A receita recorrente das startups de IA já não garante o que prometia
Há um número que circula nos 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 daquelas que simplesmente queimavam caixa com esperança. Um contrato enterprise assinado equivalia a visibilidade de receita, a churn baixo, à promessa de que o cliente não iria embora porque o custo de trocar de fornecedor era alto demais. Esse pressuposto acaba de revelar uma rachadura que não é pequena.
Segundo dados publicados em 2026 pela firma de capital de risco Madrona, que entrevistou 150 profissionais de TI empresarial, 77% das empresas reavalia seus fornecedores de inteligência artificial a cada seis meses ou até de forma contínua. Esse percentual inclui 29% que o fazem numa base móvel, sem sequer esperar o encerramento de um período formal. O que a pesquisa descreve não é um ciclo de compra mais ativo. É o desaparecimento do pressuposto de permanência que fazia com que os contratos enterprise fossem a base mais sólida do modelo de receita em software.
O contexto de mercado não é o de uma indústria em retração. O IDC projeta que os gastos tecnológicos globais alcançarão 4,25 trilhões de dólares em 2026, impulsionados principalmente pela adoção de inteligência artificial. 74% dos entrevistados pela Madrona planejam expandir seus orçamentos de IA nos próximos doze meses, e o restante planeja mantê-los estáveis. Não há sinais de freio no volume de dinheiro que entra no setor. O que está mudando é a estrutura do compromisso por trás desse dinheiro.
Como o ARR rápido foi construído e por que agora importa menos
O fenômeno de startups que passavam de zero a dez milhões de dólares em ARR em três meses não foi um acidente de métricas. Foi o resultado de que as grandes empresas, pressionadas a não ficarem de fora do ciclo da IA, abriram orçamentos de teste com uma velocidade incomum. Em 2025, esses orçamentos de piloto financiaram a primeira onda de crescimento acelerado. A tese para 2026 era que essas mesmas empresas converteriam seus experimentos em compromissos de longo prazo — os contratos multi-anuais que historicamente tinham sido o fosso de receita do SaaS enterprise.
Isso não aconteceu da maneira esperada. A Madrona denomina essa dinâmica de "entrada rápida, saída rápida": os custos de migração são mais baixos do que no software tradicional, e a frequência de avaliação não dá trégua. Ao contrário de um ERP ou de um sistema de gestão de recursos humanos que se enterra nos processos de uma organização durante anos, as ferramentas de IA ainda não alcançaram esse nível de integração estrutural. Elas podem ser substituídas sem que o negócio pare.
Esse ponto tem implicações diretas sobre a qualidade do ARR que as startups reportam. Um número de receita anual recorrente que pode ser reavaliado em seis meses não é tecnicamente anual em termos de risco. É, na prática, uma receita semestral com opção de renovação, o que muda completamente a análise de durabilidade. Os investidores que avaliam startups em múltiplos de ARR assumindo retenção enterprise tradicional estão aplicando um denominador incorreto a contratos que se comportam de maneira diferente.
A comparação histórica é útil para calibrar a magnitude do problema. O MIT reportou que 95% dos projetos de IA enterprise fracassaram em termos de retorno sobre investimento no período analisado no ano anterior. Que agora menos da metade dos pilotos chegue à produção plena soa como uma melhora, e tecnicamente o é. Mas o critério de sucesso continua sendo notavelmente baixo para o volume de capital que está sendo implantado.
O problema de precificação que ninguém terminou de resolver
Por trás da volatilidade nos contratos há um problema de arquitetura comercial que a indústria ainda não resolveu. A Andreessen Horowitz entrevistou 50 compradores técnicos de IA e descobriu que mais da metade prefere que os preços estejam atrelados ao trabalho produzido ou a resultados concretos, e não ao consumo de tokens ou outras métricas de uso.
O modelo de preço por token é, em essência, a transposição direta do modelo SaaS de assentos para a linguagem dos modelos de linguagem. No SaaS maduro, cobrar por usuário faz sentido porque o valor do produto cresce com o número de pessoas que o utilizam. Mas em IA, o comprador enterprise não está comprando acesso a um recurso: está comprando a execução de uma tarefa. A diferença não é semântica. Quando o preço está desconectado do resultado, o cliente não consegue calcular seu retorno sobre investimento com precisão, e quando não consegue calculá-lo, a conversa de renovação começa sempre do zero.
Os sócios da a16z Tugce Erten e Sarah Wang argumentam que ancorar o preço ao "trabalho reconhecível" — seja relatórios processados, tickets fechados ou prospectos gerados — faz com que o produto seja "economicamente valioso para ambas as partes". A formulação é correta, mas também revela o quanto de terreno ainda há por percorrer. Se o padrão é que o valor seja visível para as duas partes, e mais da metade dos compradores ainda não o percebe dessa forma sob os modelos de preço atuais, a indústria tem um problema de tradução comercial que vai muito além da tecnologia.
Esse desajuste tem um efeito secundário que agrava a instabilidade do ARR. Quando uma empresa não consegue medir o retorno do que paga, tende a subestimar o custo de trocar de fornecedor, porque também não consegue medir o que perderia ao sair. O resultado é que a avaliação contínua descrita pela Madrona não é apenas uma preferência cultural dos compradores: é uma consequência direta de não ter resolvido o problema de precificação com precisão suficiente.
A distribuição de valor que o modelo atual não garante
O que está em tensão não é o crescimento do mercado. Os números do IDC e os planos de expansão de orçamentos das empresas confirmam que a demanda é real e que continua aumentando. O que está em tensão é a distribuição desse valor entre os diferentes atores do sistema.
As startups de IA ganharam rapidamente a posição de primeiro fornecedor, mas não conseguiram converter essa posição em permanência contratual. As empresas enterprise, por sua vez, estão numa posição inusitadamente confortável: podem experimentar, adotar e substituir com uma fricção muito menor do que em qualquer ciclo anterior de software empresarial. Isso lhes confere um poder de negociação que não tinham quando os sistemas se enterravam em suas operações durante anos.
A distribuição de poder neste mercado favorece hoje o comprador de uma maneira que não tem precedente recente no software B2B. E isso tem consequências concretas para a economia das startups. Um ciclo de vendas que termina em um contrato que pode ser reavaliado em seis meses obriga a manter ativo o processo de demonstração de valor de maneira permanente. Isso não é apenas um custo de retenção: é uma estrutura em que a startup financia continuamente a certeza do cliente em troca de receitas que continuam sendo provisórias.
O ajuste que a indústria precisa não passa por convencer os clientes a assinar contratos mais longos. Passa por construir o tipo de integração operacional que faz com que o custo de saída seja suficientemente alto para que a permanência seja uma escolha racional do comprador, e não apenas uma preferência do vendedor. Enquanto essa integração não existir, o ARR das startups de IA continuará sendo uma fotografia de um momento, e não uma garantia de fluxo futuro. E os múltiplos de avaliação que assumem o segundo estão descrevendo um ativo que ainda não foi construído.
