Gerenciar pessoas era algo que se conquistava depois de anos de trabalho braçal. Em post publicado no site da OpenAI, duas pessoas da empresa que já comandavam equipes de agentes aos 24 anos descrevem onde a IA pode chegar no organograma de uma empresa. Na versão mais simples, ninguém muda de posição e todos passam a ser gestores: um contador continua responsável pela contabilidade, enquanto os agentes fazem o trabalho de planilha. O time de contabilidade também não diminui, porque o resto da empresa fica mais produtivo e passa a precisar de mais contabilidade do que antes.
A Wispr Flow paga US$ 35 a afiliados que trouxerem usuários pagantes do Granola. Já o Granola oferece US$ 20 para recrutar novos usuários. O texto de marketingideas.com usa o caso como exemplo de como disputar clientes da concorrência com programas de afiliados e baixo investimento.
A maioria das empresas não precisa de modelos de IA mais inteligentes para obter grandes ganhos de produtividade. O gargalo maior é o contexto: os modelos não têm acesso ao conhecimento interno, aos processos não escritos e ao julgamento que fica na cabeça dos funcionários. A Databricks está construindo um sistema de registro compartilhado que dá esse contexto aos agentes, junto com permissões e feedback sobre o trabalho deles. Isso poderia reduzir as camadas de gestão dedicadas a movimentar informação, enquanto os funcionários passam a definir tarefas, delegar a execução e avaliar resultados. A vantagem competitiva duradoura viria de capturar o que a empresa aprende, de modo que seus sistemas de IA melhorem mesmo quando ela troca de modelo.
As empresas gastam cerca de US$ 6 em serviços para cada US$ 1 em software. Por isso, muitas startups de IA querem ser o próprio escritório de advocacia, em vez de vender software para ele. Vender o trabalho, porém, pode ser apenas o primeiro passo. Grandes firmas estão construindo sua própria IA: a Kirkland & Ellis vai investir US$ 500 milhões no seu stack. Diante disso, a alternativa seria oferecer o serviço de graça e ganhar dinheiro com os negócios e os dados que passam por ele. Um exemplo é a Rockwell, que opera um concierge de benefícios gratuito para funcionários de empresas de médio porte e, com isso, fica diretamente na frente dos gastos dessas empresas com saúde.
A maioria dos jantares com clientes é planejada em torno da noite em si, e o e-mail de "foi ótimo conhecer você" enviado depois acaba ignorado. Um jantar durante uma conferência gerou US$ 4 milhões em receita para a Recall.ai. O segredo foi colocar em cada mesa um rep cuja única função era sentar clientes ao lado de prospects, para que os prospects ouvissem falar do produto de pessoas que já confiavam nele. Depois, os reps enviaram a cada prospect uma apresentação ao cliente que estava ao seu lado ("Vocês dois estavam conversando sobre X no jantar"). Esse e-mail é muito mais difícil de ignorar do que um agradecimento.
Os smart reports do Claude mostram o que uma equipe realiza com a ferramenta e quanto esse trabalho custa. Administradores agora também podem criar pesquisas para coletar feedback sobre como o time está trabalhando com IA. A Anthropic também introduziu os Pool group budgets, que dão às equipes um orçamento mensal compartilhado. Os limites por membro continuam disponíveis como proteção contra usos individuais anormalmente altos.
A Slack lançou oficialmente a Code API, que permite a agentes criar canais de código, adicionar pessoas e arquivos relevantes, publicar atualizações enquanto trabalham e arquivar os canais quando a tarefa termina. Com isso, as equipes trabalham ao lado dos agentes nas mesmas tarefas, com o mesmo contexto compartilhado. É possível ver exatamente o que os agentes estão fazendo e quem aprovou cada ação. Os controles do workspace e os limites de dados já vêm incorporados. Os usuários também podem escolher quais agentes e modelos usar, de acordo com suas necessidades.
A Spawn tem 10 pessoas e gasta 30 vezes o valor da folha de pagamento em tokens de IA. Segundo o texto, a empresa entrega quase tanto quanto a Anthropic, com 77 mil mudanças substanciais nos últimos 30 dias. O trabalho é feito por uma frota de agentes de IA permanentes, cada um responsável por uma parte da empresa. Segundo o relato, cada melhoria de modelo deixou o time mais rápido e mais coerente, além de direcionar melhor a velocidade da empresa.
Para quem constrói empresas de IA, o custo de atender clientes é muito maior do que no software tradicional, e isso exige uma nova forma de apresentar a economia do negócio. A recomendação é separar a margem bruta por cliente e a margem bruta por coorte de preço. Ao mudar a precificação, o ideal é mostrar aos investidores que os clientes no novo modelo têm margens maiores do que os do modelo antigo e que essa diferença continua aumentando.
Ser citado por uma IA é fácil, mas ser descrito corretamente exige algum esforço. É essa a ideia central do conteúdo publicado pela Webflow sobre como acompanhar o que a IA responde quando desenvolvedores perguntam qual ferramenta usar.
Antes de apostar em uma vantagem competitiva (moat), avalie qual trabalho semanal ela exigiria. Depois, decida se os clientes valorizam o resultado o bastante para sustentar esse esforço.
Uma das empresas-alvo de aquisição recusava trabalho equivalente a 4 a 5 vezes a receita do ano anterior porque não tinha como pagar por mais funcionários. O caso, relatado no texto "Alvos de roll-up não podem ser apenas baratos", ilustra que preço baixo, por si só, não basta como critério de escolha.
