O software está morto? Não. Ficou muito mais difícil de vencer. O mergulho profundo da SaaStr AI com Rory O’Driscoll

por Jason Lemkin | Inteligência Artificial (IA), Postagens de Blog, Angariação de Fundos, SaaStr.Ai Você já conhece Rory O’Driscoll do nosso podcast semanal 20VC x SaaStr, onde ele, Harry e eu falamos exatamente sobre essas coisas. Ele também investe em software há mais de 30 anos. Tempo suficiente, como ele colocou no palco do SaaStr AI, para ter permanecido empregado, mas sem tanto sucesso, ele poderia se aposentar e comprar um time de futebol.

Então, quando toda a indústria começa a perguntar se o software está morto, ele leva isso para o lado pessoal. Então ele faz o que um bom investidor faz: restringe a questão até que ela seja respondível. Sua resposta, depois de semanas discutindo números em sua empresa todas as sextas-feiras: o software não está morto.

Ficou muito mais difícil de vencer, mas não está morto. A matemática está abaixo. Um fato influencia todas as outras decisões no momento.

Em 2026, só os hiperscaladores estão gastando cerca de US$ 688 bilhões em investimentos em IA. Pense nisso como todo o dinheiro que vai para fazer a IA acontecer. O que está saindo do outro lado é uma receita de cerca de US$ 110 bilhões.

Cerca de US$ 89 bilhões desse valor vêm dos dois líderes do modelo de fundação com base no GAAP. Junte todo o resto e você receberá outros US$ 20-30 bilhões. Portanto, a indústria está a gastar cerca de meio bilião de dólares por ano a mais do que arrecada.

Enquadramento de Rory: aproximadamente o certo vence exatamente o errado. Discuta cerca de US$ 10 bilhões aqui ou ali e nada muda. A forma é uma aposta enorme financiada anos antes da receita, e toda estratégia tem que levar em conta isso.

Avance as estimativas de receita e o cruzamento, onde os dois líderes do modelo finalmente superam o capex cumulativo, não atingirá até aproximadamente 2031-2032, em cerca de US$ 1 trilhão de receita. Duas conclusões para os fundadores dessa linha do tempo: Primeira, isso dura anos. Faltam cinco ou seis anos para sair do modo de investimento.

Trata-se de um longo caminho de entrada de capital antes dos retornos, e um longo caminho de oportunidades além de modelos baratos e em melhoria. Dois, espere um soluço. Quando você gasta muito mais do que ganha, alguém eventualmente acorda e pergunta por quê.

Mesmo que a história de longo prazo se concretize, não fique chocado se o mercado respirar fundo e recuar antes de 2032. Planeie a sua queima como se esse momento estivesse a chegar, porque pode acontecer. Para que os modelos de fundação ganhem um bilião de dólares, o dinheiro tem de vir do maior pote que existe: a massa salarial dos trabalhadores do conhecimento.

Para atingir esses números, a IA precisa aguentar uma dose considerável. Se todos os gastos fossem para os EUA, estaríamos falando de algo como 15-17% de todos os dólares dos trabalhadores do conhecimento. Especificamente para desenvolvedores de software, bem acima de 25%.

Colocando de forma concreta: para cada desenvolvedor de US$ 200.000, cerca de US$ 50.000 vão para tokens. Essa é a aposta que o capitalismo americano está a fazer. As leis de escala mostraram que a entrada de dinheiro produz modelos melhores.

O momento ChatGPT mostrou que as pessoas realmente querem usá-lo. Combine os dois e o capital continuará chegando. Mas só será possível se a IA consumir uma parte real do que é atualmente pago aos humanos.

Possível, talvez até provável, mas não sem problemas. Pegue emprestado o modelo que Jensen usa: energia, chips, infra, modelos, aplicativos. As três camadas inferiores tratam da criação de IA.

Isso é o que é necessário para construir US$ 688 bilhões em investimentos, e cerca de 80% deles não podem ser financiados por capital de risco. Metade disso são chips, e a maior parte desses dólares foi para uma empresa. O Capex passou de cerca de US$ 200 bilhões há quatro anos para cerca de US$ 600 bilhões hoje, o que significa que alguém está embolsando cerca de US$ 400 bilhões por ano, principalmente Nvidia.

A energia é um bloco grande e difícil, mas com uma quantia relativamente pequena em dólares. A infraestrutura vai desde edifícios simples até empresas de rotulagem e academias de treinamento RL que as empresas modelo compram. As camadas superiores estão usando IA: como o software pega um modelo e o transforma em valor para um cliente empresarial.

