Software, serviços e responsabilidade na era da inteligência artificial

Se a IA comprime o valor do código e do trabalho intelectual intermédio, o ativo mais raro poderá passar a ser menos a execução e mais a responsabilidade pelo resultado.

Durante anos, o software foi uma das histórias mais confortáveis dos mercados. Não porque estivesse isento de risco, mas porque reunia um conjunto raro de qualidades: margens elevadas, receitas recorrentes, boa escalabilidade, reduzida intensidade de capital físico e uma capacidade notável de crescer sem exigir, na mesma proporção, mais fábricas, mais inventário ou mais ativos tangíveis. Para muitos investidores, poucas áreas pareciam condensar tão bem as virtudes da economia moderna como o software: leve em capital, pesado em propriedade intelectual e, em teoria, protegido por relações duradouras com clientes, integração profunda nos seus processos e custos de substituição suficientemente elevados para travar mudanças súbitas.

Quando a nova vaga de inteligência artificial generativa começou a ganhar tração, a reação instintiva do mercado foi simples: isto será ainda melhor para o software. Mais automatização, mais produtividade, mais funcionalidades, mais procura. A IA parecia reforçar uma tese já forte. Se o software tinha sido uma das principais formas de digitalizar a economia, a IA surgia como a próxima camada de aceleração.

Mas o debate começou, entretanto, a deslocar-se. A questão deixou de ser apenas quanto valor a IA iria acrescentar ao setor e passou a incluir outra, bem mais incómoda: e se a mesma tecnologia que torna o software mais poderoso também tornar mais fácil replicar partes do seu valor? E se, ao reduzir o custo de desenvolvimento, encurtar ciclos de iteração e baixar barreiras à entrada, a IA estiver a pressionar precisamente algumas das vantagens que o mercado tinha aprendido a tratar como quase estruturais?

É aqui que a discussão fica realmente interessante. Não porque nos obrigue a escolher entre otimismo e pessimismo, mas porque nos força a distinguir melhor o que, afinal, era verdadeiramente defensável. Durante muito tempo, foi tentador tratar o software quase como um bloco homogéneo: tudo o que tivesse crescimento, retenção e uma narrativa tecnológica convincente parecia merecer um prémio. A inteligência artificial introduz uma nuance importante. Pode alargar o mercado total, sim, mas também pode redistribuir o valor dentro desse mercado. E essas duas coisas não são contraditórias.

O erro mais fácil é olhar para esta mudança de forma demasiado literal. Se a IA escreve código, conclui-se, então o código deixa de ser raro; se o código deixa de ser raro, o software perde valor. Mas a realidade é menos linear. Escrever código nunca foi o mesmo que construir software empresarial relevante. Entre uma funcionalidade gerada por um modelo e um sistema que funciona numa organização real existe um mundo de diferença: processos, exceções, integração com sistemas antigos, regras internas, conformidade, segurança, permissões, auditoria, manutenção e continuidade operacional. O valor económico de um produto raramente está apenas no que se vê numa demonstração. Está na forma como ele se encaixa na realidade concreta do cliente sem partir nada pelo caminho.

Ainda assim, parar aqui seria insuficiente. Porque a mesma lógica vale, em parte, para outras atividades que não software. Também muitas consultoras, integradores e prestadores de serviços profissionais vivem de organizar informação, estruturar problemas, produzir recomendações, desenhar processos e acompanhar implementações. E essas áreas estão, elas próprias, a ser redesenhadas à luz da IA. Se a tecnologia consegue resumir, comparar, propor, modelar, traduzir e até simular cenários com crescente competência, então parte do trabalho intelectual intermédio pode tornar-se menos raro em vários pontos da cadeia de valor, e não apenas no software.

Isso torna a pergunta mais exigente. Talvez já não baste dizer que o moat está no know-how. Se o conhecimento formalizável e repetível se torna mais acessível, então o fosso competitivo não pode residir apenas em saber fazer ou saber dizer. Tem de residir em algo mais difícil de automatizar e, sobretudo, mais difícil de transferir. Aqui entra uma ideia talvez mais interessante: num contexto em que a execução técnica tende a tornar-se mais barata e mais abundante, o recurso verdadeiramente raro pode deixar de ser a capacidade de fazer e passar a ser a capacidade de responder pelo resultado.

A responsabilidade, aqui, não no sentido moral abstrato, mas no sentido económico, contratual e operacional. Quem assume quando o projeto falha? Quem responde quando a implementação não produz o resultado prometido? Quem suporta o risco de um erro regulatório, de uma falha operacional, de um atraso, de uma quebra de serviço ou de uma decisão mal executada? Um cliente pode aceitar usar IA para acelerar análise, documentação ou programação. Mas isso não significa que passe a abdicar da necessidade de alguém responder pelo resultado final. Em muitas situações, poderá até valorizar mais essa função, precisamente porque a execução técnica se tornou mais abundante.

Isto ajuda a entender de forma mais útil o debate sobre os fossos competitivos no software. Durante anos, falou-se muito de dados, integração e distribuição. E com razão. Empresas que estão no centro do fluxo operacional do cliente, que conhecem a linguagem interna da organização, que acumulam histórico útil e que controlam pontos de acesso relevantes continuam a ter vantagens reais. Um ERP, um CRM ou um sistema operacional crítico não se substituem facilmente apenas porque surgiu uma interface mais elegante ou um agente mais impressionante. O contexto continua a contar.

