Opinião: Na febre do AI, a lógica de "vender pás" já deixou de valer

Autor: Ben Basche

Compilação: Deep潮 TechFlow

Deep潮 leitura: “Na corrida do ouro, vender pás” já foi uma máxima no mundo empreendedor. Mas na era da IA, essa lógica deixou de valer — porque os próprios mineiros abriram lojas de ferragens. OpenAI, Anthropic, Google estão sistematicamente devorando camadas de middleware, assistentes de programação, automação de browsers e outros setores de startups. Ben Basche acredita que as empresas de IA que realmente sobrevivem não vendem ferramentas, mas usam IA como matéria-prima em áreas verticais — aprofundando-se em setores específicos, dominando conhecimentos locais e possuindo contextos irreprodutíveis.

O texto completo:

Há uma frase que, antes e depois da bolha da internet, virou uma bênção para o mundo empreendedor: “Na corrida do ouro, vendendo pás e picaretas.” Significa que quem realmente lucra não são os mineradores, mas os fornecedores deles. Quem ficou rico foi Levi Strauss, não os garimpeiros.

Esse é um bom quadro. Funciona bem por um tempo.

Mas no campo da IA, ele está errado. Se sua empresa foi fundada nessa lógica, talvez seja hora de revisar o que aconteceu nos últimos doze meses.

Laboratórios representam toda a pilha tecnológica

Veja o que realmente aconteceu — primeiro silenciosamente, depois de repente, tudo explodiu.

OpenAI lançou o Operator, um agente de computador capaz de navegar na web, preencher formulários e executar tarefas de ponta a ponta. Depois, veio o Responses API e o Agents SDK, permitindo que desenvolvedores acessem chamadas de ferramentas nativas, memória e orquestração sem frameworks de terceiros. Em seguida, o Codex, um agente de programação na nuvem capaz de escrever, testar e iterar software autonomamente. E ainda o Deep Research. Qualquer um desses produtos, há dois anos, já seria suficiente para sustentar uma startup com financiamento.

Anthropic lançou Claude Code, Computer Use, Projects com memória persistente, e o MCP (Model Context Protocol) — quase da noite para o dia, tornou-se o padrão principal para conectar IA a ferramentas externas e dados. Depois, doaram o MCP para a Linux Foundation, garantindo que fosse infraestrutura, não produto. Depois, lançaram Claude no Excel, Claude no Chrome, Cowork.

Google lançou o Gemini 2.0, com chamadas nativas a ferramentas e percepção multimodal, integrado ao Vertex AI como painel de controle de IA empresarial, oferecendo estratégias e orquestração prontas para uso.

Cada uma dessas ações está consumindo uma fatia de mercado que antes pertencia a startups.

A lógica de “vender pás” tem uma suposição implícita: os laboratórios ficarão na sua própria pista. Criando modelos básicos, oferecendo APIs, deixando a camada de ferramentas, orquestração e aplicações para o ecossistema. Essa suposição morreu.

Massacre de middleware

Vamos ver o que realmente aconteceu na camada de middleware.

LangChain foi o exemplo mais clássico de aposta “vender pás” na febre de IA de 2023. Uma estrutura para encadear chamadas de LLM, conectar ferramentas e gerenciar memória. Milhares de equipes construíram produtos com ela, com mais de 100 mil estrelas no GitHub. Mas, em 2024, várias equipes começaram a escrever blogs explicando por que estavam removendo LangChain de seus ambientes de produção. Não porque fosse ruim, mas porque os modelos subjacentes ficaram inteligentes demais para precisar dela. A abstração que LangChain construiu resolve problemas de ontem.

Ao mesmo tempo, a OpenAI lançou seu próprio SDK de agentes. A Microsoft criou AutoGen e Semantic Kernel. Os laboratórios e suas empresas-mãe não adquiriram a LangChain. Eles simplesmente integraram nativamente o que ela fazia em suas plataformas.

O mesmo roteiro se repete em cada camada: frameworks de agentes, gerenciadores de prompts, pipelines RAG, frameworks de avaliação, ferramentas de observabilidade. Todos esses estão sendo absorvidos pelos fabricantes de modelos como recursos nativos.

A parte dura: quando OpenAI ou Anthropic incorporam capacidades de orquestração diretamente na API, não precisam vencer em funcionalidades. Basta serem “suficientes” e “já estarem lá”. Os desenvolvedores tendem a seguir o caminho de menor resistência. Startups com middleware engenhoso precisam liderar por uma margem enorme, manter essa vantagem enquanto os modelos evoluem, e competir com adversários com capital ilimitado e controle sobre a infraestrutura básica. Isso não é um negócio, é um projeto de pesquisa com contagem regressiva.

Mineradores abriram lojas de ferragens, e as pás não vendem mais

A analogia de “vender pás” falha na IA por uma diferença estrutural fundamental. Em 1849, Levi Strauss e os comerciantes de ferragens não garimpavam ouro. Mineradores e fornecedores eram papéis independentes, com interesses separados.

Na IA, laboratórios estão garimpando, vendendo pás, construindo estradas e mapeando territórios ao mesmo tempo. Eles têm motivos fortes para controlar toda a pilha tecnológica, pois cada camada adicional de controle traz um ponto de trava, uma oportunidade de expansão de lucro e uma barreira de entrada.

Anthropic doou o MCP para a Linux Foundation — não por caridade, mas para garantir que um padrão que eles criaram se torne infraestrutura universal, assim como o Ethernet. Padrões são as maiores fortalezas do setor de tecnologia, pois são intangíveis e permanentes.

