Na camada de apps de IA, o valor tende a ficar com quem detém dados que os laboratórios não replicam

A tese vem da Euclid, gestora que organizou o Verticalist Summit em San Francisco, em 23 de setembro. O gatilho foram dois fatos com uma semana de diferença: a Harvey levantou nova rodada a US$ 15,5 bilhões de valuation pós-money, pouco depois de lançar o Tenet, modelo jurídico próprio treinado sobre pesos abertos, e a OpenAI lançou o Astra for Law. Dois players bem capitalizados, com modelos próprios, atrás dos mesmos advogados.

O argumento central separa os resultados que alimentam o aprendizado por reforço em três grupos. Sintéticos são os simulados e verificados em escala (código compila). Comprináveis são os que se contratam, como jurisprudência anotada ou laudos de radiologia. Subprodutos do trabalho só existem quando alguém executa a tarefa: o empréstimo entrou em inadimplência, o sinistro foi aprovado, a obra passou na vistoria. Coding decolou por estar no primeiro grupo. A Euclid sustenta que o dado mais valioso não pode ser simulado nem comprado, e que a entrada exige profundidade no fluxo de trabalho. A heurística prática: liste cada resultado que seu produto toca e classifique. Se a maioria é sintética ou comprável, você está na raia dos laboratórios e velocidade é a única defesa. Se são subprodutos, esteja presente quando o resultado acontece e capture-o como dado estruturado desde o primeiro dia.

A ideia não é nova na cobertura do CEVIU. Em 29 de maio de 2026, em "Aplicações de IA não estão mortas, mas os wrappers finos sim", o CEVIU noticiou que startups ainda podem se destacar em fluxos verticais complexos e que as mais fortes possuiriam o sistema de trabalho completo. Em 19 de junho de 2026, em "O valor real do software hoje não está no código, mas nas decisões humanas que ele amplifica", o foco já estava nos dados gerados por decisões e correções humanas. Em 11 de julho de 2026 e em 25 de agosto de 2026, os textos sobre dados próprios como diferencial tratavam o tema de forma geral. A novidade agora é a taxonomia (sintético, comprável, subproduto do trabalho) e o caso concreto: o lançamento da OpenAI para advogados, uma semana após a rodada da Harvey, mostra o movimento dos laboratórios que antes era só previsão.

Para quem funda uma startup de IA vertical, a leitura é que a pergunta deixa de ser "os laboratórios vão entrar no meu mercado?" e passa a ser "que dado só eu gero?". Isso afeta decisões de produto: instrumentar o fluxo para registrar desfechos, e não só entregar a resposta do modelo. Para quem pensa em captação, o teste da Euclid vira um roteiro para explicar defensibilidade a investidores. É uma tese de uma gestora que se declara enviesada, então vale confrontá-la com o seu caso.