Métricas Digitais | Grupo Aberto

O maior risco da IA corporativa não é ela ser pouco usada. É ela ser muito usada para coisas que quase não importam. O modelo pode ser excelente, a adoção pode crescer, o consumo pode explodir, e ainda assim a captura de valor ficar abaixo do prometido. Dois usos podem consumir a mesma quantidade de inferência e gerar mundos diferentes. Em um caso, um engenheiro encontra um erro que reduz centenas de milhares de dólares em custo de cloud. Em outro, alguém usa o modelo para transformar um PDF mal formatado em documento, refaz metade na mão e chama isso de produtividade. Mesmo modelo. Mesmo custo. Valor completamente diferente. A diferença não está só na tecnologia. Está no incentivo de quem aponta a tecnologia. Em uma startup, a IA tende a ser usada contra o problema que dói: vender mais, reduzir custo, corrigir produto, diminuir churn, ganhar tempo antes do caixa acabar. Em uma grande empresa, muitas vezes ela vira conforto operacional: escrever melhor, resumir mais rápido, preparar reuniões, parecer produtivo. Isso tem valor. Mas talvez não o valor necessário para sustentar a curva de gasto que está sendo projetada. A métrica relevante não é uso. É valor econômico por uso. Algumas empresas vão capturar valor real. Mas isso exige mais do que licença. Exige responsabilidade e poder para mudar como o trabalho acontece.

Os Apple Glasses vem aí? Mark Gurman publicou ontem na Bloomberg os primeiros detalhes sobre os smart glasses da Apple, codinome N50, com lançamento previsto para 2027. A estratégia é fazer o design internamente, sem depender de uma EssilorLuxottica ou Warby Parker. Quatro estilos de armação, material acetato, várias opções de cor. O objetivo declarado é criar um design "instantly recognizable", o que a Apple chama internamente de "icon". Isso me fez pensar num padrão. Existe uma correlação entre os produtos da Apple que dominam seus mercados: todos eles têm um atributo de moda. iPhone, Apple Watch, AirPods são os mais importantes das suas categorias. Apple TV, HomePod, Mac Pro? Nem tanto. Obviamente, isso não é regra geral, mas é uma correlação difícil de ignorar. E agora a Apple entra numa categoria que é, por definição, um acessório de moda. A Meta precisou da Ray-Ban pra parecer fashion. A Apple vai fazer sozinha. O produto ainda nem foi lançado, mas é difícil imaginar que os Smart Glasses sejam uma exceção a esse padrão de sucesso da Apple nos produtos de moda.

Se você dobrar o número de clientes adquiridos, o seu CAC cai ou sobe? Parte do CAC é fixo. Salários, CRM, ferramentas. Não muda com volume. Dobrou a aquisição? Esse pedaço caiu pela metade. Parte é variável. Facebook, TV, comissões. Dobrou a aquisição? Esse pedaço não cai. Na prática, sobe. Os clientes mais fáceis já vieram. Empresa A com CAC de 50. Composição: 30 fixo, 20 variável. Dobra a aquisição. Fixo cai para 15, variável sobe para 28. CAC novo: 43. O fixo diluindo compensou o retorno decrescente. Empresa B com CAC de 50. Composição: 10 fixo, 40 variável. Dobra a aquisição. Fixo cai para 5, variável sobe para 55. CAC novo: 60. O fixo era pequeno demais para compensar. Mesmo CAC de partida. Um cai. O outro sobe. A maioria calcula CAC como um número só. Se você não sabe a composição, não sabe o que acontece quando escala.

A Meta tem 3 bilhões de usuários. Agora tem um frontier model plugado em todos eles. O modelo foi construído do zero nos últimos nove meses. Os resultados técnicos são reais: o modelo compete de frente com GPT e Gemini nos principais benchmarks, em categorias que vão de raciocínio científico a tarefas autônomas complexas. (Veja tabela nos comentários) Para quem acompanhou o histórico recente da Meta em modelos, é uma virada significativa. Mas não é só qualidade. É distribuição em escala com dados proprietários que nenhum competidor tem. OpenAI tem o modelo. Google tem a busca. A Meta tem outra coisa: sabe o que três bilhões de pessoas curtem, compartilham, param para olhar e compram. Sem download. Sem cadastro. Simplesmente aparece onde o usuário já está. Um detalhe que passou despercebido: o Muse Spark é o primeiro modelo fechado da Meta. A empresa que construiu sua reputação em IA sobre open weights lançou um modelo que ninguém pode baixar, inspecionar ou replicar. Alexandr Wang, fundador da Scale AI e agora à frente da unidade de IA da Meta, sempre soube que dados de qualidade valem mais que arquitetura. Agora ele tem acesso ao maior dataset comportamental do mundo.

