A forma como as empresas compram tecnologias de inteligência artificial está mudando rapidamente, de modo que a passagem de um produto da fase experimental para a produção completa já não significa necessariamente que a startup obterá receitas estáveis durante anos. Segundo uma pesquisa realizada pela empresa de capital de risco Madrona, 74% dos 150 profissionais de tecnologia da informação de empresas entrevistados pretendem aumentar os orçamentos de inteligência artificial nos próximos 12 meses, enquanto os demais planejam manter os gastos no nível atual.
Mas a continuidade dos gastos não significa estabilidade dos fornecedores. Os participantes afirmam que menos da metade dos projetos experimentais de inteligência artificial chega à fase de produção completa. Embora essa proporção pareça baixa, ela representa uma melhora em relação a um resultado divulgado pelo MIT no ano passado, segundo o qual 95% dos projetos empresariais de inteligência artificial fracassaram em termos de retorno sobre o investimento.
Da experimentação à reavaliação contínua
O resultado mais significativo da pesquisa da Madrona não diz respeito ao número de projetos que conseguem chegar à produção, mas ao que acontece depois. 77% das empresas reavaliam os fornecedores de inteligência artificial a cada seis meses ou continuamente. A Madrona considera que isso cria uma dinâmica de “entrada rápida e saída rápida”, radicalmente diferente da dos softwares empresariais tradicionais, nos quais contratos plurianuais ofereciam aos fornecedores um grau considerável de estabilidade.
No mercado de inteligência artificial, os custos de mudança entre fornecedores parecem menores, enquanto o ritmo de comparação e reavaliação se tornou mais intenso. Por isso, um produto pode obter um contrato empresarial e superar a fase do projeto experimental, mas ainda permanecer sujeito à perda do cliente em um ciclo posterior de revisão.
O que muda, na prática, para as startups?
O financiamento de experimentos empresariais foi um dos principais motores do boom inicial da inteligência artificial em 2025. A expectativa era que 2026 se transformasse em uma fase de consolidação dessas relações e de conversão delas em compromissos de longo prazo. Os contratos empresariais normalmente permitem que as startups apresentem taxas excepcionais de crescimento da receita recorrente anual, incluindo casos de passagem de zero para 10 milhões de dólares em três meses.
No entanto, esses números agora precisam ser lidos com mais cautela. A receita resultante de um contrato empresarial não equivale necessariamente a uma receita garantida no longo prazo, mesmo depois de o produto ser adotado dentro da empresa. Isso aumenta a pressão sobre as startups para provarem continuamente seu valor, em vez de se contentarem em concluir a primeira venda.
Precificação vinculada ao resultado
Parte do problema está ligada à instabilidade dos modelos de precificação dos produtos de inteligência artificial. Outra pesquisa realizada pela empresa de capital de risco Andreessen Horowitz, que entrevistou 50 compradores técnicos de produtos de inteligência artificial, mostrou que mais da metade prefere vincular as tarifas ao trabalho realizado ou aos resultados alcançados, em vez de vinculá-las ao uso, como ao número de tokens processados.
A precificação baseada no uso depende de uma lógica comum na era do software como serviço: a empresa sabe que precisa de e-mail, software de recursos humanos ou armazenamento em nuvem e, então, define o volume de uso pelo qual pagará. Mas os produtos de inteligência artificial nem sempre são medidos dessa forma. Vincular o preço ao número de relatórios processados, às solicitações de suporte encerradas ou às oportunidades de vendas geradas pode tornar o valor econômico do produto mais claro para ambas as partes, segundo escreveram os sócios Tugce Erten e Sarah Wang, da Andreessen Horowitz.
Por que esta notícia é importante?
O novo padrão de compra abre espaço para mais experimentação, porque as empresas parecem mais dispostas a testar ferramentas de inteligência artificial. Ao mesmo tempo, porém, ele enfraquece a relação entre a assinatura do contrato e a estabilidade das receitas. Para as startups, isso significa que indicadores rápidos de ARR podem ocultar um nível de incerteza maior do que o ocultado pelos contratos de software tradicionais.
A pesquisa não determina quando, ou se, as empresas voltarão aos hábitos de compra de longo prazo. Por isso, as questões em aberto continuam relacionadas à capacidade dos produtos de inteligência artificial de comprovar resultados mensuráveis e à capacidade das startups de criar modelos de precificação que reflitam esses resultados. Esta é uma leitura analítica baseada nas pesquisas da Madrona e da Andreessen Horowitz, conforme apresentada por Julie Bort na TechCrunch, e não uma prova de que todos os contratos empresariais são de curto prazo ou de que todos os modelos atuais de ARR não são confiáveis.