Ex-CFO do Mercado Livre: O que a IA Quebrou (e o que Não) do seu Playbook

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

Pedro Arnt é CEO da dLocal, a plataforma de pagamentos que empresas como Amazon e Uber usam para cobrar em mercados emergentes. Antes, foi CFO do Mercado Livre por mais de uma década (e passou por quase todas as áreas em quase 24 anos). Hoje lidera uma empresa que fatura mais de um bilhão de dólares por ano.

Ele já tinha estado no Startupeable. Aquela primeira conversa foi uma das mais comentadas: empreendedores escreveram por e-mail e WhatsApp impressionados com o jeito como ele pensa equipes e empresas. Esta é a segunda visita, e o eixo mudou. Enzo queria saber o que desses frameworks continua vivo com a IA e o que já não.

A resposta não é um deck de adoção. É uma tensão: sensação de maravilha (e de preocupação) diante da revolução, contra o pragmatismo de não quebrar a execução. É preciso voar muito, mas antes aprender a engatinhar. Ou nem isso: a rolar.

Estrutura e Principais Destaques

Maravilha Pessoal, Pragmatismo de CEO

• O mais desafiador é combinar convicção (quase uma sensação de maravilha) com uma preocupação profunda com a magnitude do que vem por aí
• Se ele extrapola o pessoal para a dLocal, gera má execução: voar sim, mas com chapéu pragmático. Antes de voar, engatinhar. Ele acredita que ainda estão aprendendo a rolar
• Ele chama isso de revolução industrial cinco
• O meme do CEO que cola uma demo do Twitter no Slack não é o inimigo. Essa parte importa. Ontem ele mandou para o seu executive level um resumo de um hack de Hugging Face / civilizações na OpenAI: “Sim, dá. A limitação não é o agente. A limitação é se nós conseguimos construir isso”
• O que ele não pode fazer é pedir que construam isso amanhã. O papel dele é definir o que fazer hoje para estar, em um a três anos, no nível que essas tecnologias já permitem

A Caixa de Ferramentas Já Não Vive Só na Sua Cabeça

• A IA disponibiliza o arsenal de gestão (e um mais completo) para todos os líderes
• O prompt para o “CEO agent” precisa dizer qual conjunto de ferramentas usar para aquela decisão
• Ele cita Sun Tzu: um plano ruim bem executado pode ganhar de um bom plano mal executado
• Nem sempre há uma decisão correta. Importa qual opção o líder e sua equipe têm convicção para sustentar, porque se encaixa na sua realidade e no seu momento
• O arsenal deixa de residir no líder mais experiente. Está ao alcance de todos. Resta a intuição de escolher a ferramenta certa para o prompt

Experiência = Pattern Recognition (e a IA a Supera)

• Experiência, para Pedro, é reconhecer variações do mesmo padrão que você já viu três, cinco ou dez vezes
• Esse mecanismo também pode te levar a uma decisão ruim se o padrão for mal lido
• A IA não tem dez exemplos em 25 anos: tem todos, pode simular cenários e chegar a uma conclusão quase estatística
• Para a tomada de decisão, o valor da experiência vai começar a diminuir
• O CEO skill da Anthropic já é melhor que o de Pedro? A resposta dele: a diferença não está tanto em quem decide melhor

CEO Não Técnico: A Desvantagem Aumenta

• Ele sempre sofreu por não ser um CEO técnico. Com IA em cada nó da organização, essa desvantagem se acentua
• Como ele compensa: pôr a mão na massa nas ferramentas, ler, ouvir podcasts, perguntar. Consumir até onde chega o seu conhecimento
• A frase que ele mais usa: “Desculpa, uma pergunta básica de quem não é técnico. Você me explica isso, por favor?” Ele deixou de lado o ego do “sou o CEO, não posso me mostrar vulnerável”
• Onde ele mais vibra é com os engenheiros. O “go low” fica mais difícil para um não técnico em IA
• O copo meio cheio: esses momentos low são muito mais produtivos. Sete em cada dez vezes ele vai direto à ferramenta interna, sem esperar a cadeia VP → gerente → resposta