A Apple está se tornando uma empresa de enterprise. Silenciosamente. Snowflake colocou 9.000 Macs na operação. AstraZeneca distribuiu 5.000 iPad Pros com chip M5 para o time comercial. BMW adotou dezenas de milhares de iPhones. A lista não para de crescer. O movimento mais relevante é o Apple Business. Gestão de dispositivos, e-mail, calendário, domínio customizado. Tudo numa plataforma integrada. A Apple também vai permitir que empresas nos EUA e Canadá comprem anúncios locais no Maps. Receita de services com distribuição enterprise no mesmo canal. Dois vetores de monetização de uma vez. A Apple está construindo um moat enterprise que vai além do hardware. Dispositivo, gestão, serviços e ads numa plataforma integrada. Quando o switching cost fica proibitivo, o pricing power vai junto. Esse é o jogo da Apple.

Você quer faturar R$10M em 2026 no seu SaaS. Excelente. Mas para atingir essa meta, quanto você precisa vender? Depende. Pode ser qualquer valor, a depender do seu nível de renteção de clientes e cross-sell/ upsell do seus produtos. O problema é que sem saber este valor, você não consegue ter meta de vendas para a sua equipe. Você fica totalmente no escuro. Felizmente, este problema pode ser muito bem resolvido quando se conhece as técnicas corretas para isso. Podemos dizer muito claramente: para este negócio em específico faturar R$10M em 2026, nós precisamos vender o valor de R$500k a cada trimestre. Pois é exatamente isso que nós vamos aprender na aula de hoje da Comunidade Métricas Digitais. Espero vocês lá.

Não dá para entender durabilidade de receita olhando só para a receita. Tem circulado bastante o conceito de Growth Endurance (crescimento do ano atual dividido pelo crescimento do ano anterior) como uma forma de se avaliar a tendência de crescimento de um negócio. A métrica é elegante e ajuda a resumir o comportamento do crescimento. O problema é que ela é agregada informação demais para servir como diagnóstico. Ela compara duas fotos do todo, mas não mostra o que está acontecendo dentro do negócio. Pense em dois SaaS com endurance de 75%. O primeiro continua adquirindo clientes em bom ritmo, mas cada cohort novo retém pior que o anterior. Os clientes entram, experimentam e saem mais rápido. Nesse caso, o problema não está no topo do funil. Está no produto. Colocar mais dinheiro em aquisição só acelera a entrada de clientes que também vão sair rápido. O segundo tem aquisição fraca, mas os cohorts recentes retêm e expandem melhor do que os antigos. Aqui, o problema parece ser de go-to-market, não de retenção. O produto está fazendo sua parte. O desafio é destravar a aquisição. Uma empresa precisa frear. A outra precisa acelerar. A métrica agregada é a mesma. A decisão correta é oposta. Esse é o limite de quase toda métrica agregada. Ela pode até descrever bem o que aconteceu. Mas não basta para explicar por que aconteceu, nem para indicar o que fazer a seguir. A resposta é abrir por cohorts. Empilhar os cohorts e observar o que realmente está acontecendo: quantos clientes ficam, quanto gastam e como o valor de cada cohort evolui ao longo do tempo. Quando cada cohort novo retém pior, a receita agregada ainda pode parecer saudável por algum tempo, mas a base já está se deteriorando. Quando os cohorts mais recentes retêm melhor, uma desaceleração no agregado pode esconder uma melhora real na qualidade da receita. É por isso que, na Comunidade Métricas Digitais, a minha insistência é sempre a mesma: se você quer entender a saúde de um negócio, precisa olhar para os seus clientes. Caso contrário você estaria agindo como um médico que se propõe a diagnosticar uma doença olhando apenas para a pressão do paciente. Simplesmente não dá.

O produto de IA mais copiado de 2025 acabou de fazer uma das pivotagens mais reveladoras do ano. Lovable. US$ 400 milhões de ARR. US$ 6,6 bilhões de valuation. A ferramenta de vibe coding que definiu a categoria. Todo mundo queria ser "a Lovable de X". E a empresa que todos imitavam concluiu que sua própria categoria não era defensável. No dia 19 de março, a Lovable anunciou expansão para análise de dados, documentos, imagens, vídeo, processamento de arquivos. Um belo dia, a Lovable migroou sua estratégia de ferramenta vertical para plataforma horizontal. Não é coincidência. É resposta racional a uma mudança estrutural. Em menos de quatro meses, agentes de IA que executam qualquer tarefa numa única conversa redefiniram a expectativa do usuário. E quando a expectativa muda, a dinâmica competitiva muda junto. Agentes horizontais estão absorvendo funções que antes justificavam produtos dedicados. Agora, ferramenta vertical só se sustenta se for imbatível na especialidade. Caso contrário, vira feature de um agente generalista. O mesmo padrão de suites absorvendo point solutions em SaaS, só que muito mais rápido. A estrutura competitiva que emerge é binária. Sobrevive quem vai fundo o suficiente no vertical para justificar ferramenta dedicada. Ou quem vai largo o suficiente no horizontal para virar a camada default de delegação. O meio do caminho é a zona de destruição de valor em 2026. A Lovable fez a escolha: migrar do vertical para o horizontal. Andy Grove dizia que só os paranóicos sobrevivem. Em IA, a paranoia é reconhecer que a categoria que você definiu pode ser comprimida antes de você terminar de comemorá-la.

