que os investigadores chamam de problema de "mapeamento".

Quando as empresas no estudo foram informadas sobre como outras empresas reorganizavam a produção em torno da IA ("empresas do grupo experimental"), iniciaram um processo de exploração completamente diferente. Em vez de simplesmente copiar processos existentes, as empresas do grupo experimental partiram de montante, integrando a IA nos resultados de negócio, formando assim processos totalmente diferentes.

Os investigadores usaram o desenvolvimento de produto como exemplo:

Neste caso, a IA não replicou os passos existentes no processo, mas redesenhou o processo em torno das suas próprias capacidades, embora o objetivo fosse alcançar o mesmo resultado de negócio básico.

Transformação pela IA: Accenture Cai 6 Vezes

Claro, isto é apenas um exemplo, mas, no geral, o impacto da IA na produtividade das "empresas do grupo experimental" foi enorme. As empresas do grupo experimental:

• Aumentaram os casos de uso de IA em cerca de 44%:
• As 5% melhores empresas alcançaram receitas cerca de 2 vezes superiores (as 10% melhores aumentaram as receitas em 50%):
• O consumo de capital reduziu-se em cerca de 40% (nas extremidades da distribuição, a diferença é ainda maior).

Em suma, quando as startups de alto crescimento realmente se dedicaram a "adotar IA", observaram mais cenários de aplicação, criaram mais receitas e consumiram menos capital do que aquelas que não adotaram IA.

Este é um resultado bastante surpreendente, que pode tanto aliviar algumas preocupações sobre a "questão do retorno do investimento em IA", como explicar por que razão o retorno do investimento em IA ainda não se refletiu plenamente a nível empresarial, pelo menos não ao nível que alguns esperavam.

Os investigadores apontam que isto significa que: (a) os ganhos de produtividade proporcionados pela IA a nível empresarial são verdadeiramente transformadores; mas (b) o verdadeiro avanço reside na fase de exploração, ou seja, "explorar onde e como implementar a IA é o gargalo crítico para obter ganhos", e isto não é tão simples como "adotar IA".

Neste sentido, a existência de um "gargalo de exploração" significa que o caminho de desenvolvimento da IA não é diferente dos anteriores saltos de produtividade impulsionados pela tecnologia.

Por exemplo, quando a eletrificação começou a ser普及, muitos fabricantes limitaram-se a substituir os motores a vapor por grandes motores elétricos, mantendo os veios de transmissão aéreos e os sistemas de correias existentes. As fábricas praticamente não mudaram, apenas "agora com motores elétricos". No entanto, só quando os fabricantes perceberam que podiam instalar pequenos motores em cada máquina (e quase abandonar completamente todo o sistema de veios e correias) é que os verdadeiros benefícios começaram a aparecer: as fábricas acabaram por ser completamente redesenhadas em torno de sistemas elétricos integrados (e não o contrário). Claro, o que se seguiu foi um dos maiores marcos na história dos saltos de produtividade.

Em relação à IA, startups e investigação académica, o mesmo grupo de investigadores também observou que: as startups de IA estão, de facto, a simplificar as operações. Pelo menos de acordo com este estudo sobre dados do Y Combinator dos últimos quatro anos.

Reestruturação Profunda: Casos de Uso de IA Disparam 44%

Os investigadores analisaram os dados dos ciclos W20-F24 do YC (cuja primeira ronda de financiamento foi concluída entre 2020 e 2024) e cruzaram-nos com os dados de número de funcionários, funções e antiguidade da Revelio. Queriam perceber se as startups de IA diferiam das startups não-IA em termos de contratação e/ou estrutura organizacional.

