Serviço é o novo software — e liderança passa a responder pelo resultado

A mudança mais importante não está no software

Durante anos, empresas de tecnologia venderam acesso. O cliente comprava uma licença, treinava pessoas, configurava processos e assumia o trabalho necessário para transformar a ferramenta em resultado. A inteligência artificial começa a alterar esse contrato.

No artigo Services: The New Software, Julien Bek, da Sequoia Capital, apresenta uma tese provocadora: algumas das maiores empresas da próxima geração parecerão prestadoras de serviços, embora operem com uma infraestrutura econômica e tecnológica construída como software. Em vez de vender a ferramenta para fechar os livros contábeis, elas poderão vender os livros fechados. Em vez de oferecer um copiloto para revisar contratos, poderão entregar o contrato revisado.

A diferença parece semântica, mas muda produto, receita, vendas, operação e responsabilidade. Quem vende acesso promete capacidade. Quem vende trabalho promete entrega. Quem vende resultado começa a responder pelo que aconteceu depois da execução.

“Quando a empresa deixa de vender a ferramenta e passa a vender o trabalho, o mercado cresce — e a responsabilidade deixa de poder ser transferida ao usuário.”

Copiloto vende capacidade; autopiloto vende trabalho

A Sequoia organiza a mudança com uma distinção útil. O copiloto aumenta a produtividade de um profissional que continua conduzindo o processo e respondendo pela saída. O autopiloto recebe uma demanda e devolve o trabalho concluído. Um vende ferramenta; o outro vende execução.

Essa passagem não acontece de uma vez, nem em toda atividade. Ela começa onde o trabalho possui regras observáveis, volume recorrente, qualidade verificável e um orçamento que o comprador já utiliza para contratar pessoas ou fornecedores. Por isso, tarefas terceirizadas são uma porta de entrada importante: o cliente já aceitou comprar aquele resultado externamente.

Há evidência de que a IA já consegue ampliar produtividade em serviços, mas ela não autoriza generalização automática. Um estudo com 5.179 profissionais de atendimento encontrou ganho médio de aproximadamente 14% em questões resolvidas por hora, concentrado principalmente em pessoas menos experientes. Era um copiloto em uma empresa e em um contexto específicos, não a prova de que todo serviço pode operar autonomamente NBER.

Os mercados que entram no mapa

A Sequoia apresenta um mapa ilustrativo de verticais em que existe grande gasto com trabalho e parte relevante das tarefas pode ser descrita, verificada e progressivamente automatizada. Os números abaixo são estimativas publicadas pela própria Sequoia, principalmente para os Estados Unidos; não constituem uma mensuração independente nem previsão de receita capturável.

• Corretagem de seguros: mercado indicado entre US$ 140 bilhões e US$ 200 bilhões.
• Contabilidade e auditoria terceirizadas: entre US$ 50 bilhões e US$ 80 bilhões apenas nos Estados Unidos.
• Ciclo de receita em saúde: entre US$ 50 bilhões e US$ 80 bilhões em serviços terceirizados nos Estados Unidos.
• Regulação de sinistros: entre US$ 50 bilhões e US$ 80 bilhões, incluindo administradores terceirizados.
• Consultoria tributária: entre US$ 30 bilhões e US$ 35 bilhões.
• Trabalho jurídico transacional: entre US$ 20 bilhões e US$ 25 bilhões.
• Serviços gerenciados de TI: mais de US$ 100 bilhões.
• Supply chain e compras: mais de US$ 200 bilhões.
• Recrutamento e staffing: mais de US$ 200 bilhões.
• Consultoria de gestão: entre US$ 300 bilhões e US$ 400 bilhões, embora com maior peso de julgamento humano.

Os exemplos tornam a tese concreta

Em contratos, uma empresa pode cobrar por documento revisado em vez de por assento de advogado. Em atendimento, pode cobrar por solicitação resolvida, não por usuário do painel. Em seguros, pode entregar cotação, colocação e acompanhamento, em vez de licenciar um sistema ao corretor. Em TI gerenciada, pode assumir que identidades, dispositivos, patches e alertas permaneçam operando dentro de níveis acordados.

A Bessemer observa modelos de preço por unidade de resultado em empresas como EvenUp, Intercom e Zendesk, combinados em alguns casos com uma assinatura-base. É uma referência de mercado produzida por um investidor com interesse na categoria, não uma garantia de que a mesma economia funcionará em qualquer empresa Bessemer.

A oportunidade não se limita a substituir trabalho existente. Em compras, auditoria, conformidade e análise documental, a redução do custo por investigação pode tornar economicamente possível executar tarefas que hoje são abandonadas. Mas criar capacidade nova não significa que toda saída tenha valor: alguém ainda precisa definir o que merece ser feito e como a qualidade será reconhecida.

O que empresas de tecnologia precisam mudar

Essa adaptação também muda o demonstrativo financeiro. Receita por resultado não elimina custo variável. Modelos, integrações, especialistas, revisão, suporte, seguro, retrabalho e exceções continuam existindo. Uma empresa pode parecer escalável na demonstração e descobrir, depois da venda, que cada novo cliente exige uma operação artesanal.