Contratando RevOps. Empresa em forte crescimento, operação ficando mais complexa e precisando de alguém que organize isso direito. É uma posição com bastante exposição, impacto direto em receita e espaço real para construir, com autonomia para implementar melhorias e evoluir a operação. O pacote é competitivo. Bem competitivo. O foco é estruturar processos de receita (marketing e vendas), melhorar previsibilidade, organizar dados e métricas e apoiar decisões melhores e mais rápidas no dia a dia. Se você já passou por isso ou quer passar, entre em contato comigo pelo inbox.

Boa parte do custo do software agora será em tokens. Mas cobrar por token não costuma ser uma boa ideia. Antes da IA, o custo principal de um SaaS era cloud. Ninguém pagava "por gigabyte de servidor." Era assinatura fixa, previsível. Funcionava porque a diferença de custo entre um usuário leve e um pesado era pequena. O fornecedor absorvia sem dor. Com tokens, isso muda. Um usuário que faz três perguntas por dia custa centavos. Um que roda agentes o dia inteiro pode custar dezenas de dólares. Daí a tentação: cobrar por token. Jogar o custo variável pro cliente. Mas pense numa padaria que contrata um agente de IA no WhatsApp. Em maio, a fatura vem R$ 600. Em junho, R$ 1.800. O padeiro não sabe o que é token. Só sabe que a conta triplicou. Software era para simplificar. Não para criar uma nova fonte de incerteza. Custo em tokens é problema de engenharia. Preço em tokens é problema de negócio. Coisas diferentes. Quem constrói com IA vai ter que absorver a variabilidade e traduzir em algo previsível. Teto, faixas, cobrança por resultado. Precificação virou parte do produto. Não é mais linha na proposta comercial. É decisão de arquitetura.

A Apple acabou de destruir a única vantagem que restava à turma do Windows: o preço. MacBook Neo. US$ 599. Chip A18 Pro, 16h de bateria, 1,23 kg. Mesma qualidade Mac, preço de Chromebook. Não é um downgrade. É a Apple abrindo o Mac para centenas de milhões de pessoas que nunca consideraram comprar um. A turma do Windows (Microsoft, Dell, HP, Lenovo, Samsung) apostou que a Apple jamais entraria no segmento de ~US$ 500. Montaram a última trincheira com CoPilot+ PCs. Não funcionou. O moat que restava era preço. Esse moat acabou. Como a Apple chegou aqui? Silício próprio + cadeia de suprimentos sem igual. A decisão de verticalizar o chip, tomada há mais de uma década, é o que torna o Neo possível. Nenhum concorrente tem essa estrutura de custo. A vantagem é sistêmica, não pontual. Estimativas de venda do Mac devem subir entre 5 e 10 milhões de unidades nos próximos 12 meses. A pergunta agora é: qual o limite do Mac num mundo onde preço deixou de ser barreira?

A guerra entre OpenAI e Anthropic está dominando o noticiário. A Amazon está assistindo e lucrando com os dois lados. A Amazon não fez esse acordo porque acredita na OpenAI. Ela também investiu bilhões na Anthropic, a principal concorrente. A Microsoft fez o mesmo. Nenhuma das duas tem modelo frontier próprio para defender. O que elas querem é simples: que você use a infraestrutura delas para rodar qualquer IA que escolher. O Google é o caso menos óbvio. Tem o Gemini, que compete diretamente com Claude e GPT. Mas ainda assim investiu US$ 3 bilhões na Anthropic e distribui Claude na sua cloud. Em grau diferente, está jogando o mesmo jogo. Se amanhã a Anthropic crescer mais que a OpenAI, a Amazon distribui a Anthropic. Se surgir um terceiro modelo melhor, a Amazon distribui esse. O modelo que vence é detalhe. — O que importa é que o processamento aconteça nos servidores deles. O problema é que, aos poucos, esses provedores passaram a controlar não só a infraestrutura, mas a distribuição dos modelos e a memória dos agentes de IA. Cada camada nova que adicionam torna mais fácil trocar de modelo e mais difícil trocar de cloud. — Desse modo, você não fica preso na OpenAI. Você fica preso na Amazon. Para quem constrói produtos de tecnologia, a pergunta certa não é "qual IA performa melhor?" A pergunta é... no dia que eu quiser sair da infraestrutura do meu provedor de cloud, ainda consigo? Na arquitetura que está sendo montada agora, a resposta pode ser não.

