Há um problema que qualquer diretor de operações da indústria manufatureira reconhece imediatamente: sua empresa compra a mesma peça, de fornecedores diferentes, a preços diferentes, sem saber que já a comprou antes. A CADDi, uma startup com sede em Tóquio e Chicago, identificou esse ponto de ruptura há oito anos e construiu software para atacá-lo. Esta semana, fechou uma rodada Série D de 114 milhões de dólares que a avalia em 1,2 bilhão de dólares.
Larry Ellison cancelou em setembro de 2026 um plano para vender até 50 milhões de ações da Oracle, equivalentes a cerca de 7,5 bilhões de dólares pelo preço de fechamento daquela sexta-feira. Não houve explicação oficial. O que ficou registrado em um processo regulatório apresentado na mesma semana foi outro número: a Oracle ampliou seu plano de reestruturação fiscal 2026 em 700 milhões de dólares adicionais, elevando o custo total esperado do programa a aproximadamente 2,8 bilhões de dólares.
Larry Ellison, cofundador e presidente executivo da Oracle Corporation, adotou em 22 de junho de 2026 um plano de negociação para vender até 50 milhões de ações ordinárias da companhia. Ao preço de fechamento da sexta-feira, 12 de setembro, esse pacote equivalia a aproximadamente 7,5 bilhões de dólares. No sábado seguinte, a Oracle informou que o plano havia sido cancelado, que nenhuma ação foi vendida sob esse instrumento e que Ellison não possui nenhum outro plano ativo para se desfazer de sua participação.
Durante anos, a conversa sobre riscos de inteligência artificial girou em torno de um mesmo eixo: o modelo alucina, inventa números, cita fontes que não existem, confunde fatos. Era um problema real, custoso em alguns casos, embaraçoso em outros. Mas era, no fundo, um problema de qualidade do output. Essa época está terminando, não porque as alucinações tenham desaparecido, mas porque o contexto em que a IA opera mudou de natureza.
Há uma cena que define melhor do que qualquer apresentação para investidores o que a Maven Robotics está construindo. Era 2024, a empresa tinha semanas de existência e, segundo as palavras do próprio CEO, Hamza Derbas, a única coisa tangível que podiam mostrar era 'um desenho animado de um robô e uma equipe de pessoas.' Uma empresa de bens de consumo de grande escala estava no Vale do Silício reunindo-se com quatro companhias robóticas para avaliar projetos de automação.
Há tecnologias que existem muito antes de alguém torná-las utilizáveis. O e-mail existia há décadas antes de o Hotmail ensinar a sua mãe a usá-lo. A navegação por GPS já estava presente em dispositivos militares anos antes de um aparelho de cem dólares dizer a um entregador por onde virar.
Há um número que percorre os pitch decks do Vale do Silício com a força de um argumento irrefutável: o ARR, receita anual recorrente. Durante anos, foi a métrica que separava as startups sérias das que simplesmente queimavam caixa com esperança. Segundo dados publicados em 2026 pela firma de capital de risco Madrona, 77% das empresas reavalia seus fornecedores de inteligência artificial a cada seis meses ou até de forma contínua.
Yazmin Ruiz não espera o vendedor da PepsiCo para repor seu estoque. Quando a loja fica sem batatas fritas às dez da noite, ela abre um aplicativo no celular, faz o pedido e continua seu turno. Por trás desse gesto cotidiano há uma transformação que a PepsiCo vem construindo desde 2022 no México, seu segundo maior mercado global depois dos Estados Unidos e o mais fragmentado em termos de distribuição.
A Truist Securities elevou seu preço-alvo para Five9 de 35 para 40 dólares, mantendo recomendação de compra. A justificativa não é genérica: o analista Terry Tillman se reuniu com o CEO Amit Mathradas, o CFO Bryan Lee e o SVP de relações com investidores Tony Righetti, e saiu desse encontro com maior convicção sobre a direção do negócio. O ponto de partida para entender esta análise não é a recomendação em si, mas a arquitetura financeira que a Truist está lendo por trás dela.
Há um padrão que se repete nas organizações que estão há dezoito meses implantando agentes de inteligência artificial: elas sabem que os sistemas funcionam, porque os viram funcionar na demo. O que não sabem é se continuam funcionando hoje, em produção, sobre os dados de seus clientes, dentro dos fluxos que realmente importam. Essa distância entre a certeza do piloto e a opacidade do ambiente real é onde se perdem os orçamentos, a confiança e o tempo que ninguém tem.
A análise mais interessante da nota da Evercore ISI sobre a Amazon não está no preço-alvo. Está em um dado que, lido com atenção, muda a natureza do negócio: 57% dos usuários da Alexa com capacidades de inteligência artificial compraram um produto que não conheciam antes de interagir com o assistente. Isso não é eficiência no processo de compra. É demanda que não existia.
Há um experimento mental que vale a pena fazer antes de falar em estratégia de produto: pegue seu stack de software e faça uma pergunta sobre cada ferramenta. Se ela desaparecer amanhã, quanto tempo levaria para substituí-la com um agente de IA bem treinado? Se a resposta for 'uma tarde', o produto vive em terreno frágil.