As suas observações foram:

• As startups de IA começam mais pequenas e operam em menor escala:
• A distribuição das startups com menos funcionários está fortemente inclinada para as startups de IA:
• As startups de IA tendem a ter estruturas hierárquicas mais flexíveis, constituindo a maior proporção em empresas com poucos ou nenhuns níveis hierárquicos:

As implicações são evidentes, embora possa haver mais variáveis nos detalhes, mas deves perceber a ideia: se apontas que a IA permitirá às empresas criar mais valor com menos recursos, esta investigação certamente fornece mais evidências para apoiar esse ponto.

Além disso, a Stripe Economics voltou a pronunciar-se sobre a fase do "empreendedor individual" apoiado pela IA.

(Nota: Recentemente, Ernie Tedeschi, da Stripe Economics, com base nos dados da própria Stripe, apontou que todos os tipos de fundadores pareciam ter crescido no primeiro trimestre, mas o crescimento dos "fundadores individuais não-IA" foi o mais significativo, seguido pelo crescimento dos "fundadores individuais de IA". Como mostra o gráfico abaixo:)

Apesar das várias limitações apontadas pela Stripe sobre a forma como identifica os "empreendedores individuais" nos seus dados, estes ainda fornecem mais evidências para o ponto de vista de que: a IA está, de facto, a impulsionar mais atividade empreendedora e criação de empresas, e os empreendedores individuais também estão a alcançar um sucesso considerável.

Vejamos a proporção de empreendedores individuais por escalão de receita:

Operações Simplificadas: Capital de Risco em IA Atinge Novo Máximo

Não só a proporção de empreendedores individuais com receitas anuais superiores a 100 mil dólares está a aumentar, como a proporção com receitas superiores a 5 milhões e 10 milhões de dólares começou a crescer significativamente em 2023 e 2024.

A Stripe Economics aponta:

• Observamos um aumento significativo no número de empreendedores individuais com receitas anuais superiores a 100 mil dólares no nosso índice, mas o aumento é ainda maior para aqueles que atingem escalões de receita mais elevados, com um ritmo de crescimento claramente acelerado desde 2023. Em 2025, o número de empreendedores individuais com receitas superiores a 1 milhão de dólares é mais do dobro do de 2023, enquanto o número com receitas superiores a 5 milhões e 10 milhões de dólares é quase o triplo.
• Talvez mais interessante seja o facto de, nos últimos dois anos, a proporção de empreendedores individuais com receitas acima desses limiares também ter duplicado. Isto revela que o surto de criação de empresas não reflete experiências de baixa qualidade de alguns sortudos, mas sim que o novo grupo de empreendedores individuais pode ser de qualidade superior à do passado.

Claro, considerando as várias incertezas na forma como os empreendedores individuais são identificados (neste caso, através de ferramentas específicas da Stripe para empreendedores individuais) e o facto de o número de funcionários destas empresas poder mudar ao longo do tempo (algo que a Stripe pode não saber), os dados revelam que a era das pequenas empresas impulsionada pela IA continua a desenvolver-se.

Um aspeto interessante das mercearias é que, ao contrário da categoria mais ampla de comércio retalhista, a produtividade das mercearias não aumentou significativamente nos últimos 30 anos:

Ou, mais precisamente, desde 1990, o crescimento da produtividade no retalho manteve-se基本上 estável, enquanto a produtividade das mercearias passou por uma queda inicial, depois uma recuperação, seguida de estagnação, e, embora tenha caído recentemente, voltou a subir, mas ainda está longe do pico de produtividade do retalho.

Isto é interessante porque, por um lado, conta a história da tecnologia (e da sua relação com a produtividade) e, por outro, conta a história de como a produtividade é medida, sendo esta aproximada pela produção dividida pelas horas de trabalho (o que, na melhor das hipóteses, é uma medida imperfeita).

Para as mercearias (e para o retalho), para além da caixa registadora, a maior invenção foi o scanner eletrónico. Surgiram nos anos 70, mas nos anos 90 tornaram-se omnipresentes. Os scanners tiveram principalmente duas funções: (1) expandiram enormemente a gama de stocks; (2) facilitaram a recolha de dados cada vez mais detalhada por parte dos retalhistas e merceeiros para perceber as intenções de compra dos clientes e as quantidades de stock necessárias.

