7 Lições para Criar Startups com IA em 2026

O áudio e o vídeo estão em espanhol. Estas notas são uma tradução.

Hoje tive três convidados técnicos, e esse é o motivo deste episódio: eu queria uma conversa sobre o que de fato implica construir com inteligência artificial, não sobre a narrativa.

Damián Schenkelman foi o funcionário número 10 da Auth0, uma das startups latino-americanas de maior sucesso, adquirida pela Okta em 2021 por mais de US$ 6 bilhões. Hoje ele dirige o laboratório de pesquisa e desenvolvimento da empresa.

José Noblecilla lidera tecnologia e inteligência artificial na Valor Capital, com mais de 2 bilhões sob gestão. Antes foi fundador e diretor de IA na Wildlife Studios.

Felipe Sateler é fundador e CTO da Buk, a maior plataforma de gestão de recursos humanos da região, que processa a folha de pagamento de mais de 4.000 empresas e tem valuation de mais de 800 milhões.

Estrutura e Principais Destaques

O Que Mudou de Verdade em 24 Meses

• Felipe se declara moderado: não vê algo que mude radicalmente, mas vê, sim, uma transformação real na produtividade interna
• O que antes não conseguiam fazer: analisar dados nesses volumes, categorizar informação, gerar clusters
• O número dele: em uns seis meses aumentaram 70% a produtividade medida em pull requests mergeados por mês por pessoa
• Damián traz a nuance do contexto: na Auth0 eles já tinham modelos de machine learning em produção havia anos, para detecção de anomalias no login
• O que decidiram, sim, foi esperar. Houve um momento em que todos os produtos tinham que ter um assistente de IA e eles preferiram ver se aparecia algo mais interessante
• O que mais mudou para o time de pesquisa dele: muito do código que geram é descartável, então podem ir mais rápido
• A nuance importante dele: eles trabalham sobre uma base de código de muitos anos e cheia de casos de borda, então a diferença entre modelos aparece muito. Um salto de modelo mudou substancialmente a experiência
• José, do lado do investidor, vê dois arquétipos: produtos de IA voltados ao cliente e automação do back office
• E uma assimetria que o surpreende: ele vê mais velocidade na adoção de IA no produto do que internamente, porque o back office esbarra na governança

Startups Contra Empresas Grandes

• Damián vê o contrário em empresas muito grandes: aversão ao risco de montar um produto com IA
• Primeiro foi o licenciamento do código, depois a quem você entrega seu código. Empresas que podiam rodar na sua própria nuvem ganharam por isso
• O que ele vê, sim, com muito interesse: MCPs internos, para acessar dados com auditoria
• Em startups, governança e segurança não importam tanto, então elas vão muito mais rápido e testam produtos mais rápido
• O dado que antecipa uma tendência: alguém passou por uma auditoria da nova norma ISO sobre sistemas de IA, e no primeiro ano os auditores não sabiam bem o que auditar. O segundo foi muito diferente
• A previsão de negócio dele: assim como surgiu a Vanta para resolver o SOC 2, vão surgir empresas que resolvam o compliance e até o seguro de sistemas de IA

Por Que os MCPs Não Resolvem o Problema Sozinhos

• Felipe reduz isso ao de sempre: quem tem acesso a qual informação e quem pode modificá-la de forma autorizada. A única novidade é a interface
• A crítica dele aos MCPs prontos: eles não vão ter a granularidade para validar permissões
• O exemplo concreto: se você se pendura nas permissões do Google Drive, precisa dar acesso a tudo. Se faz isso com uma conta de serviço, está dando acesso a coisas que ela não deveria ver
• Damián concorda que usar uma conta de serviço para conectar o MCP à API é, pura e simplesmente, uma falha de segurança
• Na verdade, ele mantém um site onde vai anotando os problemas de segurança que encontra em aplicações de IA. Ele mostra aos prospects e o produto se vende sozinho
• O esclarecimento dele: isso não é inerente ao protocolo, é programação ruim
• O que ele acredita que agrega: MCPs remotos bem feitos, orientados a fluxos concretos em vez de expor uma API. Ele chama isso de composite actions
• O consenso dos três: depois de um ano e meio, continua sendo preciso programar sua lógica de negócio, suas proteções e seus guardrails
• A conclusão de José, com humor: ainda tenho que fazer meu trabalho. E ele acrescenta que o rastro de quem fez o quê e por quê é cada vez mais relevante, porque o modelo executa ações