Seus Agentes do Dia a Dia

• Ele usa menos do que deveria. Fase transformadora, mas básica: o papel dele é pouco process-driven (comunicar, alinhar, contato humano)
• Cinco ou seis agentes-chave. Ele tinha abandonado o e-mail (WhatsApp rápido, Slack em 24h, e-mail game over). Agora um agente faz a curadoria e reorganiza os e-mails
• Outros: resumo de informações, CRM de pipeline, relatórios diários e agentezinhos de financial analyst para os conselhos em que ele é board member. Antes ele não tinha tempo de chegar a essa profundidade como conselheiro
• Dois concierges pessoais (burocracias, comprar algo para o filho). Estão entre os que mais o surpreendem pela velocidade com que assumem tarefas novas

Disruptar o Seu Trabalho (e a Desculpa Inaceitável)

• Ele repete na dLocal que todos precisam disruptar o próprio trabalho. Quando Enzo perguntou sobre o dele, bateu a síndrome do impostor
• Ainda não dá para delegar o papel de CEO a um agente. Quanto mais baixo na organização, mais relevante é o chamado
• Ele está, sim, mais produtivo, com mais follow-up e dados na ponta dos dedos (Nigéria, Chade, Filipinas). Isso potencializa a decisão; ele não tem certeza de que seja uma disrupção total do papel
• Com os VPs, ele deveria ser mais impaciente. Acredita mais em direção de viagem do que em velocidade, e vê isso como algo a trabalhar
• A desculpa inaceitável: culpar o fato de que “a tecnologia ainda não está pronta”. Ele não está pronto, as equipes também não. Ele aceita falta de tempo. Não aceita culpar a tecnologia, que está vários passos à frente da adoção

2025: All-In ou Derrotados

• 2025 foi o primeiro ano sem opção: all-in. Resultado binário: derrotados por uma AI native (ou por quem de fato se transformou), ou conseguem a transformação
• Ignorar, ou entrar morno e esperar um bom desfecho, diz ele, não existe
• Não foi um ano de grandes sucessos. Foi de aprendizados. Em 2026 a segunda iteração começa a dar frutos
• Duas perguntas: (1) IA como nova receita ou modelo de negócio? Em pagamentos, ainda não há nada claro, grande e iminente. (2) Ela transforma custos, margens e produtividade? Absolutamente
• Quase toda a energia foi para operar de outro jeito. Só deixaram “faróis” em novos modelos e infraestrutura financeira. Não são a Stripe: estão um passo atrás da fronteira de pesquisa

O Erro Bottoms-Up e o Clique do Engenheiro

• Primeira tentativa: bottoms-up e change management explícito. Pedimos que você revolucione o que faz até que a job description desapareça; se você ajudar, há reconhecimento e aprendizado que você leva consigo
• Passo anterior: documentar um corpus do que cada um faz e como. Sem processos e dados não se automatiza. Na dLocal eles nunca tinham feito isso assim
• Resultado: aprenderam muito, avançaram pouco. Pedir a gente com o dia a dia cheio que desenhe fluxogramas e ajude a eliminar o próprio trabalho foi inerentemente injusto
• O clique: um engenheiro disse que, em vez de construir agentes com as equipes, ia construir um agente que faz tudo isso
• Esse sistema foi aos e-mails e Jiras, mapeou cada posição (o quê, como, com quem), ordenou por potencial de automação e alimentou o Decoder, a plataforma de coding agêntico deles
• Eles transformaram a transformação em produto com human in the loop, mas o primeiro passo foi do agent. Depois ele viu que as consultorias vendem exatamente isso

Organograma que Se Reescreve Sozinho

• O que mais o entusiasma não é a margem. É redistribuir capital e investimento: liberar recursos de tarefas que um agente ou uma automação fazem melhor, e reinvestir em produto e em áreas subinvestidas
• Nem toda a eficiência deveria cair no bottom line
• Em áreas de alto impacto, em 2026 chegaram a substituir ~30% das posições por agentes e a redistribuir pessoas
• Ninguém entrou com o organograma final: ele deixou de fazer sentido quando automatizaram pedaços inteiros. Aparece quem supervisiona e otimiza agentes. Há posições que migram e posições que desaparecem. É preciso ser transparente