O número é difícil de ignorar: 95% dos pilotos empresariais de inteligência artificial generativa não produz nenhum impacto financeiro mensurável. Não é uma estimativa pessimista de analistas críticos da tecnologia. É a conclusão central do relatório The GenAI Divide: State of AI in Business 2025, elaborado pela iniciativa NANDA do MIT, com base em cerca de 300 implementações públicas e mais de 150 entrevistas com executivos.
Há uma conversa que as equipes de liderança de indústrias pesadas vêm adiando há anos. Não é sobre tecnologia. É sobre o que significa, com precisão, tomar uma boa decisão operacional quando os dados que a sustentam estão dispersos em doze sistemas diferentes, quatro departamentos incomunicáveis e um histórico de manutenção que ninguém digitalizou por completo.
A semana de 18 de agosto de 2026 deixou um sinal difícil de ignorar para os investidores em infraestrutura de inteligência artificial. A GE Vernova caiu 9,5% na semana e a Eaton perdeu 6,7%, dois nomes que durante meses funcionaram como apostas seguras no crescimento dos data centers. Não houve colapso na demanda por chips nem corte de orçamento dos grandes hyperscalers: o que houve foi um governador estadual assinando uma ordem executiva numa terça-feira à tarde.
Stripe compra a startup que queria ser o Stripe da IA Quando Alex Atallah descreveu o OpenRouter em maio de 2026 como "o equivalente do Stripe para a inteligência artificial", a frase soava como a aspiração de um fundador.
A narrativa dominante sobre os Centros de Capacidades Globais na Índia tem sido, na última década, uma história de sucesso quase sem nuances. Mil e novecentos centros operacionais, presença em oito indústrias, ambições de chegar a cem bilhões de dólares em contribuição econômica. E ainda assim, por baixo desse crescimento acelerado, há uma fissura que o setor vem tentando processar há meses sem muito sucesso: o perfil de talento que os GCCs precisam hoje já não coincide com o talento que a Índia produz em quantidade suficiente.
Há momentos nos mercados financeiros em que o consenso se rompe por um ângulo que ninguém antecipava. A primeira guerra de taxas em fundos negociados em bolsa foi travada entre BlackRock, Vanguard e State Street, empurrando os custos dos produtos índice para níveis que beiram o zero. O que ninguém havia calculado era que a próxima frente não viria de outro gigante institucional, mas de uma seguradora apoiada por capital de risco que usou inteligência artificial para industrializar o processo regulatório e entrar no mercado com 197 ETFs lançados em menos de oito meses.
Em 13 de agosto de 2026, a IBM anunciou uma aliança ampla com a OpenAI que vai muito além de um comunicado de imprensa conjunto. A empresa criará uma prática dedicada da OpenAI dentro da IBM Consulting, integrará modelos como GPT-5.6, Codex e ChatGPT Work em sua plataforma IBM Consulting Advantage, e certificará dezenas de milhares de consultores em tecnologias da OpenAI nos próximos meses. Os termos financeiros não foram divulgados, mas a escala do movimento interno fala por si só: não é um projeto-piloto, é uma aposta em infraestrutura humana.
A indústria robótica passa duas décadas prometendo a substituição do trabalho humano em escala industrial. O que ninguém havia resolvido com seriedade suficiente é o que acontece depois da implantação: o momento em que a máquina para, a produção paralisa e um engenheiro começa a ler registros durante dias inteiros para encontrar uma falha que, frequentemente, já havia ocorrido antes. A Alloy Robotics, uma empresa fundada em Sydney há pouco mais de um ano, acaba de fechar uma rodada de 8 milhões de dólares liderada pela Square Peg com uma avaliação de 80 milhões de dólares.
O time fundador médio de uma startup costumava ter duas pessoas e três engenheiros. Hoje pode incluir uma dúzia de agentes de inteligência artificial completando tarefas em paralelo, negociando preços com fornecedores ou comprando software sem que nenhum humano aprove cada transação. O problema é que o sistema financeiro ao redor dessas empresas ainda foi projetado para o primeiro modelo.
Há uma diferença entre comprar uma ação porque ela sobe e comprar uma ação porque o mercado ainda não sabe o que ela vale. Bill Ackman, fundador da Pershing Square Capital Management, construiu uma posição de 2,4 bilhões de dólares na Microsoft fazendo exatamente isso. A distinção não é semântica: ela define quem assume risco estrutural e quem simplesmente segue uma tendência.
Há três anos a ServiceNow mede a maturidade da IA nas grandes empresas. Em 2026, o índice construído com pesquisas a mais de 4.500 executivos e 2.000 funcionários ao redor do mundo registrou uma melhora notável: avanço de 16 pontos, chegando a 51 de 100. Parece promissor até que se lê a linha seguinte: enquanto os gastos corporativos com IA cresceram 110% em relação ao ano anterior, as capacidades fundacionais que essa IA precisa para funcionar em escala simplesmente não acompanharam.
Há dois anos, a maioria dos executivos que conheço debatia qual modelo de linguagem escolher. Hoje, os que já tomaram essa decisão — e ainda assim não conseguem justificar uma segunda rodada de investimento — começam a entender que o problema nunca foi o modelo. Foi a mensuração. O setor empresarial vem adotando inteligência artificial em ritmo acelerado há vários anos, mas apenas um terço das organizações começou a escalá-la com consistência.