Onde Aparece o Impacto no Negócio

• A Buk está investindo em aquisição, onde o conteúdo gerado tem sido um canal proveitoso, e tem um assistente para o processo de venda
• O que curiosamente custou mais a eles é o suporte, porque exige uma base de conhecimento muito boa e bem formatada
• O dilema que isso gera: você não vê o impacto no curto prazo porque há muito trabalho prévio, então adia, e se adia demais perde o valor
• José aponta o problema de medição: não está claro quais KPIs você mede quando tem um agente em produção
• Como estão reportando hoje: como um paralelo um a um com funcionários. Um agente de cobrança contra um analista de cobrança, comparando cada tarefa do cargo
• O alerta dele de teoria dos jogos: você reduz o custo da sua folha, mas se todos usam IA o custo de aquisição de usuários sobe para o mercado inteiro
• Damián vê o impacto onde o produto economiza tempo do time do cliente. Testes que levam menos tempo, levantamentos que passam de meses para semanas
• E a observação dele sobre onde o impacto relativo é maior: em startups, onde importa se mover rápido e não tem problema acumular alguma dívida técnica

A Maior Mudança de Design: API First e Agent Experience

• Para Damián, o mais importante é assumir que seu produto vai ser consumido por uma IA e redesenhar a partir daí
• As perguntas-guia dele: se eu tivesse que usar um CRM a partir de um chat, como seria? Se eu tivesse que comprar, como seria?
• E a outra coisa que mudou da noite para o dia: aparecer nas respostas dos modelos
• Felipe confirma com dados: as oportunidades que chegam por marketing pago caíram forte e as que chegam por agentes subiram muito
• A ameaça que ele vê para as verticais de nicho construídas sobre outra plataforma: são as mais fáceis de replicar
• O enquadramento dele: qual é o seu centro de gravidade, o que torna difícil para o seu cliente trocar e fácil plugar processos em cima
• O exemplo dele: Shopify. Você monta a loja em três cliques e depois toda a sua vida comercial vive ali
• E o caso dele: na Buk, o centro de gravidade são os funcionários da empresa. Cada admissão, desligamento ou mudança de cargo dispara processos, e eles são a fonte autoritativa dessa informação

O Agente Constrói sobre o SaaS, Não o Substitui

• A posição de Felipe: as pessoas vão operar sobre o SaaS, porque o dado autoritativo e bem rotulado tem que viver em algum lugar
• Um Excel não serve, porque vira bagunça em 30 segundos
• Os dois exemplos dele: o agente de compras não substitui a Shopify, constrói sobre a Shopify. O agente de vendas se integra ao seu CRM
• José acrescenta os building blocks que vê surgindo: painéis em que a IA cria as tarefas que o humano precisa completar e vai guiando-o passo a passo
• O segundo: como se dá feedback ao agente. Hoje é o polegar para cima ou para baixo e algum texto, e isso parece claramente insuficiente a ele
• O terceiro: métricas operacionais por agente. Quanto cobrou, quanto tempo ficou ativo, o que delegou ao humano
• A frustração que Damián descreve como usuário: ele usa um produto que manda coisas que não batem com o filtro dele, corrige várias vezes e não melhora
• O que falta aí, na opinião dele, é uma visão de depuração para o usuário final. O polegar para baixo é opaco demais
• E uma pergunta que ele tem em aberto: qual é a caixa de entrada de um agente. Como ele se comunica com o mundo exterior e com outros agentes

