Autor: DeepThink Circle
Já reparaste num fenómeno contraditório? De um lado, histórias de sucesso com IA a surgir a toda hora, notícias de captações de investimento a voar, e vários produtos de IA a serem lançados diariamente. Do outro, a dura realidade das empresas: uma pesquisa da IBM mostra que 75% das soluções de IA não entregam o ROI (retorno sobre investimento) esperado, e um relatório do MIT é ainda mais alarmante, com 95% dos projetos de IA sem retorno mensurável. Por que existe esta enorme lacuna? Como é que uma tecnologia tão promissora e aparentemente brilhante encontra tanta dificuldade na sua implementação?
Recentemente, assisti a um vídeo partilhado pelo Ben, uma análise aprofundada sobre os modelos de negócio de IA para 2026. O Ben já gere uma agência de IA e um negócio de software de IA há mais de dois anos, e as suas observações fizeram-me sentir bastante identificado. Ele destacou uma realidade que muitos ignoram: os negócios de IA que realmente lucram e entregam valor aos clientes geralmente não são as empresas de produtos puramente “espetaculares”, mas aquelas que oferecem uma combinação de serviços + produtos, mesmo que pareçam “sem graça”. Esta visão mudou completamente a minha perceção sobre empreendedorismo em IA.
Porque a maioria das soluções de IA fracassa
O Ben trouxe uma comparação chocante. Apesar do uso do ChatGPT estar a crescer rapidamente e das empresas testarem várias soluções de IA, poucos realmente veem valor comercial. Uma pesquisa do MIT revela que, entre as soluções de IA vendidas por fornecedores, apenas 5% dos pilotos chegam à fase de produção. A Deloitte descobriu que só 15% das organizações percebem um ROI de IA significativo e mensurável. A PWC aponta que 76% das empresas ainda não viram impacto no lucro. Estes números são assustadores.
Por outro lado, há exemplos completamente opostos. A Clara, por exemplo, reporta que o seu assistente de IA ajudou a reduzir em 40% os custos de suporte ao cliente, sem diminuir a satisfação. A Intercom lida com mais de um milhão de conversas de suporte por semana. A Freshworks usa IA para reduzir em 76% o tempo de resolução de tickets no help desk. Com a mesma tecnologia, por que algumas empresas obtêm retornos tão surpreendentes enquanto outras não conseguem nada?
O Ben resumiu em três fatores-chave, que considero muito bem colocados. O primeiro é customização e reengenharia de processos. A IA pode automatizar tarefas, mas só gera ROI real quando está profundamente integrada ao fluxo de trabalho, não apenas adicionada na pilha de ferramentas. Isto geralmente exige customização, integração e até redesenho de processos existentes. O trabalho com dados, casos de exceção, ferramentas e a definição do que é “bom” são específicos de cada empresa. Uma pesquisa da McKinsey confirma isto: entre 25 atributos testados, redesenhar e customizar processos para IA tem maior impacto na geração de EBIT (lucro antes de juros e impostos).
Eu vivi isto na pele. Muitas empresas pensam que basta comprar uma ferramenta de IA e pronto, resultados aparecem imediatamente, como um software de Excel. Mas não funciona assim. Cada empresa tem estrutura de dados, processos e critérios de qualidade diferentes. Sem uma customização profunda, a IA é como um novo funcionário que não conhece a empresa, incapaz de entregar resultados. É por isso que produtos de IA “prontos a usar” muitas vezes não entregam o esperado, enquanto soluções altamente customizadas realmente criam valor.
O segundo fator é formação de equipas e mudança de mentalidade. O Ben reforça que a IA é uma tecnologia nova: o software tradicional é determinístico, enquanto a IA é probabilística. É preciso aprender a interpretar criticamente as saídas da IA, sem confiar cegamente nelas. Muitas pessoas, ao verem uma saída errada, pensam que a solução é imatura, sem entender a essência desta tecnologia. Se a equipa não aprender a usar, avaliar e validar os resultados, a adoção interna fracassa.
