Há uma decisão que Marc Benioff vem tomando doze vezes em 2026: comprar o que a Salesforce não conseguiu construir tão rapidamente quanto o mercado exigiu. A mais recente, e provavelmente a mais reveladora de todas, é a aquisição da Cresta, uma empresa que automatiza chamadas de atendimento ao cliente em tempo real, por uma cifra que The Information situa em US$ 2,7 bilhões. A Salesforce confirmou o acordo em 2 de novembro de 2026, embora não tenha revelado o preço.
Segundo pesquisa da CIO&Leader de 2026, 52% das empresas consultadas relataram que menos de um em cada quatro pilotos de IA chega a se tornar um sistema operacional. Apenas 8% conseguiu que mais de três quartos de seus experimentos cruzassem essa linha. E somente 12% pôde demonstrar retorno sobre investimento significativo e mensurável.
O diretor de tecnologia de uma grande corporação global contou recentemente a Abhijit Kakhandiki, vice-presidente sênior da BMC Software, algo que resume o estado do mercado com uma precisão desconfortável: suas equipes de ciência de dados tinham construído mais de 200 modelos de inteligência artificial. Menos de dez estavam em produção. Uma taxa de conversão inferior a cinco por cento.
Há uma diferença entre um sistema que funciona em uma demonstração e um que não destrói valor quando ninguém está olhando. Com os agentes de IA, essa diferença se mede em registros modificados, pagamentos processados e decisões tomadas sem intervenção humana. O problema não é tecnológico. É de governança.
O Departamento de Segurança Interna dos Estados Unidos tornou pública em outubro de 2026 uma ordem que data de julho do mesmo ano: as agências civis federais devem eliminar o DeepSeek — e qualquer produto de terceiros construído sobre suas implementações — de seus sistemas de tecnologia da informação. Não se trata de um aviso de precaução. É uma proibição de compra e um mandato de remoção ativa.
As empresas passaram anos construindo portfólios tecnológicos que parecem diversificados. Ferramentas distintas para vendas, operações, conformidade regulatória, desenvolvimento de software, cadeia de suprimentos. Mas há uma camada que a maioria dos inventários tecnológicos corporativos não captura: o modelo de inteligência artificial que alimenta cada uma dessas aplicações.
Há um momento preciso em que uma tecnologia deixa de ser uma ferramenta nova e se torna uma condição de mercado distinta. Não é a cobertura midiática que o marca, nem o volume de rodadas de investimento, embora ambos possam sinalizá-lo. O que o marca é quando a lógica de adoção muda: quando o usuário não precisa mais aprender nada de novo para começar a usá-la.
Em 28 de setembro de 2026, a AMD anunciou a aquisição da World Labs em uma transação inteiramente em ações avaliada em aproximadamente 8,2 bilhões de dólares. O objetivo declarado: entrar de vez no ramo da inteligência artificial que não processa texto, mas modela o mundo físico. A assinatura foi feita pela diretora-executiva da AMD, Lisa Su, e por Fei-Fei Li, cofundadora e diretora-executiva da World Labs.
Há um número que os CIOs estão memorizando com desconforto: 72% das organizações admitem que seus investimentos em IA estão, na melhor das hipóteses, no ponto de equilíbrio. Na pior, dando prejuízo. O que está falhando não é a inteligência da máquina. O que está falhando é a arquitetura do negócio que a cerca.
Há um número que o presidente do Alibaba.com escolheu para abrir seu argumento, e é um número incômodo: 61,7%. Essa é a porcentagem de tarefas comerciais do mundo real que o melhor agente de inteligência artificial testado concluiu com sucesso. Sobre 107 operações reais de comércio eletrônico, o sistema mais capaz disponível falhou em quatro de cada dez.
Há um paradoxo que a indústria educacional leva anos ignorando: enquanto os jovens passam horas navegando em feeds verticais com uma concentração que qualquer sala de aula invejaria, os sistemas de aprendizagem continuam enviando PDFs e livros didáticos que ninguém abre. A ScrollEd, uma startup fundada em 2026 e sediada em Palo Alto, propõe que o abismo entre educação e atenção não é um problema de disciplina. É um problema de interface.
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.