É onde o resto de nós mora. A questão do dinheiro: como é que as empresas pretendem consumir cerca de 1 bilião de dólares em IA nos próximos cinco ou seis anos? Eles compram tudo direto dos modelos básicos e, nesse caso, vamos todos para casa e alugamos uma sala de conferências bem pequena?

Ou há espaço para todo um conjunto de empresas comprar IA dos fornecedores de modelos, agregar valor real, aproximar-se de um cliente específico e enviar um produto economicamente diferenciado? A leitura de Rory e a minha: há espaço. O que defende aquela sala é a próxima questão.

Existe um termo por aí, “o chicote”, para a camada de software sobre um modelo bruto que o transforma em um sistema confiável. Decidir qual contexto o modelo vê, permitir ações, selecionar resultados, registrar o que aconteceu, escalar e gerenciar modelos por tarefa. Rory não ama a palavra, e eu também não.

O melhor modelo mental: por 15 anos construímos software B2B na pilha LAMP. Assim, ou algo parecido, será como você construirá todos os aplicativos na era dos LLMs. Cada aplicativo SaaS era executado na mesma pilha LAMP e não era remotamente o mesmo aplicativo.

A mesma coisa aqui. A maioria dos aplicativos de IA são construídos da mesma maneira, raciocinando sobre um modelo e destilando-o em algo que um usuário empresarial pode usar, e todos se descrevem da mesma maneira. Mas a forma como eles são instanciados varia enormemente dependendo se você é um produto legal, um produto de suporte ao cliente, um produto de codificação ou algo com hardware conectado.

A mesmice da arquitetura não é a mesmice dos negócios. A verdadeira questão por trás de tudo isso: o que Claude ou ChatGPT podem ignorar e o que não podem? A empresa de Rory está separando isso em fossos.

Os que se sustentam: Depois, os dois mais difíceis, mais próximos dos fornecedores de modelos, onde você ainda é fundamentalmente uma empresa de software: A conclusão: existem fossos arquitetônicos sutis e fossos óbvios de modelos de negócios, e eles apontam na mesma direção. As empresas modelo começam com um trilhão de dólares e ficarão bem. Ainda há espaço para todos os outros.

A frase significa três coisas diferentes. Mantenha-os separados. Versão um: os modelos básicos tirarão tudo das novas empresas de IA?

Ninguém sabe, e a maioria dos VCs está apostando nos dois sentidos: assinando cheques para a Anthropic com algumas centenas de bilhões de dólares antes, ao mesmo tempo que financia empresas que só fazem sentido se houver espaço fora da camada do modelo. Você tem que formar uma teoria do caso sobre o que sobrevive. Versão dois: o SaaS simples está morto?

Para empresas que apenas automatizam um fluxo de trabalho, esta é a verdadeira ameaça. Mova-se e sobreviva ou seja rolado. Versão três: o que aconteceu com tudo o que foi construído antes de 2022?

Esta é a pergunta que os LPs fazem. A visão aproximada de Rory sobre um grande portfólio pré-GPT: E sim, eles podem estar olhando com um pouco de otimismo para o último terço. Seja honesto sobre em que segmento sua empresa está.

Uma maneira de competir com os modelos básicos é possuir você mesmo um modelo. A classificação de uma longa lista de aproximadamente 65 “neolabs” produziu de 10 a 15 categorias de apostas em modelos de base não pura. As mais claras são as substituições de fronteira do LLM que vão direto para a próxima geração.

Mais interessante para os fundadores: voz, vídeo e imagem tinham opções de modelo que não eram puros LLMs e exigiam muito menos computação e capital do que um modelo básico. A ElevenLabs construiu um negócio real baseado em um modelo de fala. Modelos especializados em codificação, modelos de química e ciências físicas e muito mais contam.

Você não precisa do dinheiro do modelo básico para possuir um modelo defensável em um domínio mais restrito. Isso atinge diretamente a arrecadação de fundos. Os múltiplos de software público falharam, e falharam por uma razão: a taxa de crescimento entrou em colapso.

A empresa média costumava crescer cerca de 30%. Agora está perto de 10, às vezes abaixo. Wall Street não está sendo irracional.

As empresas estão sendo prejudicadas porque pararam de crescer. Isso não altera a matemática composta, mas altera o preço. Se você está acumulando um múltiplo de receita de 4x, é mais difícil fazer esse negócio funcionar do que em novembro passado.

Eventualmente, tudo é negociado a um múltiplo racional e ajustado ao crescimento, de modo que você não pode pagar como antes. Portanto, a convicção de categoria é tudo. Se você acha que sua empresa se integra à massa indiferenciada de software de baixo crescimento, não faz sentido fechar o negócio.

Um 3x a caminho de 2x a caminho de 1,5x está a caminho de um retorno de 1x. Algumas ofertas