A IA não matou o software empresarial. Ela o separou em vencedores e perdedores estruturais
Há uma narrativa que domina as conversas nos conselhos de administração e nos fundos de capital de risco há dois anos: a inteligência artificial devorará o software empresarial da mesma forma que o software devorou os modelos analógicos de negócio. É uma imagem poderosa. E como toda imagem poderosa que circula sem fricção, merece que alguém lhe aplique pressão antes que ela dite decisões de investimento com consequências reais.
Charlie Gottdiener, CEO da Anaplan, publicou recentemente na Fortune um ensaio que propõe uma leitura diferente. Sua tese não é que a IA não vai mudar o software. É que a mudança não será horizontal nem democrática: será uma seleção, um processo de classificação que amplificará certos fornecedores enquanto tornará outros redundantes. Para Gottdiener, a variável decisiva não é a tecnologia em si, mas a natureza daquilo que cada camada de software calcula ou representa.
O que se segue não é uma defesa dessa tese nem uma refutação. É uma auditoria de sua lógica comercial.
---
O modelo de três camadas e o que está realmente em disputa
Gottdiener propõe que a arquitetura empresarial de software está se fraturando em três níveis com papéis distintos. No topo, os modelos de linguagem de grande escala atuam como interface conversacional universal. Na base, o que ele chama de Protocolo de Contexto de Modelo executa comandos para os sistemas existentes. No meio, a camada que ele denomina Autoridade de Domínio Determinístico — seu termo para os motores de computação governados, auditáveis e reproduzíveis — é onde, segundo seu argumento, residirá o valor defensável.
A distinção técnica que sustenta esse argumento é precisa: um modelo de linguagem é probabilístico. Ele gera respostas que variam conforme o padrão estatístico, não segundo uma lógica de computação fixa. Quando uma empresa precisa saber o impacto exato de uma modificação em seu plano financeiro, ou calcular o efeito de uma mudança na estrutura de remunerações sobre o custo total de mão de obra, a probabilidade não é suficiente. É necessário um motor que produza o mesmo resultado diante dos mesmos dados, sempre, sob qualquer condição de auditoria regulatória ou fiscal.
Essa limitação dos modelos de linguagem é real, documentada e não está em disputa técnica séria. O que está em disputa é o que acontece com as camadas de software que não vivem nesse espaço determinístico.
O diagnóstico de Gottdiener sobre as ferramentas de inteligência de negócios e visualização de dados é específico e tem peso: se o valor principal de um produto era permitir que um usuário formulasse perguntas sobre seus dados em linguagem natural e recebesse uma resposta visual, esse produto concorre agora contra uma interface conversacional integrada ao sistema operacional de trabalho. Não em três anos. Hoje. A barreira de entrada para replicar essa funcionalidade básica colapsou.
O mesmo se aplica, ainda que com nuances, às ferramentas de automação de fluxos de trabalho que não possuem computação própria: movem dados entre sistemas, mas não são a fonte de verdade de nenhum deles. Quando um modelo de linguagem pode orquestrar essas integrações diretamente mediante instruções em linguagem natural, a camada intermediária perde seu argumento de existência.
Onde a análise se torna mais interessante, e mais suscetível de escrutínio, é na outra metade da classificação.
---
O fosso que Gottdiener propõe e o que ele não diz sobre ele
Gottdiener sustenta que os motores de planejamento empresarial, os sistemas de registro de recursos humanos, os sistemas de gestão de clientes e os bancos de dados regulatórios especializados são os sobreviventes estruturais. O motivo: possuem verdade computacional governada. A data de contratação de um funcionário, o valor de uma negociação encerrada, a dose máxima permitida de um composto farmacêutico. Esses são fatos, não sugestões. E um modelo de linguagem não pode fabricá-los nem validá-los com a precisão que uma auditoria exige.
Esse argumento tem solidez técnica. Mas introduz uma armadilha que Gottdiener reconhece parcialmente e depois não desenvolve por completo.
Se o valor de um motor determinístico é a precisão computacional dentro de um domínio, e se esse motor pode ser replicado por outro fornecedor que ofereça a mesma precisão a um custo menor, então o modelo de linguagem — que atua como interface universal — será indiferente entre fornecedores. O fosso não está no motor. Está no modelo específico que o cliente construiu dentro desse motor.
Gottdiener o diz: a vantagem real é o modelo de planejamento ou de operações que uma empresa específica codificou na plataforma ao longo de anos. Migrar esse modelo para um sistema concorrente não é uma exportação de dados. É reconstruir a lógica institucional do zero. Isso é doloroso, e essa dor é o que retém o cliente.