Nos anos 90, tanto as mercearias como os retalhistas começaram a expandir-se significativamente, beneficiando das economias de escala impulsionadas pela tecnologia, o que foi bom para os consumidores, mas praticamente assinalou o fim das lojas familiares tradicionais.

No entanto, a partir daí, os destinos dos retalhistas e das mercearias começaram a divergir. Os retalhistas expandiram enormemente os seus stocks sem aumentar muito o número de funcionários, concentrando-se mais em produtos pré-embalados prontos a usar, que requerem muito menos pessoal para gestão e monitorização de stocks. Por outro lado, as mercearias decidiram expandir os seus negócios para serviços especializados para além da mercearia, como floristas, padarias, balcões de take-away, etc.

Empreendedorismo Individual: Rendimentos de Milhões Duplicam

Claro, à medida que a quota de serviços especializados cresceu, a procura de mão de obra especializada também aumentou. Como mostra o gráfico acima, embora a produtividade das mercearias tenha aumentado, por exemplo, expandindo significativamente a variedade de produtos e serviços e reduzindo os preços, a sua "produtividade", em termos de produção/horas de trabalho, não aumentou. Esta é também a razão pela qual a "produtividade" do retalho ultrapassa largamente a "produtividade" das mercearias, enquanto o crescimento salarial de ambas é基本amente o mesmo.

Foi só quando as mercearias adotaram as experiências de sucesso do retalho e das lojas de departamentos em geral que a sua produtividade começou a aumentar novamente:

Por volta do ano 2000, a quota de produtos não alimentares para consumo doméstico começou a crescer significativamente: os snacks, as mercearias e os bens de uso diário pré-embalados, com margens mais elevadas, cresceram quase 5 vezes numa década. Simultaneamente, os supermercados também subcontrataram mais tarefas de reposição e exposição aos fornecedores, semelhante à cobrança de "taxas" pelo espaço nas prateleiras. Esta foi uma estratégia inteligente de "aumento da produtividade", que, embora não tenha reduzido as horas de trabalho, transferiu-as para outros.

Do ponto de vista do "aumento da produtividade", esta mudança aumentou a produção sem aumentar as horas de trabalho, levando a um renascimento da produtividade nos supermercados.

Embora a quota do trabalho na receita das mercearias tenha aumentado de forma constante até cerca de 2002 (enquanto a quota do trabalho na receita do retalho diminuiu), até recentemente, ambas as quotas têm vindo a diminuir de forma constante.

A descida da "quota de rendimento do trabalho" é essencialmente o oposto da "produtividade": produzir mais com menos trabalhadores leva a uma queda na quota de rendimento do trabalho (isto sem considerar o crescimento das contas 401k provenientes de todos os lucros).

No entanto, o interessante (voltando ao tema da tecnologia e da produtividade) é que a mais recente vaga de inovação nas compras (comércio eletrónico e entrega ao domicílio) parece coincidir novamente com a divergência das trajetórias de "produtividade" entre mercearias e retalho. Embora o comércio eletrónico seja uma grande bênção para os retalhistas, que agora não precisam de alugar lojas, a entrega ao domicílio pode significar que o mesmo número ou até mais pessoas vagueiam pelas mercearias a escolher produtos. A recolha na loja (click & collect) pode até ser mais intensiva em mão de obra do que as compras tradicionais.

Quer isto seja causalidade ou coincidência, o facto é que, após a pandemia, a produtividade das mercearias voltou a cair (e a quota do rendimento do trabalho começou a recuperar), enquanto o retalho se tornou mais enxuto e eficiente. A mesma tecnologia, o mesmo aumento de produtividade, no entanto, a "produtividade" final apresentada é completamente diferente.

No entanto, a boa notícia para as mercearias é que a publicidade nos expositores sempre dá lucro (margens elevadas).