Construir Produtos com IA É Outra Disciplina

• Felipe separa duas ideias. Uma é velha: manter algo em produção sempre foi muito mais difícil do que fazer o protótipo
• A outra é nova, e aí ele concorda totalmente: a palavra-chave é confiabilidade
• O software tradicional é previsível. Se funcionava bem, funciona bem sempre. Com modelos probabilísticos, isso se quebra
• E o espaço de entradas é infinito. O que você pode escrever num chat é infinitamente mais do que o que cabe num formulário com um campo numérico
• A consequência econômica: rodar o produto é mais caro, na execução e no monitoramento, e você precisa de gente dedicada a ver como ele se comporta
• A conclusão dele: as margens brutas de uma empresa full IA deveriam ser muito mais baixas
• O que José aponta como caro por dentro e commodity por fora: manter viva a lógica de um humano no loop, verificando ações e medindo se o humano as fez
• E onde aparece a oportunidade: entender em que momento faz sentido fazer fine-tuning de um modelo aberto para baixar custos e ganhar um moat
• A recomendação dele para o dia zero: registrar entradas, saídas e o que você esperava. Esse histórico é o que depois permite ajustar ou entender melhor o usuário

Qual Técnica Vale a Pena e Qual Pode Esperar

• Damián descreve isso como um chapéu novo. Antes você colocava o de confiabilidade e o de segurança. Agora também o de dados
• O trabalho concreto: ver onde o sistema falha e reduzir a quantidade de falhas por execução típica
• Uma das técnicas que ele menciona é a otimização de prompts, inclusive automatizada, decidindo para qual modelo mandar cada coisa
• Mas onde ele vê o verdadeiro custo no B2B é na engenharia de dados: catalogar, rotular e estruturar a informação interna de cada empresa
• A formulação dele: é preciso resolver o contexto para o domínio específico, e esses dados você tem que ter independentemente de como os modelos evoluam
• A segunda coisa que pode mudar tudo é a interface. O exemplo dele é o Granola: o melhor é que não é invasivo, toma as notas e resume. A não interface é o que agrega
• E a anedota do próprio Enzo: a maior melhoria que viram no conteúdo deles não veio de otimizar prompts, veio de rotular bem os dados

Times de Engenharia

• A preocupação de José: o que vai acontecer com quem está estudando computação hoje. Ele vê cada vez mais fellowships entre empresas e universidades
• O perfil que ele vê nascendo: um híbrido entre software engineering e alguém de dados, porque o trabalho de contexto é essencialmente engenharia de dados
• A postura de Felipe é a oposta na contratação de juniores: fizeram um programa de estágio com umas 45 ou 50 pessoas e ficaram com cerca de 35
• O argumento dele: a carreira de software engineer está mal especificada, é tão ampla quanto dizer analista ou gerente
• Onde está o verdadeiro valor de um desenvolvedor no negócio dele: entender o cliente melhor do que o cliente entende a si mesmo, e modelar a situação de forma implementável
• O que desapareceu, sim: o papel de alguém para quem escrevem o card e que só o desenvolve. Se eu vou te dizer exatamente o que fazer, melhor dizer ao modelo
• Damián desconfia do pânico: em 2020 e 2021 contrataram muitíssima gente de que ninguém precisava, então a comparação está ancorada num número inflado
• E a leitura dele do discurso: muito da mensagem sobre substituir programadores foi marketing num momento em que era preciso levantar capital
• A citação que eles resgatam: não contratar juniores é uma das piores ideias, porque são eles que melhor usam essas ferramentas
• O que Damián acredita, sim, que vai acontecer: o colapso de papéis. Menos separação entre product manager, engenheiro, designer e project manager, com o chapéu colocado em menos gente
• A referência dele é The Mythical Man-Month: o time de sete pessoas que esse livro descreve hoje pode ser montado com menos
• A vantagem: um time pequeno executa mais rápido porque tem todo o contexto, e isso se compõe exponencialmente
• A nuance de Felipe: ele concorda com times menores, mas gosta de manter um product manager por time, como o CEO desse squad

