Analytics mudou: o que fazer quando agentes de IA analisam e também usam o produto

O texto do PostHog parte de uma premissa direta: software deixou de ter custo marginal próximo de zero quando recursos de IA entraram na fatura. Antes, escalar para centenas de milhares de usuários custava um servidor de US$ 15 por mês e taxas do Stripe. Agora, entender o que o cliente paga e como cobrar precisa vir desde o começo. Por isso a empresa junta dados de produto e de negócio (receita, assinaturas, status de conta, gasto com anúncios e observabilidade de IA) num lugar só. Com isso, ela diz saber que só 15% das organizações com mais de 250 pessoas pagam pelo PostHog, e que experimentos retêm clientes melhor que flags isoladas (86,6% contra 78,4%).

Sobre agentes como usuários, o método é simples. Eventos de backend, como dashboard criado, recebem uma propriedade source com valores como web, mcp, slack e cli. Daí saem os números: 50% dos dashboards e 18% dos experimentos criados com IA, um terço das organizações consultando via agentes e 1 em cada 5 novas organizações cadastrada por um agente. O texto também alerta para o risco do autosserviço: agentes usam definições erradas de termos como MRR, fazem conta própria ou escolhem a coluna errada. A resposta da empresa é manter contexto verificado, com camada semântica e skills que codificam definições.

A tese de que agentes viram usuários já circulava na cobertura do CEVIU. Em 27 de fevereiro de 2026, o CEVIU noticiou "Seus usuários não são mais humanos; comece a desenvolver para agentes hoje", e em 2 de março de 2026 voltou ao tema com a crítica a métricas como DAU/MAU. Em 23 de abril de 2026, "Cinco Coisas que Acredito Sobre o Futuro da Analytics" descrevia agentes de IA já operando na camada de uso de dados. Ali eram argumentos e previsões. Agora aparecem medições de um produto real: percentuais de objetos criados por agentes e de cadastros iniciados por eles.

Para quem toca uma startup, a leitura é prática: se agentes já aparecem como parte relevante do uso, métricas de login humano podem subestimar o que acontece no produto. Marcar a origem de cada evento é barato e antecipa essa discussão. E, com IA gerando custo por uso, olhar receita junto com uso passa a ser parte da validação do produto, não etapa posterior.