Richard de Silva considera que a redução do custo de desenvolvimento de software graças a ferramentas de geração de código e design de produtos baseadas em inteligência artificial está devolvendo relevância ao modelo de empresas autofinanciadas, ou o que é conhecido como empresas baseadas em receitas próprias (bootstrapped businesses). Em vez de levantar primeiro um grande volume de capital e depois buscar a adequação do produto ao mercado, uma equipe pequena pode começar com um problema que os clientes realmente pagam para resolver, construir um produto inicial e decidir posteriormente se precisa de investimento adicional.
Essa é uma perspectiva escrita por de Silva como autor convidado da Crunchbase News. Ele é fundador, sócio-gerente e presidente do comitê de investimentos da Lateral Investment Management, além de ter trabalhado anteriormente como diretor-gerente da Highland Capital Partners e participado da fundação da IronPlanet. Portanto, a tese deve ser lida como a opinião de um investidor com experiência em capital de risco e empresas de médio porte, não como o resultado de um estudo quantitativo independente.
Dois modelos diferentes de construção de uma empresa
De Silva critica o caminho comum no Vale do Silício, no qual a empresa começa com uma ideia ambiciosa, levanta financiamento inicial, contrata equipes grandes e depois gasta para alcançar rapidamente um mercado amplo e testar a adequação do produto ao mercado. Ele afirma que esse caminho pode funcionar em casos excepcionais, mas frequentemente leva a mudanças repetidas de área ou ao desaparecimento da empresa quando sua atratividade para os investidores diminui.
Em contrapartida, a empresa autofinanciada começa com um cliente ou setor que o fundador já conhece. O processo consiste em resolver um problema existente a um custo inferior à receita gerada por ele, encontrar outros clientes que enfrentam o mesmo problema e melhorar gradualmente as operações. Segundo o autor, esse modelo coloca o cliente e as receitas antes da expansão e faz com que a contratação da equipe seja financiada pelos lucros, em vez de ser uma aposta em uma demanda ainda não comprovada.
O artigo observa que os fundadores dessas empresas geralmente estão no meio de suas carreiras, com experiência no setor e relações já estabelecidas com clientes. Isso pode significar um crescimento mais lento e linear durante anos, mas concentra-se na lucratividade desde o início. O autor cita Atlassian e Basecamp como exemplos de empresas que começaram fora da trajetória tradicional do capital de risco e conquistaram uma presença relevante no setor de tecnologia.
O que a inteligência artificial muda na prática?
Anteriormente, o fundador não técnico geralmente precisava de financiamento externo inicial para contratar engenheiros e construir um produto utilizável antes de ter receitas suficientes. Hoje, de Silva considera que as ferramentas de geração de código e de design de produtos reduzem o tamanho da equipe e os gastos necessários para chegar a um aplicativo funcional e disponibilizá-lo para clientes reais.
Isso não significa que a inteligência artificial tenha eliminado a necessidade de capital. Mas, segundo o argumento apresentado, ela transferiu o principal gargalo da construção do produto para a comprovação da existência de uma demanda sustentável por ele. O autor também considera que parte do financiamento inicial é usada, em vez disso, para comprar tempo adicional, acelerar vendas e marketing ou apoiar operações de implantação que não seriam econômicas para os clientes sem subsidization. Assim, testar o mercado antes de levantar uma grande rodada pode se tornar uma opção mais realista para um número maior de fundadores.
O artigo menciona o exemplo da Medvi, que descreve como uma empresa que oferece tratamento relacionado a medicamentos GLP-1 e alcançou US$ 1 bilhão em receitas com um único fundador, como um exemplo extremo do que equipes pequenas podem alcançar. O texto não fornece detalhes suficientes para verificar essa descrição ou generalizá-la; portanto, ela não deve ser considerada uma prova de que o pequeno porte garante o sucesso.
Limites e questões em aberto
De Silva não defende a eliminação do capital de risco. Ele reconhece que ideias não testadas e intensivas em capital, especialmente quando o fundador não possui uma base de clientes, ainda precisam de financiamento externo para financiar a busca por um mercado. Além disso, a redução do custo de desenvolvimento de software não resolve automaticamente os desafios de aquisição de clientes, conformidade, suporte, segurança dos produtos ou construção de uma vantagem difícil de imitar.
A principal conclusão para o leitor técnico é que a inteligência artificial pode ampliar o conjunto de empresas capazes de chegar a um produto inicial sem uma rodada de financiamento antecipada, mas não comprova a adequação do produto ao mercado. O valor prático do modelo autofinanciado depende do conhecimento do fundador sobre o problema, de sua disposição para crescer de acordo com as receitas e de sua capacidade de transformar ferramentas de inteligência artificial em um serviço do qual os clientes realmente dependam. Quanto à possibilidade de isso resultar em uma ampla onda de novos líderes de mercado, ela continua sendo uma hipótese opinativa que a fonte não resolve.