Aqui é onde convém separar a narrativa do achado comercial. Porque o que Gottdiener está descrevendo, sem nomeá-lo assim, é um mecanismo de retenção baseado em custo de substituição acumulado, não em superioridade técnica contínua. É um argumento de stickiness, não de inovação permanente. Isso não o invalida. Mas muda radicalmente como se deve ler a proposta de valor para um cliente que ainda não começou a implementação.
Um comprador que ainda não está vinculado a nenhuma plataforma deve se perguntar — e aqui a análise de Gottdiener não o ajuda muito — quanto do valor que receberá provém do motor em si, quanto provém da profundidade do seu próprio modelo construído ao longo do tempo, e quanto provém da integração com o ecossistema de modelos de linguagem que virá. Essas são três propostas de valor com estruturas de custo e de retenção radicalmente distintas.
---
A variável que não aparece no argumento visível
Gottdiener escreve a partir de uma posição de conflito de interesses que declara com honestidade: a Anaplan é, segundo sua própria descrição, exatamente o tipo de plataforma que seu marco teórico declara vencedora. Isso não desqualifica a análise, mas obriga a lê-la com maior atenção ao que não diz.
O que não aparece no texto é a dinâmica de preços em um mercado onde os motores determinísticos se multiplicam. Se o modelo de linguagem atua como interface neutra e seleciona o motor mais preciso ao menor custo, o preço dos motores determinísticos tenderá a cair à medida que mais fornecedores os ofereçam. A concorrência não desaparecerá porque o cômputo seja preciso. Ela se deslocará para outro nível: quem oferece a mesma precisão com melhor desempenho e menor custo de implementação inicial.
Nesse cenário, a única defesa durável não é o motor, mas a profundidade do modelo institucional do cliente. O que significa que o valor do fornecedor se concentra progressivamente na fase de implementação e construção do modelo, e não na licença do software em si. Isso tem consequências diretas sobre as margens e sobre a estrutura de receitas: se o valor está no serviço profissional e na complexidade do modelo construído, o negócio se parece cada vez mais com uma consultoria com plataforma própria do que com um produto de software com margens elevadas e crescimento por expansão de licenças.
Essa virada não é necessariamente ruim. Mas também não é o relato que circula quando se fala de plataformas SaaS com valuações de software puro.
A outra ausência notável é a velocidade de melhoria dos próprios modelos de linguagem em tarefas de raciocínio matemático e lógico. Gottdiener assume que a limitação probabilística dos modelos de linguagem é estrutural e permanente para o cômputo empresarial complexo. Essa suposição pode ser válida hoje. Pode não sê-lo em quatro anos. As melhorias no raciocínio formal dos modelos de nova geração são consistentes e documentadas. Se essa lacuna se fechar parcialmente, a dependência de motores determinísticos externos se reduz, e com ela, a premissa central do argumento.
---
O que separa um fosso estrutural de uma narrativa que se autoconfirma
O argumento de Gottdiener não é fumaça. Ele identifica uma distinção técnica real — cômputo determinístico frente a inferência probabilística — e a conecta corretamente com uma necessidade empresarial concreta: a auditoria, a precisão regulatória e a reprodutibilidade em decisões financeiras e operacionais de alto impacto.
Onde o argumento requer mais trabalho não é em sua premissa técnica, mas em sua arquitetura comercial projetada. A retenção por custo de substituição acumulado é poderosa, mas opera em empresas já implementadas. A proposta de valor para um comprador novo é mais frágil do que o marco sugere, porque esse comprador pode optar por implementar com maior cautela, com menor profundidade de modelo inicial e com mais opções de saída. A pressão de preços sobre os motores determinísticos aumentará conforme a categoria amadureça. E a melhoria contínua dos modelos de linguagem em raciocínio complexo continuará estreitando o espaço onde a delegação a um motor externo é obrigatória.
O que fica claro, e merece ser aceito sem reservas, é o diagnóstico sobre as camadas de software baseadas principalmente em experiência do usuário e visualização. Essas camadas não têm um argumento de retenção baseado em cômputo próprio. Seu moat era a interface, e a interface já tem um substituto mais conveniente. Não é que vão desaparecer amanhã. É que sua capacidade de sustentar preços e retenção sem transformar sua proposta de valor em direção a cômputo ou dados governados se deteriora a cada trimestre que passa.
A IA não está consumindo o software empresarial de maneira uniforme. Está aplicando uma pressão assimétrica que favorece quem possui cômputo governado e penaliza quem vendia principalmente acesso conveniente a dados que outros calculavam. Essa separação não foi inventada por Gottdiener. Foi acelerada pela IA. E as empresas que ainda não auditaram em qual dos dois lados dessa linha vive seu fornecedor atual terão que fazê-lo antes de renovar seu próximo contrato.