• Proposta de valor: trocar a promessa de acesso à tecnologia por uma unidade de trabalho ou resultado claramente delimitada.
• Produto: desenhar o fluxo completo, incluindo entrada, exceções, validação, entrega, contestação e recuperação — não apenas a interface do modelo.
• Preço: relacionar cobrança a uma unidade que a empresa consegue medir e influenciar, preservando uma base econômica para disponibilidade e suporte.
• Operação: tratar qualidade, tempo de ciclo, intervenção humana, custo por resultado correto e incidentes como métricas do produto.
• Vendas: comparar a oferta com o orçamento de trabalho ou outsourcing que ela substitui, sem prometer economia antes de demonstrá-la.
• Talentos: combinar engenharia, domínio, operação, atendimento e julgamento; especialistas deixam de ser apenas usuários e passam a ensinar limites ao sistema.
• Governança: definir quem autoriza, supervisiona, interrompe e responde quando o serviço afeta dinheiro, direitos, reputação, segurança ou continuidade.

Serviço AI-native não é consultoria antiga com uma camada de IA

Um serviço tradicional tende a crescer contratando mais capacidade humana. Um serviço AI-native precisa transformar cada execução em conhecimento reutilizável: regras, avaliações, dados autorizados, observabilidade e componentes de produto. O objetivo não é esconder pessoas, mas usar julgamento humano onde ele altera qualidade e risco.

Também não é SaaS disfarçado. Se o cliente ainda precisa configurar tudo, operar a ferramenta, interpretar a saída e assumir integralmente a consequência, a empresa continua vendendo capacidade. O teste é simples: o comprador recebe uma interface ou recebe um trabalho concluído dentro de critérios acordados?

A Organização Internacional do Trabalho estima que 25% do emprego mundial está em ocupações potencialmente expostas à IA generativa e ressalta que transformação das tarefas é mais provável do que substituição integral. Em países de alta renda, a estimativa chega a 34%. Exposição não significa automação garantida; mostra a escala da reorganização possível ILO–NASK.

Quanto mais resultado você promete, mais confiança precisa construir

No software tradicional, um fornecedor pode argumentar que ofereceu a ferramenta e que o usuário tomou a decisão. Essa fronteira fica mais difícil de sustentar quando o fornecedor assume o trabalho. Qualidade, rastreabilidade, segurança, privacidade, continuidade e canal de contestação tornam-se parte do produto comprado.

O NIST organiza a gestão de risco em quatro funções — governar, mapear, medir e gerenciar — e distribui tarefas entre gestores, desenvolvedores, operadores, avaliadores e terceiros. O framework é voluntário e não prova eficácia, mas oferece uma linguagem útil para impedir que responsabilidade desapareça entre fornecedor, modelo e cliente NIST AI RMF.

A empresa vencedora não será apenas a que automatiza mais. Será a que consegue demonstrar onde a automação opera, onde o julgamento entra, como uma falha é detectada e quem responde pela correção.

Um diagnóstico para os próximos 30 dias

Ao final, a pergunta não é se a IA consegue executar alguma coisa. É se sua empresa consegue assumir uma promessa mais completa sem perder margem, confiança e capacidade de explicar o que fez.

Para continuar esta discussão: qual parte do trabalho que seus clientes compram hoje poderia ser entregue como resultado, com limites claros e responsabilidade visível? Converse comigo sobre estratégia, transformação, advisory ou uma palestra para sua liderança.

• Escolha um trabalho que clientes já compram de alguém e descreva a unidade de entrega sem citar a ferramenta.
• Separe etapas intensivas em regras das etapas intensivas em julgamento, negociação ou responsabilidade profissional.
• Defina baseline de tempo, custo, qualidade, retrabalho, exceções e consequência de erro.
• Construa um fluxo limitado em que IA execute parte do trabalho e uma pessoa retenha autoridade nos pontos críticos.
• Calcule custo por resultado correto, incluindo revisão humana, integrações, suporte e contingência.
• Teste a disposição de compra pelo resultado — não apenas o interesse em experimentar tecnologia.

Fontes e natureza do texto

1. Sequoia Capital — Services: The New Software. Tese de mercado publicada em 05/03/2026 por uma firma de venture capital; números setoriais e exemplos devem ser lidos como estimativas e visão do investidor. 2. ILO–NASK — Generative AI and Jobs: A Refined Global Index of Occupational Exposure. Índice global de exposição ocupacional; exposição não equivale a perda de emprego. 3. Brynjolfsson, Li e Raymond — Generative AI at Work. Estudo em atendimento ao cliente, com contexto e população específicos. 4. Bessemer Venture Partners — Business model invention in the AI era. Análise de investidor com exemplos de preço por uso e resultado. 5. NIST — AI Risk Management Framework. Referência voluntária para governança e gestão de risco.

O mapa de adaptação, o diagnóstico e as conclusões sobre liderança são análise profissional de Fernando Parreiras. Não representam previsão garantida, recomendação de investimento nem relato de resultado de cliente.

Nota editorial e de responsabilidade

Este texto distingue dados atribuídos às fontes, exemplos de mercado e interpretação do autor. A Sequoia e a Bessemer investem em empresas relacionadas às categorias discutidas e possuem interesse comercial nas teses apresentadas. O conteúdo não promete automação, margem, economia, adoção ou retorno financeiro. A aplicabilidade depende do setor, regulação, qualidade do processo, desenho técnico e responsabilidade profissional. Fernando Parreiras atua na Tech Human e na Trustyu, organizações com interesse comercial em transformação e negócios com IA.

Pesquisa, estrutura e redação tiveram assistência de IA. Revisão factual, autoral e autorização de publicação: Fernando Parreiras, 15/09/2026. Corte da pesquisa: 15/09/2026. Histórico de correções: versão inicial, sem correções materiais registradas.