Mas talvez esse contexto, por si só, já não chegue como explicação final. O sistema central pode continuar a ser o sistema de registo, o repositório de dados, o ponto de integração. A questão é saber se consegue manter também a camada de maior valor: a da recomendação, da automação e da decisão. Se não conseguir, corre o risco de permanecer indispensável, mas menos estratégico. Continua presente, mas o grosso do valor desloca-se para outro lado.

É por isso que a atual fase da IA parece separar não tanto "velha tecnologia” de "nova tecnologia”, mas sim empresas que tratam a IA como ornamento e empresas que a encaram como reconfiguração. Algumas estão a acrescentar funcionalidades para responder à narrativa do momento. Outras estão a repensar arquitetura, fluxos de dados, produto, monetização e relação com o cliente. A diferença entre as duas abordagens pode não ser visível de imediato, mas tenderá a aparecer com o tempo nos fundamentais: retenção, poder de preço, expansão de produto, disciplina comercial e capacidade de manter relevância estratégica.

Também por isso a pressão competitiva dificilmente será homogénea. Segmentos mais horizontais, com workflows mais genéricos, informação mais pública e tarefas mais repetitivas, parecem mais expostos. Nestes casos, a IA pode facilitar o aparecimento de alternativas suficientemente boas, mesmo que não perfeitas. Já em áreas com maior especialização setorial, forte intensidade regulatória, ligação a ativos físicos ou necessidade elevada de fiabilidade, a substituição tende a ser mais lenta e mais difícil. Mas mesmo aí a conclusão não deve ser de conforto automático. A proteção existe, mas terá de ser demonstrada e renovada.

Há outro ponto que merece atenção. Grande parte do debate público concentra-se nas interfaces visíveis: copilots, agentes, assistentes, conversação, geração automática. Mas o valor económico duradouro pode ficar muito mais abaixo, em camadas menos glamorosas e menos evidentes. Quanto mais uma organização quiser confiar processos relevantes à IA, mais dependerá de dados limpos, governados, corretamente classificados, acessíveis às pessoas certas e protegidos contra falhas e abusos. Isso sugere que parte do valor poderá concentrar-se, não apenas em quem "fala melhor” com o utilizador, mas em quem garante que a máquina está ligada a informação correta, segura e operacionalmente utilizável.

Também aqui a noção de responsabilidade regressa. Porque governar dados, garantir conformidade e assegurar continuidade não é apenas uma questão técnica; é uma questão de risco assumido. Muitas empresas estarão dispostas a experimentar novas ferramentas. Menos estarão dispostas a entregar funções críticas a operadores que não consigam oferecer garantias, suporte, rastreabilidade e responsabilidade contratual. Esse ponto aproxima software, consultoria e serviços profissionais. Em todos eles, a automação pode comprimir parte da execução. Mas em todos eles subsiste a necessidade de alguém assumir a consequência.

Do ponto de vista dos investidores, isto torna o setor menos óbvio e, paradoxalmente, mais interessante. A fase em que bastava "estar exposto ao tema” parece menos defensável. Não porque a IA vai retirar valor ao software ou aos serviços, mas porque vai tornar muito mais visível a diferença entre valor superficial e valor estrutural. Empresas cujo posicionamento assentava sobretudo em fricção técnica podem descobrir que essa fricção era temporária. Empresas que consigam combinar contexto, integração, confiança operacional e responsabilidade poderão, pelo contrário, reforçar-se.

Isto muda também a forma de pensar os modelos de monetização. Se a execução técnica se torna mais barata, os modelos tradicionais por utilizador, por lugar ou por licença podem começar a sofrer pressão em certas categorias. Isso não significa que deixem de funcionar, mas significa que terão de conviver com modelos mais ligados a consumo, automação, desempenho ou resultado. E essa transição será tudo menos simples. O preço deixa então de refletir apenas acesso ao software e passa a refletir, em parte, confiança no resultado. Uma vez mais, o valor desloca-se da ferramenta isolada para a combinação entre ferramenta, execução e responsabilidade.

Talvez seja essa a principal implicação desta fase. O debate mais produtivo já não é o de saber se a IA vai canibalizar o software ou se vai apenas multiplicar as suas possibilidades. Provavelmente fará as duas coisas, em graus diferentes, consoante o segmento. A pergunta mais útil é outra: quando o conhecimento codificável se torna mais barato e mais acessível, o que continua realmente escasso? A resposta pode não estar apenas no código, nem apenas nos dados, nem apenas no serviço. Pode estar na capacidade de assumir risco, garantir entrega e responder pelo resultado quando a tecnologia deixa de ser demonstração e passa a operação.

A inteligência artificial não obriga apenas a rever o valor do software. Obriga também a rever o valor do trabalho intelectual intermédio e, com isso, a repensar onde ficam os verdadeiros fossos competitivos. Parte do que antes parecia escasso pode tornar-se mais abundante. Mas isso não significa que tudo se torne commodity. Pode significar, antes, que o valor se desloca para quem combina contexto, integração, execução e responsabilidade. Num contexto em que produzir análise, código e recomendações se torna cada vez mais barato, o elemento verdadeiramente escasso pode deixar de ser a ferramenta e passar a ser quem assume a responsabilidade quando o resultado não corre como esperado. Para investidores, esta talvez seja a distinção mais importante da próxima fase: não a diferença entre empresas com IA e empresas sem IA, mas entre aquelas que continuam a ser apenas úteis e aquelas que permanecem verdadeiramente responsáveis.

Miguel Ricon Ferraz, Analista Financeiro e Responsável pelo Serviço de Consultoria de Investimento do Banco Carregosa