O Ben deu um exemplo: o software de SEO baseado em IA que eles desenvolveram é uma solução de produto, mas sem formação adequada da equipa, ela não será usada corretamente. Isto é fundamental, pois revela uma verdade muitas vezes ignorada: a IA não é mágica, exige que as pessoas aprendam a colaborar com ela. Como na transição de interface de linha de comando para interface gráfica, os utilizadores precisam de aprender novas formas de interação. Agora, ao migrar de software tradicional para IA, também há uma curva de aprendizagem.
O terceiro fator é operação contínua e supervisão humana. Como as soluções de IA prometem entregar resultados, não apenas produtividade, elas requerem alguém responsável por monitorizar e operar o sistema. Os negócios mudam, a IA evolui rapidamente, e é necessário alguém para garantir qualidade, ajustar prompts, atualizar lógica, lidar com casos de exceção e manter a consistência com os objetivos do negócio.
O Ben compara a IA a um estagiário inteligente: ainda precisa de supervisão e orientação constante, não é um software que se configura uma vez e se esquece. Concordo plenamente. Muitas empresas esperam que a IA funcione como SaaS tradicional, rodando automaticamente após a implementação. Mas a IA é mais como um funcionário que precisa de gestão contínua, feedback e ajustes. Uma pesquisa da Gardner mostra que avaliações e otimizações periódicas podem triplicar as hipóteses de obter alto valor.
O que fazem as empresas de sucesso
Como, então, as empresas de sucesso garantem estes fatores? A resposta do Ben é simples e crucial: geralmente, elas adicionam uma camada de serviços (service layer) às suas soluções de IA. Esta é a essência do modelo de negócio “sem graça” mas extremamente eficaz. Todas as empresas de sucesso em IA, que usam software nativo de IA, estão cada vez mais a oferecer consultoria, formação e customização.
O Ben detalha alguns modelos principais. O primeiro é que startups de IA e empresas de software de IA estão a criar departamentos de consultoria. Engenheiros de implantação (forward deployed engineers) ou engenheiros de soluções (solution engineers) são hoje alguns dos cargos mais procurados e valorizados. Diversas startups do Y Combinator oferecem estes serviços, garantindo que a implementação realmente aconteça. Estes engenheiros ajudam a otimizar e integrar o produto ao negócio, às vezes oferecendo consultoria, às vezes treinando equipas para usar a IA de forma eficiente.
Olhei as empresas do Y Combinator citadas pelo Ben — Harvey AI, Strata AI, Sakana, Collectwise, Furai — e todas estão a recrutar estes papéis. Mesmo grandes empresas como n8n, Relevance AI ou Make.com oferecem serviços para grandes clientes e têm parceiros que atendem pequenas empresas. O sucesso do n8n, por exemplo, deve-se em parte ao facto de criadores no YouTube ensinarem empresários a usar estas ferramentas. Isto mostra que, mesmo o melhor produto, precisa de educação e suporte para gerar valor real.
Dependendo do software, há modelos mais orientados à customização, formação ou consultoria — muitas vezes, uma combinação. Para quase todos estes negócios de software de IA nativo, esta camada de serviços é essencial para entregar ROI real. Isto mudou a minha visão: na era SaaS, o modelo mais bem-sucedido era o autoatendimento escalável. Agora, mesmo o melhor produto precisa de suporte.
O segundo modelo são agências de serviços “AI-first”, como agências de marketing ou geração de leads, que usam IA internamente para automatizar processos de atendimento ao cliente. O Ben cita a Called IQ, uma agência de geração de leads que usa IA para automatizar conteúdo, e-mails e outreach no LinkedIn, com gestores de clientes ou engenheiros de GTM (go-to-market). Estas agências têm vantagem: os seus próprios operadores de IA, portanto, não precisam de treinar clientes. Ainda assim, oferecem consultoria e estratégias personalizadas, muitas vezes através de gestores de clientes que se tornam cada vez mais técnicos. Esta abordagem é inteligente: entregam resultados, não apenas ferramentas. Os clientes veem melhorias de marketing ou geração de leads, e não precisam de aprender a usar IA. Assim, escondem a complexidade da tecnologia, vendendo resultados, não ferramentas. Isto explica porque muitas agências tradicionais, ao incorporar IA, aumentam as suas margens — custos de entrega caem, mas os preços permanecem altos.