Tokens, Ranking e Quando o Processo Morre

• Uma vez por mês ou a cada dois meses ele mandava um ranking das áreas por consumo de tokens, mais o top 20 e o top 100 de pessoas. “We’re watching” e competição saudável
• Boa governança: acesso a fontes internas sem abrir o que é proibido, e controle de custos. Nos andares já existe uma economia paralela: “quem me empresta tokens?”
• Adoção: todo mundo usa. Falta profundidade (skills e workflows vs só tirar dúvidas)
• Uso individual: orgânico e bottoms-up. Incorporar novas formas de trabalhar: mais top-down, com métricas e objetivos claros
• Documentar processos era o pedido. Num mundo agentic, o processo deixa de existir: ele existia para padronizar humanos com desempenho desigual. Um agente otimiza um desfecho, não segue um processo. Isso não emerge sozinho de baixo: equipe central, sponsors por área, objetivos numéricos do que é sucesso

Programa de Leverage: Menos Juniores, Mais Seniores

• De acordo: o topo dos engenheiros hoje é 20x ou 100x. Os agentes ainda não fazem tão bem design e arquitetura. O trabalho júnior, os copilots fazem quase com perfeição
• “Programa de leverage”: trocar posições menos seniores por mais seniores. Endgame: equipe menor e muito mais produtiva. Não necessariamente muito mais barata numa empresa de tecnologia de produto
• Pergunta para 10 ou 15 anos: se ninguém contrata juniores nem lhes dá tarefas desafiadoras, quem são os seniores de amanhã? Problema real; ele diz que será problema de outra pessoa
• Bandas e senioridade continuam; é preciso atualizar os inputs com mais frequência. Pirâmide mais inclinada para o sênior e mais achatada, não por 17 reportes diretos, mas porque você precisa de muito menos engenheiros

O Que Perguntar a um CEO sobre Adoção

• Ele começou recebendo “horas automatizadas”. Subiam, mas custos e deploys não: automatizavam coisas que antes nem faziam
• Métricas que escolheram: % de PRs sem intervenção humana (já alto, vai deixar de ser útil); redução de headcount por unidade com meta clara (a mais difícil de maquiar); dólares incrementais de produtos ou processos pequenos de IA
• Proxy de uso: agentes criados, utilidade diária, tokens (quase um DAU/MAU de agentes). Cinco minutos olhando como montam esses painéis separam quem está na lama de quem continua no PowerPoint

O Que a IA Não Desintermedia (e Por Que Pode Ser um Negócio Melhor)

• Se tivessem começado do zero com IA: organização mais leve, margens mais altas, muito menos erros. A indústria financeira é carregada de back e middle office
• Tudo é bits e bytes, e isso a IA desintermedia. A outra metade é presença local: stakeholders, processadores, regulador, PR, fiscal e estatutário em ~60 mercados emergentes. Isso a IA não faz por muito tempo
• Ele se sente mais tranquilo sendo uma fintech de emergentes que atende clientes de mercados desenvolvidos do que uma fintech commoditizada em mercados onde o cliente já faz essas coisas
• As AI native fintechs são as que mais o assustam. Os vencedores serão mais eficientes e leves. A digitalização do dinheiro acelera: menos dinheiro vivo, mais pagamentos
• Um agente que compra por você gera mais pagamentos. Continua precisando de encanamento (cartão, Mercado Pago, Pix). Não o elimina, salvo em cenários maximalistas
• Em novas receitas, eles exploram. Micropagamentos / economia de tokens: não é onde mais contribuem. Stablecoins e ativos digitais sim, e isso cresce bem para eles
• Sobre tokens como “capital” (narrativa tipo Stripe/OpenRouter): para ele são um metrônomo do consumo de IA. Esse metrônomo se compra com capital

Moats: SaaSpocalypse no B2B, Marca no B2C

• Primeiro moat básico: aplicar IA de forma mais eficiente e eficaz. Isso filtra muitas empresas. A tecnologia empurra ainda mais para hyperscalers e concentração
• No B2B (decisões mais racionais), a IA derruba mais barreiras. Resta a gestão de humano para humano: alguém decide, faz o sign-off, pega o telefone. Ele também imagina agente para agente. Por isso o medo do SaaSpocalypse começou ali
• No B2C, mesmo um consumidor racional com um bom agente vai querer algumas compras por marca, narrativa, experiência. Ali continua valendo a tese de Mickey Malka / Ribbit (a viagem à Itália para estudar marcas não tech)

