Pense no último software que a sua empresa contratou. A decisão foi sobre o software em si, ou sobre o problema que ele prometia resolver? Quase sempre é a segunda opção. E essa distinção simples está no centro de uma das teses mais interessantes que circulam no ecossistema de inovação hoje, publicada por Julien Bek, empreendedor e sócio da Sequoia Capital, uma das principais gestoras de capital de risco do Vale do Silício.

A tese — simples, mas poderosa -— diz que a próxima companhia a valer 1 trilhão de dólares será uma empresa de software disfarçada de prestadora de serviços. Em outras palavras, ela não vai vender o painel de controle. Vai vender o resultado. Esse movimento ganhou até nome: “sell work”, que pode ser traduzido como “vender o trabalho, não a ferramenta”.

A analogia que uso quando explico isso é a da furadeira. Ninguém acorda de manhã querendo comprar uma furadeira. As pessoas querem o furo na parede.

Se você vende a ferramenta, está em uma corrida que nunca termina contra o próximo modelo de inteligência artificial (IA), que vai chegar mais barato, mais capaz e vai tornar o seu produto obsoleto. Mas, se você vende o trabalho pronto, cada avanço nos modelos só beneficia o seu negócio: o serviço fica mais rápido, mais barato de entregar e mais difícil de replicar.

Inteligência versus julgamento

A diferença crucial, na visão de Bek, está entre inteligência e julgamento. Ela nos ajuda a entender onde o tal do “sell work” tem mais chances de prosperar. Inteligência é seguir regras: debugar código, classificar um prontuário, revisar um contrato-padrão, preencher uma declaração. Tarefas complexas, mas com regras, algo que a IA já faz no automático. O julgamento é diferente. É o instinto que vem de anos de prática para saber o que construir, quando ignorar uma regra técnica, quando o cliente está errado. Em setores onde o esforço é majoritariamente inteligência, os sistemas que entregam o resultado final, o serviço pronto, vão passar o trator.

Mapear oportunidades nesse campo, portanto, passa por focar onde a terceirização já acontece. Se uma empresa paga um escritório externo para revisar contratos, ela quer o arquivo finalizado na sua caixa de entrada. Substituir esse fornecedor por um serviço de IA, portanto, é uma troca de prestador, não uma mudança de comportamento.

Vale notar também que grande parte do discurso sobre sell work assume um ponto de partida específico: que as empresas já usam software as a service (SaaS) e agora vão querer que a IA faça o trabalho no lugar dele. O modelo mental é o de um upgrade: de software para serviço, de copilot para autopilot. Mas em boa parte do mundo, e especialmente na América Latina, o ponto de partida não é o software. É a planilha, o processo manual, o serviço terceirizado.

Milhões de empresas nunca adotaram as ferramentas de SaaS que essa tese assume como base. Para elas, o modelo de sell work não é uma expansão do orçamento de software para o orçamento de trabalho pronto. É a tecnologia chegando, pela primeira vez, aonde nunca conseguiu chegar.

Mas é preciso ter clareza sobre o que separa um negócio real de uma ilusão bem embalada. A Emergence Capital cunhou um conceito útil que chama de “Mirage PMF”: o risco de que a tração inicial em serviços de IA reflita novidade ou preço subsidiado, e não fit genuíno com o mercado.

Quando uma empresa oferece fazer o trabalho mais barato do que um humano, a demanda inicial é quase garantida. O teste de verdade vem quando a automação precisa melhorar a qualidade, e não só reduzir o custo. A margem bruta é o teste definitivo. Uma empresa que vende trabalho com 80% de margem bruta é fundamentalmente diferente de uma que vende trabalho com 30%. Só a primeira construiu automação real.

Brasil no foco

O Brasil tem condições particularmente favoráveis para que essa tese se prove aqui antes de qualquer outro lugar. A complexidade regulatória, o custo elevado de mão de obra especializada e a baixa adoção histórica de software criam um ambiente onde entregar o resultado diretamente é, muitas vezes, a única abordagem que funciona. O cliente brasileiro de pequeno e médio porte não quer aprender uma nova ferramenta. Ele quer o problema resolvido.

Eu não poderia encerrar este texto sem mencionar uma preocupação comum quando se fala sobre esse modelo: se a IA entrega o trabalho, quem responde quando algo dá errado? É uma pergunta válida, mas que precisa ser respondida a partir de comparações e cenários verdadeiros. O sistema atual já produz erros, e as empresas já estão arcando com esse custo. A comparação relevante não é IA versus perfeição. É IA versus o status quo.