Portanto, se sua startup propõe “intermediar desenvolvedores e modelos, facilitando fazer X”, precisa aceitar uma realidade: essa entidade intermediária já foi notada, tem recursos para copiar você, e há razões estruturais para fazê-lo.

Então, o que funciona?

Voltando à metáfora do ouro: se não dá mais para vender pás, o que vender?

Joias.

Ou, melhor ainda, usar o ouro como matéria-prima industrial, criando produtos que os garimpeiros não têm interesse em fazer.

Na corrida do ouro de 1849, as empresas que sobreviveram à prosperidade não vendiam ferramentas genéricas. Elas usaram ouro como matéria-prima, com profundo conhecimento especializado, para criar produtos específicos. Joalheiros, dentistas, engenheiros elétricos — pessoas com entendimento profundo de aplicações específicas, que os generalistas não conseguem replicar.

Na IA, a estratégia é construir aplicações verticais — em setores que requerem contexto do mundo real, que laboratórios não dominam nem têm acesso fácil.

Pense nas áreas onde OpenAI, Anthropic e Google não são bons: entender profundamente o fluxo de trabalho do seu setor, ter relação com seus clientes, obter dados privados que façam o modelo realmente funcionar em cenários específicos, ou entender por que um sistema de faturamento na África do Sul funciona de uma maneira particular, ou por que a autorização médica nos EUA é uma operação complexa e profundamente enraizada.

Laboratórios constroem infraestrutura horizontal. A oportunidade está na vertical — setores que exigem conhecimento local, regulatório, cultural e de domínio específico para realmente funcionar.

Por isso, fintechs em mercados emergentes, IA jurídica para jurisdições específicas, ferramentas de conformidade regulatória, automação de fluxos de trabalho em nichos especializados são mais defensáveis do que “fazer um melhor LangChain”.

A fortaleza não está no modelo. Está no contexto.

O uso industrial do ouro

Outra versão dessa ideia merece ser esclarecida: usar IA como o ouro na indústria. Não como reserva de valor ou peça de exibição, mas como componente embutido em produtos que criam valor econômico duradouro.

A condutividade do ouro é quase incomparável. Por isso, está em quase todos os circuitos. Ninguém fala disso, ninguém faz hype. Ele funciona silenciosamente como uma entrada crítica em sistemas maiores.

As empresas mais duradouras de IA que estão sendo construídas agora usam modelos como componentes — uma entrada para um produto que resolve problemas reais — e não como produto em si. IA é o ouro nos circuitos, não na vitrine.

Na prática: você escolhe um setor com dor real, fluxo de trabalho complexo e dados difíceis de obter, constrói um produto que usa modelos para melhorar muito, e o modelo é o detalhe técnico que substitui processos manuais dolorosos.

Isso é o oposto de “colocar uma camada em cima do GPT-4”. A camada é a vitrine, o circuito é invisível.

Setores que estão sendo eliminados recentemente

Para ser mais claro, aqui estão algumas categorias de startups que os laboratórios estão dominando sistematicamente desde o final de 2024:

Frameworks de orquestração de agentes. Agora, são recursos nativos do SDK de agentes da OpenAI, das ferramentas da Anthropic e do Vertex AI da Google.

Assistentes de programação de IA. O Codex da OpenAI agora faz programação autônoma de repositórios inteiros. Claude Code também. GitHub Copilot é a solução nativa da Microsoft. O mercado de assistentes de programação independentes foi bastante comprimido.

Automação de browsers e computadores. Operator da OpenAI, Computer Use da Anthropic, Gemini Astra da Google. Todos os principais laboratórios têm produtos nessa direção. Startups que usam LLM para RPA estão na defensiva.

Pipeline RAG e ferramentas de busca vetorial. Basicamente, já estão comercializadas. A maioria das APIs de modelos já tem busca nativa embutida. A diferenciação na camada de frameworks desapareceu.

Assistentes gerais de IA e ferramentas de produtividade. Estão sendo consumidos por Claude, ChatGPT e Gemini.

Gerenciamento de prompts e ferramentas de avaliação. Cada vez mais, se tornam recursos nativos. LangSmith ainda tem espaço, mas é uma corrida contra o tempo.

O padrão é consistente: laboratórios descobrem uma categoria que atrai desenvolvedores, avaliam que ela é próxima do seu produto principal, e lançam uma versão. Pode não ser melhor, mas é mais integrada, mais barata por padrão, e tem maior capacidade de distribuição — algo que startups não conseguem igualar.

O que fazer agora?

Se você está construindo uma startup de IA, a pergunta não é “isso tem demanda”. A demanda está por toda parte. A verdadeira questão é: esse produto será eliminado por um laboratório com mais de 10 bilhões de dólares em recursos, com um produto que lança no mercado?

Se a resposta for “sim” ou “provavelmente sim”, então isso não é um negócio, é uma funcionalidade.

A estratégia duradoura tem essas características: especialização vertical profunda (laboratórios podem fazer geral, mas não o seu setor específico), dados ou relações privadas que não podem ser facilmente copiados na internet, complexidade regulatória e de conformidade que tornam “apenas usar API” insuficiente, e canais de distribuição em comunidades onde confiança e contexto local são mais importantes do que capacidades brutas.

A corrida do ouro é real. Há ouro por toda parte. Mas os mineiros também estão abrindo lojas de ferragens, e usam capital ilimitado.

Vender joias. Usar ouro como matéria-prima industrial. Criar produtos que os garimpeiros não têm interesse em fazer — porque são nicho, altamente localizados, profundamente integrados em conhecimentos específicos que eles nunca terão.

Essa é a estratégia que considero correta.