Boa tarde, pessoal, tudo bom? Espero que estejam prontos para a aula de hoje sobre modelagem financeira, que irá acontecer às 19h. Para que vocês possam tirar o máximo dessa aula, eu preparei um PDF exclusivo contendo o passo a passo para organizar toda a parte das finanças do seu negócio. Então, quem estiver na aula vai receber todo o material, além das planilhas, totalmente de graça — coisa de baixar, colocar no seu sistema e ser feliz. Então não deixe de participar da aula. Te vejo mais tarde! Link da aula: https://us05web.zoom.us/j/83993993382

Ser ou não um “system of record” não é o que define se um SaaS terá futuro. Muito longe disso. A ideia parece lógica: quem controla os dados dificulta a troca. Mas como regra geral, essa lógica é simplista demais. Guardar dados, por si só, já não é um moat forte em muitos casos. Com APIs e integrações simples, alguns tipos de dado podem ser migrados com pouca dificuldade. E quando os dados ficam mais portáteis, o valor tende a migrar para o que roda em cima deles. Agentes de IA aceleram essa erosão. Eles leem bagunça de e-mails, Slack e planilhas. Entregam resultados sem exigir um repositório perfeito. O bom e velho “system of record” não vai sumir, mas vai mudar de papel. Ele vai cuidar cada vez mais de governança: permissões, auditoria, compliance e consistência. Vai virar infraestrutura. — Veja bem, não é que o controle do SoR não seja algo relevante. Com certeza, este é um ponto a ser considerado. A questão é que o controle do SoR está longe de ser um critério tão geral assim. De fato, existem casos em que o SoR funciona como excelente moat. Workday, por exemplo, é “system of record” para RH e finanças em grandes empresas. Tem switching costs altíssimos. Migração de dados regulados, folha de pagamento e compliance leva meses ou anos. O risco legal e operacional é enorme. Isso gera retenção forte, expansão dentro da conta e pricing power sustentado. Por outro lado, existem casos em que o SoR praticamente não protege o negócio. Monday.com é um player forte na área de gerenciamento de projetos, com seus boards e drag-and-drop. Mas agentes de IA recriam muito disso rápido. Conectam e-mail, calendário e Slack com pouco esforço manual. ServiceNow também fica exposta a esse tipo de pressão. É líder em workflows empresariais e IT service management. Porém, agentes de IA já automatizam ticketing e operações end-to-end com menos dependência de interface. — Workday, Monday.com e ServiceNow são todos “system of record”. Os três guardam dados críticos dos clientes. Mas as trajetórias dessas empresas poderão ser bem diferentes nos próximos anos. A gente vive em busca de critérios simples para organizar a nossa vida, nosso negócios e investimentos, mas nem sempre eles existem, infelizmente. Usar SoR como régua de análise é isso: uma simplificação que passa por cima do que realmente separa um negócio forte de um vulnerável.

Tendências do SaaS que funcionam muito bem em conjunto: ⮑ Outcome-Based Pricing ⮑ Fintechzação Imagine um SaaS que também cumpra o papel de meio de pagamento para um certo tipo de comércio ou serviço. Cobrando um spread no recebimento dos seus clientes, ele naturalmente terá uma precificação bem alinhada com os resultados do negócio. Para isso, este SaaS precisa ser um tipo de fintech, ainda que sua proposta de valor esteja mais centrada no software que é oferecido. Vale reparar que empresas como a Hotmart sempre operaram com modelos que funcionam exatamente assim.

"Crossing the Chasm" criou um vocabulário que dominou o Vale do Silício por décadas. Mas será que a estratégia de conquista vertical ainda funciona? Quando Moore escreveu, não existia web comercial, SaaS ou product-led growth. A tecnologia B2B dependia de venda direta e implementação que levava meses. Hoje, o custo de testar caiu drasticamente. Muitas ferramentas entram via cartão de crédito e validação em dias. O "abismo" mudou de lugar... ou desapareceu? Veja o novo artigo na série Leia com Moderação 👇 https://rodrigofernandes.substack.com/p/leia-com-moderacao-crossing-the-chasm