O terceiro modelo são agências de automação de IA, que se tornam parceiras completas do negócio, oferecendo uma camada de serviços completa, incluindo auditoria de IA, implementação personalizada, formação de equipas e gestão de operações. Neste cenário, posições como gestores de entrega (delivery managers) são valiosas: combinam entendimento de negócio, conhecimento técnico e habilidades de comunicação. Continuam a consultar, redesenhar processos, treinar equipas e ajustar operações de IA.
O Ben partilhou a sua experiência: no início, focavam na implementação, mas os projetos tinham baixa adoção. Depois, passaram a integrar estratégia, formação e implementação, com estes gestores de entrega. Desde então, a adoção e o ROI aumentaram bastante. Isto mostra que a implementação técnica é só uma parte do sucesso; o mais importante é garantir que a solução seja usada corretamente e gere resultados.
Outro papel de alto valor são os AI officers ou fractional AI officers, profissionais com habilidades de negócio e tecnologia, que atuam como consultores internos ou externos, ajudando empresas na transformação com IA. O Ben cita nomes como fractional AI officer ou AI transformation officer, mas, no fundo, são profissionais com habilidades raras, capazes de gerar ROI real para o empresa.
Os limites entre produto e serviço estão a confundir-se
Um insight que me impressionou: mesmo que hoje seja possível construir softwares excelentes em poucas horas usando Claude Code, para criar um negócio de produto de IA, na maioria das vezes (não todas, mas na maioria) é preciso investir bastante em serviços. Muitos veem produto e serviço como categorias opostas, mas o Ben acredita que na IA elas formam um espectro. Pode haver SaaS totalmente autónomo ou agências de transformação que oferecem soluções totalmente personalizadas.
Concordo totalmente. A tese do Ben é que, na maioria dos negócios de IA que querem começar até 2026, é necessário acrescentar uma camada de serviços. Mesmo que tenhas um produto autónomo, provavelmente precisarás de investir bastante em formação e onboarding. Com ferramentas como Claude Code, a construção de produtos está a tornar-se cada vez mais democratizada. Antes, criar um SaaS de sucesso era uma questão de código; agora, lançar um SaaS de IA é mais sobre implementação e suporte.
Esta visão é profunda: a tecnologia está mais acessível, mas o camada de serviços torna-se mais importante. Antes, quem sabia programar criava valor, pois programar era difícil. Agora, programar é mais fácil, mas entender o cliente, desenhar a solução certa e garantir a sua implementação correta exige forte capacidade de serviço.
O Ben diz que muitas pessoas sonham em criar um produto de IA enxuto, vendê-lo em massa. Mas, na prática, para quem não tem anos de experiência, ligações com VC ou rede no Vale, a realidade é que oferecer serviços é o caminho mais rápido para ROI real. E os serviços também podem ser produtos: ao repetir processos similares, ajustar fluxos, treinar equipas, eles tornam-se padronizados e passíveis de serem produtos.
Acho este o ponto mais importante: bons produtos vêm de evidências, não de suposições. A16Z publicou um artigo sobre crescimento orientado por produto versus crescimento orientado por serviço na era da IA. Eles também veem que negócios que entregam maior ROI e receita recorrente são os de modelo de serviço. Mesmo com margens menores inicialmente, eles encontram mais rapidamente o ajuste produto-mercado.
Ben usa o seu software de SEO como exemplo. Eles criaram sistemas personalizados para entender o que funciona, o que gera resultados, que integrações são necessárias e como fazer uso eficiente. Assim, vão transformando esses sistemas em produtos. Mas, mesmo após trabalhar com mais de 100 clientes, ainda precisam de investir bastante em formação e treino para que esses clientes obtenham resultados reais.