CEO Agêntico: Decide Melhor, Ainda Não Assina

• Os agentes podem tomar decisões de CEO iguais ou melhores? Em muito pouco tempo, se não já hoje, podem tomar uma melhor. Ele fala de superinteligência ou algo muito próximo
• Continua sendo necessário human in the loop: regulação, jurídico e intuição exigem alguém accountable. Como sociedades estamos longe de delegar a totalidade e as consequências só a máquinas. Ainda bem
• Ele vê muitas decisões tomadas por máquinas com aval humano. Não tão perto do CEO agêntico. Sim um CEO que delega muito do trabalho às máquinas

Governos, Desigualdades e Capital com Freio

• Pergunta aberta: quem nos governos está genuinamente se preocupando? Ele não acredita no discurso de que “se criam tantos empregos quanto se destroem”. Intui que se destroem muitos mais. Vai haver muita riqueza; a questão é compartilhá-la
• O erro de muitos atores civis: não veem a velocidade. Quem usa os modelos vê: cada iteração é um abismo
• Lacuna geopolítica: EUA e China em compute e eletricidade vs o resto. As últimas duas décadas foram dos emergentes (Ásia e um pouco do Oriente Médio fechando lacunas). Quanto ao resto, ele não sabe como não ficar para trás
• Sobre Martín Casado (a16z): equipes pequenas com muito capital em tokens podem fazer deploy sem a velha desvantagem da contratação excessiva. Ele concorda para os outliers. A maioria, se você der mais capital para IA, desperdiça. Os controles de tokens deles são saudáveis: quando você sabe que eles vão acabar, melhora o prompt

Aos Filhos, e a Marcos

• Ele parou de dar conselhos de carreira específicos quando entendeu a velocidade. Ficam: soft skills, resiliência, curiosidade. Eles vão ter que se virar e se reinventar com mais frequência
• A geração dele foi muito abençoada. A deles pode ser mais volátil. Otimista no longo prazo, mais desafiador no caminho
• A quem ele agradece por pensar grande: Marcos (Galperin) e a escola do Mercado Livre. Ambicionar além da capacidade atual, com os pés no chão: não delirar, mas também não “como não consigo, nem tento”

Glossário do Vale do Silício

Pessoas, Empresas e Referências

Pessoas Mencionadas

• Pedro Arnt: CEO da dLocal, ex-CFO do Mercado Livre (~24 anos no MELI)
• Enzo Cavalie: host do Startupeable
• Marcos Galperin: fundador do Mercado Livre; a quem Pedro agradece por empurrá-lo a pensar grande
• Brian Chesky: founder mode / Airbnb, referência do high-low
• Sun Tzu: plano ruim bem executado vs bom plano mal executado
• Mickey Malka: Ribbit Capital; a viagem à Itália para estudar moats de marca
• Martín Casado: sócio da Andreessen Horowitz (a16z), tese de equipes pequenas + capital em tokens
• Irmãos Collison: carta sobre tokens como capital (contexto Stripe / OpenRouter)

Empresas e Organizações

• dLocal: pagamentos em mercados emergentes; clientes como Amazon e Uber; >US$ 1 bilhão de faturamento anual
• Mercado Livre / Mercado Pago: onde Pedro se formou profissionalmente; Pix e Mercado Pago como encanamentos que um agente continua usando
• OpenAI / Anthropic / Hugging Face: referências de fronteira (CEO skill, hack, civilizações)
• Stripe / OpenRouter: contraste (fronteira de pesquisa) e narrativa de tokens
• Ribbit Capital: tese de marcas / moats no B2C
• Andreessen Horowitz (a16z): Martín Casado e infraestrutura
• Decoder: plataforma interna de coding agêntico da dLocal

Dados e Referências

• ~US$ 1 bilhão+: faturamento anual da dLocal que Enzo menciona na introdução
• 2023: ano em que Pedro chegou à dLocal (o ChatGPT já existia, mas ainda não era o centro da narrativa)
• 2025 → 2026: primeiro ano all-in com aprendizados; segunda iteração dando frutos
• ~30%: posições substituídas por agentes em áreas de alto impacto (e pessoas redistribuídas)
• ~60 mercados emergentes: presença local que a IA não desintermedia
• 7 em cada 10: vezes que ele vai direto à ferramenta interna em vez da cadeia hierárquica
• % de PRs sem intervenção humana e redução de headcount: KPIs para medir a adoção real
• Top 20 / top 100 de consumidores de tokens: o ranking interno que ele publicava
• Segunda visita ao podcast: a primeira foi uma das mais comentadas