Protótipos, Hackathons e Financiamento

• Um investidor disse a Felipe que o valor de um protótipo hoje é zero
• A correção dele: não é que valha zero, é que ele perde valor como sinal de que você consegue levar isso para produção
• Mas para quem levanta capital fica mais fácil, porque você chega ao investidor com algo muito melhor para mostrar
• A anedota dele: num hackathon de 36 horas, as demos eram mais polidas que o próprio produto deles, com efeitos e animações
• O que José acrescenta: há times com designers que agora programam, e isso eleva a régua estética
• O padrão de financiamento que ele vê: times bootstrapped, e times que fazem a rodada seed na América Latina e vão direto para os Estados Unidos para a Série A
• E um alerta de Damián: se você não levantou capital e outros levantaram e ainda por cima usam essas ferramentas, você está competindo contra gente que vai mais rápido
• Uma mudança que Enzo destaca como positiva: antes, na América Latina, havia um viés a favor do fundador com perfil de negócios. Hoje o fundador técnico é mais financiado

Onde Estão as Oportunidades

• Damián começa pelo geral: há um mandato nas empresas grandes de usar IA. Se você demonstra que ela gera mais eficiência ou menos custo, você tem produto
• E aponta um campo aberto: produtividade interna B2B. É chato para muita gente, e por isso mesmo ele gosta
• O alerta dele para quem constrói a partir da região: não pense só na América Latina, porque você mesmo se restringe
• Mas se fizer isso, há mais informalidade e uma proporção muito maior de pequenos negócios, então vão surgir lifestyle businesses rentáveis sem venture capital
• A tendência que José vê: agregar num único produto o que antes eram duas ou três empresas. Impostos e contabilidade como funcionalidades da mesma coisa
• A leitura dele do mercado: está fragmentado em dois níveis, o velho e o do SaaS tradicional dos anos 2010
• Sobre talento, Damián aponta uma arbitragem real: na região há talento muito bom capaz de construir isso e ainda poucas empresas grandes competindo por ele
• A desvantagem que ele reconhece: não estar no Vale custa mais do que antes, não tanto pelo negócio, mas pela inovação e pela conversa informal
• José confirma com a experiência dele na Wildlife: em 2014 competiam por talento com Google e Facebook, e em 2017 com as grandes startups da região
• E o fechamento otimista dele: a Wildlife foi construída global a partir do Brasil, com talento brasileiro, sem ninguém no Vale do Silício no início
• O lembrete de Felipe: o software vale muito mais nos Estados Unidos, e falar da América Latina como um mercado só é enganoso, porque ela é muito atomizada

Glossário do Vale do Silício

Pessoas, Empresas e Referências

Pessoas Mencionadas

• Damián Schenkelman: funcionário número 10 da Auth0, hoje dirige o laboratório de pesquisa e desenvolvimento da empresa e investe como anjo
• José Noblecilla: lidera tecnologia e IA na Valor Capital, antes fundador e diretor de IA na Wildlife Studios
• Felipe Sateler: fundador e CTO da Buk
• Enzo Cavalie: host do podcast

Empresas e Referências

• Auth0: adquirida pela Okta em 2021 por mais de US$ 6 bilhões
• Valor Capital: mais de 2 bilhões sob gestão
• Buk: folha de pagamento de mais de 4.000 empresas em cinco países, com valuation de mais de 800 milhões
• Wildlife Studios: construída global a partir do Brasil com talento brasileiro
• Shopify: o exemplo recorrente de centro de gravidade e de agent experience
• Vanta: o precedente de uma empresa que nasce para resolver uma norma
• Granola: o exemplo dele de que a melhor interface pode ser nenhuma
• The Mythical Man-Month: o livro dos anos 1970 cujo time ideal hoje cabe em menos pessoas