Reflexões finais sobre modelos de negócio em IA
Depois de ouvir o Ben, percebo que estamos a passar por uma mudança radical: não é só tecnologia, mas modelos de negócio. Na era do software, a escalabilidade era tudo: quanto mais clientes, melhor. SaaS era o caminho, pois o custo de atender um ou mil clientes era semelhante.
Na IA, o valor está na aplicação específica ao negócio. Cada empresa tem dados, processos e objetivos diferentes, o que exige customização e suporte. Assim, o modelo de negócio mais bem-sucedido é uma combinação de consultoria, serviço e produto. Empresas que oferecem uma solução híbrida, com produto para escalar e serviço para implementação, tendem a ter maior sucesso a longo prazo.
Percebi também que posições de alto valor são as de profissionais com habilidades multidisciplinares: que entendem de tecnologia, de negócio e de comunicação. Engenheiros de implantação, engenheiros de GTM, gestores de entrega, AI officers — todos precisam de uma combinação de competências.
Para empreendedores, a minha dica é: não comece pensando num produto escalável. Comece a oferecer serviços, aprendendo com os clientes, identificando padrões repetíveis. Assim, constróis uma base sólida, que depois pode ser transformada em produto.
Por que esta abordagem funciona? Porque a IA é probabilística, não determinística. Ela exige supervisão, ajustes e melhorias contínuas. Quem oferece esse suporte, essa camada de serviço, consegue criar valor duradouro.
O futuro aponta que, nos próximos anos, modelos orientados a serviço continuarão a dominar. A tecnologia ainda evolui, cada negócio tem necessidades específicas, e a padronização completa ainda não chegou. Mas, com o tempo, veremos mais soluções totalmente produto, embora a camada de suporte e o serviço nunca desapareçam totalmente, pois a complexidade do negócio é eterna.
Para quem quer entrar na IA, recomendo desenvolver habilidades multidisciplinares: entender de tecnologia, de negócio, de automação, de formação. Aprender a usar ferramentas como n8n, Make.com, e também a programar com Claude Code. Mas, acima de tudo, desenvolver uma visão de como resolver problemas reais de clientes, desenhar soluções e garantir a sua implementação.
O Ben sugere que os profissionais comecem a atuar como operadores ou responsáveis por IA na sua própria empresa, automatizando processos internos, treinando equipas, mostrando resultados. Assim, criam uma habilidade valiosa para o futuro, pois quem sabe usar IA terá vantagem competitiva.
Para quem quer empreender, a minha sugestão é: começa com uma agência de IA ou um fractional AI officer. Assim, constróis experiência, aprendes a oferecer consultoria, implementação e formação. Com poucos clientes, é possível gerar uma receita recorrente de 10 a 20 mil dólares por mês. Investe na oferta de serviços, incluindo auditorias, workshops e formações, e constrói relacionamentos de longo prazo.
Se já tens uma agência de serviços ou experiência em áreas como marketing ou geração de leads, estás numa posição privilegiada. Usa IA para reduzir custos e aumentar margens, oferecendo soluções de alto valor para clientes. Não te deixes levar pelo hype; o mais importante é entregar ROI real.
Se tens um produto de IA, a minha sugestão é investir bastante na camada de serviços durante alguns meses ou anos, antes de tentar escalar. Assim, validas o valor, ajustas o produto e constróis uma base sólida. Muitos fracassos acontecem por tentar escalar cedo demais, sem uma validação adequada.
Por fim, o que vejo é que o campo da IA ainda está em formação. Ainda não há especialistas definitivos, todos estão a aprender. Esta é uma oportunidade única para quem quer aprofundar, experimentar e partilhar. Como o Ben disse, aproveita esta enorme lacuna de adoção e entra agora. Quanto mais cedo, melhor.
Nos próximos anos, quem encontrar o equilíbrio entre produto e serviço, quem realmente criar valor para o cliente e desenvolver habilidades multidisciplinares, será o grande vencedor. E o modelo de negócio “serviço + produto”, que parece “sem graça”, pode ser o mais sustentável e valioso na era da IA.
