Nos dois últimos textos eu defendi uma ideia de que gosto muito: parar de comprar ferramenta e começar a comprar trabalho feito. A inspiração veio do ensaio "Services: The New Software" ("Serviços: o novo software"), que Julien Bek, sócio da Sequoia Capital, publicou em março de 2026.
Agora eu quero fazer o que pouca gente faz depois de se empolgar com uma tese: olhar para o que pode dar errado.
Não é para desanimar ninguém. É porque, na dúvida entre bonito e verdadeiro, eu fico com o verdadeiro. E porque, se você é dono de empresa, alguém vai bater na sua porta nos próximos meses dizendo "a gente não vende ferramenta, a gente entrega resultado". Você precisa saber o que perguntar.
Primeiro: tem gente no processo. E vai continuar tendo.
A palavra "piloto automático" (autopilot, no original) engana. Dá a impressão de que ninguém está no comando. Mas o próprio Bek, em entrevista depois do ensaio, esclareceu: essas empresas combinam agentes de IA, software, especialistas e julgamento humano. O termo fala de quem assume a responsabilidade pela entrega, não de ausência de pessoas.
Os exemplos citados confirmam isso. A Crosby, empresa jurídica americana, usa agentes para analisar contratos, mas um advogado habilitado revisa e ajusta antes de entregar. A Rillet, de contabilidade, automatiza conciliações e partes do fechamento, mas mantém aprovação humana e registro de quem fez o quê. A WithCoverage, de seguros, mistura consultores, software e agentes.
Ou seja: os casos mais avançados ainda são híbridos. Isso não é defeito. Em muitos casos, é exatamente o que torna o serviço confiável. O problema é quando alguém te vende o contrário.
Segundo: a conta não fecha sozinha
Software tradicional tem uma vantagem econômica conhecida: depois de pronto, atender mais um cliente custa pouco. Serviço com IA não funciona bem assim. Cada entrega tem custo de processamento da IA, de revisão humana, de implantação, de suporte, de corrigir o que deu errado.
O ensaio de Bek reconhece que as margens desse tipo de empresa podem ficar perto de 70%, e não nos 90% de certos softwares puros. Um material da Bessemer, outro fundo de investimento, citado na análise que li, fala em margens brutas de 50% a 60% para empresas de IA, contra 80% a 90% do software tradicional — e os números variam bastante conforme o caso.
Por que isso importa para você, que está comprando? Porque fornecedor com margem apertada tem duas saídas: subir preço ou cortar a revisão humana. A segunda é a perigosa. Você só descobre quando o erro chega no seu cliente.
Terceiro: cobrar por resultado transfere risco — e gera briga
Cobrar só quando entrega parece o modelo perfeito. E em vários casos é. A Sierra, empresa de atendimento com IA, cobra apenas quando o agente resolve o caso; se precisar passar para uma pessoa, aquela resolução não é cobrada.
Mas atendimento resolvido é fácil de medir. Venda nem sempre é. Se um lead fechou, foi mérito da IA que respondeu rápido, da campanha que trouxe o lead, do vendedor que ligou depois ou da época do ano? A análise do ensaio chama isso de problema de atribuição: quando o resultado depende de muita coisa ao mesmo tempo, surgem disputas sobre quem merece o crédito. Por isso, modelos híbridos — uma parte fixa mais uma parte por resultado — costumam ser mais estáveis.
Tem ainda um risco que eu chamaria de "erro caro". Um contrato mal revisado ou um prazo legal perdido pode custar mais do que muitas entregas bem feitas. A pergunta certa não é só "quanto custa cada entrega em média", mas "o que acontece no caso ruim".
Quarto: a fonte também tem interesse
Vale um aviso de leitor atento. O número mais repetido do ensaio — de que para cada US$ 1 gasto com software se gastam US$ 6 com serviços — não tem fonte nem metodologia publicada no texto. Serve como ordem de grandeza, não como estatística.
E várias empresas usadas como exemplo, como Rillet, WithCoverage e Crosby, têm investimento da própria Sequoia. Isso não invalida a tese. Mas o ensaio também é, em alguma medida, uma vitrine da estratégia do fundo. Mesmo os resultados divulgados pela Crosby — redução de 74% no tempo de revisão de acordos de confidencialidade para um cliente e perto de 80% em contratos-quadro de prestação de serviços para outro — vêm de testes da própria empresa, não de estudo independente.
Como avaliar quem te promete resultado
Juntando tudo, eu montei as perguntas que eu faria antes de assinar com qualquer fornecedor que diga "entregamos resultado":
- O que exatamente conta como resultado? Agendamento marcado ou comparecido? Lead entregue ou lead aceito pelo seu time? Tem que estar escrito.
- Como eu confiro? Se você não consegue verificar sozinho, está confiando no relatório de quem cobra.
- Onde entra uma pessoa? Quem revisa, em quais casos, e com que rapidez um caso estranho chega a alguém.
- O que a IA pode fazer sem me perguntar? Ações que não têm volta — cobrar, cancelar, reembolsar, confirmar pedido — precisam de limite e de confirmação.
- O que acontece quando dá errado? Quem corrige, quem paga, em quanto tempo.
- Como é a cobrança quando o resultado depende de mim também? Se a venda depende do seu vendedor, como fica a regra?
- Posso ver o histórico? Tudo que o agente fez, falou e decidiu deveria ficar registrado e acessível para você.
Quem vende trabalho feito de verdade gosta dessas perguntas. Quem só trocou o nome da ferramenta vai ficar desconfortável.
O contraponto do contraponto
Alguém vai dizer: "Então é melhor esperar a coisa amadurecer". Eu discordo. A própria análise do ensaio conclui que a tese é forte como direção — só não é lei. Esperar a certeza total costuma significar deixar o concorrente aprender antes.
O caminho do meio é começar pequeno, com uma entrega fácil de medir, contrato claro e gente cuidando das exceções.
Para fechar
IA não serve pra falar mais. Serve pra errar menos. E um fornecedor sério de "trabalho feito" é aquele que te mostra, sem rodeio, onde ainda erra e quem está lá para segurar quando acontece.
Da próxima vez que alguém te prometer resultado, faz a pergunta número cinco primeiro. A resposta diz muito sobre o resto.